هنگام کار با یک مجموعه داده رگرسیونی ممکن است برخی شرایط برقرار نباشند و محدودیت‌هایی برای اجرای مدل رگرسیون به وجود آیند. روش آنتروپی تعمیم‌یافته ماکسیمم قادر است پارامترهای مدل رگرسیونی را بدون اعمال هیچ شرطی روی توزیع احتمال خطاها برآورد کند. این روش حتی در مواردی که حجم نمونه خیلی کم است و یا بین متغیرهای مستقل، هم‌خطی بالایی وجود داشته باشد قادر به برآورد پارامترهای مدل است و لذا روشی توانمندی است. در این پژوهش قصد بر آن است پارامترهای مدل لجستیک دودویی با به‌کارگیری آنتروپی تعمیم‌یافته ماکسیمم (GME) برآورد شود و نتایج آن با روش ماکسیمم درستنمایی (ML) براساس معیار میانگین مربعات خطا(MSE) مقایسه شود. بدین‌منظور نمونه‌ای تصادفی به حجم 399 نفر از اطلاعات مشتریان بانک مانند سن، شغل، وضعیت تأهل، میزان تحصیلات و وام به‌عنوان متغیرهای مستقل و تقاضای مشتری برای افتتاح حساب مدّت‌دار به‌عنوان متغیر وابسته جمع‌آوری شد. درنهایت با توجه به مقدار MSE نتیجه گرفته شد که روش GME نسبت به روش ML دقیق‌تر است.
Markani M, Sanei Tabas M, Naderi H, Ahmadzadeh H, Jamalzadeh J. Estimation of Logistic Regression Model Parameters Using Generalized Maximum Entropy. Andishe 2022; 26 (2) :1-8 URL: http://andisheyeamari.irstat.ir/article-1-873-fa.html
مرکانی مهسا، صانعی طبس منیژه، نادری حبیب، احمد زاده حامد، جمال‌زاده جواد. برآورد پارامترهای مدل رگرسیون لوژستیک به کمک آنتروپی ماکسیمم تعمیم یافته. اندیشه آماری. 1400; 26 (2) :1-8
