Open AccessSOFTWARE PACKAGE FOR CONSTRUCTING LINEAR REGRESSION models USING THE MIXED ESTIMATION METHOD
Author(s) -
С. И. Носков,
К.С. Перфильева
Publication year - 2021
Publication title -
ûžno-sibirskij naučnyj vestnik
Language(s) - English
Resource type - Journals
ISSN - 2304-1943
DOI - 10.25699/sssb.2021.37.3.015
Subject(s) - ordinary least squares , software , consistency (knowledge bases) , software package , regression analysis , variables , linear regression , computer science , pipeline (software) , estimation , econometrics , mathematical optimization , statistics , engineering , mathematics , systems engineering , artificial intelligence , programming language
В статье описывается программный комплекс, обеспечивающий возможность оценивания параметров линейного регрессионного уравнения методами смешанного оценивания (МСО), наименьших квадратов (МНК) и модулей (МНМ), а также антиробастного оценивания (МАО). Разработанный программный комплекс применен для моделирования объема погрузки основных видов грузов железнодорожным транспортом, в качестве независимых переменных определены объемы погрузки конкурирующими видами транспорта. Это такие факторы, как перевозки автомобильным, морским, трубопроводным и внутренним водным транспортом. Проведён анализ полученных моделей, оценены значения критериев смещения, относительных ошибок аппроксимации, согласованности поведения. The article considers a software package that provides the ability to estimate the parameters of a linear regression equation using mixed estimation (MSO), least squares (OLS) and modules (MCM), as well as anti-blast estimation (MAO). The developed software package was used to model the volume of loading of the main types of cargo by rail, and the competing types of transportation in relation to rail transportation were selected as independent variables. These are such factors as transportation by road, transportation by sea, transportation by pipeline, transportation by inland water transport. The analysis of the obtained models is carried out, the bias criteria, the relative approximation errors, and the generalized behavior consistency criterion (RSPC) are evaluated.