معیارهای بهینگی برای یافتن طرح بهینه مدل مورد بررسی، استفاده می‌شوند. این نوع مدل‌ها شامل مدل‌های مقایسه زوج شده هستند، که معیارهای بهینگی مقایسه‌های زوج شده بهینه را مشخص می‌کنند. در این مقاله علاوه بر معرفی مدل رگرسیونی درجه دوم با اثرات تصادفی، مدل‌های مقایسه زوج شده در این نوع مدل‌ها معرفی و طرح بهینه برای آنها محاسبه شده است.

در برخی آزمایش‌ها، تیمارها تحت تأثیر اثرات همسایه‌ها قرار می‌گیرند. در این موارد بهتر است از طرح‌هایی استفاده شود که هر تیمار، هر یک از تیمارهای دیگر را به تعداد یکسان در همسایگی خود داشته باشد و به‌عبارت دیگر همسایه‌ها متعادل باشند. طرح‌های همسایه متعادل به دو دسته تقسیم می‌شوند. در طرح‌های دسته اول، اثرات همسایه چپ و راست یکسان است درحالی‌که در طرح‌های دسته دوم این دو اثر با هم متفاوتند. در بسیاری از پژوهش‌هایی که انجام شده است به ساختن طرح‌های دسته اول پرداخته‌اند. در این مقاله چگونگی ساختن طرح‌های دسته دوم با روش تغییرات دوره‌ای بیان می‌شود. همچنین برای چندین مقدار از v (تعداد تیمار) و k (اندازه بلوک) با استفاده از نرم افزار MATLAB این طرح‌ها به‌دست آورده می‌شوند. سپس برخی از آنها که تحت مدل با اثرات همسایه یک‌طرفه، بهینه عمومی هستند مشخص خواهند شد.

ارزش در معرض خطر و میانگین ارزش در معرض خطر که ریسک بازار را با یک عدد بیان می‌­کنند، دو نوع از مهمترین معیارهای اندازه‌­گیری ریسک مبتنی بر روش‌های آماریدر بازارهای مالی هستند. اخیرا رهیافت مدل­های رگرسیونی خطی نظیر کمترین توان های دوم و چندکی برای برآورد این معیارها ارائه شده است. در این مقاله روش برآورد این دو معیار ریسک با استفاده از مدل رگرسیونی چندکی ترکیبی بررسی می‌­شود. برای مقایسه کارایی مدل ارائه شده با مدل‌های متداول در این زمینه، مطالع شبیه‌سازی انجام شده و در پایان نیز نحوه کاربست مدل­‌ها در قالب مثال کاربردی برای داده‌­هایی از بازار سهام ایران نشان داده خواهد شد.

حضور متغیرهای درون‌زا در مدل‌های آماری ناسازگاری و اریبی برآوردگرهای معمول پارامترهای مدل را به دنبال دارد. روش‌های متعددی در این حالت ارائه شد که مشکل ناسازگاری و اریبی را تنها برای حالت بزرگ نمونه‌ای حل کرده‌اند. یکی از این روش‌ها مبتنی بر استفاده از متغیر ابزاری است که باعث حذف درون‌زایی متغیر مورد مناقشه می‌شود. روشی دیگر برای برآورد پارامتر مدل‌های رگرسیون درون‌زا، روش کمترین توان‌های دوم دو مرحله‌ای است که دقت بهتری نسبت به روش کمترین توان‌های دوم معمولی دارد. اما براوردگر حاصل از این روش نیز تنها در حالت بزرگ نمونه‌ای نااریب و سازگار است. مقاله حاضر روش‌های نوینی برای رفع این نقص‌ها ارائه می‌کند. به‌طور دقیقتر، به منظور افزایش دقت برآورد در مدل موردنظر، نوشته حاضر سه روش کمترین توان‌های دوم دو مرحله‌ای تکراری، دو مرحله‌ای جکنایف و دو مرحله‌ای کالبیده را در حالت اندازه نمونه متناهی پیشنهاد می‌دهد. برای ارزیابی عملکرد روش‌های ارائه شده مطالعه شبیه‌سازی انجام خواهد شد. علاوه بر این، با استفاده از داده‌های هزینه و درآمد ایران، گردآوری شده در سال 1390، نحوه عملکرد برآوردهای پیشنهادی مورد مقایسه قرار می‌گیرد.

 عمده تحقیقات بهینه‌سازی طرح بر روی مدل‌های خطی و خطی تعمیم‌یافته صورت گرفته است. در مطالعات کاربردی در زمینه کشاورزی و علوم اجتماعی و ... معمولا در کنار اثرات ثابت حداقل یک اثر تصادفی نیز در مدل وجود دارد. این مدل‌ها تحت عنوان مدل‌های آمیخته شهرت دارند. در این مقاله مدل رگرسیون بتا با یک عرض از مبدا تصادفی به عنوان یک مدل آمیخته، مورد توجه است و طرح D-بهینه موضعی برای دو حالت ساده و درجه دو از این مدل محاسبه می‌شود و روند تغییرات نقاط طرح بهینه به ازای مقادیر پارامترهای مختلف بررسی خواهد شد. در مدل ساده به ازای پارامترهای مختلف یک طرح D-بهینه موضعی دو نقطه‌ای بدست آمده است و در مدل درجه دو یک طرح D-بهینه موضعی سه نقطه‌ای حاصل شد که موقعیت و وزن نقاط به تفصیل در مقاله ارائه می‌شود. همچنین بر اساس معیار کارایی این طرح‌های D-بهینه موضعی با طرح‌های مشابه وقتی اثر تصادفی در مدل در نظر گرفته نمی‌شود، از کارایی طرح بهینه وقتی اثر تصادفی در مدل در نظر گرفته نشود پایین‌تر است.

روش‌های متعددی برای خوشه‌بندی داده‌های بیان ژن دوره‌ای زمانی وجود دارد ولی محدودیت‌هایی برای این روش‌ها وجود دارد که از جمله‌ آن‌ها می‌توان به عدم در نظر گرفتن همبستگی در طول زمان و زمان‌بر بودن محاسبات اشاره داشت. در این مقاله با معرفی مدل‌های اثرات آمیخته‌ی ناپارامتری و نیمه‌پارامتری، این همبستگی در طول زمان در نظر گرفته شده و با استفاده از اسپلاین تاوانیده، حجم محاسبات به طور چشم‌گیری کاهش یافته است. در پایان با استفاده از مطالعه‌ شبیه‌سازی عملکرد روش پیشنهادی با روش‌های قبلی مقایسه و با استفاده از ملاک BIC، مدل مناسب‌تر انتخاب و تحلیل می‌شود. همچنین روش پیشنهادی در یک مثال کاربردی داده‌های بیان ژن دوره‌ای زمانی ارائه شده است.

مدل‌های رگرسیونی ناپارامتری و نیمه‌پارامتری در زمینه‌ داده‌های مستقل توسعه چشمگیری پیداکرده‌اند، اما رشد آن‌ها در زمینه داده‌های طولی، محدود به چند سال اخیر است. از آنجا که روش‌های رگرسیونی معمول برای داد‌ه‌های همبسته نسبت به داده‌های مستقل توانایی کمتری دارند، باید از مدل‌هایی استفاده شود، که همبستگی بین داده‌ها را نیز در نظر بگیرند. در این میان مدل‌های آمیخته و حاشیه‌ای که عامل همبستگی بین داده‌ها را نیز در نظر می‌گیرند، مدل‌هایی هستند که برای برازش داده‌های طولی مورد استفاده قرار می‌گیرند. همچنین با توجه به انعطاف‌پذیری مدل‌های نیمه‌پارامتری نسبت به مدل‌های پارامتری و ناپارامتری، مدل رگرسیون نیمه‌پارامتری طولی حاشیه‌ای با برآوردهای اسپلاین تاوانیده مدل مناسبی برای تحلیل داده‌های طولی است. در این مقاله رگرسیون نیمه‌پارامتری با ضرایب متغیر که در آن ارتباط بین متغیر پاسخ و یک متغیر پیش‌بین بر مبنای متغیر پیش‌بین دیگر مشخص می‌شود، بررسی ‌شده است. همچنین استنباط بیزی برای مدل ناپارامتری روی‌داده‌های شبیه‌سازی ‌شده و برای مدل نیمه‌پارامتری طولی حاشیه‌ای روی ‌داده‌های واقعی، با نرم‌افزارهای استاندارد انجام ‌شده است که نشان‌دهنده‌ عملکرد قابل‌قبول این استنباط است.

ساختار آزمون تحلیل واریانس به‌گونه‌ای است که در صورت حضور داده‌های دورافتاده در بین مشاهدات، نتایج آزمون می‌تواند به‌اشتباه منجر به رد یا پذیرش فرض صفر شود. در این مقاله، روش استوار توزیع جایگشتی آماره F بر اساس میانگین پیراسته پیشنهادشده است. این روش، به کمک توزیع جایگشتیِ تابعی از میانگین پیراسته، حساسیت نسبت به فرض‌های کلاسیک همچون نرمال بودن داده‌ها و حضور داده‌های دورافتاده را کاهش داده و اعتبار نتایج حاصل را تضمین می‌کند. روش پیشنهادی با روش تحلیل استوار واریانس بر اساس رهیافت جستجوی پیشرو مقایسه می‌شود. روش ارائه‌شده برخلاف روش مبتنی بر جستجوی پیشرو، ما را از فرضیات محدودکننده پارامتری بی‌نیاز و ازنظر محاسباتی زمان کمتری را صرف می‌کند. نتایج بررسی‌های عددی روی خطای نوع اول و توان آزمون، حکایت از عملکرد خوب این روش استوار در مقایسه با روش رقیب دارد.

اده‌های شکل با توجه به تعدد منابع خطاها اغلب در معرض ابتلا به خطای اندازه‌گیری قرار دارند. نادیده گرفتن چنین خطایی در صورت وجود، باعث بروز مشکلات زیادی از قبیل اریبی برآوردگرها می‌شود. در این حالت برآوردگرهای حاصل از عدم دخالت خطای اندازه‌گیری برآوردگرهای ناپخته نامیده می‌شوند. برآوردگرهای ناپخته برای پارامترهای مقیاس و دوران در هنگام استفاده از انطباق پروکراستس داده‌های شکل دو بعدی، اریب هستند. برای تصحیح اریبی و بهبود برآوردگرهای ناپخته، در این مقاله روش‌های کالبیدن رگرسیون که از طریق بکارگیری مدل‌های رگرسیونی مختلط و توزیع نرمال مختلط حاصل می‌شود و همچنین روش امتیاز شرطی پیشنهاد می‌شود. به علاوه‌، با انجام شبیه‌سازی آماری عملکرد این روش‌ها مورد مطالعه قرار می‌گیرند. هم‌چنین، تحلیل آماری مربوط به شکل تپه‌های ماسه‌ای اردستان، با فرض وجود خطای اندازه‌گیری در مشاهدات، انجام می‌شود.

در این مقاله، نشان داده می‌شود که استفاده از خسارت‌های دارای توزیع پارتو برای محاسبه احتمالات ورشکستگی می‌تواند به ضرر مدیران شرکت بیمه باشد. با محاسبه خطای نسبی این خسارت‌ها، نشان داده می‌شود که برآورد میانگین خسارت‌ها برآوردی مناسب در مدل‌های مخاطره بیمه نخواهد بود. خواهیم دید که وجود خسارت‌های دارای توزیع پارتو در مدل بیمه اتکایی مازاد خسارت، ممکن است به ضرر بیمه‌گذاران شرکت باشد. همچنین در این سبد بیمه، با محاسبه امید شرطی متغیر تصادفی اندازه خسارت، نشان داده می‌شود که استفاده از خسارت‌های دارای توزیع پارتو، مناسب در برآورد خسارت‌ها نیست. با روش شبیه‌سازی، برآورد امید شرطی متغیر تصادفی اندازه خسارت برای برخی از توزیع‌های آماری محاسبه می‌شود. نتایج با مثال‌های واقعی بررسی می‌شوند.
 

آزمون همگنی واریانس‌ها اغلب به عنوان یک آزمون مقدماتی برای تحلیل‌های دیگر، مثل آزمون برابری میانگین‌های جوامع مورد استفاده قرار می‌گیرد. تاکنون آزمون‌های متعددی در طرح بلوکی کامل تصادفی به منظور بهبود توان و ارائه‌ی یک آزمون استوار در برابر فرض نرمال بودن ارائه شده است، که رایج‌ترین آن‌ها آزمون بارتلت و لون بوده و بقیه تعمیمی از این دو آزمون هستند. توزیع آماره‌های این آزمون‌ها به‌صورت مجانبی محاسبه می‌شود. اخیرا آزمونی براساس برآورد مقادیر بحرانی معرفی شده است.

در این مقاله با استفاده از شبیه‌سازی روش برآورد مقادیر بحرانی را روی نه آزمون‌ همگنی واریانس‌ها اعمال کرده و عملکرد آن‌ها در توزیع‌های نرمال و تی با تعداد گروه‌های تیماری و بلوکی مختلف ‌سنجیده می‌شود. نتایج نشان می‌دهند که آزمون‌ها براساس روش برآورد مقادیر بحرانی عملکرد بهتری از لحاظ حفظ نرخ خطای نوع اول و توان نسبت به حالت استفاده از توزیع تقریبی دارند.

در تحلیل رگرسیونی مطالعه مباحث تشخیصی شامل تعیین مشاهدات مؤثر و نقاط پرت از اهمیت ویژه‌ای برخوردار است. حساسیت روش کمترین توان‌های دوم نسبت به حضور مشاهدات مؤثر و داده‌های پرت در مدل موجب شد که گامی در جهت توسعه‌ مباحث تشخیصی به منظور ارائه‌ معیارهایی برای اندازه‌گیری تأثیر و شدت وابستگی به این مشاهدات برداشته شود. تعیین مشاهدات مؤثر و نقاط پرت در داده‌ها، زمانی که متغیرهای مستقل همخطی داشته باشند، بسیار پیچیده و مشکل است و خصوصاً اینکه حضور همخطی می‌تواند برخی از داده‌های غیرعادی را پوشش دهد. یکی از روش‌های مورد توجه برای تعیین مشاهدات پرت، روش انتقال میانگین است. در این مقاله، روش انتقال میانگین را برای برآوردگر ریج تحت محدودیت‌های خطی تصادفی؛ که به منظور کاهش اثر همخطی استفاده شده، تعمیم داده و برای این برآوردگر آماره آزمون جهت شناسایی مشاهدات پرت ارائه خواهد شد. در نهایت توانایی این روش را با استفاده از یک مثال کاربردی از داده‌های واقعی نشان داده می‌شود.

یکی از راهکارهای عملی در پیشبرد سیاست‌های اقتصادی، همراهی مردم، بالا بردن سطح آگاهی جامعه و مردمی‌سازی اقتصاد است. سیاست‌های اقتصادی و اجتماعی، زمانی به بهترین صورت تحقق می‌یابند که مردم آگاهی لازم را در‌خصوص آمارهای موجود، کسب کرده باشند. شاخص‌های اقتصادی نرخ، قیمت و درصد، به‌تنهایی آگاهی‌بخش نیستند. به این دلیل، یکی از روش‌های علمی برای مطالعه‌ی داده‌های اقتصادی، مدل‌بندی آماری آن‌ها با استفاده از ابزار پرکاربرد "توابع مفصل" است. در این مقاله با استفاده از توابع مفصل و مفهومی پرکاربرد از وابستگی بین متغیرهای مورد مطالعه، تحت عنوان "وابستگی جهتی"، میزان وابستگی بین تغییرات درآمدی خانوار با هزینه‌ای که صرف خرید محصولات فرهنگی و محصولات متفرقه می‌کنند، مورد مطالعه قرار می‌گیرد. نتایج بدست آمده نشان می‌دهد که خانوارهای ایرانی با کاهش درآمد، تمایل بیشتری به کاهش هزینه خرید محصولات فرهنگی تا سایر هزینه‌های مصرفی غیرضروری دارند.