الفهرس 
longitudinal dataOnly 14 pages are availabe for public view
 |  | from | 135 |  |  |
| | | from | 135 | | |
Abstract
استخدمت البيانات الطولية حيث توجد بعض المشاهدات المفقودة بشكل واسع خلال العشرين عاماً السابقة. فتستخدم البيانات الطولية فى مجالات الصحة العامة، المجالات الطبية و المجالات البيولوجية.تتناول الرسالة البحوث الطولية الخاصة بتتبع أفراد العينة عبر فترات زمنية متعددة بهدف التعرف على التغير الذي يطرأ على هذه الظاهرة. إلا أنها تعاني كثيرا من وجود بعض البيانات المفقودة. حيث ظهرت الحاجة في البيانات الطولية غير كاملة (المفقودة) إلى إيجاد طرق للتعامل مع مثل هذه البيانات. فالبيانات المفقودة لها نمطان: نمط الفقد المتقطع و نمط الفقد المستمر.
كما أن آليات الفقد هى الفقد التام العشوائى، الفقد العشوائى، و الفقد غير العشوائى. و يعتمد أسلوب التحليل بشكل كبير على نمط و آلية البيانات المفقودة. فهناك العديد من أساليب التحليل للبيانات الطولية. والفقد فى البيانات ينتج عنه حدوث تحيز و تعقيد فى تحليل البيانات وخاصة في البيانات الطولية وتهتم الدراسة بنمط محدد من الفقد وهو الفقد المستمر الذي يحدث عند الانسحاب من الدراسة نهائيا ويكون مرتبطا بقيمة البيانات. فهناك العديد من الطرق التى ظهرت فى السنوات الاخيرة. فاستخدام الباحث طرقاً يتم بها علاج فقد البيانات وهى طرق الحذف وخاصة طريقة حذف الحالة الكاملة، وطرق التقدير فتناول الباحث طريقة دالة الامكان الأكبر ”Jennrich and Schuchter Algorithm” وذلك لإيجاد تقدير المعلمات, وهناك طرق التعويض المنفردة وتم تناول طريقة آخر قيمة ملحوظة وطريقة التعويض المتعددة.
فالطرق المطروحة طريقة تقوم بحذف الحالة الكاملة وطريقة تقوم بالتقدير و طريقة التعويض عن البيانات المفقودة بقيمة واحدة مثل: طريقة التعويض بقيمة واحدة، وأيضا طريقة التعويض عن البيانات المفقودة بأكثر من قيمة وهى طريقة التعويض المتعددة (التعويض بقيم متعددة) وذلك لايجاد تقدير للمعلمات محل الاهتمام فى حالة البيانات المفقودة فقداناً مستمراً.
و تم اختبار أداء الطرق المقترحة عن طريق استخدام طريقة المحاكاة، و أيضا تم تطبيق طريقة التقدير و طريقة الإسناد المقترحة على بيانات واقعية كما تم استخدام طريقة فى حساب الانحراف المعياري للمعلمات.المقدرة والمسماه بطريقة اختبار ”Method Jack-Knife” لإختبار كفاءة الطرق المقترحة.