جانهی چندگانه روشی است که به طور مشخص برای براورد واریانس در حضور داده های گم شده طراحی شده است. فرمول ترکیبی روبین نیازمند آن است که روش جانهی «مناسب » باشد، که اساساً به این معنی است که جانهی ها، استخراج تصادفی از یک توزیع پسین در یک چارچوب بیزی باشند. در مؤسسات ملی آمار (nsi's national statistical institutes) مانند مرکز آمار نروژ، روش هایی که برای جانهی بی پاسخی استفاده می شوند، مانند بعضی از...

بی پاسخی به عنوان یکی از خطاهای غیرنمونه گیری در بسیاری از آمارگیری ها اتفاق می افتد و اغلب سبب اریبی براوردگرها می شود. از مهم ترین روش های تعدیل اثر بی پاسخی می توان تعدیل وزن دهی و جانهی را نام برد. هنگامی که ساختار گم شدگی قابل چشم پوشی باشد، جانهی استفاده می شود. مجموعه داده های کامل مهم ترین نتیجه ی حاصل از فرایند جانهی است و بر اساس آن امکان استفاده از براوردگرهای متعارف، فراهم می شود. د...

جانهی چندگانه روشی است که به ‌طور مشخص برای براورد واریانس در حضور داده‌های گم‌شده طراحی شده است. فرمول ترکیبی روبین نیازمند آن است که روش جانهی «مناسب‌» باشد، که اساساً به این معنی است که جانهی‌ها، استخراج تصادفی از یک توزیع پسین در یک چارچوب بیزی باشند. در مؤسسات ملی آمار (NSI's National Statistical Institutes) مانند مرکز آمار نروژ،‌ روش‌هایی که برای جانهی بی‌پاسخی استفاده می‌شوند، مانند ب...

مقدمه و هدف: چالشی اساسی که مطالعات طولی را تحت تأثیر قرارمی دهد، مسئله گمشدگی در داده هاست. گمشدگی در داده ها ممکن است به ازدست رفتن بخشی از اطلاعات منجرشود که این امر، باعث کاهش دقت برآوردگرها و دست یافتن به نتایج اریب و نادرست می شود لذا ضروری است تا ابتدا داده های حاصل از تحقیق های طولی از نظر ساختار گمشدگی ارزیابی شده، با درنظرگرفتن این نکته، تحلیلی مناسب با یا بدون جانهی روی داده ها انجام...

 چکیده. داده‌های گم‌شده مشکلی رایج در پژوهش‌های مبتنی بر آمارگیری است. بسته‌های بسیاری وجود دارند که داده‌های گم‌شده را جبران می‌کنند اما تعداد کمی می‌توانند به‌راحتی اطلاعات طولی گم‌شده را جبران کنند. WinBUGS داده‌های گم‌شده را با استفاده از جانهی چندگانه جبران می‌کند و قادر است ساختار طولی را با استفاده از اثرات تصادفی یکپارچه کند. ما برتری جانهی طولی بر جانهی مقطعی را با استفاده از WinBUGS ن...

وقتی متغیر پاسخ بـرای هـر واحد نمونه گیری به طور مـکرر در زمان های متفاوت یـا تحت شرایـط مـختلف مشاهـــده شــود، داده هایحاصل را اندازه های مکرر می نامند. چنینداده هایی را می توان از مطالعات طولی یا تحقیقات پزشکی مرتبط به دست آورد. در این گونه مطالعات، داده های یک واحد را که دارای همبستگی هستند، در یک گروه یا یک خوشه ثبت می کنند. به طور مثال در مطالعات چشم پزشکی، ممکن است یک مشاهده برای هر چشم ...

در تحلیل داده‌ها، گاهی برخی مشاهدات به دلایل گوناگون و روش‌های متفاوت، گمشده محسوب می‌شوند. چگونگی برخورد با این مشاهدات در تحلیل داده‌ها، به دلیل اهمیت نتایج حاصل از آنها به‌ویژه در تصمیم‌گیری‌های حساس، از اهمیت به‌سزایی برخوردار است. پیش از این، برای غلبه بر مشکل داده‌های گمشده مرسوم‌ترین روش، حذف داده‌های گمشده بود که منجر به داده‌هایی با کیفیت پایین و به تبع آن تحلیل و استخراج نتایج دارای س...

 در اقتصاد و سایر علوم اجتماعی، پژوهش‌گران اغلب تمایل به مدل‌بندی داده‌های پانلی که در آن واحدهای نمونه‌ای به‌‌طور مکرر در مقاطع زمانی مختلف مشاهده می‌شوند، دارند. یکی از کاربردهای داده‌های پانلی براورد نرخ تغییر میانگین متغیر پاسخ در طی زمان است. در تمام آمارگیری‌ها به ویژه آمارگیری‌های پانلی، بی‌پاسخی یک مشکل اساسی است که در داده‌های علوم اجتماعی و پزشکی به وفور رخ می‌دهد. این نوع مطالعه‌ها م...

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...

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...