كاربرد تابع درستنمايي تجربي در برآورد ضرايب رگرسيوني خطي با استفاده از روش هاي انقباضي

اصفهان : دانشگاه صنعتي اصفهان

آمار

كارشناسي ارشد

در بسياري از مطالعه هاي اخير، مدل هاي رگرسيوني اغلب همراه با تعداد متغيرهاي پيشگو زيادي هستند، كه در اين گونه مسائل استفاده از روش هاي ابتدايي مانند روش كمترين مربعات خطا كار ساز نبوده و بايد از رگرسيون تاوانيده 8 استفاده كرد. از جمله اين روش ها نيز مي توان به روش هاي رگرسيوني ريچ 9، لاسو 10 و الاستيك نت 11 اشاره كرد كه در روش و Yi لاسو علاوه بر انتخاب متغير 12 به براورد پارامترهاي مدل رگرسيوني مي پردازد. فرض كنيد ارتباط بين متغير وابسته به صورت زير است، Xij متغيرهاي پيشگو 13 yi = β0 + Xp j=1 βjxij ; i = 1, · · · , n, (2) تا مي شود k برابر β ها و 0 βj . ضرايب رگرسيوني مدل هستند ،j = 1, ..., p ، ها βj عرض از مبدا 14 و β كه در آن 0 با ،(n ≥ p) مي باشد، در اين مدل رگرسيوني اگر تعداد مشاهدات بيشتر از تعداد متغيرهاي پيشگو باشد k = P + كه 1 بعدي −(p+ 30 ]ارائه شد، بهترين خط در فضاي( 1 ]( استفاده از روش كمترين مربعات كه توسط فرانك و فرديمن( 1993 را مي توان بدست آورد. اما در حالت هاي كه تعداد متغيرهاي پيشگو (متغيرها مستقل)، بيشتر از تعداد نمونه هاي جمع آوري شده باشد( به طوري كه حجم عظيمي از داده هاي عصر جديد به اين صورت هستند، به طور مثال مي توان به تعداد متغيرها براي شناسايي ژن هاي موجود در بدن انسان نام برد) آن گاه استفاده كردن از روش كمترين مربعات 15 ديگر كارسازنيست.

211995

آمار اقتصادي و اجتماعي

رياضي

دانشگاه صنعتي اصفهان

حامد لروند، مريم كلكين نما

زهرا صابري