İstatisitksel daraltıcı (Shrinkage) model ve uygulamaları

Bridge Regresyon, koşullu penalty (ceza) fonksiyonu, cezalı regresyonun özel türüdür. Bridge tahmin edicisi; atış metodu ya da düzeltilmiş Newton-Raphson metodu ile cezalı skor denklemlerinin çözülmesi sonucu elde edilir. Bridge tahmin edici, yanlılığı biraz gözden çıkarma ile küçük varyanslar verir ve böylece doğrusal regresyon modelinde mevcut açıklayıcı değişkenler arasında ilişki olduğunda, küçük hata kareler ortalaması ve küçük hata tahmini elde edilir.Cezalandırma kavramı; ortak likelihood fonksiyonlarının oluşuna rağmen, cezalandırmanın uygulanmasını sağlarken, cezalı skor denklemleri ile genelleştirilir. Cezalandırma, genelleştirilmiş lineer modeller (GLM) ve genelleştirilmiş tahmin denklemlerinden (GEE) sonra uygulanır.Ceza parametresi ve düzen (ayar) parametresi ; genelleştirilmiş çapraz geçerlilik testi (GCV) ile seçilir. Yarı-GCV; cezalı genelleştirilmiş tahmin denklemleri için parametre seçmeye geliştirilir. Bridge regression, a special type of penalized regression of a penalty function with is considered. The Bridge estimator is obtained by solving the penalized score equations via the modified Newton-Raphson method or the Shooting method. The Bridge estimator yields small variance with a little sacrifice of bias. And thus achieves small mean squared error and small prediction error when collinearity is present among regressors in a linear regression model.The concept of penalization is generalized via the penalized score equations, which allow the implementation of penalization regardless of the existence of joint likelihood functions. Penalization is then applied to generalized linear models and generalized estimating equations (GEE).The penalty parameter and the tuning parameter are selected via the generalized cross-validation (GCV). A quasi-GCV is developed to select the parameters for the penalized GEE. 93