استفاده از ماکسیمم آنتروپی تی سالیس تعمیم یافته برای برآورد پارامتر رگرسیون ستیغی

تحلیل رگرسیون به روش کمترین توان های دوم مستلزم برقراری فرضیات زیربنایی است. یکی از مسائلی که تحلیل رگرسیون به این روش را با مشکلات عمده مواجه می سازد وجود هم خطی در بین متغیرهای رگرسیونی است. روش های زیادی برای حل مشکلات ناشی از وجود هم خطی معرفی شده اند. یکی از این روش ها رگرسیون ستیغی است. در این مقاله یک برآورد جدید برای پارامتر ستیغی به کمک ماکسیمم آنتروپی تی سالیس تعمیم یافته ارائه داده وآن را برآوردگر ریج ماکسیمم آنتروپی تی سالیس مرتبه دو تعمیم یافته می نامیم. برای مجموعه داده های سیمان پرتلند که از هم خطی قوی برخوردار هستند و از سال 1332 ، برآوردگرهای مختلفی برای این داده ها ارائه شده است این برآورد گر را محاسبه و با برآوردگر ستیغی ماکسیمم آنتروپی تعمیم یافته و برآوردگر کمترین توان های دوم مقایسه می کنیم.

using the generalized maximum tsallis entropy to estimate the ridge regression parameter

regression analysis using the method of least squares requires the establishment of basic assumptions. one of the problems of regression analysis in this wayfaces major problems is the existence of collinearity among the regression variables. many methods to solve the problems caused by the existence of the same have been introduced linearly. one of these methods is ridge regression. in this article, a new estimate for the ridge parameter using generalized maximum tsallis entropy is presented and we call it the ridge estimator of generalized maximum tsallis entropy. for the cement datasetportland, which have strong collinearity and since 1332, different estimators have been presented for these data, this estimator is calculated andwe compare the generalized maximum tsallis entropy ridge estimator, generalized maximum entropy ridge estimator and the least squares estimator.