هدف از انجام این پژوهش، بررسی مقایسه ای رابطه بین مولفه های هوش سازمانی ومولفه های هوش اخلاقی با رهبری تیمی مدیران آموزشی و غیر آموزشی دانشگاه های دولتی شهر اصفهان در سال تحصیلی 89-1388 بود. آلبرشت (2002) هوش سازمانی را دارای هفت بعد( بینش استراتژیک، سرنوشت مشترک، تمایل به تغییر، جرات و شهامت، اتحاد و وتوافق، کاربرد دانش و فشار عملکرد) معرفی کرد. نظریه هوش اخلاقی توسط بوربا (2005) ارایه شده است. وی هوش اخلاقی را توانایی درک درست از خلاف، داشتن اعتقادات اخلاقی قوی و عمل به آن ها بیان کرد. لنیک وکیل(2005) چهار اصل هوش اخلاقی(درستکاری، مسئولیت پذیری،دلسوزی و بخشش ) را برای موفقیت مداوم سازمانی و شخصی معرفی کردند. نظریه رهبری تیمی نخستین بار توسط کیم (2003) ارایه شد. وی رهبری تیمی را فرآیند نفوذ مشترک کارکنان در ابعاد مختلف شامل مشارکت کارکنان در شرایط کاری، تصمیم گیری وحل مساله تعریف کرد. روش پژوهش، توصیفی از نوع همبستگی و علی- مقایسه ای بوده است. جامعه آماری شامل 81 نفر مدیر و 476 عضو هیات علمی در دانشگاه اصفهان، 133 مدیر و 660 عضو هیات علمی در دانشگاه علوم پزشکی، 107 مدیر و 389 عضو هیات علمی در دانشگاه صنعتی و 26 مدیر و 40 عضو هیات علمی در دانشگاه هنر بود که مدیران مورد سرشماری قرار گرفتند و 153 عضو هیات علمی در دانشگاه اصفهان، 172 عضو هیات علمی در دانشگاه علوم پزشکی، 105 عضو هیات علمی در دانشگاه صنعتی و 15 نفر عضو هیات علمی در دانشگاه هنر از طریق نمونه گیری تصادفی طبقه ای متناسب با حجم به عنوان نمونه آماری انتخاب شدند. ابزارهای اندازه گیری در این پژوهش‏ عبارت بودند از: 1) نیمرخ هوش سازمانی که توسط آلبرشت (2003) طراحی شده است. این نیمرخ از 49 سوال در طیف پنج درجه ای تشکیل شده است. پایایی این نیمرخ با استفاده از آزمون آلفای کرونباخ با 96/0= مورد تایید قرار گرفت،2) سیاهه ی هوش اخلاقی که توسط لنیک وکیل (2005) ارایه شده و از40 سوال در طیف پنج درجه ای تشکیل شده است. پایایی این آزمون نیز با آلفای کرونباخ 94/0= تایید گردید،3) پرسشنامه ی رهبری تیمی که توسط کیم (2002) طراحی شد و از 45 سوال در طیف پنج درجه ای کاملا موافقم، موافقم، تا حدودی، مخالفم و کاملا مخالفم تشکیل شده است. پایایی این آزمون با آلفای کرونباخ 92/0= تایید شد. روایی محتوایی و صوری سه ابراز فوق توسط استاد راهنما و چند نفر از متخصصان و پژوهشگر مورد تایید قرار گرفت. تحلیل یافته های پژوهش نشان داد که: 1) بین مولفه های هوش سازمانی و مولفه های هوش اخلاقی مدیران آموزشی و غیرآموزشی رابطه ی مثبت و معنادار وجود دارد،2) بین مولفه های هوش سازمانی و رهبری تیمی رابطه ی مثبت و معنادار وجود دارد،3) بین مولفه های هوش اخلاقی مدیران آموزشی و رهبری تیمی رابطه ی مثبت و معنادار و بین مولفه های هوش اخلاقی مدیران غیر آموزشی با رهبری تیمی رابطه منفی و غیر معنادار وجود دارد،4) بین میانگین نمره های رهبری تیمی و هوش سازمانی بر حسب دانشگاه، دانشکده و گروه آموزشی و هوش اخلاقی مدیران آموزشی برحسب دانشکده و گروه آموزشی تفاوت وجود دارد که در سطح 05/0 p< معنادار است،5) بین میانگین نمره های هوش اخلاقی مدیران آموزشی برحسب سابقه خدمت و چند شغله بودن تفاوت وجود دارد که در سطح 05/0 p< معنادار است، ولی بین میانگین نمره های هوش اخلاقی مدیران غیر آموزشی تفاوت وجود ندارد و6) بین میانگین نمره های رهبری تیمی اعضای هیات علمی برحسب سن، سابقه خدمت و افتخارات علمی تفاوت وجود دارد که در سطح 05/0 p< معنادار است.

در تمام زمینه¬های تحقیقاتی معمولاً آزمایش¬هایی توسط پژوهشگر برای کشف واقعیت¬هایی از قبیل تعیین عوامل موثر بر فرآیند، محاسبه اثر عامل¬ها و همچنین برازش یک مدل بر روی متغیر پاسخ به منظور پیش¬بینی و بهینه¬سازی فرآیند انجام می¬گیرد. روش¬های رگرسیونی فنونی برای برازش مدل می¬باشند که خود نیز به چند نوع مختلف از قبیل مدل¬های خطی و تعمیم¬یافته با اثر آمیخته تقسیم می¬شوند. با توجه به کاربرد مدل¬های رگرسیونی در علوم مختلف، روش¬های بسیاری برای برازش این مدل¬ها وجود دارند که این نیز از طرق مختلف و بر اساس فرضیاتی که محقق در نظر می¬گیرد، انجام پذیر است.در این پایان¬نامه، توابع درستنمایی مختلفی را برای برآورد پارامترهای مدل¬ها ارائه می¬دهیم. این توابع شامل درستنمایی¬های شرطی، نیمرخی، جریمه و جفتی می¬باشند. محاسبه درستنمایی شرطی که بر پایه آماره¬ی بسنده¬ای است که برای اثرهای ثابت در نظر گرفته می¬شود. اما اگر برآورد اثر تصادفی نیز مد نظر باشد، درستنمایی¬های دیگری را بایستی بکار برد. اگر توزیع اثر تصادفی مشخص باشد آنگاه می¬توان توسط درستنمایی حاشیه¬ای استنباط را انجام داد. اما در بعضی حالات محاسبه این درستنمایی دشوار است که در این-صورت جایگزین درستنمایی¬های نیمرخی، جفتی یا جریمه پیشنهاد شده است. درستنمایی نیمرخی با محاسبه برآورد ماکسیمم درستنمایی پارامترهای مزاحم را در فرآیند ماکسیمم سازی حذف می¬کند. با افزودن مقدار جریمه به درستنمایی کامل نیز می¬توان از درستنمایی جریمه استفاده کرد. در این پایان¬نامه ما استفاده از درستنمایی جفتی را پیشنهاد می¬کنیم که بویژه برای داده¬های دوتایی، بعلت آن¬که انتگرالگیری مشکل است کاربرد دارد. توسط درستنمایی جفتی می¬توان ابعاد بزرگ انتگرال را به انتگرالگیری¬های کوچک¬تر تقسیم کرد که در نتیجه استنباط پارامترها بهتر انجام می¬گیرد. در این پایان¬نامه همچنین مثال¬های کاربردی مختلفی را برای روشن کردن مباحث نظری ارائه می¬دهیم که برازش مدل¬های آمیخته به داده¬های تجربی توسط نرم¬افزارهای متداول امکان¬پذیر است.هدف اصلی از انجام این پایان¬نامه رفع مشکل استفاده از درستنمایی کامل و جنبه¬های محاسباتی با آن می¬باشد که با استفاده از درستنمایی¬های دیگر کار محاسبه ساده¬تر می¬شود.

در بسیاری از تحقیقات کاربردی بخصوص در علوم پزشکی، کشاورزی و مطالعات اقتصادی، مدل های رگرسیونی با اثرات آمیخته برای تحلیل داده های طولی و مشاهدات وابسته به کار می روند. در این مدل ها وجود اثرهای تصادفی باعث تبیین تغییرپذیری درمشاهدات تکراری وتعدیل ساختارهمبستگی بین اندازه های مکرر مربوط به واحدها و یا مشاهدات وابسته درون طبقات شده که این موجب افزایش دقت وکارایی بیشتر برآورد پارامترها می شود. فرض های معمول در برازش این مدل ها نرمال بودن توزیع مولفه های خطا و اثرهای تصادفی است. اما در برازش مدل به داده های واقعی ممکن است فرآیند تولید داده ها به گونه ای باشد که به کار بردن توزیع نرمال برای مولفه های خطا و اثرات تصادفی منجر به نتایج نادرست و غیر قابل اعتبارگردد. استفاده از روش ماکسیمم درستنمایی جهت برآوردیابی پارامترهای مجهول منجر به حل انتگرال های پیچیده در تابع درستنمایی حاشیه ای بخصوص در حالت غیرنرمال بودن توزیع اثرات تصادفی شده که نیاز به روش های تکراری عددی پیشرفته دارد. در مطالعات اخیر روش مربع بندی گوسی به عنوان یک روش موثر جهت تقریب عددی انتگرال های پیچیده برای یافتن برآورد ماکسیمم درستنمایی پارامترها در مدل های آمیخته با اثرات تصادفی نرمال ارائه شده است. اما در حالت غیرنرمال بودن توزیع اثرات تصادفی نیاز به روش مناسبی است که تقریب خوبی از انتگرال ها را ارائه دهد. این پایان نامه با ارائه روش های جدید برآوردیابی در مدل های خطی و تعمیم یافته خطی با اثرات تصادفی غیرنرمال، به مطالعه این موضوع می پردازد. همچنین کاربرد روش های معرفی شده را با استفاده از داده های واقعی مورد بررسی قرار می دهد. این پایان نامه به دلیل ویژگی های منحصربه فرد توابع مفصل ازجمله قابلیت تولید ساختارهای مختلف همبستگی غیرخطی و ایجاد توزیع های حاشیه ای متفاوت، این توابع را به عنوان روشی معقول برای ساخت توزیع های چندمتغیره براساس توزیع های حاشیه ای و ساختار همبستگی بین متغیرها معرفی می نماید. در این راستا از این توابع به عنوان ابزاری برای ایجاد ارتباط بین توزیع حاشیه ای اثرات تصادفی در مدل های شامل دو و یا بیش از دو اثر تصادفی و همچنین برای برقراری ارتباط بین متغیرهای پاسخ در مدل های چندمتغیره با اثرات تصادفی استفاده شده و در آخر کاربرد مدل های مذکور با استفاده از داده های شبیه سازی و تجربی نشان داده شده است.

هدف از این پژوهش تحلیل روابط بین هوش های چندگانه ی سازمانی در مراکز تربیت معلّم ایران بوده است.نظریه ی هوش های چندگانه ی سازمانی مک گیل کریست و همکاران(2004) یک نظریه ی میان برد سازمانی است که با استفاده از سازه ی هوش، سازمان های آموزشی را توصیف می نماید. روش تحقیق، همبستگی بوده است. جامعه ی آماری این پژوهش کلیه ی مدرسان مراکز تربیت معلّم ایران در سال تحصیلی 88-1387 بوده اندکه از بین آن ها به روش نمونه گیری چند مرحله ای تعداد 200 نفر به صورت تصادفی انتخاب گردیده اند. داده ها به وسیله ی نه پرسشنامه ی محقق ساخته که با توجه به مولفه های نظریه ی هوش های چندگانه ی سازمانی تدوین شده ، جمع آوری گردیده است. روایی صوری و محتوایی ابزار ها به وسیله ی صاحبنظران و روایی سازه ی آن ها به روش تحلیل عاملی تأییدی مورد تأیید قرار گرفته است. پایایی پرسشنامه ها به روش کرانباخ برای هر کدام از هوش ها بین (785/0) تا(904/0) بوده است. آزمون های همبستگی های دو متغیری در درون خرده نظام هانشان داد که در چرخه ی هوش نظری بین هوش اخلاقی و معنوی (6/0=r)، در چرخه ی هوش زمینه ای بین هوش محیطی و عملیاتی (6/0=r)، در چرخه ی هوش اجتماعی بین هوش عاطفی و تأمّلی (14/0=r) و بین هوش تأمّلی و همکارانه (48/0=r) همبستگی معنی داری وجود دارد. ولی بین هوش عاطفی و همکارانه رابطه ی معنی داری وجود ندارد. همچنین در چرخه ی هوش اجتماعی بین هوش های عاطفی و تأمّلی با هوش همکارانه همبستگی چندگانه معنی داری(4/0=r) وجود دارد. آزمون های رگرسیون چندگانه بین چرخه ها نشان داد که بین هوش های اخلاقی و معنوی در چرخه ی هوش نظری با هوش محیطی و عملیاتی در چرخه ی هوش زمینه ای رابطه ی چند گانه ی معنی داری وجود ندارد. ولی بین هوش های محیطی و عملیاتی در چرخه ی هوش زمینه ای با هوش های عاطفی (25/0=r )، تأمّلی ( 2/0=r )و همکارانه ( 27/0r= )در چرخه ی هوش اجتماعی و بین هوش های چرخه ی هوش اجتماعی و هوش تربیتی (1/0=r) رابطه ی چندگانه ی معنی داری وجود دارد. همچنین بین هوش های چرخه ی هوش اجتماعی و هوش اخلاقی ( 23/0r= ) در چرخه ی هوش نظری رابطه ی چند گانه ی معنی داری وجود دارد، ولی با هوش معنوی رابطه ی چند گانه ی معنی داری ندارد. نتایج تحلیل بنیادی نشان داد که دو ترکیب خطی معنی دار بین متغیرهای بنیادی وجود دارد که آنها به ترتیب دارای همبستگی های کانونی 67/0 و31/0 بوده اند.بنابراین 45درصدازمتغیر کانونی وابسته در اولین ترکیب خطی و 10در صد از متغیر کانونی وابسته در دومین ترکیب خطی به وسیله ی متغیر های کانونی مستقل قابل تبیین است. نتایج تحلیل مسیر نشان داد که هوش نظری بالاترین وپس از آن به ترتیب هوش های نظام مندو اجتماعی بیشترین تأثیر مستقیم و کلّی را بر هوش تربیتی داشته اند. هوش زمینه ای بیشتر، تأثیری غیر مستقیم بر هوش تربیتی داشته است. واژه های کلیدی: هوش اخلاقی، تأمّلی، تربیتی، عاطفی، عملیاتی، محیطی، معنوی، نظام مند و همکارانه .

توزیع های آمیخته در بسیاری از تحقیقات کاربردی مانند ژنتیک، زیست شناسی و اقتصاد مورد توجه محققان قرار گرفته است. این توزیع ها در برازش مدل های رگرسیونی سهم بسزایی دارند. مطالعات فراوانی براساس توزیع های آمیخته صورت گرفته و روش های برآوردیابی مختلفی برای برآورد پارامترهای این توزیع ها مورد بررسی قرار گرفته است. در این رساله، توزیع های نرمال،t ، نرمال-چوله و t-چوله آمیخته را برای برازش خط رگرسیونی مورد استفاده قرار می دهیم. از آنجایی که استفاده از روش های مناسب برآوردیابی پارامترهای این مدل ها دارای اهمیت ویژه ای در حصول نتایج است؛ در این پایان نامه، روش های برآوردیابی را از دو دیدگاه فراوان گرا و بیزی مورد مطالعه قرار می دهیم. برآوردهای ماکسیمم درستنمایی با توجه به تعمیم هایی از الگوریتم em و برآوردهای بیزی توسط نمونه گیرگیبز انجام می شود. با استفاده از روش های بیزی، برآورد تعداد مولفه های یک توزیع آمیخته را بیان و یک چارچوب کلی برای آن مطرح می کنیم. همچنین، ابتدا به بررسی تحقیقات انجام شده در کاربرد الگوریتم گیبز در تحلیل بیزی توزیع t با درجه آزادی ثابت پرداخته، آنگاه با در نظر گرفتن توزیع پیشین مناسب برای درجه آزادی توزیع های t و t-چوله، استنباط بیزی آن ها را توسعه می دهیم. علاوه برآن، یک چارچوب برای برآورد تعداد مولفه های این توزیع ها، به کمک الگوریتم پرش های معکوس پذیر پیشنهاد کرده ایم. در آخر، کاربرد توزیع های آمیخته را به عنوان توزیع جملات خطا در مدل رگرسیون چندگانه بررسی، مدل برتر را انتخاب و پارامترهای آن را برآورد کرده ایم.

از مسائل مهم در ارتباط با ساختار تولید و میزان استفاده از نهاده ها در صنعت، می توان به تحلیل تقاضای نهاده های تولید و بررسی امکان جانشینی بین نهاده ها اشاره کرد. در این میان نهاده انرژی به دلیل ویژگی های خاص آن مانند پایان-پذیری، ارتباط مستقیم مصرف آن با آلودگی هوا، وفور منابع انرژی و تعلق گرفتن یارانه به انواع حامل های انرژی در ایران از اهمیت خاصی برخوردار است. بنابراین بررسی تأثیر تغییرات قیمت نهاده ها بر تقاضای آنها و امکان جانشینی نهاده ها ضروری به نظر می رسد. از طرفی، مدل های پویای تقاضای نهاده با تعریف هزینه تعدیل برای نهاده شبه ثابت این امکان را به وجود می آورند که تحلیل تقاضای نهاده ها در سه دوره زمانی کوتاه مدت، میان مدت و بلندمدت انجام گیرد. بنابراین، هدف این پژوهش تحلیل پویای تقاضای نهاده ها در صنایع کارخانه ای ایران طی سالهای 86-1374 می باشد. در این پژوهش مدل های پویای تقاضای نهاده نسل سوم بر اساس تابع هزینه درجه دوم استخراج شده و تابع هزینه همراه با توابع تقاضای به دست آمده برای نهاده های متغیر و شبه ثابت در یک سیستم به روش حداکثر درستنمایی با اطلاعات کامل برآورد شدند. سپس کشش های قیمتی، تولیدی و پیشرفت فنی نهاده ها محاسبه و مورد تجزیه و تحلیل قرار گرفتند. نتایج نشان دادند که سرعت تعدیل موجودی سرمایه بسیار پایین و برابر با 14/0 می باشد و این سبب می شود تا کشش های به دست آمده در کوتاه مدت تفاوت محسوسی با میان مدت و بلندمدت نداشته باشند. با توجه به کشش جانشینی موریشیما، نهاده انرژی با دیگر نهاده ها جانشین می باشد و اندازه کشش جانشینی در کوتاه مدت و بلندمدت تفاوتی وجود ندارد. کشش های تولیدی و پیشرفت فنی الکتریسیته، حامل های انرژی و سرمایه مثبت بوده و بیانگر افزایش تقاضای این نهاده ها با گسترش فعالیتهای تولیدی و تغییرات تکنولوژیکی در طول زمان می باشند، که نشان از سرمایه بر بودن تکنولوژی های مورد استفاده در صنایع کارخانه ای ایران دارد. با توجه به مسأله حذف یارانه انواع حامل های انرژی، در این پژوهش فرض بر این شد که پس از آزادسازی قیمتها، قیمت آنها به سطح قیمتهای فوب بازار خلیج فارس برسد. الگوی استخراج شده، در این حالت نیز برآورد شد. نتایج نشان داد که پس از افزایش قیمتها، اندازه کشش های جانشینی کاهش پیدا کرد. یعنی از حساسیت تقاضای نهاده انرژی نسبت به قیمت خود و دیگر نهاده ها کاسته شد.

روش معادلات برآوردیابی تعمیم یافته (gees) توسط لیانگ و زیگر در سال 1986 برای تحلیل داده های طولی، در صورتی که فرض های متداول آماری بواسطه وجود وابستگی بین واحدهای آزمایشی و غیرنرمال بودن توزیع مشاهدات برقرار نیست، معرفی شده است که یکی از مناسب ترین روش ها جهت تحلیل این نوع از داده های از جمله داده های شمارشی، پاسخ های دودویی و ترتیبی طولی محسوب می شود. زیرا این روش عموماً برآورد ضرایب رگرسیون و مولفه های واریانس را تنها توسط گشتاورهای مرتبه اول و دوم توزیع فرضی جامعه و نه بر اساس توزیع احتمال حاشیه ای کامل مشاهدات یا روش درستنمایی انجام می دهد و از این منظر، دارای کاربردهای فراوان در علوم مختلف، از جمله پزشکی و آزمایش های بالینی است. در این دیدگاه مقدار وابستگی بین واحدهای آزمایشی با در نظرگرفتن ماتریس های همبستگی مبنای مختلف مدل سازی می شود که تعیین درست این ماتریس همبستگی در بهبود کارایی برآوردیابی ضرایب رگرسیونی موثر است. به همین منظور در این پایان نامه معیار اطلاع شبه درستنمایی و تقریبی از آن را، به ترتیب، برای انتخاب بهترین ساختار ماتریس همبستگی مبنا و مناسب ترین زیر مجموعه از متغیرهای کمکی در این داده ها را ارائه می دهیم. با توجه به اهمیت ویژه تحلیل داده های طولی در مطالعات علوم پزشکی در این پایان نامه به بررسی نحوه عملکرد روش gees، ویژگی ها و کاربرد آن با طرح مثال های مختلف تجربی در زمینه علوم پزشکی پرداخته شده است. از مباحث مطرح شده نتیجه می شود که عموماً روش gees بسیار کاراتر از روش حداقل مربعات در رگرسیونی ساده که در آن مشاهدات مستقل فرض می شوند، است. زیرا این روش برآورد ضرایب رگرسیونی و مولفه های واریانس را توسط گشتاورهای مرتبه اول و دوم توزیع فرضی جامعه انجام می دهد و از انجام استنباط های اشتباه توسط محقق، در نتیجه نادیده گرفتن همبستگی های درون-واحدی، جلوگیری می کند.

موضوع این پایان نامه مطالعه ی بر روش های بیزی عینی برای انتخاب مدل خطی می باشد. هر چند تعریف واحدی برای عینیت در آمار بیزی وجود ندارد ولی یک توافق مشترک بین همه تعاریف حذف حداکثری هر نوع سلیقه شخصی در تعیین پیشین است. برای دستیابی به عینیت پیشین های ناسره بکار می ‍ رود. امروزه مشهور است که اگر ابعاد مدل های رقیب متفاوت باشند بکارگیری پیشین ناسره برای پارامترهای مدل باعث چیرگی درستنمائی شده و در نتیجه اغلب بزرگترین مدل تعیین می گردد. یکی از کاربردی ترین و جذاب ترین ایده ها برای برخورد با این مشکل ایده فاکتور بیز درونی برای مقایسه دومدل خطی و ایده احتمال پسین درونی برای مقایسه چند مدل رقیب مبتنی بر همه و یا تعداد زیادی از نمونه های پرورشی مینیمال است. این ایده در پایان نامه حاضر نقش محوری دارد. در این راستا جنبه های نظری، کاربردی، محاسباتی و مثال های عددی متنوعی ارائه می دهیم. در فصل اول چند مفهوم مقدماتی ارائه می شود. فصل دوم مربوط به برآورد بیزی پارامترهای مدل خطی است. در فصل سوم فاکتور بیز درونی برای مقایسه دو مدل خطی رقیب مورد بحث است. فصل چهارم مربوط به احتمال پسین درونی برای مقایسه چند مدل خطی رقیب است. در فصل پنجم روش های مونت کارلوی زنجیر مارکفی برای انتخاب عینی متغیرهای توضیحی مورد بحث است.

تحلیل داده های شمارشی یکی از مباحث مهم در بسیاری از تحقیقات کاربردی از جمله پزشکی و اقتصاد است. برازش مدل های مناسب وقتی مشاهدات شمارشی در طول زمان برای واحدهای آزمایشی مختلف جمع آوری شده اند از موضوع های قابل توجه در مطالعات اخیر بوده است. یکی از مسائل اساسی که برازش این مدل ها را پیچیده تر می کند وجود اثر خاص واحدهای آزمایشی است که تغییر پذیری بین واحدها را کنترل می کند. دراین راستا، هدف اصلی این رساله بررسی مدل های مناسب برای تحلیل مشاهدات شمارشی مقطعی و پنلی با اثرات تصادفی است که توسط روش ماکسیمم درستنمایی و روش های مبتنی بر مونت کارلوی زنجیر مارکوف انجام می گیرد. با توجه به آنکه محاسبه برآورد درستنمایی پارامترهای مدل منجر به حل انتگرال های پیچیده در تابع درستنمایی حاشیه ای می شود لذا این رساله استفاده از روش های بیزی، ازجمله نمونه گیرگیبز و متروپلیس-هستینگز، را پیشنهاد می کند. اما در کاربرد این روش ها، توزیع های پسین شرطی کامل ضرایب رگرسیونی مدل‎های پنلی با اثرات تصادفی شکل صریحی ندارند. بنابراین یک روش ابتکاری را برای حل این مسئله ارائه خواهیم داد. موضوع مهم دیگر در ارتباط با برازش مدل‎های پنلی پویا، مسئله‎ی شرایط اولیه است که مرتبط با فرض همبستگی بین مشاهدات اولیه و اثر واحدهای آزمایشی است. این مسئله به ندرت در تحقیقات قبلی مورد توجه قرار گرفته است. ما در این رساله یک مدل جایگزین برای حل مسئله ی شرایط اولیه که همبستگی بین مشاهدات اولیه و برآمدهای دوره های متوالی را منظور می کند، معرفی خواهیم کرد. علاوه بر این، در بسیاری از تحقیقات حاضر توزیع اثرات تصادفی نرمال فرض شده است. ما توزیع های دیگری، از جمله تی-استیودنت، نرمال-چوله و تی-چوله را برای اثرات تصادفی در مدل های پویا درنظر خواهیم گرفت. درآخر، مثال های تجربی متنوعی را جهت نشان دادن کاربرد مباحث نظری ارائه داده و توسط روش های انتخاب مناسبترین مدل را که برازنده است برمی گزینیم.

در این پایان نامه، خواص بهینگی طرح های بلوک خردشده ی ناقص را مورد بررسی قرار می دهیم. ابتدا یک شرط کافی برای بهینگی عمومی یک طرح بلوک خردشده ی ناقص ارائه می شود و سپس بهینگی طرح های بلوک خردشده ی ناقص، تحت دو مدل خطی از مشاهدات (مدل با اثرات متقابل و مدل بدون اثرات متقابل) بررسی خواهد شد. همچنین برخی روش های ساختن طرح های بلوک خردشده ی ناقصی که بهینه ی عمومی می باشد، ارائه می شوند. این روش ها از به کارگیری ساختار طرح بلوکی ناقص متعادل برای هر یک از تیمارهای سطری و ستونی بهره می گیرند. علاوه بر این برای طرح بلوک خردشده ی ناقص، مدل خطی دیگری را در نظر می گیریم، به طوری که در این مدل اثرات بلوکی به عنوان متغیرهای تصادفی می باشند. برای تحلیل این مدل خطی از دو روش استفاده می شود.روش اول بر پایه ی تحلیل طبقه ی درون-واحدی استوار است، به طوری که این روش برای طرح های چند طبقه ای مناسب می باشد. در روش دوم از روش حداقل مربعات تعمیم یافته استفاده خواهیم کرد. همچنین نشان داده می شود که طرح بلوک خردشده ی ناقص متعادل برای برآورد اثرات متقابل در هر دو روش ذکر شده در بالا، بهینه ی عمومی است.

در طرح آزمایش ها گاهی با مسائلی مواجه می شویم که متغیر پاسخ با یک یا چند متغیر رابطه ی خطی دارد که به این متغیرها، متغیرهای کمکی می گویند. براساس شرایط آزمایش این متغیرهای کمکی به 2 دسته زیر تقسیم می شوند. 1)حالتی که این متغیرهای کمکی، متغیرهای تصادفی می باشند و تحت کنترل آزمایشگر نیستند ولی می توان آن ها را همراه با متغیر پاسخ مشاهده کرد. 2)حالتی که این متغیرهای کمکی، متغیرهای غیرتصادفی می باشند و تحت کنترل آزمایشگر هستند که مقادیر آن ها را آزمایشگر مشخص می کند. هنگامی که متغیر پاسخ با یک یا چند متغیر کمکی رابطه ی خطی دارد، استفاده از طرح های با متغیر کمکی مفید واقع می شود. با استفاده از این طرح ها میانگین مربعات خطا کاهش می یابد و باعث آشکار شدن اختلاف های واقعی حاصل از تیمارها در متغیر پاسخ می شود. در این پایان نامه متغیرهای کمکی را از نوع دوم که غیر تصادفی و قابل کنترل می باشند در نظر می گیریم و به دنبال یافتن طرح های بهینه با متغیرکمکی در ساختار طرح های بلوکی می باشیم به طوری که کاراترین برآورد را برای پارامترهای رگرسیونی مدل داشته باشیم. در فصل اول به معرفی ابتدایی طرح های با متغیر کمکی می پردازیم و همچنین تاریخچه ای از توجه به این نوع طرح ها بیان می شود. در فصل دوم انواع طرح های بلوکی را معرفی و به بررسی ساختاری این طرح ها می پردازیم و بعضی روش های ساختن دسته ای از این طرح ها را بیان می کنیم. در فصل های سوم، چهارم و پنجم به بیان قضیه هایی برای انواع طرح های بلوکی، در مورد ساختن ماتریس مقادیر متغیرهای کمکی موجود در مدل تحت شرایطی می پردازیم که کاراترین برآورد را برای پارامترهای رگرسیونی در ساختار طرح های بلوکی داشته باشیم.

فرّاریت میزان عدم حتمیت یا ریسک مربوط به درجه و اندازه ی تغییرات ارزش اوراق بهادار در یک بازه ی زمانی خاص نامیده می شود. برای مدل کردن فرّاریت با زمان- تغییرپذیر سری های زمانی مالی بسیاری شامل مدل اتورگرسیو ناهمسان واریانس (arch)، تعمیم یافته اش (garch) و مدل فرّاریت تصادفی (sv) پیشنهاد شده است. در این پایان نامه، کشیدگی مدل های garch و sv را زمانی که عامل نوسازی شرطی غیر - نرمال باشد، به دست می آوریم. همچنین، یک دستورالعمل برای استنباط بیزی و پیش بینی مدل arch با عامل نوسازی نرمال و مدل garchبا عامل نوسازی نرمال آمیخته ارائه می دهیم. مدل garchبا عامل نوسازی نرمال آمیخته می تواند خوشه بندی فرّاریت، کشیدگی زیاد و دم های سنگین و نقاط غایی را توصیف کند. سپس، مدل sv پایه برای بررسی اثر اهرمی از طریق وابستگی بین فرّاریت و میانگین عامل نوسازی، و توزیع های دم پهن برای معادله ی میانگین عامل نوسازی توسعه می یابد و یک الگوریتم مونت کارلوی زنجیر مارکوفی بر اساس آمار بیز برای مدل های تعمیم یافته ایجاد می شود. فاکتور بیز را برای تشخیص اهمیت مدل های تعمیم یافته ی با اثر اهرمی و توزیع دم پهن توسعه می دهیم. متاسفانه، فرض نرمال بودن خیلی محدود کننده است و از عدم استواری در حضور نقاط دورافتاده رنج می برد، که می تواند اثر معناداری روی استنباط بر پایه ی بگذارد. اما یک کلاس توانا از توزیع ها، مدل مقیاس – آمیخته از نرمال (smn) نامیده می شوند که دم هایی سنگین تر از نرمال دارند و بنابراین می توانند برای استنباط هایی استوار برای مدل های فرّار به کار روند. سرانجام، به عنوان یک مطالعه ی تجربی، با رویکرد بیزی مدل های arch، garch و sv را برای نرخ ارز پوند- دلار بین اول اکتبر 1981 تا 28 ژوئن 1985به کار می بریم.

یکی از فرض های معمول در برازش مدل های خطی برای توزیع خطاهای تصادفی، نرمال است. استنباط آماری بر اساس توزیع نرمال در صورت وجود نقاط دورافتاده منجر به نتایج نادرست خواهد شد. از طرفی اگر توزیع مشاهدات دارای چولگی و یا کشیدگی ذاتی باشد این فرض مخدوش خواهد شد. تحقیقات زیادی در ارتباط با ساختار توزیع های انعطاف پذیر توسط آماردانان انجام گرفته است که در تحلیل داده ها با پراکندگی زیاد بتوانند جایگزین نرمال شوند. در این پایان نامه چند توزیع جایگزین را با ساختار انعطاف پذیر که در تحلیل آماری مقاوم کاربرد ویژه ای دارند، معرفی می کنیم. این توزیع ها شامل اسلش و نوع- کاتز چند متغیره می باشند. هدف از انجام این پایان نامه معرفی این توزیع ها و بیان برخی از ویژگی آنها، کاربرد و مقایسه آنها در مدل های خطی رگرسیون برای داده های مقطعی و در مدل های خطی با اثرات آمیخته برای داده های وابسته و انتخاب بهترین مدل برازش شده است. بدین منظور با توجه به آنکه استنباط آماری بر اساس تابع درستنمایی حاشیه ای مشکل است لذا از روش های جایگزین بیزی مبتنی بر رهیافت مونت کارلوی زنجیر مارکوفی استفاده می کنیم. علاوه بر آن چند مجموعه داده ی واقعی برای روشن ساختن مفاهیم تئوری مورد تحلیل قرار می گیرند. بدین منظور از الگوریتم نمونه گیر ی گیبز، به منظور برآورد بیزی پارامترهای مدل بهره می گیریم.

تحلیل داده های پنلی و طولی به سرعت در تحقیقات کاربردی در حال توسعه هستند. این داده ها اندازه گیری های مکرر روی زمان بر روی واحدهای یکسان می باشند. مدل های خطی با اثرات آمیخته به عنوان ابزاری برای تحلیل این نوع داده ها به طور وسیع در علوم مختلف مانند کشاورزی، زیست شناسی و اقتصاد به کار برده می شوند. در این مدل ها، همبستگی بین واحدها از طریق اثرات تصادفی موجود در مدل بررسی می شوند. یک فرض متداول در این مدل ها، نرمال بودن اثرات تصادفی و باقیمانده ها است. در مباحث کاربردی ممکن است این فرض نادرست باشد و منجر به نتایج برآوردیابی اشتباه شود. تحقیقات زیادی بر روی جایگزین کردن فرض های توزیع های مرتبط در مدل های خطی با اثرات آمیخته با توجه به اهداف کاربردی صورت گرفته است. آماردانان در برازش این نوع مدل ها به دنبال توزیع هایی هستند که ویژگی های بیشتر داده ها را از لحاظ چولگی و کشیدگی ارائه دهند. در این راستا، هدف از انجام این پایان نامه مطالعه ی مدل های خطی با اثرات آمیخته و پنلی پویا با استفاده از توزیع های بیضوی-چوله مانند نرمال-چوله و -چوله است. ابتدا تعمیمی از این توزیع ها را معرفی کرده و سپس ویژگی های توزیع های چوله چندمتغیره را بررسی می کنیم. از آنجایی که برآورد پارامترهای این مدل ها از دیدگاه فراوان گرا مشکل است، در این رساله روش برآوردیابی از دیدگاه بیزی را به کار می بریم و روش های بیزی سلسله مراتبی و داده افزایی را مورد توجه قرار می دهیم. برآوردیابی بیزی را توسط الگوریتم نمونه گیرگیبز انجام می دهیم. در نهایت ویژگی های مدل های فوق در تحلیل داده های واقعی نشان داده خواهد شد و بهترین مدل را با استفاده از معیارهای متداول انتخاب مدل برمی گزینیم.

چکیده در بسیاری از تحقیقات کاربردی به خصوص در علوم پزشکی، مدل های چند متغیره ی رگرسیونی با اثرهای آمیخته برای تحلیل داده های طولی در مواجهه با چندین پیامد، به کار می روند. در این مدل ها وجود اثرهای تصادفی باعث تبیین تغییرپذیری درمشاهدات تکراری و تعدیل ساختار همبستگی بین اندازه های مکرر مربوط به واحدهای درون طبقات شده که این امر موجب کارایی بیشتر برآورد پارامترها و در نتیجه افزایش دقت می شود. فرض معمول در برازش این مدل ها نرمال بودن توزیع اثرهای تصادفی است. اما در برازش مدل به داده های واقعی ممکن است فرآیند تولید داده ها به گونه ای باشد که به کار بردن توزیع نرمال برای اثرات تصادفی منجر به واریانس زیاد برآوردها و نتایج نادرست و غیر قابل اعتبارگردد.از این رو در سال های اخیر، روش های پیشرفته آماری با جایگزین کردن توزیع های متقارن دم-سنگین و یا توزیع های نامتقارن دم-سنگین به جای پذیره نرمال بودن اثر تصادفی در این نوع از مدلبندی ها، منجر به نتایج معتبرتری در مطالعات طولی گردیده است. شکل نامتقارن این خانواده از توزیع ها با منظور کردن پارامتر چولگی در تحلیل، مدل بندی انعطاف پذیرتری را ایجاد کرده است. استفاده از این روش منجر به حل انتگرال های پیچیده بر روی تابع درستنمایی حاشیه ای خواهد شد که حل آن ها که به کمک روش های بیزی انجام می گیرد. برای مدل بندی نامتقارن آمیخته داده های طولی، داده های حاصل از کارآزمایی بالینی ادم ماکولای دیابتی مورد استفاده قرار گرفته است. مقایسه نتایج حاصل از مدل های معمول و مدل های پیشنهادی با در نطر گرفتن توزیع نرمال، تی، لاپلاس و فرم چوله آن ها نشان داد که به دلیل نامتقارن بودن توزیع بخش تصادفی، مدل آمیخته با اثر تصادفی غیرنرمال مناسب تر است. کلمات کلیدی: داده های طولی، مدل های آمیخته، اثرهای تصادفی غیرنرمال، توزیع های بیضوی،توزیع های بیضوی –چوله، ادم ماکولای دیابت

در چند دهه اخیر توزیع های آماری مختلفی در مدل های رگرسیونی خطی معرفی شده اند که هرکدام دارای ویژگی های خاصی هستند. خانواده توزیع های آمیخته-مقیاس اخیرا مورد توجه فراوان قرار گرفته است. ساختار این خانواده بر پایه یک فرآیند سلسله مراتبی تصادفی است که در آن توزیع آمیزنده نقش اساسی را در خواص آماری ایفا می کند. در استنباط بیزی مدل های رگرسیونی پیچیده توسط رهیافت شبیه سازی مونت کارلوی زنجیر مارکفی، این نمایش سلسله مراتبی منجر به استفاده ساده تر و کاربرد بهتر این توزیع ها خواهد شد. این پایان نامه ویژگی های خانواده توزیع های آمیخته-مقیاس نرمال چندمتغیره را با نرمال چندمتغیره مقایسه نموده و نشان می دهد که بعضی از مشخصه های آن مشابه با توزیع نرمال چند متغیره است. از جمله می توان به خواص ترکیب خطی، توزیع های کناری و شرطی آن ها اشاره کرد. با محاسبه اندازه کشیدگی چندمتغیره ماردیا نشان می دهیم که کشیدگی این توزیع ها بیشتر از نرمال چندمتغیره است. این ویژگی امکان مدل سازی بهتر را در شرایطی که توزیع مشاهدات دارای دم سنگین تر و قله بلندتر نسبت به نرمال است فراهم می کند. بنابراین، این توزیع ها می توانند در شرایط خاص به عنوان جایگزینی برای نرمال معرفی شوند. این پایان نامه همچنین خانواده توزیع آمیخته- مقیاس نرمال- چوله چندمتغیره را معرفی نموده و توابع مشخصه آنها را درصورت وجود گشتاورهای متغیر آمیزنده ارائه می دهد. در تحقیقات کاربردی عدم برقراری فرض متداول توزیع نرمال در برازش مدل های چندسطحی منجر به نتایج نادرست خواهد گردید. در این پایان نامه ما به منظور انجام تحلیل های استوار تر، خانواده توزیع آمیخته-مقیاس نرمال چندمتغیره و توزیع های مرتبط با آن را در برازش انواع مدل های چندسطحی، مانند تحلیل واریانس با اثرهای تصادفی، داده های پانلی و خطی با ضرایب تصادفی معرفی می کنیم. همچنین، توزیع های پسین شرطی کامل موردنیاز جهت برآورد پارامترها با روش الگوریتم نمونه گیری گیبز را بدست می آوریم. در ادامه با استفاده از روش شبیه سازی مونت کارلوی زنجیر مارکفی، مدل های معرفی شده را روی داده های واقعی برازش داده و با معیارهای انتخاب مدل آنها را مقایسه می کنیم.

در تحلیل مدل های رگرسیونی، فرض معمول این است که مولفه های خطا دارای توزیع نرمال هستند. اما از آن جا که امکان نقض این فرض در تحلیل داده های واقعی امکان پذیر است، لذا مطالعه بر روی جایگزینی توزیع های منعطف تر از نرمال موضوع اصلی بسیاری از تحقیقات کاربردی می باشد. یکی از این توزیع ها لاپلاس- چوله ی چند متغیره است که در دهه ی اخیر از سوی محققان زیادی مورد توجه قرار گرفته است. در تحقیقات مختلف، شکل های متفاوتی برای نشان دادن تابع چگالی آن ارائه شده است. در این پایان نامه، یکی از این شکل ها که نسبت به بقیه دارای ساختارساده تر و کاربرد بهتر در مدل سازی است بررسی می شود. این توزیع به دلیل وجود انعطاف پذیری بیشترکه شامل سنگینی دم ها، کشیدگی زیاد و چولگی است می تواند جایگزین مناسبی در مباحث مدل سازی رگرسیونی باشد. در این پایان نامه ابتدا مدل های رگرسیون خطی معمولی با توزیع لاپلاس- چوله معرفی خواهند شد و سپس آن ها را به مدل های آمیخته با اثرهای تصادفی، که در تحلیل داده های همبسته به وفور به کار می روند، تعمیم می دهیم. با توجه به آنکه استنباط پارامترهای مدل بر اساس روش حداکثر درستنمایی حاشیه ای منجر به محاسبات جبری پیچیده ای می شود ما از روش های عددی پیشرفته مانند الگوریتم em از دیدگاه فراوانی گرا و نیز رهیافت مونت کارلوی زنجیر مارکوفی از دیدگاه بیزی بهره می گیریم. دراین راستا از نمایش تصادفی سلسله مراتبی توزیع لاپلاس- چوله ی چند متغیره که آمیخته ای از نرمال و گاماست استفاده خواهیم کرد. اهمیت نظری نتایج حاصل را با ارائه ی تحلیل داده های واقعی نشان می دهیم.

مدل های خطی با اثرات تصادفی یکی از پرکاربردترین مدل هایی است که برای مدل سازی داده های پانلی ‏و طولی به کار می رود. در این مدل ها‏، دقت استنباط با کنترل تغییرپذیری بین و درون واحدها با درنظرگرفتن اثرات تصادفی در مدل‏، افزایش می یابد. در سال های اخیر‏، برازش مدل های با اثرات تصادفی دارای توزیع منعطف‏، موضوع بسیاری از تحقیقات بوده است. ‏برای این منظور‏، توزیع های پارامتری و ناپارامتری مختلفی ارائه شده است. در رویکرد کلاسیک‏، به دست آوردن برآورد پارامترهای مدل های با توزیع منعطف در بسیاری از موارد دشوار است. درصورتی که در رویکرد بیزی با استفاده از ساختار سلسله مراتبی توزیع ها‏، استنباط آماری ساده تر انجام می شود. در این راستا‏، در این رساله با استفاده از رویکرد نیمه‎ پارامتری بیزی به معرفی توزیع منعطف جدیدی به نام فرآیند دیریکله چوله می پردازیم که تعمیمی از توزیع‏ های چوله نرمال و فرآیند دیریکله با پایه نرمال است. به این ترتیب‏، یک توزیع منعطف پارامتری با توزیعی نیمه پارامتری ترکیب شده و توزیعی منعطف تر از هر یک از دو توزیع قبلی به دست می آید‎. اکثر داده های پانلی دارای ساختار همبستگی پیاپی هستند. این ساختار به وسیله مدل های پویا‏ با درنظرگرفتن متغیر(های) پاسخ تأخیری می تواند به خوبی مدل شود. در این مدل ها‏، مسأله شرایط آغازین که به دلیل وجود وابستگی بین مشاهدات زمان های آغازین و اثرات تصادفی رخ می دهد‏، غالباً منجر به اریبی شدید در برآورد پارامترها می شود. از این رو در این رساله‏، توزیع منعطف فرآیند دیریکله را به گونه ای برای اثرات تصادفی درنظر می گیریم که به درستی بتواند این وابستگی را پوشش دهد. همچنین در اکثر تحقیقات کاربردی با داده های پانلی دارای ‏همبستگی پیاپی‏، مشاهدات در فواصل زمانی نابرابر به دست می آیند. معمولاً این فواصل بر میزان و نحوه تأثیرگذاری پاسخ های متوالی تأثیر می گذارند. در این رساله به معرفی نحوه جدیدی از تأثیرگذاری بین پاسخ های متوالی می پردازیم. سپس تحلیل این داده ها را به کمک تعمیمی از مدل های پویا درنظر می گیریم. در این راستا به مدل سازی صحیح توزیع اثرات تصادفی از طریق درنظرگرفتن مسأله شرایط آغازین نیز توجه می کنیم.

یکی از مباحث مهم در تحلیل رگرسیون غیرخطی، فرض درباره توزیع خطای مدل است که در چند دهه اخیر موضوع تحقیق بسیاری از محققان بوده است. پیش از این، فرض بر این بوده که خطا از توزیع نرمال پیروی می کند. بسیاری از محققان توزیع های جدیدی را با خواص منحصر به فردی برای توزیع خطا در نظر گرفته اند، از جمله می توان به خانواده توزیع آمیخته-مقیاس چوله-نرمال اشاره نمود. مبحث مهم دیگر در تحلیل رگرسیون غیرخطی، تعیین شکل تابع انتظار است که با توجه به ساختار داده های واقعی مشخص می شود. هدف از انجام این پایان نامه، معرفی خانواده توزیع آمیخته مقیاس چوله-نرمال و توزیع های چوله-نرمال، چوله-تی و چوله-اسلش متعلق به آن و بررسی خواص مطلوب آن ها در حالت کلی و در رگرسیون غیرخطی است. از خواص مطلوب این خانواده از توزیع ها می توان به نمایش سلسله مراتبی آن که امکان محاسبه ساده تر برآورد پارامترها به روش الگوریتم em، تعمیم های آن و رهیافت نمونه گیر گیبز را فراهم می کند، اشاره کرد. با برازش دادن مدل رگرسیون غیرخطی مناسب با توزیع خطای مختلف متعلق به خانواده توزیع آمیخته-مقیاس چوله-نرمال بر داده های واقعی به این نتیجه رسیدیم که توزیع های چوله در مواردی بهتر از توزیع نرمال به داده ها برازش می شود. با انجام مطالعات شبیه سازی از یک مدل رگرسیون غیرخطی با خطای چوله-تی و مقایسه با سایر توزیع های معرفی شده برای خطا، قابلیت توزیع آمیخته مقیاس چوله-نرمال در برازش مدل های رگرسیون غیرخطی مشخص می شود.

در حسابداری صنعتی فرض می شود که روابط بین هزینه و سطح فعالیت برای افزایش و کاهش متقارن می باشد. اما تحقیقات اخیر بیانگر رفتار عدم تقارن هزینه ها هنگام نوسانات تقاضا است. بر اساس تحقیقات انجام شده، دلایل عدم تقارن هزینه ها را می توان به دو دسته اصلی تصمیمات سنجیده مدیران در قالب عوامل اقتصادی موثر بر چسبندگی هزینه ها و انگیزه های شخصی و حکومت طلبی مدیران در قالب عوامل نمایندگی موثر بر عدم تقارن رفتار هزینه ها، تقسیم نمود. براین اساس، در پژوهش حاضر تاثیر انگیزه های شخصی مدیران در قالب عوامل نمایندگی موثر بر عدم تقارن هزینه ها و تاثیر حاکمیت شرکتی قوی از طریق مهار انگیزه شخصی مدیران بر میزان عدم تقارن هزینه ها، مورد آزمون قرارگرفته است. پژوهش حاضر تحقیقی کاربردی و از نوع تحقیقات شبه تجربی و روش شناسی آن از نوع پس رویداد است که در آن تاثیر متغیرهای نمایندگی و حاکمیت شرکتی بر عدم تقارن هزینه های اداری، عمومی و فروش، مورد بررسی قرار گرفته است. جهت آزمون فرضیه های پژوهش از مدل رگرسیون خطی چند متغیره استفاده شده است. نوع داده ها جهت آزمون فرضیه های پژوهش، داده های ترکیبی می باشد. روش های آماری به کار رفته شامل آماره t، اف فیشر(f)، ضریب تعیین(r2) می باشد. براساس نتایج تحقیق، هر دو نوع متغیرهای نمایندگی و حاکمیت شرکتی در نمونه ای متشکل از 100 شرکت پذیرفته شده در بورس اوراق بهادار تهران، در دوره زمانی 1379 إلی 1389 با عدم تقارن هزینه های اداری، عمومی و فروش دارای رابطه معنی دار بوده است. از این رو عدم تقارن هزینه ها به دلیل مساله نمایندگی رابطه مثبتی با انگیزه های شخصی و حکومتی مدیران دارد. همچنین، نتایج مذکور نشان می دهد که حاکمیت شرکتی از طریق مهار انگیزه شخصی مدیران، رفتار عدم تقارن هزینه ها را کاهش می دهد.

در تحلیل مدل های رگرسیونی فرض معمول این است که واریانس مولفه های خطا همسان هستند. اما از آن جایی که امکان نقض این فرض در تحلیل داده های واقعی امکان پذیر است، لذا مطالعه بر روی روش های برآوردیابی در صورت ناهمسانی واریانس موضوع اصلی بسیاری از تحقیقات کاربردی می باشد. یکی از این روش ها مدل بندی پارامتر مقیاس بر اساس متغیرهای توضیحی است که در چند دهه ی اخیر از سوی محققان مورد توجه قرار گرفته است. در تحقیقات مختلف ، شکل های متنوعی برای مدل بندی پارامتر مقیاس ارائه شده است. در این پایان نامه، ابتدا این شکل های کلی برای پارامتر مقیاس ارائه می گردند و سپس نحوه برآورد پارامترهای مدل مقیاس توضیح داده می شود. از طرف دیگر در صورت نامعلوم بودن ساختار ناهمسانی واریانس توزیع تی-استیودنت را به علت دارا بودن دم های سنگین تر نسبت به نرمال برای استنباط های استوار به کار می گیریم. همچنین به دلیل کاربرد روز افزون داده های طولی در علوم مختلف به تشریح ساختار ماتریس کواریانس این نوع داده ها که تغییر پذیری واحد های آزمایش را در طول زمان نشان می دهد، می پردازیم و نحوه ی برآوردیابی ماتریس کواریانس را شرح خواهیم داد. با توجه به آنکه استنباط پارامترهای مدل بر اساس روش ماکسیمم درستنمایی منجر به محاسبات جبری پیچیده می شود، از روش های تکرار عددی مانند الگوریتم امتیازدهی فیشر از دیدگاه فراوانی گرا و رهیافت مونت کارلوی زنجیر مارکوفی از دیدگاه بیزی بهره می گیریم. اهمیت نظری مباحث حاصل را با ارائه ی تحلیل داده های واقعی نشان خواهیم داد.

وقتی هدف از آزمایش برآورد در مدل های خطی تعمیم یافته است، ‏طرح های استاندارد برای مدل های خطی معمولی مناسب نیستند. در بسیاری از آزمایش ها، متغیر پاسخ دارای توزیع غیر نرمال و عضو خانواده نمایی است. از طرفی در برخی شرایط، ممکن است پاسخ ها نیز وابسته و از چندین متغیر توضیحی تأثیرپذیر باشند. برای انجام آزمایشی با چنین شرایط برای متغیر پاسخ، آزمایش مناسب آنها را باید طراحی کرد که وابسته بودن پاسخ ها را نیز در نظر بگیرد. به طور کلی می بایست مدل و طرح مناسب به طور توأم برای تحلیل چنین داده هایی انتخاب شود که هدف اصلی انجام این پایان نامه می باشد. در این پایان نامه، طرح های d- بهینه بیزی برای مدل های خطی تعمیم یافته مورد بررسی قرار می گیرد. معیاری برای یافتن طرح بلوکی دقیق ‎d‎- بهینه استوار برای مقادیر پارامترهای مدل معرفی می شود. در این طرح بلوکی، واحدهای درون هر بلوک همبسته با ساختار همبستگی مشخص شده، هستند و واحدهای بلوک های مختلف مستقل از هم می باشند. برای ساختن طرح آزمایش مطلوب از الگوریتم بهینه سازی فراابتکاری آنیلینگ شبیه سازی شده استفاده می شود. همچنین، بر روی مدل آماری مناسب برای داده های همبسته غیر نرمال بحث شده و به مسئله برآوردیابی پارامترها به روش معادلات برآوردگر تعمیم یافته ‎(gee)‎ پرداخته می شود. در نهایت طرح بلوکی دقیق d - بهینه استوار در دوحالت یکسان بودن اندازه بلوک ها و نابرابر بودن آن ها با نرم افزار ‎‎‎‎matlab‎‎‏ اجرا شده و با انجام مطالعات شبیه سازی نشان داده می شود که طرح بدست آمده طرح مقبولی است.

رفتار مجانبی اندازه جدیدی که برای داده های گردآوری شده با فراوانی زیاد ساخته شده است، معرفی می-شود، این اندازه که تبدیل لاپلاس تحقق یافته تلاطم نامیده می شود برآوردی غیر پارامتری برای تابع تبدیل لاپلاس تجربی از فرایند تلاطم- تصادفی مخفی بر روی یک فاصله از زمان ارائه می دهد و برای حضور پرش ها در فرایند قیمت گذاری استوار است. علاوه براین برای ساخت برآوردی غیرپارامتری از تبدیل لاپلاس تلاطم و تبدیل لاپلاس توأم تلاطم مرکب، تحت یک دامنه طولانی از داده ها، بر روی نقاط مختلف زمان به کاربرده می شود. قضایای حدی را برای این آماره تحت هر دوی دامنه ثابت و طولانی داده-ها که اجازه می دهد دقت برآورد تحت هر دوی این روش ها استنباط شود، ارائه می دهیم.

در علوم آمار و اقتصادی، مجموعه داده های پانلی شامل مشاهداتی برای چندین بخش (مانند خانوار و بنگاه) می باشند که در طی زمان های مختلف جمع آوری شده اند. قطری نبودن ماتریس کوواریانس مولفه های مانده، معمولاً در داده های پانلی برقرار است. در چنین شرایطی مولفه های مانده در داده هایی که به لحاظ زمانی به یکدیگر نزدیک تر باشند دارای وابستگی بالاتری هستند. بنابراین به روشی نیاز است که در صورت وجود واریانس ناهمسان یا وابستگی پیاپی جملات مانده، مدل رگرسیونی را برازش داده و پارامترها را برآورد کند. همچنین به دلیل وجود علل بسیاری، از جمله کمبود منابع یا سرمایه، ممکن است داده های پانلی در فواصل زمانی یکسان جمع آوری نشوند و مشاهدات دارای طول فواصل زمانی نابرابر باشند. هدف از انجام این پژوهش بررسی مدل داده های پانلی درفواصل زمانی نابرابر با اغتشاش اتورگرسیو مرتبه اول است. وجود اثرات تصادفی باعث تعیین تغییرپذیری در مشاهدات تکراری و تعدیل ساختار همبستگی بین اندازه های مکرر مربوط به واحدها و یا مشاهدات وابسته درون طبقات می شود و این موجب دقت و کارایی بیشتر برآورد پارامترها خواهد شد. فرض معمول در برازش این مدل ها نرمال بودن توزیع اثرات تصادفی است. در این پایان نامه دو روش برای برآورد پارامترهای مدل خطی آمیخته با مانده های اتورگرسیو مرتبه اول در فواصل زمانی نابرابر ارائه شده است. همچنین مثال کاربردی با استفاده از داده های واقعی توسط روش اول مورد بررسی واقع شده است.

داده های پانلی ترکیبی از داده های سری زمانی و داده های مقطعی هستند که در آن ها اطلاعات مربوط به چندین واحد مقطعی‎( n)‎ در طول یک دوره زمانی مشخص ‎( t)‎ مورد بررسی قرار می گیرد، به این ‎ n×t ‎ داده ی آماری، داده های پانلی یا داده های مقطعی - سری زمانی گفته می شود. مدل رگرسیونی را که برای تحلیل این داده ها به کار گرفته می شود، مدل رگرسیونی پانلی می نامند. اگر واحد های مقطعی در این داده ها دارای بعد مکان باشند، در این صورت به این داده ها، داده های پانلی فضایی گفته می شود. به دلیل نامتجانس بودن موقعیت های فضایی ممکن است هر موقعیت اثر مختلفی بر داده ها داشته باشد و این اثرات به صورت ثابت یا تصادفی در نظر گرفته شود. مدل های خطی با اثرات تصادفی یکی از پرکاربردترین مدل هایی است که برای مدل سازی داده های پانلی به کار می رود، لذا در این پایان نامه مدل های خطی با اثرات تصادفی در نظر گرفته شده است. اگر در مدل رگرسیونی پانلی ، واریانس تمام مولفه های خطا ثابت باشد، مدل رگرسیونی پانلی با مولفه های خطای استاندارد نامیده می شود ولی چنانچه برخی از مولفه های خطا دارای واریانس مشترک نباشند، گفته می شود که در مدل ناهمسانی واریانس وجود دارد. مبنای کار این پایان نامه معرفی مدل رگرسیونی پانلی با اثرات تصادفی و یافتن آماره آزمون ‎ lm برای آزمون همبستگی فضایی و ناهمسانی واریانس به طور هم زمان است. بعلاوه، از آزمون ‎ lm شرطی برای انجام آزمون همبستگی فضایی با وجود ناهمسانی واریانس و آزمون ناهمسانی واریانس با وجود همبستگی فضایی برای این مدل رگرسیونی استفاده می شود.

مدل های تنش-مقاومت به طور گسترده در بسیاری از شاخه های علوم و فناوری مانند روانشناسی، تعلیم و تربیت، پزشکی، مهندسی مکانیک، مهندسی صنایع و ... به کار می رود. بررسی این مدل ها از دیدگاه احتمالی و آماری یکی از زمینه های تحقیقاتی گسترده است. در متون مربوط ( ) =r اشاره به قابلیت اعتماد یک سیستم دارد که متغیر تصادفی x میزان تنش وارد بر سیستم و متغیر تصادفی y میزان مقاومت سیستم را نشان می دهند. چنین سیستمی تا زمانی با موفقیت به عملکرد خود ادامه می دهد که شرط x y برقرار باشد. یعنی سیستم مقاومت لازم جهت فائق آمدن بر تنشی که در معرض آن قرار گرفته را داشته باشد. در این رساله بس از بررسی روش های مختلف کلاسیک و بیزی پیرامون برآورد r، قابلیت اعتماد مدل های تنش-مقاومت وایبل را مورد بررسی و برآوردهای نقطه ای و فاصله ای برای r را مورد مطالعه، ارزیابی و مقایسه قرار می دهیم.

هدف اصلی در استریولوژی حصول اطلاعات کمی از تصاویر میکروسکوپی است. همچنین امکان این که پارامترهای اجسام سه بعدی را توسط نمونه های دو بعدی بدست آوریم فراهم می شود. استناط آماری از یک نمونه را با توجه به این که تغییرات نمونه گیری از تصادفی بودن جامعه (مدل –محور ) یا از انتخاب تصادفی نمونه (طرح-محور) ناشی شود می توان به دو روش مختلف تقریب زد. این دو نوع تقریب دارای مفاهیم کاربردی متفاوتی هستند بنابراین دو تقریب گسترده جهت استنباط در استریولوژی وجود دارند. در این پایان نامه به طور کامل درباره ی مفاهیم اساسی استرابولوژی (استریولوژی مدل-محور و طرح –محور) و کاربردهای آن بحث خواهیم کرد و پارامترهای مربوط به استرایولوژی را بدست می آوریم. در ادامه برآورد کمیت های هندسی از جمله حجم و مساحت رویه به صورت ریاضی برای یک جسم در فضای سه بعدی را که بیشتر در تئوری آمار مطرح است اشاره نموده و در خاتمه برآورد استربولوژی پارامترهای موجود در ساختار حفره های نان را که به صورت مدل بولی توصیف می شوند ذکر می کنیم

چکیده: این پایان نامه به بررسی روش تخمین صرف ریسک جهت برآورد پارامتر مدل های خطی پویا با داده های پنلی پرداخته وخواص آن برآوردگرها را مورد بررسی قرار خواهد داد. یک مسأله در استفاده از روشهای برآوردیابی معمول مانند روش حداقل مربعات تعمیم یافته وماکزیمم درستنمایی آن است که این برآوردگرها در حالت تعداد مشاهدات زیاد ودوره زمانی کم برای پارامترهای مدل پنلی پویا ناسازگارند. همچنین ممکن بعضی از فرض های معمول در مدل رگرسیونی مانند ناهمبستگی متغیر توضیحی، مولفه های خطا، ناهمسانی واریانس وهم خطی کامل، برقرار نباشد. پس روش های دیگری مانند متغیرهای ابزاری که عموماًبر اساس تفاضل ها عمل می کند، پیشنهاد شده است. چون، بطور کلی در یک مدل تعداد برآوردگرهای به دست آمده براساس این متغیرها برای یک پارامتر بخصوص زیاد بوده، لذا روش گشتاوری تعمیم یافته به عنوان یک روش جایگزین برای برآوردیابی مدل های رگرسیون خطی پویای پنلی ارائه می گردد. هدف اصلی از انجام این پایان نامه، ابتدا معرفی و بررسی خواص اریبی وسازگاری روش های برآوردیابی معمول مانند روش ماکزیمم درستنمایی و روش حداقل مربعات تعمیم یافته در برازش مدل های پنلی پویا وسپس استفاده از روش های جایگزین مانند متغیرهای ابزاری وروش ماکزیمم درستنمایی همراه با محدودیت ها می باشد. در این تحقیق مزایای مدل های خطی نسبت به مدل های غیر خطی بررسی میشود. در مدل سازی متغیرها از مدلهای خطی ترکیبی استفاده شده است. مدل بتا در عمل کاربردی ترین مدل خطی تعمیم یافته در بررسی داده های پنلی است. در این پایان نامه به بررسی و ساخت طرح های بهینه صرف ریسک برای مدلهای خطی ترکیبی پرداخته می شود. ساخت مدل های ترکیبی به مراتب مشکل تر ازساخت طرح بهینه برای این مدل ها است. زیرا در این مدل ها، ماتریس اطلاع و در نتیجه معیارهای بهینگی به پارامتر مجهول بستگی دارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

چکیده ندارد.

در بسیاری از مطالعات اغلب بررسی های مکرری از یک پاسخ در زمان های مختلف و برای هر فرد تحت مطالعه صورت می گیرد. این نوع از داده ها منسوب به داده های طولی می باشند. یک رهیافت خاص برای تحلیل این نوع داده ها استفاده از مدل های رگرسیون خطی با اثرات آمیخته است. این پایان نامه ابتدا به بررسی این موضوع که وجود بعد زمان در داده های طولی نوعی همبستگی بین خطاها ایجاد می کند و نیز اینکه وجود فرض های مناسب برای ساختار خطاها برای حصول نتایج صحیح از برازش مدل ها الزامی است، می پردازد. سپس مدل خطی اتورگرسیو با اثرات آمیخته را که در آن فرض بر آن است که متغیر پاسخ در زمان حال تابعی از متغیر تاخیری مرتبه ی اول و متغیرهای توضیحی باشد و در واقع بسطی از مدل اتورگرسیو در دو وجه اثرات تصادفی و ساختار خطاها است، معرفی می کند. همچنین ساختارهای متفاوتی را برای مولفه خطا و نیز ماتریس کوواریانس مربوط که در مباحث کاربردی می تواند مفید باشد در نظر گرفته و از جنبه ی استنباط آماری مقایسه می شوند.