fa تشخیص مشاهدات موثر برای رگرسیون بعد بالا استنباط آماری Statistical Inference پژوهشی بنیادی Research <div style="text-align: justify;"><br> استفاده از روش‌های درستنمایی تاوانیده با تکثیر مجموعه داده‌های بعد بالا گسترش یافته است. با این وجود، هنگامی که تعداد مشاهدات در مقایسه با تعداد متغیرهای کمکی نسبتاً کم است، هر مشاهده‌ای به‌طور بالقوه می‌تواند تأثیر بسزایی روی انتخاب مدل و استنباط داشته باشد. بنابراین، شناسایی و ارزیابی مشاهدات موثر در روش‌های تاوانیده مهم است. در این مقاله، معیارهای تأثیر برای تشخیص مشاهدات موثر در رگرسیون لاسو بعد بالا که اخیراً معرفی شده‌اند، مرور می‌شوند. سپس، این معیارها تحت روش الاستیک‌نت که برای بهبود پیش‌بینی‌های مدل، ویژگی حذف از لاسو و کاهش ضرایب از ریج را ترکیب کرده، بررسی می‌شوند. از طریق شبیه‌سازی و مجموعه داده‌های واقعی نشان داده می‌‌‌‌‌شود که معیارهای تأثیر معرفی شده به‌طور کارآمد مشاهدات موثر را شناسایی می‌کنند و می‌توانند به آشکارسازی روابط پنهان در داده‌ها کمک کنند.</div> <div style="text-align: justify;">The prevalence of high-dimensional datasets has driven increased utilization of the penalized likelihood methods. However, when the number of observations is relatively few compared to the number of covariates, each observation can tremendously influence model selection and inference. Therefore, identifying and assessing influential observations is vital in penalized methods. This article reviews measures of influence for detecting influential observations in high-dimensional lasso regression and has recently been introduced. Then, these measures under the elastic net method, which combines removing from lasso and reducing the ridge coefficients to improve the model predictions, are investigated. Through simulation and real datasets, illustrate that introduced influence measures effectively identify influential observations and can help reveal otherwise hidden relationships in the data.</div> مباحث تشخیصی تأثیر, مشاهدات موثر, داده‌های ابعاد بالا, روش‌های تاوانیده. Influence diagnostics, influential observations, high-dimensional data, penalized methods. 349 369 http://jss.irstat.ir/browse.php?a_code=A-10-1261-1&slc_lang=fa&sid=1 Nasrin Noori نسرین نوری nasrin.nori95@gmail.com 1362322997 0009-0003-4406-7389 Yes Tabriz university دانشگاه تبریز Hossein Bevrani حسین بیورانی bevrani@gmail.com 5166615648 10031947532846009124 No Tabriz university دانشگاه تبریز