استعمال طريقة انحدار لاسو البيانية الممكنة FGLasso لتقدير معالم نموذج الانحدار الخطّي العام في ظلّ وجود بيانات عالية الأبعاد مع تطبيق

Authors

  • محمد جاسم فرحان
  • أ.م. د. أحمد مهدي صالح

Keywords:

لاسو البيانية الممكنة ، الأبعاد الكبيرة ، التلوّث

Abstract

تُعدّ مشكلة الأبعاد الكبيرة من المشاكل المهمّة التي تعاني منها البيانات، فبوجود بيانات عالية الأبعاد نموذج الانحدار الخطّي العام تزداد صعوبة استعمال طرائق التقدير الكلاسيكية كطريقة الإمكان الأعظم أو طريقة العزوم، إذْ تقود هذه الطرائق إلى تقديرات متحيّزة وغير كفؤة لتقدير معالم النموذج. وهنا دعت الحاجة إلى استعمال طرائق أخرى لتقدير معالم نموذج الانحدار الخطّي العام. وفي بحثنا هذا تَمَّ استعمال طريقتين هما: طريقة SICA Smooth Integration of Counting Absolute Deviation ،  وكذلك تَمّ استعمال طريقة لاسو البيانية الممكنة FGLasso ، وتمّ استعمال بيانات محاكاة، وكذلك بيانات حقيقية تُمثّل مستوى التلوّث في نهر دجلة. تَمَّتْ مقارنة النتائج باستعمال متوسّط مربّعات الخطأ MSE، و أظهرت النتائج أفضلية مقدّر FGLasso .

Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

References

References.

. Buhlmann. P, Van De Geer. S, “ Statistics for High-Dimensional Data: Methods, Theory and Applications” Springer, 2011.

. Fan. Y, Lv. J, “Sure Independence Screening for Ultra-High Dimensional Feature Space” Royal Statistical Society, Vol. 70, Issue. 5, pp. 849-911, 2008.

. Hoerl. A, Kennard. R, ”Ridge Regression: Biased Estimation for Nonorthogonal Problems” Technometrics, Vol. 12, No. 1, pp. 55-67, 1970.

. James. W, Stein. C, “Estimation with Quadratic loss” Proceedings 4th Berkeley Symposium, pp. 361-379, 1961.

. Khorshed. E, Abood, S, “Comparison between the Methods of Ridge Regression and Liu Type to Estimate the Parameters of the Negative Binomial Regression Model Under Multicollinearity Problem by Using Simulation” Journal of Economics and administrative Science, Vol. 24, No. 109, pp. 515-534, 2018.

. Mohammed. L, Khadhm. S, “Estimate Kernel Ridge Regression Function in Multiple Regression” Journal of Economics and administrative Science, Vol. 24, No. 103, pp. 411-419, 2018.

. Nikolova. M, “Local Strong Homogeneity of Regularized Estimator” SIAM Journal of Applied Mathematics, Vol. 61, No. 1, pp. 633-658, 2000.

. Pesaran. M, Smith. R, “Signs of Impact Effects in Time Series Regression Models” Economics Letters, Vol. 122, pp. 150-153, 2014.

. Salih. A, Hmood. M, “Analyzing big data sets by using different panelized regression methods with

application: surveys of multidimensional poverty in Iraq” Periodicals of Engineering and Natural Sciences.

Vol. 8, No. 2, pp. 991-999, 2020.

. Salih. A, Hmood. M, “Big Data Analysis by Using One Covariate at a Time Multiple Testing (OCMT) Method: Early School Dropout in Iraq” Int. J. Nonlinear Appl. Issue. 12, No. 2, pp. 931-938, 2021.

. Van Der Vaart. A, “Asymptotic Statistics” Cambridge: Cambridge Series in Statistical and Probabilistic Mathematics, 1998.

. Xu. K, “A new nonparametric test for high-dimensional regression Coefficients’ Journal of Statistical Computation and Simulation, Vol. 5, pp. 855-867, 2017.

Published

2023-09-22

How to Cite

محمد جاسم فرحان, & أ.م. د. أحمد مهدي صالح. (2023). استعمال طريقة انحدار لاسو البيانية الممكنة FGLasso لتقدير معالم نموذج الانحدار الخطّي العام في ظلّ وجود بيانات عالية الأبعاد مع تطبيق . Al Kut Journal of Economics and Administrative Sciences, 15(48), 321–331. Retrieved from http://kjeas.uowasit.edu.iq/index.php/kjeas/article/view/621