تشخيص ومعالجة مشكلتي التعدد الخطي والفصل في أنموذج الانحدار اللوجستي للمرضى المصابين بفقر الدم
Diagnosis and Treatment of the Problems Multicollinearity and Separation in the Logistic Regression Model for Patients with Anemic
الكلمات المفتاحية:
Logistic Regression Model، Problems Multicollinearity، Separation، Iterative Maximum Likelihood Estimators، Penalized Maximum Likelihood Estimatorsالملخص
المستخلص
يتناول هذا البحث دراسة موضوع انموذج الانحدار اللوجستي الذي يعد من النماذج اللاخطية اذ يأخذ طابعاً أكثر تقدماً في عملية التحليل الاحصائي فهو يهدف للحصول على تقديرات ذات مستوى عالِ من الكفاءة. ان من اهم المشاكل التي تظهر في هذا الانموذج هي مشكلة الفصل بين مشاهدات المتغير التابع ثنائي الاستجابة الذي يعتمد على احجام العينات، ومشكلة التعدد الخطي بين المتغيرات التوضيحية. اذ تم تطبيق بيانات حقيقية متمثلة بالإصابة بفقر الدم والتي تم الحصول عليها من مستشفى الكوت قسم الكلى الصناعية من خلال طرائق التقدير وفقاً لطرائق مقدرات الأماكن الأعظم التكرارية ومقدرات الانحدار اللوجستي شتاين التي تخص معالجة مشكلة التعدد الخطي ومقدرات الإمكان الأعظم الجزائية التي تخص معالجة مشكلة الفصل والمقدرات المعدلة وهي المقدرات التي تجمع بين مميزات مقدرات اللوجستي شتاين التي تخص معالجة مشكلة التعدد الخطي ومقدرات الإمكان الأعظم الجزائية التي تخص معالجة مشكلة الفصل ومن خلال تطبيق طرق التقدير أعلاه وجد ان المقدرات المعدلة تمثل أفضل طرائق التقدير لأنها تعالج مشكلة الفصل والتعدد الخطي في نفس الوقت وتمتلك اقل متوسط مربعات الخطأ (MSE) لأنموذج الانحدار اللوجستي .
ABSTRACT
This research dealt with the subject of study logistic regression model, which is one of nonlinear models Taking character more advanced in the process of statistical analysis, which aims to get the high-level estimates of efficiency. Of the most important problems that appear in this model is the separation between the observations of the dependent variable binary response and Multicollinearity between the explanatory variables. As it has been a real data represented injury anemic which have been obtained from kut hospital artificial kidney department through estimation methods according to the modalities Iterative Maximum Likelihood estimators and Stein Logistic Regression Estimators concerning the treatment Multicollinearity problem and penalized maximum likelihood estimators concerning the treatment separation problem and Adjusted Estimators concerning the treatment of separation problem and Multicollinearity problem and that represent the best estimation methods because it has the mean square error (mse) for the logistic regression model.
التنزيلات
