TY - BOOK AU - Ahmed Abdalla Abdelmaksoud Ahmed, AU - Salah Mahdy Ramadan AU - Amal Mohamed Abdelfattah TI - Statistical inference for kumaraswamy weibull regression model with application U1 - 519.54 PY - 2024/// KW - Statistical inference KW - qrmak KW - Economic Value Added KW - Generalized linear model KW - Global Influence Analysis KW - Kumaraswamy Weibull Regression Model KW - Likelihood Distance KW - Maximum Likelihood Estimation KW - Monte Carlo Simulation KW - Residual Analysis N1 - Thesis (M.Sc)-Cairo University, 2024; Bibliography: pages 87-92; Issues also as CD N2 - This study develops and applies the Kumaraswamy Weibull (KW) regression model for analyzing financial and statistical data, particularly focusing on non-normal and censored distributions common in finance and economics. The main objectives were to thoroughly examine the statistical properties of the KW distribution, develop the KW regression model and its mathematical formulation, evaluate the model's performance through simulations and real data application, and compare it to the standard Weibull regression model. the methodology included theoretical analysis of KW distribution characteristics, development of the regression model and parameter estimation methods, and Monte Carlo simulations with varying sample sizes (20, 50, 100, 500, 1000) and censoring rates (0.2, 0.3, 0.4, 0.6). The model's performance generally improves as the sample size increases, regardless of censoring rates. However, higher censoring rates do not consistently lead to better performance. For larger sample sizes, lower to moderate censoring rates often yield better results than the highest censoring rate. The study also included residual analysis using advanced techniques and application to Economic Value Added (EVA) data from 5 companies over 6 years (2016-2021).key results showed that the KW model significantly outperformed the Weibull model based on AIC, BIC, and HQIC criteria, and revealed important relationships between EVA and financial indicators. The study also demonstrated that the model's performance improves with increasing sample size and higher censoring rates, highlighting the importance of appropriate sample size selection and censoring rate management in practical applications; تتناول هذه الدراسة تطوير وتطبيق نموذج انحدار كومرسوامي ويبل في مجال تحليل البيانات المالية والإحصائية حيث يكتسب هذا النموذج أهمية متزايدة نظرًا لقدرته على التعامل مع البيانات ذات التوزيعات غير الطبيعية والمراقبة، وهي سمة شائعة في البيانات المالية والاقتصادية. الأهداف الرئيسية للدراسة: 1. دراسة الخصائص الإحصائية لتوزيع كومرسوامي ويبل بشكل معمق. 2. تطوير وتقديم نموذج انحدار جديد قائم على هذا التوزيع. 3. تقييم أداء النموذج من خلال دراسات المحاكاة والتطبيق العملي. 4. مقارنة أداء النموذج الجديد مع نموذج انحدار ويبل التقليدي. منهجية البحث: - تحليل نظري شامل لخصائص توزيع كومرسوامي ويبل، بما في ذلك دالة الكثافة الاحتمالية، دالة التوزيع التراكمي، دالة البقاء، ودالة المخاطرة. - تطوير نموذج الانحدار باستخدام توزيع كومرسوامي ويبل وصياغته رياضيًا. - تقدير معلمات النموذج باستخدام طريقة الإمكان الأعظم، بالإضافة إلى طرق أخرى مثل المربعات الصغرى العادية والموزونة. - إجراء دراسة محاكاة مونت كارلو لتقييم أداء النموذج تحت ظروف مختلفة، بما في ذلك أحجام عينات متفاوتة (من 20 إلى 1000) ومعدلات رقابة مختلفة (من 0.2 إلى 0.6). - تحليل البواقي باستخدام طرق متقدمة مثل Martingale residual و Deviance component residual لفحص مدى ملاءمة النموذج. - تطبيق النموذج على بيانات حقيقية للقيمة الاقتصادية المضافة (EVA) لخمس شركات على مدى ست سنوات (2016-2021). النتائج الرئيسية: - أظهر نموذج انحدار كومرسوامي ويبل أداءً أفضل بشكل ملحوظ من نموذج انحدار ويبل التقليدي في تمثيل البيانات، وذلك وفقًا لمعايير المعلومات مثل AIC و BIC و HQIC. - كشفت الدراسة عن علاقات مهمة بين القيمة الاقتصادية المضافة وبعض المؤشرات المالية، حيث تبين أن: • زيادة فترة التحصيل تؤدي إلى انخفاض في القيمة الاقتصادية المضافة. • حجم الشركة له تأثير إيجابي كبير على القيمة الاقتصادية المضافة. • زيادة الرافعة المالية تؤدي إلى انخفاض في القيمة الاقتصادية المضافة. - أظهرت دراسة المحاكاة أن أداء النموذج يتحسن مع زيادة حجم العينة وانخفاض معدل الرقابة ER -