المستخلص:

   للتوصل الى أنموذج يؤدي تقديرات دقيقة , لابد من البحث عن الطريقة التي تتولى مهمة اختيار المتغيرات الأكثر أهمية لتضمينها في الانموذج وخاصة عندما تكون البيانات قيد الدراسة تعاني من مشكلة التعدد الخطي  Multicollinearity.

ولوجود العديد من الظواهر في حياتنا اليومية وخاصة الاجتماعية تعاني من هذه المشكلة , جاءت هذه الرسالة بهدف تقدير معلمات انموذجي انحدار الحرف وانحدار لاسو ثم المقارنة بين الطرائق لاختيار أفضلها, فقد تم تقدير معلمات انموذج  الانحدار المتعدد باستعمال طريقتين لانحدار الحرف هما طريقة انحدار الحرف الاعتيادية Ordinary Ridge Regression وطريقة انحدار الحرف البيزيةBayesian Ridge Regression  فضلاً عن تقدير معلمات انموذج انحدار لاسو Lasso Regression, اما المقارنة بين الطرائق المختلفة فمن خلال معيار متوسط مربعات الخطأ MSE والقيمة الاحتمالية P-Value  . وبهدف تطبيق الطرائق عملياً فقد تم سحب عينة عشوائية مؤلفة من (100) إمرأة تخص خصوبة المرأة لدراسة العوامل المؤثرة على عدد الاطفال المولودين (متغير الاستجابة) , وعدة متغيرات مستقلة هي (عمر الزوج والزوجة , عمر المرأة عند الزواج , التحصيل الدراسي للزوج والزوجة , وزن المرأة , استخدام المرأة لوسائل منع الحمل , تدخين المرأة , مهنة الزوج والزوجة, فترة الزواج , عدد الاطفال المتوفين , عدد ساعات ممارسة الرياضة في الاسبوع , إصابة المرأة بأمراض الغدة الدرقية , عدد ساعات نوم المرأة في اليوم الواحد ,  تناول الادوية من قبل المرأة , مدة الرضاعة الطبيعية) , وتم اختبار البيانات وتبين انها تعاني من مشكلة التعدد الخطي, وتم التوصل الى ان طريقة انحدار لاسو افضل طرائق التقدير لامتلاكها اقل متوسط مربعات خطأMSE  , تليها طريقة انحدار الحرف البيزية ومن ثم طريقة انحدار الحرف الاعتيادية.