مدل هاي پاسخ چند جمله اي، به منظور مدل بندي و تعيين عوامل موثر در انواع روش هاي استفاده شده براي جلوگيري از بارداري زنان

مجله دانشكده پزشكي تهران (عنوان قديم)

دوره 59 - شماره 1

نوع مقاله: ---- Unspecified ----
چكيده:

مسايل مربوط به مدل بندي و طبقه بندي چندگانه در آمار به خوبي مطالعه شده است. در اين نوع مسايل Y متغير تصادفي كيفي با T حالت ممكن به عنوان طبقات در نظر گرفته مي شود. هدف پيش بيني Y براساس بردار تصادفي X? R^m مي باشد. روش هاي زيادي براي بررسي اين نوع مسايل در نظر گرفته شده است. يكي از روش هاي عمومي و پيشرفته تكنيك هاي طبقه بندي چندگانه، طبقه بندي و درخت هاي رگرسيوني (Classification and Regression Trees (CART مي باشد. روش ديگر تكنيكهاي تقسيم بندي بازگشتي Recursive Partitioning Techniques است كه با رگرسيون ناپارامتري پيوند قوي دارد. روش هاي آناليز تشخيص كلاسيك Classical Discriminant Analysis يك روش استاندارد براي آناليز اين نوع اطلاعات هستند. روش آناليز تشخيص تغييرپذير Flexible discriminant analysis كه روش آناليز تشخيصي است و طبقه بندي با استفاده از Splines كه شامل رگرسيون حداقل مربعات Least squares regression و Additive cubic splines است و روش شبكه هاي عصبي Neural networks از روش هاي بسيار پيشرفته براي آناليز اين نوع داده ها است. در اين مقاله ويژگي هاي مدل رگرسيون لجستيك چند حالته بررسي شده و از اين روش براي مدل بندي عوامل موثر در انتخاب روش هاي پيشگيري از باروري براي زنان 49-15 ساله همسردار استان قم استفاده شده است. متغير پاسخ داراي توزيع چهار جمله مي باشد. سطوح اين متغير عبارت است از: هيچ روشي، روش قرص، روشهاي سنتي و مجموعه ساير روشهايي كه زنان براي جلوگيري از بارداري استفاده نموده اند. مجموعه اي از متغيرهاي مستقل كه بر اين انتخاب موثرند نيز در نظر گرفته شده اند. از بين متغيرهاي فوق الذكر، عواملي چون منطقه سكونت، سن فعلي زن، سواد زن، داشتن يا نداشتن سابقه حاملگي و بعد خانوار بر روي انتخاب ها موثر بوده اند. متغيرهايي مانند سن شروع قاعدگي و سن اولين ازدواج از نظر آماري معني دار نگرديدند.

كلمات كليدي:
Multinomial response models, for modeling and determining important factors in different contraceptive methods in women
Article Type: ---- Unspecified ----
Abstract:

Difference aspects of multinomial statistical modelings and its classifications has been studied so far. In these type of problems Y is the qualitative random variable with T possible states which are considered as classifications. The goal is prediction of Y based on a random Vector X ? IR^m. Many methods for analyzing these problems were considered. One of the modern and general method of classification is Classification and Regression Trees (CART). Another method is recursive partitioning techniques which has a strange relationship with nonparametric regression. Classical discriminant analysis is a standard method for analyzing these type of data. Flexible discriminant analysis method which is a combination of nonparametric regression and discriminant analysis and classification using spline that includes least square regression and additive cubic splines. Neural network is an advanced statistical method for analyzing these types of data. In this paper properties of multinomial logistics regression were investigated and this method was used for modeling effective factors in selecting contraceptive methods in Ghom province for married women age 15-49. The response variable has a tetranomial distibution. The levels of this variable are: nothing, pills, traditional and a collection of other contraceptive methods. A collection of significant independent variables were: place, age of women, education, history of pregnancy and family size. Menstruation age and age at marriage were not statistically significant.

قیمت : 20,000 ريال