Hola todos,
mi nombre es Raaed Fadhil Mahoma.
I soy a estadístico. I conferenciante en Universidad de Mustansiriyah.
Mi el título del artículo es Estimando el Parámetro de Poison Regresión Modelo Bajo
el Multicolinealidad Problema .
Describir: Poison Regresión Modelo, Multicolinealidad problema,
Estimador de regresión de crestas Método,
Método de estimadores de Liu, y Real Datos Ejemplo.
Conclusión y Referencias.
Regresión de Poisson Modelo.
Uno de el tipos de regresión modelo eso caer bajo lineal-logarítmico
regresión modelo como por tomando el natural logaritmo
de el distribución fórmula, da vueltas en a lineal procedimiento.
aleatorio errores en el modelo seguir un Poison distribución con a parámetro
en
El modelo es basado en dos básico suposiciones acerca de el distribución
como él difiere de el distribución de aleatorio errores en la regresión lineal
modelo y el propiedades de el Poison distribución parámetro en como a función
de vaticinador variables.
M ulticolinealidad Problema.
Ocurren problemas de multicolinealidad cuando dos o más vaticinador variables son correlacionado
a un sólido lineal relación, entonces es difícil a separado el efecto
de cada vaticinador variable de el dependiente variable
en práctica.
O cuando el valor de uno de el variables predictoras depende en uno o más
de el otro vaticinador variables en el modelo bajo estudiar,
como Bueno como Si el datos acepta el forma de a tiempo serie o al otro lado de- sección datos.
El multicolinealidad problema poder ser clasificado en dos tipos:
Número 1, Multicolinealidad perfecta.
El determinante de la información matriz es cero, x transponer x determinado igual
cero.
Se sigue de este es imposible a estimar,
el parámetros de el regresión modelo pendiente a el incapacidad a calcular
el inverso de matriz x transponer X.
El mejor método en este caso a calcular x transponer x. Nosotros poder hacer usar
principal componente análisis.
Número 2, semiperfecto multicolinealidad.
En este caso, si el valor de el determinante información matriz
es mínimo, cerca a cero,
entonces el parámetros estimado considerable diferencia.
El mejor método en este caso nosotros poder usar regresión método o León
estimador método.
El siguiente fórmula aquí poder expresar el diferencia- covarianza matriz
del parámetros estimado.
Tal vez el mejor estadístico método para medición el multicolinealidad
intensidad es el diferencia en inflación factor VIF, cuyo la fórmula es como sigue.
VIF igual uno encima uno menos R cuadrado.
R cuadrado aquí determinado coeficiente.
Regresión de cresta Estimador Método.
Uno de el importante alternativas para estimando el parámetros
de regresión módulo cuando allá es m ulticolinealidad entre vaticinador
variables.
Este método establecido de acuerdo a a el principio de el investigadores Hörl
y Kennard, cual es por añadiendo a pequeño positivo cantidad a el mío diámetro
elementos de el información matriz.
El regresión estimadores son basado cuando k mayor que que cero entonces eso el base
cantidad poder ser expresado por el fórmula, con menos identidad por beta.
Liu Estimadores método.
El investigador Liu 1993 establecido el cimientos de este método a DIRECCIÓN
el asunto de el diferencia inflación de el estimado parámetros
en el presencia de multicolinealidad un problema.
El Liu estimador para el parámetro Poison regresión poder ser expresado
en el siguiente fórmula.
También Liu estimadores son sesgado cuando d mayor que que cero y el magnitud
de el inclinación es z menos identidad por beta.
Liu estimadores son sesgado, el razón de el inclinación es el agregado valor
d, cual rangos entre cero y uno.
También, el calculado significar al cuadrado error de acuerdo a a Liu estimadores método
es menos que el significar al cuadrado error para el mismo parámetros si estimado
de acuerdo a a el máximo probabilidad método.
Real Datos ejemplo.
Nosotros voluntad obtener real datos sobre congénito defectos de el corazón
y circulatorio sistema en a nuevo nace de el Central niño t cada uno Hospital
en Bagdad, Irak, dónde el distribución de a dependiente
variable y representa anormalidades de el corazón y circulatorio sistema
en niños era estudió.
También el revelador existencia de a multicolinealidad problema entre
el vaticinador variables bajo estudiar.
El caso de congénito discapacidades llegando en el Central Niño Enseñando
Hospital son grabado en a forma preparado por el Estadísticas División en el hospital
en el forma de contar datos y totales dentro semi mensual períodos,
el muestra era tomado para el período de 2012 a fin 2019,
y un veneno regresión modelo era construido como uno de el adecuado modelos
a describir este fenómeno como el siguiente fórmula:
yiequ Alabama exponencial beta uno xi 1 más beta 2 xi 2 más beta 3 xi 3 más beta
4 xi 4 más beta 5 xi 5 más beta 6 xi 6 más beta 7 xi más ui.
que representas el total número de niños con congénito corazón
y circulatorio defectos en cada período.
Xi1, el total ponderado de infectado niños dentro cada período.
Xi2, el total siglos padres de flexionado niños dentro cada período.
Xi3, la edad total de las madres de niños flexionados dentro de cada período.
Xi 4, representa el número de infectado masculino niños dentro cada período.
Xi5 representa el número de infectado femenino niños dentro cada.
Xi 6, el número de niños infectados nacido de consanguíneos matrimonios
dentro cada período.
Xi7, el número de infectado niños cuyo madres eran expuesto a radiación
o vida influencia semejante como tomando cierto medicamentos y drogas durante el embarazo.
Beta uno, beta dos, beta tres, beta cuatro, beta cinco, beta seis y beta Siete beta.
El pendiente parámetros en el modelo y beta nota representa
el término constante.
interfaz de usuario representar el aleatorio error en el modelo.
Este mesa, Pruebas Datos y Diagnóstico Multicolinealidad a encontrar afuera probabilidad
distribución de acuerdo a a cual respuesta variable poder ser repartido.
Nosotros usar saltar Pro 16.2 y él era encontró y, dependiente variable sigue el Poison
distribución con repartido parámetro, en es igual 6.5.
A verificar, el idoneidad de el Poison
distribución a el respuesta variable y.
El pruebas bondad de él era llevado a cabo para el variable de el total
número de niños con congénito corazón y circulatorio defensa en cada período.
El tirar cual nosotros hacer espectáculo eso el veneno distribución es el mayoría
promovido distribución eso dependiente variable puede seguir.
Dónde nosotros no tengo el bondad de prueba valor es 4958.4579 con significado
nivel cerca a cero.
Como en el mesa en el frente de tú.
A detectar si allá es multicoliniariedad entre el producto
variable bajo estudiar,
nosotros poder calcular el correlación matriz entre el vaticinador variables.
De el cifra nosotros observar eso valor de correlación coeficiente son significativo
y grande para todo vaticinador variables, como cada variable es asociado con todo
vaticinador variables, con el fuerte directo lineal correlación.
Este mesa mostrado el valor de varios función factores.
Como el más grande de a ellos, Bueno aquellos de el variables del proyector, X2, X3 y X4
El factor de inflación de la varianza para socavar las variables del proyector
existe el numero 18.
De este nosotros concluir eso allá es a lineal multiplicar entre
el vaticinador variables y el [inaudible 00:16:24].
Solicitud de Poison regresión método.
Parámetro estimador del modelo de regresión de Poisson utilizando método regresión,
nosotros observar eso el total número de niños con congénito salud,
y circulatorio defectos en cada período depende en el aumentar y todo
parámetros de [inaudible 00:17:11].
Sin embargo, mayoría variables son insignificante. x1, x4,
X5 y X6
porque de el efectos de semi- perfecto multi colinealidad.
También, el resultado indica eso el base parámetro es k igual cero
punto uno, dos.
[idioma extranjero 00:17:53]
86.4959.
Este mesa nosotros poder obtener por usando JMP.
Cuando nosotros son aplicando el Liu estimador método a estimar el coeficiente
de el Poison regresión módulo en el presencia de el multicolinealidad
problema.
Nosotros usar el JMP secreto a conectar entre nuestro idioma y JMP.
Este secreto para conectarse y ejecutar desde JMP,
el paquete de Liu regresión en nuestro idioma.
Mientras aplica a [inaudible 00:19:12], el coeficiente, obtuvimos este resultado.
Nosotros observado eso el total número de niños con el congénito corazones
y circulatorio en cada período depende en el medida
de aumentar en todo parámetros de el modelo,
a pesar de el insignificancia de el variable xi 1.
Porque todo variables bajo estudiar son creciente el número de niños
con congénito discapacidades, pero él es muy bien propiedades.
También el resultado indica
eso Hambriento formación criterios 35. 29
agregar el base parámetro d igual 4.1.
Cuando comparando el dos métodos regresión y estimador de Liu,
nosotros saber eso el estimador acercarse dado a bajo valor de información.
Tiene más significativo competente cuando ellos comparar a el reglas método.
Conclusiones.
En este papel, nosotros revisar el mayoría prominente método de parámetro estimando
de el Poison regresión modelo cuando el datos sufrir de el problema
de semi- multicolinealidad perfecta, dónde tomó la cresta regresión método
y Liu estimadores método y comparado el dos métodos basado
en Cuenta Información Criterios como a criterio para comparación.
Por aplicando regresión análisis método en el presencia de a semiperfecto
multicollnearidad problema real datos acerca de congénito corazón
y circulatorio defectos en recién nacidos, obtenido desde el Central Niño Enseñando
Hospital para el período de 2012 a 2019,
nosotros encontrar el liu estimator's método es más eficiente que el regresión
método porque él tiene a bajar akaike información criterio.
Él también da más confiable resultados y más preciso valores p.
Número 3: A través de estimadores de Liu método, él es claro eso todo vaticinador variables
bajo estudio son influyente en el regresión modelo,
incluso si ellos son no significativo, como todo parámetros son influyente
en creciente el número de niños con congénito discapacidades pero
en variar dimensiones.
Agradecer tú.
