Assessing the Performance of EM Algorithm and Multiple Imputation in Beta Regression with Missing Data
مجلة النهضة العلمية بالجامعة المفتوحة سبها · 2025
DOI: 10.65588/046ksm50 ↗Kurz gefasst
Fachartikel in der Zeitschrift مجلة النهضة العلمية بالجامعة المفتوحة سبها, 2025. Verfasst von Aissa O Asserhani und 1 weiteren Autor:innen.
Abstract (Originalsprache)
معالجة البيانات المفقودة، تظل تحديًا أساسيًا في النمذجة الإحصائية، لا سيما في نماذج الانحدار. تُقيّم هذه الدراسة وتُقارن بين تقنيتين شائعتي الاستخدام في المعالجة، وهما خوارزمية تعظيم التوقع (EM) والتعويض المتعدد (MI)، وذلك في سياق انحدار بيتا. تُقدّر خوارزمية تعظيم التوقع القيم المفقودة تكراريًا من خلال تعظيم دالة الاحتمال، بينما تُولّد خوارزمية التعويض المتعدد مجموعة بيانات متعددة معقولة لمراعاة عدم اليقين في البيانات المفقودة. باستخدام مجموعة بيانات إنتاج البنزين مع فقد مُستحثّ اصطناعيًا عند نسب 5% و10% و15%، قمنا بتقييم أداء كلتا الطريقتين عبر دوال ربط ومُقدّرات امكان مُختلفة. تُشير النتائج إلى أنه على الرغم من فعالية كلتا الطريقتين عند مستويات فقد منخفضة، إلا أن خوارزمية تعظيم التوقع تُنتج باستمرار تقديرات للمعالم أكثر دقة عند مستويات فقد معتدلة (حوالي 10%)، مع الحفاظ على أداء قوي مع ازدياد مستوى الفقد، خاصةً عند اقترانها بدالة ربط log-log. قد تُقدّم هذه النتائج رؤى قيّمة للباحثين والممارسين الذين يتعاملون مع البيانات غير المكتملة في نماذج انحدار بيتا.
Zitieren
APA
Asserhani, A. O., & Altaher, A. M. (2025). Assessing the Performance of EM Algorithm and Multiple Imputation in Beta Regression with Missing Data. مجلة النهضة العلمية بالجامعة المفتوحة سبها. https://doi.org/10.65588/046ksm50
Vancouver
Asserhani AO, Altaher AM. Assessing the Performance of EM Algorithm and Multiple Imputation in Beta Regression with Missing Data. مجلة النهضة العلمية بالجامعة المفتوحة سبها. 2025. doi:10.65588/046ksm50
BibTeX
@article{Asserhani2025,
author = {Asserhani, Aissa O and Altaher, Alsaidi M.},
title = {Assessing the Performance of EM Algorithm and Multiple Imputation in Beta Regression with Missing Data},
journal = {مجلة النهضة العلمية بالجامعة المفتوحة سبها},
year = {2025},
doi = {10.65588/046ksm50}
}
EUVIMED