en تحلیل یک مسئله با استفاده از دیدگاه‌های متفاوت عمومى General پژوهشي Research <p dir="RTL">در این مقاله یک مسئله‌ی کاربردی که در آن، پاسخ مورد نظر، تعداد موفقیت‌ها در یک آزمایش به‌خصوص است مطرح می شود و برای مدل‌بندی از دیدگاه‌های متفاوت مورد بررسی قرار می گیرد. بررسی تأثیر مقدار پاسخ دورافتاده بر نتایج یک تحلیل رگرسیونی از اهمیت فراوان برخوردار است. به این دلیل با استفاده از روش‌های تشخیص، داده های دورافتاده شناسایی می‌شوند. نشان داده شده که استفاده از روش تبدیل آرک‌سینوس ممکن است تشخیص دورافتاده بودن برخی داده‌ها را منحرف کند. در صورتی‌که حذف داده‌های دورافتاده در مدل‌بندی امکان‌پذیر نباشد، استفاده از روش‌های استوار پیشنهاد شده است. روش ماکسیمم درستنمایی که در مدل‌های خطی تعمیم یافته و روش تبدیل، از آن برای برآورد پارامترها استفاده می شود و روش شبه‌درستنمایی، استوار نیستند. روش دیگری که به نتایج استوار منجر می شود و به روش شبه‌درستنمایی استوار موسوم است، در این مقاله بازبینی و روشی که از نظر محاسباتی برای استفاده آسان‌تر است، برای محاسبه‌ی مقادیر معناداری در آن ارائه شده است. شیوه‌های مختلف مدل‌بندی نیز در مثال کاربردی مقایسه شده اند.</p> <p dir="RTL"></p> <p dir="RTL"></p> <p dir="RTL"></p> <p dir="LTR"><span style="line-height: 1.6em;">&nbsp;In this paper an applied problem, where the response of interest is the number of success in a specific experiment, is considered and by various visions is studied. The effects of outlier values of response on results of a regression analysis are so important to be studied. For this reason, using diagnostic methods, outlier response values are recognized. It is shown that use of arc-sine transformation many be misleading in recognizing response outliers. If deleting of outliers is not possible, use of robust modeling approach is suggested. Method of maximum likelihood for estimating parameters in generalized linear model, transformation method and also pseudo-likelihood method are not robust. A method, which is called robust pseudo-likelihood and leads to robust results, is reviewed and a simpler method of computing </span><em style="line-height: 1.6em;">P</em><span style="line-height: 1.6em;">-values for model selection is presented. Various approaches for modeling are also compared in the applied example.</span></p> <p dir="LTR"></p> <p dir="LTR"></p> <p dir="LTR"></p> <p dir="LTR"></p> روش تبدیل, رگرسیون لوژستیک, مدل‌های خطی تعمیم یافته, مانده‌ی پی‌یرسونی, شبه‌درستنمایی استوار. Transformation method, logistic regression, generalized linear models, Pearson residuals, robust pseudo-likelihood. 85 100 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-106&slc_lang=en&sid=1 M. Ganjali مجتبی گنجعلی m-ganjali@cc.sbu.ac.ir 1003194753284600810 1003194753284600810 Yes L. Latifian لیلا لطیفیان 1003194753284600811 1003194753284600811 No