فًي التحلٌيل اإلحصائ،ً حٌث تعتبر طرٌمة انحدار شرائح تلعب تمنٌات تحلٌل االنحدار الالمعلمً دوراً مركزٌاً لتمهٌد البٌانات، اذ ٌمكن من خاللها تمدٌر الدوال مباشرة من الجزاء واحدة من أكثر الطرائك المستعملة حالٌاً ( بدالً ة البٌانات الصاخبة)التً تحتوي على أخطاء( أو الملوثة )data noisy من االعتماد على نماذج معلمٌ محددة، وتعتمد طرٌمة التمدٌر المستعملة لمالئمه نموذج انحدار شرائح الجزاء فً الغالب على طرائك المربعات الصغرى )OLS)، والتً من المعروف أنها حساسة للمشاهدات غٌر النمطٌة )المتطرفة(، فً هذا البحث سٌتم تمدٌر نماذج انحدار شرائح الجزاء )spline-P )المضافة المعممة باستعمال طرٌمة فصل المصفوفات الدلٌمة المتداخلة )SOP )الممترحة من لبل الباحث )Rodríguez)، واخرون فً عام ،2015 والتً تأخذ المشاهدات المتطرفة فً االعتبار، حٌث ٌعتمد التمدٌر على التكافؤ بٌن )spline-P )والنماذج المختلطة الخطٌة، وٌتم تمدٌر معلمات التباٌن ومعلمات التمهٌد بنا ًء على طرٌمة اإلمكان االعظم الممٌد )REML). ومن اهم االستنتاجات التً تم التوصل الٌها عدم الحاجة الى استعمال طرائك التحسٌن العددي، كما ٌمكن دمج طرٌمة )SOP )بسهولة فً تمدٌر النماذج المختلطة المضافة المعممة )GAMM )مع مجموعات التأثٌرات العشوائٌة المستملة، فضالً عن سرعة تطبٌك طرٌمة )SOP )فً تنفٌذ العملٌات الحسابٌة.
تقدير معامالت مناذج احندار رشاحئ اجلزاء ابس تعامل طريقة )SOP)
شرائح االساس
انحدار شرائح الجزاء
طرٌمة فصل المصفوفات المتداخلة )S
Publication Date
Mon Oct 01 2018
Journal Name
Journal Of Economics And Administrative Sciences
Bayesian Tobit Quantile Regression Model Using Double Adaptive elastic net and Adaptive Ridge Regression
نموذج الانحدار المجزئ توبت
elastic net المكيفة
انحدار الحرف المكيفة
خوارزمية Gibbs Sampler
خوارزمية Metropolis Hasting
Tobit Quantile Regression
Adaptive elastic net
Adaptive Ridge Regression
Gibbs Sampler algorithm
Metropolis Hasting algorithm
Recently Tobit Quantile Regression(TQR) has emerged as an important tool in statistical analysis . in order to improve the parameter estimation in (TQR) we proposed Bayesian hierarchical model with double adaptive elastic net technique and Bayesian hierarchical model with adaptive ridge regression technique .
in double adaptive elastic net technique we assume different penalization parameters for penalization different regression coefficients in both parameters λ1and λ2 , also in adaptive ridge regression technique we assume different penalization parameters for penalization different regression coefficients i
... Show More