Shrinkage estimators in inverse Gaussian regression model : Subject review
إن وجود علاقة ارتباط عالية بين المتنبنين في نمذجة الانحدار له تأثيرات غير مرغوب فيها على تقدير الانحدار هناك العديد من الطرق المتحيزة المتاحة للتغلب على هذه المشكلةنموذج الانحدار الغاوسي العكسي (IGRM) هو نموذج خاص من النماذج الخطية المعممة بعد IGRM نموذجا معروفا في تطبيق البحث عندما يكون متغير الاست...
Saved in:
| Published in: | المجلة العراقية للعلوم الاحصائية Vol. 19; no. 1; pp. 46 - 53 |
|---|---|
| Main Authors: | , |
| Format: | Journal Article |
| Language: | Arabic English |
| Published: |
Mosul, Iraq
University of Mosul, College of Computer Science and Mathematics
2022
|
| Online Access: | Get full text |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Abstract | إن وجود علاقة ارتباط عالية بين المتنبنين في نمذجة الانحدار له تأثيرات غير مرغوب فيها على تقدير الانحدار هناك العديد من الطرق المتحيزة المتاحة للتغلب على هذه المشكلةنموذج الانحدار الغاوسي العكسي (IGRM) هو نموذج خاص من النماذج الخطية المعممة بعد IGRM نموذجا معروفا في تطبيق البحث عندما يكون متغير الاستجابة تحت الدراسة عبارة عن بيانات منحرفة ثم اقتراح العديد من المقدرات المتميزة للتغلب على العلاقة الخطية المتعددة في IGRM في الأدبيات باستخدام نظريات مختلفة يتم تقديم لمحة عامة عن الأساليب المتحيزة الحديثة ل IGRM، تسمح لنا المقارنة بين هذه المقدرات المتحيزة بالحصول على نظرة ثاقبة.
The presence of the high correlation among predictors in regression modeling has undesirable effects on the regression estimating. there are several available biased methods to overcome this issue. the inverse Gaussian regression model (IGRM) is a special model from the generalized linear models. the IGRM is a well-known model in research application when the response variable under the study is skewed data. numerous biased estimators for overcoming the multicollinearity in IGRM have been proposed in the literature using different theories. an overview of recent biased methods for IGRM is provided. a comparison among these biased estimators allows us to gain an insight into their performance. |
|---|---|
| AbstractList | إن وجود علاقة ارتباط عالية بين المتنبنين في نمذجة الانحدار له تأثيرات غير مرغوب فيها على تقدير الانحدار هناك العديد من الطرق المتحيزة المتاحة للتغلب على هذه المشكلةنموذج الانحدار الغاوسي العكسي (IGRM) هو نموذج خاص من النماذج الخطية المعممة بعد IGRM نموذجا معروفا في تطبيق البحث عندما يكون متغير الاستجابة تحت الدراسة عبارة عن بيانات منحرفة ثم اقتراح العديد من المقدرات المتميزة للتغلب على العلاقة الخطية المتعددة في IGRM في الأدبيات باستخدام نظريات مختلفة يتم تقديم لمحة عامة عن الأساليب المتحيزة الحديثة ل IGRM، تسمح لنا المقارنة بين هذه المقدرات المتحيزة بالحصول على نظرة ثاقبة.
The presence of the high correlation among predictors in regression modeling has undesirable effects on the regression estimating. there are several available biased methods to overcome this issue. the inverse Gaussian regression model (IGRM) is a special model from the generalized linear models. the IGRM is a well-known model in research application when the response variable under the study is skewed data. numerous biased estimators for overcoming the multicollinearity in IGRM have been proposed in the literature using different theories. an overview of recent biased methods for IGRM is provided. a comparison among these biased estimators allows us to gain an insight into their performance. |
| Author | Othman, Rafal Adib Yunus, Farah Abd al-Ghani |
| Author_xml | – sequence: 1 fullname: Yunus, Farah Abd al-Ghani organization: Department of Informatics & Statistic, College of Computer & Mathematical Science, University of Mosul, Mosul, Iraq – sequence: 2 fullname: Othman, Rafal Adib organization: Department of Informatics & Statistic, College of Computer & Mathematical Science, University of Mosul, Mosul, Iraq |
| BookMark | eNqFjMsKwjAURINUsGp_QfIDhSSa2LoVH7itC3cl6m1NbRPJbSv-vV24FwbmwBxmSgLrLIxIKJRaxSKVKiAhVwmLEykvExIhVowxkXKx5iwkp-zhjX3qEihgaxrdOo_U2CE9eAR60B2i0ZZ6KD0M6Cxt3B1quqFZd63g1g5Tb-A9J-NC1wjRr2dksd-dt8cYGu2h0PnLD__-k3PJZarY8q_wBXpgPW4 |
| ContentType | Journal Article |
| DBID | ADJCN AHFXO |
| DatabaseName | الدوريات العلمية والإحصائية - e-Marefa Academic and Statistical Periodicals معرفة - المحتوى العربي الأكاديمي المتكامل - e-Marefa Academic Complete |
| DatabaseTitleList | |
| DeliveryMethod | fulltext_linktorsrc |
| DocumentTitleAlternate | مقدرات التقليص في نموذج الانحدار الكاوسي المعكوس :مراجعة الموضوع |
| EISSN | 2664-2956 |
| EndPage | 53 |
| ExternalDocumentID | 1515960 |
| GroupedDBID | ADJCN AHFXO ALMA_UNASSIGNED_HOLDINGS GROUPED_DOAJ |
| ID | FETCH-emarefa_primary_15159603 |
| ISSN | 1680-855X |
| IngestDate | Wed Nov 06 05:57:34 EST 2024 |
| IsPeerReviewed | false |
| IsScholarly | false |
| Issue | 1 |
| Language | Arabic English |
| LinkModel | OpenURL |
| MergedId | FETCHMERGED-emarefa_primary_15159603 |
| PageCount | 8 |
| ParticipantIDs | emarefa_primary_1515960 |
| PublicationCentury | 2000 |
| PublicationDate | 2022. |
| PublicationDateYYYYMMDD | 2022-01-01 |
| PublicationDate_xml | – year: 2022 text: 2022. |
| PublicationDecade | 2020 |
| PublicationPlace | Mosul, Iraq |
| PublicationPlace_xml | – name: Mosul, Iraq |
| PublicationTitle | المجلة العراقية للعلوم الاحصائية |
| PublicationYear | 2022 |
| Publisher | University of Mosul, College of Computer Science and Mathematics |
| Publisher_xml | – name: University of Mosul, College of Computer Science and Mathematics |
| SSID | ssj0002912710 |
| Score | 3.6623926 |
| Snippet | إن وجود علاقة ارتباط عالية بين المتنبنين في نمذجة الانحدار له تأثيرات غير مرغوب فيها على تقدير الانحدار هناك العديد من الطرق المتحيزة المتاحة للتغلب على هذه... |
| SourceID | emarefa |
| SourceType | Publisher |
| StartPage | 46 |
| Title | Shrinkage estimators in inverse Gaussian regression model : Subject review |
| URI | https://search.emarefa.net/detail/BIM-1515960 |
| Volume | 19 |
| hasFullText | 1 |
| inHoldings | 1 |
| isFullTextHit | |
| isPrint | |
| link | http://sdu.summon.serialssolutions.com/2.0.0/link/0/eLvHCXMwtV07T8MwELbaTiwIxPslD2SqIuHEbh220BQQEgy0QzeUh0MrQYra5v9zthPHASHBwHKyrvWl7X21z5_uzghdCj9JCUS6LgsS7lLBfBf2ncRVvdWzfMDzVBYK30-GTzMejem4062vB2t0_-pp0IGvZeXsH7xtjIICxuBzkOB1kL_y-2S-guOlzMSR_TPeY3WbzkLmM8oEDMBEXK5V4eRKvOoc2EJfh6PIAVhHJDFTVbTYkasTcSccOlHgcKokU5pRrYFx0G-_iTs3gZLE0ntKhmaCsWcmGA3Xz_lmVY5BRmoCszQD27ZZz8qiVGC9leR3P0yyfvzm3s3jYmEY5s28IoKf41xiNlskNh3ieV_okHY6y-NyXSom3WJh6tsyzOKpE1rqHrkWRUoG_MrljM30Xql0EM9Q1wt0M3SzgwTf_il6O6jYVR1Y6KbI7ZbfYfQwemqr9dFMhpmDqy7q-oRZRIGML7yAeEPdZqP-gKqcPIaQKraCo-kO2q5ONTjUcNxFHVHsoQcDRdxAES8KXEER11DEDRSxgiK-xhUQsQbiPrq4HU9H9271_JcP3STlpfoG_gHqFctCHCFMMkZ9kRJBWEr9zEuoyKmX5ZzmSZAQcYwOfzBy8uMrp2irAcEZ6m1WpThH3XVWXqgf7RPp1V4X |
| link.rule.ids | 315,782,786 |
| linkProvider | Directory of Open Access Journals |
| openUrl | ctx_ver=Z39.88-2004&ctx_enc=info%3Aofi%2Fenc%3AUTF-8&rfr_id=info%3Asid%2Fsummon.serialssolutions.com&rft_val_fmt=info%3Aofi%2Ffmt%3Akev%3Amtx%3Ajournal&rft.genre=article&rft.atitle=Shrinkage+estimators+in+inverse+Gaussian+regression+model+%3A+Subject+review&rft.jtitle=%D8%A7%D9%84%D9%85%D8%AC%D9%84%D8%A9+%D8%A7%D9%84%D8%B9%D8%B1%D8%A7%D9%82%D9%8A%D8%A9+%D9%84%D9%84%D8%B9%D9%84%D9%88%D9%85+%D8%A7%D9%84%D8%A7%D8%AD%D8%B5%D8%A7%D8%A6%D9%8A%D8%A9&rft.au=Yunus%2C+Farah+Abd+al-Ghani&rft.au=Othman%2C+Rafal+Adib&rft.date=2022-01-01&rft.pub=University+of+Mosul%2C+College+of+Computer+Science+and+Mathematics&rft.issn=1680-855X&rft.eissn=2664-2956&rft.volume=19&rft.issue=1&rft.spage=46&rft.epage=53&rft.externalDBID=ADJCN&rft.externalDocID=1515960 |
| thumbnail_l | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/lc.gif&issn=1680-855X&client=summon |
| thumbnail_m | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/mc.gif&issn=1680-855X&client=summon |
| thumbnail_s | http://covers-cdn.summon.serialssolutions.com/index.aspx?isbn=/sc.gif&issn=1680-855X&client=summon |