Hallo alle,
Mein Name Ist Raaed Fadhil Mohammed.
I Bin a Statistiker. I Dozent In Universität von Mustansiriyah.
Mein Der Titel des Papiers lautet Schätzen Die Parameter von Poisson Regression Modell Unter
Die Multikollinearität Problem .
Gliederung: Poisson Regression Modell, Multikollinearität Problem,
Ridge-Regressionsschätzer Methode,
Liu-Schätzverfahren, Und Real Daten Beispiel.
Abschluss Und Verweise.
Poisson-Regression Modell.
Eins von Die Typen von Rückschritt Modell Das fallen unter linear-logarithmisch
Rückschritt Modell als von Einnahme Die natürlich Logarithmus
von Die Verteilung Formel, es wendet sich hinein a linear Verfahren.
zufällig Fehler im Modell folgen Sie einem Poisson Verteilung mit a Parameter
In
Der Modell Ist basierend An zwei essentiell Annahmen um Die Verteilung
als Es unterscheidet sich aus Die Verteilung von zufällig Fehler in der linearen Regression
Modell und Die Eigenschaften von Die Poisson Verteilung Parameter In als a Funktion
von Anzeichen Variablen.
M Ultikollinearität Problem.
Multikollinearitätsprobleme treten auf Wann zwei oder mehr Anzeichen Variablen Sind korreliert
Zu eine solide linear Beziehung, Also es ist schwierig Zu separate Die Wirkung
von jede Anzeichen Variable aus Die abhängig Variable
In üben.
Oder Wann Die Wert von eins von Die Predictor Variablen kommt darauf an An eins oder mehr
von Die andere Anzeichen Variablen In Die Modell unter Studie,
als Also als wenn das Daten dauert Die bilden von a Zeit Serie oder über- Abschnitt Daten.
Der Multikollinearität Problem dürfen Sei klassifiziert hinein zwei Typen:
Nummer 1, Perfekte Multikollinearität.
Die Determinante der Information Matrix ist Null, x transponieren x bestimmt gleich
null.
Es folgt von Das Ist unmöglich Zu schätzen,
Die Parameter von Die Rückschritt Modell fällig Zu Die Unfähigkeit Zu Berechnung
Die Umkehrung von Matrix x transponieren X.
Der am besten Methode In Das Fall Zu Berechnung x transponieren. Wir dürfen machen verwenden
Rektor Komponente Analyse.
Nummer 2, Semi-perfekt Multikollinearität.
In Das Fall, Wenn Die Wert von Die bestimmend Information Matrix
Ist minimal, schließen Zu null,
Dann Die Parameter geschätzt erheblich Varianz.
Der am besten Methode In Das Fall Wir dürfen verwenden Rückschritt Methode oder Löwe
Schätzer Methode.
Der folgende Formel Hier dürfen äußern Die Varianz- Kovarianz Matrix
des Parameter geschätzt.
Vielleicht Die am besten Statistik Methode für Messung Die Multikollinearität
Intensität Ist Die Varianz In Inflation Faktor VIF, wessen Formel ist als folgt.
VIF gleich eins über eins Minus R Quadrat.
R Quadrat Hier bestimmt Koeffizient.
Ridge-Regression Schätzer Methode.
Eins von Die wichtig Alternativen für Schätzen Die Parameter
von Rückschritt Modul Wann Dort Ist m Ultikollinearität zwischen Anzeichen
Variablen.
Das Methode gegründet nach Zu Die Prinzip von Die Forscher Hörl
Und Kennard, welche Ist von Hinzufügen a klein positiv Menge Zu Die meins Durchmesser
Elemente von Die Information Matrix.
Der Rückschritt Schätzer Sind basierend Wann k größer als null Also Das Die Base
Menge dürfen Sei ausgedrückt von Die Formel, Mit Minus Identität von Beta.
Liu Schätzer Methode.
Der Forscher Liu 1993 gelegt Die Stiftungen von Das Methode Zu Adresse
Die Ausgabe von Die Varianz Inflation von Die geschätzt Parameter
In Die Gegenwart von Multikollinearität ein Problem.
Der Liu Schätzer für Die Parameter Poisson Rückschritt dürfen Sei ausgedrückt
In Die folgende Formel.
Auch Liu Schätzer Sind voreingenommen Wann d größer als null Und Die Größe
von Die Voreingenommenheit Ist z Minus Identität von Beta.
Liu Schätzer Sind voreingenommen, Die Grund von Die Voreingenommenheit Ist Die hinzugefügt Wert
D, welche Bereiche zwischen null Und eins.
Auch, Die berechnet bedeuten kariert Fehler nach Zu Liu Schätzer Methode
Ist weniger als Die bedeuten kariert Fehler für Die Dasselbe Parameter Wenn geschätzt
nach Zu Die maximal Wahrscheinlichkeit Methode.
Real Daten Beispiel.
Wir Wille erhalten real Daten betreffend angeboren Mängel von Die Herz
Und Kreislauf System In a neu geboren aus Die Zentral Kind T eich Krankenhaus
In Bagdad, Irak, Wo Die Verteilung von a abhängig
Variable y steht für Anomalien von Die Herz Und Kreislauf System
In Kinder War studiert.
Auch der Aufschlussreich Existenz von a Multikollinearität Problem unter
Die Anzeichen Variablen unter Studie.
Der Fall von angeboren Behinderungen ankommen bei Die Zentral Kind Lehren
Krankenhaus Sind verzeichnet In a bilden vorbereitet von Die Statistiken Aufteilung In Die Krankenhaus
In Die bilden von zählen Daten Und Gesamtsummen innerhalb halb monatlich Perioden,
Die Probe War genommen für Die Zeitraum aus 2012 Zu Ende 2019,
und ein Poisson Rückschritt Modell War gebaut als eins von Die geeignet Modelle
Zu beschreiben dieses Phänomen als Die folgende Formel:
yiequ alle exponentiell Beta eins xi 1 Plus Beta 2 xi 2 Plus Beta 3 xi 3 plus Beta
4 xi 4 plus Beta 5 xi 5 plus Beta 6 xi 6 plus Beta 7 xi plus UI.
Das repräsentieren Sie Die gesamt Nummer von Kinder mit angeboren Herz
Und Kreislauf Mängel In jede Zeitraum.
Xi1, die gesamtgewichtete von infiziert Kinder innerhalb jede Zeitraum.
Xi2, der gesamt Alter Väter von gebeugt Kinder innerhalb jede Zeitraum.
Xi3, das Gesamtalter der Mütter flektierter Kinder innerhalb jedes Zeitraums.
Xi 4, repräsentiert Die Nummer von infiziert männlich Kinder innerhalb jede Zeitraum.
Xi5 repräsentiert Die Nummer von inekt weiblich Kinder innerhalb jede.
Xi 6, Die Nummer von infizierte Kinder geboren von blutsverwandten Ehen
innerhalb jede Zeitraum.
Xi7, Die Nummer von infiziert Kinder wessen Mütter war ausgesetzt Zu Strahlung
oder Leben beeinflussen solch als Einnahme bestimmt Medikamente Und Drogen während der Schwangerschaft.
Beta eins, Beta zwei, Beta drei, Beta vier, Beta fünf, Beta sechs Und Beta Sieben Beta.
Der Neigung Parameter In Die Modell Und Beta Notiz repräsentiert
Die konstanter Term.
Benutzeroberfläche vertreten Die zufällig Fehler In Die Modell.
Das Tisch, Testen Daten Und Diagnose Multikollinearität Zu finden aus Wahrscheinlichkeit
Verteilung nach Zu welche Antwort Variable dürfen Sei verteilt.
Wir verwenden springen Profi 16.2 Und Es War gefunden Und, abhängig Variable folgt Die Poisson
Verteilung mit verteilt Parameter, In ist gleich 6.5.
Zu verifizieren, Die Eignung von Die Poisson
Verteilung Zu Die Antwort Variable y.
Der testen Güte von Es War durchgeführt für Die Variable von Die gesamt
Nummer von Kinder mit angeboren Herz Und Kreislauf Verteidigung In jede Zeitraum.
Der werfen welche Wir machen zeigen Das Die Gift Verteilung Ist Die am meisten
gefördert Verteilung Das abhängig Variable kann folgen.
Wo Wir nicht haben Die Güte von prüfen Wert Ist 4958.4579 mit Bedeutung
Ebene schließen Zu null.
Als An Die Tisch In Die Vorderseite von Du.
Zu erkennen ob Dort Ist Multikollinarität unter Die Produkt
Variable unter Studie,
Wir dürfen Berechnung Die Korrelation Matrix zwischen Die Anzeichen Variablen.
Aus Die Figur Wir beobachten Das Wert von Korrelation Koeffizient Sind bedeutsam
Und groß für alle Anzeichen Variablen, als jede Variable Ist damit verbundenen mit alle
Anzeichen Variablen, mit Die stark Direkte linear Korrelation.
Das Tisch gezeigt Die Wert von verschieden Funktion Faktoren.
Als Die größten von ihnen, Also diese von Die Projektorvariablen, X2, X3 und X4
Der Varianzinflationsfaktor zur Unterminierung von Projektorvariablen
existiert die Nummer 18.
Aus Das Wir daraus schließen Das Dort Ist a linear multiplizieren zwischen
Die Anzeichen Variablen Und Die [unverständlich 00:16:24].
Anwendung von Poisson Rückschritt Methode.
Parameter Schätzer des Poisson-Regressionsmodells unter Verwendung Methode Rückschritt,
Wir beobachten Das Die gesamt Nummer von Kinder mit angeboren Gesundheit,
Und Kreislauf Mängel In jede Zeitraum kommt darauf an An Die Zunahme Und alle
Parameter von [unverständlich 00:17:11].
Jedoch, am meisten Variablen Sind unbedeutend. x1, x4,
X5 und X6
Weil von Die Auswirkungen von halb- perfekt Mehrfarbig Kollinearität.
Auch, Die Ergebnis zeigt an Das Die Base Parameter Ist k gleich null
Punkt eins, zwei.
[Fremdsprache 00:17:53]
86.4959.
Das Tisch Wir dürfen erhalten von mit : JMP.
Wann Wir Sind bewirbt sich Die Liu Schätzer Methode Zu schätzen Die Koeffizient
von Die Poisson Rückschritt Modul In Die Gegenwart von Die Multikollinearität
Problem.
Wir verwenden Die JMP Geheimnis Zu verbinden zwischen unser Sprache Und : JMP.
Das Geheimnis zum Verbinden und Ausführen von JMP,
Die Paket von Liu Rückschritt In unser Sprache.
Bei der Bewerbung für [unverständlich 00:19:12], der Koeffizient, haben wir dieses Ergebnis erhalten.
Wir beobachtet Das Die gesamt Nummer von Kinder mit Die angeboren Herzen
Und Kreislauf In jede Zeitraum kommt darauf an An Die Ausmaß
von Zunahme In alle Parameter von Die Modell,
trotz Die Bedeutungslosigkeit von Die Variable xi 1.
Weil alle Variablen unter Studie Sind zunehmend Die Nummer von Kinder
mit angeboren Behinderungen, Aber Es Ist sehr Gut Eigenschaften.
Auch Die Ergebnis zeigt an
Das Hungrig Formation Kriterien 35. 29
hinzufügen Die Base Parameter d gleich 4,1.
Wann Vergleichen Die zwei Methoden Rückschritt Und Liu Schätzer,
Wir wissen Das Die Schätzer Ansatz gegeben a niedrig Wert von Information.
Hat mehr bedeutsam kompetent Wann Sie vergleichen Zu Die Regel Methode.
Schlussfolgerungen.
In Das Papier, Wir Rezension Die am meisten prominent Methode von Parameter Schätzen
von Die Poisson Rückschritt Modell Wann Die Daten leiden aus Die Problem
von halb- perfekte Multikollinearität, Wo nahm der Grat Rückschritt Methode
Und Liu Schätzer Methode Und verglichen Die zwei Methoden basierend
An Konto Information Kriterien als a Kriterium für Vergleich.
Von bewirbt sich Rückschritt Analyse Methode In Die Gegenwart von a halbperfekt
Mehrzweckhalle Problem zu real Daten hinsichtlich angeboren Herz
Und Kreislauf Mängel In Neugeborene, erhalten von dem Zentral Kind Lehren
Krankenhaus für Die Zeitraum aus 2012 Zu 2019,
Wir finden der Liu Schätzer Methode Ist mehr effizient als Die Rückschritt
Methode Weil Es hat a untere Akaike Information Kriterium.
Es Auch gibt mehr zuverlässig Ergebnisse Und mehr genau p-Werte.
Nummer 3: Durch Liu Schätzer' Methode, Es Ist klar Das alle Anzeichen Variablen
unter Studie sind einflussreich In Die Rückschritt Modell,
sogar Wenn Sie Sind nicht bedeutsam, als alle Parameter Sind einflussreich
In zunehmend Die Nummer von Kinder mit angeboren Behinderungen Aber
in unterschiedlichen Proportionen.
Dank Du.
