تحلیل داده های رتبه ای و همبسته پزشکی به کمک معادلات برآوردگر تعمیم یافته
نویسنده:
چکیده:
سابقه
مدل سازی داده های چند متغیره، همبسته و رتبه ای پزشکی معمولا دشوارتر از تحلیل داده های پیوسته یا دو حالتی است. برآورد پارامترهای رگرسیونی در چنین مدل هایی به سبب ماهیت همبسته و رتبه ای داده ها، با روش های معمول، نظیر روش حداکثر درستنمایی بسیار زمان بر و مستلزم طراحی برنامه های کامپیوتری پیچیده است.روش بررسی
در این مقاله، طریقه به کارگیری یک مدل رگرسیون حاشیه ای بخت های متناسب برای تحلیل این گونه داده ها و همچنین استفاده از روش معادلات برآوردگر تعمیم یافته را به منظور برآورد پارامترهای این مدل مورد بررسی قرار می دهیم. این روش مبتنی بر برآورد شبه درستنمایی بوده، انجام آن بسیار ساده تر از دیگر روش های معرفی شده در این زمینه است. همچنین، ساختارهای مختلفی برای توصیف همبستگی بین متغیرهای پاسخ ارائه و روش برآورد هر یک معرفی می شود.یافته ها
روش تشریح شده در داده های به دست آمده از مطالعه وضعیت پریودنتال دانش آموزان 19-15 ساله تهرانی مورد استفاده قرار گرفت. با مقایسه نتایج حاصل از برازش مدل به کمک معادلات برآوردگر تعمیم یافته و روش حداکثر درستنمایی، مشخص شد که این روش برازش مناسب تری نسبت به روش حداکثر درستنمایی به دست می دهد.بحث: روش معادلات برآوردگر تعمیم یافته، روشی مناسب و ساده برای تحلیل داده های همبسته و رتبه ای پزشکی است که می توان آن را جانشین روش های پیچیده تری نظیر حداکثر درستنمایی کرد.
کلیدواژگان:
زبان:
فارسی
انتشار در:
در صفحه:
50
لینک کوتاه:
magiran.com/p673342
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!