انتخاب مدل در داده های طولی

پایان نامه
چکیده

در بسیاری از مسایل عملی، تحلیل گر با تعداد زیادی متغیر توضیحی مواجه است که لازم است از بین آنها تعداد محدودی را برای حضور در مدل انتخاب نماید. تا کنون معیارها و روش های مختلفی مانند aic و bic در زمینه انتخاب مدل ارایه شده است. مشکل عمده استفاده از این گونه معیارها، بی ثباتی آنها در انتخاب مدل می باشد؛ به طوریکه تغییر در مشاهدات می تواند نتیجه انتخاب مدل را به طور چشمگیری تغییر دهد. این نقیصه را می توان با به کار بردن تابع تاوان بر طرف کرد. تابع تاوان scad، به دلیل برآوردگر سازگاری که نتیجه می دهد، یکی از مقبول ترین توابع تاوان در این زمینه می باشد. یکی از مدل هایی که در تحلیل دادههای طولی مورد استفاده قرار می گیرد، مدل مولفه های خطا است. انتخاب مدل در چنین مدل هایی به سبب حضور اثرات تصادفی، اندکی پیچیده تر به نظر می رسد. در این پایان نامه ابتدا نحوه ی استفاده از تابع تاوان scad در این گونه مدلها بیان می شود. علاوه بر این، عملکرد برآوردگرهای مختلفی که برای برآورد مولفه های واریانس ارایه شده اند، در زمینه انتخاب متغیر بررسی می شوند.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

یافتن جواب بهینه مدل انتخاب تکنولوژی با داده های فازی

در این مقاله روشی برای یافتن جواب بهینه مدل انتخاب تکنولوژی با داده های فازی معرفی می شود. مقاله یک روش ساده محاسباتی برای یافتن جواب بهینه مساله برنامه ریزی خطی فازی مدل انتخاب تکنولوژی پیشنهاد می کند که درآن نیاز به حل هیچ LP فازی نیست. این تحقیق از پیچیدگی محاسبات داده های فازی می کاهد و زمانیکه پیچیدگی بیشتری مطرح می شود اهمیت این روش نیز افزایش می یابد.

متن کامل

کاربرد مدل توأم بقا و داده های طولی در بیماران دیالیز صفاقی

Background and Aim: In many medical studies along with longitudinal data, which are repeatedly measured during a certain time period, survival data are also recorded. In these situations, using models such as, mixed effects models or GEE method for longitudinal data and Cox model for survival data, are not appropriate because some necessary assumptions are not met. Instead, the joint models hav...

متن کامل

تحلیل دوسطحی با اثرات تصادفی چوله نرمال و مدل بندی داده های طولی

مدل سازی داده های دوسطحی با فرض نرمال بودن مولفه تصادفی و خطا انجام می شود. عدم برقراری این فرض باعث استنباط غلط در مورد پارامترهای مدل می گردد. در این مقاله، استفاده از خانواده توزیع چوله نرمال که خانواده ای انعطاف پذیرتر از توزیع نرمال است مطرح می شود. سپس در یک مطالعه شبیه سازی نشان داده می شود عدم در نظر گرفتن چولگی مثبت (منفی) در مدل باعث بیش برآوردی (کم برآوردی) عرض از مبدا و کم برآورد...

متن کامل

یک معیار جدید انتخاب مدل مبتنی بر داده تاگی

یک چالش اساسی در استنباط مدل‌های آمیخته، معرفی معیارهای کارا برای انتخاب مدل است. منبع اصلی این چالش نیز برازش و محاسبه ماکسیمم تابع درستنمایی مدل می‌باشد. داده تاگی روش جدیدی است که برای برازش کارای مدل‌های آمیخته با روش ماکسیمم درستنمایی پیشنهاد شده است. این روش، اخیرا، طرفداران زیادی پیدا کرده است و مشکلات عمده سایر روش‌های استنباط مبتنی بر درستنمایی در مدل‌های آمیخته را ندارد. یکی از معایب ...

متن کامل

مقایسه مدل های داده های طولی در انبساط آبی سه کامپوزیت متداول

زمینه و هدف: مطالعه طولی کاربرد فراوانی در علوم پزشکی و اجتماعی دارد. با توجه به انجام اندازه گیری های مکرر در این گونه مطالعات، شرط استقلال بین مشاهدات برقرار نبوده و لذا باید مدل های مناسب انتخاب شوند. در این مطالعه کاربرد مدل های حاشیه ای و انتقال برای تحلیل داده های طولی مربوط به انبساط آبی کامپوزیت ها، نشان داده می شود. روش کار: در این مطالعه طولی داده های مربوط به سه نوع کامپوزیت مختلف ( ...

متن کامل

مدل توام داده های طولی و زمان رخداد

در اندازه گیری های مطالعات طولی انواع مختلفی از برآمد ها برای هر مورد اندازه گیری می شود که شامل چندین پاسخ طولی اندازه گیری شده (مثل فشار خون) و زمانی که در آن یک رخداد مورد علاقه خاص اتفاق می افتد (مثل مرگ یا پیشرفت بیماری)، است. برای مدل سازی طولی می توان از مدل اثرهای آمیخته خطی استفاده کرد. نرمال بودن اثرهای تصادفی و خطاها فرض رایجی برای مدل های آمیخته خطی می باشد. اما ما این فرض را بوسیله...

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023