fa برآوردگر استوار مرزبندی شده تعمیم‌یافته محتمل در مدل رگرسیون نیمه‌پارامتری آمار کاربردی Applied Statistics پژوهشی بنیادی Research <p dir="rtl" style="margin: 0px; text-align: justify;">در تجزیه و تحلیل مسائل رگرسیونی و به‌ویژه مدل بندی آماری بسیاری از داده‌ها مانند داده‌های اقتصادی، روانشناسی، علوم اجتماعی، علوم پزشکی، مهندسی و غیره با مشکل هم‌خطی در میان متغیرهای پیشگو و حضور نقاط دورافتاده در مجموعه داده‌ها مواجه می‌شویم. در چنین مواقعی برآوردگر کمترین توان‌های دوم معمولی منجر به برآوردگرهای نادقیق می‌شود. برای غلبه بر مشکل مشاهده‌های دورافتاده از روش‌های استوار استفاده می‌شود. همچنین برای حل مشکل هم‌خطی چندگانه استفاده از رگرسیون مرزبندی ‌شده توصیه می‌شود. از طرف دیگر در شرایطی که واریانس خطا‌ها ناهمگن بوده یا خطا‌ها دارای خودهمبستگی باشند، از روش کم‌ترین توان‌های دوم تعمیم‌یافته استفاده می‌شود. در این مقاله ابتدا یک الگوریتم سریع برای محاسبه برآوردگر کم‌ترین توان‌های دوم تعمیم‌یافته پیراسته مرزبندی ‌شده محتمل در مدل رگرسیون نیمه‌پارامتری پیشنهاد شده و سپس با استفاده از شبیه‌سازی به روش مونت کارلو و یک داده واقعی، کارایی برآوردگرهای پیشنهادی سنجیده می‌شود&lrm;.</p> <p style="margin: 0px; text-align: justify;">&lrm;In many fields such as econometrics&lrm;, &lrm;psychology&lrm;, &lrm;social sciences&lrm;, &lrm;medical sciences&lrm;, &lrm;engineering&lrm;, &lrm;etc.&lrm;, &lrm;we face with multicollinearity among the explanatory variables and the existence of outliers in data&lrm;. &lrm;In such situations&lrm;, &lrm;the ordinary least-squares estimator leads to an inaccurate estimate&lrm;. &lrm;The robust methods are used to handle the outliers&lrm;. &lrm;Also&lrm;, &lrm;to overcome multicollinearity ridge estimators are suggested&lrm;. &lrm;On the other hand&lrm;, &lrm;when the error terms are heteroscedastic or correlated&lrm;, &lrm;the generalized least squares method is used&lrm;. &lrm;In this paper&lrm;, &lrm;a fast algorithm for computation of the feasible generalized least trimmed squares ridge estimator in a semiparametric regression model is proposed and then&lrm;, &lrm;the performance of the proposed estimators is examined through a Monte Carlo simulation study and a real data set.</p> اعتبارسنجی متقابل, برآوردگر کم‌ترین توان‌های دوم پیراسته, مدل رگرسیون نیمه‌پارامتری, نقاط دورافتاده, نقطه شکست. ‎Breakdown Point‎, ‎Generalized Cross Validation‎, ‎Least Trimmed Squares Estimator‎, ‎Outliers‎, ‎Semiparametric Regression Model. 441 460 http://jss.irstat.ir/browse.php?a_code=A-10-835-1&slc_lang=fa&sid=1 Mahdi Roozbeh مهدی روزبه m.roozbeh.stat@gmail.com 10031947532846007468 10031947532846007468 Yes Department of Statistics‎, ‎Semnan University‎, ‎Semnan‎, ‎Iran. گروه آمار، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشگاه سمنان Morteza Amini مرتضی امینی morteza.amini@ut.ac.ir 10031947532846007469 10031947532846007469 No Department of Statistics‎, ‎University of Tehran‎, ‎Tehran Iran. گروه آمار، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشگاه تهران