تحلیل نیم پارامتری مدل های رگرسیونی برای پاسخ های سری توانی آماسیده صفر با متغیرهای تبیینی گم شده
Publish place: Journal of Statistical sciences، Vol: 14، Issue: 1
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 198
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-14-1_006
تاریخ نمایه سازی: 23 شهریور 1401
Abstract:
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.
Authors
احسان بهرامی سامانی
Department of Statistics, Faculty of Mathematical Sciences, Shahid Beheshti University, Tehran, Iran.
نفیسه خجسته بخت
Department of Statistics, Faculty of Mathematical Sciences, Shahid Beheshti University, Tehran, Iran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :