Son olarak, modified jackknifed ridge ön tahmin edicilerin davranışlarını gözlemlemek amacıyla gerçek bir veri analizi çalışması verilmiştir.
📌 3 Maddede Bu Makale
🎯
Amaç & Hipotez:Bu çalışmanın amacı, lineer karma modellerde modified jackknifed ridge ön tahmin metodunu tanımlamaktır.
📊
Temel Bulgular & Veri:Daha sonra, matris hata kare ortalamasına (MMSE) göre karşılaştırmalar yapmaktır.
💡
Sonuç & Katkı:Son olarak, modified jackknifed ridge ön tahmin edicilerin davranışlarını gözlemlemek amacıyla gerçek bir veri analizi çalışması verilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri
Özet
Bu çalışmanın amacı, lineer karma modellerde modified jackknifed ridge ön tahmin metodunu tanımlamaktır. Daha sonra, matris hata kare ortalamasına (MMSE) göre karşılaştırmalar yapmaktır. Son olarak, modified jackknifed ridge ön tahmin edicilerin davranışlarını gözlemlemek amacıyla gerçek bir veri analizi çalışması verilmiştir.
Abstract
The goal of this study is to introduce the modified jackknifed ridge prediction method in the linear mixed models. Then, the matrix mean square error (MMSE) comparisons are done. Finally, a real data analysis is given to observe the behavior of the modified jackknifed ridge predictors.
🔖
Bu Makaleye Atıf Yap
KURAN, Ö. (2022). Lineer Karma Modellerde Modified Jackknifed Ridge Ön Tahmin Edicilerin Hata Kareler Ortalaması Performansı. Erciyes Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 36 - Sayı: 3, 400–407. https://ajindex.com/articles/503232
Laird, N. M., Ware, J. H. 1982. Random-Effects Models for Longitudinal Data. Biometrics, 38, 963–974
Longford, N. T. 1993. Random Coefficient Models. Oxford University Press, New York
Harville, D. A. 1977. Maximum Likelihood Approaches to Variance Component Estimation and to Related Problems. Journal of the American Statistical Association, 72, 320-340
Lindstrom, M. J., Bates, D. M. 1988. Newton-Raphson and EM Algorithms for Linear Mixed-Effects Models for Repeated-Measures Data. Journal of the American Statistical Association, 83, 1014-1022
Diggle, P. J., Liang, K-Y., Zeger, S. L. 1994. Analysis of Longitudinal Data. Oxford University Press, New York
Gumedze, F. N., Dunne, T. T. 2011. Parameter Estimation and Inference in the Linear Mixed Model. Linear Algebra and Its Application, 435, 1920-1944
Henderson, C. R. 1950. Estimation of Genetic Parameters (Abstract). Annals of Mathematical Statistics, 21, 309–310
Henderson, C. R., Kempthorne, O., Searle S. R., von Krosig, C. N. 1959. Estimation of Environmental and Genetic Trends from Records Subject to Culling. Biometrics, 15, 192-218
Hoerl, A. E., Kennard, R. W. 1970. Ridge Regression Biased Estimation for Nonorthogonal Problems. Technometrics, 12, 55–67
Singh, B., Chaubey, Y. P., Dwivedi, T. D. 1986. An Almost Unbiased Ridge Estimator. Sankhya, 48, 342–346
Ohtani, K. 1986. On Small Sample Properties of the Almost Unbiased Generalized Ridge Estimator. Communications in Statistics -Theory and Methods, 15, 1571–1578
Singh, B., Chaubey, Y. P. 1987. On Some Improved Ridge Estimators. Statistical Papers, 28, 53–67
Nomura, B. 1988. On the Almost Unbiased Ridge Regression Estimator. Communications in Statistics - Simulation and Computation, 17, 729–743
Nyquist, H. 1988. Applications of the Jackknifed Procedure in Ridge Regression. Computational Statistics & Data Analysis, 6, 177-183
Gruber, M. H. J. 1998. Improving Efficiency by Shrinkage: the James–Stein and Ridge Regression Estimators. Marcell Dekker, New York
Özkale, M. R. 2008. A Jackknifed Ridge Estimator in the Linear Regression Model with Heteroscedastic or Correlated Errors. Statistical Probability Letters, 78, 3159–3169
Batah, F. S. M., Ramanathan, T. V., Gore, S. D. 2008. The Efficiency of Modified Jackknife and Ridge Type Regression Estimators: a Comparison. Surveys in Mathematics and its Applications, 3, 111–122