fa یک معیار جدید انتخاب مدل مبتنی بر داده تاگی استنباط آماری Statistical Inference پژوهشی بنیادی Research <p style="text-align: justify;">یک چالش اساسی در استنباط مدل‌های آمیخته، معرفی معیارهای کارا برای انتخاب مدل است. منبع اصلی این چالش نیز برازش و محاسبه ماکسیمم تابع درستنمایی مدل می‌باشد. داده تاگی روش جدیدی است که برای برازش کارای مدل‌های آمیخته با روش ماکسیمم درستنمایی پیشنهاد شده است. این روش، اخیرا، طرفداران زیادی پیدا کرده است و مشکلات عمده سایر روش‌های استنباط مبتنی بر درستنمایی در مدل‌های آمیخته را ندارد. یکی از معایب این روش، عدم توانایی محاسبه مقدار ماکسیمم تابع درستنمایی است. این مقدار یک کمیت کلیدی در معرفی و محاسبه معیارهای انتخاب مدل محسوب می‌شود. بنابراین به‌نظر می‌رسد با روش داده تاگی نمی‌توان یک معیار اطلاع مناسب، به‌طور مستقیم، برای یافتن بهترین مدل در رده مدل‌های آمیخته، تعریف کرد. این پژوهش تلاشی است در جهت نقض این باور. در این مقاله، یک معیار مبتنی بر روش داده تاگی معرفی می‌شود و عملکرد آن در یک مطالعه شبیه‌سازی مورد ارزیابی قرار می‌گیرد.</p> <p style="text-align: justify;">Introducing some efficient model selection criteria for mixed models is a substantial challenge; Its source is indeed fitting the model and computing the maximum likelihood estimates of the parameters. Data cloning is a new method to fit mixed models efficiently in a likelihood-based approach. This method has been popular recently and avoids the main problems of other likelihood-based methods in mixed models. A disadvantage of data cloning is its inability of computing the maximum of likelihood function of the model. This value is a key quantity in proposing and calculating information criteria. Therefore, it seems that we can not, directly, define an appropriate information criterion by data cloning approach. In this paper, this believe is broken and a criterion based on data cloning is introduced. The performance of the proposed model selection criterion is also evaluated by a simulation study.</p> الگوریتم MCMC, مدل آمیخته خطی تعمیم‌یافته, معیار انتخاب مدل, داده تاگی MCMC Algorithm, Generalized Linear Mixed Model, Model Selection Criterion, Data Cloning 21 37 http://jss.irstat.ir/browse.php?a_code=A-10-8-3&slc_lang=fa&sid=1 Sedighe Eshaghi صدیقه اسحقی eshaghi.se@gmail.com 10031947532846005201 10031947532846005201 No Faculty of Mathematical Sciences, Shahrood University of Technology, Shahrood, Iran. گروه آمار، دانشگاه صنعتی شاهرود Hossein Baghishani حسین باغیشنی hbaghishani@shahroodut.ac.ir 10031947532846005202 10031947532846005202 Yes Faculty of Mathematical Sciences, Shahrood University of Technology, Shahrood, Iran. گروه آمار، دانشگاه صنعتی شاهرود Negar Eghbal نگار اقبال n.eghbal@shahroodut.ac.ir 10031947532846005203 10031947532846005203 No Faculty of Mathematical Sciences, Shahrood University of Technology, Shahrood, Iran. گروه آمار، دانشگاه صنعتی شاهرود