انتخاب متغیر در مدل های خطی-جزئی با اثرات آمیخته برای داده های طولی با بعد بالا

در این مقاله، مسئله برآورد و انتخاب متغیر همزمان در مدل های خطی-جزئی با اثرات آمیخته برای داده های طولی با بعد بالا در نظر گرفته شده است. مولفه ناپارامتری موجود در مدل با اسپلاین های رگرسیونی تقریب زده شده و سپس از طریق بهینه سازی تابع هدف مبتنی بر تابع تاوان , برآورد و انتخاب متغیر به طور همزمان انجام می شود. در ادامه، رفتار حدی برآوردگرهای حاصل در چارچوب داده های طولی با بعد بالا که در آن تعداد پارامترها متناسب با افزایش حجم نمونه افزایش می یابد, مورد مطالعه قرار می گیرد. به منظور پیاده سازی روش برآورد پیشنهادی، یک الگوریتم تکراری مناسب برای انتخاب متغیرهای مهم و برآورد ضرایب غیر صفر ارائه گردیده است. در نهایت، عملکرد روش پیشنهادی با مطالعه شبیه سازی و تحلیل یک مجموعه داده واقعی مورد ارزیابی قرار گرفته است.

کلیدواژه ها:

Longitudinal Data ، Penalized Estimator ، Smoothing Spline ، Semiparametric Mixed Model ، Variable Selection ، HIV. ، داده طولی ، انتخاب متغیر ، برآوردگر تاوانیده ، مدل خطی-جزئی ، اسپلاین هموارساز ، بعد بالا ، بیماری ایدز.