fa شناسایی مشاهدات پرت در مدل رگرسیونی ریج تحت محدودیت‌های خطی تصادفی آمار کاربردی Applied Statistics كاربردي و توسعه ای Applied <p style="margin: 0px; text-align: justify;">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.</p> <p style="text-align: justify;">The study of regression diagnostic, including identification of the influential observations and outliers, is of particular importance. The sensitivity of least squares estimators to the outliers and influential observations lead to extending the regression diagnostic in order to provide criteria to assess the anomalous observations. Detecting influential observations and outliers in the presence of collinearity is a complicated task, in the sense that collinearity may cover some of the unusual data. One of the considerable methods to identify outliers is the mean shift outliers method. In this article, we extend the mean shift outliers method to the ridge estimates under linear stochastic restrictions, which is used to reduce the effect of collinearity, and to provide the test statistic to identify the outliers in these estimators. Finally, we show the ability of our proposed method using a practical example of real data.</p> همخطی, رگرسیون ریج, رگرسیون ریج تحت محدودیت‌های خطی تصادفی, مشاهدات پرت, روش انتقال میانگین. Collinearity, Ridg Regression, Ridg Regression under Linear Restriction, Outlier, Mean Shift Method 117 137 http://jss.irstat.ir/browse.php?a_code=A-10-734-1&slc_lang=fa&sid=1 Abdolrahman Rasekh عبدالرحمن راسخ rasekh_a@scu.ac.ir 10031947532846005425 10031947532846005425 No Faculty of Mathematical Sciences and Computer, Shahid Chamran University of Ahvaz, Ahvaz , Iran. گروه آمار، دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران اهواز Behzad Mansouri بهزاد منصوری b.mansouri@scu.ac.ir 10031947532846005426 10031947532846005426 Yes Faculty of Mathematical Sciences and Computer, Shahid Chamran University of Ahvaz, Ahvaz , Iran. گروه آمار، دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران اهواز Narges Hedayatpoor نرگس هدایت پور na.hedayatpoor@yahoo.com 10031947532846005427 10031947532846005427 No Faculty of Mathematical Sciences and Computer, Shahid Chamran University of Ahvaz, Ahvaz , Iran. گروه آمار، دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران اهواز