在多重共线性问题下估计泊松回归模型的参数 (2022-US-30MP-1148)raed hsni，统计学家，高等教育和科学研究部
泊松回归模型是最重要的线性对数回归模型之一。 它是因变量在其值为正时以比率或可数数据的形式作为比率的工具，也是分析罕见事件的拟合模型。 与其他回归模型一样，其构建中包含的解释变量可能会暴露于两个或多个变量之间的高度相关性，这会对模型参数的估计过程产生负面影响。
在本演示文稿中，我们回顾了当 Poisson 回归模型遇到半完美多线性问题时估计其参数的最突出的方法，例如 Ridge 回归和 Liu 估计方法。 估计方法应用于从巴格达中央儿童医院获得的真实数据，代表 2012-2019 年儿童心脏和循环系统先天性缺陷的病例数。 结果表明(Liu)回归方法优于Ridge回归方法。
爆发JSL 应用程序开发统计和建模
