Linear Regression

در رگرسیون خطی برآوردگر حداقل مربعات معمولی نقش اصلی را ایفا می‌کند و گاهی ممکن است تصور شود که تنها برآوردگر معقول و کاربردی موجود است. با این وجود، جایگزین های مختلفی وجود دارد که در موقعیت های خاص مفید هستند. هدف و دامنه. این کتاب با هدف ارائه یک بررسی جامع از روش های مختلف تخمین نقطه ای در رگرسیون خطی همراه با پیشینه نظری در سطح دروس پیشرفته است. علاوه بر استفاده احتمالی آن به عنوان یک همراه برای دوره های خاص، باید برای اهداف مطالعه بیشتر، ارائه توضیحات مفصل در مورد بسیاری از موضوعات در این زمینه مفید باشد. مثال‌های عددی و گرافیک‌ها به تعمیق بینش در خصوص ویژگی‌های روش‌های ارائه‌شده کمک می‌کنند. به منظور مهار خود، نظریه پایه مدل های رگرسیون خطی و حداقل مربعات ارائه شده است. مبانی تئوری تصمیم گیری و جبر ماتریس نیز گنجانده شده است. با این حال، به نظر می رسد برخی از دانش اولیه قبلی برای خواندن و درک آسان لازم باشد.

In linear regression the ordinary least squares estimator plays a central role and sometimes one may get the impression that it is the only reasonable and applicable estimator available. Nonetheless, there exists a variety of alterna­ tives, proving useful in specific situations. Purpose and Scope. This book aims at presenting a comprehensive survey of different point estimation methods in linear regression, along with the the­ oretical background on a advanced courses level. Besides its possible use as a companion for specific courses, it should be helpful for purposes of further reading, giving detailed explanations on many topics in this field. Numerical examples and graphics will aid to deepen the insight into the specifics of the presented methods. For the purpose of self-containment, the basic theory of linear regression models and least squares is presented. The fundamentals of decision theory and matrix algebra are also included. Some prior basic knowledge, however, appears to be necessary for easy reading and understanding.