research centers


Search results: Found 3

Listing 1 - 3 of 3
Sort by

Article
discriminate analysis and logistic regression existence of multicolleniarty problem(Empirical Study on Anemia)
التحليل المميز والانحدار اللوجستي بوجود مشكلة التعدد الخطي (دراسة تطبيقية على مرض فقر الدم)

Authors: رباب عبد الرضا صالح البكري --- محمد شاكر محمود العزي
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2017 Volume: 23 Issue: 99 Pages: 373-397
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Abstract The method binery logistic regression and linear discrimint function of the most important statistical methods used in the classification and prediction when the data of the kind of binery (0,1) you can not use the normal regression therefore resort to binary logistic regression and linear discriminant function in the case of two group in the case of a Multicollinearity problem between the data (the data containing high correlation) It became not possible to use binary logistic regression and linear discriminant function, to solve this problem, we resort to Partial least square regression. In this, search the comparison between binary logistic regression and linear discriminant function using error Category. In the practical side in the collection of data on the data on anemia collection Two variables are severe anemia (0) and and chronic anemia (1) and several variables about the disease. The Data were collected from several Iraqi hospitals, where samples collected from patients at the hospital are asleep, and previous cases lay in the hospital a sample of (140) the patient is infected with the disease. When the test data and found that Multicollinearity problem, It has been processed using a method partial least square. The research found that linear discriminant function It is the best in the classification of data from binary logistic regression classified as linear discriminant function the data correctly and more accurate than binary logistic regression.

المستخلصتعد طريقة الانحدار اللوجستي الثنائي Binary logistic regression والدالة المميزة الخطية Linear discriminant function من اهم الطرائق الاحصائية المستخدمة في التصنيف والتنبؤ، عندما تكون البيانات من النوع الثنائي (0،1) فانه لا يمكن استخدام الانحدار الاعتيادي فلذلك نلجأ الى الانحدار اللوجستي الثنائي والدالة المميزة الخطية في حالة وجود مجموعتين، وفي حالة وجود مشكلة التعدد الخطي Multicollinearity بين البيانات (ان البيانات يوجد فيها ارتباطات عالية بين المتغيرات) اصبح عدم الامكان في استخدام الانحدار اللوجستي والدالة المميزة الخطية، ولحل هذه المشكلة نلجأ الى طريقة انحدار المربعات الصغرى الجزئية Partial least square regression لحل مشكلة التعدد الخطي.وقد جرى في هذه البحث المقارنة بين الانحدار اللوجستي الثنائي binary logistic regression والدالة المميزة الخطية linear discriminant function عن طريق خطأ التصنيف. حيث تم جمع بيانات عن مرض فقر الدم بمتغيرين هما فقر الدم الحاد بالرمز (0)، وفقر الدم المزمن بالرمز (1) وبعدة متغيرات حول المرض. جمعت البيانات من عدة مستشفيات عراقية، وجمعت عينة من المرضى الراقدين في المستشفى وحالات سابقة رقدت في المستشفى بعينة قدرها (140) مريضاً مصاباً بهذا المرض. وعند اختبار البيانات وجدت ان هناك مشكلة التعدد الخطي Multicollinearity تمت معالجتها بأستعمال طريقة المربعات الصغرى الجزئية Partial least square.وتوصل البحث الى ان الدالة المميزة الخطية linear discriminant function هي أفضل في تصنيف البيانات من الانحدار اللوجستي الثنائي binary logistic regression، اذ صنفت الدالة المميزة البيانات بشكل صحيح وأكثر دقة من الانحدار اللوجستي الثنائي.


Article
discriminate analysis and logistic regression by use partial least square
التحليل المميز والانحدار اللوجستي بأستعمال المربعات الصغرى الجزئية (دراسة تجريبية (محاكاة))

Authors: رباب عبد الرضا صالح البكري --- محمد شاكر محمود العزي
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2018 Volume: 24 Issue: 106 Pages: 407-419
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The method binery logistic regression and linear discrimint function of the most important statistical methods used in the classification and prediction when the data of the kind of binery (0,1) you can not use the normal regression therefore resort to binary logistic regression and linear discriminant function in the case of two group in the case of a Multicollinearity problem between the data (the data containing high correlation) It became not possible to use binary logistic regression and linear discriminant function, to solve this problem, we resort to Partial least square regression. In this, search the comparison between binary logistic regression and linear discriminant function using error Category. Where the data has been generating a variable response (Y) binery data (0,1) containing Multicollinearity problem by the samples (50-100-150-250-400) and the variables (5-10-15). Multicollinearity problem has been processed using a method partial least square The research found that linear discriminant function It is the best in the classification of data from binary logistic regression classified as linear discriminant function the data correctly and more accurate than binary logistic regression.

المستخلصيعد اسلوبي الانحدار اللوجستي الثنائي Binary logistic regression والدالة المميزة الخطية Linear discriminant function من اهم الاساليب الاحصائية المستخدمة في التصنيف والتنبؤ، عندما تكون البيانات من النوع الثنائي (0،1) فانه لا يمكن استخدام الانحدار الاعتيادي فلذلك نلجأ الى الانحدار اللوجستي الثنائي والدالة المميزة الخطية في حالة وجود مجموعتين او اكثر، وفي حالة وجود مشكلة التعدد الخطي Multicollinearity بين البيانات (ان البيانات يوجد فيها ارتباطات عالية بين المتغيرات) اصبح عدم الامكان في استخدام الانحدار اللوجستي والدالة المميزة الخطية، ولحل هذه المشكلة توجد عدة طرائق منها طريقة انحدار المربعات الصغرى الجزئية Partial least square regression لحل مشكلة التعدد الخطي.وقد جرى في هذه البحث المقارنة بين الانحدار اللوجستي الثنائي binary logistic regression والدالة المميزة الخطية linear discriminant function عن طريق خطأ التصنيف. حيث تم توليد بيانات بمتغير استجابة (Y) نوع ثنائي (0,1) تحتوي على مشكلة التعدد الخطي وبحجوم عينات (50-100-150-250-400) ومتغيرات (5-10-20). حيث تمت معالجة مشكلة التعدد الخطي بأستعمال طريقة المربعات الصغرى الجزئية Partial least square.وتوصل البحث الى ان الدالة المميزة الخطية linear discriminant function هي أفضل في تصنيف البيانات من الانحدار اللوجستي الثنائي binary logistic regression، اذ صنفت الدالة المميزة البيانات بشكل صحيح وأكثر دقة من الانحدار اللوجستي الثنائي.


Article
A Comparison of Parameters Estimation Methods for the Negative Binomial Regression Model under Multicollinearity Problem by Using Simulation
مقارنة طرائق تقدير معلمات أنموذج انحدار ثنائي الحدين السالب في ظل وجود مشكلة التعدد الخطي باستعمال المحاكاة

Authors: سهيل نجم عبود --- ايناس صلاح خورشيد
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2019 Volume: 25 Issue: 110 Pages: 466-488
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

This study discussed a biased estimator of the Negative Binomial Regression model known as (Liu Estimator), This estimate was used to reduce variance and overcome the problem Multicollinearity between explanatory variables, Some estimates were used such as Ridge Regression and Maximum Likelihood Estimators, This research aims at the theoretical comparisons between the new estimator (Liu Estimator) and the estimators of Maximum Likelihood (ML) and Ridge Regression (RR) by using the mean square error (MSE) criterion, where the variance of the Maximum Likelihood (ML) comes in the presence of the problem Multicollinearity between the explanatory variables. In this study, the Monte Carlo simulation was designed to evaluate the performance of estimations using the criterion for comparison, the mean square error (MSE). The simulation results showed important an estimated Liu and superior to the RR and MLE estimator Where the number of explanatory variables is (p=5) and the sample size is (n=100), where the number of explanatory variables is (p=3) and for all sizes, and also when (p=5) for all sizes except size (n=100), the RR regression method is the best.

ناقش هذا البحث مقدر متحيز لأنموذج انحدار ثنائي الحدين السالب (Negative Binomial Regression Model) ومعرف بالمقدر ليو(Liu Estimator)، اذ استعمل هذا المقدر لتقليل التباين والتغلب على مشكلة التعدد الخطي بين المتغيرات التوضيحية، كما تم استخدام بعض التقديرات منها مقدر انحدار الحرف (Ridge Regression) ومقدر الامكان الاعظم (Maximum Likelihood)، اذ يهدف هذا البحث الى المقارنات النظرية بين مقدر (Liu Estimator) ومقدرات الامكان الاعظم (Maximum Likelihood) وانحدار الحرف (Ridge Regression) باستخدام معيار متوسط مربعات الخطأ (MSE)، اذ يكون تباين مقدر الامكان الاعظم (MLE) متضخم في ظل وجود مشكلة التعدد الخطي بين المتغيرات التوضيحية، وتم في هذا البحث تصميم المحاكاة (مونت كارلوا) لتقييم اداء المقدرات باستخدام معيار مقارنة متوسط مربعات الخطأ (MSE)، حيث اظهرت نتائج المحاكاة اهمية مقدر ليو وتفوقها على مقدري انحدار الحرف (RR) والامكان الاعظم (MLE) عندما يكون عدد المتغيرات التوضيحية (p=5) ولحجم العينة (n=100)، اما عندما يكون عدد المتغيرات التوضيحية (p=3) ولكافة الحجوم، وكذلك عندما (p=5) ولكافة الحجوم ماعدا حجم العينة (n=100) طريقة انحدار الحرفRR هي الافضل.

Listing 1 - 3 of 3
Sort by
Narrow your search

Resource type

article (3)


Language

Arabic and English (3)


Year
From To Submit

2019 (1)

2018 (1)

2017 (1)