تمت في كلية الادارة والاقتصاد / جامعة بغداد ، مناقشة رسالة الماجستير الموسومة ( تقدير انموذج الانحدار المعزز بالعوامل الكامنة لحل مشكلة البيانات عالية الابعاد مع التطبيق ) في تخصص الإحصاء للطالبة ( زينب اسعد جاسم ) بأشراف أ.م. د. عماد حازم عبودي ، حيث يهدف هذا البحث إلى دراسة كفاءة نموذج الانحدار المعزز بالعوامل (Factor-Augmented Regression Model – FARM) في معالجة مشكلة البيانات عالية الأبعاد، من خلال دمج تقنيات اختزال الأبعاد مع أساليب اختيار المتغيرات المعتمدة على الانتظام .
وتتمثل مشكلة البحث ان عند زيادة عدد المتغيرات التوضيحية يعاني النموذج من صعوبة تقدير المعلمات و عدم دقة النتائج وذلك نتيجة لارتفاع التباين اما اذا كان زيادة المتغيرات التوضيحية اكبر من حجم العينة P>nيصبح الامر اكثر تعقيدا في اختيار المتغيرات المهمة والاداء التنبؤي .
وقد توصّلت الدراسة الى عددٍ من الاستنتاجات من أبرزها:
- في ضوء ما تقدم، يمكن الاستنتاج أن الطرائق الهجينة المعتمدة على دمج FARM-PCA مع آليات الانتقاء المنتظم تمثل الخيار المنهجي الأكثر كفاءة في التعامل مع البيانات عالية الأبعاد، وأن طريقة FARM-PCA + SCAD جاءت في مقدمة الطرائق من حيث انخفاض متوسط مربع الخطأ وارتفاع معامل التحديد، مما يجعلها الأنسب للتطبيق في إطار هذه الدراسة.
- في ضوء النتائج أعلاه، يتبين أن الطرائق الهجينة المعتمدة على (FARM-PCA) وطرائق الانتقاء المنتظم، ولا سيما (FARM-PCA + SCAD)، حافظت على أفضل أداء من حيث انخفاض متوسط مربع الخطأ وارتفاع معامل التحديد في ظل الحالة ( n = 30, p = 40 ). وتؤكد هذه النتائج أن دمج اختزال الأبعاد مع الانتقاء المنظم يمثل نهجًا أكثر كفاءة واستقرارًا عند التعامل مع البيانات عالية الأبعاد، حتى مع تحسن نسبي في حجم العينة.
- يمكن الاستنتاج من نتائج الحالة الثالثة أن الطرائق الهجينة المعتمدة على دمج (FARM-PCA) مع طرائق الانتقاء المنتظم، ولا سيما (FARM-PCA + SCAD)، حققت أفضل أداء من حيث الدقة التنبؤية والقدرة التفسيرية عند ( n = 50 ) و ( p = 65 ). وتدعم هذه النتائج التوجه المنهجي للدراسة في اعتماد الطرائق الهجينة بوصفها الأكثر كفاءة واستقرارًا عند التعامل مع البيانات عالية الأبعاد، حتى في ظل تحسن نسبي في حجم العينة.
- في ضوء ما تقدم، يتضح أن الطرائق الهجينة المعتمدة على دمج (FARM-PCA) مع طرائق الانتقاء المنتظم، وبوجه خاص (FARM-PCA + SCAD) ، حافظت على أفضل أداء من حيث انخفاض متوسط مربع الخطأ وارتفاع معامل التحديد في حالة ( n = 60 ) و ( p = 80 ). وتدعم هذه النتائج بقوة التوجه المنهجي للدراسة نحو اعتماد الطرائق الهجينة بوصفها الأكثر كفاءة واستقرارًا في تحليل البيانات عالية الأبعاد.
ومن خلال الاستنتاجات التي توصلت اليها الدراسة قدمت الباحثة عدد من التوصيات أهمها :
- يوصى باعتماد FARM-PCA + SCAD في الدراسات الصحية و تحليل بيانات السمنة وتركيب الجسم و النماذج ذات الأبعاد العالية
- التوسع مستقبلًا في زيادة حجم العينة و مقارنة النتائج مع فئات غير مصابة بالسمنة
- أجراء مقارنات مستقبلية مع نماذج غير خطية و تقنيات التعلم الآلي
- الاستفادة من المعلمات المقدّرة في بناء نماذج دعم القرار الطبي و تطوير برامج متابعة صحية مخصصة
