تمت في كلية الادارة والاقتصاد / جامعة بغداد ، مناقشة رسالة الماجستير الموسومة (تقدير أنموذج انحدار بواسون للبيانات الطولية مع التطبيق ) في تخصص الاحصاء للطالب (مروان عبدالله قحطان) بأشراف ا.م.د نازك جعفر صادق
تهدف هذه الرسالة إلى دراسة تقدير أنموذج انحدار بواسون للبيانات الطولية، بوصفه من الأنماذج الإحصائية المناسبة لتحليل البيانات التي تتضمن مشاهدات متكررة عبر الزمن أو داخل الوحدة الواحدة، مع مراعاة الارتباط القائم بين تلك المشاهدات، تكمن مشكلة البحث في التحديات التي تواجه الباحثين عند اختيار طريقة تقدير مناسبة لأنموذج بواسون مع البيانات الطولية، إذ تختلف هذه الطرائق في افتراضاتها ودقتها وفعاليتها في التعامل مع الاعتماد الداخلي والارتباطات الزمنية، لذا يصبح من الضروري دراسة وتحليل هذه الطرائق بشكل معمق مع تقييم أدائها عبر تطبيقات عملية لتوجيه الباحثين نحو استخدام الأساليب الأكثر ملاءمة تبعاً لطبيعة البيانات وأهداف الدراسة.
وتكمن أهمية هذا البحث في دراسة وتحليل طرائق تقدير أنموذج انحدار بواسون للبيانات الطولية حيث تلعب هذه الطرائق دوراً محورياً في توفير نماذج إحصائية دقيقة وفعالة لتحليل بيانات العد الطولي،وقد خلصت الدراسة إلى عددٍ من الاستنتاجات، من أبرزها:
- إن انموذج انحدار بواسون يعد اداة فعالة لتحليل البيانات الطولية ذات الطبيعة العددية.
- تؤثر زيادة حجم العينة وعدد التكرارات ايجاباً في دقة تقدير معلمات الانموذج لجميع طرائق التقدير.
- تعد طريقة النماذج الخطية المعممة المختلطة (GLMM) الافضل من حيث الدقة والاستقرار ، سواء في جانب المحاكاة او التطبيق العملي .
- تظهر طريقة الامكان الاعظم (MLE) اداءً جيداً عند توفر احجام عينات كبيرة ، لكنها اقل كفاءة عند الاحجام الصغيرة .
وانطلاقاً من الاستنتاجات التي خلصت إليها الدراسة، أوصى الباحث بعدد من التوصيات، من أهمها:
- اعتماد طريقة النماذج الخطية المعممة المختلطة GLMM عند تحليل البيانات الطولية ذات الطبيعة العددية ، ولا سيما في حال وجود ترابط بين المشاهدات او تباين زائد .
- استخدام طريقة الامكان الاعظم MLE في الدراسات تتوفر فيها احجام عينات كبيرة ، لما تتميز به من بساطة في التطبيق و كفاءة حسابية .
- توظيف طريقة المعادلات المعممة GEE في الدراسات التي ترتكز على التأثيرات الهامشية العامة دون الاهتمام بالتأثيرات الفردية .
- التوسيع في استخدام دراسات المحاكاة قبل التطبيق العملي لاختيار الطريقة الاحصائية الانسب لطبيعة البيانات .
