یکی از وظایف اصلی موسسات مالی در حمایت از فعالان اقتصادی، اعطای تسهیلات و انجام تعهدات آنان است. پیش بینی ریسک اعتباری ناشی از اعطای تسهیلات و در نتیجه مدیریت این ریسک از مهم ترین چالش های پیش روی بانک ها و موسسات مالی است. هدف اصلی در این کار تهیه مدل بهینه لجستیک جهت تعیین اعتبار مشتریان حقیقی با بررسی نقش تعداد رده های اعتبار مشتری از دو رده خوش حساب و بدحساب تا چهار رده خوش حساب، سررسیدشده، معوق و مشکوک الوصول و نیز شناسایی مهم ترین متغییرهای مستقل تاثیرگذار بر اعتبار مشتریان حقیقی بانک رفاه کارگران است. نتایج هر دو مدل برازش لجستیک چندگانه و باینری تهیه شده در این کار نشان دهنده اهمیت نسبی متغیرهای سطح تحصیلات و سن مشتری حقیقی نسبت به سایر متغییرهای مستقل است. نتایج یکسان هر دو مدل می تواند نشان دهنده تاثیر کم افزایش تعداد رده بندی متغییر وابسته (اعتبار مشتری) و یا توزیع نامناسب تعداد مشتریان برای رده های مختلف اعتبار مشتری باشد.

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.

مقدمه: سرطان معده، پنجمین سرطان شایع و سومین عامل مرگ در جهان است. در این مطالعه عوامل مرتبط با سرطان معده با استفاده از دو مدل رگرسیون لجستیک و شبکه ی عصبی بررسی گردید. روش ها: در این مطالعه ی مورد-شاهدی، در مجموع 1170 نفر وارد مطالعه شدند (390 مورد-780 شاهد). ابزار جمع آوری اطلاعات بر اساس چک لیست محقق ساخته بود. نمونه ها به روش نمونه گیری دردسترس انتخاب شدند و به روش مصاحبه ی حضوری و تلفنی اطلاعات آن ها جمع آوری شد. قدرت برازش در مدل رگرسیون لجستیک و شبکه ی عصبی با استفاده از منحنی مشخصه عملکرد گیرنده (ROC) مقایسه گردید. با معرفی مدل برتر، عوامل مرتبط و معنی دار با ابتلا به سرطان معده گزارش شد. یافته ها: نتایج نشان داد که دقت، حساسیت و ویژگی در شبکه عصبی به ترتیب 96/4، 93/7و 81/9 درصد و در مدل رگرسیون لجستیک به ترتیب 95/9، 91/1 و 84/4 درصد گزارش شد. مدل شبکه ی عصبی نشان داد، متغیرهای سن (0/646)، مصرف میوه (0/713)، سابقه ی مصرف خودسرانه ی دارو (0/652)، سابقه ی زخم معده (0/734)، سابقه ی خانوادگی سرطان (0/852) و سابقه ی خانوادگی سرطان معده (0/836) از نظر آماری با بروز سرطان معده ارتباط دارند. نتیجه گیری: با توجه به اینکه در مطالعه ی حاضر برازش شبکه ی عصبی نسبت به رگرسیون لجستیک برتر بوده و نیاز به فرضیات خاصی ندارد، لذا به محققین پیشنهاد می شود که مدل شبکه ی عصبی را می توان بر رگرسیون لجستیک ترجیح داد.

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.

در این مقاله، با فرض اینکه در مدل رگرسیونی خطی چندگانه، بردار خطای تصادفی دارای توزیع t چند متغیره است، برآوردگرهای کمترین توانهای دوم تعمیم یافته، کمترین توانهای دوم تعمیم یافته مقید و تورنجش را برای بردار پارامتر مجهول مدل رگرسیونی بدست می آوریم. سپس با استفاده از تابع زیانهای مربعی و مربعی موزون، مخاطره برآوردگرهای بدست آمده را با یکدیگر مقایسه می کنیم و نشان می دهیم در شرایطی خاص کدامیک از برآوردگرها بر دیگری برتری دارند.

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.

در این مقاله، موضوع طبقه بندی داده ها مدنظر قرار داده می شود که در آن متغیر پاسخ به صورت دو یا چند ارزشی و متغیرهای پیشگو متغیرهای معمولی هستند اما، خطاها علاوه بر ماهیتی تصادفی، ماهیتی ابهامی نیز دارند. در این صورت متغیر پاسخ نیز متغیر تصادفی فازی است. بر این اساس مدلی بر پایه رگرسیون لوژستیک صورت بندی کرده و برآورد ضرایب با استفاده از روش کمترین توان های دوم بدست آورده می شود. با یک مثال نتایج حاصله برای حالت یک متغیر مستقل تشریح می گردند. در پایان روابط بازگشتی برای محاسبه برآورد پارامترها ارائه می شوند. این روابط بازگشتی می توانند در یادگیری ماشین و برای طبقه بندی داده های بزرگ مورد استفاده قرار گیرند.

زمینه سال 2019 یک بیماری جدید به نام کووید-19 در شهر ووهان چین شناسایی شد. هرکسی ممکن است در هر سنی به این بیماری مبتلا و به شدت بیمار یا فوت شود. هدف از این مقاله تعیین عوامل موثر بر بستری شدن مجدد بیماران کرونایی بود. روش کار در این مطالعه نمونه ای به حجم 2411 نفر از بیماران کرونایی مراجعه کننده به بیمارستان شهید مصطفی خمینی شهر ایلام در نظر گرفته شد. متغیرهای جنس، سن، فوتی، شاخص توده بدنی، سردرد، استفراغ کردن، داشتن حالت سرما، سرفه کردن، درد عضله، داشتن بیماری زمینه ای، درجه تب، هموگلوبین، پلاکت خون، گلوکز و آنزیم های ALT، AST و LDH برای این مطالعه در نظر گرفته شد. برای پردازش مدل از رگرسیون لجستیک چندگانه در نرم افزار SPSS استفاده شد. یافته ها در این مطالعه بیشتر بیماران (5/54 درصد) مرد بودند. میانگین سنی در بیماران بستری مجدد، 63 سال بود. 23 درصد از بیماران که بستری مجدد شدند، فوت کردند. نتایج آزمون رگرسیون لجستیک نشان داد متغیرهای سن (OR=1. 02, P=0. 029)، جنس (OR=0. 637, P=0. 047)، داشتن بیماری زمینه ای (OR=2. 36, P=<0. 001)، هموگلوبین (OR=0. 91, P=0. 04)، تعداد پلاکت خون (OR=0. 99, P<0. 001)، استفراغ کردن یا به نوعی داشتن حالت تهوع (OR=0. 48, P=0. 03) و درد عضله (OR=0. 61, P=0. 04) از عوامل موثر شناسایی شدند. نتیجه گیری با توجه به بحث بستری مجدد بیماران کووید-19 در بیمارستان، داشتن بیماری همراه و سن بالا شانس بستری شدن مجدد را بالا می برد. در نهایت این پژوهش از لحاظ علمی تایید کرد که افزایش سن در کنار داشتن بیماری زمینه ای در بستری مجدد بیماران مبتلا به کووید-19 موثر است. پیامدهای عملی این مقاله در راستای پذیرش کامل درمان بیماران کووید-19 و در نتیجه عدم نیاز به بستری مجدد و جلوگیری از هزینه های اضافی درمان و اتلاف منابع است.