توظيف طريقة lasso و rlassoلفحص استقرارية نموذج الانحدار الخطي المتعدد
DOI:
https://doi.org/10.31272/jae.i149.1389الكلمات المفتاحية:
مشكلة التعدد الخطيالملخص
ان مشكلة عدم استقرارية نماذج الانحدار تعتبر من ابرز المشاكل التي تواجه الباحثين عند تقدير النموذج. من جانب اخر تقنيتي التنظيم (lasso & rlasso) تعد من ابرز التقنيات المطبقة في تقدير نماذج الانحدار المتعدد لما لها من قابلية في الوصول الى نموذج انحدار تفسيري يمكن من خلاله اجراء التنبؤات بشكل دقيق . في هذا البحث تم تطبيق اسلوب المحاكاة لإجراء مقارنة بين مجموعة من نماذج الانحدار تم تقديرها باستخدام تقنيتي التنظيم (lasso & rlasso) حيث تم استخدام اختباري Chow Test & CUSUM Test) ( لاختبار استقرارية النماذج المقدرة و بوجود مشكلة التعدد الخطي و اظهرت النتائج ان كلا التقنيتين كان لها اداء متميز في بناء نموذج انحدار مستقر ، كما اظهرت النتائج تفوق تقنية rlasso وخاصة عند وجود مشكلة التعدد الخطي
التنزيلات
المراجع
[1] Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19(6), 716-723. https://doi.org/10.1109/TAC.1974.1100705 DOI: https://doi.org/10.1109/TAC.1974.1100705
[2] Aljasimee, A. K., & Alhamzawi, R. J. (2023). Bayesian group bridge composite quantile regression. Journal of Namibian Studies, 33, 433-444. https://repository.qu.edu.iq/wp-content/uploads/sites/31/2022/10/Bayesian-group-bridge-composite-quantile-regression DOI: https://doi.org/10.59670/jns.v33i.516
[3] Alkenani, A., & Yu, B. (2013). Penalized single-index quantile regression. International Journal of Statistics and Probability, 2(3), 12-25. https://doi.org/10.5539/ijsp.v2n3p12 DOI: https://doi.org/10.5539/ijsp.v2n3p12
[4] Aylin Alin (2010).”Multicollinearity” . WIREs ComputationalStatistics.2(3), 370-374 https://doi.org/10.1002/wics.84 DOI: https://doi.org/10.1002/wics.84
[5] Box, G. E. P., Hunter, J. S., & Hunter, W. G. (2005). Statistics for experimenters: Design, innovation ,and discovery (2nd ed.). Wiley-Interscience. https://doi.org/10.1002/0471718130
[6] Chow, G. C. (1960). Tests of equality between sets of coefficients in two linear regressions. Econometrica, 28(4), 591-605. https://doi.org/10.2307/1910133. DOI: https://doi.org/10.2307/1910133
[7] Dalgaard, P. (2008). Introductory statistics with R. Springer Science & Business Media. https://doi.org/10.1007/978-0-387-79054-1 DOI: https://doi.org/10.1007/978-0-387-79054-1
[8] Dufour, J. M. (1982). Recursive Stability Analysis of Linear Regression Relationships: An Exploratory Approach. Journal of Econometrics, 19(1), 31-76. DOI: https://doi.org/10.1016/0304-4076(82)90050-1
[9] Engle, R. F. (1982). Wald, likelihood ratio, and Lagrange multiplier tests in econometrics. Econometrica, 50(6), 1417–1438. https://doi.org/10.2307/1913352 DOI: https://doi.org/10.2307/1913352
[10] McLachlan, G. J. (2004). Discriminant Analysis and Statistical Pattern Recognition. Wiley-Interscience. https://doi.org/10.1002/0471725293 DOI: https://doi.org/10.1002/0471725293
[11] Mills, T. C. (2014). Testing for Stability in Regression Models. In Analyzing Economic Data (pp. 243-259). Palgrave Macmillan. https://doi.org/10.1057/9781137401908_17 DOI: https://doi.org/10.1057/9781137401908_17
[12] Huberty, C. J. (1994). Applied discriminant analysis. New York: Wiley and Sons. ISBN: 0471311456
[13] Liao, J., Wan, A. T. K., He, S., & Zou, G. (2022). Optimal model averaging for multivariate regression models. Journal of Multivariate Analysis, 189, 1–11. https://doi.org/10.1016/j.jmva.2021.104858 DOI: https://doi.org/10.1016/j.jmva.2021.104858
[14] Rencher, A. C. (2002). Methods of Multivariate Analysis (2nd ed.). Wiley-Interscience. DOI: 10.1002/0471271357 DOI: https://doi.org/10.1002/0471271357
[15] Plonsky, L., & Oswald, F. L. (2017). “MULTIPLE REGRESSION AS A FLEXIBLE ALTERNATIVE TO ANOVA IN L2 RESEARCH.” Studies in Second Language Acquisition. 2017;39(3):579-592. https://doi.org/10.1017/S0272263116000231 DOI: https://doi.org/10.1017/S0272263116000231
[16] Schwarz, G. (1978). Estimating the dimension of a model. Annals of Statistics, 6(2), 461-464. https://doi.org/10.1214/aos/1176344136 DOI: https://doi.org/10.1214/aos/1176344136
[17] Song, Q. (2018). An overview of reciprocal L 1‐regularization for high dimensional regression data. Wiley Interdisciplinary Reviews: Computational Statistics, 10(1), e1416. https://doi.org/10.1002/wics.1416 DOI: https://doi.org/10.1002/wics.1416
[18] Song, Q., & Liang, F. (2015). High-dimensional variable selection with reciprocal l 1-regularization. Journal of the American Statistical Association, 110(512), 1607-1620. https://doi.org/10.1080/01621459.2014.984812 DOI: https://doi.org/10.1080/01621459.2014.984812
[19] Tibshirani, R. (1996). Regression shrinkage and selection via the Lasso . Journal of the Royal Statistical Society: Series B (Methodological), 58(1), 267-288. https://doi.org/10.1111/j.2517-6161.1996.tb02080.x DOI: https://doi.org/10.1111/j.2517-6161.1996.tb02080.x
[20] Wald, A. (1983). The classical test of hypothesis and the problem of multiple decisions. In Selected Works of A. Wald (pp. 1-100). Springer, New York, NY. https://doi.org/10.1007/978-1-4613-8196-6_1
[21] Yuan, M., & Lin, Y. (2006). Model selection and estimation in regression with grouped variables. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 68(1), 49-67. https://doi.org/10.1111/j.1467-9868.2005.00532.x DOI: https://doi.org/10.1111/j.1467-9868.2005.00532.x
[22] Zou, H., & Hastie, T. (2005). Regularization and variable selection via the elastic net. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 67(2), 301-320. https://doi.org/10.1111/j.1467-9868.2005.00503.x DOI: https://doi.org/10.1111/j.1467-9868.2005.00503.x
[23] Zucchini, W., & MacDonald, I. L. (2009). An introduction to simulation and Monte Carlo methods using R. Springer Science & Business Media. https://doi.org/10.1007/978-3-642-10462-7
التنزيلات
منشور
إصدار
القسم
الرخصة
الحقوق الفكرية (c) 2025 Haitham Hassoon Majed, Jasim Hassan Lazem
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
مجلة الإدارة والاقتصاد هي مجلة مفتوحة المصدر حيث تكون جميع محتوياتها مجانية. تخضع مقالات هذه المجلة لشروط ترخيص المشاع الإبداعي المنسوب إلى المؤلف (CC-BY 4.0) (https://creativecommons.org/licenses/by/4.0/legalcode) الذي يسمح للمرخص لهم دون قيود بالبحث عن النص الكامل للمقالات أو تنزيله أو مشاركته أو توزيعه أو طباعته أو ربطه به، وفحصه للفهرسة وإعادة إنتاج أي وسيلة للمقالات بشرط أن ينسبوا إلى المؤلفين الفضل في ذلك (الاستشهاد). تسمح المجلة للمؤلفين بالاحتفاظ بحقوق الطبع والنشر لمقالهم المنشور.
. Creative Commons-Attribution (BY) 
