你好每个人，
我的姓名是拉伊德·法迪尔穆罕默德.
我是A统计员。 我讲师在大学的穆斯坦西里亚。
我的论文标题是估计这范围的泊松回归模型在下面
这多重共线性问题。
大纲：泊松回归模型，多重共线性问题，
岭回归估计器方法，
刘估计法，和真实的数据例子。
结论和参考。
泊松回归模型。
一的这类型的回归模型那落下在下面线性对数
回归模型作为经过采取这自然的对数
的这分配公式，事实证明进入A线性程序。
随机的错误在里面模型跟随一个泊松分配和A范围
亩。
这模型是基于在二基本的假设关于这分配
作为它不同从这分配的随机的线性回归中的误差
模型和这特性的这泊松分配范围亩作为A功能
的预测器变量。
中号多重共线性问题。
出现多重共线性问题什么时候二或者更多的预测器变量是相关的
到一个固体线性关系，所以它是难的到分离这影响
的每个预测器多变的从这依赖的多变的
在实践。
或者什么时候这价值的一的这预测变量依靠在一或者更多的
的这其他预测器变量在这模型在下面学习，
作为出色地作为如果数据需要这形式的A时间系列或者穿过-部分数据。
这多重共线性问题能是分类进入二类型：
数字1、完美的多重共线性。
的决定因素是信息矩阵为零， X转置X决定平等的
零。
它遵循这是不可能的到估计，
这参数的这回归模型到期的到这无力到计算
这逆的矩阵X转置X。
这最好的方法在这案件到计算X转置 x。 我们能制作使用
主要的成分分析。
数字2、半完美多重共线性。
在这案件，如果这价值的这行列式信息矩阵
是最小，关闭到零，
然后这参数估计的大量方差。
这最好的方法在这案件我们能使用回归方法或者狮子座
估计器方法。
这下列的公式这里能表达这方差-协方差矩阵
的参数估计的。
也许这最好的统计方法为了测量这多重共线性
强度是这方差在通货膨胀因素振动频率,谁的公式是作为接下来。
振动频率平等的一超过一减右正方形。
右正方形这里决定系数。
岭回归估算器方法。
一的这重要的备择方案为了估计这参数
的回归模块什么时候那里是米多重共线性之间预测器
变量。
这方法已确立的根据到这原则的这研究人员霍尔
和肯纳德，哪个是经过添加A小的积极的数量到这矿直径
元素的这信息矩阵。
这回归估计者是基于什么时候k更大比零所以那这根据
数量能是表达经过这公式， Z 负身份经过测试版。
刘估算器方法。
研究员刘1993铺设这基金会的这方法到地址
这问题的这方差通货膨胀的这估计的参数
在这在场的多重共线性一个问题。
这刘估计器为了这范围泊松回归能是表达
在这下列的公式。
还刘估计者是有偏见的什么时候d更大比零和这震级
的这偏见是z减身份经过测试版。
刘估计者是有偏见,这原因的这偏见是这添加价值
d、哪个范围之间零和一。
还，这计算出的意思是平方错误根据到刘估计者方法
是较少的比这意思是平方错误为了这相同的参数如果估计的
根据到这最大限度可能性方法。
真实的数据例子。
我们将要获得真实的数据关于先天性的缺陷的这心
和循环的系统在A新的博恩斯从这中央儿童T每一个医院
在巴格达，伊拉克，在哪里这分配的A依赖的
多变的y 代表异常的这心和循环的系统
在孩子们曾是研究过。
还有揭示存在的A多重共线性问题之中
这预测器变量在下面学习。
这案件的先天性的残疾到达在这中央孩子教学
医院是记录的在A形式准备好了经过这统计数据分配在这医院
在这形式的数数数据和总计之内半每月时期，
这样本曾是采取为了这时期从2012年到结尾2019年，
和泊松回归模型曾是建成作为一的这合适的楷模
到描述这种现象如这下列的公式：
一鹅渠阿尔指数贝塔一xi 1加贝塔2希2加贝塔3希3加测试版
4 xi 4 加 beta 5 xi 5 加 beta 6 xi 6 加 beta 7 xi 加 ui。
y 代表这全部的数字的孩子们和先天性的心
和循环的缺陷在每个时期。
Xi1，总加权的已感染孩子们之内每个时期。
xi2，全部的年龄父亲们的屈折的孩子们之内每个时期。
Xi3，每个时期内发生变化的孩子的母亲的总年龄。
席4、代表这数字的已感染男性孩子们之内每个时期。
习5代表这数字的被感染的女性孩子们之内每个。
席6、这数字的受感染的儿童出生来自近亲婚姻
之内每个时期。
习7,这数字的已感染孩子们谁的母亲们是裸露到辐射
或者生活影响这样的作为采取肯定药物和药物怀孕期间。
贝塔一，贝塔二，贝塔三，贝塔四、贝塔五，贝塔六和贝塔七测试版。
这坡参数在这模型和贝塔笔记代表
这常数项。
用户界面代表这随机的错误在这模型。
这桌子，测试数据和诊断多重共线性到寻找出去可能性
分配根据到哪个回复多变的能是分散式。
我们使用跳亲16.2和它曾是成立是，依赖的多变的如下这泊松
分配和分散式范围，亩等于6.5.
到核实，这适应性的这泊松
分配到这回复变量 y。
这测试善良的它曾是实施为了这多变的的这全部的
数字的孩子们和先天性的心和循环的防御在每个时期。
这扔哪个我们制作展示那这毒分配是这最多
晋升分配那依赖的多变的可以按照。
在哪里我们没有这善良的测试价值是4958.4579和意义
等级关闭到零。
作为在这桌子在这正面的你。
到探测无论那里是多重共线性之中这产品
多变的在下面学习，
我们能计算这相关性矩阵之间这预测器变量。
从这数字我们观察那价值的相关性系数是重要的
和大的为了全部预测器变量，作为每个多变的是联系和全部
预测器变量，和这强的直接的线性相关性。
这桌子显示这价值的各种各样的功能因素。
作为这最大的的他们，出色地那些的这投影仪变量 X2、X3 和 X4
破坏投影仪变量的方差膨胀因子
存在数字18。
从这我们得出结论那那里是A线性乘法之间
这预测器变量和这[听不清 00:16:24]。
应用的泊松回归方法。
范围估计器泊松回归模型的使用方法回归，
我们观察那这全部的数字的孩子们和先天性的健康，
和循环的缺陷在每个时期依靠在这增加和全部
参数的[听不清 00:17:11]。
然而，最多变量是微不足道。 X1, X4,
X5和X6
因为的这效果的半完美的多共线性。
还，这结果表示那这根据范围是k平等的零
第一点、第二点。
[外语00:17:53]
86.4959。
这桌子我们能获得经过使用JMP。
什么时候我们是申请这刘估计器方法到估计这系数
的这泊松回归模块在这在场的这多重共线性
问题。
我们使用这联合管理计划秘密到连接之间我们的语言和JMP。
这秘密连接并运行杰普,
这包裹的刘回归在我们的语言。
在申请时[听不清 00:19:12]，系数，我们得到了这个结果。
我们观察到的那这全部的数字的孩子们和这先天性的心
和循环的在每个时期依靠在这程度
的增加在全部参数的这模型，
尽管这微不足道的这多变的希1.
因为全部变量在下面学习是增加这数字的孩子们
和先天性的残疾，但它是非常好的特性。
还这结果表示
那日明形成标准35. 29
添加这根据范围d等于4.1。
什么时候比较这二方法回归和刘估计，
我们知道那这估计器方法给定A低的价值的信息。
有更多的重要的精通什么时候他们比较到这回归方法。
结论。
在这纸，我们审查这最多著名的方法的范围估计
的这泊松回归模型什么时候这数据遭受从这问题
的半完美的多重共线性，在哪里拿山脊回归方法
和刘估计者方法和比较的这二方法基于
在帐户信息标准作为A标准为了比较。
经过申请回归分析方法在这在场的A半完美
多重共线性问题变为现实数据关于先天性的心
和循环的缺陷在新生儿，获得来自中央孩子教学
医院为了这时期从2012年到2019年，
我们寻找刘氏估计器的方法是更多的高效的比这回归
方法因为它有A下赤池信息标准。
它还给出更多的可靠的结果和更多的准确的p 值。
数字3：通过刘估计方法，它是清除那全部预测器变量
在下面研究领域有影响在这回归模型，
甚至如果他们是不是重要的，作为全部参数是有影响
在增加这数字的孩子们和先天性的残疾但
在不同的比例。
感谢你。
