کارایی براوردگر پیش آزمون انقباضی پارامتر عرض از مبدأ در مدل رگرسیونی خطی ساده

Abstract

معمولا برای براورد پارامترهای یک مدل رگرسیونی از روش های مرسوم براوردیابی مانند روش کمترین توان دوم خطا استفاده می شود. گاهی اوقات محقق دارای اطلاع پیشین درمورد پارامتر عرض از مبدأ به صورت یک حدس است که به آن اطلاع پیشین غیرنمونه ای می گویند. در این مقاله یک براوردگر پیش آزمون انقباضی برای پارامتر عرض از مبدأ با توجه به اطلاع پیشین غیرنمونه ای معرفی و کارایی آن تحت تابع زیان نرمال برگردانده مورد بررسی قرار می گیرد. رفتار براوردگر پیش آزمون انقباضی در مقایسه با براوردگر کمترین توان دوم خطا به کمک شبیه سازی ارزیابی می شود. بازه هایی که براوردگر پیش آزمون انقباضی دارای مخاطره کمتری نسبت به براوردگر کمترین توان دوم خطا است ارائه می شود. نتایج نشان می دهد هرچه مقدار حدس زده شده به پارامتر واقعی نزدیک تر باشد براوردگر پیش آزمون انقباضی عملکرد بهتری نسبت به برآوردگر کمترین توان دوم خطا دارد. همچنین با استفاده از روش ماکس مین مقدار بهینه سطح معنی داری آزمون تعیین می شود. سپس با استفاده از یک مجموعه داده واقعی، براوردگرهای پیشنهادی مقایسه می شوند.