تحلیل نیم پارامتری مدل های رگرسیونی برای پاسخ های سری توانی آماسیده صفر با متغیرهای تبیینی گم شده

در این مقاله پاسخ های شمارشی با تعداد صفر زیاد، که داده های آماسیده صفر نامیده می شوند، مورد تحلیل قرار گرفته اند. فرض می شود پاسخ ها از سری توانی آماسیده صفر پیروی می کنند. همچنین به دلیل وجود گم شدگی از نوع تصادفی در متغیرهای تبیینی برخی از داده های کاربردی، انواع روش های برآوردیابی پارامترهای مدل براساس تابع امتیاز با و بدون درنظر گرفتن گم شدگی برای مدل رگرسیونی ارایه شده است. در این میان، معلوم یا نامعلوم بودن احتمال انتخاب متغیر تبیینی گم شده منجر به ارایه روش نیم پارامتری برای برآورد پارامترها در مدل رگرسیونی سری توانی آماسیده صفر می شود. به منظور تشریح روش پیشنهادی، مطالعه ا ی شبیه سازی برای مدل رگرسیونی دوجمله ای منفی آماسیده صفر با متغیرهای تبیینی گم شده به عنوان یک مدل رگرسیونی سری توانی انجام می شود و سپس مثالی از داده های واقعی ارایه می شود. در انتها، عملکرد روش نیم پارامتری در مقایسه با روش ماکسیمم درستنمایی، مورد-کامل، احتمال وارون وزنی مورد بررسی و ارزیابی قرار گرفته است.

Keywords:

Zero-Inflated , ‎ ‎Missing Data‎ , ‎Score Function‎ , ‎Missing at Random‎ , ‎Semiparametric Analysis‎ , ‎Selection Probability‎. , آماسیده صفر , داده های گم شده , تابع امتیاز , گم شدگی تصادفی , تحلیل نیم پارامتری , احتمال انتخاب.