شناساپذیری در مدل های خطی تعمیم یافته با اثرهای تصادفی

شناساپذیری یکی از ویژگی‌های لازم برای کفایت یک مدل آماری است. وقتی مدلی شناساپذیر نباشد، با هیچ اندازه‌ای از نمونه، نمی‌توان پارامتر حقیقی مدل را تعیین کرد. در این مقاله، مروری بر مفهوم مشهور شناساپذیری و ویژگی‌های آن شده است. به‌علاوه از آن‌جایی که مشکل شناساناپذیری در مدل‌های خطی تعمیم‌یافته‌ با اثرهای تصادفی بسیار رایج است، تمرکز اصلی ما بر روی این گونه از مدل‌ها بوده است. از سوی دیگر، معمولاً نرم‌افزارهای آماری، بعد از برازش مدل شناساناپذیر در آن‌ها، اشاره‌ای به این مسأله نکرده و خروجی‌های غیر معتبر ارائه می‌دهند. بنابراین یافتن راهی برای بررسی شناساپذیری مدل، قبل از برازش آن، خالی از فایده نخواهد بود. در این راستا، قضایای جدیدی در رابطه با شناساپذیری مدل‌های خطی تعمیم‌یافته‌ با اثرهای تصادفی بیان شده است. همچنین برای تشریح سودمندی قضایای مطرح شده، چند مطالعه‌ی شبیه‌سازی روی مدل‌های شناساناپذیر خطی تعمیم‌یافته‌ و خطی تعمیم‌یافته‌ با اثرهای تصادفی انجام شده و مشکل‌های حاصل از برازش آن‌ها مورد بررسی قرار گرفته ا‎ست.