@article { author = {Arabpoor, Alireza and Amini, Mahdieh}, title = {Multiple Linear Coping Methods in Fuzzy Linear Regression Models with Fuzzy Inputs and Outputs}, journal = {Fuzzy Systems and its Applications}, volume = {3}, number = {2}, pages = {29-57}, year = {2020}, publisher = {Iranian Fuzzy Systems Association}, issn = {2717-4409}, eissn = {2717-3984}, doi = {20.1001.1.27174409.1399.3.2.2.9/DOR}, abstract = {The existence of multiple alignments in multiple regression models affects the estimation of regression coefficients, therefore, a proper and expressive interpretation of the regression model is not obtained. In this paper, we use the fuzzy principal component regression method to deal with multiple alignment problems in fuzzy regression models with fuzzy inputs and outputs. We also introduce the methods of coping with multiple linearity and finally provide numerical examples that show the effect of using methods of coping with multiple linearity.}, keywords = {Multiple Linear Fuzzy,Regression of Principal,components}, title_fa = {روش های مقابله با هم خطی چندگانه در مدل های رگرسیون خطی فازی با ورودی و خروجی فازی}, abstract_fa = {وجود هم خطی چندگانه در مدل های رگرسیون چند گانه برآورد ضرایب رگرسیونی را تحت تاثیر قرار می‌دهد به همین علت تفسیر مناسب و گویایی از مدل رگرسیونی بدست نمی‌آید. در این مقاله از روش رگرسیون مؤلفه‌های اصلی فازی برای مواجه با مشکل هم خطی چندگانه در مدل‌های رگرسیون فازی با ورودی و خروجی فازی استفاده می‌کنیم. همچنین روش‌های مقابله با هم خطی چندگانه را معرفی می‌کنیم و در نهایت مثال‌های عددی ارایه می‌دهیم که تاثیر به کارگیری روش‌های مقابله با هم خطی چندگانه را نشان می‌دهد.}, keywords_fa = {رگرسیون فازی,همخطی چندگانه,مولفه های اصلی}, url = {https://jfsa.fuzzy.ir/article_129692.html}, eprint = {https://jfsa.fuzzy.ir/article_129692_f34d3b7ff037e2bc6d9ee15ad269502e.pdf} }