research centers


Search results: Found 3

Listing 1 - 3 of 3
Sort by

Article
Building Discriminant Model For Repeated Measurements Data Under Autoregressive (AR-1) Covariance Structure For patients with diabetes
بناء أنموذج تمييزي لبيانات القياسات المكررة بوجود بنية أنموذج الانحدار الذاتي ذو المرتبة الأولى (AR-1) للتباين المشترك لمرضى داء السكري

Authors: ظافر حسين رشيد --- مؤمن عباس موسى
Journal: journal of kerbala university مجلة جامعة كربلاء ISSN: 18130410 Year: 2014 Volume: 12 Issue: 3 Pages: 97-112
Publisher: Kerbala University جامعة كربلاء

Loading...
Loading...
Abstract

discriminant analysis is a statistical technique Based on a sample of individuals Taken from communities known in advance, In order to build a model that could help to assigned the group that belong to the new individual. In This Research discriminant analysis used to analysis data from Repeated measurements design, We Will Deal With The Problem of Discrimination And Classification In The Case of Two Groups Under The Assumption of Multivariate Normality For Univariate Repeated Measures Data .Researchers who studied this problem (Roy & Khattree, 2005), where he presented a descriptive study of the two methods under different structures of the covariance matrix To reduce the number of parameters is required to build a classification rule, While researchers (Kshirsagar & Albert, 1993) studied two methods Growth curve and ANCOVA models for descriptive discriminant analysis To describe the relative importance of the occasions repeated measurements to distinguish between groups.The importance of this research represented to find the best model to Classify a Group of Patients Who Suffer From Diabetes, For The Purpose of Studying The Effects of The Number of Correlations, Variances, and Number of Repeated Measurements on The Performance of Classification Rules For This Type of Data , Based on Monthly Measurements of Glycosylated Hemoglobin (HbA1C) In The Blood Was Taken In Three Stages, Which Is The Beginning of The Experiment, and After Three Months, and Then Six Months for two groups of patients, the first group consists of (38) patients was Suffered from diabetes type I and the second group includes (33) patients Suffered from diabetes type II,which has modeled by assuming the Autoregressive (AR-1) covariance structure To reduce the number of parameters is required to build a classification rule Across a Range of Conditions of Homogeneity and Heterogeneity For The Covariance Matrix. In Addition to Assuming Covariance Structures we Will Assume The Structured Mean Vectors Without Time Effect on each Individual. And Some of Computational Schemes For Maximum Likelihood Estimates of Required Population Parameters are Given.And Through this research, concluded that when the number of parameters began to increase, Thus, the apparent error rate Begin to increasing, And this is what reduces the efficiency of classification rules for this type of data. And We recommend by using the linear discriminant function under (AR-1) Covariance Structures, When you focus on the least number of parameters to build the Classification rule.

يعرف التحليل التمييزي بأنه أسلوب إحصائي يعتمد على عينه من المفردات المأخوذة من مجتمعات معلومة, وذلك لبناء قاعدة يمكنها المساعدة مستقبلا في تعيين المجتمع الذي تنتمي إليه المفردات الجديدة, هذا البحث أستعمل التحليل التمييزي لتحليل بيانات تصاميم القياسات المكررة, حيث تركزت أهميته في مشكلة التمييز ثنائي المجموعة بوجود حالة التوزيع الطبيعي للمجموعات لبيانات القياسات المكررة المستقاة طوليا عبر الزمن على متغير الاستجابة نَفسُهُ ولكل وحدة تجريبية.من الباحثين الذين تناولوا هذه المشكلة (Roy & Khattree,2005) فقد قدما عملا وصفيا لأسلوبين مختلفين بوجود تراكيب (Structures) مختلفة ولحالتين مختلفتين من شروط عدم التجانس لمصفوفة التباين والتباين المشترك, وذلك للتقليص من عدد المعلمات غير المعلومة والمطلوب تقديرها لبناء قاعدة التميز. ويختلف عمل هذين الباحثين عن عمل الباحثين (Kshirsaga & Albert,1993) حيث قدما أسلوبين للتحليل التمييزي الوصفي وذلك لوصف أو لتقييم الأهمية النسبية لمناسبات القياسات المكررة للتمييز بين المجموعات, الأسلوب الأول مستند إلى تحليل (MANOVA) أما الأسلوب الثاني اعتمد على نموذج (Growth curve) في حين أن هذه الأساليب لن تضع أية قيود أو تراكيب على مصفوفة التباينات,وأن أهمية البحث هذا تمثلت بإيجاد أفضل أنموذج لتصنيف مجموعة من مرضى داء السكري وذلك لغرض دراسة تأثيرات كل من عدد الارتباطات, عدد التباينات, وعدد القياسات المكررة على أداء قواعد التصنيف لهذا النوع من البيانات, حيث تم اعتماد القياسات الشهرية لنسبة بروتين الهيموغلوبين الغليكوزيلاتي (HbA1c) في الدم والمأخوذة في ثلاث مراحل, المرحلة الأولى كانت في بداية التجربة, المرحلة الثانية كانت بعد ثلاث أشهر, أما المرحلة الثالثة فكانت بعد ست أشهر ولمجموعتين من المرضى تضمنت المجموعة الأولى بعدد (38) مريض يعاني من داء السكري من النمط الأول (I), في حين كانت المجموعة الثانية تمثل منهم (33) مريض يعاني من داء السكري من النمط الثاني (II), حيث تمت نمذجة هذه البيانات بوجود تركيبة التباين المشترك لأنموذج الانحدار الذاتي من المرتبة الأولى (AR-1) وذلك للحد من عدد المعلمات غير المعلومة لبناء الأنموذج التمييزي عبر مجموعة من شروط التجانس وعدم التجانس لمصفوفة التباين المشترك, وبالإضافة إلى وجود تركيبة لمتجهات المتوسط حيث سنعْتَبَرَ هذه المشكلة مع متجهات متوسط منتظمة أي بدون تأثير عامل الوقت, والتي من شأنها أن تزيد من دقة التصنيف لهذا النوع من البيانات, وسنوضح بعض العمليات الحسابية لتقديرات الإمكان الأعظم لمعلمات المجتمع غير المعلومة لأساليب التحليل التمييزي لهذا النوع من البيانات.ومن خلال ما تم عرضه في البحث هذا والتي تمت باستعمال نتائج البيانات الحقيقية تم التوصل إلى أن انه كلما زادت عدد المعلمات المطلوب تقديرها لبناء الأنموذج التمييزي فأن نسبة التصنيف الخطأ الظاهرة الكلية (APER) تبدأ بالزيادة وهذا ما يقلل من كفاءة قواعد التصنيف لهذا النوع من البيانات, واعتماداً على ما توصل إليه البحث فأن ما يوصى به وعند التركيز على أقل عدد من المعلمات لبناء قاعدة التصنيف فانه من الممكن لإتباع أسلوب التحليل التمييزي الخطي بوجود تركيبة التباين المشترك (AR-1) لتصنيف المرضى.الكلمات الرئيسية : تركيبة التباين المشترك, الانحدار الذاتي من الدرجة الأولى (AR-1), قانون التصنيف, بيانات القياسات المكررة, مقدرات الإمكان الأعظم, تراكيب حول المتوسطات.


Article
Building discriminant function for repeated measurements data under compound symmetry (CS) covariance structure and applied in the health field
بناء الدالة التمييزية لبيانات القياسات المكررة بافتراض بنية التباين المشترك المتماثلة الكروية (CS) وتوظيفها في المجال الصحي

Authors: ظافر حسين رشيد --- مؤمن عباس موسى
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2015 Volume: 21 Issue: 85 Pages: 336-359
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Discriminant analysis is a technique used to distinguish and classification an individual to a group among a number of groups based on a linear combination of a set of relevant variables know discriminant function. In this research discriminant analysis used to analysis data from repeated measurements design. We will deal with the problem of discrimination and classification in the case of two groups by assuming the Compound Symmetry covariance structure under the assumption of normality for univariate repeated measures data.The importance of this research represented to find the best model to classify a group of patients who suffer from diabetes. For the purpose of studying the effects of the number of correlations, variances, and umber of repeated measurements on the performance of classification rules for this type of data based on monthly measurements of glycosylated hemoglobin (HbA1C) in the blood was taken in three stages, which is the beginning of the experiment, and after three months, and then six months for two groups of patients, the first group consists of (38) patients was suffered from diabetes type (I) and the second group includes (33) patients suffered from diabetes type (II).And through this research, concluded that when the number of parameters began to increase. Thus, the apparent error rate begin to increasing, and this is what reduces the efficiency of classification rules for this type of data. And we recommend by using the linear discriminant function when you focus on the least number of parameters to build the classification rule. And quadratic discriminant procedure Represented by equal the variance and different correlation parameters under compound symmetry covariance structures.

يعرف التحليل التمييزي بأنهۥ تَقْنِيَة تستعمل لتمييز أو لتصنيف فرد ما إلى مجموعة من بين عدد من المجموعات استنادا إلى تركيبة خطية لمجموعة من المتغيرات ذات العلاقة تعرف بالدالة التمييزية. في هذا البحث أستعمل التحليل التمييزي لتحليل بيانات تصاميم القياسات المكررة, حيث تركزت أهميته في مشكلة التمييز والتصنيف ثنائي المجموعة بافتراض تركيبة التباين المشترك المتماثلة الكروية وبوجود حالة التوزيع الطبيعي للمجموعات لبيانات القياسات المكررة المستقاة طوليا عبر الزمن على متغير الاستجابة نَفسُهُ ولكل وحدة تجريبية. أهمية البحث هذا تمثلت بإيجاد أفضل أنموذج لتصنيف مجموعة من مرضى داء السكري وذلك لغرض دراسة تأثيرات كل من عدد الارتباطات, و عدد التباينات, وعدد القياسات المكررة على أداء قواعد التصنيف لهذا النوع من البيانات, حيث تم اعتماد القياسات الشهرية لنسبة بروتين الهيموغلوبين الغليكوزيلاتي (HbA1c) في الدم والمأخوذة في ثلاث مراحل, المرحلة الأولى كانت في بداية التجربة, المرحلة الثانية كانت بعد ثلاث أشهر, أما المرحلة الثالثة فكانت بعد ست أشهر ولمجموعتين من المرضى تضمنت المجموعة الأولى بعدد (38) مريض يعاني من داء السكري من النمط الأول (I), في حين كانت المجموعة الثانية تمثل منهم (33) مريض يعاني من داء السكري من النمط الثاني (II).ومن خلال ما تم عرضه في البحث هذا والتي تمت باستعمال نتائج البيانات الحقيقية تم التوصل إلى أن انه كلما زادت عدد المعلمات المطلوب تقديرها لبناء الأنموذج التمييزي فأن نسبة التصنيف الخطأ الظاهرة الكلية تبدأ بالزيادة وهذا ما يقلل من كفاءة قواعد التصنيف لهذا النوع من البيانات, واعتماداً على ما توصل إليه البحث فأن ما يوصى به وعند التركيز على أقل عدد من المعلمات لبناء قاعدة التصنيف فانه من الممكن لإتباع أسلوب التحليل التمييزي الخطي, وأسلوب التحليل التمييزي ألتربيعي والمتمثل بتساوي معلمة التباين واختلاف معلمة الارتباط بوجود تركيبة التباين المشترك المتماثلة الكروية لتصنيف المرضى.


Article
Applying some hybrid models for modeling bivariate time series assuming different distributions for random error with a practical application
تطبيـق بعـض النماذج الهجينـة (Hybrid Models) لنمذجـة السلاسل الزمنيـة ثنائيـة المتغيرات بافتراض توزيعات مختلفـة للخطأ العشوائـي مع تطبيـق عملـي

Authors: Firas Ahmmed Mohammed فراس احمد محمد --- Moamen Abbas Mousa مؤمن عباس موسى
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2020 Volume: 26 Issue: 117 Pages: 442-479
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Bivariate time series modeling and forecasting have become a promising field of applied studies in recent times. For this purpose, the Linear Autoregressive Moving Average with exogenous variable ARMAX model is the most widely used technique over the past few years in modeling and forecasting this type of data. The most important assumptions of this model are linearity and homogenous for random error variance of the appropriate model. In practice, these two assumptions are often violated, so the Generalized Autoregressive Conditional Heteroscedasticity (ARCH) and (GARCH) with exogenous variables (GARCHX) are applied to analyze and capture the volatility that occurs in the conditional variance of a linear model. Since time series observations rarely have linear or nonlinear components in nature or usually included together. Therefore, the main purpose of this paper is to employ the hybrid model technique according to Zhang methodology for hybrid models to combine the linear forecasts of the best linear model of ARMAX models and the nonlinear forecasts of the best nonlinear models of (ARCH, GARCH & GARCHX) models and thus increase the efficiency and accuracy of performance forecasting future values of the time series. This paper is concerned with the modeling and building of the hybrid models (ARMAX-GARCH) and (ARMAX-GARCHX), assuming three different random error distributions: Gaussian distribution, Student-t distribution, as well as the general error distribution and the last two distributions were applied for the purpose of capturing the characteristics of heavy tail distributions which have a Leptokurtic characteristic compared to the normal distribution. This research adopted a modern methodology in estimating the parameters of the hybrid model namely the (two-step procedure) methodology. In the first stage, the parameters of the linear model were estimated using three different methods: The Ordinary Least Squares method (OLS), the Recursive Least Square Method with Exponential Forgetting Factor (RLS-EF), and the Recursive Prediction Error Method (RPM). In the second stage, the parameters of the nonlinear model were estimated using the MLE method and employing the numerical improvement algorithm (BHHH algorithm). The hybrid models have been applied for modeling the relationship between the exogenous time series represented by the exchange rate and the endogenous time series represented by the unemployment rate in the USA for the period from (January 2000 to December 2017 i.e. 216 observations), and also the out-of-sample forecasts of unemployment rate in the last twelve values of (2018). The forecasting performance of the hybrid models and the competing individual model was also evaluated using the loss function accuracy measures (MAPE), (MAE), and the robust (Q-LIKE). Based on statistical measurements, the results showed the hybrid models improved the accuracy and efficiency of the single model. ( ) hybrid model error whose conditional variance follows a GED distribution is the optimal model in modeling the bivariate time series data under study and more efficient in the forecasting process compared with the individual model and the hybrid model. This is due to having the lowest values for accuracy measures. Different software packages (MATLAB (2018a), SAS 9.1, R 3.5.2 and EViews 9) were used to analyze the data under consideration.

أصبح لعملية النمذجة والتنبؤ بالسلاسل الزمنية ثنائية المتغيرات مجالاً واعداً للدراسات التطبيقية في الآونة الأخيرة. ولهذا الغرض، يعتبر انمُوذج الانحدار الذاتي والاوساط المتحركة بمدخلات خارِجِيُّة المَنْشَأ الخطي أكثر التقنيات المستخدمة على نطاق واسع خلال السنوات القليلة الماضية في عملية النمذجة والتنبؤ بهذا النوع من البيانات. ومن اهم الافتراضات الاساسية لهذا الأنمُوذج هي الصفة الخطية وتجانس تباين الخطأ العشوائي للأنمُوذج الملائم وفي التطبيق العملي غالباً ما يتم انتهاك هذان الافتراضان لذلك تم تطبيق نماذج الانحدار الذاتي المشروطة بعدم تجانس تباين الخطأ العشوائي غير الخطية مع توظيف أنموذج بمدخلات خارِجِيُّة المَنْشَأ أي أنموذج من أجل التحليل والسيطرة على التغيرات الزمنية او التقلبات التي تحدث في التباين الشرطي للأنمُوذج الخطي. وبما أن مشاهدات السلاسل الزمنية نادراً ما تكون ذات مركبة خطية فقط حيث عادة ما تكون مُتَضَمّنه كلتا المركبتين معاً. لذا يعتبر الغرض الرئيسي لهذا البحث في توظيف تقنية النماذج الهجينة طبقاً الى منهجية للنماذج الهجينة وذلك للدمج بين مركبة التنبؤات الخطية لأفضل أنمُوذج خطي من نماذج ومركبة التنبؤات غير الخطية لأفضل أنمُوذج غير خطي من نماذج وبالتالي زيادة كفاءة ودقة اداء التنبؤ بالقيم المستقبلية للسلسلة الزمنية . حيث تم بناء واقتراح توظيف عدة نماذج هجينة، ويختص هذا البحث في نمذجة وبناء النماذج الهجينة و بافتراض ثلاث توزيعات مختلفة للخطأ العشوائي وهي التوزيع الطبيعي القياسي ، توزيع ، وكذلك توزيع الخطأ العام وهذان التوزيعان الاخيران تم تطبيقهما لغرض السيطرة على خصائص التوزيعات ذوات الذيل الثقيل والتي تكون بقمة منحني مرتفعة مقارنة بالتوزيع الطبيعي. واعتمد البحث هذا منهجية حديثه في تقدير معلمات الانمُوذج الهجين حيث تم تقدير معلمات النماذج الهجينة بتطبيق أسلوب مٌنهِجية ذاتَ المرحلتين ففي المرحلة الأولى تم تقدير معلمات الأنمُوذج الخطي بأتباع ثلاث طرائق مختلفة وهي طريقة المربعات الصغرى الاعتيادية ، طريقة المربعات الصغرى التكرارية بتوظيف عامل التغاضي الاسي ، وطريقة خطأ التنبؤ التكرارية ، وفي المرحلة الثانية تم تقدير معلمات الأنمُوذج غير الخطي باستعمال طريقة الإمكان الأعظم وبتوظيف خوارزمية التحسين العددية . *البحث مستل من رسالة ماجستير النماذج الهجينة المذكورة تم تطبيقها لنمذجة العلاقة بين السلسلة الزمنية للمدخلات الخارجية والمتمثلة بمتغير سعر الصرف والسلسلة الزمنية الاصلية والمتمثلة بمتغير معدل البطالة في الولايات المتحدة الامريكية في الفترة الزمنية من شهر يناير حتى شهر ديسمبر بواقع مشاهدة، وايضاً لعملية التنبؤ خارج العينة بمعدل البطالة بالقيم الاثنتا عشر الاخيرة من عام . كما تم أجراء تقييم اداء التنبؤ بين النماذج الهجينة والأنمُوذج المُنْفَرِد المُتَنَافِس بالاعتماد على مقاييس دوال الخسارة لدقة التنبؤ وهي متوسط مطلق الخطأ النسبي ، ومقياس متوسط مطلق الخطأ ، وكذلك مقياس الحصين والمقترح توظيفهُ. وبالاعتماد على المقاييس الاحصائية فقد اظهرت نتائج البحث تفوق النماذج الهجينة حيث حَسّنة من جُودَة وكَفَاءَة الانمُوذج المُنْفَرِد وهذا ما يُعَزّز من قدرة وكفاءة النماذج الهجينة في القدرة على التنبؤ بالقيم المستقبلية. واتضح أن الانمُوذج الهجين عند اتباع الخطأ العشوائي لهُ توزيع الخطأ العام كان الأنمُوذج الأمثل في عملية نمذجة السلاسل الزمنية ثنائية المتغيرات قيد الدراسة والأكثر كفاءة في القدرة على التنبؤ المستقبلي بالمقارنة مع النماذج المعنية بالمنافسة وهي أنمُوذج بمفرده ونظيرهُ أنمُوذج الهجين ويعود السبب في ذلك لحصولهِ على أقل القيم لمقاييس المفاضلة. حيث تم استعمال حزم برمجية مختلفة وهي من قبل الباحث لتحليل البيانات قيد الدراسة .

Listing 1 - 3 of 3
Sort by
Narrow your search

Resource type

article (3)


Language

Arabic and English (2)

Arabic (1)


Year
From To Submit

2020 (1)

2015 (1)

2014 (1)