روش‌هاي تشخيصي درمدل‌هاي خطي ريج نيمه‌پارامتري با خطا در اندازه‌گيري

Influence diagnostics in ridge semi parametric linear measurement error models

در اين مقاله، مباحث تشخيصي در مدل هاي خطي نيمه‌پارامتري با خطا در اندازه‌گيري با وجودهمخطي چندگانه مطالعه مي شود. در ابتدا براي برطرف نمودن اثرات همخطي چندگانه، با استفاده از روش ماكزيمم درستنمايي تصحيح شده تاوانيده برآوردگرهاي ريجپيشنهاد مي شود و سپس براساس رويكرد حذف موردي، آماره‌هاي تشخيصي براي شناسايي و ارزيابي مشاهدات مؤثر در برآوردگرهاي پيشنهادي معرفي مي‌شوند. در ادامه نشان داده مي شود كه اين آماره‌ها تابعي از مقادير باقي مانده و داده‌هاي نافذ هستند. علاوه بر رويكرد حذف موردي، رويكرد تأثير موضعي بر پايه لگاريتم درستنمايي تصحيح شده تاوانيده جهت شناسايي و ارزيابي مشاهدات دورافتاده و موثر در مدل مورد بحث تعميم داده شده است. سپس با استفاده از مطالعه شبيه سازي كارايي براوردگرهاي پيشنهادي باتوجه به معيار ميانگين خطاي مجانبي ارزيابي مي شود و در پايان روش‌هاي تشخيصي مطرح شده به يك مجموعه داده واقعي مورد تحليل و بررسي قرار گرفته است

In this paper influence diagnostics in the semi parametric linear measurement error is studied when the problem of multicollinearity is exist. First to combat multicollinearity, some ridge estimators are proposed based the penalized corrected likelihood approach, then using case deletion method the influence measures are defined to detect influential observations. In continue it is shown these measures are function of residuals and leverages. Furthrer more local influence approach is developed based the penalized likelihood function for assessing the influence of points. A simulation study is performed to illustrate the efficiency of proposed ridge estimators based on the asymptotically mean square error. Finally, the influence diagnostic approaches are applied to a real data.