INVESTIGATION OF THE STABILITY OF METHODS OF SELECTING THE OPTIMAL MODEL OF MULTIPLE LINEAR REGRESSION IN THE CASE WHEN INDEPENDENT VARIABLES ARE OBSERVED WITH ERRORS
Keywords:
multiple linear regression, optimal model, optimality criterion, errors in input variables, simulation modelingAbstract
The situation is considered when the input variables of the regression model contain errors. For such a case, the stability of the various criteria commonly used to select the regression model optimal from the point of view of the set of input variables is carried out. The study was carried out by simulation using a software specially developed in the MATLAB environment.
It is shown that the most stable to the presence of errors in input variables is an algorithm based on the method of sequential elimination.
References
1. Fuller W.A. “ Measurement Error Models”, New York, John Wiley & Sons, 1987. – 442 p.
2. Rawlings J.O., Pantula S.G., Dickey D.A. Applied Regression Analysis. A Research Tool. Second edition – New York: Springer, 2001. - 671 p.
3. Дрейпер Н., Смит Г. Прикладной регрессионный анализ: В 2-х кн. Пер.с англ. – 3-е изд., перераб. и доп. – М.: Диалектика. 2016. – 912 с.
4. Крохин В.В., Цыганков К. Е. Исследование эффективности оценивания коэффициентов множественной линейной регрессии при наличии ошибок в независимых переменных. // Системні технології. Регіональній міжвузівський збірник наукових праць. - Вип. 5 (64). Днепропетровск, 2009. - с. 44 – 56.
5. Крохін В. В. Алгоритми ідентифікації багатопараметричних регресійних моделей // Навч. посібник до вивчення курсу «Цифрова обробка сигналів». – Дніпропетровськ: РВВ ДНУ, 2012. – 32 с.
6. Крохин В.В., Кузьменко Н.О. Автоматизация выбора оптимальной модели линейной регрессии // Системні технології. Регіональній міжвузівський збірник наукових праць. - Випуск 1 (78). Днепропетровск, 2012. - с. 73 – 83.
7. Крохин В.В. Исследование устойчивости методов выбора оптимальной модели множественной линейной регрессии в случае, когда независимые переменные являются квазиколлинеарными. // Системні технології. Регіональній міжвузівський збірник наукових праць. - Випуск 1 (108), Дніпропетровськ, 2017, с. 46-54.
2. Rawlings J.O., Pantula S.G., Dickey D.A. Applied Regression Analysis. A Research Tool. Second edition – New York: Springer, 2001. - 671 p.
3. Дрейпер Н., Смит Г. Прикладной регрессионный анализ: В 2-х кн. Пер.с англ. – 3-е изд., перераб. и доп. – М.: Диалектика. 2016. – 912 с.
4. Крохин В.В., Цыганков К. Е. Исследование эффективности оценивания коэффициентов множественной линейной регрессии при наличии ошибок в независимых переменных. // Системні технології. Регіональній міжвузівський збірник наукових праць. - Вип. 5 (64). Днепропетровск, 2009. - с. 44 – 56.
5. Крохін В. В. Алгоритми ідентифікації багатопараметричних регресійних моделей // Навч. посібник до вивчення курсу «Цифрова обробка сигналів». – Дніпропетровськ: РВВ ДНУ, 2012. – 32 с.
6. Крохин В.В., Кузьменко Н.О. Автоматизация выбора оптимальной модели линейной регрессии // Системні технології. Регіональній міжвузівський збірник наукових праць. - Випуск 1 (78). Днепропетровск, 2012. - с. 73 – 83.
7. Крохин В.В. Исследование устойчивости методов выбора оптимальной модели множественной линейной регрессии в случае, когда независимые переменные являются квазиколлинеарными. // Системні технології. Регіональній міжвузівський збірник наукових праць. - Випуск 1 (108), Дніпропетровськ, 2017, с. 46-54.
