مقایسه رگرسیون خطی و الگوریتم‌های رگرسیون انقباضی (ستیغی، لسو و الستیک شبکه‌ای) با استفاده از داده‌های بیماران استرس‌پس‌از‌سانحه

نویسندگان

1 استادیارگروه روانشناسی،دانشکده علوم انسانی، دانشگاه تربیت مدرس،تهران،ایران

doi
10.22059/japr.2020.305766.643568
چکیده

هدف از ابن پژوهش، معرفی الگورینم های رگرسیونی جایگزین، برای رگرسیون خطی بود. به این منظور ازالگوریتم های رگرسیونی نوین چونان ستیغی ،لسو والستیک استفاده شد که درآنان دقت پبش بینی از رهگذر میزان سازی نابع هرینه بیشینه می شود.دراین پژوهش نخست به توضیح مبانی نظری این الگوریتم‌های نوین پرداخته شد و سپس در قالب یک مثال عددی  با استفاده از داده‌های بیماران استرس پس از سانحه به تفسیر خروجی نرم‌افزار و مقایسه آن‌ها مبادرت شد.جامعه پژوهش افراد مبتلا استرس پس از سانحه  شهر تهران در سال 1399 بود که داده‌های 97 بیمار (73 زن و 24 مرد) که در آن‌ها هشت متغیر مرتبط با شدت بازتجربه ترما اندازه‌گیری شده بود به عنوان نمونه پژوهش بررسی شدند. داده هابا رگرسیون چندگانه خطی کلاسیک ،رگرسیون ستیغی (RR) ، لسو (Lasso) و رگرسیون الستیک شبکه ای (Elastic) با استفاده از نرم‌افزار R تحلیل شدند. یافته‌ها نشان داد که رگرسیون الستیک، لسو و ستیغی، به‌ترتیب بیشترین درصد واریانس تببینی و کمترین میانگین خطا را در مقایسه با رگرسیون خطی نشان دادند. در شرایطی که مفروضه های نبود، هم‌خطی و ثبات واریانس باقیمانده‌ها احراز نشود، کاربست رگرسیون خطی مشکل‌ساز و کاربرد این روش‌های جایگزین پیشنهاد می شود.