کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
8919532 | 1642894 | 2017 | 18 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
Separating location and dispersion in ordinal regression models
ترجمه فارسی عنوان
جدا کردن محل و پراکندگی در مدل های رگرسیون ردیف
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مدل شانس نسبی، مدل مقیاس موقعیت مکانی، مدل تغییر مکان مدل های پاسخ عادی، مدل سازی پراکندگی،
ترجمه چکیده
در رگرسیون ترتیبی، تمرکز به طور معمول بر روی اثرات محل قرار می گیرد؛ تغییرات بالقوه توزیع توده احتمالات در مقادیر پاسخی که به غلظت قوی یا ضعیف تر میان می رسند بیشتر نادیده می گیرند. اگر اثرات پراکندگی وجود داشته باشد، اما نادیده گرفته شده اند، از رنج می برند و به شدت، برآوردهای محرمانه از اثرات مکان، انتظار می رود از آنجایی که مدل های رگرسیون ردیف غیر خطی هستند. یک مدل پیشنهاد شده است که به صراحت پراکندگی های مختلف را به متغیرهای توضیحی پیوند می دهد. این می تواند توضیح دهد که چرا اغلب متغیرها دارای اثرات خاصی هستند. تعبیه به چارچوب مدل های خطی تعمیم یافته چند متغیره اجازه می دهد تا با استفاده از ابزار محاسباتی و نتایج تحلیلی که برای این کلاس مدل توسعه داده شده است. مدل با روشهای جایگزین در برنامه ها و شبیه سازی ها مقایسه شده است. علاوه بر این، یک ابزار تجسم برای ترکیبی از مکان و اثرات پراکندگی در برنامه های کاربردی ارائه شده است.
موضوعات مرتبط
مهندسی و علوم پایه
ریاضیات
آمار و احتمال
چکیده انگلیسی
In ordinal regression the focus is typically on location effects, potential variation in the distribution of the probability mass over response categories referring to stronger or weaker concentration in the middle is mostly ignored. If dispersion effects are present but ignored goodness-of-fit suffers and, more severely, biased estimates of location effects are to be expected since ordinal regression models are non-linear. A model is proposed that explicitly links varying dispersion to explanatory variables. It is able to explain why frequently some variables are found to have category-specific effects. The embedding into the framework of multivariate generalized linear models allows to use computational tools and asymptotic results that have been developed for this class of models. The model is compared to alternative approaches in applications and simulations. In addition, a visualization tool for the combination of location and dispersion effects is proposed and used in applications.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Econometrics and Statistics - Volume 2, April 2017, Pages 131-148
Journal: Econometrics and Statistics - Volume 2, April 2017, Pages 131-148
نویسندگان
G. Tutz, M. Berger,