عناصر مشابهة
التحليل الاحصائي لمتغير الاستجابة الرتبي: دراسة مقارنة
| العنوان بلغة أخرى: | Statistical Analysis of Ordinal Response Variable: A Comparative Study |
|---|---|
| المصدر: | المجلة العراقية للعلوم الإحصائية |
| الناشر: |
جامعة الموصل - كلية علوم الحاسوب والرياضيات
|
| المؤلف الرئيسي: | |
| مؤلفين آخرين: | |
| المجلد/العدد: | ع36 |
| محكمة: | نعم |
| الدولة: | العراق |
| التاريخ الميلادي: | 2022 |
| الصفحات: | 85 - 101 |
| ISSN: | 1680-855X |
| رقم MD: | 1339251 |
| نوع المحتوى: | بحوث ومقالات |
| اللغة: | Arabic |
| قواعد المعلومات: | EcoLink |
| مواضيع: | |
| رابط المحتوى: |
| المستخلص: | تتنوع متغيرات الاستجابة في الظواهر الحيوية بين ثلاثة أنواع: متغيرات الاستجابة العددية، متغيرات الاستجابة الفئوية الرتبية، ومتغيرات الاستجابة الفئوية الاسمية. في الدراسات الإحصائية، يختلف التعامل مع المتغيرات الرتبية وفقا لمنظور الطريقة الإحصائية لمتغير الاستجابة. حيث يمكن اعتماده كمتغير فئوي اسمي وذلك بإهمال الخاصية الرتبية لفئات المتغير. ويمكن أيضا معاملته كمتغير فئوي رتبي (متغير متقطع)، وفي هذه الحالة يمكن الاستفادة من معلومات الترتيب في بناء الأنموذج التنبؤي. تم في هذه الدراسة الوقوف على أهم الطرائق الإحصائية التي من الممكن توظيفها لتحليل البيانات ذات متغير استجابة رتبي. ومن هذه الطرائق، طريقة الانحدار المتعدد، وطريقة الانحدار اللوجستي الرتبي. حيث تم توضيح آلية بناء النماذج وتقدير المعالم نظريا، فضلا عن كيفية قراءة المدلول الإحصائي لمعاملات الانحدار في كل النماذج المدروسة. وتم التطبيق على عينة حقيقية خاصة بمرضى هشاشة العظام. حيث تم بناء نماذج متعددة للوقوف على أهم العوامل المؤثرة في احتمالية الإصابة بالمرض. وتم تشخيص الأنموذج الأفضل وفقا لمعيار معلومات أكياكي ومعيار المعلومات البيزي. أثبتت نتائج التحليل الإحصائي للبيانات تفوق أنموذج الانحدار اللوجستي الرتبي على أنموذج الانحدار الخطي المتعدد في تفسيره للعلاقة بين متغير الاستجابة والمتغيرات التوضيحية. Response variables in biological phenomena vary between three types: numerical response variables, ordinal categorical response variables, and nominal categorical response variables. In statistical studies, handling ordinal variables varies in accordance with the perspective of the statistical approach to the response variable. Ordinal variables can be adopted as nominal categorical variables, which neglect the ordinal property of the categories. Ordinal variables can also be treated. as an ordinal categorical variable (discrete variable), in which case the ranking information can be utilized in establishing the predicted models. In this study, the most important statistical methods that can be used to analyze data with an ordinal response variable have been investigated. Among these methods are the Multiple Regression Method, and The Ordinal Logistic Regression Method. The mechanism of building models and parameter estimations were theoretically exhibited, as well as reading the statistical significance of the regression coefficients in all the models in the study. The application was carried out on a real sample of patients with osteoporosis. Where multiple models were built to determine the most important factors affecting the likelihood of developing the disease. The best model was diagnosed according to the Akaike Information Criterion (AIC) and the Bayesian Information Criterion (BIC). The results of the statistical analysis demonstrated the superiority of the ordinal logistic regression model over the multiple linear regression model in its explanation of the relationship between the response variable and the covariates. |
|---|
