تحلیل داده های دودویی براساس یک رهیافت بیز نیمه پارامتری

تحلیل داده های دودویی براساس یک رهیافت بیز نیمه پارامتری یک روش مهم و پرکاربرد برای تحلیل داده های دودویی بر مبنای بکارگیری مدل های متغیر پنهان است، که از هر دو دیدگاه نظری و محاسباتی می تواند یک بستر مناسب فراهم سازد. در این چارچوب، مدل بندی پاسخ های چندمتغیره وابسته با ایجاد یک ساختار همبستگی در متغیرهای پنهان، امکانپذیر است. بطور کلی اغلب فرض می شود توزیع پیشین متغیر پنهان نرمال است و بدین ترتیب مدل حاصل پروبیت چند متغیره نامیده می شود. در این مدل میانگین و ماتریس کوواریانس متغیرهای پنهان در بین واحدهای آزمایشی مختلف یکسان در نظر گرفته می شود. این در حالی است که چنین همگنی ممکن است برقرار نباشد و در این صورت برآورد نامناسب پارامترهای مدل را به دنبال دارد. برای رفع این محدودیت، در این پایان نامه با اتخاذ رهیافت بیز نیمه پارامتری و در نظر گرفتن یک پیشین فرآیند دیریکله آمیخته برای متغیرهای پنهان، ناهمگنی در میانگین و ساختار کوواریانس مدلبندی می شود. به منظور ساده سازی مدل و انجام تحلیل های بیزی، از تجزیه چولسکی اصلاح شده برای بازپارامتریدن ماتریس کوواریانس استفاده می شود. در انتها نیز عملکرد مدل معرفی شده در یک مثال شبیه سازی و یک مثال کاربردی مربوط به مطالعه رفتار افراد سیگاری در شهر تهران مورد بررسی قرار میگیرد. واژگان کلیدی: داده هایی دودویی چند متغیره، فرآیند دیریکله آمیخته، بیز نیمه پارامتری، تجزیه چولسکی اصلاح شده، مدل پروبیت چند متغیره.