fa انتخاب متغیر و تشخیص ساختار در بعد بالا برای مدل‌های جمعی خطی-جزیی آمار کاربردی Applied Statistics پژوهشی بنیادی Research <div style="text-align: justify;">در این مقاله یک روش دو مرحله‌ای برای انتخاب متغیر و تشخیص مؤلفه‌های خطی و غیرخطی در مدل‌های جمعی با بعد بالا معرفی می‌شود. در مرحله اول، از یک روش غربالگری برای کاهش بعد فضای متغیرها استفاده می‌شود. این روش غربالگری بر اساس همبستگی فاصله‌ای بین متغیرهای توضیحی و تابع توزیع حاشیه‌ای متغیر پاسخ ساخته شده و زمانی که متغیر پاسخ دم سنگین یا دارای مقادیر فرین باشد، عملکرد خوبی را از خود نشان می‌دهد. در مرحله دوم، از روشی مبتنی بر دو تابع تاوان برای انتخاب همز‌‌مان مؤلفه‌های غیرصفر و خطی استفاده می‌شود. کارایی این روش دو مرحله‌ای با مطالعه شبیه‌سازی و تحلیل یک مجموعه داده واقعی بررسی شده است.</div> <div style="text-align: justify;">In this paper, we introduce a two-step procedure, in the context of high dimensional additive models, to identify nonzero linear and nonlinear components. We first develop a sure independence screening procedure based on the distance correlation between predictors and marginal distribution function of the response variable to reduce the dimensionality of the feature space to a moderate scale. Then a double penalization based procedure is applied to identify nonzero and linear components, simultaneously. We conduct extensive simulation experiments and a real data analysis to evaluate the numerical performance of the proposed method.</div> انتخاب متغیر, تشخیص ساختار, غربالگری, کاهش بعد, مدل جمعی خطی-جزیی. Dimensionality Reduction, Partial Linear Additive Model, Screening, Structure Identification, Variable Selection. 485 512 http://jss.irstat.ir/browse.php?a_code=A-10-994-1&slc_lang=fa&sid=1 Mohammad Kazemi محمد کاظمی m.kazemie64@yahoo.com 10031947532846005388 10031947532846005388 Yes Department of Statistics, Shahrood University of Technology, Shahrood, Iran. گروه آمار، دانشگاه صنعتی شاهرود Davood Shahsavani داود شاهسونی davoodshah@yahoo.com 10031947532846005389 10031947532846005389 No Department of Statistics, Shahrood University of Technology, Shahrood, Iran. گروه آمار، دانشگاه صنعتی شاهرود Mohammad Arashi محمد آرشی m_arashi_stat@yahoo.com 10031947532846005390 10031947532846005390 No Department of Statistics, Shahrood University of Technology, Shahrood, Iran. گروه آمار، دانشگاه صنعتی شاهرود