مدل رگرسیون لجستیک چند حالته با مقادیر گم شده و کاربرد آن در بررسی بیماری گواتر

در جمع آوری داده های انبوه بویژه در بررسی سلامت و بیماری در ایران بعضی از متغیرها با عدم پاسخ روبرو می شوند که به اینها داده های گم شده می گویند. این داده های گم شده می تواند در متغیر پاسخ یا در متغیرهای کمکی بوجود آید. در این مقاله داده های گم شده در متغیرهای کمکی مورد بررسی است. روش پیشنهادی برای تجزیه و تحلیل مدل های رگرسیون لجستیک وقتی که متغیر پاسخ (Y) چند وضعیتی باشد و متغیر کمکی (Z) دارای مشاهدات کامل و متغیر کمکی (X) دارای مقادیر گم شده باشد مورد بررسی قرار داده ایم. در اینجا فرض شده است که مقادیر گم شده متغیر کمکی (X) بطور تصادفی گم شده اند. برای این منظور تابع درست نمایی برای داده های مشاهده شده را بدست آورده و سپس نتایج آن با روش های معمول که مبتنی بر حذف مقادیر گم شده هستند و معمولا در نرم افزارهای متداول نظیر SPSS بکار می رود مقایسه شده اند. برای تشریح بیشتر، هردو روش روی مثالی در مورد بیماری گواتر که دارای پاسخ های چندحالته است بکار برده شد. مقایسه نتایج نشان داد که مدل پیشنهادی بهتر عمل می نماید.

مدل رگرسیون لجستیک چند حالته با مقادیر گم شده و کاربرد آن در بررسی بیماری گواتر Keywords:

Missing At Random , Logistic Regression , Goiter Disease , Maximum Likelihood , Polytomous Outcome , داده های گم شده تصادفی , رگرسیون لجستیک , بیماری گواتر , ماکزیمم درست نمایی , پاسخ های چند حالته