these locations, including rural in

these locations, including rural intersections, rural local roadways
and rural non-interstate highways.
Among all the techniques applied in traffic safety analyses, generalized
regression models are the major type utilized to formulate
the nature of crash occurrences and injury outcomes. Existing models
consider injury severity as a binary-response variable, such as no
injury versus injury or no/slight injury versus severe injury/death,
and binary logit or probit models are typically applied. Due to the
ordinal nature of crash injury severities, ordinal-response models
have been increasingly used in traffic safety analyses (Bhat and
Eluru, 2009; Bhat et al., 2014; Eluru and Bhat, 2007; Eluru, 2013;
Eluru et al., 2008; Li et al., 2012; Yasmin et al., 2015, 2014a,b; Ye
and Lord, 2014). For instance, Yasmin et al.(2014a,b) utilized a generalized
ordered logit model with latent segmentation variables to
investigate heterogeneous factors and their respective impacts on
driver injury severity outcomes.With a mixed generalized orderedresponse
model, Eluru et al. (2008) assessed the injury severity
patterns of pedestrians and bicyclists in traffic crashes. They concluded
that individual age, roadway speed limit, crash location and
crash time are the most important factors related to these nonmotorist
injury severity outcomes.
Traffic crash data are generally organized in a hierarchical structure,
as illustrated by Huang and Abdel-Aty (2010). Hierarchical
models are able to capture these structural features expressed
as between-crash or between-segment variance and outperform
generalized logit or probit models. Different from conventional
frequency-based estimation methods, Bayesian inference method
is able to utilize extra knowledge regarding the research topic
besides the studied dataset, such as historical patterns regarding
a target type of crashes, as the informative prior for the posterior
estimation on the parameters of interest, and is increasing
its popularity in traffic safety studies (Yu and Abdel-Aty, 2013).
Moreover, due to the limited availability of accurate prior information,
Bayesian non-informative priors are widely accepted in a
significant amount of studies (Deublein et al., 2013; Haque et al.,
2010; Huang et al., 2008; MacNab, 2003; Xie et al., 2013; Yu
and Abdel-Aty, 2014), and it provided at least compatible performance
in model fit and parameter estimation, even though these
settings compromises the merit of Bayesian inference method to
some extent. For example, Haque et al. (2010) investigated the risk
factors for motorcycle-related crashes at intersections using hierarchical
Bayesian Poisson models. Deublein et al. (2013) presented
a hierarchical Bayesian approach for road accident prediction by
incorporating gamma distribution, multivariate Poisson-lognormal
regression and Bayesian inference together.
The significant loss in rural non-interstate traffic crashes justi-
fies theneedfor a comprehensive examinationofthe injury severity
patterns and the risk factors related to injury severity outcomes
in these crashes. Ordered-response model design is able to capture
the ordinal nature of crash injury severities, and hierarchical
model structure is capable of simulating the variance among different
crashes as well as capturing the correlations among vehicles
in the same crash. This paper applies a hierarchical ordered logit
model to examine the contributing factors on driver injury severity
outcomes in rural non-interstate crashes based on two-year crash
data in New Mexico from 2010 to 2011. According to the standard
police report, driver injury severity was recorded as a five-level outcome:
no injury, compliant of injury/possible injury, visible injury,
incapacitating injury anddeath.AnFBinferencemethod was implemented
for parameter estimation, and Bayesian non-informative
prior was used for parameter posterior estimation. The significant
attributes were retained and redundant ones were removed based
on 95% BCI. An ordinary ordered logit model was utilized to analyze
the same datasetformodel performance comparison purposes.
The rest of this paper is organized as follows: the next section
presents a comprehensive and in-depth literature review regarding

ผลลัพธ์ (ไทย) 1:

สถาน รวมทั้งแยกชนบท ชนบทท้องถิ่นภูเขาและทางหลวงระหว่างรัฐที่ไม่ใช่ชนบทระหว่างเทคนิคทั้งหมดที่ใช้ในการวิเคราะห์การจราจรความปลอดภัย ทั่วไปรุ่นถดถอยจะนำมาใช้เพื่อกำหนดชนิดหลักธรรมชาติของการเกิดความผิดพลาดและผลที่ได้รับบาดเจ็บ รุ่นที่มีอยู่พิจารณาความรุนแรงการบาดเจ็บที่เป็นตัวแปรตอบสนองที่ไบนารี เช่นไม่มีบาดเจ็บและการบาดเจ็บหรือบาดเจ็บไม่เทียบเล็กน้อยเมื่อเทียบกับการบาดเจ็บรุนแรง/ตายและโดยทั่วไปจะใช้ binary logit หรือแบบจำลอง probit เนื่องจากการลำดับลักษณะของ severities ล้มบาดเจ็บ การตอบสนองลำดับรุ่นมีการใช้มากขึ้นในการจราจรความปลอดภัยวิเคราะห์ (ผัด และEluru, 2009 ผัด et al. 2014 Eluru และผัด 2007 Eluru, 2013Eluru et al. 2008 Li et al. 2012 Yasmin et al. 2015, 2014a, b Yeและพระ เจ้า 2014) เช่น Yasmin et al.(2014a,b) ใช้แบบทั่วไปแบบจำลอง logit สั่ง ด้วยตัวแปรแฝงแบ่งตรวจสอบปัจจัยที่แตกต่างกันและผลกระทบที่เกี่ยวข้องในคนขับบาดเจ็บความรุนแรงผลลัพธ์ ด้วยการผสมทั่วไป orderedresponseนางแบบ Eluru et al. (2008) ประเมินความรุนแรงการบาดเจ็บรูปแบบของคนเดินเท้าและบิดในปัญหาการจราจร พวกเขาได้ข้อสรุปแต่ละยุค ถนนจำกัดความเร็ว มีปัญหาสถานที่ และเวลาผิดพลาดเป็นปัจจัยสำคัญที่เกี่ยวข้องกับ nonmotorist เหล่านี้บาดเจ็บความรุนแรงผลลัพธ์ข้อมูลความล้มเหลวของการจราจรโดยทั่วไปจัดระเบียบในโครงสร้างลำดับชั้นตามที่แสดง โดยหวงและ Abdel Aty (2010) ตามลำดับชั้นแบบจำลองจะสามารถจับภาพคุณลักษณะเหล่านี้โครงสร้างซึ่งแสดงเป็นระหว่างความล้มเหลว หรือความแปรปรวนระหว่างกลุ่ม และดีกว่าprobit แบบจำลอง logit ทั่วไป แตกต่างจากทั่วไปวิธีการประเมินตามความถี่ วิธีการอ้างอิงทฤษฎีสามารถใช้ความรู้เพิ่มเติมเกี่ยวกับหัวข้อวิจัยนอกจากชุดข้อมูลศึกษา เช่นรูปแบบทางประวัติศาสตร์เกี่ยวกับชนิดเป้าหมายของการล้มเหลว เป็นข้อมูลก่อนสำหรับหลังการประมาณพารามิเตอร์ที่น่าสนใจ และจะเพิ่มขึ้นความนิยมในการศึกษาความปลอดภัยการจราจร (Yu และ Abdel Aty, 2013)นอกจากนี้ เนื่องจากความจำกัดของข้อมูลที่ถูกต้องก่อนทฤษฎี priors-ข้อมูลได้รับการยอมรับอย่างกว้างขวางในการสมควรศึกษา (Deublein et al. 2013 Haque et al.,2010 Huang et al. 2008 MacNab, 2003 Xie et al. 2013 ยูและ Abdel Aty, 2014), และข้อมูลประสิทธิภาพการทำงานเข้ากันได้น้อยในรุ่นพอดีและพารามิเตอร์การประเมิน แม้ว่าเหล่านี้การตั้งค่าการลดระดับในเรื่องวิธีการอนุมานทฤษฎีเพื่อจะทำบุญมีขอบเขต ตัวอย่างเช่น Haque et al. (2010) ตรวจสอบความเสี่ยงปัจจัยที่เกี่ยวข้องกับรถจักรยานยนต์ล้มเหลวที่แยกใช้ตามลำดับชั้นรูปแบบจำลองทฤษฎี Poisson Deublein et al. (2013) นำเสนอวิธีการทฤษฎีลำดับชั้นสำหรับการคาดการณ์อุบัติเหตุถนนโดยอีกทั้งยังมีการแจกแจงแกมมา Poisson lognormal ตัวแปรพหุถดถอยและการอ้างอิงทฤษฎีโดดการสูญเสียที่สำคัญในชนบทไม่ใช่ interstate จราจรขัดข้องถึง-theneedfor fies ความครอบคลุม examinationofthe บาดเจ็บรุนแรงรูปแบบและปัจจัยที่เกี่ยวข้องกับการบาดเจ็บความรุนแรงผลลัพธ์ในปัญหาเหล่านี้ ออกแบบตอบสนองคำสั่งคือสามารถจับภาพลักษณะลำดับล้มบาดเจ็บ severities และตามลำดับชั้นโครงสร้างจำลองมีความสามารถในการจำลองความแปรปรวนแตกต่างกันระหว่างล้มเหลวเช่นเดียวกับการจับความสัมพันธ์ระหว่างยานพาหนะในความผิดพลาดเดียวกัน กระดาษนี้ใช้ลำดับชั้นการสั่ง logitรูปแบบการตรวจสอบปัจจัยขับบาดเจ็บรุนแรงผลในล้มเหลวไม่ใช่รัฐชนบทอิงความล้มเหลว 2 ปีข้อมูลในนิวเม็กซิโกจาก 2010 ถึง 2011 ตามมาตรฐานบันทึกรายงานของตำรวจ คนขับบาดเจ็บรุนแรงเป็นผลห้าระดับ:ไม่ได้รับบาดเจ็บ บาดเจ็บเทียบได้บาดเจ็บ บาดเจ็บที่มองเห็นได้ ตามทำ anddeath ได้รับบาดเจ็บ AnFBinferencemethod ถูกนำมาใช้สำหรับการประมาณค่าพารามิเตอร์ และทฤษฎีข้อมูลก่อนใช้สำหรับพารามิเตอร์การประเมินหลัง สำคัญแอตทริบิวต์ที่ถูกเก็บไว้ และคนที่ซ้ำซ้อนออกตาม95% บีซีไอ ใช้การวิเคราะห์แบบจำลอง logit สั่งธรรมดาdatasetformodel ประสิทธิภาพการทำงานเปรียบเทียบการส่วนเหลือของเอกสารนี้ถูกจัดเป็นดังนี้: ส่วนถัดไปนำเสนอการทบทวนวรรณกรรมเชิงลึก และครอบคลุมเกี่ยวกับ

ผลลัพธ์ (ไทย) 2:

สถานที่เหล่านี้รวมถึงทางแยกชนบทรบในท้องถิ่นชนบท
และทางหลวงที่ไม่ใช่รัฐชนบท.
ท่ามกลางเทคนิคทั้งหมดนำมาใช้ในความปลอดภัยการจราจรวิเคราะห์ทั่วไป
รุ่นถดถอยเป็นประเภทที่สำคัญที่ใช้ในการกำหนด
ลักษณะของความผิดพลาดที่เกิดขึ้นและผลที่ได้รับบาดเจ็บ โมเดลที่มีอยู่
พิจารณาความรุนแรงของการบาดเจ็บเป็นตัวแปรไบนารีการตอบสนองเช่นไม่
ได้รับบาดเจ็บเมื่อเทียบกับการบาดเจ็บหรือไม่ / ได้รับบาดเจ็บเล็กน้อยเมื่อเทียบกับการได้รับบาดเจ็บอย่างรุนแรง / ความตาย
และ logit หรือ probit ไบนารีแบบจำลองจะนำไปใช้โดยทั่วไป เนื่องจากการ
ธรรมชาติลำดับความรุนแรงของการบาดเจ็บความผิดพลาดแบบจำลองลำดับการตอบสนอง
ได้ถูกนำมาใช้มากขึ้นในการวิเคราะห์ความปลอดภัยการจราจร (Bhat และ
Eluru 2009; Bhat et al, 2014;. Eluru และ Bhat 2007; Eluru, 2013;
Eluru et al, 2008; Li et al, 2012;.. Yasmin et al, 2015, 2014a, B ท่านทั้งหลาย
และลอร์ด 2014) ยกตัวอย่างเช่น Yasmin et al. (2014a ข) นำมาใช้ทั่วไป
รุ่น logit สั่งซื้อกับตัวแปรแฝงการแบ่งกลุ่มเพื่อ
ศึกษาปัจจัยที่แตกต่างกันและผลกระทบของตนเกี่ยวกับ
การบาดเจ็บรุนแรงไดรเวอร์ outcomes.With ผสม orderedresponse ทั่วไป
รุ่น Eluru et al, (2008) การประเมินการบาดเจ็บรุนแรง
รูปแบบของการเดินเท้าและบิดในการเกิดปัญหาการจราจร พวกเขาสรุป
ว่าอายุของแต่ละบุคคลถนน จำกัด ความเร็วที่ตั้งของความผิดพลาดและ
เวลาที่เกิดความผิดพลาดเป็นปัจจัยที่สำคัญที่สุดที่เกี่ยวข้องกับเหล่า nonmotorist
ผลลัพธ์ที่ได้รับบาดเจ็บรุนแรง.
ข้อมูลความผิดพลาดของการจราจรที่มีการจัดโดยทั่วไปในโครงสร้างลำดับชั้น
เป็นที่แสดงโดยหวางและ Abdel-กิน (2010) . ลำดับชั้น
รุ่นมีความสามารถในการจับภาพลักษณะโครงสร้างเหล่านี้แสดง
ระหว่างความผิดพลาดหรือความแปรปรวนระหว่างเซ็กเมนต์และประสิทธิภาพสูงกว่า
ทั่วไป logit หรือ probit รุ่น ที่แตกต่างจากเดิม
วิธีการประมาณค่าความถี่ที่ใช้วิธีการอนุมานแบบเบย์
จะสามารถใช้ความรู้เป็นพิเศษเกี่ยวกับเรื่องการวิจัย
นอกเหนือจากชุดข้อมูลที่ศึกษาเช่นรูปแบบทางประวัติศาสตร์เกี่ยวกับ
ประเภทเป้าหมายของการเกิดปัญหาเป็นข้อมูลก่อนสำหรับหลัง
การประมาณค่าพารามิเตอร์ของ ดอกเบี้ยและจะเพิ่ม
ความนิยมในการศึกษาความปลอดภัยการจราจร (Yu และ Abdel-กิน, 2013).
นอกจากนี้เนื่องจากมีจำนวน จำกัด ของข้อมูลก่อนที่ถูกต้อง
ไพรเออร์ที่ไม่แสดงข้อมูลแบบเบย์ได้รับการยอมรับกันอย่างแพร่หลายใน
จำนวนเงินที่สำคัญของการศึกษา (Deublein et อัล, 2013;. แฮกค์, et al.,
2010; Huang et al, 2008;. MacNab 2003; Xie, et al, 2013;. Yu
และ Abdel-กิน 2014) และจัดให้มีประสิทธิภาพการทำงานที่เข้ากันได้อย่างน้อย
ในรูปแบบพอดีและ ประมาณค่าพารามิเตอร์แม้ว่าเหล่านี้
การตั้งค่าบั่นทอนบุญของวิธีการอนุมานแบบเบย์ไป
บางส่วน ยกตัวอย่างเช่นแฮกค์, et al (2010) การตรวจสอบความเสี่ยง
ปัจจัยการเกิดปัญหาที่เกี่ยวข้องกับรถจักรยานยนต์ที่แยกโดยใช้ลำดับชั้น
รุ่นคชกรรม Poisson Deublein et al, (2013) นำเสนอ
วิธีการคชกรรมลำดับชั้นในการทำนายการเกิดอุบัติเหตุบนท้องถนนโดยการ
ผสมผสานการกระจายแกมมาหลายตัวแปร Poisson-lognormal
ถดถอยและการอนุมานแบบเบย์ร่วมกัน.
การสูญเสียอย่างมีนัยสำคัญในการจราจรที่ไม่ใช่รัฐชนบทเกิดปัญหา justi-
FIES theneedfor ครอบคลุมความรุนแรงได้รับบาดเจ็บ examinationofthe
รูปแบบและความเสี่ยง ปัจจัยที่เกี่ยวข้องกับผลความรุนแรงได้รับบาดเจ็บ
ในอุบัติเหตุเหล่านี้ การออกแบบรูปแบบคำสั่งให้การตอบสนองความสามารถในการจับภาพ
ธรรมชาติลำดับความรุนแรงของการบาดเจ็บที่เกิดความผิดพลาดและลำดับชั้น
โครงสร้างรูปแบบมีความสามารถในการจำลองความแปรปรวนในหมู่ที่แตกต่างกัน
การเกิดปัญหาเช่นเดียวกับการจับภาพความสัมพันธ์ระหว่างยานพาหนะ
ในการแข่งขันเดียวกัน กระดาษนี้ใช้ลำดับชั้นได้รับคำสั่ง logit
รูปแบบการตรวจสอบปัจจัยที่มีผลกับความรุนแรงได้รับบาดเจ็บคนขับ
ผลลัพธ์ในอุบัติเหตุที่ไม่ใช่รัฐชนบทอยู่บนพื้นฐานของความผิดพลาดสองปี
ข้อมูลใหม่ในเม็กซิโกจากปี 2010 ถึงปี 2011 ตามมาตรฐานการ
รายงานของตำรวจได้รับบาดเจ็บคนขับเป็นความรุนแรง บันทึกเป็นผลระดับห้า:
ได้รับบาดเจ็บไม่สอดคล้องของการบาดเจ็บ / ได้รับบาดเจ็บไปได้รับบาดเจ็บที่มองเห็น
ทุพพลภาพได้รับบาดเจ็บ anddeath.AnFBinferencemethod ถูกนำมาใช้
สำหรับการประมาณค่าพารามิเตอร์และคชกรรมไม่ใช่ข้อมูล
ก่อนหน้านี้ถูกใช้สำหรับการประมาณค่าพารามิเตอร์หลัง ที่สำคัญ
คุณลักษณะที่ถูกเก็บไว้และคนที่ซ้ำซ้อนถูกถอดออกตาม
95% BCI สามัญรุ่น logit สั่งซื้อมาใช้ในการวิเคราะห์
. เพื่อเปรียบเทียบประสิทธิภาพ datasetformodel เดียว
ส่วนที่เหลือของบทความนี้จะจัดดังนี้ส่วนถัดไป
ที่มีการทบทวนวรรณกรรมที่ครอบคลุมและในเชิงลึกเกี่ยวกับการ

ผลลัพธ์ (ไทย) 3:

สถานที่เหล่านี้รวมถึงทางแยกถนนท้องถิ่นชนบท , ชนบทและชนบทบนทางหลวง .ในบรรดาเทคนิคทั้งหมดที่ใช้ในการวิเคราะห์ความปลอดภัยการจราจรทั่วไปตัวแบบการถดถอยเป็นหลักชนิดที่ใช้เพื่อกำหนดธรรมชาติของการเกิดอุบัติเหตุได้รับบาดเจ็บ รุ่นที่มีอยู่พิจารณาความรุนแรงของการบาดเจ็บเป็นตัวแปรตอบสนองแบบ Binary เช่นไม่มีการบาดเจ็บและการบาดเจ็บหรือการบาดเจ็บและการเสียชีวิต บาดเจ็บเล็กน้อยไม่ / / รุนแรงและแบบจำลองโลจิตแบบไบนารีหรือตัวมักจะใช้ เนื่องจากการธรรมชาติของการบาดเจ็บล้มเหลว . severities โมเดลการตอบสนอง .มีการใช้มากขึ้นในการวิเคราะห์ความปลอดภัยการจราจร ( ภัต และeluru , 2009 ; ภัต et al . , 2014 ; และ eluru ภัต , 2007 ; eluru 2013 ;eluru et al . , 2008 ; Li et al . , 2012 ; Yasmin et al . , 2015 , 2014a , B ; เยและลอร์ด 2014 ) ตัวอย่างเช่น , Yasmin et al . ( 2014a , B ) ใช้ทั่วไปการสั่ง Logit กับตัวแปรแฝงศึกษาปัจจัยและผลกระทบต่อบริษัทของตนคนขับรถบาดเจ็บ ความรุนแรง ผล กับ orderedresponse ผสมทั่วไปรูปแบบ eluru et al . ( 2008 ) ประเมินความรุนแรงของการบาดเจ็บรูปแบบของคนเดินเท้าและ bicyclists ในเกิดปัญหาการจราจร เขาสรุปแต่ละคน อายุ สถานที่ และถนนจำกัดความเร็ว , ชนเวลาชน เป็นปัจจัยที่สำคัญที่สุดที่เกี่ยวข้องกับการเหล่านี้ nonmotoristบาดเจ็บความรุนแรงของผลลัพธ์ข้อมูลความผิดพลาดการจราจรโดยทั่วไปจะจัดอยู่ในลำดับชั้นโครงสร้าง ,ที่แสดงโดย หวง และเดล aty ( 2010 ) ลำดับชั้นรุ่นที่สามารถจับภาพลักษณะโครงสร้างเหล่านี้แสดงระหว่างชน หรือระหว่างกลุ่มและแสดงความแบบจำลองโลจิตแบบทั่วไป หรือโปร . แตกต่างจากปกติความถี่ที่ใช้วิธีการประมาณ วิธีการอนุมานแบบเบย์สามารถใช้ความรู้พิเศษในเรื่องการวิจัยนอกจากนี้ได้ศึกษาข้อมูลทางประวัติศาสตร์เกี่ยวกับ เช่น รูปแบบเป้าหมายชนิดของปัญหา เป็นข้อมูลล่วงหน้าก่อน หลังการประมาณค่าในพารามิเตอร์ของดอกเบี้ย และเพิ่มของความนิยมในการศึกษาความปลอดภัยการจราจร ( ยูและเดล aty 2013 )นอกจากนี้ เนื่องจากการใช้ จำกัด ของข้อมูลที่ถูกต้องก่อนข้อมูลแบบไม่เริ่มได้รับการยอมรับอย่างกว้างขวางในจำนวนเงินที่สำคัญของการศึกษา ( deublein et al . , 2013 ; Haque et al . ,2010 ; Huang et al . , 2008 ; เมิ่กแน็บ , 2003 ; เซี่ย et al . , 2013 ; ยูแล้วเดล aty 2014 ) และจะให้อย่างน้อยเข้ากันได้ประสิทธิภาพในแบบรูปแบบและการประมาณค่าพารามิเตอร์ , แม้ว่า เหล่านี้การตั้งค่าการบุญของวิธีการอนุมานแบบเบย์เพื่อขอบเขต ตัวอย่างเช่น Haque et al . ( 2010 ) ตรวจสอบความเสี่ยงปัจจัยที่เกี่ยวข้องกับการเกิดปัญหารถจักรยานยนต์บริเวณทางแยกระดับลดหลั่นรูปแบบปัวซอคชกรรม . deublein et al . ( 1 ) เสนอเป็นชุดคชกรรมวิธีการทำนายอุบัติเหตุทางถนนผสมผสานการแจกแจงแกมมา , หลายตัวแปรแบบปัวส์ซองการถดถอยและการอนุมานแบบเบย์ด้วยกันการสูญเสียที่สำคัญในชนบท เกิดปัญหาการจราจรบนทางหลวงเชียงราย -fies theneedfor ครอบคลุม examinationofthe ความรุนแรงของการบาดเจ็บรูปแบบและปัจจัยที่เกี่ยวข้องกับความรุนแรงของการบาดเจ็บ ผลในปัญหาเหล่านี้ ที่สั่งออกแบบรูปแบบการตอบสนองสามารถจับภาพลักษณะสำคัญของ severities การบาดเจ็บความผิดพลาดและลำดับชั้นแบบโครงสร้างสามารถจำลองความแปรปรวนในที่แตกต่างกันเกิดปัญหาเช่นเดียวกับการจับความสัมพันธ์ระหว่างยานพาหนะในอุบัติเหตุครั้งนั้นด้วย บทความนี้ใช้กับการสั่งโลจิทแบบจำลองเพื่อศึกษาปัจจัยที่เอื้อต่อความรุนแรงของการบาดเจ็บไดร์เวอร์ผลที่เกิดขึ้นในชนบท ไม่เกิดปัญหาจากความผิดพลาดสองรัฐข้อมูลใหม่ในเม็กซิโกจาก 2010 2011 ตามมาตรฐานรายงานของตำรวจ คนขับบาดเจ็บ ความรุนแรงที่ถูกบันทึกไว้เป็นห้าระดับผลลัพธ์ :ไม่มีการบาดเจ็บ กับบาดเจ็บ การบาดเจ็บที่เป็นไปได้ปรากฏบาดแผลการไร้ความสามารถ anddeath.anfbinferencemethod มีอาการบาดเจ็บการประมาณค่าพารามิเตอร์และแบบไม่มีข้อมูลก่อนใช้พารามิเตอร์ของการประมาณค่า อย่างมีนัยสำคัญทางสถิติที่ระดับ .คุณลักษณะและถูกเก็บไว้ที่ถูกถอดออกจากแทนใน 95% BCI . ปกติสั่ง Logit ถูกนำมาใช้เพื่อวิเคราะห์datasetformodel เดียวกันการเปรียบเทียบวัตถุประสงค์ส่วนที่เหลือของบทความนี้คือการจัด ดังนี้ ในส่วนถัดไปได้นำเสนอครอบคลุมและในเชิงลึกเกี่ยวกับการทบทวนวรรณกรรม