Model seçimi için dayanıklı lasso ve uygulamaları

Model parametrelerinin tahmini ve modelde yer alacak değişkenlerin seçimi regresyon analizinin önemli konularındandır. Son yıllarda, hem parametre tahmini hem de modeldeki değişkenlerin seçimini eşanlı olarak yapabilen daraltıcı (shrinkage) tahmin ediciler ön plana çıkmaktadır. Bu tahmin ediciler belli özelliklerine göre gruplandırılmıştır. Bu çalışmada daraltıcı tahmin edicilerden olan Least Absolute Shrinkage and Selection Operator (En Küçük Mutlak Daralma-LASSO) tahmin edicisi ele alınmıştır. LASSO tahmin edicileri değişken seçiminde tutarlı olmadığından oracle özelliğine sahip değildir. Bu nedenle, literatürde uyarlanmış (adaptive) LASSO (ALASSO) tahmin edicisi önerilmiştir. Ancak bu tahmin ediciler aykırı değer(ler)e karşı duyarlıdır. Bu bağlamda dayanıklı ALASSO tahmin edicileri literatürde M-tahmin edicilerine dayalı olarak geliştirilmektedir. Bu çalışmada, literatürde var olan Huber ve Tukey'in ρ ve ψ fonksiyonlarına dayalı dayanıklı ALASSO tahmin edicilerine alternatif olarak Cauchy, Andrews, Fair, Welsch, Lojistik ve Talwar'ın ρ ve ψ fonksiyonları kullanılarak dayanıklı ALASSO tahmin edicileri ele alınmıştır. İlgili tüm tahmin edicilerin performansları simülasyon çalışması yardımıyla karşılaştırılmıştır. Tahmin edicilerin performanslarını karşılaştırmak için Hata Kareler Ortalaması (Mean Squared Error-MSE), Ön Kestirim Hata Kareler Ortalaması (Mean Squared Prediction Error-MSPE) kriterleri kullanılmıştır. Ayrıca, ele alınan dayanıklı ALASSO yöntemlerinin model seçim doğrulukları da ölçülmüştür. Simülasyon çalışmasına ek olarak, biri literatürdeki hazır veri, bir diğeri araştırmacı tarafından derlenen veri olmak üzere iki farklı reel veri için uygulama yapılmıştır.