الأوراق العلمية العدد السادسالعدد السادس

A Simulation Study Of Ridge regression Method With Autocorrelated Errors

تحميل الدراسة

عنوان الدراسة :

A Simulation Study Of Ridge regression Method With Autocorrelated Errors

إسم الباحث :

Hussein Yousif Abdallah

تاريخ النشر :

01/01/2009

ملخص الدراسة :


تتناول الدراسة النموذج الخطي العام الذي یعاني من مشكلة الارتباط الذاتي من الدرجة الأولى والدرجة الثانیة بالاضافة لمشكلة التداخل الخطي المتعدد، وقد تم استخدام أسلوب المحاكاة في تولید بیانات تعاني من المشكلتین في وقت واحد ، وتم استخدام طریقة المربعات الصغرى ذات المرحلتین في معالجة الارتباط الذاتي بدرجتیھ الاولى والثانیة ، كما أ ُستخدم اسلوب Ridg Regression في معالجة التداخل الخطي المتعد من البیانات بعد ازالة مشكلة الارتباط الذاتي منھا علاوة على ذلك أ ُستخدمت بعض المقاییس الاحصائیة في عملیة التقییم والمقارنة. ومن خلال نتائج تجربة المحاكاة تم التوصل الى أن ازالة الارتباط الذاتي من الدرجة الاولى أو الثانیة من البیانات التى تعاني من التداخل الخطي المتعدد یؤدي ذلك الى زیادة خطورة التداخل الخطي المتعدد وتقل خطورة المشكلة اذا كان عدد المتغیرات التوضیحیة قلیل.أما من بین انواع أسالیب انحدار الحرف أنھ اذا تم استخدام MSEكأساس في عملیة المقارنة نجد أن أسلوب الحرف العمومي أفضل من أسلوب الحرف الاعتیادي اذا كان حجم العینة صغیرا ً بینما نجد أن الأخیر ھو الافضل اذا كان حجم العینة كبیرا .

Abstract:



The objective of this paper is to discuss the case of the general linear model that suffered from both problems autocorrelation ( AR(1) and AR(2) ) and multicollinearity, we used simulation technique to create data containing these problems at the same time , and we used the two stages least squares procedure (2SLS) to deal with problem of autocorrelation , and ridge regression (RR) to deal with the problem of multicollinearity of the data that had originally treated in consideration of autocorrelation. Moreover we used the evaluation methods as a base for the process of evaluation and comparison. Throughout the simulation experiment results domain we concluded that dealing with autocorrelation from data that suffered from multicollinearity, multicollinearity increases when the error term follows first or second order autoregressive scheme. Whereas, multicollinearity decreases if the model has a few explanatory variables .Among the types of ridge regression method , if we take the MSE as a criteria of comparison we find that ordinary ridge regression is the best when the sample size is too
large, otherwise , generalized ridge regression is the best one.

إغلاق