TY - JOUR JF - Andishe-_ye-Amari JO - Andishe VL - 25 IS - 1 PY - 2021 Y1 - 2021/1/01 TI - Nonresponse Prediction in an Establishment Survey Using Combination of Machine Learning Methods TT - پیش‌بینی بی‌پاسخی در یک آمارگیری‌ کارگاهی با استفاده از ترکیب روش‌های آماری ماشین N2 - بی‌پاسخی در آمارگیری‌ها منبعی برای بروز خطا در نتایج آمارگیری است و سازمان‌های ملی آماری همواره به دنبال راهکارهایی برای کنترل و کاهش آن هستند. پیش‌بینی واحدهای نمونه‌گیری بی‌پاسخ در آمارگیری قبل از اجرای آمارگیری از جمله راهکارهایی است که می‌تواند کمک زیادی به کاهش و مرتفع نمودن مشکل بی‌پاسخی آمارگیری داشته باشد. با توسعه‌های اخیر فناوری و تسهیل در محاسبات پیچیده امکان به کارگیری روش‌های یادگیری آماری، مانند درخت‌های رگرسیون و رده‌بندی یا ماشین بردار پشتیبان در بسیاری از مسائل از جمله پیش‌بینی بی‌پاسخی واحدهای نمونه‌گیری در آمارگیری‌ها فراهم شده است. در این مقاله ضمن مرور کلی روش‌های فوق، واحدهای نمونه‌گیری بی‌پاسخ در یک آمارگیری کارگاهی با استفاده از آن‌ها پیش‌بینی شده و نشان داده می‌شود ترکیب روش‌های فوق دارای دقت بیشتری در پیش‌بینی درست بی‌پاسخی نسبت به هر کدام از روش‌های تکی است. SP - 101 EP - 109 AU - Rezaee, Alireza AU - Ganjali, Mojtaba AU - Bahrami, Ehsan AD - KW - Classification and regression trees KW - logistic regression KW - nonresponse KW - Support vector machine UR - http://andisheyeamari.irstat.ir/article-1-815-fa.html ER -