پیشرفت روز افزون علوم مختلف از جمله پزشکی و بهداشتی و مدیریت باعث تولید حجم وسیعی از دادهها گشته است. در این گونه موارد انتخاب متغیر یک ابزار توانمند برای اکتشاف در زمینههای مختلف است، که از سالهای دور توجه بسیاری را به خود جلب کرده است. انتخاب متغیر با استفاده از روشهای رگرسیون تاوانیده صرفاً بر اساس متغیرهای پیشگوی مؤثر انجام میشود. از این رو عدم شناسایی متغیرها با خاصیت پیشگویی ضعیف، منجر به کاهش کارایی استنباطهای حاصل از روشهای رگرسیونی میگردد. در این رساله، استراتژی برآوردگرهای انقباضی نوع استاین و استاین مثبت، با هدف بهبود عملکرد پیشبینی در مدلهای خطی تعمیمیافته با بعد بالا مورد مطالعه قرار میگیرد. برآوردگرهای انقباضی معرفی شده ترکیب خطی از برآوردگرهای ریج وزنی و برآوردگرها با تاوان نوع لاسو هستند. تحت برخی شرایط نظم، رفتار مجانبی برآوردگرهای پیشنهاد شده مورد بررسی قرار میگیرد. به علاوه در قالب یک مطالعهی شبیهسازی و مثال واقعی کارایی آنها از دیدگاه میانگین توان دوم خطا مورد ارزیابی قرار میگیرد.
