در طرح‌های فاکتوریل 2^m ، برای صرفه جویی در تعداد اجراها، از کسری از اجراهای طرح عاملی برای آزمون معنی داری اثرات استفاده می‌شود. در مرحله غربال گری که تعداد عامل‌ها زیاد هستند از طرح‌های کسری اثرات اصلی استفاده می‌کنند. برای صرفه جویی بیشتر و با توجه به اصل تنک بودن عامل‌های فعال، طرح‌ های ابراشباع شده پیشنهاد شدند. در این مقاله طرح‌های ابراشباع شده و ملاک E(S²) به عنوان معیار بهینگی برای طرح‌های ابراشباع شده دو-سطحی معرفی می‌شوند. سپس به منظور تعیین میزان مطلوبیت این طرح‌ها، کران پایین برای E(S²) ارائه می‌گردد.

امروزه تحلیل عاملی رشد و توسعه بسیاری یافته است و یکی از کاربردهای آن تحلیل صفت‌هایی است که بطور مستقیم قابل اندازه‌گیری نیستند. زمانی که متغیر پاسخ دارای توزیع برنولی باشد استفاده از روش‌های تحلیل عاملی برای کمیت‌های پیوسته دارای نتایج غیرمعتبر و گمراه‌کننده است. در این مقاله تحلیل عاملی برای متغیر پاسخ برنولی بر اساس مدل لوجیت بسط داده شده است و سپس کاربرد آن برای داده‌های واقعی از یک طرح پژوهشی در مورد کتب ریاضی دوره دبیرستان ایران اراﺋه شده است.

رگرسیون خطی فاصله‌ای‏، تعمیمی از رگرسیون معمولی است که از آن برای محاسبۀ رابطۀ بین متغیرهای مستقل و متغیر وابسته در یک محیط فازی استفاده می‌شود. هنگامی که پارامترهای مدل رگرسیونی خطی به‌جای توابع احتمالی با توابع عضویت فازی بیان شوند، این مدل، مدل رگرسیونی خطی فاصله‌ای نامیده می‌شود.

در این مقاله نخست روش‌های تحلیل رگرسیون خطی فاصله‌ای را مطرح می‌کنیم و سپس برای بهبود این روش‌ها، روشی پیشنهاد می‌کنیم که ابهام مدل را کاهش می‌دهد. در نهایت با چند مثال عددی‏، کارایی روش پیشنهادی را بررسی می‌کنیم. محاسبات انجام‌شده در مثال‌ها با استفاده از بستۀ آلاباما‎‎ به‌وسیلۀ نرم‌افزار ‎R‎ انجام شده است

مدل‌های داده‌های پانلی پویا قسمت مهمی از مطالعات حوزه‌های پزشکی، اجتماعی و اقتصادی را شامل می‌شوند.

ویژگی بارز این مدل‌ها وجود متغیر وابستۀ تأخیری به‌عنوان متغیر توصیفی است. مشکل برآورد در این مدل‌ها از همبستگی بین متغیر وابستۀ تأخیری و مؤلفۀ‌ خطای فعلی ناشی می‌شود. اخیراً رگرسیون چندکی تاوانیده برای تحلیل داده‌های پانلی پویا مورد توجه قرار گرفته است. در این مقاله نخست مدل رگرسیون چندکی با ایجاد تاوان لاسو سازوار روی اثر‌های تصادفی برای داده‌های پانلی پویا با فرض وابستگی اثر‌های تصادفی و مشاهدات اولیه ارائه می‌شود. همچنین این مدل با فرض استقلال بین اثر‌های تصادفی و مشاهدات اولیه نیز بررسی خواهد شد. هر دو مدل از دیدگاه آمار بیزی بیان شده، مورد تحلیل قرار می‌گیرند. چون در این دو روش، توزیع‌ پسین پارامترها به شکل بسته قابل حصول نیست، توزیع‌های پسین شرطی کامل پارامترها محاسبه و از الگوریتم نمونه‌گیری گیبز برای استنباط استفاده می‌شود. برای مقایسۀ کارایی روش‌های بیزی ارائه‌شده با روش‌های متداول، مطالعۀ شبیه‌سازی انجام شده و در پایان نیز روش استفاده از مدل‌ها در قالب مثال کاربردی شرح داده خواهد شد.

توزیع لامبدای تعمیم‌یافته‎{ generalized lambda distribution}(GLD)‎، تعمیمی از توزیع تک‌پارامتری توکی است که انعطاف‌پذیری بسیار زیادی در مدل‌بندی اطلاعات و داده‌های آماری دارد. در این مقاله، نخست دو شکل پارامتری متفاوت از توزیع ‎GLD‎ را ارائه و ویژگی‌های این توزیع را بررسی خواهیم کرد. سپس چهار روش گشتاوری، صدکی، starship‎ و ماکسیمم درست‌نمایی را برای برآورد پارامترهای توزیع ‎GLD‎ ارائه می‌کنیم. در انتها به‌کمک آزمون کولموگروف-اسمیرنوف به مقایسۀ دو شکل پارامتری توزیع ‎GLD‎ و چهار روش برآورد پارامترهای این توزیع می‌پردازیم و این توزیع را به داده‌های بورس اوراق بهادار تهران برازش می‌دهیم.