برآورد بیزی همبستگی پارامترهای دو متغیر تصادفی پواسون: کاربردی برای تصمیم گیری بنگاه

نویسنده

دانشیار گروه آمار دانشگاه علامه طباطبائی

چکیده

در این مطالعه براساس مدل‌های خطی تعمیم‌یافته بیز، به بررسی همبستگی پارامترهای دو توزیع پواسون پرداخته شده است. با توجه به نبود فرم بسته توزیع‌های پسین، آمار بیزی سلسله مراتبی با  استفاده از الگوریتم متروپلیس- هستینگز برای بررسی  همبستگی پارامترها در دو توزیع پواسون ارایه می‌شود. در این رابطه، بیشترین احتمال ناحیه پسین برای ضرایب متغیرهای کمکی در مدل محاسبه شده است. با استفاده از معیار اطلاع انحراف  بیزی نیز نشان داده شده است مدل پواسون- لگ‌نرمال بهتر از مدل پواسونگاما می‌تواند همبستگی بین پارامترهای دو توزیع پواسون را ارزیابی کند. در پایان، روش پیشنهادی برای داده‌های شبیه‌سازی شده بانک  تجارت  مورد استفاده قرار گرفته است.

کلیدواژه‌ها


اسکندری، فرزاد و سیما نقی‌زاده (1384)، «تحلیل مدل‌های پویای بیز تعمیم‌یافته و مقایسه آن با روش‌های دیگر با کاربردی در بررسی اشتغال در کشور»، پژوهشنامه  اقتصادی ایران، شماره 34، دانشگاه علامه طباطبائی.

Aitchison, J., and Ho, C. H., (2010), The Multivariate Poisson-Lognormal Distribution, Biometrika, 4(4), pp.643-653.

Cowles, M. k., and Carlin, B. P., (1996), “Markov Chain Monte Carlo Convergence Diagnostics: .A Comparative Review”, Journal of the American Statistical Association, 91, pp.883-904.

Johnson, N. L. and Kotz, S.)1969). Distributions in Statistics: Discrete Distributions, New York: John Wiley & Sons.

Karlis, D. Ntzoufras, I. (2005). “Bivariate Poisson and Diagonal Inflated”. Journal of Applied Statistics, 30(1), pp.63-77.

Kazemnejad A., Zayeri F., Hamzah N.A., Gharaaghaji R., Salehi M.,A (2010). “Bayesian Analysis of Bivariate Ordered Categorical Responses using a Latent Variable Regression Model: Application to Diabetic Retinopathy Data”, Scientific Research and Essays, Vol. 5, No. 11, pp.1273-1264.

Khafri, S. Kazemnejad, A. and Eskandari, F. (2008). “Hierarchical Bayesian Analysis of Bivariate Poisson Regression Model”.  World Applied Sciences Journal 4 (5) pp.667-675.

Kocherlakota, S, and Kocherlakota, K. (2001). “Regression in the Bivariate Poisson Distributions”. Communications in Statistics-Theory and Methods, 30, pp.815-827.

Ntzoufras, J., Katsis, A., and Karlis, D., (2005). “Bayesian Assessment of the Distribution of the Insurance Claim Counts Using Reversible Jump MCMC”. North American Actuarial Journal, 9(3), pp.90-108.

Ramooz, N. and Eskandari, F. (2016). “Analysis of Bivariate Correlated Data under the Poisson-Gamma Model”. Report and Opinion. 8(6), pp.82-91.