دانلود مقاله ISI انگلیسی شماره 24194 + ترجمه فارسی
عنوان فارسی مقاله

روش‌های محدود در مدل‌های رگرسیون خطی متقارن

کد مقاله سال انتشار مقاله انگلیسی ترجمه فارسی
24194 2005 20 صفحه PDF 25 صفحه WORD
خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
عنوان انگلیسی
Restricted methods in symmetrical linear regression models
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Computational Statistics & Data Analysis, Volume 49, Issue 3, 1 June 2005, Pages 689–708

فهرست مطالب ترجمه فارسی
چکیده
کلیدواژه‌ها
1.مقدمه
2.مدل‌های خطی متقارن
جدول ۱: مقادیر (g(u)، Wg(u، و (Wg(u برای بعضی توزیع‌های متقارن
3.تخمین محدود
3.1.قیود برابری
3.2.قیود نابرابری
4.آزمون‌های یک‌طرفه
4.1.حالت ۱
4.2.حالت 2
5.بررسی حساسیت
6.مثال
شکل ۱. منحنی شاخص  hii برای برآوردهای پارامتر مدل‌های آشفته‌ی متقارن (گاما = 3) تحت خطاهای (الف) نرمال، (ب) ت-استودنت با 6 درجه‌ی آزادی، (پ) (PE(0.3، (ت) (PE(0.6، و (ث) لجستیک II
شکل 2. رفتار فاصله‌ی W(گاما) تحت آشفتگی‌هایی در بیشترین مقادیر متغیر توضیحی
جدول ۳: برآوردهای احتمال وقوع بیشینه‌ی غیرمقید (خطاهای استاندارد در داخل پرانتزها)
6.1.تحلیل تحت شرایط خطای نرمال
جدول ۴: مقادیر آزمون آماری و آزمون p
شکل ۳: منحنی‌های  rsi نسبت به مقادیر برازانده شده برای مدل متقارن (11) تحت خطاهای (الف) نرمال، (ب) ت-استودنت با 6 درجه‌ی آزادی، (پ) (PE(0.3، و (ت) لجستیک II
جدول ۵: مقادیر آزمون استاتیکی و مقادیر p (اعداد داخل پرانتز) پس از حذف ناحیه‌ی 14
شکل 4: منحنی احتمال نرمال برای  rsi در مدل متقارن (11) تحت خطای (الف) نرمال، (ب) ت-استودنت با 6 درجه‌ی آزادی، (پ) (PE(0.3 و (ت) لجستیک II
6.2.تحلیل تحت سایر خطاهای متقارن
شکل ۵: منحنی شاخص Ci برای برآوردهای پارامتر مدل متقارن (11) تحت خطاهای (الف) نرمال، (ب) ت-استودنت با 6 درجه‌ی آزادی، (پ) (PE(0.3، و (ت) لجستیک II
جدول ۶: مقادیر آزمون آماری و مقادیر p (داخل پرانتز) پس از کنار گذاشتن ناحیه‌ی ۱
7.نکته‌هایی برای نتیجه‌گیری
کلمات کلیدی
آزمون فرضیه - توزیع متقارن - آزمون یک طرفه - محدودیت سفارش - برآورد محدود شده - استحکام -
ترجمه چکیده
در این مقاله مسأله‌ی آزمون برابری و نامعادله قیود در مدل‌های رگرسیون خطی متقارن را بررسی کرده‌ایم. این رده از مدل‌ها تمام توزیع‌های پیوسته‌ی متقارن مانند توزیع نرمال، ت-استودنت، پیرسن VII، نمایی، و لجیستیک، را در کنار سایر توزیع‌ها در بر می‌گیرد. از این مدل برای تحلیل داده‌هایی شامل مشاهدات تأثیرگذار و پرت با پاسخ‌های به‌ظاهر نرمال استفاده می‌شود. فرآیند تکرار برای ارزیابی پارامترهای زیر قیدهای برابری و نامعادله ارائه شده‌اند. توزیع مجانبیِ تهیِ سه آزمون یک‌طرفه‌ی معادل از نظر مجانب بودن، ناوردا بودن آن را با خطای متقارن اثبات کرد. بررسی حساسیت برای تحقیق در حالت استواری تخمین حداکثر احتمال از برخی مدل‌های متقارن در مقایسه با مشاهدات تأثیرگذار و پرنفوذ نشان داده شده است. یک مثال مصور با حضور مشاهدات تأثیرگذار بر روی تصمیم‌ها از روی آزمون‌های آماری مدل‌های متقارن مختلف داده شده است. جنبه‌های استواری چنین مدل‌های نیز مورد بحث قرار گرفته است.
ترجمه مقدمه
در این مقاله در باره‌ی دو وضعیت آزمون فرضیه‌های محدود شده را در مدل‌های رگرسیون خطی متقارن بحث خواهیم کرد. اول، مسأله‌ی آزمون فرضیه‌ی برابری خطی (فرمول) در مقایسه با فرضیه‌ی نامعادله‌ی (فرمول) که در آن حداقل یک نابرابری در H2 (حالت 1) بررسی و سپس درباره‌ی (فرمول) به ازای (فرمول) (مورد ۲) بحث شد. مسأله‌ی آزمون یک‌طرفه‌ی جایگزین‌ها برای اولین بار توسط بار بارتولومئو (1959a, b) به ازای مدل‌های نرمال مستقل مورد بررسی قرار گرفت و سپس توسط کودو (1963) به ازای مدل‌های چندمتغیره‌ی نرمال تعمیم داده شد. نویش (1966) نیز این مسأله را در مدل‌های نرمال بررسی کرد اما پرمان (1969) آن را به نتایج به ازای مورد کلی‌تر مدل‌های نرمال چندمتغیره تعمیم داد. گوریه‌رو و همکاران (1982) توزیع تهی تقریبی سه آزمون یک‌طرفه‌ی معادل متقارن را در مدل‌های نرمال چندمتغیره بررسی کردند که در آن ماتریس واریانس کوواریانس می‌تواند به تعداد محدودی از پارامترهای مجهول بستگی داشته باشد. ووک (1987) آزمون‌های یک‌طرفه‌ی دقیق را برای مدل‌های چندمتغیره پیشنهاد می‌کند و ووک (1989) نتایج را از گوریه‌رو و همکاران (1982) به فرضیه‌های محدود کلی‌تر تعمیم می‌دهد. با فاصله گرفتن از مورد نرمال، کاد و پالم (1986) و سیلواپور و سیلواپور (1995)، به عنوان مثال، «وَد» را معرفی و «آزمون‌های نوعی» را که امکان اعمال آنها در مدل‌های کلی رگرسیون چندمتغیره بر محدودیت‌های آزمون‌های برابری و نابرابری وجود دارد رده‌بندی کرد. در مورد ۲، ‌دشواری عمده هنگامی است که ماتریس اطلاعات به پارامتربتا وابسته باشد. یکی از پی‌آمدهای این وابستگی، این است که باید از میان مجموعه‌ای از پارامترهای تهی به دنبال نقاط با کم‌ترین مساعدت بگردیم. ووک (1991) پیشنهاد لمّی را می‌کند که در آن روش‌گانی برای یافتن ناحیه‌ی کم‌ترین مساعدت ارائه شده است. مروری عالی بر این موضوع را می‌توان در کتابی که توسط رابرت‌سن و همکاران (1988) (هم‌چنین نگاه کنید به سِن و سیلواپول 2002) نوشته شده است پیدا کرد. مقاله به ترتیب زیر تنظیم شده است. در بخش ۲ در باره‌ی تخمین پارامتر محدودنشده در مدل‌های خطی متقارن بحث کرده‌ایم. فرآیندهای تکرار برای ارزیابی حداکثر احتمال وقوع تخمین‌های محدود شده تحت قیود برابری و نابرابری در بخش ۳ ارائه شده است. بخش ۴ حاوی فرمول‌ها و نیز توزیع‌های تهی تقریبیِ ۳ آزمون یک‌طرفه‌ی به طور تقریبی معادل است. در بخش ۵ مطالعه‌ی حساسیت برای بررسی تخمین‌های حداکثر احتمال وقوع از روی چند مدل متقارن در مقایسه با مشاهدات با نفوذ بالا ارائه شده است. مثالی گویا که در آن مشاهدات تأثیرگذار، تصمیم‌های گرفته شده بر اساس آزمون‌های آماری مدل‌های متقارن مختلف را تغییر داده، در فصل ۶ ارائه شده است. جنبه‌های استواریِ چنین مدل‌هایی مورد بحث قرار گرفته است. آخرین بخش به نکات پایانی اختصاص یافته است.
پیش نمایش مقاله
پیش نمایش مقاله روش‌های محدود در مدل‌های رگرسیون خطی متقارن

چکیده انگلیسی

In this paper we discuss the problem of testing equality and inequality constraints in symmetrical linear regression models. This class of models includes all symmetric continuous distributions, such as normal, Student-t, Pearson VII, power exponential and logistic, among others. It is commonly used for the analysis of data containing influential or outlying observations with responses supposedly normal. Iterative processes for evaluating the parameters under equality and inequality constraints are presented. The asymptotic null distribution of three asymptotically equivalent one-sided tests is showed to be invariant with the symmetrical error. A sensitivity study to investigate the robustness of the maximum likelihood estimates from some symmetrical models against high leverage and influential observations is presented. An illustrative example with presence of influential observations on the decisions from the statistical tests of different symmetrical models is given. The robustness aspects of such models are also discussed.

مقدمه انگلیسی

In this paper we discuss two situations of testing restricted hypotheses in symmetrical linear regression models. First, the problem of testing linear equality hypothesis H0:H0:Cβ=dCβ=d against the linear inequality hypothesis H2:H2:Cβ⩾dCβ⩾d, with at least one strict inequality in H2H2 (case 1) is treated, and then, H2:H2:Cβ⩾dCβ⩾d against RpRp - H2H2 (case 2) is discussed. The problem of testing one-sided alternatives was originally treated by Bartholomew (1959a, b) for independent normal models and extended by Kudo (1963) for multivariate normal models. Nuesch (1966) also investigates this problem in normal models while Perlman (1969) extends the results for a more general class of multivariate normal models. Gourieroux et al. (1982) discuss the asymptotic null distribution of three asymptotically equivalent one-sided tests in multivariate normal models when the variance-covariance matrix may depend on a finite number of unknown parameters. Wolak (1987) proposes exact one-sided tests for multivariate normal models and Wolak (1989) extends the results from Gourieroux et al. (1982) for more general restricted hypotheses. Moving away from the normal case, Kodde and Palm (1986) and Silvapulle and Silvapulle (1995), for instance, present Wald and score type tests that may be applied for testing equality and inequality restrictions in general multivariate regression models. In case 2, the main difficulty is when the information matrix depends on the parameter β.β. A consequence of this fact is that we should search through the set of null parameters for least favorable points. Wolak (1991) proposes a lemma in which a methodology to find a least favorable region is presented. An excellent review on this subject may be found in the book by Robertson et al. (1988) (see also, Sen and Silvapulle, 2002). The paper is organized as follows. In Section 2 we discuss the unrestricted parameter estimation in symmetrical linear models. Iterative processes for evaluating the maximum likelihood restricted estimates under equality and inequality constraints are given in Section 3. Section 4 contains the expressions as well as the asymptotic null distribution of three asymptotically equivalent one-sided tests. In Section 5 a sensitivity study to investigate the robustness of the maximum likelihood estimates from some symmetrical models against high leverage and influential observations is given. An illustrative example in which influential observations change the decisions from the statistical tests of different symmetrical models is presented in Section 6. The robustness aspects of such models are discussed. The last section deals with some concluding remarks.

نتیجه گیری انگلیسی

In this paper we develop iterative processes relatively simple to be implemented for evaluating restricted maximum likelihood estimates for the parameters in symmetrical linear regression models. We have developed codes in SS-Plus and RR to fit restricted and unrestricted symmetrical linear regression models, which are available in the web page http://www.de.ufpe.br/∼∼cysneiros/elliptical/elliptical.html. We also verified, under some regularity conditions, that the asymptotic null distribution of the one-sided statistical tests is a mixture of chi-square distributions. The asymptotic null distribution is unique for the cases 1 and 2.

خرید مقاله
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.