شماره ركورد
25896
شماره راهنما
STA2 308
عنوان
تخمين نقطه تغيير توسط مدلهاي رگرسيون براي تحليل دادههاي سريهاي زماني و پانلي
مقطع تحصيلي
كارشناسي ارشد
رشته تحصيلي
آمار اقتصادي
دانشكده
رياضي و آمار
تاريخ دفاع
1404/09/08
صفحه شمار
146 ص.
استاد راهنما
ايرج كاظمي
استاد مشاور
هوشنگ طالبي
كليدواژه فارسي
اقتصادسنجي , پيشبيني روندها , تشخيص تغييرات ناگهاني , تحليل پايداري مدل , رگرسيون خطي و غيرخطي , روشهاي پارامتريك و ناپارامتريك , مدلسازي آماري
چكيده فارسي
اين پژوهش به تحليل و شناسايي نقاط تغيير در دادههاي سري زماني و پانلي از طريق مدلهاي رگرسيوني ميپردازد. تحليل نقاط تغيير بهعنوان يكي از ابزارهاي مهم در تشخيص تحولات ساختاري دادهها در طول زمان به شمار ميآيد، تحولات و تغييراتي كه ممكن است ناشي از عوامل داخلي يا خارجي باشند. در اين پاياننامه، يك روش نوآورانه كه اخيراً توسط پژوهشگران معرفي شده است، بهعنوان يك چارچوب آماري كارآمد براي شناسايي تغييرات معنادار در ساختار بنيادي دادهها ارائه ميگردد. اين روش با بهرهگيري از طيف گستردهاي از مدلهاي رگرسيوني، شامل تكنيكهاي خطي و غيرخطي، به بررسي دقت و كارايي اين مدلها در تشخيص نقاط تغيير ميپردازد. نتايج تحقيق نشان ميدهد كه روشهاي مبتني بر رگرسيون توان بالايي در ارائه تخمينهاي دقيق و قابلاعتماد از نقاط تغيير دارند. اين يافتهها، علاوه بر ايجاد فهم عميقتر از رفتار دادهها در زمينههاي مختلف مانند اقتصاد، مالي و علوم اجتماعي، ابزاري كاربردي براي پيشبيني روندهاي آتي را ارائه ميدهد. بهرهگيري از اين روشها قادر است تصميمگيريهاي آگاهانهتري را در مواجهه با تغييرات ساختاري ممكن سازد و نقش مهمي در توسعه مدلهاي تحليلي ايفا كند.
كليدواژه لاتين
Breakpoint Estimation , Change Point Detection , Panel Data Analysis , Regression Models , Statistical Modeling , Structural Breaks , Time Series Analysis
عنوان لاتين
Change-point estimation using regression models for time series and panel data analysis
گروه آموزشي
آمار
چكيده لاتين
This study explores methods for estimating change points in time series and panel data analysis using various regression models. Change point analysis plays a vital role in detecting structural shifts in datasets over time, which can emerge from a range of external or internal factors. Building on recent research, this thesis presents an innovative regression-based approach to identify and estimate change points across diverse datasets, offering a statistical framework to recognize significant changes in underlying data patterns. Through the application of multiple regression models, including linear and non-linear methods, the study assesses their effectiveness in detecting change points. The findings demonstrate that regression-based techniques deliver accurate estimations of change points, improving the capacity to analyze and forecast data trends in fields such as economics, finance, and the social sciences.
تعداد فصل ها
4
فهرست مطالب pdf
160678
نويسنده