fa تحلیل نیم‌پارامتری مدل‌های رگرسیونی برای پاسخ‌های سری توانی آماسیدۀ صفر با متغیرهای تبیینی گم‌شده آمار کاربردی Applied Statistics كاربردي و توسعه ای Applied <p dir="rtl" style="margin: 0px; text-align: justify;">در این مقاله پاسخ‌های شمارشی با تعداد صفر زیاد، که داده‌های آماسیدۀ صفر نامیده می‌شوند، مورد تحلیل قرار گرفته‌اند. فرض می‌شود پاسخ‌ها از سری توانی آماسیدۀ صفر پیروی می‌کنند. همچنین به دلیل وجود گم‌شدگی از نوع تصادفی در متغیرهای تبیینی برخی از داده‌های کاربردی، انواع روش‌های برآوردیابی پارامترهای مدل براساس تابع امتیاز با و بدون درنظر گرفتن گم‌شدگی برای مدل رگرسیونی ارایه شده است. در این میان، معلوم یا نامعلوم بودن احتمال انتخاب متغیر تبیینی گم‌شده منجر به ارایه روش نیم‌پارامتری برای برآورد پارامترها در مدل رگرسیونی سری توانی آماسیدۀ صفر می‌شود. به منظور تشریح روش پیشنهادی، مطالعه‌ا‌ی شبیه‌سازی برای مدل رگرسیونی دوجمله‌ای منفی آماسیدۀ صفر با متغیرهای تبیینی گم‌شده به عنوان یک مدل رگرسیونی سری توانی انجام می‌شود و سپس مثالی از داده‌های واقعی ارایه می‌شود. در انتها، عملکرد روش ‌نیم‌پارامتری در مقایسه با روش ماکسیمم درستنمایی، مورد-کامل، احتمال وارون وزنی مورد بررسی و ارزیابی قرار گرفته است.</p> <div style="text-align: justify;">In this paper&lrm;, &lrm;the analysis of count response with many zeros&lrm;, &lrm;named as zero-inflated data&lrm;, &lrm;is considered&lrm;. &lrm;Assumes that responses follow a zero-inflated power series distribution&lrm;. &lrm;Because of there is missing of the type of random in the covariate&lrm;, &lrm;some of the data application&lrm;, &lrm;various methods for estimating of parameters by using the score function with and without missing data for the proposed regression model are presented&lrm;. &lrm;On the other hand&lrm;, &lrm;known or unknown selection probability in the missing covariates results in presenting a semi-parametric method for estimating of parameters in the zero-inflated power series regression model&lrm;. &lrm;To illustrate the proposed method&lrm;, &lrm;simulation studies and a real example are applied&lrm;. &lrm;Finally&lrm;, &lrm;the performance of the semi-parametric method is compared with maximum likelihood&lrm;, &lrm;complete-case and inverse probability weighted method&lrm;.</div> آماسیدۀ صفر, داده‌های گم‌شده, تابع امتیاز, گم‌شدگی تصادفی, تحلیل نیم‌پارامتری, احتمال انتخاب. Zero-Inflated,‎ ‎Missing Data‎, ‎Score Function‎, ‎Missing at Random‎, ‎Semiparametric Analysis‎, ‎Selection Probability‎. 95 112 http://jss.irstat.ir/browse.php?a_code=A-10-971-4&slc_lang=fa&sid=1 Ehsan Bahrami Samani احسان بهرامی سامانی ehsan_bahrami_samani@yahoo.com 10031947532846007435 10031947532846007435 Yes ‎Department of Statistics‎, ‎Faculty of Mathematical Sciences‎, ‎Shahid Beheshti University‎, ‎Tehran‎, ‎Iran‎. گروه آمار، دانشکده علوم ریاضی، دانشگاه شهید بهشتی Nafeseh Khojasteh Bakht نفیسه خجسته بخت khbakht@yahoo.com 10031947532846007436 10031947532846007436 No ‎Department of Statistics‎, ‎Faculty of Mathematical Sciences‎, ‎Shahid Beheshti University‎, ‎Tehran‎, ‎Iran‎. گروه آمار، دانشکده علوم ریاضی، دانشگاه شهید بهشتی