|
|
|
|
|
 |
جستجو در مقالات منتشر شده |
 |
|
2 نتیجه برای کمترین توان های دوم
منیره معنوی، مهدی روزبه،
جلد 25، شماره 1 - ( 11-1399 )
چکیده
با پیشرفت علم، دانش و تکنولوژی، روش های جدید و جامع برای اندازه گیری، جمع آوری و ثبت اطلاعات ابداع شده اند، که منجر به ظهور و
توسعه داده های بعد بالا شده اند. مجموعه داده های بعد بالا، یعنی مجموعه داده هایی که در آن تعداد متغیرهای توضیحی بسیار بزرگتر از تعداد
مشاهدات است، به سادگی و با روش های سنتی و کلاسیک، مانند روش کمترین توان های دوم معمولی، نمی توانند تحلیل شوند و تفسیرپذیری آن
امری بسیار پیچیده خواهد بود. اگرچه در صورتیکه فرضیات اساسی برقرار باشند، برآورد کمترین توان های دوم معمولی بهترین روش برآورد در
تحلیل رگرسیونی است ولی برای داده های بعد بالا قابل استفاده نبوده و در این شرایط مستلزم به کارگیری روش هایی نوینی هستیم. در این مقاله در
ابتدا، به مشکلات روش های کلاسیک در تحلیل داده های بعد بالا اشاره می شود و سپس، به معرفی و توضیح روش های تحلیل رگرسیونی متداول
و امروزی مانند روش های تحلیل مولفه اصلی و تاوانیده برای داده های بعد بالا پرداخته می شود. در انتها یک مطالعه شبیه سازی برای بررسی و
مقایسه روش های اشاره شده در داده های بعد بالا انجام می گردد.
خانم منیره معنوی، دکتر مهدی روزبه،
جلد 26، شماره 1 - ( 9-1400 )
چکیده
روش کمترین توان‌های دوم برای برآورد ضرایب رگرسیونی مدل‌های خطی روشی بسیار ساده، کاربردی و مفید است. این روش آماری توسط کاربران رشته‌های مختلف به‌سبب ارائه بهترین برآوردگر خطی نااریب با کمترین واریانس مورد استفاده قرار می‌گیرد. متاسفانه این روش در شرایطی که مشاهده (مشاهدات) پرت در مجموعه داده حضور داشته باشند، خروجی قابل اطمینانی نخواهد داشت، زیرا نقطه فروریزش (معیار استواری برآوردگر) این روش %0 است. به همین سبب شناسایی این مشاهدات امری حائز اهمیت است. تاکنون روش‌های مختلفی برای شناسایی این مشاهدات پیشنهاد شده است. در این مقاله به مرور و بحث در مورد جزئیات روش‌های معرفی‌شده پرداخته می‌شود. در انتها با ارائه یک مثال شبیه‌سازی به بررسی هر یک از روش‌های معرفی شده می‌پردازیم.
|
|
|
|
|
|
|
|
|
