Suatu kaedah alternatif bagi pemodelan linear dalam biostatistik

Regresi Linear Berganda (MLR) merupakan sejenis model linear statistik yang biasa digunakan. Dengan perkembangan teknologi semasa dan peningkatan pembangunan berkaitan metodologi baru atau yang diubahsuai membawa kepada pembangunan kaedah secara alternatif bagi pengiraan model regresi linear berg...

Full description

Saved in:
Bibliographic Details
Main Author: Ibrahim, Mohamad Shafiq Mohd
Format: Thesis
Language:English
Published: 2018
Subjects:
Online Access:http://eprints.usm.my/56884/1/Mohamad%20Shafiq%20Mohd%20Ibrahim-24%20pages.pdf
Tags: Add Tag
No Tags, Be the first to tag this record!
Description
Summary:Regresi Linear Berganda (MLR) merupakan sejenis model linear statistik yang biasa digunakan. Dengan perkembangan teknologi semasa dan peningkatan pembangunan berkaitan metodologi baru atau yang diubahsuai membawa kepada pembangunan kaedah secara alternatif bagi pengiraan model regresi linear berganda. Dalam kajian ini, model regresi linear berganda akan dikira secara komputasi statistik dengan menggunakan bahasa pengaturcaraan SAS yang mempertimbangkan kombinasi regresi teguh, bootstrap, data berpemberat, Bayesian dan kaedah regresi kabur. Pembangunan metodologi adalah berdasarkan kepada algoritma SAS (Perisian SAS 9.4) yang merupakan komputasi statistik yang lebih teguh dengan gabungan regresi teguh, bootstrap, data berpemberat, Bayesian dan kaedah regresi kabur. Tiga algoritma SAS yang berbeza iaitu (i) Regresi Linear Berganda dengan Kaedah Boostrap (BMLR), (ii) Regresi Linear Berganda dengan Kaedah Boostrap, Data berpemberat dan Bayesian (BWBMLR) dan (iii) Regresi Linear Berganda dengan Kaedah Bootstrap, Data Berpemberat dan Regresi Kabur (FBWMLR) akan dibandingkan secara berasingan dengan purata penganggaran selang lebar. Bagi menguji keberkesanan algoritma yang dibina, tiga kajian kes akan digunakan iaitu pemodelan aras sistolik tekanan darah, pemodelan saiz tumor dan pemodelan karies awal kanak-kanak (ECC). Purata penganggaran selang lebar semua model bagi ketigatiga kajian kes telah dikira dan dibandingkan. Selang lebar yang terkecil adalah menunjukkan model yang lebih baik. Hasil keputusan menunjukkan bahawa model MLR mempunyai purata selang lebar iaitu 11.2948, 7.4816 dan 29.0407; dan model BMLR mempunyai purata selang lebar iaitu 2.5785, 3.7098 dan 19.6589. Model BWBMLR mempunyai purata selang lebar iaitu 2.3296, 3.5279 dan 16.3985; dan akhirnya, model FBWMLR mempunyai purata selang lebar iaitu 1.0066, 0.0058 dan 0.0092. Kesimpulannya, kaedah yang paling berkesan untuk mendapatkan hubungan antara pemboleh ubah bersandar dan pemboleh ubah tak bersandar adalah dengan mengunakan kaedah FBWMLR berbanding dengan kaedah MLR kerana purata penganggaran selang lebar yang terkecil.