روش هایی جدید برای انتخاب زیرمجموعه متغیرها در مدل های رگرسیونی

با پیشرفت علوم مختلف و انجام تحقیقات پیشرفته، هر روز انواع مختلفی از داده ها مطرح می شوند که نیازمند روش های قابل اطمینان برای تجزیه و تحلیل هستند. در این بین روش های رگرسیونی بعنوان یکی از پرکاربردترین روش های تجزیه و تحلیل داده ها شناخته شده است. انتخاب و برآورد متغیرهایی که می بایست درون مدل رگرسیونی قرار گیرند جزء مهمترین بخش های مدل سازی رگرسیونی است. روش های متداول که در زمینه برآوردیابی و انتخاب متغیر موجود هستند مثل روش انتخاب پیشرو، برآوردیابی حداقل مربعات و یا روش رگرسیون مرزی در مواجه با انواع گوناگون داده ها عملکرد قابل قبولی از خود نشان نداده اند. این روش ها معمولا نسبت به معیارهایی مثل دقت پیش بینی، امساک و پایداری عملکرد ضعیفی دارند. در این پایان نامه ابتدا به بحث در زمینه معایب استفاده از روش های سنتی پرداخته و مرروی بر این روش ها و همچنین معیارهای انتخاب مدل خواهیم داشت. سپس روش های انقباضی را که شاخه ای جدید در بحث برآوردیابی و انتخاب متغیر هستند معرفی و روش های پایه ای و جدیدی که در این شاخه ارائه شده اند را مورد مطالعه قرار می دهیم. در هر روش، ویژگی مثبت انجام همزمان برآوردیابی و انتخاب متغیر را نشان داده و برخی مشخصه های یک روش انتخاب متغیر و همچنین ویژگی های خاص روش های انقباضی را بررسی می کنیم. در آخر براساس یک بررسی شبیه سازی، ضمن مشاهده عملکرد روش های مختلف به مقایسه این روش ها با همدیگر و نیز با روش های قدیمی خواهیم پرداخت.