مینا نوروزی راد - Department of Statistics, Shahrood University of Technology, Shahrood, Iran.
محمد آرشی - Department of Statistics, Shahrood University of Technology, Shahrood, Iran.

برآوردگرهای تاوانیده در سال های اخیر در برآورد پارامترهای رگرسیونی بسیار مورد توجه قرار گرفته اند، که معروف ترین آن ها برآوردگرهای تاوانیده با نرم مستطیلی هستند. این برآوردگرها، همزمان انتخاب متغیر و برآورد پارامتر انجام می دهند. در این مقاله، با استفاده از اطلاعات پیشین غیرقطعی در مورد پارامترها، برآوردگرهای بهتری با مخاطره کمتر در مقایسه با برآوردگر لاسو، تاوانیده با نرم مستطیلی ارائه شده است. برتری کارآیی برآوردگرهای انقباضی پیشنهاد شده در یک مطالعه شبیه سازی نسبت به برآوردگر لاسو نشان داده شده است. همچنین کاهش در مقادیر میانگین خطاهای پیش بینی در مجموعه داده های سرطان آمار و ارقام ایالات متحده آمریکا حاکی از قدرت پیش گویی برآوردگرهای انقباضی است.

Asymptotic Distribution, Improved Estimator, LASSO Estimator, Prediction Error, Rectangular Norm, Stein-type Shrinkage Estimator, برآوردگر انقباضی, برآوردگر بهبودیافته, برآوردگر لاسو, توزیع مجانبی, خطای پیش گویی, نرم مستطیلی