دراسة مقارنة بين طريقة ( لاسو – ماف ) وطريقة ( لاسو التكيفيه – ماف )  لاختيار المتغير في نماذج المؤشر الواحد شبه المعلميه

طارق عزيز صالح

المؤلفون

طارق عزيز صالح

الكلمات المفتاحية:

انموذج المؤشر الواحد، ختيار المتغير، مشكلة الابعاد، طريقة ماف، طريقة لاسو – ماف، طريقة لاسو التكيفية – ماف

الملخص

ان نماذج المؤشر الواحد شبه المعلميه هي ادوات مهمة واساسية لمعالجة مشكلة الابعاد العالية اذ تلعب دوراً مهماً في عملية بناء الانموذج واختيار المتغيرات المعنويه . وفي هذا البحث تم استعمال بعض اساليب اختيار المتغير التلقائي الحديثة والتي تعمل على تقدير متجه المعلمات β ودالة الربط g (X^T β ) واختيار المتغير في آن واحد لنماذج المؤشر الواحد شبه المعلميه وهي طريقة (LASSO – MAVE) وطريقة )MAVE- (Adaptive LASSO بهدف تحسين دقة وتنبؤ الانموذج ومن اجل تحقيق هذا الهدف تم اجراء تجارب المحاكاة لبيان افضلية الطرائق المستعملة في تقدير واختيار المتغير للانموذج قيد الدراسة وباستعمال نماذج مختلفة , تباينات مختلفة , وحجوم عينات مختلفة وقيم ارتباط مختلفة فضلاً عن استخدام البيانات الحقيقية المتمثلة بالعوامل المؤثرة في القيمة السوقية للسهم لقطاع المصارف في سوق العراق للاوراق المالية لغرض المقارنة والتحقق من اداء هذه الطرائق في الواقع العملي . وتم التوصل عن طريق تجارب المحاكاة والبيانات الحقيقية الى استنتاجات بينت افضلية طريقة MAVE)- (LASSO اذ اعطت نتائج افضل من طريقة LASSO – MAVE) (Adaptive بالاعتماد على المعيارين معدل متوسط مربعات الخطا (AMSE) ومعدل متوسط الخطا المطلق (AMAE) اساساً للمقارنة وتم الحصول على النتائج بالاعتماد على برنامج (R-package).

المراجع

. حمود , مناف يوسف , (2013) , " حول الانموذج احادي المؤشر شبه المعلمي ", قبول للنشر في مجلة العلوم الاحصائية , المعهد العربي للبحوث الاحصائية .

شهاب , طارق عزيز صالح , (2016) ," بعض الطرائق شبه المعلميه في تقدير واختيار المتغير لانموذج المؤشر الواحد " , اطروحة دكتوراه فلسفة في الاحصاء , كلية الادارة والاقتصاد , جامعة بغداد .

Al – kenani ,A ., and Yu , K . (2013) , “Penalized single Index

quantile regression “ . International Journal of statistics and probability, vol.2 , No.3 , pp. 12-30 .

Akkus ,O . (2011) , “ Xplore package for the popular parametric and semi-parametric single index models “ .Journel of science ,vol.24 , No.4, pp. 753-762 .

Cassotti , M., and Grisoni , F.(2012) , “ variable selection methods : an introduction “ . Milano chewometrics and QSAR . research group ,department of environmental sciences , University of Milano-Bicocco. (Italy) .www.molecular descriptors .eu

Chand , S., and Kamal , S .(2011) , “ variable selection by lasso – type method “ . Pakistan Journal of statistics and operation research , pp. 451-464

Chen , S.X.(2002) , “ local linear smoothers using asymmetric kernels “ . Annals of the institute of statistical mathematics , vol.54 , No.2 , pp. 312-323

Hardle ,W., Hall , P., and Ichimura ,H.(1993) , “ optimal smoothing in single index models “ . the Annals of statistics , vol.21 , pp. 157-178 .

Huang , J., Ma , S., and Zhang , C.H. (2008) , “ Adaptive lasso for sparse high- dimensional regression models “ . statistica sinica 18 , pp . 1603- 1618 .

Kong , E ., Xia , Yi . (2007) , “ variable selection for the single index model “ . Biometrika 94 , pp. 217-229 .

Liu , X . (2011) , " penalized variable selection for semiparametric regression models " . submitted in partial fulfillment of the requirements for the degree doctor of philosophy – nuniversity of Rochester , new york .

Naik , P.A., and Tsai, C.L. (2001) , “ single index model selections “ . Biometrika 88 , pp. 821-832 .

Peng , H., and Huang ,T.(2011) , “ penalized least squares for single index models “ . Journal of statistical planning and inference 141 , pp. 1362-1379 .

Su , L., and Zhang , Y . (2013) , “ variable selection in non- parametric and semi-parametric regression model “ . school of Economics , Singapore Management university .

Thomas , J.F. (2006),“ Simulation study for single index model” . submitted to the Department of Mathematical sciences of Clemson university , in partial fulfilliment for The requirements for The degree of Master of science in Mathematical sciences .

Tibshirani , R . (1996) , “ Regression shrinkage and selection via The lasso “ . Journal of The Royal statistical society , series B , 58 , PP. 267-288 .

Wang , H., Li,R.Z., and Tsai . C.L. (2007) , “Tuning parameter selectors for the smoothly clipped absolute deviation method “ . Guanghua school of management , peking university , Beijing , China , pp. 553-568 .

Wang , T., Xu .P.,and Zhu , L.(2013) ," Penalized Minimum Average Variance Estimation " . statistics sinica 23 ,pp.543-569.

Xia ,Y. , Hardle , W . , and Linton, O . (2009) , “ optimal smoothing For a computationally and statistically Efficient single index Estimators ”. Exploring Research Frontiers in contemporary Statistic and Econometrics , pp. 229 – 261.

Zou, H. (2006) , “ The Adaptive lasso and Its Oracle properties”

Journal of the American statistical Association (JASA) 101,

PP .1418 - 1429.