AbstractThe study aims to illustrat

Abstract
The study aims to illustrate the negative effect of the Multicollinearity problem upon the
specimen, identify the way of Ridge Regression as a way to deal with the Multicollinearity
problem, focus on some of the estimators of Ridge regression as (James and Stein,
Bhattacharya, Heuristic) and identify which estimator from the previously mentioned
estimators is highly preferable to be used, to estimate the parameters of a model which
faces the Multicollinearity problem. Minimum mean-square error (MSE) has been used
as the best measure for estimator. Application has been done on specific data for return on
total assets of a bank after making sure that this data faces the Multicollinearity problem.
Also, simulation method was used to generate fabricated data sets, which gave more space
in the application. According to the study we can see that James and Stein’s estimator has
got the minimum mean square error (MSE). Consequently the study recommends its usage
to estimate model parameters which face the Multicollinearity problem.

ผลลัพธ์ (ไทย) 1:

บทคัดย่อการศึกษามีวัตถุประสงค์เพื่อแสดงให้เห็นถึงผลกระทบเชิงลบของปัญหา Multicollinearity เมื่อการตัวอย่าง ระบุวิธีการของริดจ์ถดถอยเป็นวิธีการจัดการกับการ Multicollinearityปัญหา เน้นบางส่วนของ estimators ของถดถอยริดจ์ (เจมส์และสไตน์ตฤณากุล วริ) และระบุประมาณซึ่งจากที่กล่าวถึงก่อนหน้านี้estimators เป็นที่นิยมสูงในการใช้ การประเมินค่าพารามิเตอร์ของแบบจำลองซึ่งเผชิญปัญหา Multicollinearity มีการใช้ขั้นต่ำหมายถึงตารางข้อผิดพลาด (MSE)เป็นการวัดที่ดีที่สุดประมาณ โปรแกรมประยุกต์ทำการบนข้อมูลที่เฉพาะเจาะจงสำหรับ return บนสินทรัพย์รวมของธนาคารหลังจากการตรวจสอบให้แน่ใจว่า ข้อมูลนี้เผชิญปัญหา Multicollinearityยัง วิธีจำลองถูกใช้เพื่อสร้างชุดข้อมูลประดิษฐ์ ซึ่งทำให้พื้นที่มากขึ้นในแอพลิเคชัน ตามการศึกษา เราจะเห็นว่า มีเจมส์และสไตน์ของประมาณมีข้อผิดพลาดขั้นต่ำหมายถึงสแควร์ (MSE) ดังนั้น การศึกษาแนะนำการใช้งานของการประเมินรูปแบบพารามิเตอร์ที่เผชิญปัญหา Multicollinearity

ผลลัพธ์ (ไทย) 2:

บทคัดย่อ
การศึกษามีวัตถุประสงค์เพื่อแสดงให้เห็นถึงผลกระทบจากปัญหาพหุบน
ชิ้นงานที่ระบุวิธีการริดจ์ถดถอยเป็นวิธีที่จะจัดการกับพหุ
ปัญหาเน้นบางประมาณของการถดถอยริดจ์เป็น (เจมส์และสไตน์
Bhattacharya, Heuristic) และระบุว่าประมาณการจากที่กล่าวมาแล้ว
ประมาณเป็นที่นิยมอย่างมากที่จะนำมาใช้ในการประมาณพารามิเตอร์ของแบบจำลองซึ่งเป็น
ใบหน้าปัญหาพหุ ขั้นต่ำเฉลี่ยตารางข้อผิดพลาด (MSE) ได้ถูกนำมาใช้
เป็นมาตรการที่ดีที่สุดสำหรับการประมาณการ แอพลิเคชันได้รับการดำเนินการเกี่ยวกับข้อมูลที่เฉพาะเจาะจงสำหรับผลตอบแทนจาก
สินทรัพย์รวมของธนาคารหลังจากที่การทำให้แน่ใจว่าข้อมูลนี้ใบหน้าปัญหาพหุ.
นอกจากนี้วิธีการจำลองแบบถูกนำมาใช้ในการสร้างการประดิษฐ์ชุดข้อมูลที่ให้พื้นที่มากขึ้น
ในการประยุกต์ใช้ อ้างอิงจากการศึกษาเราจะเห็นว่าเจมส์และประมาณการของสไตน์ยัง
มีข้อผิดพลาดขั้นต่ำตารางค่าเฉลี่ย (MSE) ดังนั้นการศึกษาแนะนำการใช้งาน
ในการประมาณพารามิเตอร์แบบซึ่งเผชิญกับปัญหาพหุ

ผลลัพธ์ (ไทย) 3:

บทคัดย่อการวิจัยนี้มีวัตถุประสงค์เพื่อแสดงให้เห็นถึงผลกระทบของปัญหาข้อมูลบนตัวอย่าง ระบุวิธีการจ๋าเป็นวิธีการจัดการกับข้อมูลปัญหา เน้นบางตัวประมาณริดจ์ ถดถอย ( เจมส์ และ สไตล์bhattacharya ) ) , และระบุซึ่งประมาณการจากที่กล่าวถึงก่อนหน้านี้ประมาณราคาสูงเป็นที่นิยมใช้เพื่อประมาณค่าพารามิเตอร์ของแบบจำลองที่ใบหน้าปัญหาค่า . ขั้นต่ำ Mean Square Error ( MSE ) ได้ถูกใช้เป็นวิธีที่ดีที่สุดเพื่อประเมินราคา โปรแกรมได้ถูกทำบนข้อมูลที่เฉพาะเจาะจงสำหรับผลตอบแทนสินทรัพย์รวมของธนาคารหลังจากที่แน่ใจว่าข้อมูลนี้ยังคงปัญหาค่า .นอกจากนี้ วิธีการจำลองที่ใช้ในการสร้างประดิษฐ์ชุดข้อมูล ซึ่งให้พื้นที่มากขึ้นในการสมัคร จากการศึกษาจะเห็นได้ว่า เจมส์ และ สไตน์ของประมาณการได้มีขั้นต่ำ Mean Square Error ( MSE ) ผลการศึกษาแนะนำการใช้ของประมาณค่าพารามิเตอร์ของตัวแบบซึ่งประสบปัญหาค่า .