به‌کارگیری رگرسیون پواسنی و رگرسیون دوجمله‌ای منفی با انباشتگی صفر برای مدل سازی داده‌های آموزشی

زمینه و هدف: بررسی تعداد دروس مردودی و ترمهای مشروطی دانشجویان از جمله روشهایی است که میتواند موفقیت تحصیلی آنان را ارزیابی کند . ازآن جا که این عوامل در بسیاری از دانشجویان مقدار صفر دارند، استفاده از مدلهای رگرسیون پواسنی و دوجمله ای منفی با انباشتگی در صفر که برای مدلسازی داده های شمارشی و برآورد پارامترهای مدل بکار میرود، توصیه میگردد. روش کار: در این مطالعه مقطعی که در سال تحصیلی 89-88 در دانشگاه علوم پزشکی ایران با جامعه آماری بیش از 6000 دانشجو و با نمونه ای 670 نفری از آنان انجام شد، اطلاعات آموزشی، دانشجویی و جمعیت شناختی دانشجویان از طریق سایت سما و حوزه های مرتبط دانشگاه، اخذ گردید. نمونهگیری به صورت طبقه ای انجام پذیرفت. این مطالعه در شورای پژوهشی دانشگاه به تصویب رسید و کلیه اطلاعات دانشجویان به صورت محرمانه بررسیشد. برای تجزیه و تحلیل از نرم افزارهای stata و spss استفاده شد. یافته ها: در رگرسیون های پواسنی و دوجمله ای منفی با انباشتگی در صفر و برای متغیر وابسته تعداد ترم های مشروطی، معدل دانشجویان در دانشگاه وسهمیه بیشترین نقش را در مدل داشته اند. در مدل های فوق و برای متغیر وابسته تعداد دروس مردودی، معدل دانشگاه، مقاطع کارشناسی و کارشناسیارشد در هر دو مدل حضور داشته و مدلها شامل برخی دیگر از عوامل موثر در تعداد دروس مردودی نیز بوده اند.نتیجه گیری: در رگرسیونهای تعداد ترمهای مشروطی، معدل و سهمیه نقش مهمی دارند به طوریکه افزایش معدل باعث کاهش تعداد ترم های مشروطیمیشود. همچنین تغییر از سایر سهمیه ها به سهمیه مناطق (آزاد) باعث کاهش تعداد ترمهای مشروطی میگردد. در رگرسیونها ی تعداد دروس مردودی،معدل در هر دو مدل نقش مهمی دارد و افزایش آن باعث کاهش تعداد دروس مردودی میشود. همچنین مقاطع کارشناسی و وکارشناسی ارشد نیز باعثکاهش تعداد دروس مردودی می گردند.

The Poisson and negative binomial regression models with zero-inflated count: An application to educational data

Background: Investigation through the number of failed courses and semesters in medical students is a method for assessing students rsquo; performance. Since these amounts have a zero inflated (ZI) value in most students, use of Poisson and negative binomial distributions with ZI, in which can model count data to find the associated factors and estimate the parameters, is recommended.Methods: This crosssectional study was performed between 2008 and 2009 in Iran University of Medical Sciences (IUMS) on 670 sample students who were selected using stratified sampling. The educational and demographic data was collected from University site and related resources. The study was approved in the IUMS Research Council and Board of Ethics and accordingly the students rsquo; data was investigated confidentially. For data analysis SPSS and Stata softwares were used.Results: Up to Poisson regression and negative binomial distributions with ZI for dependent variables of the number of failed semesters, students rsquo; total averages and the enrolment quota had the most roles in the model. Dependent variables of the number of failed course, total average and undergraduate and master levels had the most effect in both models. Conclusion: In ZI regression model for the number of failed semester, the total average and enrolment quota type have important roles so that increasing the average yields the decreasing of the number of failed semester. Moreover, moving from the other quota types to openforall enrolment quota yields a decrease in the number of failed semesters. In regressions with the number of failed courses, the average has an important effect to both models and its increase yields a decrease of the number of failed courses. Also, the undergraduate and master levels cause a decrease in the number of failed courses.