Andishe-ye-amari
اندیشه آماری
Andishe
Basic Sciences
http://andisheyeamari.irstat.ir
1
admin
1026-8944
2717-4549
8
7
14
8888
13
fa
jalali
1400
12
1
gregorian
2022
3
1
26
2
online
1
fulltext
fa
برآورد پارامترهای مدل رگرسیون لوژستیک به کمک آنتروپی ماکسیمم تعمیم یافته
Estimation of Logistic Regression Model Parameters Using Generalized Maximum Entropy
تخصصي
Special
پژوهشي
Research
<p dir="rtl">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.</p>
<p>‎When working on a set of regression data‎, ‎the situation arises that this data‎</p>
<p>‎It limits us‎, ‎in other words‎, ‎the data does not meet a set of requirements‎. ‎The generalized entropy method is able to estimate the model parameters‎ ‎Regression is without applying any conditions on the error probability distribution‎. ‎This method even in cases where the problem‎ ‎Too poorly designed (for example when sample size is too small‎, ‎or data that has alignment‎</p>
<p>‎They are high and‎ .‎..) is also capable. ‎Therefore‎, ‎the purpose of this study is to estimate the parameters of the logistic regression model using the generalized entropy of the maximum‎. ‎A random sample of bank customers was collected and in this study‎, ‎statistical work and were performed to estimate the model parameters from the binary logistic regression model using two methods maximum generalized entropy (GME) and maximum likelihood (ML)‎. ‎Finally‎, ‎two methods were performed‎. ‎We compare the mentioned‎. ‎Based on the accuracy of MSE criteria to predict customer demand for long-term account opening obtained from logistic regression using both GME and ML methods‎, ‎the GME method was finally more accurate than the ml method‎.</p>
رگرسیون لجستیک, آنتروپی ماکسیمم تعمیم یافته, درستنمایی ماکسیمم, میانگین مربعات خطا
Entropy, Generalized maximum entropy, Logistic regression, Logit, Maximum likelihood
1
8
http://andisheyeamari.irstat.ir/browse.php?a_code=A-10-955-2&slc_lang=fa&sid=1
Mahsa
Markani
مهسا
مرکانی
markani.mahsa@gmail.com
3610218071
10031947532846004095
No
University of Sistan and Baluchestan
دانشگاه سیستان و بلوچستان
Manije
Sanei Tabas
منیژه
صانعی طبس
manijesanei@gmail.com
5239642176
10031947532846004096
No
University of Sistan and Baluchestan
دانشگاه سیستان و بلوچستان
Habib
Naderi
حبیب
نادری
h.h.naderi@gmail.com
1372998659
10031947532846004097
Yes
University of Sistan and Baluchestan
دانشگاه سیستان و بلوچستان
Hamed
Ahmadzadeh
حامد
احمد زاده
ahmadzadeh.h.63@gmail.com
0651956511
10031947532846004098
No
University of Sistan and Baluchestan
دانشگاه سیستان و بلوچستان
Javad
Jamalzadeh
جواد
جمالزاده
jamalzadeh1980@gmail.com
2919605348
10031947532846004099
No
University of Sistan and Baluchestan
دانشگاه سیستان و بلوچستان