این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Nonlinear Analysis and Applications، جلد ۱۳، شماره ۱، صفحات ۱۱۶۷-۱۱۷۳
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Sparse minimum average variance estimation through signal extraction approach to multivariate regression
چکیده انگلیسی مقاله In this paper, a new sparse method called (MAVE-SiER) is proposed, to introduce MAVE-SiER, we combined the effective sufficient dimension reduction method MAVE with the sparse method Signal extraction approach to multivariate regression (SiER). MAVE-SiER has the benefit of expanding the Signal extraction method to multivariate regression (SiER) to nonlinear and multi-dimensional regression. MAVE-SiER also allows MAVE to deal with problems which the predictors are highly correlated. MAVE-SiER may estimate dimensions exhaustively while concurrently choosing useful variables. Simulation studies confirmed MAVE-SiER performance.
کلیدواژه‌های انگلیسی مقاله High dimensional predictors, Dimension reduction, sparse, Minimum average variance estimation, Signal extraction approach to multivariate regression
نویسندگان مقاله Abdulqader Ahmed |
Department of Statistics, College of Administration and Economics, University of Baghdad, Baghdad, Iraq

Saja Mohammad |
Department of Statistics, College of Administration and Economics, University of Baghdad, Baghdad, Iraq

نشانی اینترنتی https://ijnaa.semnan.ac.ir/article_5660_c6982b59abc09e37b4f7cbf91b495ec6.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات