رگرسیون ضرایب متغیر طولی حاشیه ای با اسپلاین تاوانیده

سال انتشار: 1397
محل انتشار: مجله علوم آماری، دوره: 12، شماره: 1
کد COI اختصاصی: JR_STAT-12-1_005
زبان مقاله: فارسی
تعداد مشاهده: 207

نویسندگان

Department of Mathematics, Yasouj University, Yasouj , Iran.

چکیده

مدل های رگرسیونی ناپارامتری و نیمه پارامتری در زمینه داده های مستقل توسعه چشمگیری پیداکرده اند، اما رشد آن ها در زمینه داده های طولی، محدود به چند سال اخیر است. از آنجا که روش های رگرسیونی معمول برای داد ه های همبسته نسبت به داده های مستقل توانایی کمتری دارند، باید از مدل هایی استفاده شود، که همبستگی بین داده ها را نیز در نظر بگیرند. در این میان مدل های آمیخته و حاشیه ای که عامل همبستگی بین داده ها را نیز در نظر می گیرند، مدل هایی هستند که برای برازش داده های طولی مورد استفاده قرار می گیرند. همچنین با توجه به انعطاف پذیری مدل های نیمه پارامتری نسبت به مدل های پارامتری و ناپارامتری، مدل رگرسیون نیمه پارامتری طولی حاشیه ای با برآوردهای اسپلاین تاوانیده مدل مناسبی برای تحلیل داده های طولی است. در این مقاله رگرسیون نیمه پارامتری با ضرایب متغیر که در آن ارتباط بین متغیر پاسخ و یک متغیر پیش بین بر مبنای متغیر پیش بین دیگر مشخص می شود، بررسی شده است. همچنین استنباط بیزی برای مدل ناپارامتری روی داده های شبیه سازی شده و برای مدل نیمه پارامتری طولی حاشیه ای روی داده های واقعی، با نرم افزارهای استاندارد انجام شده است که نشان دهنده عملکرد قابل قبول این استنباط است.

کلیدواژه ها

Hierarchical Bayesian Model, Gibbs Sampling, Graphical Model, Mixed Model, Varying Coefficient Regression, نمونه گیری گیبز, مدل آمیخته, مدل حاشیه ای, مدل گرافیکی, مدل بیزی سلسله مراتبی

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.