en
jalali
1396
6
1
gregorian
2017
9
1
14
1
online
1
fulltext
fa
آزمون بیزی ساختارهای مختلف پیوند در جدولهای تقاطعی دوطرفه
Bayesian Test of Different Association Structures in Two-Way Contingency Tables
روشهای بیزی برای تحلیل دقیق کوچکنمونهای در دادههای رستهای در جدولهای تقاطعی $Itimes J$ در نظر گرفته شده است. ساختارهای مختلف پیوند به کمک پارامتر لگاریتم نسبت بختها در این جدولها، با فرض معلوم بودن جمعهای حاشیهای سطری تعریف و مورد آزمون قرار گرفتهاند. بهمنظور حذف پارامترهای مزاحم از مدل، توزیع شرطی آمارههای بسندهی پارامترهای مورد نظر بهشرط آمارههای بسندهی پارامترهای مزاحم بهدست آمده است. توزیع بهدست آمده، توزیع چندمتغیرهی فوق هندسی غیر مرکزی فیشر است. از آنجایی که انجام تحلیلها با در نظر گرفتن توزیع نمونهای بالا بسیار پیچیده است، لذا برای استفاده از رویکرد بیزی، یک مدل بیزی ساده در نظر گرفته شده است. عامل بیز بهعنوان گواه در آزمونهای بیزی ساختارهای مختلف پیوند مورد استفاده قرار گرفته است. عملکرد رویکرد بیز با رویکردهای کلاسیک مانند آزمون نسبت درستنمایی تصحیحشده بهکمک مطالعههای شبیهسازی مورد مقایسه قرار گرفتهاند. همچنین ساختار پیوند همگن در یک مثال عددی بهکار برده شده است.
Bayesian methods for exact small-sample analysis with categorical data in $Itimes J$ contingency tables are considered. Different structures of association are defined and tested concerning log odds ratios in these tables with fixed row margins. The conditional distribution of sufficient statistics for interesting parameters conditional on the sufficient statistics of other nuisance parameters in the model is obtained and used to eliminate the effect of nuisance parameters. The resulting distribution for the table is Fisher's multivariate noncentral hypergeometric distribution. For Bayesian approach, although computation under this distribution is complicated, a common Bayesian model is considered. Bayes factor is used as a measure of evidence for Bayesian testing of different association structures. The performance of our testing Bayesian approach is compared with that of the classical corrected likelihood ratio test by some simulation studies. Also the Bayesian test of “homogenous association” is applied on a real data set.
Bayes factor, homogenous association, small-sample
عامل بیز, پیوند همگن, کوچکنمونه
1
18
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-46-2&slc_lang=en&sid=1
2016/04/6
1395/1/18
2017/07/1
1396/4/10
Zahra
Saberi
زهرا
صابری
z-saberi@cc.iut.ac.ir
0031947532846001050
0031947532846001050
Yes
fa
در کارایی براوردگرهای بیشینه شبهدرستنمایی و بیشینه درستنمایی در مدلهای مارکوفی مرتبهی دوم
On the Efficiency of the Maximum Likelihood and Maximum Quasi-Likelihood Estimators in the Second Order Markov Chains
در این مقاله به مطالعهی زنجیر مارکوفی مرتبهی دوم که برای مدلبندی در بسیاری موارد مناسب میباشد پرداخته شده است. کارایی براوردگرهای بیشینه شبهدرستنمایی با براوردگرهای بیشنیه درستنمایی بههمراه توزیع مجانبی آنها مطالعه شده و با ارایهی یک مثال به بررسی قابلیتهای این براوردگر پرداخته شده است.
The present work focuses on the second order Markov chain model which arises in a variety of settings and is well-suited to be modeled in many applications. The efficiency of the maximum quasi-likelihood estimators with the full maximum likelihood estimators for second order Markov chain models are given, besides the limiting normality results on the asymptotic properties of the associated estimates. Some efficiency calculations are also given to discuss the feasibility and computational complexity of the QL approach relative to the full likelihood approach.
Maximum likelihood, quasi-likelihood, second order Markov chain, efficiency
یشینه درستنمایی, شبهدرستنمایی, زنجیر مارکوفی مرتبهی دوم, کارایی
19
30
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-62-2&slc_lang=en&sid=1
2016/04/62016/08/8
1395/5/18
2017/07/12017/06/3
1396/3/13
Mehrnaz
Mohammadpour
مهرناز
محمدپور
m.mohammadpour@umz.ac.ir
0031947532846001076
0031947532846001076
Yes
Alireza
Nematollahi
علیرضا
نعمتالهی
nematollahi@susc.ac.ir
0031947532846001077
0031947532846001077
No
Mohammadjavad
yaripour
محمدجواد
یاریپور
jyaripour@yahoo.com
0031947532846001078
0031947532846001078
No
fa
بازسازی زمانهای شکست گذشته برای دادههای سانسوریده چپ نوع ۲ از مدل وایبول
Reconstruction of Past Failure Times for Left Type-II Censored Data from Weibull Model
در این مقاله، مسألهی بازسازی دادههای گمشده در طرح سانسوریده نوع ۲ چپ وقتی که توزیع طول عمر وایبول باشد بررسی میشود. روشهای کلاسیک و بیزی برای پیدا کردن بازسازیکنندههای نقطهای زمانهای خرابی گذشته ارایه میشوند. مسئلهی تعیین فاصلههای بازسازی برای زمانهای خرابی گذشته نیز مورد مطالعه قرار میگیرد. مثالی از کاربرد دادههای واقعی و شبیهسازی مونت کارلویی برای مقایسهی بازسازیکنندههای مختلف مورد بحث قرار میگیرد.
This paper deals with the problem of reconstructing missing data in a left type-II censoring scheme, where the underlying distribution is the Weibull distribution. Frequentist and Bayesian approaches are adopted in order to provide some point reconstructors for the past failure times. The problem of determining reconstruction intervals for the past failure times is also considered. The investigation includes an example of application to real data and various comparisons based on Monte Carlo simulations.
Left censoring, maximum likelihood reconstructor, best unbiased and conditional median reconstructors, reconstruction interval
سانسور چپ, بازسازیکنندهی بیشینه درستنمایی, بازسازیکنندهی میانهی شرطی و بهترین بازسازیکنندهی نااریب, فاصلهی بازسازیکننده
31
51
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-64-1&slc_lang=en&sid=1
2016/04/62016/08/82016/09/18
1395/6/28
2017/07/12017/06/32017/06/7
1396/3/17
Akbar
Asgharzadeh
اکبر
اصغرزاده
a.asgharzadeh@umz.ac.ir
0031947532846001065
0031947532846001065
Yes
Zahra
Mirzazadeh Ganji
زهرا
میرزازاده گنجی
zmganji@gmail.com
0031947532846001066
0031947532846001066
No
Reza
Valiollahi
رضا
ولیالهی
valiollahi.reza@gmail.com
0031947532846001067
0031947532846001067
No
Jafar
Ahmadi
جعفر
احمدی
ahmadi-j@um.ac.ir
0031947532846001068
0031947532846001068
No
fa
تحلیل بیزی مدلهای رگرسیونی با استفاده از متغیرهای ابزاری: مطالعهی موردی (دادههای هزینه و درامد خانوارهای روستایی ایران)
Bayesian Analysis of Regression Models Using Instrumental Variables: A Case Study (Iranian Rural Households Income and Expenditure Data)
رگرسیون متغیر ابزاری مدلی متداول در اقتصادسنجی و دیگر علوم کاربردی است. این مدل یکی از گزینههای مناسب در برخورد با پدیدهی درونزایی، هنگامی که خطاهای مدل رگرسیونی چندمتغیره با برخی از متغیرهای تبیینی همبسته باشند، است. رگرسیون متغیر ابزاری میتواند حالت خاص مدلهای معادلههای همزمان نیز در نظر گرفته شود. در برخی مواقع فرض نرمال بودن برای مؤلفهی خطای چنین مدلهایی برقرار نیست و لذا توزیع چولهنرمال ممکن است گزینهی مناسبی باشد. مقالهی حاضر استنباط بیزی مبتنی بر روش مونت کارلوی زنجیره مارکوفی با بهکارگیری این توزیع را برای مؤلفهی خطا، وقتی که در مدلهای رگرسیونی مورد استفاده تعدادی متغیرهای ابزاری وجود داشته باشد، مورد مطالعه قرار میدهد. مدل پیشنهادی برای تحلیل دادههای هزینه و درامد خانوارهای روستایی سال ۲۰۰۹ ایران بهکار گرفته میشود.
The instrumental variable (IV) regression is a common model in econometrics and other applied disciplines. This model is one of the proper candidate in dealing with endogeneity phenomenon which occurs in analyzing the multivariate regression when the errors are correlated with some covariates. One can consider IV regression as a special case of simultaneous equation models (SEM). There are some cases in which the normality assumption might not hold for the error term in these models and so the skew-normal distribution might be a suitable candidate. The present paper tackle the Bayesian inference based on Markov Chain Monte Carlo (MCMC) using this density for the error term while some instrumental variables are considered in the corresponding regression model. The proposed model is utilized to analysis the Iranian rural households income and expenditure collected in 2009.
Instrumental variable, endogenous (exogenous) variable, bayesian inference, skew-normal distribution, Markov chain Monte Carlo logarithm
متغیر ابزاری, متغیر درونزا (برونزا), استنباط بیزی, توزیع چوله-نرمال, الگوریتم مونت کارلوی زنجیر مارکوفی
53
75
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-1-174&slc_lang=en&sid=1
2016/04/62016/08/82016/09/182016/10/9
1395/7/18
2017/07/12017/06/32017/06/72017/05/3
1396/2/13
Omid
Akhgari
امید
اخگری
o.akhgari@modares.ac.ir
0031947532846001074
0031947532846001074
No
Mousa
Golalizadeh
موسی
گلعلیزاده
golalizadeh@modares.ac.ir
0031947532846001075
0031947532846001075
Yes
fa
روشی کارا برای براورد پارامترهای جامعهای با استفاده از طرح شکستن پرسشنامه
An Efficient Method for Estimating Population Parameters Using Split Questionnaire Design
تأثیر طول پرسشنامه بر دقت آمارههای آمارگیری در مطالعههای بسیاری مورد بررسی قرار گرفته است. بهطور کلی، این بررسیها نشان میدهند که پرسشنامهی بلند باعث افزایش خطای غیر نمونهگیری و بهویژه نرخ بیپاسخی میشود. روش شکستن پرسشنامه بهعنوان یک راه حل برای کاهش بار پاسخگویی و نرخ بیپاسخی معرفی شده است. در این روش، پرسشنامه به چند زیرپرسشنامه شکسته شده و سپس زیرپرسشنامهها به زیرمجموعههای مختلف از نمونهی اصلی اختصاص داده میشوند. در این مقاله، روشی جدید برای شکستن پرسشنامهی طولانی و تحلیل دادههای حاصل با استفاده از روش براورد کوچکناحیهای پیشنهاد شده است. ایدهی کلی این است که کوچکناحیههای اجتماعی-اقتصادی و یا جغرافیایی در نظر گرفته شده و سپس از فن براوردهای کوچکناحیهای برای افزایش دقت آمارههای آمارگیری استفاده میشود. این روش پیشنهادی، با استفاده از یک مطالعهی شبیهسازی بر اساس یک مجموعه دادهی واقعی مربوط به طرح آمارگیری هزینه و درامد خانوار ایران در سال ۲۰۱۱ مورد ارزیابی قرار میگیرد. در این مطالعه نشان میدهیم که روش پیشنهادی در مقایسه با روشهای موجود، آمارههای دقیقتری ارایه میدهد.
The effect of survey questionnaire length on precision of survey statistics has been discussed in several studies. It is generally concluded that the lengthy questionnaire leads to increase non-sampling errors, especially nonresponse rate. Split questionnaire method has been introduced as a solution to decrease the response burden and nonresponse rate, involves splitting the questionnaire into subquestionnaires and then administering these subquestionnaires to different subsets of the original sample. In this paper, we suggest a method for splitting long questionnaire and analyzing resulting data, using small area estimation. The general idea behind this approach is to construct some socio-demographic or geographic small areas to apply small area estimation to improve the efficiency of survey statistics.
Our new approach is supported by a simulation study based on a real dataset of the 2011 Iran Income and Expenditure survey, in which we show our method provides more reliable statistics than existing methods.
Empirical best linear unbiased prediction, matrix sampling, multiple imputation, response burden, small area estimation.
بهترین پیشگوگر نااریب خطی تجربی, نمونهگیری ماتریسی, جانهی چندگانه, بار پاسخگویی, براورد کوچکناحیهای.
77
99
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-83-2&slc_lang=en&sid=1
2016/04/62016/08/82016/09/182016/10/92016/10/16
1395/7/25
2017/07/12017/06/32017/06/72017/05/32017/07/4
1396/4/13
Saeideh
Kamgar
سعیده
کامگار
saeideh.kamgar@gmail.com
0031947532846001072
0031947532846001072
No
Hamidreza
Navvabpour
حمیدرضا
نوابپور
h.navvabpour@srtc.ac.ir J. Statist.
0031947532846001073
0031947532846001073
Yes
fa
تحلیل بیزی مدلهای رگرسیون بتای آمیختهی افزوده با اثرهای تصادفی چوله-نرمال
Bayesian Analysis of Augmented Mixed Beta Models with Skew-Normal Random Effects
مطالعههای بسیاری در حوزههای مختلف شامل دادههایی بهصورت نرخها یا نسبتها هستند که باید تحلیل شوند. این دادهها همچنین ممکن است شامل مقادیر صفر و یک نیز باشند. مدلهای رگرسیونی بتای افزوده انتخاب مناسبی برای متغیرهای پاسخ پیوسته در بازهی بستهی [۰,۱] هستند. دادهها در این مدل بر اساس آمیختن سه توزیع شامل دو توزیع تباهیده در صفر و یک با چگالی بتا در بازهی (۰,۱) مدلبندی میشوند. اثرهای تصادفی معمولاً برای انطباق ساختار دادهها و همچنین اثرهای همبستگی دادهها به مدل اضافه میشوند. در بیشتر این مدلها معمولاً فرض میشود که اثرهای تصادفی بهصورت نرمال توزیع شدهاند در حالی که این فرض غالباً در مطالعههای کاربردی نقض میشود. در این مقاله مدل رگرسیونی بتای آمیختهی افزوده با اثرهای تصادفی چوله-نرمال ارایه شده است. رهیافت بیزی برای براورد پارامترهای مدل با استفاده از زنجیر مارکوفی مونت کارلویی اتخاذ شده است. در نهایت مدل ارایهشده برای تحلیل مجموعه دادههای آمارگیری نیروی کار بهکار گرفته شده است.
Many studies in different areas include data in the form of rates or proportions that should be analyzed. The data may also accept values zero and one. Augmented beta regression models are an appropriate choice for continuous response variables in the closed unit interval [0,1]. The data in this model are based on a combination of three distributions, degenerate distribution at 0 and 1, and a beta density in (0,1). The random effects are usually added to the model for accommodating the data structures as well as correlation impacts. In most of these models, the random effects are generally assumed to be normally distributed, while this assumption is frequently violated in applied studies. In this paper, the augmented mixed beta regression model with skew-normal distributed random effects is presented. A Bayesian approach is adopted for parameter estimation using Markov Chain Monte Carlo method. The proposed model is applied to analyze a real data set from Labor Force Survey.
Augmented beta regression, beta distribution, mixed models, Bayesian approach, skew-normal distribution.
رگرسیونی بتای افزوده, توزیع بتا, مدلهای آمیخته, رهیافت بیزی, توزیع چوله-نرمال.
101
118
http://jsri.srtc.ac.ir/browse.php?a_code=A-10-65-3&slc_lang=en&sid=1
2016/04/62016/08/82016/09/182016/10/92016/10/162016/11/6
1395/8/16
2017/07/12017/06/32017/06/72017/05/32017/07/42017/06/4
1396/3/14
Zohreh
Fallah Mohsenkhani
زهره
فلاح محسنخانی
zohrehf@yahoo.com
0031947532846001069
0031947532846001069
Yes
پژوهشکدهی آمار
Mohsen
Mohammadzadeh
محسن
محمدزاده
mohsen_m@modares.ac.ir
0031947532846001070
0031947532846001070
No
Taban
Baghfalaki
تابان
باغفلکی
t.baghfalaki@modares.ac.ir
0031947532846001071
0031947532846001071
No