fa مدل‌بندی رگرسیونی چندکی آمیخته تاوانیده دوگانه از طریق رویکرد درستنمایی آمار کاربردی Applied Statistics كاربردي و توسعه ای Applied <p dir="rtl">مدل اثرهای آمیخته از جمله ابزارهای قوی آماری است که برای مدل‌بندی ارتباط بین متغیر پاسخ و متغیرهای تبیینی در تحلیل داده‌هایی با ساختار سلسله مراتبی به‌کار می‌رود. زمانی‌که توزیع خطاها غیر نرمال باشد، برآوردگرهای به‌دست آمده در این&nbsp; مدل‌ها با&nbsp; استفاده از هر یک از روش‌های کمترین توان دوم خطاها و ماکسیمم درستنمایی&nbsp; از&nbsp; کارایی لازم برخوردار نیستند.&nbsp; در این‌گونه مواقع می‌توان از مدل رگرسیون چندکی آمیخته به‌عنوان جایگزین استفاده کرد. به‌علاوه،&nbsp; زمانی‌که تعداد متغیرهای مورد بررسی در این نوع مدل‌بندی افزایش می‌یابد، رگرسیون چندکی آمیخته تاوانیده یکی از بهترین روش‌ها برای افزایش دقت پیشگویی و تفسیرپذیری مدل است. در این مقاله&nbsp; با در نظر گرفتن توزیع لاپلاس نامتقارن برای اثرهای تصادفی، یک مدل تاوانیده دوگانه به عنوان تابعی همزمان از اثرهای تصادفی و&nbsp; پارامترهای مدل پیشنهاد می‌شود. سپس، عملکرد روش پیشنهادی با استفاده از مطالعه&nbsp; شبیه‌سازی آماری مورد ارزیابی قرار گرفته و بحث راجع به&nbsp; نتایج حاصل به همراه مقایسه با برخی مدل‌های رقیب ارائه می‌شود. به‌علاوه، کاربستی از آن در تحلیل یک مثال واقعی نمایش داده خواهد شد.</p> <p>&lrm;</p> The mixed effects model is one of the powerful statistical approaches used to model the relationship between the response variable and some predictors in analyzing data with a hierarchical structure. The estimation of parameters in these models is often done following either the least squares error or maximum likelihood approaches. The estimated parameters obtained either through the least squares error or the maximum likelihood approaches are inefficient, while the error distributions are non-normal.&nbsp;&nbsp; In such cases, the mixed effects quantile regression can be used. Moreover, when the number of variables studied increases, the penalized mixed effects quantile regression is one of the best methods to gain prediction accuracy and the model&#39;s interpretability. In this paper, under the assumption of an asymmetric Laplace distribution for random effects, we proposed a double penalized model in which both the random and fixed effects are independently penalized. Then, the performance of this new method is evaluated in the simulation studies, and a discussion of the results is presented along with a comparison with some competing models. In addition, its application is demonstrated by analyzing a real example. رگرسیون چندکی آمیخته, توزیع لاپلاس, تابع تاوان, رویکرد انقباضی, بُعدبالا. Mixed Effects Quantile Regression, Laplace Distribution, Penalty Function, Shrinkage Approach, High Dimensional 389 405 http://jss.irstat.ir/browse.php?a_code=A-10-108-11&slc_lang=fa&sid=1 Forouzan Jafari فروزان جعفری forouzjaf@gmail.com 10031947532846009127 10031947532846009127 No دانشگاه تربیت مدرس Mousa Golalizadeh موسی گلعلی زاده golalizadeh@modares.ac.ir 2062140231 10031947532846009128 Yes Tarbiat Modares University دانشگاه تربیت مدرس