ارسل ملاحظاتك

ارسل ملاحظاتك لنا







يجب تسجيل الدخول أولا

استخدام طريقة M الحصينة في تقدير انموذج انحدار بواسون لأعداد العاطلين عن العمل في العراق

العنوان بلغة أخرى: The Robust M Method was Used to Estimate the Poisson Regression Model for the Number of Unemployed Persons in Iraq
المصدر: مجلة الإدارة والاقتصاد
الناشر: الجامعة المستنصرية - كلية الإدارة والاقتصاد
المؤلف الرئيسي: جواد، محمد غازي (مؤلف)
المؤلف الرئيسي (الإنجليزية): Jawad, Muhammad Ghazi
مؤلفين آخرين: رشيد، اسيل عبدالرزاق (م. مشارك)
المجلد/العدد: ع139
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2023
الشهر: أيلول
الصفحات: 213 - 220
ISSN: 1813-6729
رقم MD: 1413980
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
كلمات المؤلف المفتاحية:
انحدار بواسون | طريقة مقدرات M | اعداد العاطلين | Poisson Regression | M Estimator Method | Number of Unemployed
رابط المحتوى:
صورة الغلاف QR قانون
حفظ في:
المستخلص: يعد أنموذج انحدار بواسون أحد نماذج العد المهمة حيث استخدم لنمذجة العديد من الظواهر السكانية والاقتصادية والصحية. وبسبب وجود القيم الشاذة في البيانات تم استعمال طريقة M الحصينة لتقدير معالم هذا الأنموذج وذلك بالاعتماد على بيانات للعاطلين عن العمل في العراق كمتغير استجابة للفترة (2004-2021) ومعدل النمو السكاني السنوي كمتغير توضيحي أول ومعدل التضخم السنوي كمتغير توضيحي ثاني وضمن نفس الفترة، حيث أفرزت النتائج ارتباط هذه المتغيرات بعلاقة معنوية ذات أثر عكسي مع متغير الاستجابة.

The Poisson regression model is one of the important enumeration models, as it was used to model much population, economic and health phenomena. Because of the presence of outliers in the data, the robust M method was used to estimate the parameters of this model, based on data for the unemployed in Iraq as a variable in response to the period (2004-2021) and the annual population growth rate as the first explanatory variable and the annual inflation rate as a second explanatory variable and within the same period, where The results revealed the association of these variables with a significant relationship with an inverse effect with the response variable.

ISSN: 1813-6729