المقدرات شبه المعلمية للأنموذج التجزيئي باستعمال LASSO و SCAD مع البيانات المفقودة
DOI:
https://doi.org/10.33095/jeas.v28i133.2351الكلمات المفتاحية:
الانحدار التجزيئي، انموذج الانحدار الجزئي، لاسو، سكاد، البيانات المفقودة، المجاور الأقربالملخص
في هذه الدراسة، قمنا بإجراء مقارنة بين طريقتين LASSO وSCAD، وهما طريقتان خاصتان للتعامل مع النماذج في الانحدار التجزيئي الجزئي. تم استخدام ( (Nadarya & Watson Kernelلتقدير الجزء اللامعلمي (non-parametric)، بالإضافة إلى ذلك، تم استخدام طريقة قاعدة الإبهام لتقدير المعلمة التمهيدية (h). أثبتت طرق الجزاء فعاليتها في تقدير معاملات الانحدار، لكن طريقة SCAD وفقًا لمعيار متوسط مربعات الخطأ (MSE)، كانت الأفضل بعد تقدير البيانات المفقودة باستخدام طريقة التعويض بالمتوسط (mean imputation)
التنزيلات
التنزيلات
منشور
إصدار
القسم
الرخصة
هذا العمل مرخص بموجب Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
Articles submitted to the journal should not have been published before in their current or substantially similar form or be under consideration for publication with another journal. Please see JEAS originality guidelines for details. Use this in conjunction with the points below about references, before submission i.e. always attribute clearly using either indented text or quote marks as well as making use of the preferred Harvard style of formatting. Authors submitting articles for publication warrant that the work is not an infringement of any existing copyright and will indemnify the publisher against any breach of such warranty. For ease of dissemination and to ensure proper policing of use, papers and contributions become the legal copyright of the publisher unless otherwise agreed.
The editor may make use of Turtitin software for checking the originality of submissions received.
