المقارنة بين طريقتي انحدار اساس الشريحة و الشريحة التكعيبية في تقدير نموذج المعلمات المتغيرة زمنيا
الكلمات المفتاحية:
نموذج المعلمات المتغيرة زمنيا ، الشريحة التكعيبية ، دوال الاساس ، معلمة التمهيد ، انحدار اساس الشريحةالملخص
يتناول البحث دراسة نموذج المعلمات المتغيرة وكذلك نموذج المعلمات المتغيرة زمنيا لما لهما من اهتمام ملحوظ في السنوات الاخيرة وتعد هذه النماذج ذات كفاءة عالية في التحليل الاحصائي نتيجة لعدم فرض قيود على النموذج وبهذا يهدف البحث الى تقدير نموذج المعلمات المتغيرة زمنيا وكذلك باستخدام طرائق التقدير اللامعلمية، واجراء المقارنة بين تلك الطرائق إذ تم استخدام طريقتين هي طريقة انحدار اساس الشريحة و طريقة الشريحة التكعيبية، وقد تم استخدام اسلوب المحاكاة لأجل المقارنة بين الطرائق اللامعلمية بمقارنة ثلاث دوال رياضية لتمثيل المعلمات المتغيرة وحجوم عينات مختلفة ومستويات متباينة من الانحراف المعياري للأنموذج , اذ تبين افضلية طريقة الشريحة التكعيبية لوجود حد الجزاء.
التنزيلات
المراجع
Ahkim, M., Gijbels, I., & Verhasselt, A. (2017). Shape testing in varying Coefficients models. Test, 26(2), 429-450.
Fan, J., & Zhang, W. (2008). Statistical methods with varying Coefficients models. Statistics and its Interface, 1(1), 179.
Gálvez, A., & Iglesias, A. (2013). Firefly algorithm for explicit B-spline curve fitting to data points. Mathematical Problems in Engineering, 2013..
Green, P. J. and Silverman, B. W. (1994). “Nonparametric Regression and Generalized Linear Models: a Roughness Penalty Approach”. Chapman and Hall, London .
Hastie, T., & Tibshirani, R. (1993). Varying‐Coefficients models. Journal of the Royal Statistical Society: Series B (Methodological), 55(4), 757-779.
Johnson, R.W., (2005). “A B-spline Collocation Method for solving the Incompressible Navier- Stokes Equations Using an ad hoc Method: the Boundary Residual Method,” Computers& Fluids 34: 121-149
Karagöz, R. (2020). Tensor Network B-splines for high-dimensional function approximation.
Kiebel, S., & Holmes, A. (2011). The general linear model. Statistical Parametric Mapping: The Analysis of Functional Brain Images, 101-125.
Rigollet, P., & Hütter, J. C. (2018). High dimensional statistics lecture notes. Accessed May, 2018.
Rodrıguez, G. (2001). Smoothing and non-parametric regression. Princeton University.
Wang, B. &Miao, Z.( 2014)." Comparative Analysis for Robust Penalized Spline Smoothing Method" Volume 2014, 11 pages
Wu, H., & Zhang, J. T. (2006). Nonparametric regression methods for longitudinal data analysis: mixed-effects modeling approaches. John Wiley & Sons.
Xue, L., & Qu, A. (2012). Variable selection in high-dimensional varying-Coefficients models with global optimality
