EUVIMEDEUVIMED entdecken
Crossref

Performance of A New Bias Corrected Estimator in Beta Regression Model: A Monte Carlo Study

Yasin ASAR

Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi · 2023

DOI: 10.47112/neufmbd.2023.11 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi, 2023. Verfasst von Yasin ASAR.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Beta regresyon modelinde regresyon parametrelerini elde etmek için birincil yaklaşım, maksimum olabilirlik tahmin tekniğinin kullanılmasıdır. Bununla birlikte, beta regresyon modelinde çoklu bağlantının maksimum olabilirlik tahmin edicisinin varyansı üzerinde negatif bir etkiye sahip olduğu, yani maksimum olabilirlik tahmin edicisinin varyansının şişirildiği kabul edilmektedir. Bu konuyu ele almak için, çoklu bağlantı sorununu çözmek için yeni bir yanı düzeltilmiş tahmin edici tanıtılmıştır. Bu yeni tahmin edicinin etkinliği, bir Monte Carlo simülasyon deneyi kullanılarak sayısal bir araştırma yoluyla değerlendirilmiştir. Sonuçlar, önerilen tahmin edicinin diğer rakip tahmin edicilere kıyasla hem hata kareler ortalaması hem de karesel yan değerleri bakımından önemli iyileştirmeler sağladığını göstermektedir.

Zitieren

APA

ASAR, Y. (2023). Performance of A New Bias Corrected Estimator in Beta Regression Model: A Monte Carlo Study. Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. https://doi.org/10.47112/neufmbd.2023.11

Vancouver

ASAR Y. Performance of A New Bias Corrected Estimator in Beta Regression Model: A Monte Carlo Study. Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi. 2023. doi:10.47112/neufmbd.2023.11

BibTeX
@article{ASAR2023,
  author = {ASAR, Yasin},
  title = {Performance of A New Bias Corrected Estimator in Beta Regression Model: A Monte Carlo Study},
  journal = {Necmettin Erbakan Üniversitesi Fen ve Mühendislik Bilimleri Dergisi},
  year = {2023},
  doi = {10.47112/neufmbd.2023.11}
}
Kostenlos starten →