عنوان

Estimation of gamma regression parameters in the presence of multicollinearity

شماره

T27902

زبان متن نوشتاري يا گفتاري و مانند آن

انگلیسی

عنوان اصلي

Estimation of gamma regression parameters in the presence of multicollinearity

نام عام مواد

Dissertation

نام نخستين پديدآور

Ghaith Rahman Taaban Al- Attwani

نام ناشر، پخش کننده و غيره

Mathematics, Statistics and computer Sciences

تاریخ نشرو بخش و غیره

1401

نام خاص و کميت اثر

94p.

ساير جزييات

cd

جزئيات پايان نامه و نوع درجه آن

M.S.

نظم درجات

STATISTICS

زمان اعطا مدرک

1401/10/04

متن يادداشت

The gamma regression model is one of the regression models that has found a lot of uses, particularly in a variety of sciences such as engineering, medicine, insurance, and the humanities, among other areas. When the response variable can only take positive restricted to positive real numbers, this model is utilized. The maximum likelihood approach is normally the one that is used whenever the covariates do not have any link with each other. This is because the maximum likelihood method is the most accurate estimation method. However, just like in linear regression models, it is possible that we come across situations in which there is a correlation or linear relationship between the covariates. In such a scenario, the inference that is drawn using this method will be incorrect due to the large estimate that is produced. In this thesis, we investigate how to estimate the parameters of a gamma regression model when there is multicollinearity between the covariates. We begin by presenting the ridge estimator for the gamma regression model. After that, we use the various techniques that have been suggested to estimate the ridge parameter in other regression models in the gamma regression model. Finally, we use Monte Carlo simulation to determine which ridge estimator provides the most accurate results. After that, we discuss the gamma regression model, and then apply the selected estimator to a practical scenario.

متن يادداشت

یکی از مدلهای رگرسیونی که کاربرد فراوانی بخصوص در علوم مختلف مانند مهندسی، پزشکی، بیمه، علوم انسانی و ... پیدا کرده است، مدل رگرسیون گاما میباشد. این مدل زمانی که متغیر پاسخ چاوله به راست و محدود به اعداد حقیقی مثبت است مورد استفاده قرار میگیرد. در حالت عادی زمانی که متغیرهای کمکی هیچگونه همبستگی با هم نداشته باشند، روش معمولی که برای برآورد پارامترهای مدل استفاده میشود، روش حداکثر درستنمایی میباشد. اما ممکن است که همانند مدلهای رگرسیون خطی، با مواردی روبرو شویم که بین متغیرهای کمکی همبستگی یا رابطه خطی وجود داشته باشد در این صورت استنباط با استفاده از این روش بدلیل برآورد بزرگی که ایجاد میشود، گمراه کننده خواهد بود. در این پایاننامه، برآورد پارامترهای مدل رگرسیون گاما را زمانی که همخطی بین متغیرهای کمکی وجود دارد مورد بررسی قرار میدهیم. برآوردگر ریج را برای مدل رگرسیون گاما معرفی نموده و از روشهای مختلف که برای برآورد پارامتر اریبی ریج در مدلهای رگرسیون دیگر مطرح شدهاند را در مدل رگرسیون گاما مورد استفاده قرار خواهیم داد و در ادامه با استفاده از شبیه سازی مونت کارلو، بهترین برآوردگر ریج را در مدل رگرسیون گاما معرفی خواهیم نمود و برآوردگر انتخابی را در مثال واقعی مورد استفاده قرار خواهیم داد

عنوان گونه گون

برآورد پارامترهای مدل رگرسیون گاما در حضور همخطی

اصطلاح موضوعی

Gamma regression model- Generalized linear model- Maximum likelihood estimator- Ridge estimator- Multicolinearity

اصطلاح موضوعی

مدل رگرسیون گاما – مدل خطی تعمیم یافته-برآوردگر ماکزیمم درستنمایی - برآوردگر ریج – همخطی چندگانه

عنصر شناسه اي

Rahman Taaban Al- Attwani,

ساير عناصر نام

Ghaith

کد نقش

Producer

عنصر شناسه اي

Bevrani,

ساير عناصر نام

Hossein

کد نقش

Thesis advisor

عنصر شناسه اي

Tabriz

کشور

ایران

سازمان

Central Library of Tabriz University

تاريخ عمليات

20230125

شماره بازیابی

ارشد پایاننامه QA276.R34 1401

نام الکترونيکي

Ghaith Rahman Taaban Al- Attwani

ارتباط براي تسهيلات دسترسي

عبادی

فرمت انتشار

e

نوع ماده

TL

کد کاربرگه

276903

سطح دسترسي

a

تكميل شده

Y