Geri Dön

İki düzeyli lojit ve probit modellerde parametre tahminlerine bayesci bir yaklaşım

A bayesian approach to the parameter estimation in binary logit and probit models

  1. Tez No: 182410
  2. Yazar: DERYA TEKTAŞ
  3. Danışmanlar: PROF.DR. SÜLEYMAN GÜNAY
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonometri, İstatistik, Econometrics, Statistics
  6. Anahtar Kelimeler: İki düzeyli lojit model, iki düzeyli probit model, Albert ve Chibyaklaşımı, gizli veri, veri genişletme algoritması, Gibbs örnekleme algoritması, t bağfonksiyonu, Binary logit model, binary probit model, Albert and Chib?s approach, latentdata, data augmentation algorithm, Gibbs sampling, t link function
  7. Yıl: 2006
  8. Dil: Türkçe
  9. Üniversite: Hacettepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 83

Özet

Bu çalışmada iki düzeyli lojit ve probit modellerde parametre tahminlerini elde etmekiçin Albert ve Chib (1993) tarafından önerilen Bayesci bir yöntem tanıtılmıştır. Bumodellerin klasik çözümlemesinde parametre tahminlerini elde etmek için kullanılanEn Çok Olabilirlik yöntemi genel olarak asimtotik kurama dayandığından küçükörneklemlerde güvenilir tahminler elde edilemeyebilir. Bu durumda örneklembüyüklüğü için bir kısıt gerektirmeyen Bayesci yöntemler tercih edilir.Albert ve Chib (1993) tarafından önerilen yöntemde gizli veri modele eklenir veparametrelerin sonsal dağılımını elde etmek için veri genişletme ile Gibbs örneklemealgoritmasından yararlanılır. İlk olarak probit model için geliştirilen bu yöntem, bağfonksiyonunun t dağılımları ailesi olarak seçilmesiyle genelleştirilebilir. Böylece, bağfonksiyonunun seçimine göre tahminlerin duyarlılıkları karşılaştırılabilir ve verininhangi serbestlik derecesine sahip t dağılımına uyum gösterdiğine karar verilebilir.Bu çalışmada iki düzeyli lojit ve probit modellerde parametre tahminlerini elde etmekiçin, hem En Çok Olabilirlik yöntemi hem de Albert ve Chib (1993) tarafından önerilenBayesci yöntem kullanılmış ve sonuçlar karşılaştırılmıştır. Her iki yöntemle benzersonuçlar elde edildiğinden, küçük örneklemlerde asimtotik özellikleri sağlamayan EnÇok Olabilirlik yöntemi yerine Bayesci yöntemin kullanılmasının daha uygun olduğugösterilmiştir.

Özet (Çeviri)

In this study, Albert and Chib (1993)?s approach which is used to obtain Bayesianestimates of the parameters in logit and probit models is introduced. The classicalapproach constitutes these models by using Maximum Likelihood method andinferences about the models are based on the asymptotic theory so that the classicalconfidence statements may not be accurate for small samples. In this case, Bayesianmethods which don?t have any constraint for sample size are preferred.In Albert and Chib (1993)?s approach, latent data is added to the model after that toobtain posterior distributions of the parameters Gibbs sampling and dataaugmentation algorithms are used. This method which is first introduced for probitmodel can be generalized by choosing the link function to be the family of tdistributions. Thereby, the sensitivity of estimates can be investigated to the choice oflink function and the value of the t degrees of freedom parameter which is bestsupported by the data can be determined.Within the context of this study, to obtain estimates in binary logit and probit models,Maximum Likelihood method and Albert and Chib (1993)?s Bayesian approach areused and the results are compared. Since the results are very similar, it can be saidthat this Bayesian method is preferred to Maximum Likelihood method which does notensure asymptotic theory in small samples.

Benzer Tezler

  1. Logit türel dağılım modeli kalibrasyonu: İstanbul için bir değerlendirme

    Logit modal-split model calibration: An evaluation for İstanbul

    HİLMİ BERK ÇELİKOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2002

    İnşaat Mühendisliğiİstanbul Teknik Üniversitesi

    Ulaştırma Ana Bilim Dalı

    PROF. DR. HALUK GERÇEK

  2. Farklı not sistemlerinde öğrencinin başarılı olma olasılığının probit regresyon analiziyle değerlendirilmesi

    The Evaluation of the probability of the academic achivement by using probit regresion analysis in different achivement evaluation system

    ÖZLEM ÖZARICI

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    İstatistikEskişehir Osmangazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF.DR. NECLA ÇÖMLEKÇİ

  3. İstatistiksel çalışmalarda probit analizi ve uygulama alanları

    Probit analysis and application fields in statistical studies

    AYKUT ALP

    Yüksek Lisans

    Türkçe

    Türkçe

    2007

    BiyoistatistikDicle Üniversitesi

    Matematik Ana Bilim Dalı

    PROF.DR. SEZAİ OĞRAŞ

    YRD. DOÇ. DR. ERSİN UYSAL

  4. Belirli ölçütlere göre iki düzeyli lojit ve probit modellerin karşılaştırılması

    Comparison of binary logit and probit models based on specific criteria

    SELEN ÇAKMAKYAPAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    İstatistikMuğla Üniversitesi

    İstatistik Ana Bilim Dalı

    YRD. DOÇ. DR. ATİLLA GÖKTAŞ

  5. Nitel verilerin analizinde lojit ve probit modeller

    Logit and probit models in the analysis of qualitative data

    ÖZGE UÇAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    İstatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF.DR. HÜSEYİN TATLIDİL