تحلیل رگرسیون یکی از روش‌های متداول آماری در مدل‌سازی روابط بین متغیرهاست. لذا در رگرسیون دو موضوع  تعیین روابط بین متغیرها و تحلیل روابط حاصل مورد توجه قرار می‌گیرد.
در مسائل با بعد بالا وقتی تعداد متغیرها بیشتر از تعداد مشاهدات است، روش‌های معمول مانند رگرسیون کمترین توانهای دوم معمولی کارایی لازم را ندارند و روش‌های انقباضی، ازجمله لاسو، ریج و ... از کارایی بهتری در برآورد ضرایب رگرسیونی برخوردار هستند. در این برآوردگرها پارامتر کنترل نقش اساسی در انتخاب متغیرهای تبیینی و برآورد پارامترها بازی می‌کند. برآوردگرهای انقباضی بریج، برآوردگری است که با تغییر پارامتر کنترل آن می‌توان به برآوردگرهای ذکر شده دست یافت. در این مقاله برآوردگر انقباضی بریج از جمله لاسو و ریج را با برآوردگر لارس و کمترین توان‌های دوم معمولی مقایسه کرده و کارایی آنها  را با معیار میانگین توانهای دوم خطا مورد ارزیابی قرار می‌دهیم.
 

واژه‌های کلیدی: رگرسیون کمترین توانهای دوم معمولی، رگرسیون ریج، رگرسیون بریج، رگرسیون لاسو، رگرسیون لارس، پارامتر کنترل.

متن کامل [PDF 1733 kb]   (682 دریافت)