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...
Saved in:
| Main Author: | |
|---|---|
| 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!
|
| 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. |
|---|