تحلیل رگرسیون ریج در مدل سازی شاخص توده بدنی (BMI) آتش نشانان با بررسی مشکل هم خطی چندگانه متغیرهای مستقل (مطالعه موردی: سازمان آتش نشانی و خدمات ایمنی شهر مشهد) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
شاخص توده بدنی یا BMI ابزاری برای نشان دادن وضعیت وزن در بالغین است و از معیارهایی است که می توان برای بیان اضافه وزن و چاقی بکار برد. در افراد دارای BMI کمتر از 20 و بیشتر از 30 kg/m² میزان مرگ ومیر به صورت نسبی افزایش می یابد. تحقیق حاضر با هدف بررسی ارتباط خطی بین سه متغیر مستقل سن، قد و وزن و نیز متغیر شاخص توده بدنی آتش نشانان صورت گرفته است. این تحقیق بر مبنای اهداف و ماهیت تحقیق از نوع توصیفی میدانی، بر مبنای روش جمع آوری داده ها از نوع پیمایشی و به لحاظ روش تحلیل داده از نوع مطالعات همبستگی می باشد. جامعه آماری تحقیق آتش نشانان سازمان آتش نشانی و خدمات ایمنی شهرداری مشهد می باشند که 1600 آتش نشان به عنوان نمونه آماری انتخاب گردیدند. داده های لازم در این تحقیق با استفاده از تست های ارزیابی وضعیت جسمانی سالیانه نیروهای آتش نشان در طی سال های 1399 تا 1400 با استفاده از دستگاه تخصصی آنالیز بدن ثبت و جمع آوری گردیده است. جهت تحلیل داده های تحقیق از نرم افزار SPSS و روش های آماری همبستگی پیرسون و رگرسیون چند متغیره استفاده گردید. نتایج تحقیق نشان می دهد که بین سه متغیر مستقل سن، قد و وزن و نیز متغیر وابسته شاخص توده بدنی همبستگی قوی و مستقیم با ضریب 99/0 وجود دارد. با استفاده از نرم افزار SPSS و مدل رگرسیون چندگانه الگویی برای محاسبه شاخص توده بدنی بر اساس متغیرهای مستقل ذکرشده به دست آمد. در نهایت به جهت تائید مدل به دست آمده و بررسی عدم تأثیر مشکل هم خطی متغیرهای مستقل از رگرسیون ریج استفاده گردید و با استفاده از تحلیل رگرسیون ریج نشان داده شد که علیرغم وجود هم خطی شدید بین متغیرهای مستقل، این مشکل هم خطی در برآورد ضرایب مدل رگرسیون چندگانه تأثیری نداشته و ضرایب مدل رگرسیون ریج بسیار نزدیک و برابر با ضرایب رگرسیون چندگانه معمولی به دست آمده است و درنتیجه مدل رگرسیون به دست آمده، مدل مناسب، مورد تائید و کاربردی می باشد.Ridge Regression Analysis in Modeling Body Mass Index (BMI) of Firefighters by Examining the Problem of Multiple Collinearity of Independent Variables (Case Study: Mashhad Fire and Safety Services Organization)
Body mass index (BMI) is a tool for indicating weight status in adults and is one of the criteria that can be used to express overweight and obesity. In people with a BMI of less than 20 and more than 30 kg/m², the mortality rate increases relatively. The present study aimed to investigate the linear relationship between three independent variables: age, height, and weight, as well as the variable of body mass index of firefighters. This study is based on the objectives and nature of the research, a descriptive field study, based on the data collection method of the survey type, and in terms of the data analysis method, a correlation study type. The statistical population of the study is the firefighters of the Fire and Safety Services Organization of Mashhad Municipality, of which 1600 firefighters were selected as a statistical sample. The necessary data in this study were recorded and collected using annual physical condition assessment tests of firefighters during the years 1399 to 1400 using a specialized body analysis device. SPSS software and Pearson correlation and multivariate regression statistical methods were used to analyze the research data. The results of the research show that there is a strong and direct correlation with a coefficient of 0.99 between the three independent variables of age, height and weight and the dependent variable of body mass index. Using SPSS software and the multiple regression model, a model was obtained to calculate body mass index based on the mentioned independent variables. Finally, ridge regression was used to confirm the obtained model and to investigate the lack of effect of the problem of collinearity of the independent variables. Using ridge regression analysis, it was shown that despite the existence of strong collinearity between the independent variables, this problem of collinearity did not affect the estimation of the coefficients of the multiple regression model and the coefficients of the ridge regression model were obtained very close and equal to the coefficients of the ordinary multiple regression. As a result, the obtained regression model is appropriate, approved and applicable.
تبلیغات
