در تحلیل رگرسیونی مطالعه مباحث تشخیصی شامل تعیین مشاهدات مؤثر و نقاط پرت از اهمیت ویژهای برخوردار است. حساسیت روش کمترین توانهای دوم نسبت به حضور مشاهدات مؤثر و دادههای پرت در مدل موجب شد که گامی در جهت توسعه مباحث تشخیصی به منظور ارائه معیارهایی برای اندازهگیری تأثیر و شدت وابستگی به این مشاهدات برداشته شود. تعیین مشاهدات مؤثر و نقاط پرت در دادهها، زمانی که متغیرهای مستقل همخطی داشته باشند، بسیار پیچیده و مشکل است و خصوصاً اینکه حضور همخطی میتواند برخی از دادههای غیرعادی را پوشش دهد. یکی از روشهای مورد توجه برای تعیین مشاهدات پرت، روش انتقال میانگین است. در این مقاله، روش انتقال میانگین را برای برآوردگر ریج تحت محدودیتهای خطی تصادفی؛ که به منظور کاهش اثر همخطی استفاده شده، تعمیم داده و برای این برآوردگر آماره آزمون جهت شناسایی مشاهدات پرت ارائه خواهد شد. در نهایت توانایی این روش را با استفاده از یک مثال کاربردی از دادههای واقعی نشان داده میشود.
Rasekh A, Mansouri B, Hedayatpoor N. Outlier Detection in Ridge Regression Model Under Stochastic Linear Restrictions. JSS 2019; 13 (1) :117-137 URL: http://jss.irstat.ir/article-1-358-fa.html
راسخ عبدالرحمن، منصوری بهزاد، هدایت پور نرگس. شناسایی مشاهدات پرت در مدل رگرسیونی ریج تحت محدودیتهای خطی تصادفی. مجله علوم آماری. 1398; 13 (1) :117-137