fa مقایسه‌ی انواع مدل‌های رگرسیون در تحلیل داده‌های شمارشی عمومى General پژوهشي Research <p dir="RTL" style="margin-right:1.0cm">مدل متداول در برازش داده‌های شمارشی پواسون است که ویژگی مهم آن برابری میانگین و واریانس می‌باشد. اما در مباحث کاربردی در صورت عدم برقراری این شرط استفاده از مدل پواسون منجر به استنباط نادرستی از پارامترهای مدل خواهد شد. در این مقاله ضمن بررسی موضوع بیش‌پراکنش و آزمون‌های مربوط به آن، مدل<span dir="LTR">‎</span>های دوجمله‌ای منفی و پواسون‌ تعمیم‌یافته به‌عنوان جایگزین‌هایی برای مدل پواسون معرفی‌ می‌شوند. در ادامه، به مقایسه‌ی مدل‌های مختلف رگرسیونی برای داده‌های شمارشی با شرط ثابت بودن دو گشتاور مرتبه‌ی اول می‌پردازیم. همچنین، روش ماکسیمم درستنمایی را برای براورد پارامترهای مدل‌های رگرسیونی نام‌برده منظور می‌کنیم. در آخر، مدل‌های متفاوتی را به داده‌های اثر اجزای سندروم متابولیک در کودکان چاق شهر اصفهان بر فاکتور تعداد گلبول‌های سفید خون برازش داده و از بین آن‌ها بهترین را که برازنده‌ی داده‌هاست بر اساس معیارهای متداول انتخاب می‌کنیم.</p> <p><strong>Familiar model in the analysis of count data is Poisson which imposes the restrictive assumption that the variance equals the mean. This restriction is not usually satisfied in practice and thus model fitting process leads to invalid estimation results of parameters. This paper introduces the concept of over-distribution and its related tests, and presents several count data regression models, such as the negative binomial and the generalized Poisson, as alternatives to the Poisson model. Furthermore, some models for count data are compared under the assumption of having the same two first order moments. Also, we use the maximum likelihood approach to estimate the model parameters. Finally, we consider a real data set taken from the study of the impact of the metabolic syndrome among obese children in Isfahan. We analyze the number of white globules as responses and then select the best fitted model by using of some standard model choice criteria<span dir="RTL">.</span></strong></p> روش ماکسیمم درستنمایی, مدل پواسون, دوجمله‌ای منفی, مسئله‌ی بیش‌پراکنش, پواسون تعمیم‌یافته, معیارهای اطلاع آکائیکی و بیزی. Generalized Poisson model, maximum likelihood approach, model selection criteria, negative binomial, over-dispersion, Poisson model 17 32 http://ijoss.srtc.ac.ir/browse.php?a_code=A-10-1-39&slc_lang=fa&sid=1 F. Hassanzadeh فاطمه حسن‌زاده f_hassanzadeh65@yahoo.com 100319475328460096 100319475328460096 Yes I. Kazemi ایرج کاظمی 100319475328460097 100319475328460097 No