Subscribe to the gold package and get unlimited access to Shamra Academy
Register a new userA Study of Regression Models of Qualitative Variables
دراسة نماذج الانحدار للمتغيرات النوعية
995
0 0
0.0
(
0
)
Added by
University of Aleppo رسالة ماجستير
Publication date
2017
fields
Mathematical Statistics
and research's language is
العربية
Created by
Shamra Editor
Ask ChatGPT about the research
يشهد العصر الحديث تطورا ملموسا في المجالات العلمية كافة وبزيادة هذا التطور تزداد الحاجة إلى الأساليب الإحصائية لحل المشكلات التي تواجه العاملين في هذه المجالات ولاختيار الأسلوب الإحصائي الملائم للتجارب الحياتية يجب اولا التعرف على طبيعة النباتات فعندما تكون البيانات نوعية اي أن المتحول له أكثر من قيمة فإن هناك عدة نماذج لتمثيل هذا النوع من البيانات منها نموذج تحليل التمايز ونموذج تحليل الانحدار اللوجستي .
The modern era is witnessing a tangible development in all fields of science . As a result of this development , there is a growing need for statistical methods to solve the problems facing workers in these fields.
References used
الصاري , ميس , استخدام الانحدار اللوجستي في غدارة التسويق جامعة حلب
Artificial intelligence review:
Research summary
تتناول هذه الرسالة دراسة نماذج الانحدار للمتغيرات النوعية، وهي رسالة مقدمة لنيل درجة الماجستير في الإحصاء الرياضي من جامعة حلب. تتضمن الرسالة أربعة فصول رئيسية. الفصل الأول يقدم المفاهيم الأساسية مثل تعريف الاحتمال ومعامل الترجيح ونماذج الانحدار المختلفة. الفصل الثاني يركز على تحليل التمايز، الذي يهتم بالتمييز بين مجموعتين أو أكثر باستخدام دالة التمايز. الفصل الثالث يتناول تحليل الانحدار اللوجستي، وهو نموذج تنبؤ يستخدم عندما يكون المتغير التابع فئوياً. الفصل الرابع يقدم مقارنة بين الانحدار اللوجستي وتحليل التمايز من حيث الدقة وملائمة البيانات ونسبة التصنيف الصحيح. توصلت الدراسة إلى أن الانحدار اللوجستي يتفوق على تحليل التمايز في حالة عدم تحقق شروط تطبيق الأخير. كما تم تقديم توصيات باستخدام كل نموذج حسب الحالة المناسبة.
Critical review
دراسة نقدية: تعتبر هذه الرسالة قيمة في مجال الإحصاء الرياضي، حيث تقدم مقارنة شاملة بين نماذج الانحدار اللوجستي وتحليل التمايز. ومع ذلك، يمكن تحسين الرسالة من خلال التركيز أكثر على التطبيقات العملية لهذه النماذج في مجالات مختلفة مثل الطب والاقتصاد. كما يمكن توسيع الدراسة لتشمل نماذج أخرى مثل الشبكات العصبية الاصطناعية التي قد تقدم دقة أعلى في التنبؤ والتصنيف. بالإضافة إلى ذلك، يمكن تحسين الرسالة من خلال تقديم أمثلة تطبيقية أكثر تفصيلاً لتوضيح كيفية استخدام هذه النماذج في الحياة العملية.
Questions related to the research
-
ما هي الفروقات الأساسية بين الانحدار اللوجستي وتحليل التمايز؟
الانحدار اللوجستي يتنبأ باحتمال انتماء مشاهدة ما إلى إحدى مجموعات المتغير التابع، بينما تحليل التمايز يقوم بتصنيف المشاهدات إلى مجموعات المتغير التابع. كما أن الانحدار اللوجستي لا يفترض توزيع طبيعي للمتغيرات المستقلة، بينما تحليل التمايز يفترض ذلك.
-
ما هي أنواع تحليل التمايز التي تم تناولها في الرسالة؟
تم تناول نوعين من تحليل التمايز: تحليل التمايز الخطي وتحليل التمايز متعدد المجموعات.
-
ما هي الشروط التي تجعل الانحدار اللوجستي أفضل من تحليل التمايز؟
الانحدار اللوجستي يكون أفضل عندما لا تتوزع المتغيرات المستقلة وفق التوزيع الطبيعي، أو عندما تكون العلاقة غير خطية بين المتغيرات المستقلة والمتغير التابع، أو عندما لا يتحقق شرط تجانس التباينات.
-
ما هي التوصيات التي قدمتها الرسالة بشأن استخدام نماذج الانحدار اللوجستي وتحليل التمايز؟
توصي الرسالة باستخدام نموذج الانحدار اللوجستي بدلاً من نموذج تحليل التمايز في الحالات التي لا تتوزع فيها المتغيرات المستقلة وفق التوزيع الطبيعي، وتوصي باستخدام تحليل التمايز في حالة تحقق شروطه كاملة.
rate research
Read More
Linear regression methods impose strong constraints on regression models, especially on
the error terms where it assumes that it is independent and follows normal distribution, and
this may not be satisfied in many studies, leading to bias that can
not be ignored from the
actual model, which affects the credibility of the study.
We present in this paper the problem of estimating the regression function using the
Nadarya Watson kernel and k- nearest neighbor estimators as alternatives to the parametric
linear regression estimators through a simulation study on an imposed model, where we
conducted a comparative study between these methods using the statistical programming
language R in order to know the best of these estimations. Where the mean squares errors
(MSE) was used to determine the best estimate.
The results of the simulation study also indicate the effectiveness and efficiency of the
nonparametric in the representation of the regression function as compared to linear
regression estimators, and indicate the convergence of the performance of these two
estimates.
Kiezdeutsch is a variety of German predominantly spoken by teenagers from multi-ethnic urban neighborhoods in casual conversations with their peers. In recent years, the popularity of Kiezdeutsch has increased among young people, independently of the
ir socio-economic origin, and has spread in social media, too. While previous studies have extensively investigated this language variety from a linguistic and qualitative perspective, not much has been done from a quantitative point of view. We perform the first large-scale data-driven analysis of the lexical and morpho-syntactic properties of Kiezdeutsch in comparison with standard German. At the level of results, we confirm predictions of previous qualitative analyses and integrate them with further observations on specific linguistic phenomena such as slang and self-centered speaker attitude. At the methodological level, we provide logistic regression as a framework to perform bottom-up feature selection in order to quantify differences across language varieties.
In this research ,we studied the problem of multicollinearity among
independent variables in the multiple regression model this matter
leads to a mistake in one of the essential conditions of the multiple
regression model and getting incorrect res
ults.
At the beginning we have introduced documented theoretical study
of the kinds of the multicollinearity and of the reasons of the
problem of the multiple regression model and some methods to
discover them.
In addition to this we mentioned some methods that treat the cases of
multiple regression model then we introduced a new method to treat
multicollineartiy and apply it to an example .
In this method we have dealt with multicollinearity on the hand and
solved the problem of discrepancy between the significant of the
regression model and the non-significant of one or more coefficient.
Product reviews and satisfaction surveys seek customer feedback in the form of ranked scales. In these settings, widely used evaluation metrics including F1 and accuracy ignore the rank in the responses (e.g., very likely' is closer to likely' than n
ot at all'). In this paper, we hypothesize that the order of class values is important for evaluating classifiers on ordinal target variables and should not be disregarded. To test this hypothesis, we compared Multi-class Classification (MC) and Ordinal Regression (OR) by applying OR and MC to benchmark tasks involving ordinal target variables using the same underlying model architecture. Experimental results show that while MC outperformed OR for some datasets in accuracy and F1, OR is significantly better than MC for minimizing the error between prediction and target for all benchmarks, as revealed by error-sensitive metrics, e.g. mean-squared error (MSE) and Spearman correlation. Our findings motivate the need to establish consistent, error-sensitive metrics for evaluating benchmarks with ordinal target variables, and we hope that it stimulates interest in exploring alternative losses for ordinal problems.
suggested questions
Log in to be able to interact and post comments
comments
Fetching comments
Sign in to be able to follow your search criteria
