کاربرد عملگرهای وزنی در مدل رگرسیون قدرمطلق انحرافات مرتب شده

در این مقاله رویکرد جدیدی در برآورد پارامترهای مدل رگرسیون خطی کمترین قدرمطلق انحرافات معرفی می‌شود که مبتنی بر مسائل بهینه‌سازی بر مبنای الحاق وزنی قدرمطلق انحرافات مرتب شده است. الحاق وزنی قدرمطلق انحرافات برازش مرتب شده در مساله بهینه‌سازی در حالی که توابع نیکویی برازش مختلفی را بطور همزمان در مساله مدل‌سازی در نظر می‌گیرد، توانایی تحلیل داده‌ها به منظور شناسایی نقاط دورافتاده را نیز فراهم می‌کند. بر این اساس این رویکرد تحت تاثیر مشاهدات دورافتاده قرار نمی‌گیرد و در هر مساله متناسب با تعداد مشاهداتی که پتانسیل دورافتاده بودن را دارا هستند، به انتخاب بهترین برآوردگر مدل با بهینه‌ترین مقدار نقطه شکست در بین مجموعه‌ای از برآوردگرهای کاندید دیگر می‌پردازد. نیکویی برازش رویکرد پیشنهادی در مدل‌سازی داده‌های شبیه‌سازی شده و داده‌های واقعی در مهندسی آب با حضور مشاهدات دورافتاده تحلیل شده است. همچنین در انتها به تحلیل حساسیت برآوردگرها شامل بررسی معیارهای نااریبی و کارایی برآوردگرها پرداخته شده است.

Employing Weighted Operators in Ordered Least Deviations Regression Model

This article introduces a new method to estimate the least absolutes linear regression modelchr('39')s parameters, which considers optimization problems based on the weighted aggregation operators of ordered least absolute deviations. In the optimization problem, weighted aggregation of orderd fitted least absolute deviations provides data analysis to identify the outliers while considering different fitting functions simultaneously in the modeling problem. Accordingly, this approach is not affected by outlier observations and in any problem proportional to the number of potential outliers selects the best model estimator with the optimal breakdown point among a set of other candidate estimators. The performance and the goodnessoffit of the proposed approach are investigated, analyzed and compared in modeling analytical dataset and a real value dataset in hydrology engineering at the presence of outliers. Based on the results of the sensitivity analysis, the properties of unbiasedness and efficiency of the estimators are obtained.