你好每個人，
我的姓名是拉伊德法迪爾穆罕默德.
我是A統計員。 我講師在大學的穆斯坦西里亞。
我的論文標題是估計這範圍的泊松回歸模型在下面
這多重共線性問題。
大綱：泊松回歸模型，多重共線性問題，
嶺迴歸估計器方法，
劉估計法，和真實的數據例子。
結論和參考。
泊松回歸模型。
一的這類型的回歸模型那落下在下面線性對數
回歸模型作為經過採取這自然的對數
的這分配公式，事實證明進入A線性程式.
隨機的錯誤在裡面模型跟隨一個泊松分配和A範圍
畝。
這模型是基於在二基本的假設關於這分配
作為它不同從這分配的隨機的線性迴歸中的誤差
模型和這特性的這泊松分配範圍畝作為A功能
的預測器變數。
中號多重共線性問題。
出現多重共線性問題什麼時候二或者更多的預測器變數是相關的
到一個固體線性關係，所以它是難的到分離這影響
的每個預測器多變的從這依賴的多變的
在實踐。
或者什麼時候這價值的一的這預測變數依靠在一或者更多的
的這其他預測器變數在這模型在下面學習，
作為出色地作為如果數據需要這形式的A時間系列或者穿過-部分數據。
這多重共線性問題能是分類進入二類型：
數位1、完美的多重共線性。
的決定因素是資訊矩陣為零， X轉置X決定平等的
零。
它遵循這是不可能的到估計，
這參數的這回歸模型到期的到這無力到計算
這逆的矩陣X轉置X。
這最好的方法在這案件到計算X轉置 x。 我們能製作使用
主要的成分分析。
數位2、半完美多重共線性。
在這案件，如果這價值的這行列式資訊矩陣
是最小，關閉到零，
然後這參數估計的大量方差。
這最好的方法在這案件我們能使用回歸方法或者獅子座
估計器方法。
這下列的公式這裡能表達這方差-協方差矩陣
的參數估計的。
也許這最好的統計方法為了測量這多重共線性
強度是這變異數在通貨膨脹因素振動頻率,誰的公式是作為接下來。
振動頻率平等的一超過一減右正方形。
右方塊這裡決定係數。
嶺回歸估算器方法。
一的這重要的備擇方案為了估計這參數
的回歸模組什麼時候那裡是米多重共線性之間預測器
變數。
這方法已確立的根據到這原則的這研究者霍爾
和肯納德，哪個是經過添加A小的積極的數量到這礦直徑
元素的這資訊矩陣。
這回歸估計器是基於什麼時候k更大比零所以那這根據
數量能是表達經過這公式， Z 負身分經過測試版。
劉估算器方法。
研究員劉1993鋪設這基金會的這方法到地址
這問題的這變異數通貨膨脹的這估計的參數
在這在場的多重共線性一個問題。
這劉估計器為了這範圍泊松回歸能是表達
在這下列的公式。
也劉估計器是有偏見的什麼時候d更大比零和這規模
的這偏見是z減身分經過測試版。
劉估計器是有偏見,這原因的這偏見是這添加價值
d、哪個範圍之間零和一。
也,這計算出的意思是平方錯誤根據到劉估計者方法
是較少的比這意思是平方錯誤為了這相同的參數如果估計的
根據到這最大限度可能性方法。
真實的數據例子。
我們將要獲得真實的數據關於先天性的缺陷的這心
和循環的系統在A新的博恩斯從這中央兒童T每一個醫院
在巴格達，伊拉克，在哪裡這分配的A依賴的
多變的y 代表例外的這心和循環的系統
在孩子們曾是研究過。
還有揭示存在的A多重共線性問題之中
這預測器變數在下面學習。
這案件的先天性的殘障到達在這中央孩子教學
醫院是記錄的在A形式準備好了經過這統計數據分配在這醫院
在這形式的數數數據和總計之內半每月時期，
這樣本曾是採取為了這時期從2012年到結尾2019年，
和泊松回歸模型曾是建成作為一的這合適的楷模
到描述這種現像如這下列的公式：
一鵝渠阿爾指數貝塔一xi 1加貝塔2希2加貝塔3希3加測試版
4 xi 4 加 beta 5 xi 5 加 beta 6 xi 6 加 beta 7 xi 加 ui。
y 代表這全部的數位的孩子們和先天性的心
和循環的缺陷在每個時期。
Xi1，總加權的受感染孩子們之內每個時期。
xi2，全部的年齡父親們的屈折的孩子們之內每個時期。
Xi3，每個時期內發生變化的孩子的母親的總年齡。
席4、代表這數位的受感染男性孩子們之內每個時期。
習5代表這數位的被感染的女性孩子們之內每個。
席6、這數位的受感染的兒童出生來自近親婚姻
之內每個時期。
習7,這數位的受感染孩子們誰的母親們是裸露到輻射
或者生活影響這樣的作為採取肯定藥物和藥物懷孕期間。
貝塔一，貝塔二，貝塔三，貝塔四、貝塔五，貝塔六和貝塔七測試版。
這坡參數在這模型和貝塔筆記代表
這常數項。
使用者介面代表這隨機的錯誤在這模型。
這桌子，測試數據和診斷多重共線性到尋找出去可能性
分配根據到哪個回覆多變的能是分散式。
我們使用跳親16.2和它曾是成立是，依賴的多變的如下這泊松
分配和分散式範圍，畝等於6.5.
到核實，這適應性的這泊松
分配到這回覆變數 y。
這測試善良的它曾是實施為了這多變的的這全部的
數位的孩子們和先天性的心和循環的防禦在每個時期。
這丟哪個我們製作展示那這毒分配是這最多
晉升分配那依賴的多變的可以按照。
在哪裡我們沒有這善良的測試價值是4958.4579和意義
等級關閉到零。
作為在這桌子在這正面的你。
到探測無論那裡是多重共線性之中這產品
多變的在下面學習，
我們能計算這相關性矩陣之間這預測器變數。
從這數位我們觀察那價值的相關性係數是重要的
和大的為了全部預測器變數，作為每個多變的是聯繫和全部
預測器變數，和這強的直接的線性相關性。
這桌子顯示這價值的各種各樣的功能因素。
作為這最大的的他們，出色地那些的這投影機變數 X2、X3 和 X4
破壞投影機變數的方差膨脹因子
存在數字18。
從這我們得出結論那那裡是A線性乘法之間
這預測器變數和這[聽不清楚 00:16:24]。
應用的泊松回歸方法。
範圍估計器泊松迴歸模型的使用方法回歸，
我們觀察那這全部的數位的孩子們和先天性的健康，
和循環的缺陷在每個時期依靠在這增加和全部
參數的[聽不清楚 00:17:11]。
然而，最多變數是微不足道。 X1, X4,
X5和X6
因為的這效果的半完美的多共線性。
也,這結果表示那這根據範圍是k平等的零
第一點、第二點。
[外語00:17:53]
86.4959。
這桌子我們能獲得經過使用JMP。
什麼時候我們是申請這劉估計器方法到估計這係數
的這泊松回歸模組在這在場的這多重共線性
問題。
我們使用這聯合管理計劃秘密到連接之間我們的語言和JMP。
這秘密連接並運行傑普,
這包裹的劉回歸在我們的語言。
在申請時[聽不清楚 00:19:12]，係數，我們得到了這個結果。
我們觀察到的那這全部的數位的孩子們和這先天性的心
和循環的在每個時期依靠在這程度
的增加在全部參數的這模型，
儘管這微不足道的這多變的希1.
因為全部變數在下面學習是增加這數位的孩子們
和先天性的殘疾，但它是非常好的特性。
也這結果表示
那日明形成標準35. 29
添加這根據範圍d等於4.1。
什麼時候比較這二方法回歸和劉估計，
我們知道那這估計器方法給定A低的價值的資訊.
有更多的重要的精通什麼時候他們比較到這回歸方法。
結論。
在這紙，我們審查這最多著名的方法的範圍估計
的這泊松回歸模型什麼時候這數據遭受從這問題
的半完美的多重共線性，在哪裡拿山脊回歸方法
和劉估計者方法和比較的這二方法基於
在帳戶資訊標準作為A標準為了比較。
經過申請回歸分析方法在這在場的A半完美
多重共線性問題變成現實數據關於先天性的心
和循環的缺陷在新生兒，獲得來自中央孩子教學
醫院為了這時期從2012年到2019年，
我們尋找劉氏估計器的方法是更多的高效率的比這回歸
方法因為它有A下赤池資訊標準。
它也給出更多的可靠的結果和更多的準確的p 值。
數位3：透過劉估計方法，它是清除那全部預測器變數
在下面研究領域有影響在這回歸模型，
甚至如果他們是不是重要的，作為全部參數是有影響
在增加這數位的孩子們和先天性的殘障但
在不同的比例。
感謝你。
