<?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>1395</year>
	<month>11</month>
	<day>1</day>
</pubdate>
<pubdate>
	<type>gregorian</type>
	<year>2017</year>
	<month>2</month>
	<day>1</day>
</pubdate>
<volume>10</volume>
<number>2</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>بهبود روش کمترین توان‌های دوم دو مرحله‌ای در مدل‌های رگرسیونی با متغیر درون‌زا</title_fa>
	<title>The Improve of Two Stage Least Square Method in Regression Model with Endogenous Variables</title>
	<subject_fa>آمار کاربردی </subject_fa>
	<subject>Applied Statistics</subject>
	<content_type_fa>پژوهشی بنیادی</content_type_fa>
	<content_type>Research</content_type>
	<abstract_fa>&lt;p style=&quot;text-align: justify;&quot;&gt;&lt;span dir=&quot;RTL&quot;&gt;حضور متغیرهای درون&#8204;زا در مدل&#8204;های آماری ناسازگاری و اریبی برآوردگرهای معمول پارامترهای مدل را به دنبال دارد. روش&#8204;های متعددی در این حالت ارائه شد که مشکل ناسازگاری و اریبی را تنها برای حالت بزرگ نمونه&#8204;ای حل کرده&#8204;اند. یکی از این روش&#8204;ها مبتنی بر استفاده از متغیر ابزاری است که باعث حذف درون&#8204;زایی متغیر مورد مناقشه می&#8204;شود. روشی دیگر برای برآورد پارامتر مدل&#8204;های رگرسیون درون&#8204;زا، روش کمترین توان&#8204;های دوم دو مرحله&#8204;ای است که دقت بهتری نسبت به روش کمترین توان&#8204;های دوم معمولی دارد. اما براوردگر حاصل از این روش نیز تنها در حالت بزرگ نمونه&#8204;ای نااریب و سازگار است. مقاله حاضر روش&#8204;های نوینی برای رفع این نقص&#8204;ها ارائه می&#8204;کند. به&#8204;طور دقیقتر، به منظور افزایش دقت برآورد در مدل موردنظر، نوشته حاضر سه روش کمترین توان&#8204;های دوم دو مرحله&#8204;ای تکراری، دو مرحله&#8204;ای جکنایف و دو مرحله&#8204;ای کالبیده را در حالت اندازه نمونه متناهی پیشنهاد می&#8204;دهد. برای ارزیابی عملکرد روش&#8204;های ارائه شده مطالعه شبیه&#8204;سازی انجام خواهد شد. علاوه بر این، با استفاده از داده&#8204;های هزینه و درآمد ایران، گردآوری شده در سال 1390، نحوه عملکرد برآوردهای پیشنهادی مورد مقایسه قرار می&#8204;گیرد.&lt;/span&gt;&lt;/p&gt;</abstract_fa>
	<abstract>&lt;p style=&quot;text-align: justify;&quot;&gt;The presence of endogenous variables in the statistical models leads to inconsistent and bias estimators for the parameters. In this case, several approaches have been proposed which are able to tackle the biase and inconsistency problems only in large sample situations. One of these methods is biased on instrumental variables which causes removing endogenous variables. The method of two-stage least squares is another approach in this case that it has more accurate than ordinary least squares. This paper aims to enhance the accuracy of three methods of estimation based upon least square methodology called, two-stage iterative least squares, two-stage Jackknife least squares and also two-stage calibration least squares. In order to evaluate the performance of each method, a simulation study is conducted. Also, using data collected in 1390 related to the cost and revenue in Iran, those methods to estimate parameters are compared.&lt;/p&gt;</abstract>
	<keyword_fa>مدل‌های رگرسیونی, متغیرهای درون‌زا و برونزا, تصحیح اریبی, روش‌های کمترین توان‌های دوم دو مرحله‌ای, متغیرهای ابزاری</keyword_fa>
	<keyword>Regression models, Endogenous and exogenous variables, Two stage least square, Instrumental variables</keyword>
	<start_page>203</start_page>
	<end_page>220</end_page>
	<web_url>http://jss.irstat.ir/browse.php?a_code=A-10-108-6&amp;slc_lang=fa&amp;sid=1</web_url>


<author_list>
	<author>
	<first_name>Omid</first_name>
	<middle_name></middle_name>
	<last_name>Akhgari</last_name>
	<suffix></suffix>
	<first_name_fa>امید</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>اخگری</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>o.akhgari@gmail.com</email>
	<code>10031947532846006820</code>
	<orcid>10031947532846006820</orcid>
	<coreauthor>No</coreauthor>
	<affiliation>Department of Statistics, Tarbiat Modares University, Tehran, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه تربیت مدرس</affiliation_fa>
	 </author>


	<author>
	<first_name>Mousa</first_name>
	<middle_name></middle_name>
	<last_name>Golalizadeh</last_name>
	<suffix></suffix>
	<first_name_fa>موسی</first_name_fa>
	<middle_name_fa></middle_name_fa>
	<last_name_fa>گل علی زاده</last_name_fa>
	<suffix_fa></suffix_fa>
	<email>golalizadeh@modares.ac.ir</email>
	<code>10031947532846006821</code>
	<orcid>10031947532846006821</orcid>
	<coreauthor>Yes
</coreauthor>
	<affiliation>Department of Statistics, Tarbiat Modares University, Tehran, Iran.</affiliation>
	<affiliation_fa>گروه آمار، دانشگاه تربیت مدرس</affiliation_fa>
	 </author>


</author_list>


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