research centers


Search results: Found 4

Listing 1 - 4 of 4
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
The use of the Principal components and Partial least squares methods to estimate the parameters of the logistic regression model in the case of linear multiplication problem
استعمال طريقتي المركبات الرئيسية والمربعات الصغرى الجزئية لتقدير معلمات أنموذج الانحدار اللوجستي ثنائي الاستجابة في حالة وجود مشكلة التعدد الخطي

Authors: محمود مهدي البياتي --- هديل حميد شاكر
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2018 Volume: 24 Issue: 106 Pages: 338-355
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The logistic regression model is one of the nonlinear models that aims at obtaining highly efficient capabilities, It also the researcher an idea of the effect of the explanatory variable on the binary response variable. The large number of explanatory variables usually used to illustrate the response led to the problem of linear multiplicity between the explanatory variables that make estimating the parameters of the model not very accurate. In this paper, examined methods for estimating the parameters of the logistic regression model in the case of the problem of linear multiplicity These methods are: Principal components of logistic regression method and Partial least square regression method. The results of the simulation showed that the method (PCLR(3pc’s)) is best for estimating the parameters of the binary logistic regression model response in the case of a problem of linear multiplicity.

المستخلصيعد أنموذج الانحدار اللوجستي من النماذج اللاخطية الذي يهدف الى الحصول على مقدرات تمتلك كفاءة عالية , كما انه يعطي الباحث فكره عن مقدار تأثير المتغير التوضيحي على متغير الاستجابة الثنائية.أن العدد الكبير لمتغيرات توضيحية تستعمل عادة لتوضيح الاستجابة ادى الى ظهور مشكلة التعدد الخطي بين المتغيرات التوضيحية التي تجعل تقدير معلمات النموذج ليست دقيقة جدا.يتم عرض في هذا البحث طريقتين لتقدير معلمات أنموذج الانحدار اللوجستي في حالة وجود مشكلة التعدد الخطي (Multicollinearity) وهما : طريقة المركبات الرئيسية للانحدار اللوجستي (PCLR), وطريقة انحدار المربعات الصغرى الجزئية(PLSR). اذ تم اجراء المقارنة بين هاتين الطريقتين من خلال اسلوب المحاكاة وبأستعمال معيار المقارنة متوسط مربعات الخطأ(MSE) للوصول الى الطريقة الأفضل في تقدير المعلمات في حالة وجود مشكلة التعدد الخطي, وقد بينت نتائج المحاكاة أن طريقة (PCLR(3pc’s)) هي الافضل في تقدير معلمات أنموذج الانحدار اللوجستي ثنائي الاستجابة في حالة وجود مشكلة التعدد الخطي.


Article
Comparison of the method of partial least squares and the algorithm of singular values decomposion to estimate the parameters of the logistic regression model in the case of the problem of linear multiplicity by using the simulation
مقارنة بين طريقة المربعات الصغرى الجزئية وخوارزمية تجزئة القيم المفردة لتقدير معلمات أنموذج الانحدار اللوجستي في حالة وجود مشكلة التعدد الخطي بأستعمال المحاكاة

Authors: محمود مهدي البياتي --- هديل حميد شاكر
Journal: journal of Economics And Administrative Sciences مجلة العلوم الاقتصادية والإدارية ISSN: 2227 703X / 2518 5764 Year: 2018 Volume: 24 Issue: 109 Pages: 458-471
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

The logistic regression model is an important statistical model showing the relationship between the binary variable and the explanatory variables. The large number of explanations that are usually used to illustrate the response led to the emergence of the problem of linear multiplicity between the explanatory variables that make estimating the parameters of the model not accurate. The methods used to estimate the parameters of the logistic regression model in the case of the linear multiplication problem. These methods are the method of regression of the partial least squares and the algorithm of singular value decomposion. The simulation method was used to compare estimation methods through the mean error squares of the model. It has been shown through the comparison that the algorithm of singular value decomposion is best in estimating the parameters of the logistic regression model in the case of the problem of linear multiplicity

يعد أنموذج الانحدار اللوجستي من النماذج الاحصائية المهمة حيث يوضح العلاقة بين المتغير التابع ثنائي الاستجابة والمتغيرات التوضيحية (التفسيرية).أن العدد الكبير لمتغيرات توضيحية تستعمل عادة لتوضيح الاستجابة ادى الى ظهور مشكلة التعدد الخطي(Multicollinearity) بين المتغيرات التوضيحية التي تجعل تقدير معلمات النموذج ليست دقيقة.تم في هذا البحث استعمال طرائق لتقدير معلمات أنموذج الانحدار اللوجستي في حالة وجود مشكلة التعدد الخطي وهذه الطرائق هي طريقة انحدار المربعات الصغرى الجزئية(PLSR) و خوارزمية تجزئة القيم المفردة(SVD), اذ تم استخدام اسلوب المحاكاة للمقارنة بين طرائق التقدير من خلال متوسط مربعات الخطأ(MSE) للأنموذج.واتضح من خلال المقارنة أن خوارزمية تجزئة القيم المفردة (SVD) هي الافضل في تقدير معلمات أنموذج الانحدار اللوجستي في حالة وجود مشكلة التعدد الخطي.


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.

Listing 1 - 4 of 4
Sort by
Narrow your search

Resource type

article (4)


Language

Arabic and English (4)


Year
From To Submit

2018 (3)

2017 (1)