شناساپذیری در مدل های خطی تعمیم یافته با اثرهای تصادفی

شناساپذیری یکی از ویژگی های لازم برای کفایت یک مدل آماری است. وقتی مدلی شناساپذیر نباشد، با هیچ اندازه ای از نمونه، نمی توان پارامتر حقیقی مدل را تعیین کرد. در این مقاله، مروری بر مفهوم مشهور شناساپذیری و ویژگی های آن شده است. به علاوه از آن جایی که مشکل شناساناپذیری در مدل های خطی تعمیم یافته با اثرهای تصادفی بسیار رایج است، تمرکز اصلی ما بر روی این گونه از مدل ها بوده است. از سوی دیگر، معمولا نرم افزارهای آماری، بعد از برازش مدل شناساناپذیر در آن ها، اشاره ای به این مساله نکرده و خروجی های غیر معتبر ارائه می دهند. بنابراین یافتن راهی برای بررسی شناساپذیری مدل، قبل از برازش آن، خالی از فایده نخواهد بود. در این راستا، قضایای جدیدی در رابطه با شناساپذیری مدل های خطی تعمیم یافته با اثرهای تصادفی بیان شده است. همچنین برای تشریح سودمندی قضایای مطرح شده، چند مطالعه ی شبیه سازی روی مدل های شناساناپذیر خطی تعمیم یافته و خطی تعمیم یافته با اثرهای تصادفی انجام شده و مشکل های حاصل از برازش آن ها مورد بررسی قرار گرفته است.