en یک بازبینی مقایسه‌ایِ مدل‌های انتخاب در داده‌های با پاسخ طولی پیوسته همراه با انصراف عمومى General پژوهشي Research <p dir="RTL"></p> <p dir="RTL" style="text-align: justify;">مقادیر گم‌شده، در پژوهش‌های مربوط به بسیاری از شاخه‌های علمی، مانند علوم اجتماعی، پزشکی، و اقتصاد، رخ می‌دهند. مکانیسم گم شدن در این پژوهش‌ها باید با دقت بیش‌تری مورد بررسی قرار گیرد. در این مقاله، برخی از مدل‌هایی که در نوشتگان آماری در خصوص داده‌های طولی با الگوی انصراف پیشنهاد شده‌اند، مورد بازبینی و مقایسه قرار گرفته‌اند. در یک مثال عملی نشان داده شده است که دو مورد از پرکاربردترین مدل‌ها در زمینه‌ی پژوهش‌های اقتصادی و پزشکی برای داده‌های طولی با الگوی انصراف، مدل انتخاب هاسمن و وایز <span dir="LTR">(Hausman and Wise, 1979, <em>Econometrica</em> <strong>47</strong>, pp. 455-473)</span> و مدل با پارامتر مشترک فولمن و وو <span dir="LTR">(Follman and Wu, 1995, <em>Biometrics</em> <strong>51</strong>, pp. 151-168)</span> نمی‌توانند به‌خوبی رابطه‌ی بین متغیرهای پاسخ و مکانیسم گم شدن را در نظر گیرند. در این مقاله، مدل انصراف فولمن و وو با افزودن پاسخ زمان پیشین، تعمیم داده شده است. با اصلاح این مدل، در داده‌های طولی با دو دوره‌ی زمانی، شکل کلّی از این مدل به دست آمده، که قادر است همه‌ی روابط بین پاسخ و مکانسیم گم شدن را در نظر گیرد. این امر به‌روش جبری ثابت شده است. روشی نیز برای آزمون فرض گم شدن تصادفی در مدل تعمیم‌یافته‌ی هکمن <span dir="LTR">(Crouchley and Ganjali, 2002, <em>Stat</em>. <em>Model</em>. <strong>2</strong>, pp. 39-62)</span> پیشنهاد شده است که در آن با کمک روش دلتا، واریانس آماره‌ی آزمون محاسبه می‌شود.</p> <p dir="RTL"></p> <p style="text-align: justify;"><span style="line-height: 1.6em;">Missing values occur in studies of various disciplines such as social sciences, medicine, and economics. The missing mechanism in these studies should be investigated more carefully. In this article, some models, proposed in the literature on longitudinal data with dropout are reviewed and compared. In an applied example it is shown that the selection model of Hausman and Wise (1979, </span><em style="line-height: 1.6em;">Econometrica</em><span style="line-height: 1.6em;"> </span><strong style="line-height: 1.6em;">47</strong><span style="line-height: 1.6em;">, pp. 455-473) and the shared parameter model of Follmann and Wu (1995, </span><em style="line-height: 1.6em;">Biometrics</em><span style="line-height: 1.6em;"> </span><strong style="line-height: 1.6em;">51</strong><span style="line-height: 1.6em;">, pp. 151-168), two of the most used models for longitudinal data with dropout in economics and medical researches, respectively, cannot sufficiently consider the relation between response variables and missing mechanism. In this paper, the Follmann and Wu&rsquo;s (1995) dropout model is also generalized by adding a previous time outcome component to the model. Having modified this model, in the case of longitudinal data with two time periods, a general form of this model is obtained, which is able to consider all relations between response and missing mechanism. This is proven in an implicit way. A test for missing at random in the generalized Hechman model (Crouchley and Ganjali, 2002, </span><em style="line-height: 1.6em;">Stat. Model</em><span style="line-height: 1.6em;">. </span><strong style="line-height: 1.6em;">2</strong><span style="line-height: 1.6em;">, pp. 39-62) is also introduced where one has to use $delta$</span><span style="line-height: 1.6em;">-method to find the variance of the test statistic.</span></p> <p></p> داده‌های طولی, پاسخ پیوسته, مقادیر گم‌شده, اریبی انتخاب, انصراف, مدل اثر تصادفی. Longitudinal data, continuous response, missing values, selection bias, dropout, random effect model. 75 90 http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-131&slc_lang=en&sid=1 Elaheh Vahidi-Asl الهه وحیدی اصل elahehva@yahoo.com 1003194753284600520 1003194753284600520 No Mojtaba Ganjali مجتبی گنجعلی m-ganjali@sbu.ac.ir 1003194753284600521 1003194753284600521 Yes