در این مقاله، مسئله برآورد و انتخاب متغیر همزمان در مدل‌های خطی-جزئی با اثرات آمیخته برای داده‌های طولی با بعد بالا در نظر گرفته شده است. مولفه ناپارامتری موجود در مدل با اسپلاین‌های رگرسیونی تقریب زده شده و سپس از طریق بهینه‌سازی تابع هدف مبتنی بر تابع تاوان , برآورد و انتخاب متغیر به طور همزمان انجام می‌شود. در ادامه، رفتار حدی برآوردگرهای حاصل در چارچوب داده‌های طولی با بعد بالا که در آن تعداد پارامترها متناسب با افزایش حجم نمونه افزایش می‌یابد, مورد مطالعه قرار می‌گیرد. به منظور پیاده‌سازی 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 شبیه‌سازی و تحلیل یک مجموعه داده واقعی مورد ارزیابی قرار گرفته است.
Taavoni M, Arashi M. Variable Selection in Semiparametric Mixed Effect Model for High-Dimension Longitudinal Data. JSS 2021; 14 (2) :367-388 URL: http://jss.irstat.ir/article-1-678-fa.html
تعاونی مژگان، آرشی محمد. انتخاب متغیر در مدل‌های خطی-جزئی با اثرات آمیخته برای داده‌های طولی با بعد بالا. مجله علوم آماری. 1399; 14 (2) :367-388
