...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Statistics and Applications >Estimation of Linear Regression Model with Correlated Regressors in the Presence of Autocorrelation
【24h】

Estimation of Linear Regression Model with Correlated Regressors in the Presence of Autocorrelation

机译：自相关存在下具有相关回归变量的线性回归模型的估计

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

When using the linear statistical model, researchers face variety of problems due to non experimental nature i.e uncertainity about the nature of the error process, model mis- specifications, dependent regressors etc. The phenomenon of correlated errors in linear regression models involving time series data is called autocorrelation. Violation of the assumption of independent regressors leads to multicollinearity. Hence, Ordinary ridge estimates are imprecise to be of much use in case of autocorrelated regression model with the multicollinearity problem. Objective: To develop a new estimator for the regression parameter in the presence of multicollinearity and autocorrelation. To choose an appropriate ridge parameter for the proposed estimator using Monte Carlo simulation. Materials and Methods: Monte Carlo simulation study is carried out using the Statistical programming language MATLAB version 7.0 to evaluate the performance of the proposed estimator based on the Mean squared error (MSE) criterion. Findings: Determined the regions where a particular method for estimating ridge parameter performs better among different existing methods. This estimate of ridge parameter is used in the proposed estimator. The proposed estimator performs better than the existing estimator under the MSE criterion.
机译：当使用线性统计模型时，研究人员会由于非实验性质而面临各种问题，例如，误差过程的性质不确定，模型规格不正确，依赖回归等。在涉及时间序列数据的线性回归模型中，相关误差的现象是称为自相关。违反独立回归的假设会导致多重共线性。因此，在具有多重共线性问题的自相关回归模型的情况下，普通的脊线估计不精确，无法大量使用。目的：在存在多重共线性和自相关的情况下，为回归参数开发一种新的估计器。使用蒙特卡洛模拟为拟议的估算器选择合适的岭参数。材料和方法：使用统计编程语言MATLAB版本7.0进行蒙特卡洛模拟研究，以基于均方误差（MSE）准则评估拟议的估计器的性能。研究结果：确定在不同的现有方法中，用于估算岭参数的特定方法效果更好的区域。在建议的估计器中使用了对脊参数的估计。在MSE准则下，拟议的估算器比现有估算器表现更好。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号