چندروش برآوردیابی استواردر مدلهای رگرسیونی چندکی با دادههای پرت

پایان نامه
چکیده

در آمار و روش های آماری در اقتصاد، اغلب با مجموعه داده هایی روبرو هستیم که شامل نقاط پرت هستند. رگرسیون چندکی خطی نیز به عنوان روشی پرکاربرد در آمار، نسبت به مشاهدات پرت، مخصوصا مشاهدات پرت موجود در متغیرهای مستقل، حساس است. در این پایان نامه ابتدا چند برآوردگر رگرسیونی را معرفی کرده و نشان می دهیم که چگونه می توان با استفاده از نقطه شکستگی استواری آنها را ارزیابی کرد. سپس درباره ی برآوردگرهای رگرسیون چندکی بحث می کنیم. به دلیل اینکه چنین برآوردگری در حضور نقاط پرت استوار نیست، برآوردگر استواری را که توسط سیزک و همکارانش در سال 2012 معرفی شد، مورد بررسی قرار می دهیم. در نهایت عملکرد رگرسیون چندکی را با رگرسیون چندکی حداقل پیراسته از طریق یک مثال عددی با هم مقایسه می کنیم.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مقایسه مدل شبکه عصبی مصنوعی با مدلهای رگرسیونی دادههای شمارشی در پیش بینی تعداد دفعات اهدای خون

 Background: Modeling is one of the most important ways for explanation of relationship between dependent and independent response. Since data, related to number of blood donations are discrete, to explain them it is better to use discrete variable distribution like Poison or Negative binomial. This research tries to analyze numerical methods by using neural network approach and compare ...

متن کامل

تشخیص نقاط پرت در مدل رگرسیونی لیو

در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با ا...

متن کامل

برآورد مدلهای ارزشگذاری مشروط با انتخاب دو‌گانة دو‌بعدی با استفاده از مدلهای رگرسیونی پروبیت به‌ظاهر نامرتبط

با وجود مباحث زیادی که علیه استفاده از ارزش‌گذاری مشروط در برآورد ارزش‌های غیر بازاری مطرح می‌شود، این روش بسیار استفاده شده است. از بین روش‌های مختلف استخراج در ارزش‌گذاری مشروط، به روش انتخاب دوتایی (DC)[1] توجه ویژه‌ای شده ‌است. دو نوع روش انتخاب دوتایی وجود دارد: انتخاب دوتایی یک‌بعدی (SBDC)[2] و انتخاب دوتایی دوبعدی (DBDC)[3]. کارایی روش DBDC از روش SBDC بیشتر است. در بیشتر مطالعات ارزش‌گذ...

متن کامل

معرفی معیار ریسک جدید GlueVaR و برآورد آن با استفاده از مدل رگرسیونی چندکی ترکیبی

معیارهای ریسک ارزش در معرض خطر و متوسط ارزش در معرض خطر، دو معیار مهم اندازه‌گیری ریسک در بازارهای مالی هستند که ریسک را با یک عدد مشخص می‌کنند. اما هر دو این معیارها، در سنجش ریسک دارای معایبی هستند. به همین دلیل معیار جدید ریسکGlueVaR  در سال 2014 میلادی و در انتقاد از این دو معیار ریسک معرفی شد که می­توان آن­ را به عنوان یک ترکیب خطی از دو معیار ارزش در معرض خطر و متوسط ارزش در معرض خطر  نیز...

متن کامل

تشخیص نقاط پرت در مدل رگرسیونی لیو

در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با ا...

متن کامل

برآورد معیارهای ریسک ارزش در معرض خطر و میانگین ارزش در معرض خطر با استفاده از مدل رگرسیونی چندکی ترکیبی

ارزش در معرض خطر و میانگین ارزش در معرض خطر که ریسک بازار را با یک عدد بیان می‌­کنند، دو نوع از مهمترین معیارهای اندازه‌­گیری ریسک مبتنی بر روش‌های آماریدر بازارهای مالی هستند. اخیرا رهیافت مدل­های رگرسیونی خطی نظیر کمترین توان های دوم و چندکی برای برآورد این معیارها ارائه شده است. در این مقاله روش برآورد این دو معیار ریسک با استفاده از مدل رگرسیونی چندکی ترکیبی بررسی می‌­شود. برای مقایسه کارای...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده علوم

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023