دمج البوتستراب الاحتمالي الموزون مع طريقة لارس الحصينة لاختيار المُتغيّرات في أنموذج الانحدار الخطّي بوجود مشكلتي الأبعاد العالية والقيم الشاذّة

Authors

  • زينه حكمت عبد المنعم الأمير
  • أ. د. باسم شليبه مسلم

Keywords:

البوتستراب الاحتمالي الموزون، البوتستراب العادي ، الأبعاد العالية ، القيم الشاذّة ، طريقة LARS الحصينة

Abstract

تمّ في هذا البحث اقتراح خوارزمية  جديدة  لاختيار المُتغيّرات المهمّة في أنموذج الانحدار بوجود مشكلتي الأبعاد العالية والقيم الشاذّة، من خلال توظيف ودمج أسلوب البوتستراب الاحتمالي الموزون في طريقة لارس الحصينة  Weighted Bootstrap probability - Robust Least Angle Regression Selecting  واختصاراً (WBP-LARS)، ومقارنتها مع طريقة اختيار أخرى هي طريقة لارس الحصينة المعتمدة على أسلوب البوتستراب العادي والمعروفة اختصاراً  (B-LARS) تجريبياً بالمحاكاة وتطبيقياً بالاعتماد على بيانات حقيقية تتعلّق بالقيمة السوقية لبعض المصارف الأهلية في سوق الأوراق المالية للمدّة الزمنية 2010-2017.وقد تضمّنَتْ المقارنة في المحاكاة حالتين لعدد المُتغيّرات التوضيحية المطلوب اختيارها (K=5, K=7) فضلاً عن حالتين عندما    وأحجام عيّنات (50 ,70 ,20 ,26 ) وبقيمة ارتباط 0.95 وبنسب تلوّث مختلفة  وقد خَلُصَ البحث إلى استنتاجات أهمّها تحديد عدد المُتغيّرات المهمّة بين الأعداد  7-10 أفضلية طريقة (WBP-LARS) على طريقة (B-LARS) عندما . في حين ظهرت أفضلية بسيطة لطريقة (B-LARS) على الطريقة المقترحة عندما    وحجم العيّنة بعيد عن عدد المُتغيّرات الِكلّية في الأنموذج، ولكن تتقارب الكفاءة كلّما اقترب حجم العيّنة بشكل كبير من عدد المُتغيّرات، ويمكن أنْ يعتمد عليها في عملية الاختيار للمُتغيّرات في هذه الحالة

Downloads

Download data is not yet available.

Metrics

Metrics Loading ...

References

أولا :- المصادر العربية

- السراي ،علي حميد يوسف (2017) " استعمال المقدّرات الحصينة الجزائية لنموذج الانحدار الخطّي في ظلّ وجود مشكلتي الأبعاد والقيم الشاذّة مع تطبيق عملي " ، اطروحة دكتوراه ، كلّية الإدارة والاقتصاد – جامعة بغداد.

ثانياً :- المصار الاجنبية

- Alamgir, Salahuddin, Ali Amjad (2013) " Split Sample Bootstrap Method" World Applied Sciences Journal 21 (7): 983-993.

- Alfons, A., Ates ,N. Y. ,Groenen P J. F.(2022) " A Robust Bootstrap Test for Mediation Analysis" Organizational Research Methods, journals. sasepub. Com/home/otm, Vol. 25(3) 591–617.

- Alfons, A., Baaske, W.E., Filzmoser, P., Mader W., Wieser, R. (2011)" Robust variable selection with application to quality of life research" 20(1), 65–82.

- Barrera, M. S., Aelst S. V. (2008)" Robust model selection using fast and robust bootstrap" Computational Statistics and Data Analysis 52 , 5121–5135.

- Blaine, Bruce E. (2018). "Winsorizing." The SAGE Encyclopedia of Educational Research, Measurement, and Evaluation, 1817-1818. http://libguides.sjfc.edu/citations.

- Buhlmann , Peter. Geer, Sara (2011) " Statistics for High Dimensional Data Methods, Theory and Applications". Springer.

- Efron, B., Hastie, T., Johnstone I., Tibshirani, R. (2004)" LEAST ANGLE REGRESSION” The Annals of Statistics, vol. 32, No.2, 407-541.

- Farnè, Matteo, Vouldis Angelos T. (2018)" A methodology for automatised outlier detection in high-dimensional datasets: an application to euro area banks’ supervisory data" Working Paper Series, European Central Bank, No 2171.

- Filzmoser, Peter, Nordhausen, Klaus, ( 2021) " Robust linear regression for high-dimensional data: An overview " WIREs Comput Stat.;13:e1524.

- Hettigoda, Sandamala, (2016) "Computation of Least Angle Regression coefficient profiles and LASSO estimates.". Electronic Theses and Dissertations. Paper 2404. https://doi.org/10.18297/etd/240.

- Imon, A. H. M. R, Ali M. M.(2005)" Bootstrapping Regression Residuals" Journal of Korean Data & Information Science Society, Vol. 16, No. 3, pp. 665-682.

- Januaviani, T.M.A.,GusrianiN., Joebaedi, K., Supian, S., Subiyanto,(2019) " The Best Model of LASSO With The LARS (Least Angle Regression and Shrinkage) Algorithm Using Mallow’s Cp" World Scientific News 116 , 245-252 .

- Khan J. A., Aelst, S. V., Zamar, R. H.(2007) " Robust Linear Model Selection Based on Least Angle Regression " Journal of the American Statistical Association ,Vol. 102, No. 480, 1289-1299.

- Lindskou, M., Tvedebrink, T., Eriksen, P.S., Morling, N. (2021)" Detecting Outliers in High-Dimensional Data with Mixed Variable Types Using Conditional Gaussian Regression Models"arXiv:2103.02366v3 [math.ST].

- Mami, A. M., Jaber, A. M., Almabrouk, O. S. (2020)" Applying Bootstrap Robust Regression Method on Data with Outliers" International Journal of Sciences: Basic and Applied Research (IJSBAR) Volume 49, No 1, pp 143-160.

- Midi. H., Uraibi, H.S., Talib, B.A. (2009)" Dynamic Robust Bootstrap Method Based on LTS Estimators " European Journal of Scientific Research, Vol.32 No.3, pp.277-287.

- Mohamad, M, Ramli, N. M., Ghani, N. A. M.(2016) " Weighted Split Sample Bootstrap for Regression Models with High Dimensional Data" Indian Journal of Science and Technology, Vol 9(28) .

- Ramli, Norazan M., Midi Habshah, Imon, A. H. M. R. (2009)" Estimating Regression Coefficients using Weighted Bootstrap with Probability" Wseas Transactions on Mathematics, Issue 7, Volume 8, 362-371.

- Rana Sohel, Midi, Habshah, Imon, A. H. M. R. (2012) " Robust Wild Bootstrap for Stabilizing the Variance of Parameter Estimates in Heteroscedastic Regression Models in the Presence of Outliers" Mathematical Problems in Engineering Volume 2012, Article ID 730328, 14 pages.

- Susanti, Yuliana, Pratiwi , Hasih, Sulistijowati, Sri, Liana ,Twenty (2014) " M ESTIMATION, S ESTIMATION, AND MM ESTIMATION IN ROBUST REGRESSION" International Journal of Pure and Applied Mathematics , Volume 91 No. 3, 349-360.

Published

2023-06-24

How to Cite

زينه حكمت عبد المنعم الأمير, & أ. د. باسم شليبه مسلم. (2023). دمج البوتستراب الاحتمالي الموزون مع طريقة لارس الحصينة لاختيار المُتغيّرات في أنموذج الانحدار الخطّي بوجود مشكلتي الأبعاد العالية والقيم الشاذّة. Al Kut Journal of Economics and Administrative Sciences, 15(47), 407 – 433. Retrieved from https://kjeas.uowasit.edu.iq/index.php/kjeas/article/view/571