قیمت: 15,000 تومان

دانلود رایگان اصل مقاله

نام فارسی

تعیین رابطه گنگی در مدل های رگرسیون: نمونه ای از نظارت بر توانایی پرداخت بیمه گر در آلمان

نام لاتین

Detecting fuzzy relationships in regression models: The case of insurer solvency surveillance in Germany

مشخصات کلی

سال انتشار سال 2010
کد 1620
فرمت فایل word
تعداد صفحات ترجمه 15
اصل مقاله لاتین رایگان است
منبع ScienceDirect
نام مجله Insurance: Mathematics and Economics

چکیده فارسی

ما تستی برای گنگی ضرایب رگرسیون بر پایه مدل های رگرسیون گنگ ممکن تاناکا (1982) و هه (2007) انجام دادیم. پراکندگی ضرایب رگرسیون را به عنوان اندازه گیری های آماری گنگی رابطه بین متغیر مستقل و متغیر وابسته یافتیم. ما توزیع تست را بر پایه فرضیه های بی ارزش، که پراکندگی ها از تخمین رگرسیون ممکن که داده های آن از مدل رگرسیون کلاسیک با خطاهای تصادفی به دست آمده بودند، استنباط کردیم. برای مثال، نشان می دهیم که تست ما چگونه یک ضریب رگرسیون گنگ را در مدل پیش بینی توانایی پرداخت برای شرکتهای بیمه آلمان، مشخص می کند.

چکیده لاتین

Wedevelop a test for the fuzziness of regression coefficients based on the Tanaka et al. (1982) and He et al. (2007) possibilistic fuzzy regression models. We interpret the spread of the regression coefficients as a statistic measuring the fuzziness of the relationship between the corresponding independent variable and the dependent variable. We derive test distributions based on the null hypothesis that such spreads could have been obtained by estimating a possibilistic regression with data generated by a classical regression model with random errors. As an example, we show how our test detects a fuzzy regression coefficient in a solvency prediction model for German propertyliability insurance companies.

خرید و دانلود ترجمه این مقاله:

روی دکمه افزودن به سبد خرید کلیک کنید. مقاله به سبد خرید شما که در ستون سمت راست صفحه قرار دارد افزوده می شود. سپس روی دکمه اتمام خرید و پرداخت کلیک نمایید، پس از پرداخت بلافاصله به سایت بازگشته و می توانید فایل خود را دانلود کنید.

دیدگاهی بنویسید