000			07955namaa22004211i 4500
003			OSt
005			20251015122504.0
008			251008s2025 ua a|||frm||| 000 0 eng d
040			_aEG-GICUC _beng _cEG-GICUC _dEG-GICUC _erda
041	0		_aeng _beng _bara
049			_aDeposit
082	0	4	_a519.536
092			_a519.536 _221
097			_aM.Sc
099			_aCai01.18.04.M.Sc.2025.Ha.S
100	0		_aHaidy Hanafy Mahmoud, _epreparation.
245	1	0	_aStudying the performance of robust estimators for partially linear regression model / _cby Haidy Hanafy Mahmoud ; Supervision Dr. Mohamed Reda Abonazel.
246	1	5	_aدراسة أداء المقدرات الحصينة لنموذج الانحدار الخطي جزئيًا
264		0	_c2025.
300			_a101 Leaves : _billustrations ; _c30 cm. + _eCD.
336			_atext _2rda content
337			_aUnmediated _2rdamedia
338			_avolume _2rdacarrier
502			_aThesis (M.Sc)-Cairo University, 2025.
504			_aBibliography: pages 87-101.
520		3	_aA semi parametric model having one nonparametric (smooth) component is known as a partially linear model. Partially linear regression models PLM are commonly used in statistical modelling as a compromise between parametric and nonparametric regression models. The covariates in these models are divided into parametric and nonparametric components. The parametric part of the model can be viewed as a linear model, whereas the nonparametric part removes the model's structural constraints. When it is assumed that the response is dependent on some variables in a linear relationship but is nonlinearly related to other explanatory variables, they are more flexible than traditional linear models. These models have been widely used in economics, social science, and biology. There are various approaches for estimating nonparametric components in partially linear models, as well as Robinson's estimator, Speckman estimator, and Back-fitting estimator (also known as partial residuals technique), penalized spline estimator, and difference-based estimator, among others, but the most popular approaches are the spline smoothing approach and the kernel smoothing approach. In 1988, Speckman presented the kernel approach method for PLM nonparametric component estimation based on the partial residuals technique (PRT). In this study, introduce (PLRR) a new Partial Residuals – Robust - Ridge regression estimator for partial linear models, β ̂_PLRRof the regression parameters β in the partial linear model. Partial residuals technique, robust regression and ridge regression estimators have attracted increasing attention for analyzing PLM in the recent literature. It is proposed to deal with the problems of the nonparametric component when the explanatory variables are highly correlated it is called multicollinearity as well as the data contains outliers in a partially linear model respectively. This (PLRR) is for solving these problems. The technique of the estimator requires using the robust estimators to estimate the ridge parameter based on the spline partial residuals technique (SPR). The performance of the proposed estimator was examined by a Monte Carlo simulation study. The results indicated that the proposed estimators are more efficient and reliable than the other estimator.
520		3	_aتعد نماذج الانحدار شبه المعلمية هي نماذج جمعت بين المزايا في كلٍ من نماذج الانحدار المعلمي والانحدار اللامعلمي وقد اقترحت هذه الفكرة من منطلق النماذج التجميعية التي دمجت بين النماذج المعلمية والنماذج اللامعلمية بنموذج شبه معلمي يحتوي على القيود الصارمة في الجزء المعلمي ومرونته العالية في الجزء اللامعلمي، كما يتميز بمرونته العالية في التطبيق؛ ولهذا فهو أفضل من النماذج اللامعلمية لتجنبه مشكلة تزايد الأبعاد التي تحدث في النماذج اللامعلمية عند زيادة عدد المتغيرات، ومن جهة أخرى يعد أيضًا أكثر مرونة من النماذج المعلمية؛ وذلك بسب التقليل من الإفترضات الخطية المفروضة على هذا النموذج. يتلقى موضوع نماذج الانحدار شبه المعلمية اهتمامًا واضحًا في معظم الدراسات التي تأخذ طابعًا أكثر تقدمًا في عملية التحليل الإحصائي الدقيق الهادف للحصول على مقدرات ذات مستوى عالي من الكفاءة. فحديثًا تطورت تلك النماذج تطورًا كبيرًا، وتستخدم نماذج الانحدار شبه المعلمية لدراسة العلاقة بين المتغير التابع وواحد أو أكثر من المتغيرات المفسرة عندما تكون الصيغة الرياضية للعلاقة بين المتغير التابع والمتغيرات المفسرة معلومة مع وجود متغير مفسر على الأقل الشكل الرياضي للعلاقة بينه وبين المتغير التابع غير معلومة. تعد نماذج الانحدار شبه المعلمي كثيرة. وتهتم هذه الرسالة بدراسة نموذج منها وهو نموذج الانحدار الخطي الجزئي، إذ يعد نموذج الانحدار الخطي الجزئي من أشهر أنواع النماذج شبه المعلمية حيث يتكون من جزئي معلمي وآخر لا معلمي. ولتقدير هذا النموذج لابد من تقدير شقيه المعلمي واللا معلمي. هناك بعض طرق التقدير التي تعمل على تقدير هذا النموذج حيث بعض هذه الطرق تقدر الجزء المعلمي أولًا ثم تقدر الجزء اللا معلمي ثانيًا وبعض الطرق الأخرى تعمل على تقدير الجزء المعلمي والجزء اللامعلمي معًا. ومن أشهر هذه المقدرات ما يلي: مقدر سبيکمان Speckman Estimator - مقدر روبنسون Robinson's Estimator - ومقدر سبيلاين Spline Estimator - ومقدر التوفيق الخلفي Back-fitting Estimator – ومقدر الفروق Difference Based Estimator . تم اقتراح مقدرًا جديدًا يعمل على تقدير نموذج الانحدار الخطي الجزئي في حالة وجود مشكلتين مهمتين وهما القيم المتطرفة والارتباط الخطي. كما أثبت هذا المقدر كفائته في تقدير نموذج الانحدار الخطي الجزئي وقد تم توثيق هذا المقدر المقترح وتأكيد نتائجه باستخدام محاكاة مونت كارلو Monto Carlo Simulation باستخدام أحجام عينات مختلفة.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aRidge regression (Statistics)
650		0	_aالانحدار التلالي (الإحصاء)
653		1	_aNonparametric regression models _asemi parametric regression models _apartially linear model _aB-Splines _apartial residuals technique _akernel regression _aNadaraya–Watson estimator _aspline regression, _aleast trimmed squares (LTS)
700	0		_aMohamed Reda Abonazel _ethesis advisor.
900			_b01-01-2025 _cMohamed Reda Abonazel _UCairo University _FFaculty of Graduate Studies for Statistical Research (FGSSR) _DDepartment of Applied Statistics and Econometrics
905			_aShimaa _eEman Ghareb
942			_2ddc _cTH _e21 _n0
999			_c174625