000			06499namaa22004211i 4500
003			EG-GICUC
005			20251101135203.0
008			251101s2025 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	_a519.5
092			_a519.5 _221
097			_aM.Sc
099			_aCai01.18.04.M.Sc.2025.As.S
100	0		_aAsmaa Ahmed Abu Hamed Gad EL-Mawla, _epreparation.
245	1	0	_aSome proposed estimators for gamma regression model / _cby Asmaa Ahmed Abu Hamed Gad EL-Mawla ; Supervised Dr. Mohamed Reda Abonazel.
246	1	5	_aبعض المقدرات المقترحة لنموذج انحدار جاما
264		0	_c2025.
300			_a120 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 100-108.
520		3	_aRegression models are vital statistical tools for examining relationships between a dependent variable and multiple independent variables. While linear regression is standard for continuous, normally distributed dependent variables, gamma regression is better suited for positive dependent variables following a gamma distribution. However, both models face challenges from multicollinearity, where high correlations among independent variables reduce the accuracy of parameter estimates and increase variance. This study introduces a new class of two-step shrinkage estimator, denoted as β ̂_GTSS, to address multicollinearity within the gamma regression model. The proposed estimator incorporates shrinkage techniques to enhance estimation accuracy, improve parameter precision, and effectively mitigate the adverse effects of multicollinearity. Its performance was evaluated through a Monte Carlo simulation study under varying conditions, including levels of correlation between independent variables and sample sizes. Comparisons were made against traditional estimation methods, such as maximum likelihood (ML) estimator, ridge estimator, Liu estimator, and the two-parameter estimator, using the mean squared error (MSE) criterion. The results demonstrated the superiority of the new estimator, particularly under severe multicollinearity, as it achieved the lowest MSE. Additionally, a real-world dataset analysis validated the practical effectiveness of the proposed estimator, showing substantial reductions in MSE. These findings highlight the estimator's potential to offer improved precision in parameter estimation, addressing a critical need for practitioners in this field.
520		3	_aتهدف هذه الرسالة إلى استكشاف مشكلة التعددية الخطية multicollinearityفي نموذج انحدار جاماgamma regression model وتقييم تأثيرها على دقة تقديرات معاملات المتغيرات التفسيريةexplanatory variables ومن ثم تقديم الحلول للمشكلة من خلال المقدرات المتحيزة في نموذج انحدار جاما. تُعتبر التعددية الخطية من التحديات الرئيسية التي يواجهها الباحثون في تحليل البيانات، حيث يتسبب الارتباط القوي بين المتغيرات المستقلة في تضخيم الأخطاء المعيارية وتقليص دلالة المعاملات الإحصائية. تسلط الرسالة الضوء على الأساليب المختلفة لرصد التعددية الخطية، مثل VIFوغيرها. تتناولالرسالة الطرق الممكنة للتعامل مع هذه المشكلة، بما في ذلك طرق التقدير المتحيزة Biased Estimation وذلك للحصول على تقديرات أعلى كفاءة، وتم التركيز في هذه الرسالة على مقدر مقدر الامكان الأعظم ML الغير متحيز واربعة مقدرات متحيزة وهم مقدر انحدار التلال Ridge regression ومقدر Liu و مقدر ثنائي المعلمة two – parameter estimator بالاضافة الى اقتراح مقدر جديد وهو new class of two – step shrinkage estimator . تمت دراسة الخصائص الاحصائية لهذه المقدرات وطرق تطبيقها في نموذج انحدار جاما، كما تمت مقارنة خصائص هذه المقدرات نظريا وتبين ان المقدر الجديد المقترح new class of two – step shrinkage estimator هو الأفضل وبناءا على ذلك تم الاعتماد عليه في التطبيق العملي. تمت دراسة الخصائص الإحصائية لهذه المقدرات، وجرى تقييم أدائها باستخدام دراسة محاكاة Monte Carloتحت ظروف متعددة، شملت قيمًا مختلفة لمعامل الارتباط بين المتغيرات المستقلة، وأحجام عينات متفاوتة، وأعدادًا مختلفة من المتغيرات المستقلة. أظهرت نتائج المحاكاة تفوق المقدر الجديد، حيث كان الأقل في متوسط مربع الأخطاءMean square error (MSE) مقارنة بالمقدرات الأخرى.علاوة على ذلك، تم اختبار المقدر الجديد باستخدام تطبيق عملي على بيانات حقيقية، وجاءت النتائج متوافقة مع نتائج دراسة المحاكاة، مما يؤكد كفاءة المقدر الجديد في التعامل مع مشكلة التعددية الخطية وتحقيق تقديرات أكثر دقة.
530			_aIssues also as CD.
546			_aText in English and abstract in Arabic & English.
650		0	_aStatistics Progra
650		0	_aبرامج الإحصاء
653		1	_aBiased estimators _agamma regression model _aLiu estimator _amaximum likelihood estimator _amean square error _aMonte Carlo simulation study; _amulticollinearity _anew class of two-step shrinkage estimator
700	0		_aMohamed Reda Abonazel _ethesis advisor.
900			_b01-01-2024 _cMohamed Reda Abonazel _UCairo University _FFaculty of Graduate Studies for Statistical Research (FGSSR) _DDepartment of Applied Statistics and Econometrics
905			_aShimaa
942			_2ddc _cTH _e21 _n0
999			_c175313