<?xml version="1.0" encoding="utf-8"?>
<journal>
<title>Journal of Statistical Sciences</title>
<title_fa>مجله علوم آماری</title_fa>
<short_title>JSS</short_title>
<subject>Basic Sciences</subject>
<web_url>http://jss.irstat.ir</web_url>
<journal_hbi_system_id>1</journal_hbi_system_id>
<journal_hbi_system_user>admin</journal_hbi_system_user>
<journal_id_issn>1735-8183</journal_id_issn>
<journal_id_issn_online>2783-2929</journal_id_issn_online>
<journal_id_pii></journal_id_pii>
<journal_id_doi>10.61882/jss</journal_id_doi>
<journal_id_iranmedex></journal_id_iranmedex>
<journal_id_magiran></journal_id_magiran>
<journal_id_sid></journal_id_sid>
<journal_id_nlai></journal_id_nlai>
<journal_id_science>شماره 812/2910/3 مورخ 12/7/1384</journal_id_science>
<language>fa</language>
<pubdate>
	<type>jalali</type>
	<year>1393</year>
	<month>6</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2014</year>
	<month>9</month>
	<day>1</day>
</pubdate>
<volume>8</volume>
<number>1</number>
<publish_type>online</publish_type>
<publish_edition>1</publish_edition>
<article_type>fulltext</article_type>
<articleset>
	<article>


	<language>fa</language>
	<article_id_doi></article_id_doi>
	<title_fa>تشخیص نقاط پرت در مدل رگرسیونی لیو</title_fa>
	<title>Detecting Outliers in Liu Regression Model</title>
	<subject_fa>آمار کاربردی </subject_fa>
	<subject>Applied Statistics</subject>
	<content_type_fa>كاربردي و توسعه ای</content_type_fa>
	<content_type>Applied</content_type>
	<abstract_fa>&lt;div style=&quot;text-align: justify;&quot;&gt;در حضور هم خطی با ناپایدار بودن برآورد کمترین توان های دوم پارامترها، انتظار می رود که باقیمانده ها هم ناپایدار باشند و در این صورت ممکن است که یک باقیمانده بزرگ از برازش کمترین توان های دوم نمایان گر یک مشاهده پرت نباشد و برعکس. در این صورت لزوم بررسی نقاط پرت هنگامی که از روش های معمول برآورد غیر از کمترین توان های دوم از جمله برآوردگر لیو استفاده می شود ضروری به نظر می رسد. در این مقاله با استفاده از روش انتقال میانگین نقاط پرت، آماره آزمون لازم برای شناسایی این نقاط به هنگام استفاده از برآوردگر لیو تعمیم داده می شود. در ادامه با استفاده از مجموعه داده ای واقعی کاربرد این روش مورد ارزیابی قرار می گیرد.&lt;/div&gt;</abstract_fa>
	<abstract>&lt;div style=&quot;text-align: justify;&quot;&gt;The instability of the least squares parameter estimates under collinearity, might also causes instability of the residuals. If so, a large residual from a least squares fit might not be indicative of an erratic data point, and conversely. In order to resolve the problem of collinearity in the regression model, biased estimators like the Liu estimator is suggested. In this paper, it is shown that when Liu mean shift regression is used to mitigate the effect of the collinearity, the influence of some observations can be drastically changed and also the appropriate statistic for testing outliers is derived. In order to illustrate the performance of the proposed method, a real example is presented.&lt;/div&gt;</abstract>
	<keyword_fa>برآوردگر لیو, نقاط پرت, هم‌خطی, روش انتقال میانگین نقاط پرت</keyword_fa>
	<keyword>Liu Estimator, Outliers, Collinearity, Mean Shift Outliers Method</keyword>
	<start_page>19</start_page>
	<end_page>36</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-67-2&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Forough</first_name>
	<middle_name></middle_name>
	<last_name>Hajibagheri</last_name>
	<suffix></suffix>
	<first_name_fa>فروغ</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>حاجی باقری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>b_forough@yahoo.com</email>
	<code>10031947532846006335</code>
	<orcid>10031947532846006335</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Shahid Chamran University, Ahvaz, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


	<author>
	<first_name>Abdolrahman</first_name>
	<middle_name></middle_name>
	<last_name>Rasekh</last_name>
	<suffix></suffix>
	<first_name_fa>عبدالرحمن</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>راسخ</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>rasekh_a@scu.ac.ir</email>
	<code>10031947532846006336</code>
	<orcid>10031947532846006336</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics, Shahid Chamran University, Ahvaz, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


	<author>
	<first_name>Mohammad Reza</first_name>
	<middle_name></middle_name>
	<last_name>Akhoond</last_name>
	<suffix></suffix>
	<first_name_fa>محمدرضا</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>آخوند</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>b_forough@yahoo.com</email>
	<code>10031947532846006337</code>
	<orcid>10031947532846006337</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Shahid Chamran University, Ahvaz, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه شهید چمران اهواز</affiliation_fa>
	 </author>


</author_list>


	</article>
</articleset>
</journal>
