حل مشکل چندهم خطی و داده های پرت در رگرسیون نیرومند

برآوردگر رگرسیون نیرومند و رگرسیون ستیغی به ترتیب برای حل مشکل چند همخطی و داده‌های پرت معرفی شده‌اند. این مقاله پیرامون معرفی یک برآوردگر رگرسیون ستیغی نیرومند (rrr) است که هر دو مشکل داده‌های پرت و چند هم‌خطی را به طور همزمان در مدل رگرسیون خطی کلاسیک حل می‌کند. این فن مستلزم استفاده از برآوردگرهای نیرومند (lms , lts , m ) برای برآورد پارامتر ستیغی به جای استفاده از روش کمترین مربع‌های توان دوم معمولی (ols) است. وقتی دو مشکل فوق وجود دارد، برآورگر ستیغی نیرومند از دو برآوردگر ols و ستیغی معمولی بهتر است. میانگین مربع خطا به عنوان معیاری برای سنجش سطح کارایی این برآوردگرها استفاده می‌شود. کاربرد این برآوردگر را برای حل دو مشکل با مثال نشان می‌دهیم.

ridge estimation using robust regression

robust regression estimator and rigid regression are introduced to solve the problem of multicollinearity and outlier data, respectively. this paper is about introducing a robust robust regression (rrr) estimator that solves both outlier and multicollinearity data problems simultaneously in the classical linear regression model. this technique requires the use of robust estimators (lms, lts, m) to estimate the bounding parameter instead of using the ordinary least squares (ols) method. when the above two problems are present, the robust robustness estimator is better than the two ols and normal robustness estimators. the mean square error is used as a measure to measure the level of efficiency of these estimators. we show the use of this estimator to solve two problems with an example.