مقايسه روش بيزي و کلاسيک در برآورد پارامترهاي مدل رگرسيون لجستيک

مقايسه روش بيزي و کلاسيک در برآرد پارامترهاي مدل رگرسيون لجستيک با وجود مقادير گمشده در متغيرهاي کمکي

زمينه و هدف: رگرسيون لجستيک ابزاري تحليلي است که بطور وسيعي در تحقيقات پزشکي و اپيدميولوژيک کاربرد دارد. در بسياري از مطالعات با مجموعه داده هايي مواجه مي شويم که بخشي از آنها گزارش نشده اند يا به عبارت ديگر گمشده مي باشند. ساده ترين روش براي تجزيه و تحليل چنين داده هايي صرف نظر کردن از موردهاي داراي مقادير گمشده و ادامه آناليز با داده هاي کامل مي باشد که اين روش، در عمل کارآمد نيست. روش کار: در اين مطالعه روشي براي آناليز مدلهاي رگرسيون لجستيک وقتي که مقادير متغير کمکي Z به طور کامل مشاهده شده و مقادير متغير کمکي X براي برخي از افراد تحت مطالعه گمشده باشند ارايه شده است. وقتي مقادير X به طور تصادفي گمشده (MAR) باشند، مدل تابع درست نمايي ارايه شده براي کل داده هاي مشاهده شده موجود، همانند زماني که داده ها کامل و بدون گمشدگي اند، عمل مي کند. نتايج: با بکار بردن اين تابع درستنمايي، برآورد پارامترها هم به روش ماکزيمم درستنمايي و هم به روش بيزي با استفاده از تکنيک زنجيره هاي مارکوف مونت کارلويي (MCMC) انجام و مقادير بدست آمده مقايسه گرديده اند. داده هاي اين مطالعه مربوط به اطلاعات سمع ريه به دست آمده از طرح سلامت و بيماري در شهر تهران مي باشد. نتيجه گيري: برآوردهاي حاصل از مدل ارايه شده در اين مطالعه و آناليز آن به روش بيزي نسبت به ساير روشهاي برآورد، مقادير نزديکتري به برآوردهاي مدل استاندارد براي داده هاي کامل داشتند.

https://www.google.com/url?sa=t&rct=j&q=&esrc=s&source=web&cd=1&cad=rja&uact=8&ved=0ahUKEwia6_vAnInKAhUJkywKHeTEDREQFggdMAA&url=http%3A%2F%2Fandrewgelman.com%2F2009%2F09%2F02%2Fwhats_the_diffe%2F&usg=AFQjCNE1IQd56b9csx_4HSXeavfByVI3Tw&sig2=-TFxHaSC5Qm4_lPAcBisXQ $$// <![CDATA[ \sum\limits_2{\frac{{\ln x}}{{3+5y}}} // ]]>$$