Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Advancement of Computing Methodology, Data Analysis, Enterprise Operation Management and Decision Support System Based on the Eleventh ICMSEM Proceedings Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

A Comparison of Pretest, Stein-Type and Penalty Estimators in Logistic Regression Model

verfasst von : Orawan Reangsephet, Supranee Lisawadi, Syed Ejaz Ahmed

Erschienen in: Proceedings of the Eleventh International Conference on Management Science and Engineering Management

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Various estimators are proposed based on the preliminary test and Stein-type strategies to estimate the parameters in a logistic regression model when it is priori suspected that some parameters may be restricted to a subspace. Two different penalty estimators as LASSO and ridge regression are also considered. A Monte Carlo simulation experiment was conducted for different combinations, and the performance of each estimator was evaluated in terms of simulated relative efficiency. The positive-part Stein-type shrinkage estimator is recommended for use since its performance is robust regardless of the reliability of the subspace information. The proposed estimators are applied to a real dataset to appraise their performance.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Advancement of Computing Methodology, Data Analysis, Enterprise Operation Management and Decision Support System Based on the Eleventh ICMSEM Proceedings
Nächstes Kapitel Multi-objective Job Shop Rescheduling with Estimation of Distribution Algorithm
Literatur
1.
Ahmed SE (1992) Shrinkage preliminary test estimation in multivariate normal distributionsm. J Stat Comput Simul 43(3–4):177–195
2.
Ahmed SE, Amezziane M (2016) Shrinkage-based semiparametric density estimation. Statistical Methodology
3.
Ahmed SE, Raheem E, Hossain S (2011) Absolute Penalty Estimation. Springer International Encyclopedia of statistical science, New York
4.
Ahmed SE, Yüzbaşı B (2016) Big data analytics: integrating penalty strategies. International Journal of Management Science & Engineering Management 11(2016):105–115
5.
Al-Momani M, Hussein AA, Ahmed SE (2016) Penalty and related estimation strategies in the spatial error model: estimation strategies in sem model
6.
Gao X, Ahmed SE, Feng Y (2016) Post selection shrinkage estimation for high-dimensional data analysis. Appl Stoch Models Bus Ind
7.
Gourieroux CS, Monfort A (1981) Asymptotic properties of the maximum likelihood estimator in dichotomous logit models. J Econometrics 17(1):83–97
8.
Hilbe JM (2009) Logistic Regression Models. Chapman and Hall, Boca Raton
9.
Hoerl AE, Kennard RW (2000) Ridge regression: biased estimation for nonorthogonal problems. Technometrics 42(1):80–86
10.
Hosmer DW, Lemeshow S (2000) Applied Logistic Regression. Wiley
11.
Hossain S, Ahmed S (2014) Shrinkage estimation and selection for a logistic regression model
12.
Hossain S, Ahmed SE, Doksum KA (2014) Shrinkage, pretest, and penalty estimators in generalized linear models. Stat Methodol 24(2):52–68
13.
Lisawadi S, Shah MKA, Ahmed SE (2016) Model selection and post estimation based on a pretest for logistic regression models. J Stat Comput Simul 86(17):1–17
14.
Rossouw JE, Du PJ, et al (1983) Coronary risk factor screening in three rural communities. The CORISs baseline study. S Afr Med J 64(12):430–436
15.
Tibshirani R (2011) Regression shrinkage and selection via the lasso. J Roy Stat Soc 58(3):267–288
16.
Yüzbaşı B, Ahmed SE (2015) Shrinkage ridge regression estimators in high-dimensional linear models. Springer, Heidelberg
17.
Yüzbaşı B, Ahmed SE (2016) Shrinkage and penalized estimation in semi-parametric models with multicollinear data. J Stat Comput Simul
Metadaten
Titel
A Comparison of Pretest, Stein-Type and Penalty Estimators in Logistic Regression Model
verfasst von
Orawan Reangsephet
Supranee Lisawadi
Syed Ejaz Ahmed
Copyright-Jahr
2018
Buch
Proceedings of the Eleventh International Conference on Management Science and Engineering Management

Print ISBN: 978-3-319-59279-4

Electronic ISBN: 978-3-319-59280-0

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-319-59280-0_2

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise