روش هاي تحليل رگرسيوني براي داده هاي بعد بالا

با پيشرفت علم، دانش و تكنولوژي، روش هاي جديد و جامع براي اندازه گيري، جمع آوري و ثبت اطلاعات ابداع شده اند، كه منجر به ظهور و توسعه داده هاي بعد بالا شده اند. مجموعه داده هاي بعد بالا، يعني مجموعه داده هايي كه در آن تعداد متغيرهاي توضيحي بسيار بزرگتر از تعداد مشاهدات است، به سادگي و با روش هاي سنتي و كلاسيك، مانند روش كمترين توان هاي دوم معمولي، نمي توانند تحليل شوند و تفسيرپذيري آن امري بسيار پيچيده خواهد بود. اگرچه در صورتيكه فرضيات اساسي برقرار باشند، برآورد كمترين توان هاي دوم معمولي بهترين روش برآورد در تحليل رگرسيوني است ولي براي داده هاي بعد بالا قابل استفاده نبوده و در اين شرايط مستلزم به كارگيري روش هايي نويني هستيم. در اين مقاله در ابتدا، به مشكلات روش هاي كلاسيك در تحليل داده هاي بعد بالا اشاره مي شود و سپس، به معرفي و توضيح روش هاي تحليل رگرسيوني متداول و امروزي مانند روش هاي تحليل مولفه اصلي و تاوانيده براي داده هاي بعد بالا پرداخته مي شود. در انتها يك مطالعه شبيه سازي براي بررسي و مقايسه روش هاي اشاره شده در داده هاي بعد بالا انجام مي گردد.