en معیارهای تأثیر در مدل‌های خطای اندازه‌گیری خطی ریج عمومى General پژوهشي Research <p dir="RTL" style="margin:0cmmargin-bottom:.0001pttext-align:justify direction:rtlunicode-bidi:embed">به‌طور معمول در مدل‌های خطی با خطا در اندازه‌گیری وقتی بین متغیرهای تبیینی پنهان هم‌خطی چندگانه وجود دارد شناسایی مشاهده‌های مؤثر دشوار است. همچنین در چنین مدل‌هایی برای اندازه‌گیری اثر هم‌خطی روی مشاهده‌ها، آماره‌های تأثیر معرفی نشده‌اند. در این مقاله نوعی براوردگر ریج بر اساس تابع درستنمایی تصحیح‌شده برای مدل‌های خطی با خطا در اندازه‌گیری تعریف شده است. در ادامه نشان خواهیم داد وقتی که از این نوع براوردگر برای کاهش هم‌خطی استفاده شود اثر هم‌خطی بر روی مشاهده‌های مؤثر به‌شدت تعدیل می‌شود. همچنین چند آماره‌ی تأثیر برای شناسایی مشاهده‌های مؤثر در مواجهه با چنین مدل‌هایی تعریف خواهیم کرد.<span dir="LTR" style="font-size:10.0ptfont-family:"><!--stripped--><!--stripped--></span></p> <p dir="ltr">Usually the existence of influential observations is complicated by the presence of collinearity in linear measurement error models. However no method of influence measure available for the possible effect&#39;s that collinearity can have on the influence of an observation in such models. In this paper, a new type of ridge estimator based corrected likelihood function (REC) for linear measurement error models is defined. We show when this type of ridge estimator is used to mitigate the effects of collinearity the influence of some observations can be drastically modified. We propose a case deletion formula to detect influential points in REC. As an illustrative example two real data set are analysed.&nbsp;</p> درستنمایی تصحیح‌شده, مبحث‌های تشخیصی, مشاهده‌های مؤثر, مدل‌های خطای اندازه‌گیری, براوردگرهای انقباضی. Corrected likelihood, diagnostics, leverage, measurement error models, shrinkage estimators. 39 56 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-3&slc_lang=en&sid=1 Hadi Emami هادی امامی h.emami@znu.ac.ir 1003194753284600788 1003194753284600788 Yes