مدل های رگرسیون لجستیک و پروبیت فضایی برای تحلیل داده های یخ زدگی گیاهان در استان مازندران

نوع مقاله : اصیل

نویسندگان

گروه آمار، دانشگاه تربیت مدرس

چکیده

تحلیل رگرسیون های لجستیک و پروبیت که در مدل بندی متغیرهای پاسخ دودویی به کار می روند با فرض استقلال خطاها صورت می گیرد. اما در عمل با موارد زیادی مانند داده های فضایی مواجه می شویم که مشاهدات دودویی از لحاظ موقعیت قرار گرفتن در فضای مورد مطالعه به یکدیگر وابسته اند و لازم است همبستگی آن ها در تحلیل رگرسیون لجستیک و پروبیت منظور گردد. معمولا در آمار فضایی، پیش گویی فضایی برای داده های دودویی با استفاده از کریگیدن نشانگر صورت می پذیرد. در این روش لازم است ساختار همبستگی داده ها از طریق تغییرنگار نشانگر تعیین شود که به نوبه خود دشوار و موثر در کارایی نتایج است. در این مقاله پیش گویی داده های دودویی فضایی با استفاده از رگرسیون لجستیک و پروبیت فضایی با فرض این که مشاهدات روی یک مستطیل توری واقع شده و خطاهای مدل خود همبسته کامل باشند با دو رهیافت بسامدی و بیزی انجام پذیرفته است. سپس کارایی پیش گویی توسط مدل های ارائه شده و روش کریگیدن نشانگر در یک مطالعه شبیه سازی مورد استفاده قرار گرفته است. در انتها نحوه کاربست آن ها برای داده های دما در 24 مرکز هواشناسی استان مازندران بررسی و مدل های مناسب ارائه گردیده است.

کلیدواژه‌ها


عنوان مقاله [English]

Spatial Logistic and Probit Regression Models for Analysis of Frosting Data in Mazandaran Province

نویسندگان [English]

  • Vahid Rezaeitabar
  • Mohsen Mohammadzadeh
Department of Statistics, Tarbiat Modares University, Tehran, Iran
چکیده [English]

Logistic and Probit regression models  are usually used in binary response variable analysis based on independence assumption of the observations.  But, in practice, there are many situations in which, due to their different locations in the underling space of study, this assumption dose not satisfies. In spatial statistics, it is generally supposed that the binary observations are analyzed with indicator Kriging. In this paper, we considered the spatial Logistic and Probit regression models with auto correlated errors on a rectangular grid. Also, in a simulation study, the prediction accuracy of the models has been compared. Finally, the implementation of the models for a temperature data set, reported by weather stations in Mazandaran province of Iran, is shown.

کلیدواژه‌ها [English]

  • Spatial binary data
  • Logistic and Probit regression
  • Rectangular grids
مراجع [1] Nelder, J. and Wedderburn, R. W. M. (1972), Generalized Linear Models, Journal of the Royal Statistical Society, Series A, 135, 370-384.
[2] Journel, A. G. (1983), Nonparametric Estimation of Spatial Distribution, Mathematical Geology, 15, 445-468. [3] Basu, S. and Reinsel, G. C. (1994), Regression Models with Spatially Correlated Errors, Journal of the American Statistical Association, 89,88-99.
[4] Reinsel, G. C. and Cheng, W. K. (2003), Approximate ML and REML Estimation for Regression Models with Spatial or Time Series AR (1) Noise, Statistics and Probability Letters, 62, 123-135. [5] Best, N. G. (1999), Bayesian Models for Spatially Correlated Disease and Exposure Data, Bayesian Statistics 6, edited by J. M. Bernardo, B. O. Berger, A. P. Dawid and A. F. M. Smith, Oxford University Press, Oxford, UK. 131-156. [6] Banerjee, S., Carlin, B. P. and Gelfand, A. E. (2004), Hierarchical Modeling and Analysis for Spatial Data, Chapman and Hall, London. [7] Cressie, N. (1993), Statistical for Spatial Data, Wiley, New York.
[8] Besage, J. E. (1974), Spatial Interaction and Statistical Analysis of Lattice System, Journal of the Royal Statistical Society, Series B, 36 , 192-236. [9] Pascutto, C. (2000), Statistical Issues in the Analysis of Disease Mapping Data, Statistics in Medicine, 19, 2493-2519. [10] Baily, T. (2001), Spatial Statistical Analysis in Health, Cadernos de Saude Publica, 17, 1083-1098. [11] Marjerison, W, M. (2006), Bayesian Logistic Regression with Spatial Correlation, MSc Thesis, Worcester Polytechnic Institute, Worcester, Massachusetts, USA. [12] Molenberghs, G. (2005), Models for Discrete Longitudinal Data. Springer Science, New York. [13 [محمدزاده، م. و کیاپور، آ. (1387 ،(پیشگویی فضایی دادههای سخت و نرم برای تهیه نقشه احتمال یخزدگی، مجله امیرکبیر، سال نوزدهم، شماره ه-68 ،44-37