The ISLasso Estimator for Multicollinearity and High-Dimensional Problems in Linear Regression with Continuous and Categorical Outcomes
Year: 2026
Type: article
Abstract: تقارن هذه الورقة البحثية كفاءة سبعة مُقدِّرات انحدار جزائية – ريدج Ridge، ولاسوLasso ، والشبكة المرنة (ENET)، ولاسو التكيفي (ALASSO)، والشبكة المرنة التكيفية (AENET)، وISLasso، وMAENet - المصممة لتحسين الأداء التنبؤي في ظل وجود مشكلة التعدد الخطي والأبعاد العالية. من خلال دمج حدود الجزاء في إطار المربعات الصغرى العادية (OLS)، تُقلل هذه الطرق التباين على حساب إدخال بعض التحيز، مما يُقلل تقديرات المعاملات نحو الصفر. تُقيِّم الدراسة أداء المُقدِّر لكل من المتغيرات التابعة المستمرة والثنائية باستخدام متوسط مربع الخطأ (MSE) ومتوسط الخطأ المطلق (MAE). يعتمد التحليل على مجموعات بيانات مُحاكاة بأحجام عينات وأعداد مُتنبئات ومستويات ارتباط مُتفاوتة (ρ = 0.0 إلى 0.80)، مع 500 تكرار لكل حالة محاكاة.
Institution: University of Benghazi
Language: Arabic
Subfield: Statistics and Probability
Field: Mathematics
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W7221251126