---

بی‌پاسخی در آمارگیری‌ها منبعی برای بروز خطا در نتایج آمارگیری است و سازمان‌های ملی آماری همواره به دنبال راهکارهایی برای کنترل و کاهش آن هستند. پیش‌بینی واحدهای نمونه‌گیری بی‌پاسخ در آمارگیری قبل از اجرای آمارگیری از جمله راهکارهایی است که می‌تواند کمک زیادی به کاهش و مرتفع نمودن مشکل بی‌پاسخی آمارگیری داشته باشد. با توسعه‌های اخیر فناوری و تسهیل در محاسبات پیچیده امکان به کارگیری روش‌های یادگیری آماری، مانند درخت‌های رگرسیون و رده‌بندی یا ماشین بردار پشتیبان در بسیاری از مسائل از جمله پیش‌بینی بی‌پاسخی واحدهای نمونه‌گیری در آمارگیری‌ها فراهم شده است. در این مقاله ضمن مرور کلی روش‌های فوق، واحدهای نمونه‌گیری بی‌پاسخ در یک آمارگیری کارگاهی با استفاده از آن‌ها پیش‌بینی شده و نشان داده می‌شود ترکیب روش‌های فوق دارای دقت بیشتری در پیش‌بینی درست بی‌پاسخی نسبت به هر کدام از روش‌های تکی است.

---

در این مقاله، مدل های رگرسیونی لوژستیک  که در آن متغیرهای پاسخ به صورت دو (یا چند) ارزشی و متغیرهای توضیحی (پیشگو یا مستقل) متغیرهای معمولی هستند اما خطاها علاوه بر ماهیتی تصادفی، ماهیتی ابهامی، نیز دارند، مورد مطالعه قرار می گیرند. بر این اساس مدل پیشنهادی را صورت بندی کرده و برآورد ضرایب را برای حالتی با تنها یک متغیر توضیحی و با استفاده از روش کمترین توان‌های دوم تعیین می کنیم. در پایان با یک مثال به تشریح نتایج حاصله می پردازیم