fa اصلاح روش رگرسیون وارون ورقه شده نوع دو برای داده‌های بقای سانسور شده آمار نظری Theoritical Statistics پژوهشی بنیادی Research <p dir="rtl" style="margin: 0px; text-align: justify;">روش‌شناسی کاهش بعد بسنده یک راهکار مؤثر برای تسهیل در تحلیل رگرسیونی با داده‌های با بعد بالاست. هنگامی که پاسخ‌ها سانسور شده باشند، برآوردگرهای موجود را نمی‌توان به‌کار برد یا به شرایط محدودکننده‌ای نیاز است. در این مقاله، برای کاهش بعد داده‌های رگرسیونی سانسور شده غیرخطی، اصلاحی از روش رگرسیون وارون ورقه شده ‌نوع دو پیشنهاد شده است. روش پیشنهادی، اولاً به هیچ مدل از پیش تعیین شده‌ای نیاز ندارد، ثانیاً اطلاعات کامل رگرسیونی را حفظ کرده و مجموعه‌ کوچکی از ترکیب پیشگوها را ارائه می‌دهد که فرمول‌بندی مدل و پیش‌بینی براساس این مجموعه انجام می‌گیرد. در انتها عملکرد این روش‌، علاوه بر داده‌های شبیه‌سازی شده، برای مجموعه‌ داده‌های واقعی سیروز صفراوی اولیه‌ کبد مورد بررسی قرار گرفته و نتایج روش معرفی شده با روش رگرسیون وارون ورقه شده ‌نوع یک مقایسه شده است.</p> <p style="margin: 0in 0in 0pt; text-align: justify;">&lrm;The methodology of sufficient dimension reduction has offered an effective means to facilitate regression analysis of high-dimensional data&lrm;. &lrm;When the response is censored&lrm;, &lrm;most existing estimators cannot be applied&lrm;, &lrm;or require some restrictive conditions&lrm;. &lrm;In this article modification of sliced inverse&lrm;, &lrm;regression-II have proposed for dimension reduction for non-linear censored regression data&lrm;. &lrm;The proposed method requires no model specification&lrm;, &lrm;it retains full regression information&lrm;, &lrm;and it provides a usually small set of composite variables upon which subsequent model formulation and prediction can be based&lrm;. &lrm;Finally&lrm;, &lrm;the performance of the method is compared based on the simulation studies and some real data set include primary biliary cirrhosis data&lrm;. &lrm;We also compare with the sliced inverse regression-I estimator&lrm;.</p> رگرسیون سانسور شده, تحلیل بقا, کاهش بعد بسنده, زیر فضای کاهش بعد, رگرسیون وارون ورقه شده . ‎Censored Regression‎, ‎Survival Analysis‎, ‎Sufficient Dimension Reduction‎, ‎Dimension Reduction Subspace‎, ‎Sliced Inverse Regression. 427 440 http://jss.irstat.ir/browse.php?a_code=A-11-745-1&slc_lang=fa&sid=1 Azam Rastin اعظم راستین rastinstat@gmail.com 10031947532846005604 10031947532846005604 Yes ‎Department of Statistics‎, ‎Shahid Beheshti University‎, ‎Tehran‎ , ‎Iran. گروه آمار، دانشگاه شهید بهشتی تهران Mohammadreza Faridrohani محمدرضا فریدروحانی m.faridrohani@gmail.com 10031947532846005605 10031947532846005605 No ‎Department of Statistics‎, ‎Shahid Beheshti University‎, ‎Tehran‎ , ‎Iran. گروه آمار، دانشگاه شهید بهشتی تهران