fa کاربرد مدل رگرسیون پواسنی تعمیم یافته در تحلیل داده‌های باروری زنان روستایی استان فارس عمومى General پژوهشي Research <b>مقدمه واهداف: </b>مدل‌بندی آماری تغییرات مشاهده شده در داده‌‌ها را از طریق معادلات ریاضی تبیین می‌نماید. در حالتی که متغیرپاسخ گسسته باشد مدل پواسن مورد استفاده قرار می‌گیرد و در صورتی که شرایط مدل پواسن برقرار نباشد، بهتر است از تعمیم یافته آن استفاده کرد. لذا هدف از این مطالعه، تاکید و توجه به ساختار داده‌ها، معرفی مدل رگرسیون پواسنی تعمیم یافته و بکار بردن این مدل جهت برآورد ضرایب عوامل مؤثر بر تعداد فرزندان و مقایسه آن با مدل رگرسیون پواسن معمولی است. <br> <b>روش کار: </b>در این مطالعه ضمن معرفی مدل پواسنی تعمیم یافته کاربرد آن در تحلیل داده‌های باروری بکار رفته است. این داده‌ها از یک نمونه 1019 نفری زنان روستایی استان فارس بصورت مقطعی و با استفاده از روش نمونه‌گیری طبقه‌بندی بدست آمد. متغیر تعداد فرزند ان زنده متولد شده یک زن به عنوان متغیر پاسخ شمارشی جهت کاربرد مدل در نظر گرفته شده است. <br><b>نتایج : </b>میانگین فرزندان هر زن88/2 ±3/4 بود. مقدار آماره آزمون، log-likelihoodبرای مدل پواسنی معمولی 93/1950- و برای مدل پواسنی تعمیم یافته 93/1946- بود. <br> <b>نتیجه‌گیری: </b>نتایج نشان دادکه داده‌ها Over Dispersionدارد. و بر اساس معیار‌های انتخاب بهترین مدل، مدل پواسنی تعمیم یافته جهت تحلیل این داده‌ها مناسب است و می‌تواند ضرایب عوامل مؤثر بر تعداد فرزند را دقیق‌تر برآورد نماید. <b>Background & objectives:</b> statistical modeling explicates the observed changes in data by means of mathematics equations. In cases that dependent variable is count, Poisson model is applied. If Poisson model is not applicable in a specific situation, it is better to apply the generalized Poisson model. So, our emphasis in this study is to notice the data structure, introducing the generalized Poisson regression model and its application in estimates of effective factors coefficients on the number of children and comparing it with Poisson regression model results. <br><b>Methods:</b> Besides introducing Poisson regression model, we introduced its application in fertility data analysis. A sample of 1019 women in rural areas of Fars was selected by cross sectional and stratified sampling methods. The number of children of family was determined as a count response variable for model validation. <br> <b>Results: </b>The sample mean and sample variance of the response variable Y, the number of children, are respectively 4.3 and 8.3 (over-dispersion). Log-likelihood was -1950.93 for Poisson regression and -1946.93 for generalized Poisson regression model. <br> <b>Conclusions:</b> The results revealed that this data have over-dispersion. According to selection criteria, the suitable model for this data analysis was generalized Poisson regression model. It can estimate effective factors coefficients on the number of children exactly. داده‌های باروری,توزیع پواسن,توزیع پواسن تعمیم یافته,تعداد فرزند Fertility data,Poisson model,Generalized Poisson model,Number of children 46 50 http://irje.tums.ac.ir/browse.php?a_code=A-10-25-93&slc_lang=fa&sid=1 N Zare نجف زارع No دانشکده پزشکی دانشگاه علوم پزشکی شیراز M Sayadi مهراب صیادی sayadi_me@yahoo.com Yes گروه آمار زیستی دانشگاه علوم پزشکی شیراز E Rezaeyan Fard الهام رضائیان فرد No دانشگاه علوم پزشکی شیراز H Ghaem هاله قائم No دانشکده بهداشت دانشگاه علوم پزشکی شیراز