Ciao tutti,
Mio nome È Raaed Fadhil Maometto.
IO Sono UN statistico. IO docente In Università Di Mustansiriyah.
Mio il titolo del documento è Stima IL Parametro Di Poisson Regressione Modello Sotto
IL Multicollinearità Problema .
Contorno: Poisson Regressione Modello, Multicollinearità problema,
Stimatore di regressione della cresta Metodo,
Metodo degli stimatori Liu, E Vero Dati Esempio.
Conclusione E Riferimenti.
Regressione di Poisson Modello.
Uno Di IL tipi Di regressione modello Quello autunno Sotto lineare-logaritmico
regressione modello COME di prendendo IL naturale logaritmo
Di IL distribuzione formula, gira in UN lineare procedura.
Casuale errori nel modello seguire a Poisson distribuzione con UN parametro
mu.
IL modello È basato SU due essenziale ipotesi Di IL distribuzione
COME Esso differisce da IL distribuzione Di casuale errori nella regressione lineare
modello e IL proprietà Di IL Poisson distribuzione parametro mu COME UN funzione
Di predittore variabili.
M ultracollinearità Problema.
Si verificano problemi di multicollinearità Quando due O Di più predittore variabili Sono correlato
A un solido lineare relazione, COSÌ suo difficile A separato IL effetto
Di ogni predittore variabile da IL dipendente variabile
In pratica.
O Quando IL valore Di uno Di IL variabili predittive dipende SU uno O Di più
Di IL altro predittore variabili In IL modello Sotto studio,
COME BENE COME se la dati prende IL modulo Di UN tempo serie O attraverso- sezione dati.
IL multicollinearità problema Potere Essere classificato in due tipi:
Numero 1, Multicollinearità perfetta.
Il determinante del informazione matrice è zero, X trasporre X determinato pari
zero.
Ne consegue da Questo È impossibile A stima,
IL parametri Di IL regressione modello dovuto A IL incapacità A calcolare
IL inverso Di matrice X trasporre X.
IL migliore metodo In Questo caso A calcolare X trasporre x. Noi Potere Fare utilizzo
principale componente analisi.
Numero 2, Semiperfetto multicollinearità.
In Questo caso, Se IL valore Di IL determinante informazione matrice
È minimo, vicino A zero,
Poi IL parametri stimato considerevole varianza.
IL migliore metodo In Questo caso Noi Potere utilizzo regressione metodo O Leo
estimatore metodo.
IL seguente formula Qui Potere esprimere IL varianza- covarianza matrice
del parametri stimato.
Forse IL migliore statistico metodo per misurazione IL multicollinearità
intensità È IL varianza In flatzione fattore VIF, di chi la formula è COME segue.
VIF pari uno Sopra uno meno R piazza.
R piazza Qui determinato coefficiente.
Regressione della cresta Estimatore Metodo.
Uno Di IL importante alternative per stima IL parametri
Di regressione modulo Quando Là È M ultracollinearità fra predittore
variabili.
Questo metodo stabilito secondo A IL principio Di IL ricercatori Hoerl
E Kennard, Quale È di aggiungendo UN piccolo positivo quantità A IL mio diametro
elementi Di IL informazione matrice.
IL regressione stimatori Sono basato Quando K maggiore di zero COSÌ Quello IL base
quantità Potere Essere espresso di IL formula, Z meno identità di beta.
Liu Stimatori metodo.
Il ricercatore Liu 1993 posato IL fondazioni Di Questo metodo A indirizzo
IL problema Di IL varianza inflazione Di IL stimato parametri
In IL presenza Di multicollinearità un problema.
IL Liu estimatore per IL parametro Poisson regressione Potere Essere espresso
In IL seguente formula.
Anche Liu stimatori Sono prevenuto Quando D maggiore di zero E IL grandezza
Di IL pregiudizio È z meno identità di beta.
Liu stimatori Sono prevenuto, IL motivo Di IL pregiudizio È IL aggiunto valore
D, Quale intervalli fra zero E uno.
Anche, IL calcolato Significare quadrato errore secondo A Liu estimatori' metodo
È meno di IL Significare quadrato errore per IL Stesso parametri Se stimato
secondo A IL massimo probabilità metodo.
Vero Dati esempio.
Noi Volere ottenere vero dati riguardante congenito difetti Di IL cuore
E circolatorio sistema In UN nuovo nati da IL Centrale Bambino T ciascuno Ospedale
In Baghdad, Iraq, Dove IL distribuzione Di UN dipendente
variabile y rappresenta anomalie Di IL cuore E circolatorio sistema
In bambini era studiato.
Anche il rivelando esistenza Di UN multicollinearità problema tra
IL predittore variabili Sotto studio.
IL caso Di congenito disabilità in arrivo A IL Centrale Bambino Insegnamento
Ospedale Sono registrato In UN modulo preparato di IL Statistiche Divisione In IL Ospedale
In IL modulo Di contare dati E totali entro semi mensile periodi,
IL campione era preso per IL periodo da 2012 A FINE 2019,
e un Poisson regressione modello era costruito COME uno Di IL adeguata Modelli
A descrivere questo fenomeno come IL seguente formula:
sì, eq al esponenziale beta uno xi 1 più beta 2 xi 2 più beta 3 xi 3 più beta
4 xi 4 più beta 5 xi 5 più beta 6 xi 6 più beta 7 xi più ui.
Quello che rappresenti IL totale numero Di bambini con congenito cuore
E circolatorio difetti In ogni periodo.
Xi1, il totale ponderato Di infetto bambini entro ogni periodo.
Xi2, il totale età padri Di flesso bambini entro ogni periodo.
Xi3, l'età totale delle madri dei bambini flessi in ciascun periodo.
Xi 4, rappresenta IL numero Di infetto maschio bambini entro ogni periodo.
Xi5 rappresenta IL numero Di inettato femmina bambini entro ogni.
Xi 6, IL numero Di bambini infetti nato da consanguinei matrimoni
entro ogni periodo.
Xi7, IL numero Di infetto bambini di chi madri erano esposto A radiazione
O vita influenza come COME prendendo certo farmaci E droghe durante la gravidanza.
Beta uno, beta due, beta tre, beta quattro, beta cinque, beta sei E beta Sette beta.
IL pendenza parametri In IL modello E beta Nota rappresenta
IL termine costante.
ui rappresentare IL casuale errore In IL modello.
Questo tavolo, Test Dati E Diagnosi Multicollinearità A Trovare fuori probabilità
distribuzione secondo A Quale risposta variabile Potere Essere distribuito.
Noi utilizzo salto pro 16.2 E Esso era trovato sì, dipendente variabile segue IL Poisson
distribuzione con distribuito parametro, mu equivale 6.5.
A verificare, IL adeguatezza Di IL Poisson
distribuzione A IL risposta variabile y.
IL test bontà Di Esso era condotto per IL variabile Di IL totale
numero Di bambini con congenito cuore E circolatorio difesa In ogni periodo.
IL gettare Quale Noi Fare spettacolo Quello IL veleno distribuzione È IL maggior parte
promossa distribuzione Quello dipendente variabile può seguire.
Dove Noi non avere IL bontà Di test valore È 4958.4579 con significato
livello vicino A zero.
COME SU IL tavolo In IL davanti Di Voi.
A rilevare se Là È multicolliniarità tra IL Prodotto
variabile Sotto studio,
Noi Potere calcolare IL correlazione matrice fra IL predittore variabili.
Da IL figura Noi osservare Quello valore Di correlazione coefficiente Sono significativo
E grande per Tutto predittore variabili, COME ogni variabile È associato con Tutto
predittore variabili, con IL forte diretto lineare correlazione.
Questo tavolo mostrato IL valore Di vari funzione fattori.
COME IL maggiore Di loro, BENE quelli Di IL variabili del proiettore, X2, X3 e X4
Il fattore di inflazione della varianza per indebolire le variabili del proiettore
esiste il numero 18.
Da Questo Noi concludere Quello Là È UN lineare moltiplicare fra
IL predittore variabili E IL [impercettibile 00:16:24].
Applicazione Di Poisson regressione metodo.
Parametro estimatore del modello di regressione di Poisson utilizzando metodo regressione,
Noi osservare Quello IL totale numero Di bambini con congenito salute,
E circolatorio difetti In ogni periodo dipende SU IL aumento E Tutto
parametri Di [impercettibile 00:17:11].
Tuttavia, maggior parte variabili Sono insignificante. X1, X4,
X5 e X6
Perché Di IL effetti Di semi- perfetto multi collinearità.
Anche, IL risultato indica Quello IL base parametro È K pari zero
punto uno, due.
[lingua straniera 00:17:53]
86.4959.
Questo tavolo Noi Potere ottenere di utilizzando JMP.
Quando Noi Sono applicando IL Liu estimatore metodo A stima IL coefficiente
Di IL Poisson regressione modulo In IL presenza Di IL multicollinearità
problema.
Noi utilizzo IL JMP segreto A Collegare fra Nostro lingua E JMP.
Questo segreto per connettersi e scappare JMP,
IL pacchetto Di Liu regressione In Nostro lingua.
Durante l'applicazione a [00:19:12 impercettibile], il coefficiente, abbiamo ottenuto questo risultato.
Noi osservato Quello IL totale numero Di bambini con IL congenito cuori
E circolatorio In ogni periodo dipende SU IL estensione
Di aumento In Tutto parametri Di IL modello,
nonostante IL insignificanza Di IL variabile xi 1.
Perché Tutto variabili Sotto studio Sono crescente IL numero Di bambini
con congenito disabilità, Ma Esso È molto Bene proprietà.
Anche IL risultato indica
Quello Hiaki formazione criteri 35. 29
aggiungere IL base parametro D uguale 4.1.
Quando confrontando IL due metodi regressione E Stimatore Liu,
Noi Sapere Quello IL estimatore approccio dato UN Basso valore Di informazione.
Ha Di più significativo competente Quando Essi confrontare A IL regrazione metodo.
Conclusioni.
In Questo carta, Noi revisione IL maggior parte prominente metodo Di parametro stima
Di IL Poisson regressione modello Quando IL dati soffrire da IL problema
Di semi- perfetta multicollinearità, Dove preso la cresta regressione metodo
E Liu estimatori' metodo E rispetto IL due metodi basato
SU Account Informazione Criteri COME UN criterio per confronto.
Di applicando regressione analisi metodo In IL presenza Di UN semiperfetto
multicollenarità problema reale dati per quanto riguarda congenito cuore
E circolatorio difetti In neonati, ottenuto dal Centrale Bambino Insegnamento
Ospedale per IL periodo da 2012 A 2019,
Noi Trovare il Liu stimatore metodo È Di più efficiente di IL regressione
metodo Perché Esso ha UN inferiore di Akaike informazione criterio.
Esso Anche dà Di più affidabile risultati E Di più accurato valori p.
Numero 3: Attraverso gli stimatori Liu metodo, Esso È chiaro Quello Tutto predittore variabili
Sotto studio sono influente In IL regressione modello,
Anche Se Essi Sono non significativo, COME Tutto parametri Sono influente
In crescente IL numero Di bambini con congenito disabilità Ma
nel variare proporzioni.
Grazie Voi.
