انتخاب متغیر با رویکرد جدید در آمیزه ای متناهی از مدل های رگرسیونی نیم پارامتری با توزیع پواسون

در این مقاله به بحث انتخاب متغیر با رویکردی جدید در آمیزه ای متناهی از مدل های رگرسیونی نیم پارامتری پرداخته می شود، به گونه ای که داده ها از توزیع پواسون تبعیت می کنند. اما دو عامل بیش پراکندگی و صفرهای بیش از حد به دلیل استفاده از توزیع پواسون می تواند تاثیر زیادی بر انتخاب متغیر و براورد پارامترها داشته باشند. در واقع براورد پارامترها در بخش پارامتری مدل رگرسیونی نیم پارامتری با استفاده از رویکرد درستنمایی تاوانیده انجام می پذیرد و در بخش ناپارامتری پس از تقریب موضعی تابع ناپارامتری با استفاده از بسط تیلور، محاسبات در حضور براورد ضرایب پارامتری انجام می گیرد. استفاده از رویکرد جدید در این مقاله باعث شده است تا موانع در انتخاب درست متغیرها برطرف گردد. در این مقاله علاوه بر ارائه تئوری های مربوطه، در بخش شبیه سازی داده ها نیز دو موضوع بیش پراکندگی و صفرهای بیش از حد مورد توجه قرار می گیرد و استفاده از روش EM در براورد پارامترها منجر به افزایش دقت در نتیجه شده است. 

کلیدواژه ها:

EM Algorithm ، Overdispersion ، Excess Zeros ، Semi-Parametric Regression ، Finite Mixture Model. ، الگوریتم EM ، بیش پراکندگی ، صفرهای بیش از حد ، رگرسیون نیم پارامتری ، مدل آمیزه ای متناهی