مدل‌سازی سن تقویمی به روش رگرسیون ستیغی کمترین توان‌های دوم پیراسته

تداول‌ترین روش برای برآورد پارامترهای مدل رگرسیون خطی، روش کمترین توان‌های دوم معمولی است که علی‌رغم سادگی محاسبه و دستیابی به بهترین برآورد خطی نااریب از پارامترها، گاهی منجر به جواب‌های گمراه‌کننده می‌شود. به عنوان مثال می‌توان به مشکلات ناشی از وجود همخطی و داده‌های دورافتاده در مجموعه داده‌ها اشاره کرد. روش کمترین توان‌های دوم پیراسته که یکی از معروف‌ترین روش‌های رگرسیون استوار است، تاثیر داده‌های دورافتاده را تا حد امکان کم می‌کند. هدف اصلی این مقاله ارائه‌ یک برآورد ستیغی استوار در مدل‌سازی مربوط به داده‌های سن دندانی است. در بین روش‌هایی که برای تعیین سن استفاده می‌شود، رایج‌ترین روش در سراسر دنیا، روش نوین تعمیم‌یافته دمیرجیان است که بر اساس سخت‌شدگی دندان دائمی در رادیوگرافی پانورامیک بنا شده است. نشان داده شده است که استفاده از برآوردگر ستیغی استوار منجر به کاهش میانگین توان دوم خطای برآورد در مقایسه با برآوردگر کمترین توان‌های دوم معمولی می‌شود. البته برآوردگرهای پیشنهادی در داده‌های شبیه‌سازی‌شده نیز مورد ارزیابی قرار گرفتند.

Modeling of Chronological Age Using Least Trimmed Squares Ridge Regression

The popular method to estimation the parameters of a linear regression model is the ordinary least square method which, despite the simplicity of calculating and providing the BLUE estimator of parameters, in some situations leads to misleading solutions. For example, we can mention the problems of multicollinearity and outliers in the data set. The least trimmed squares method which is one of the most popular of robust regression methods decreases the influence of outliers as much as possible. The main goal of this paper is to provide a robust ridge estimation in order to model dental age data. Among the methods used to determine age, the most popular method throughout the world is the modern modified Demirjian method that is based on the calcification of the permanent tooth in panoramic radiography. It has been shown that using the robust ridge estimator is leading to reduce the mean squared error in comparison with the OLS method. Also, the proposed estimators were evaluated in simulated data sets.