چکیده:
تم فی هذا البحث معالجة مشکلة تعدد العلاقة الخطیة بین المتغیرات التوضیحیة فی أنموذج الانحدار المتعدد مستخدمین طریقة انحدار الحرف المعدلةء وکان الباحث Swindle (1976) أول من قدمها، وتستند علی إضافة معلومات مسبقة عن متجه المعلمات B إلی المقدر الذی دمه) 1970 (Kennard مد Hor! وثم اخثیارنا لتلک المعلومات المسبقة لتمثل متجه الوسط الحسابی لمکونات متجه مقدر المربعات الصغری للمتجه Bوتم تحدید القیمة المثلی لعامل الحرف للطریقة المعدلة والتی تجعل متوسط مربعات الخطأ للمقدر النائج أقل ما یمکن. أجریت مقارنة بین مقدرات المربعات الصغری ومقدرات انحدار الحرف المعدلة لبیانات تم تولیدها بأسلوب مونت کارلو لخمسة عشر متغیراً توضیحیاً بأحجام عینات مختلفة وبافتراض قیم مختلفة لمعاملات ارتباطات بسیطة وباختیار قیم مختلفة للمتجه B و Q وتحتث هذه الافتراضات استنتجنا أن طریقة الحرف المعدلة أفضل من طریقة المربعات الصغری.
In this paper, the problem of combating multicollinearity between predictor variables
in multiple linear regression model has been studied. This treatment has been done by using
the adjusted ridge regression which is suggested by Swindle (1976). This method depends
on adding a vector of prior information about the vector of regression parameters b to the
estimator proposed by (Hoerl & Kennard, 1970). We selected the vector of prior
information to represent the average of Ordinary Least Squares estimator for b . The
optimal value for ridge parameter that makes the mean square error of the adjusted
estimator minimum has been selected. A comparison between the ordinary least squares
and the adjusted estimators has been done. A Monte Carlo simulation is made for 15
predictor variables by choosing different sample sizes simple correlation coefficients, b and
s2 and we concluded that the adjusted estimators is better than the ordinary least squares
estimators .