مدل بندی رگرسیونی چندکی آمیخته تاوانیده دوگانه از طریق رویکرد درستنمایی

مدل اثرهای آمیخته از جمله ابزارهای قوی آماری است که برای مدل بندی ارتباط بین متغیر پاسخ و متغیرهای تبیینی در تحلیل داده هایی با ساختار سلسله مراتبی به کار می رود. زمانی که توزیع خطاها غیر نرمال باشد، برآوردگرهای به دست آمده در این  مدل ها با  استفاده از هر یک از روش های کمترین توان دوم خطاها و ماکسیمم درستنمایی  از  کارایی لازم برخوردار نیستند.  در این گونه مواقع می توان از مدل رگرسیون چندکی آمیخته به عنوان جایگزین استفاده کرد. به علاوه،  زمانی که تعداد متغیرهای مورد بررسی در این نوع مدل بندی افزایش می یابد، رگرسیون چندکی آمیخته تاوانیده یکی از بهترین روش ها برای افزایش دقت پیشگویی و تفسیرپذیری مدل است. در این مقاله  با در نظر گرفتن توزیع لاپلاس نامتقارن برای اثرهای تصادفی، یک مدل تاوانیده دوگانه به عنوان تابعی همزمان از اثرهای تصادفی و  پارامترهای مدل پیشنهاد می شود. سپس، عملکرد روش پیشنهادی با استفاده از مطالعه  شبیه سازی آماری مورد ارزیابی قرار گرفته و بحث راجع به  نتایج حاصل به همراه مقایسه با برخی مدل های رقیب ارائه می شود. به علاوه، کاربستی از آن در تحلیل یک مثال واقعی نمایش داده خواهد شد.

کلیدواژه ها:

Mixed Effects Quantile Regression ، Laplace Distribution ، Penalty Function ، Shrinkage Approach ، High Dimensional ، رگرسیون چندکی آمیخته ، توزیع لاپلاس ، تابع تاوان ، رویکرد انقباضی ، بعدبالا.