ارسل ملاحظاتك

ارسل ملاحظاتك لنا







الرئيسية > مقارنة بين طريقتي التعويض المت...>الوصف
يجب تسجيل الدخول أولا

مقارنة بين طريقتي التعويض المتعدد والتعويض المتعدد ثم الحذف في معالجة القيم المفقودة لمتغيرات أنموذج الانحدار الخطي المتعدد

العنوان بلغة أخرى: Comparison between the Multiple Imputation and the Multiple Imputation then Deletion Methods in Treating Missing Values for the Variables of Multiple Linear Regression Model
المصدر: مجلة الإدارة والاقتصاد
الناشر: الجامعة المستنصرية - كلية الإدارة والاقتصاد
المؤلف الرئيسي: المتولى، أحمد شاكر (مؤلف)
مؤلفين آخرين: سلمان، منال جبار (م. مشارك)
المجلد/العدد: س41, ع116
محكمة: نعم
الدولة: العراق
التاريخ الميلادي: 2018
الصفحات: 312 - 324
ISSN: 1813-6729
رقم MD: 938134
نوع المحتوى: بحوث ومقالات
اللغة: العربية
قواعد المعلومات: EcoLink
مواضيع:
جمع البيانات | معالجة القيم المفقودة | نموذج الانحدار الخطي المتعدد | طريقة التعويض المتعدد | طريقة التعويض المتعدد ثم الحذف
رابط المحتوى:

الناشر لهذه المادة لم يسمح بإتاحتها.
صورة الغلاف QR قانون
حفظ في:
المستخلص: تواجه عملية جمع البيانات لمتغيرات البحث في بعض الحالات فقدان بعض قيم مشاهدات تلك المتغيرات ويعود ذلك إلى عدة أسباب منها ما هو خارج عن إرادة الباحث وأخرى تكون مقصودة، فإن البيانات توصف بأنها غير تامة وأن اعتمادها في عملية التحليل تؤدى إلى نتائج غير دقيقة الأمر الذي يدعو إلى تقدير قيم المشاهدات المفقودة في متغيرات البحث ومن ثم اعتماد البيانات التامة في عملية التقدير. تناول البحث طريقتين من طرائق معالجة البيانات غير التامة لمتغيرات أنموذج الانحدار هما، طريقة التعويض المتعدد (Multiple imputation (MI)). وطريقة التعويض المتعدد ثم الحذف (multiple imputation, then deletion)، إذ يهدف البحث إلى إجراء مقارنة بين هاتين الطريقتين في محاولة للتوصل إلى أفضل طريقة بالاعتماد على تجارب المحاكاة أفرزت نتائج تجارب المحاكاة وباستعمال متوسط مربعات الأخطاء لانموذج الانحدار المقدر، كمعيار للمفاضلة، إلى أن طريقة التقدير المتعدد ثم الحذف أفضل من طريقة التقدير المتعدد في معالجة البيانات غير التامة.

process of collecting data for search variables in some cases faces the loss of some values that variables, due to several reasons, some of them is outside the will of the, others reasons is intentional, Thus, the data are described as incomplete and their reliability in the analysis leads to inaccurate results, Which calls for estimating the value of missing observations in the search variables and then adopting the complete data in the estimation process. The study dealt with two methods of incomplete data processing for regression model (Multiple Imputation (MI) and multiple imputation, then deletion (MID). The aim of the research is to compare these two methods in an attempt to arrive at the best method based on simulations, The results of the simulation experiments and using the mean error squares of the estimated regression model, as a criterion for differentiation, showed that the multiple estimation method then deletion were better than the multiple estimation method in incomplete data processing.
ISSN: 1813-6729

عناصر مشابهة


© 2024 المنظومة. جميع الحقوق محفوظة.