TY - JOUR T1 - a simulation comparison of Ridge regression estimators with Lars TT - مقایسه شبیه سازی برآوردگرهای رگرسیونی بریج و لارس JF - khu-mmr JO - khu-mmr VL - 8 IS - 2 UR - http://mmr.khu.ac.ir/article-1-2942-fa.html Y1 - 2022 SP - 152 EP - 164 KW - Ridge Regression KW - Bridge Regression KW - Lasso Regression KW - LARS Regression KW - Tuning Parameter KW - Ordinary Least Squares Error Regression. N2 - 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. M3 ER -