In this paper, we introduce a new procedure for model selection in Tobit regression, we suggest the Bayesian adaptive Lasso Tobit regression (BALTR) for variable selection (VS) and coefficient estimation. We submitted a Bayesian hierarchical model and Gibbs sampler (GS) for our procedure. Our proposed procedure is clarified by means of simulations and a real data analysis. Results demonstrate our procedure performs well in comparison to further procedures.

Tobit regression --- Bayesian adaptive Lasso Tobit regression --- BALTR --- Variable selection --- VS.

In this research been to use some of the semi-parametric methods the based on the different function penalty as well as the methods proposed by the researcher because these methods work to estimate and variable selection of significant at once for single index model including (SCAD-NPLS method , the first proposal SCAD-MAVE method , the second proposal ALASSO-MAVE method ) .As it has been using a method simulation time to compare between the semi-parametric estimation method studied , and various simulation experiments to identify the best method based on the comparison criteria (mean squares error(MSE) and average mean squares error (AMSE)).And the use of real data again to verify the performance of semi-parametric methods indeed the practical , was reached the best method for estimate and variable selection of semi parametric single index model is the second method proposed (ALASSO-MAVE) for each of the simulation experiments of the first semi -parametric single index model and real data

قي هدف هذا البحث تم أستعمال بعض الطرائق شبه المعلميه المعتمدة على دوال جزاء مختلفة من ضمنها الطرائق المقترحة من قبل الباحث اذ تعمل هذه الطرائق على تقدير وأختيار المتغيرات المعنوية لانموذج المؤشر الواحد شبه المعلمي في آن واحد منها (طريقة-SCAD-NPLS, الطريقة المقترحة الاولى SCAD-MAVE) ) والطريقة المقترحة الثانية (ALASSO-MAVE)) إذ تم أستعمال أجراء نوعين من الدراسات التطبيقية , الأجراء الأول أستعمل فيه أسلوب المحاكاة للمقارنة بين طرائق التقدير المدروسة ولمختلف تجارب المحاكاة والتعرف على أفضل طريقة بالأعتماد على معايير المقارنة (متوسط مربعات الخطأ (MSE) ومعدل متوسط مربعات الخطأ((AMSE ).والأجراء الثاني أستعمل فيه البيانات الحقيقية للتحقق من أداء الطرائق شبه المعلميه في الواقع العملي, وتم التوصل الى ان افضل طريقة لتقدير واختيار المتغير لانموذج المؤشر الواحد شبه العلمي هي الطريقة المقترحة الثانية (MAVE-ALASSO) لكل من تجارب المحاكاة لانموذج المؤشر الواحد شبه المعلمي الاول والبيانات الحقيقية.

single index model --- variable selection --- SCAD method --- SCAD-MAVE method --- ALASSO-MAVE method --- انموذج المؤشر الواحد --- اختيار المتغير --- طريقة سكاد --- طريقة سكاد – ماف --- طريقة لاسو التكيفية - ماف .

The semi-parametric single – index model (SSIM) are important tools and basic to treatment the problem of high – dimensional , As it plays an important role in the process of model building and variable selection of significant . in this research has been the use some methods variable selection of automatic modern and that work on estimation vector of parameters β and link function g (X^T β ) With variable selection at the same time for semi-parametric single-index model are LASSO -MAVE method and Adaptive LASSO - MAVE method for aim to improve the accuracy and predict of the model . in order to achieve this aim , it was conducted simulation experiment to show methods preference used in estimation and variable selection for model under study by using different models , different variances , different sample sizes and different correlation values as well as the use of a real data of influencing factors on market value share for the banks sector in the iraqi stock exchange for purpose of comparison and a check from performance these methods in practice . it was reached through simulation experiments and a real data to conclusion showed favorite Adaptive LASSO - MAVE method as it gave better results from LASSO-MAVE method depending on the two criteria Average mean squared error (AMSE) and Average mean absolute error (AMAE) basically for Comparison , and were obtained on results depending on program R- package.

ان نماذج المؤشر الواحد شبه المعلميه هي ادوات مهمة واساسية لمعالجة مشكلة الابعاد العالية اذ تلعب دوراً مهماً في عملية بناء الانموذج واختيار المتغيرات المعنويه . وفي هذا البحث تم استعمال بعض اساليب اختيار المتغير التلقائي الحديثة والتي تعمل على تقدير متجه المعلمات β ودالة الربط g (X^T β ) واختيار المتغير في آن واحد لنماذج المؤشر الواحد شبه المعلميه وهي طريقة (LASSO – MAVE) وطريقة )MAVE- (Adaptive LASSO بهدف تحسين دقة وتنبؤ الانموذج ومن اجل تحقيق هذا الهدف تم اجراء تجارب المحاكاة لبيان افضلية الطرائق المستعملة في تقدير واختيار المتغير للانموذج قيد الدراسة وباستعمال نماذج مختلفة , تباينات مختلفة , وحجوم عينات مختلفة وقيم ارتباط مختلفة فضلاً عن استخدام البيانات الحقيقية المتمثلة بالعوامل المؤثرة في القيمة السوقية للسهم لقطاع المصارف في سوق العراق للاوراق المالية لغرض المقارنة والتحقق من اداء هذه الطرائق في الواقع العملي . وتم التوصل عن طريق تجارب المحاكاة والبيانات الحقيقية الى استنتاجات بينت افضلية طريقة MAVE)- (LASSO اذ اعطت نتائج افضل من طريقة LASSO – MAVE) (Adaptive بالاعتماد على المعيارين معدل متوسط مربعات الخطا (AMSE) ومعدل متوسط الخطا المطلق (AMAE) اساساً للمقارنة وتم الحصول على النتائج بالاعتماد على برنامج (R-package).

single index model --- variable selection --- curse of dimensionality --- mave method --- lasso-mave method --- adaptive lasso mave method . --- انموذج المؤشر الواحد --- اختيار المتغير --- مشكلة الابعاد --- طريقة ماف --- طريقة لاسو – ماف --- طريقة لاسو التكيفية – ماف