در تحلیل داده ها، گاهی برخی مشاهدات به دلایل گوناگون و روش های متفاوت، گمشده محسوب می شوند. چگونگی برخورد با این مشاهدات در تحلیل داده ها، به دلیل اهمیت نتایج حاصل از آنها به ویژه در تصمیم گیری های حساس، از اهمیت به سزایی برخوردار است. پیش از این، برای غلبه بر مشکل داده های گمشده مرسوم ترین روش، حذف داده های گمشده بود که منجر به داده هایی با کیفیت پایین و به تبع آن تحلیل و استخراج نتایج دارای س...

مقدمه و اهداف: داده های گمشده، چالش بزرگی در پژوهش ها به شمار می آیند. به فراخور نوع مطالعه و نوع متغیرهای مورد بررسی، روش های گوناگونی برای کار با این داده ها تا کنون معرفی شده است. هدف این مطالعه مقایسه پنج روش جانهی متداول در برخورد با گمشدگی در داده های پرسشنامه ای بود. روش کار: در این مطالعه تعداد500 پرسشنامه مربوط به خوددرمانی در بیماران دیابتی مورد استفاده قرار گرفت. گمشدگی در مشاهده ها ...

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 چن...

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...

هنگامی که با داده های گم شده سر و کار داریم، توجه به مکانیزم گم شدن داده ها در استنباط آماری از اهمیت زیادی برخوردار است. کنار گذاشتن داده های گم شده به خصوص در شرایطی که مکانیزم گم شدن تصادفی نباشد، موجب مخدوش شدن نتایج تحلیل خواهد شد. در حال حاضر با استفاده از تحلیل های آماری، ارتباط بین چندریختی تک-نوکلئوتیدی (snp) با برخی از بیماری ها مورد توجه بسیاری از محققین می باشد. همچنین داده های snp ...

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...

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...

استفاده از متغیرهای کمکی می تواند باعث افزایش کارایی طرح های نمونه گیری و ‎برآوردگرها‎ شود. این افزایش کارایی از دو طریق صورت می گیرد، یکی بهبود طرح نمونه گیری و دیگری بهبود برآوردگرها است. برآوردگر نسبتی و برآوردگر رگرسیونی مثال هایی از حالت بهبود برآوردگر هستند. به منظور بهبود برآوردگر نسبتی برخی برآوردگرهای نسبتی-نوعی مانند برآوردگرهای زنجیره ای معرفی شده اند. در این پایان نامه یک کلاس کلی ...

چکیده ندارد.

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 آن بسیار مشکل است. ...