T27901
انگلیسی
Fitting the truncated regression model to count data
Dissertation
Sajjad Ghalib Kadhim
Mathematics, Statistics and Computer Science
1401
63p.
cd
M.S.
Mathematical Statistics
1401/10/04
Regression is used to predict a count-dependent variable based on several independent variables. Because the dependent variable is count, simple linear regression is not used much, and more count regressions are used, the most common of which are Poisson regression and negative binomial regression, which belong to generalized linear models. In this thesis, while examining these two models in advance, we pay attention to the models that are truncated, and we will conduct a simulation study to analyze the performance of the proposed truncated regression models against the standard models, and in this regard, we will compare these models with We will compare. Finally, a practical example with real data is provided for the application of truncated models.
در پیش بینی یک متغیر وابسته شمارشی بر اساس چند متغیر مستقل از رگرسیون استفاده می شود. به دلیل اینکه متغیر وابسته شمارشی است رگرسیون خطی ساده کاربرد زیادی ندارد و بیشتر از رگرسیون های شمارشی استفاده می شود که پرکاربرد ترین انها رگرسیون پواسن و رگرسیون دوجمله ای منفی است که متعلق به مدل های خطی تعمیم یافته هستند. در این پایان نامه ضمن بررسی مقدماتی این دو مدل به مدل های توجه می کنیم که بریده شده هستند و مطالعه شبیه‌سازی را به منظور تحلیل عملکرد مدل‌های رگرسیون بریده شده¬ی پیشنهادی در برابر مدل‌های استاندارد انجام خواهیم داد و در این راستا این مدلها را با هم مقایسه خواهیم کرد. در نهایت مثال کاربردی با داده های واقعی به منظور کاربرد مدل¬های بریده شده ارائه می شود.
برازش مدل رگرسيون بريده شده به داده هاي شمارشي
Count Data - Generalized Linear models- Negative binomial regression - Poisson Regression - Truncated models
داده های شمارشى – مدل های خطی تعمیم یافته -رگرسیون پواسون – رگرسیون دوجمله ای منفی – مدل¬های بریده شده
Ghalib Kadhim,
Sajjad
Producer
Bevrani,
Hossein
Thesis advisor
Tabriz
ایران
Central Library of Tabriz University
20230125
ارشد پایاننامه QA276.G4 1401
Sajjad Ghalib Kadhim
عبادی
e
TL
276903
a
Y
