بهبود روش کمترین توان‌های دوم دو مرحله‌ای در مدل‌های رگرسیونی با متغیر درون‌زا

Authors

Abstract:

حضور متغیرهای درون‌زا در مدل‌های آماری ناسازگاری و اریبی برآوردگرهای معمول پارامترهای مدل را به دنبال دارد. روش‌های متعددی در این حالت ارائه شد که مشکل ناسازگاری و اریبی را تنها برای حالت بزرگ نمونه‌ای حل کرده‌اند. یکی از این روش‌ها مبتنی بر استفاده از متغیر ابزاری است که باعث حذف درون‌زایی متغیر مورد مناقشه می‌شود. روشی دیگر برای برآورد پارامتر مدل‌های رگرسیون درون‌زا، روش کمترین توان‌های دوم دو مرحله‌ای است که دقت بهتری نسبت به روش کمترین توان‌های دوم معمولی دارد. اما براوردگر حاصل از این روش نیز تنها در حالت بزرگ نمونه‌ای نااریب و سازگار است. مقاله حاضر روش‌های نوینی برای رفع این نقص‌ها ارائه می‌کند. به‌طور دقیقتر، به منظور افزایش دقت برآورد در مدل موردنظر، نوشته حاضر سه روش کمترین توان‌های دوم دو مرحله‌ای تکراری، دو مرحله‌ای جکنایف و دو مرحله‌ای کالبیده را در حالت اندازه نمونه متناهی پیشنهاد می‌دهد. برای ارزیابی عملکرد روش‌های ارائه شده مطالعه شبیه‌سازی انجام خواهد شد. علاوه بر این، با استفاده از داده‌های هزینه و درآمد ایران، گردآوری شده در سال 1390، نحوه عملکرد برآوردهای پیشنهادی مورد مقایسه قرار می‌گیرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهبود روش کمترین توان های دوم دو مرحله ای در مدل های رگرسیونی با متغیر درون زا

حضور متغیرهای درون زا در مدل های آماری ناسازگاری و اریبی برآوردگرهای معمول پارامترهای مدل را به دنبال دارد. روش های متعددی در این حالت ارائه شد که مشکل ناسازگاری و اریبی را تنها برای حالت بزرگ نمونه ای حل کرده اند. یکی از این روش ها مبتنی بر استفاده از متغیر ابزاری است که باعث حذف درون زایی متغیر مورد مناقشه می شود. روشی دیگر برای برآورد پارامتر مدل های رگرسیون درون زا، روش کمترین توان های دوم ...

full text

پیش‌بینی غیبت کارکنان با استفاده از دو روش رگرسیونی کمترین مجذورهای متداول و توبیت

یافته‌های پـژوهشی حاصل از روش رگرسیون کمترین مجذورهای متداول (OLS) دربـاره غیبت کارکنان، به‌ویژه به‌دلیل همبستـگی متغیرهای پیش‌بینی‌کننده مـورد انتقاد قـرار گرفتـه است. در این پژوهش نتایـج پیش‌بینی غیبت کارکنان بر پایه چهار متغیر دلبستگی شغلی، غیبت در مقایسه بادیگران، تنیدگی رویدادهای زندگی و تعداد فرزندان، با دو روش رگرسیونی کمترین مجذورهای متداول (OLS) و تحلیل توبیت (Tobit) مقایسه شد. 197 نفر...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text

پیش بینی غیبت کارکنان با استفاده از دو روش رگرسیونی کمترین مجذورهای متداول و توبیت

یافته های پـژوهشی حاصل از روش رگرسیون کمترین مجذورهای متداول (ols) دربـاره غیبت کارکنان، به ویژه به دلیل همبستـگی متغیرهای پیش بینی کننده مـورد انتقاد قـرار گرفتـه است. در این پژوهش نتایـج پیش بینی غیبت کارکنان بر پایه چهار متغیر دلبستگی شغلی، غیبت در مقایسه بادیگران، تنیدگی رویدادهای زندگی و تعداد فرزندان، با دو روش رگرسیونی کمترین مجذورهای متداول (ols) و تحلیل توبیت (tobit) مقایسه شد. 197 نفر...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 10  issue 2

pages  203- 220

publication date 2017-03

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023