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 ۲۱۲۷-۲۱۳۵
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی A new Jackknifing ridge estimator for logistic regression model
چکیده انگلیسی مقاله In reducing the effects of collinearity, the ridge estimator (RE) has been consistently demonstrated to be an attractive shrinkage method. In application, when the response variable is binary data, the logistic regression model (LRM) is a well-known model. However, it is known that collinearity negatively affects the variance of maximum likelihood estimator of the LRM. To address this problem, a logistic ridge estimator was proposed by several authors. In this work, a Jackknifing logistic ridge estimator (NJLRE) is proposed and derived. The Monte Carlo simulation results recommend that the NJLRE estimator can bring significant improvement relative to other existing estimators. Furthermore, the real application results demonstrate that the NJLRE estimator outperforms both LRE and MLE in terms of predictive performance. 
کلیدواژه‌های انگلیسی مقاله Collinearity, Jackknife estimator, ridge estimator, logistic regression model, Monte Carlo simulation
نویسندگان مقاله Nawal Mahmood Hammood |
Department of management Information systems, College of Administration and Economics, University of Mosul, Mosul, Iraq.

Zakariya Yahya Algamal |
Department of Statistics and Informatics, University of Mosul, Mosul, Iraq.

نشانی اینترنتی https://ijnaa.semnan.ac.ir/article_5908_99cb606331ec853a4b49a4323c64a801.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