الفهرس | يوجد فقط 14 صفحة متاحة للعرض العام |
المستخلص بشكل عام ، حظيت مشكلة الاختيار المتغير لنموذج الانحدار باهتمام كثير من الباحثين حتى الآن. يعد اختيار المتغير أمرًا حاسمًا في وجود عدد كبير من المتغيرات التوضيحية لجعل النموذج متشائمًا. تقليديا ، لتحقيق اختيار متغير اقترح العديد من الباحثين معايير اختيار النموذج. للتغلب على أوجه القصور في هذه المعايير ، اقترح العديد من الإحصائيين طرق المربعات الصغرى التي تقلص مقدرات بعض معلمات الانحدار وتعيين الآخرين على الصفر ، وبالتالي حددوا المتغيرات وتقدير المعلمات من نموذج الانحدار الخطي في وقت واحد. هذه الطرق أصبحت شائعة في الانتقاء المتغير ، وجذب بعض الباحثين لإدخال طرق كمية معاقبة لاختيار متغير وتقدير المعلمة من نموذج الانحدار الكمي الخطي في وقت واحد. هناك مجموعتان من الطرق الكمية المعاقب عليها: تتضمن المجموعة الأولى الطرق المعاقب عليها التي تحتوي على دالة جزاء واحدة ، وأهم هذه الطرق وأكثرها شعبية هي: 1- كوانتيل لاسو (كيو لاسو ، لي وتشو ، 2008). 2- SCAD Quantile (Q-SCAD، Wu and Liu، 2009). 3- Quantile ALASSO (Q-ALASSO، Wu and Liu، 2009). المجموعة الثانية تتضمن الأساليب المعاقب عليها والتي تحتوي على وظيفتي جزاء: 1- Quantile Huber Enet (QHEnet ، مخادري وآخرون ، 2017). 2- Quantile Huber Snet (QHSnet، Mkhadri et al.، 2017). 3- Quantile Huber Mnet (QHMnet، Mkhadri et al.، 2017). |