23747

STA2 284

كارشناسي ارشد

آمار اجتماعي و اقتصادي

رياضي و آمار

1403/05/30

162 ص.

حميد بيدرام

الگوريتم اتومتريكس , رگرسيون لاسو سازگار , رگرسيون لاسو , كمترين توان هاي دوم پيراسته , كمترين ميانه توان هاي دوم , روشكمترين توان هاي دوم , رگرسيون ستيغي

در تحليل مدل هاي رگرسيوني فرضيه هايي وجود دارد كه با نقضحداقل يكي از آنها، ممكن است برآورد ضرائب رگرسيوني و خطاي استاندارد آن ها، توزيع آماره آزمون، پيش بيني و ساير نتايج را بي اعتبار كند. در سال هاي اخير، براي برون رفت از اين مشكلات، روش هاي مختلفبرآورد از جمله برآورد استوار و انوع مدل هايرگرسيوني انقباضي مثل رگرسيون لاسو، ستيغي، لاسو سازگار، كمترين توان هاي دوم پيراسته و كمترين ميانه توان هاي دوم معرفي شده اند كه در اين پايان نامه مروري بر اين مدل ها خواهيم داشت. از طرفي ممكن استدر مدل رگرسيوني، تركيبي از انواع متغيرهاي مستقل، از جمله متغيرهاي نشانگر و سري زماني به طور همزمان حضور داشته باشند. به همين منظور، در ادامه ي كار مدلي تحت عنوان مدل عام نامحدود، كه در برگيرنده ي انواع متغيرهاي مستقل است، معرفي و پارامترهاي آن توسط الگوريتمي به نام اتومتريكس برآورد مي شود. در پايان، با استفاده از تحليل يكمجموعه داده واقعي و شبيه سازي، عملكرد و مزيت اين الگوريتم نسبت به ساير روش ها بررسي مي گردد. نتايج اين تحقيق مي تواند در زمينه هاي مختلف از جمله اقتصاد، بازاريابي، بازار بورس و سرمايه و همچنين امور مالي كاربرد داشته باشد.

Autometrics algorithm , Adaptive lasso regression , Lasso regression , Lasso regression , Least trimmed squares , Least median of squares , Lesat squares method , Ridge regression.

Investigation of Robust Regression Models Using Autometrics Algorithm with Application in Economic Studies

آمار

In the analysis of regression models, there are hypotheses that, by violating at least one of them, may invalidate the estimation of regression coefficients and their standard errors, the distribution of test statistics, predictions, and other results. To solve these problems, various estimation methods and types of shrinkage regression models, such as Lasso, Ridge, Adaptive Lasso, Least Trimmed Squares, Least Median Squares, have been introduced in recent years, which we will review them in this thesis. On the other hand, it is possible that in the regression model, a combination of all kinds of independent variables, including indicator variables and time series, are simultaneously present. For this purpose, a model called General Unrestricted Model (GUM), which includes various types of independent variables, is introduced in this thesis and its parameters are estimated by Autometrics algorithm. In the end, by using the analysis of a real data set and simulation, the performance and advantage of this algorithm compared to other methods are investigated. The results of this research can be used in various fields, such as Economics, Marketing, Stock and Capital market, and also Finance.

6