fa مطالعه رفتار برآوردگر انقباضی تحت یک قید خطی در مدل رگرسیون تاوانیده آمار کاربردی Applied Statistics كاربردي و توسعه ای Applied <p style="text-align: justify;">&nbsp;معمولا در مسائل با بعد بالا، وقتی تعداد متغیرها بیشتر از تعداد مشاهدات است، برآوردگرهای جریمه شده بر پایه روش‌های انقباضی از دیدگاه خطای پیشگویی پاسخ، از کارایی بهتری نسبت به برآوردگر کمترین توان‌های دوم در برآورد ضرایب رگرسیونی برخوردار هستند. در این برآوردگرها پارامتر تنظیم کننده یا انقباضی نقش اساسی در انتخاب متغیر و برآورد پارامترها بازی می‌کند. برآوردگر انقباضی بریج، برآوردگری است که با تغییر پارامتر تنظیم کننده آن می‌توان به برآوردگرهای معروف ریج و لاسو دست یافت. در این مقاله برآوردگر انقباضی بریج را، با اعمال یک قید خطی روی بردار ضرایب رگرسیونی، به‌دست آورده سازگاری آن اثبات می‌شود. به علاوه در قالب یک مطالعه شبیه‌سازی و مثال واقعی کارایی آن از دیدگاه میانگین توان دوم خطا مورد ارزیابی قرار می‌گیرد&lrm;.</p> <p style="margin: 0px; text-align: justify;">Often&lrm;, &lrm;in high dimensional problems&lrm;, &lrm;where the number of variables is large the number of observations&lrm;, &lrm;penalized estimators based on shrinkage methods have better efficiency than the OLS estimator from the prediction error viewpoint&lrm;. In these estimators&lrm;, &lrm;the tuning or shrinkage parameter plays a deterministic role in variable selection&lrm;. &lrm;The bridge estimator is an estimator which simplifies to ridge or LASSO estimators varying the tuning parameter&lrm;. &lrm;In these paper&lrm;, &lrm;the shrinkage bridge estimator is derived under a linear constraint on regression coefficients and its consistency is proved&lrm;. &lrm;Furthermore&lrm;, &lrm;its efficiency is evaluated in a simulation study and a real example&lrm;.</p> برآوردگر انقباضی, برآوردگر مقید, سازگاری, میانگین توان دوم خطا, بریج‎. Bridge‎, ‎Shrinkage Methods. 1 14 http://jss.irstat.ir/browse.php?a_code=A-10-923-1&slc_lang=fa&sid=1 Mohammmad Arast محمد آرست arast_amar@yahho.com 10031947532846005395 10031947532846005395 Yes Department Statistics‎, ‎University Shahrood‎, ‎Shahrood‎ , ‎Iran. گروه آمار، دانشگاه صنعتی شاهرود Mohammmad Arashi محمد آرشی m_arashi_stat@yahoo.com 10031947532846005396 10031947532846005396 No Department Statistics‎, ‎University Shahrood‎, ‎Shahrood‎ , ‎Iran. گروه آمار، دانشگاه صنعتی شاهرود Mohammmad reza Rabie محمدرضا ربیعی rabie.mr87@gmail.com 10031947532846005397 10031947532846005397 No Department Statistics‎, ‎University Shahrood‎, ‎Shahrood‎ , ‎Iran. گروه آمار، دانشگاه صنعتی شاهرود