دراسة اهم العوامل المؤثرة على الجلطة الدماغية باستخدام بعض طرائق التنظيم الجزائية

احمد فليح; حيدر محمد علي

doi:10.36322/jksc.176(G).20052

المؤلفون

أ.د. احمد نعيم فليح جامعة القادسية / كلية الادارة والاقتصاد
الباحث حيدر ناظم محمد علي جامعة القادسية / كلية الادارة والاقتصاد

DOI:

https://doi.org/10.36322/jksc.176(G).20052

الكلمات المفتاحية:

الجلطة الدماغية ، طرائق التنظيم الجزائية ، الانحدار الخطي

الملخص

تم في هذا البحث دراسة مفهوم أسلوب اختيار المتغيرات من خلال توظيف طرائق الجزاء penalty method ) ) في نموذج الانحدار الخطي المتعدد . حيث تم تناول أربعة طرائق تنظيم ( جزاء ) وهذه الطرائق هي ( طريقة ridge ، طريقة lasso ، طريقة adaptive lasso ، طريقة elastic net ). تم أيضا توضيح كل طريقة جزاء من خلال دراسة صيغتها الرياضية وكذلك اهم الخصائص والعيوب لكل طريقة .

وبهدف دراسة هذه الطرائق تم أجراء تجربة محاكاة واحدة في هذا البحث تم افتراض وجود متجه حقيقي للمعالم المراد تقدير قيمها بهدف قياس دقة عمل كل طريقة ، أجريت هذه التجربة بافتراض توليد حجوم عينات مختلفة ، حيث تم أولا تحويل مشاهدات المتغيرات التوضيحية إلى القيم المعيارية لفك الارتباطات الموجودة بينها إضافة إلى ذلك تم أجراء تحويل المشاهدات متغير الاستجابة إلى قيم مركزية (centering) ، أي ان الدراسة افترضه ان هناك قيم مختلفة من الارتباطات بين المتغيرات التوضيحية. إشارة النتائج في تجارب المحاكاة إلى ان طريقة elastic net قد أظهرت اقل قيمة لمعيار جودة تقدير المعالم المسمى معيار وسط متوسط الفروق المطلقة ، وبالتالي يمكن اعتبار هذه الطريقة هي افضل الطرائق من ناحية دقة وتفسير النموذج .

ولبيان كفاءة عمل طرائق الجزاء المذكورة أعلاه تم تحليل لبيانات حقيقية قمت بجمعها من مستشفى الناصرية التعليمي لتمثل عينة من المرضى المصابين بالجلطة الدماغية على اعتبار ان متغير ان متغير الاستجابة في هذه الدراسة يمثل حجم الجلطة الدماغية ومجموعة من ( 17) متغير توضيحي ، وتمثيل العلاقة بين متغير حجم الجلطة والمتغيرات التوضيحية بنموذج انحدار خطي متعدد من اجل الوقوف على اهم العوامل أو المتغيرات التي تؤثر على حجم الجلطة الدماغية . كذلك أظهرت النتائج ان طريقة elastic net هي افضل طريقة جزاء سوآءا على مستوى اختيار المتغيرات أو على مستوى القدرة التفسيرية للنموذج .

التنزيلات

تنزيل البيانات ليس متاحًا بعد.

المراجع

المراجع:

] Ann Kirkland , Lisa, (2014),”LASSO Simultaneous shrinkage and selection via L_1-norm” , A thesis in the Mathematical Statistics,University of Preroria, Faculty of Natural and Agricultural Sciences.

[2] Chatterjee, S., & Hadi, A. S. (2006). Regression analysis by example. John Wiley & Sons.

[3] Hoerl, A.E. and Kennard, R.W. (1970). Ridge regression: Biased estimation for nonorthogonal problems. Technimetrics, 12(1):55-67.

[4] Li, C., Pak, D., & Todem, D. (2020). Adaptive lasso for the Cox regression with interval censored and possibly left truncated data. Statistical Methods in Medical Research, 29(4), 1243-1255.

[5] Liu, Y. (2022). Adaptive lasso variable selection method for semiparametric spatial autoregressive panel data model with random effects. Communications in Statistics-Theory and Methods, 1-19.

[6] Tibshirani, R., Saunders, M., Rosset, S., Zhu, J. and Knight, K. (2005). Sparsity and smoothness via the fused LASSO. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 67(1):91-108.

[7] Tibshirani. R. (1996). Regression shrinkage and selection via the lasso. Journal of the Royal Statistical Society. Series B (Methodological). 267-288.

[8] Zhao, P., Rocha, G. and Yu. B. (2009). The composite absolute penalties famil for grouped and hierarchical variable Selection. The Annals of Statistics, 37(6A):3468-3497.

[9] Zou, H. and Hastie, T. (2005). Regularization and variable selection via the elastic net. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 67(2):301-320.

[10] Zou, H. and Zhang, H.H. (2009).On the adaptive elastic-net with a diverging number of parameters. The Annals of Statistics, 37(4):1733-1751.

[11] Zou, H.(2006). The adaptive LASSO and its oracle properties. Journal of the American Statistical Associa-fion, 101(476):1418-1429.