مهسا مرکانی - University of Sistan and Baluchestan
منیژه صانعی طبس - University of Sistan and Baluchestan
حبیب نادری - University of Sistan and Baluchestan
حامد احمد زاده - University of Sistan and Baluchestan
جواد جمال زاده - University of Sistan and Baluchestan

هنگام کار با یک مجموعه داده رگرسیونی ممکن است برخی شرایط برقرار نباشند و محدودیت هایی برای اجرای مدل رگرسیون به وجود آیند. روش آنتروپی تعمیم یافته ماکسیمم قادر است پارامترهای مدل رگرسیونی را بدون اعمال هیچ شرطی روی توزیع احتمال خطاها برآورد کند. این روش حتی در مواردی که حجم نمونه خیلی کم است و یا بین متغیرهای مستقل، هم خطی بالایی وجود داشته باشد قادر به برآورد پارامترهای مدل است و لذا روشی توانمندی است. در این پژوهش قصد بر آن است پارامترهای مدل لجستیک دودویی با به کارگیری آنتروپی تعمیم یافته ماکسیمم (GME)‎ برآورد شود و نتایج آن با روش ماکسیمم درستنمایی ‎(ML)‎ براساس معیار میانگین مربعات خطا‎(MSE) ‎ مقایسه شود. بدین منظور نمونه ای تصادفی به حجم ‎۳۹۹‎ نفر از اطلاعات مشتریان بانک مانند سن، شغل، وضعیت تاهل، میزان تحصیلات و وام به عنوان متغیرهای مستقل و تقاضای مشتری برای افتتاح حساب مدت دار به عنوان متغیر وابسته جمع آوری شد. درنهایت با توجه به مقدار ‎MSE‎ نتیجه گرفته شد که روش GME نسبت به روش ML‎ دقیق تر است.

Entropy, Generalized maximum entropy, Logistic regression, Logit, Maximum likelihood, رگرسیون لجستیک, آنتروپی ماکسیمم تعمیم یافته, درستنمایی ماکسیمم, میانگین مربعات خطا