انتخاب متغير با استفاده از رگرسيون انقباضي و كاربرد آن در داده هاي ريزآرايه

در مطالعات رگرسيوني، زماني كه بين متغيرهاي مستقل همبستگي بالايي وجود داشته باشد استفاده از روش هاي معمول از جمله روش كمترين مربعات معمولي باعث ناپايداري واريانس برآوردها مي شود. يك راه حل معمول، استفاده از روش كمترين مربعات جريمه دار است كه در آن براي مقادير بزرگ برآوردگرها، جريمه بالايي در نظر گرفته مي شود و به نوعي تغييرات برآوردگر تحت كنترل در مي آيد. مورد ديگر استفاده از رگرسيون جريمه دار در مدل هاي با ابعاد بالا يعني مدل هايي با تعداد زيادي متغير مستقل است. در اين مدل ها تلاش مي شود از ضرايب " نزديك به صفر " حتي الامكان صرف نظر گردد تا فقط متغيرهايي در مدل باقي بمانند كه تاثير كاملا معني داري در متغير وابسته دارند. در اين مقاله تلاش شده است ضمن مرور مختصري بر روش كمترين مربعات جريمه دار، رگرسيون جريمه دار و نحوه عملكرد اين روش در برازش مدل هايي با ابعاد بالا مورد مطالعه و بررسي قرار گيرد. با ارائه دو سري داده واقعي، درستي بعضي از روابط و برتري اين روش در مقايسه با ساير روش ها تحقيق شده است و سپس از برآوردهاي اين روش در تحليل داده ها مورد استفاده قرار گرفته است.

No abstract