در برخی از مطالعات پزشکی و اپیدمیولوژی هدف پیش بینی یک متغیر پاسخ اسمی با چند سطح می باشد. نوع حاملگی که در یک زوج به وقوع می پیوندد یکی از انواع چنین متغیرهایی است زیرا می تواند به یکی از چهار صورت ممکن باشد: خواسته زوجین، ناخواسته زن، ناخواسته مرد و ناخواسته هر دو. در این مقاله سعی کرده ایم تا نوع حاملگی را براساس متغیرهای موثر بر آن با استفاده از دو مدل مختلف پیش بینی و نتایج آنها را با هم مقایسه کنیم. با توجه به چند سطحی بودن متغیر نوع حاملگی، مدل رگرسیون لجستیک چند جمله ای و شبکه عصبی را بر روی داده ها برازش و پیش بینی آنها را با استفاده از سه شاخص آماری حساسیت، ویژگی و کاپا مقایسه کرده ایم، براساس مقایسه سه شاخص ذکر شده، شبکه عصبی پیش بینی بهتری را نسبت به رگرسیون لجستیک چند جمله ای ارایه داد. در مقایسه با رگرسیون لجستیک چند جمله ای، در صورت پیچیده بودن روابط بین متغیرها می توان با استفاده از شبکه های عصبی متغیرهای اسمی چند سطحی را دقیق تر پیش بینی کرد.

مقدمه: هدف این مطالعه مقایسه عملکرد رگرسیون لجستیک چندسطحی و معمولی در تعیین عوامل مرتبط با گواتر در کودکان با توجه به ساختار سلسله مراتبی داده ها می باشد.مواد و روش ها: آزمودنی های مطالعه شامل 35747 دانش آموز 10-8 ساله ساکن 30 استان کشور بودند و داده ها توسط پژوهشکده علوم غدد درون ریز و متابولیسم دانشگاه علوم پزشکی شهید بهشتی به روش نمونه گیری تصادفی طبقه ای و خوشه ای جمع آوری شدند. وضعیت گواتر، جنس، محل سکونت، ارتفاع از سطح دریا و شیوه نگهداری نمک یددار در خانواده ها ثبت شد. مدل چندسطحی برای تحلیل داده ها استفاده و با یافته های حاصل از رگرسیون لجستیک معمولی مقایسه شد.یافته ها: مطالعه نشان داد که 74/5% دانش آموزان دارای گواتر بودهاند در رگرسیون لجستیک دوسطحی، واریانس در سطح دوم (شهرستان) 0.941 با خطای معیار (p<0.001) 0.092 و نسبت شانس ارتفاع از سطح دریا 1.27 (1.62 و 0.78) به دست آمد. در رگرسیون سه سطحی نسبت شانس ابتلا به گواتر در دانش آموزان دختر 1.08 (1.34 و 1.04) و روستایی 1.36 (1.47 و 1.24) معنی دار بود. مقدار واریانس در سطح سوم (استان ها) 1.031 با خطای معیار 0.287 برآورد شد (p<0.001).نتیجه گیری: یافته ها نشان داد استفاده از مدل رگرسیون کلاسیک منجر به کم برآوردی واریانس برآورد متغیرها نسبت به مدل های دوسطحی و سه سطحی می شود.

داده های صورتهای مالی حسابرسی شده این توانایی را دارند که هرگونه تقلب صورتهای مالی را کشف نمایند. در این تحقیق، تقلب صورتهای مالی در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران با استفاده از برخی نسبتهای مالی مرتبط تشخیص داده شده است. نمونه آماری تحقیق شامل 68 شرکت در قالب 34 شرکت دارای نشانه های تقلب و 34 شرکت فاقد نشانه های تقلب است. همچنین 9 نسبت مالی به عنوان پیش بینی کننده های بالقوه برای آزمون انتخاب شده اند. ازروش رگرسیون لجستیک جهت تدوین مدل برای شناسایی عوامل مرتبط با تقلب (FFS) استفاده شده است. این مدل در طبقه بندی صحیح نمونه موردنظر در این تحقیق از نرخ دقت 83.8 درصد برخوردار است. بنابراین نتایج نشان می دهند که این مدل نقش اثربخشی در کشف تقلب صورتهای مالی داشته و می تواند به سرمایه گذاران، حسابداران رسمی و حسابرسان داخلی و مقامات مالیاتی و نهادهای دولتی و سیستم بانکی کمک زیادی نماید.

مقدمه و اهداف: بیماری پریودنتال از شایع ترین بیماری های دهان و دندان است که در مراحل پیشرفته باعث از دست رفتن اتصال بالینی (CAL>3mm) می شود. در این مطالعه با استفاده از مدل کلاسیک و مدل هایی که ساختار سلسله مراتبی داده ها را در نظر می گیرند، برآورد ضرایب عوامل موثر بر ازدست رفتن اتصال بالینی محاسبه و مورد مقایسه قرار گرفت. روش کار: این مطالعه مقطعی روی 375 نفر زنان باردار و 192 نفر مادران دارای کودک سه ساله تحت پوشش 16 مرکز بهداشتی و درمانی علوم پزشکی شهید بهشتی انجام گردید. برای 6 دندان از هر فرد شاخص از دست رفتن اتصال بالینی بر اساس فرم استاندارد WHO توسط دندان پزشک ثبت شد. تحلیل داده ها با برازش مدل های رگرسیون لجستیک معمولی و رگرسیون لجستیک سه سطحی به وسیله نرم افزار 14 STATA انجام شد. یافته ها: از کل 3402 دندان بررسی شده 6. 3% دارای CAL>3mm بود. بر اساس نتایج به دست آمده نسبت شانس بروز ازدست رفتن اتصال بالینی در سه ماهه سوم بارداری نسبت به غیر باردارها 2. 4 برابر و در افرادی که نخ دندان استفاده می کنند، نسبت به افرادی که نخ دندان استفاده نمی کنند 2. 86 برابر، همچنین در دندان های خلفی 1. 65 برابر دندان های قدامی است (005/0>P). نتیجه گیری: بر اساس معیار AIC مدل رگرسیون لجستیک چند سطحی برازش بهتری نسبت به رگرسیون لجستیک معمولی دارد و می تواند ضرایب عوامل موثر بر CAL را دقیق تر برآورد نماید، در صورت استفاده از مدل رگرسیون لجستیک معمولی در داده های دارای ساختار سلسله مراتبی، خطای استاندارد پارامترها دچار کم برآوردی می شود.

مقدمه: مدل بندی آماری تغییرات مشاهده شده در داده ها را از طریق معادلات ریاضی تبیین می نماید. در حالتی که متغیر پاسخ (وابسته)، گسسته باشد مدل پواسن مورد استفاده قرار می گیردو در صورتی که شرایط مدل پواسن برقرار نباشد، بهتر است از مدل های دو جمله ای منفی استفاده کرد. لذا هدف از این مطالعه تاکید بر توجه به ساختار داده ها، معرفی مدل دوجمله ای منفی و به کار بردن این مدل جهت برآورد ضرایب عوامل موثر بر تعداد فرزندان و مقایسه آن با نتایج مدل رگرسیون پواسن معمولی است.مواد و روش ها: در این مطالعه ضمن معرفی مدل دو جمله ای منفی، کاربرد آن در تحلیل داده های باروری به کار رفته است. این داده ها از یک نمونه 1019 نفری زنان روستایی استان فارس به صورت مقطعی و با استفاده از روش نمونه گیری طبقه بندی به دست آمد. متغیر تعداد فرزند آن زنده متولد شده یک زن به عنوان متغیر پاسخ شمارشی جهت کاربرد مدل در نظر گرفته شده است. سطح معناداری 5 درصد در نظر گرفته شد.یافته ها: در مجموع 1019زن روستایی مورد بررسی قرار گرفتند که میانگین فرزندان هر زن 4.3 و واریانس آن 8.3 بود. مقدار آماره آزمون، log-likelihoodبرای مدل پواسنی معمولی -0950.93 وبرای مدل دو جمله ای منفی -1946.93 بود.نتیجه گیری: نتایج نشان دادکه داده ها Over Dispersionدارد و بر اساس معیار های انتخاب بهترین مدل، مدل دو جمله ای منفی و یا تعمیم یافته آن جهت تحلیل این داده ها مناسب است و می تواند ضرایب عوامل موثر بر تعداد فرزند را دقیق تر برآورد نماید.

توسعه ناموزون شهرها یکی از مسائل مهم در کاربری زمین است و پیش بینی توسعه شهری همیشه به سادگی امکانپذیر نیست بلکه به مدل هایی نیاز دارد که ماهیت پیچیده فرآیندهای شهری را مدنظر قرار دهند. رگرسیون لجستیک یک مدل پیش بینی کننده تجربی است. تعیین وزن عوامل محرک برمبنای داده های تجربی به جای استفاده از دانش کارشناسان از مزایای این مدل است و همچنین توانایی واردسازی متغیرهای بیشتری را داراست که از برتری هایش می باشد. لذا با توجه به اهمیت موضوع در این مقاله به مدلسازی توسعه شهری بجنورد با استفاده از رگرسیون لجستیک در طی دوره 28 ساله پرداخته می شود و از نظر ماهیت و روش ترکیبی از روش های تحقیق اسنادی و توصیفی-تحلیلی است که از 9 متغیر مستقل برای مدلسازی استفاده می کند. میزان Pseudo-R2 و ROC به ترتیب 0. 2835 و 0. 9335 بدست آمد که در محدوده مورد قبولی قرار دارند. بنابراین مدلسازی تایید می گردد. ارزیابی حساسیت سنجی مدل با استفاده از روش حذف هرکدام از متغیرهای مستقل نشان دهنده تاثیر بیشتر متغیرهای جهت شیب و فاصله از سطوح آبی در مدلسازی است و مناطق جنوب شهر و مناطق غیرشهری بلافصل مناسب ترین مناطق برای توسعه آینده هستند.

زمینه و هدف: با توجه به اینکه خطر ابتلا به دیابت در افراد پره دیابتیک بسیار بالا است، تعیین عوامل موثر بر پره دیابت دارای اهمیت می باشد. این مطالعه با هدف مقایسه نتایج مدل رگرسیون لجستیک معمولی و لجستیک نیرومند در مدل بندی عوامل مرتبط با بیماری پره دیابت انجام شد. روش بررسی: این مطالعه که از نوع مقطعی-تحلیلی است روی 6460 نفر از افراد بالای30 سال، شرکت کننده در طرح غربالگری دیابت دانشگاه علوم پزشکی مشهد، از مهر تا آذر 1389 انجام شد. با توجه به میزان قند خون ناشتای افراد، 5414 نفر سالم و 1046 نفر به عنوان پره دیابتیک شناسایی شدند. سن، جنس، نمایه توده بدن، فشار خون سیستولیک، فشار خون دیاستولیک و نسبت کمر به باسن در مورد هر فرد اندازه گیری شد. مدل رگرسیون لجستیک معمولی روی داده ها برازش شد. سپس داده های پرت مشخص و سه مدل نیرومند Mallow، WBY و BY برازش شد. آنگاه مدل ها با هم مقایسه گردیدند. یافته ها: متغیرهای سن، نمایه توده بدن و فشار خون سیستولیک در همه مدل ها از لحاظ آماری معنادار شدند (0/01P<) و متغیر نسبت کمر به باسن معنادار نشد (0/1P>). تعداد 552 داده ی پرت با خطای بدرده بندی در مدل معمولی وجود داشت. مقادیر کای دو پیرسون و سطح زیرمنحنی راک در مدل Mallow به طور تقریبی فرقی با مدل معمولی نداشت. اما در مدل های WBY و BY به نسبت بیشتر بود. نتیجه گیری: با توجه به نتایج این پژوهش سن بالا، نمایه توده بدنی و فشار خون بالا در ابتلا به بیماری پره دیابت موثر می باشند. همچنین مدل های رگرسیون نیرومند WBY و BY برازش بهتر و توان پیشگویی بالاتری نسبت به رگرسیون لجستیک معمولی در مدل بندی عوامل گفته شده در ارتباط با پره دیابت دارند.

امروزه به دلیل محدودیت منابع طبیعی، ارزش بالای زمین، رشد سریع جمعیت وگسترش سریع شهرها، پیش بینی کاربری آینده اراضی برای مدیران، برنامه ریزان و متخصصان محیط زیست از اهمیت بسیار بالایی برخوردار شده است؛ زیرا تغییر در کاربری اراضی باعث تاثیر بر اکوسیستم و در نتیجه تهدید منابع حیاتی مورد نیاز انسان می شود. مدلسازی و تحلیل پدیده توسعه شهری، اطلاعات جامعی در اختیار مدیران و برنامه ریزان شهری قرار می دهد تا با توجه به این پدیده، برنامه ریزی بهتر، علمی تر و منطقی تری انجام دهند. هدف اصلی در این تحقیق، مدلسازی مناطق توسعه یافته شهری شهر سنندج با استفاده از تصاویر ماهواره ای، سیستم اطلاعات مکانی و رگرسیون منطقی می باشد. شهر سنندج در طی دهه های اخیر رشد جمعیت سریعی داشته است و وضعیت جغرافیایی منطقه و قرار گرفتن این شهر در قسمتهای کوهپایه ای و کمبود زمین های با شرایط توپوگرافی مناسب جهت گسترش شهر باعث انتخاب این شهربرای منطقه مورد مطالعه می باشد. روش رگرسیون منطقی به دلیل ساختار ساده، توانایی تفسیر پذیری بالای مدل و همچنین عملکرد مطلوبی که در مدل سازی های محیطی از جمله فرایند توسعه شهری از خود نشان داده است به عنوان روش پیشنهادی جهت مدلسازی این فرایند در نظر گرفته شده است. پارامترهای مورد استفاده در این تحقیق شامل فاصله از مناطق توسعه یافته، فاصله از راههای اصلی، فاصله از فضای سبز، ارتفاع، شیب، فاصله از گسل، فاصله از مراکز نواحی شهر و همچنین تعداد سلول های شهری در همسایگی 3*3 شهری می باشد. همچنین مدلسازی توسعه شهری با شبکه عصبی مصنوعی نیز انجام شده است که در پایان به مقایسه عملکرد دو مدل می پردازیم. معیارهای کاپا، درجه تناسب و درصد تناظر صحیح جهت ارزیابی عملکرد مدل های پیشنهادی به کار گرفته شده اند که برای روش رگرسیون منطقی به ترتیب 0.7398، 0.6345 و %93.70 و در روش شبکه عصبی مصنوعی برابر با 0.7316، 0.6249 و %93.55 می باشند.