000			06003namaa22004211i 4500
003			OSt
005			20251015123635.0
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.As.C
100	0		_aAshrakat Adel Saber Ali, _epreparation.
245	1	0	_aComparative study of different biased estimators for count regression models / _cby Ashrakat Adel Saber Ali ; Supervision Dr. Mohamed Reda Abonazel
246	1	5	_aدراسة مقارنة للمقدرات المتحيزة المختلفه لنماذج انحدار العد
264		0	_c2025.
300			_a87 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 70-78
520		3	_aMulticollinearity in generalized linear models (GLMs) is studied and contrasted with that in standard linear models. Ridge estimator, Liu estimator, Liu-type estimator, Jackknife ridge estimator and KL estimator to remedy the problem of multicollinearity are presented. These estimators are done for the Poisson model, COMPoisson model, zero-inflated Poisson model, negative binomial model and zero-inflated negative binomial model. The KL estimator is one of the estimators to handle the problem of multicollinearity. In terms of mean square error (MSE) criterion, the KL estimator performs better than the ML estimator. To assess the KL estimator in action, simulation studies and empirical applications are carried out. The ZIP, NB and ZINB are introduced with a KL estimator. This is performed through a simulation experiment with a real dataset and the optimal shrinkage parameter value.
520		3	_aتمت هذه الرسالة مناقشة مشكلة الإزدواج الخطى مع حلول هذه المشكلة خاصة فى النماذج الخطية المعمة، حيث أن المتغير التابع موزعا ضمن توزيعات العائلة الاسية، وتعتبر هذه النماذج تعميم للإنحدار الخطي. وتم استخدام بعض نماذج من نماذج الإنحدار في هذا البحث كالتالى: إنحدار بواسون Poisson regression وإنحدار كون واى ماكس ويل بواسونConway Maxwell Poisson regression وإنحدار بواسون متضخم الأصفارzero inflated Poisson regression وإنحدار بواسون مقطوع الأصفار zero truncated Poisson regression وشبه – انحدار بواسون Quasi-Poisson regression وشبه بواسون – انحدار ليندلى Poisson Quasi Lindley regression وإنحدار بواسون المعمم generalized Poisson regression وإنحدار ذى الحدين السالب negative binomial regression وإنحدار ذى الحدين السالب متضخم الأصفار zero inflated negative binomial regression وانحدار ذى الحدين السالب مقطوع الأصفار zero truncated negative binomial regression وشبه إنحدار ذى الحدين السالب quasi negative binomial regression . تم مناقشة بعض المؤشرات حول كيفية اكتشاف مشكلة الإزدواج الخطي في النموذج ومدى تأثيره على النموذج، وللحصول على مقدرات أعلى كفاءة، تم استخدام طرق التقدير المتحيزة وتم عرض بعض من المقدرات المتحيزة فى هذه الرسالة وهم مقدر الإنحدار الحرفى ridge estimator ومقدر Liu ومقدر Liu ثنائى المعلمة Liu-type estimatorومقدر كبريا ولقمان KL estimator . تمت مناقشة الخصائص الإحصائية لهذه المقدرات واساليب دمجها مع النماذج الخطية المعممة. تمت المقارنه بين هذه المقدرات نظريا واتضح أن مقدر كبريا ولقمان KL estimator هو الاكثر كفاءة والأفضل. في ظل وجود عوامل مختلفة مثل حجم العينة وعدد المتغيرات المستقلة ومقدار الارتباط بين المتغيرات المستقلة تم تصميم دراسة محاكاة واحدة Monte Carlo لنماذج الإنحدار الخطي المعمم وأوضحت النتائج أن المقدر كبريا ولقمان KL estimator أنه الأفضل بعد مقارنته بمقدر الإمكان الأعظم Maximum Likelihood ، حيث أوضح أيضا أنه يعطي أقل قيمة في متوسط مربع الأخطاء MSE . تم استخدام تطبيق واحد لبيانات حقيقية وكانت نتائجها مطابقة لنتائج دراسة المحاكاة. وأخيرا تم عرض مقدر كبريا ولمقان KL estimator مع نموذج كون واى ماكس ويل بواسون وتمت مقارنته مع مقدر الإمكان الأعظم من خلال دراسة محاكاة وتطبيقها على بيانات حقيقة وأوضح أن المقدر المقترح أكثر كفاءة
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aRegression analysis
650		0	_aتحليل الانحدار
653		1	_aKL estimator _aRidge estimator; _a Liu estimator; _aLiu-type estimator; _aNegative Binomial model _a Poisson model _a COMPoisson model
700	0		_aMohamed Reda Abonazel _ethesis advisor.
900			_b01-01-2025 _cMohamed Reda Abonazel _UCairo University _FFaculty of Graduate Studies for Statistical Research _DDepartment of Applied Statistics and Econometrics
905			_aShimaa _eEman Ghareb
942			_2ddc _cTH _e21 _n0
999			_c174632