روش اسپلاين هاي رگرسيوني تطبيقي چندگانه (MARS) با پاسخ هاي فازي و كاربرد آن در پزشكي اجتماعي

Multiple Adaptive Regression Spins (MARS) With Fuzzy Responses and Its Application in Social Medicine

در اين مقاله ابتدا رگرسيون اسپلاين تطبيقي چند گانه (MARS) را در حالتي كه متغيرهاي پاسخ، فازي هستند معرفي مي كنيم. سپس مدل MARS را روي داده هاي جمع آوري شده پياده ميكنيم و نتايج به دست آمده را با روش كمترين مربعات خطا مقايسه ميكنيم. براي مطالعه ارتباط بين آگاهي افراد درباره بيماري هاي سرطان و سطح اجتماعي و اقتصادي افراد به كار مي بريم. در اين مطالعه دانش افراد درباره سرطان به صورت متغيرهاي فازي بيان شده است. نتايج به دست امده را با يكي از رايج ترين روش هاي رگرسيون فازي مقايسه مي كنيم كه حاكي از برتري مدل MARS است.

In this paper, we first introduce multiple adaptive spline regression (MARS) in which the response variables are fuzzy. Then we implement the MARS model on the collected data and compare the results with the least squares error method. We use it to study the relationship between people's awareness of cancer and their socioeconomic status. In this study, people's knowledge about cancer is expressed as fuzzy variables. We compare the results with one of the most common fuzzy regression methods, which indicates the superiority of the MARS model