مقایسه‌ی دو رهیافت برای برخورد با متغیرهای کمکی گم‌شده در رگرسیون لوژستیک

Authors

مهندسی, ساناز

گلچی , شیرین

Abstract:

در طول 2۵ سال گذشته پیشرفت‌های روش‌شناسانه‌ای در زمینه‌ی تیمار داده‌های گم‌شده صورت گرفته است. بیش‌تر مطالعه‌های انتشاریافته روی داده‌های گم‌شده در متغیرهای وابسته تحت شرایط گوناگون تمرکز داشته‌اند. مطالعه‌ی حاضر در پی آن است که این خلأ را با مقایسه‌ی دو رهیافت برای برخورد با داده‌های گم‌شده در متغیرهای کمکی رسته‌ای در رگرسیون لوژستیک پر کند: روش‌ امید ریاضی- ماکسیمم‌سازی (EM) وزن‌ها و جانهی چندگانه (MI). داده‌های نمونه به‌صورت تصادفی از جامعه‌ای با مشخصه‌های معلوم انتخاب شده‌اند. داده‌های گم‌شده‌ی مربوط به متغیرهای کمکی تحت دو حالت شبیه‌سازی شده‌اند: گم‌شده‌ی کاملاً تصادفی و گم‌شده‌ی تصادفی با نرخ‌های گم‌شدگی متفاوت. یک مدل رگرسیونی لوژستیک با استفاده از یکی از دو رهیافت EM یا MI بر هر نمونه‌ برازش داده شده است. عملکرد این دو رهیافت با چهار معیار مورد مقایسه قرار گرفته است. اریبی،‌ کارایی،‌ پوشش و نرخ عدم پذیرش. نتیجه‌ها به‌طور کلی MI را بر EM ترجیح می‌دادند. مسائل عملی از جمله اجرا، گنجاندن متغیرهای کمکی پیوسته و اثر متقابل بین متغیرهای کمکی مورد بحث قرار گرفته‌اند.

Upgrade to premium to download articles

Already have an account?login

similar resources

مقایسه ی دو رهیافت برای برخورد با متغیرهای کمکی گم شده در رگرسیون لوژستیک

در طول 2۵ سال گذشته پیشرفت های روش شناسانه ای در زمینه ی تیمار داده های گم شده صورت گرفته است. بیش تر مطالعه های انتشاریافته روی داده های گم شده در متغیرهای وابسته تحت شرایط گوناگون تمرکز داشته اند. مطالعه ی حاضر در پی آن است که این خلأ را با مقایسه ی دو رهیافت برای برخورد با داده های گم شده در متغیرهای کمکی رسته ای در رگرسیون لوژستیک پر کند: روش امید ریاضی- ماکسیمم سازی (em) وزن ها و جانهی چند...

full text

مقایسه روش بیزی (Bayesian) و کلاسیک در برآرد پارامترهای مدل رگرسیون لجستیک با وجود مقادیر گمشده در متغیرهای کمکی

Background and Aim: Logistic regression is an analytic tool widely used in medical and epidemiologic research. In many studies, we face data sets in which some of the data are not recorded. A simple way to deal with such "missing data" is to simply ignore the subjects with missing observations, and perform the analysis on cases for which complete data are available. Materials and Methods: We c...

full text

کاربرد روش بیزی در برآورد پارامترهای مدل رگرسیون لوجستیک با مقادیر گمشده تصادفی در متغیر کمکی

چکیده زمینه و هدف: رگرسیون لوجستیک مدلی عمومی برای تحلیل داده های پزشکی و اپیدمیولوژیکی می باشد و اخیراً محققین معدودی تحقیقات خود را به تحلیل مدل های رگرسیون لوجستیک با وجود مقادیر گمشده در متغیرهای کمکی معطوف داشته اند. در بسیاری از پژوهش ها محققین با مجموعه داده هایی مواجه هستند که دارای مقادیر گمشده است. گمشدگی تهدید عمده ای برای درستی نتایج حاصل از مجموعه داده ها محسوب می شوند و اجتناب از آ...

full text

اثر بربرین در تنظیم آستروسیتهای Gfap+ ناحیه هیپوکمپ موشهای صحرایی دیابتی شده با استرپتوزوتوسین

Background: Diabetes mellitus increases the risk of central nervous system (CNS) disorders such as stroke, seizures, dementia, and cognitive impairment. Berberine, a natural isoquinolne alkaloid, is reported to exhibit beneficial effect in various neurodegenerative and neuropsychiatric disorders. Moreover astrocytes are proving critical for normal CNS function, and alterations in their activity...

full text