İstatisitksel daraltıcı (Shrinkage) model ve uygulamaları
A statistical shrinkage model and its applications
- Tez No: 244314
- Danışmanlar: PROF. DR. FİKRİ AKDENİZ
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: Türkçe
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Bölümü
- Bilim Dalı: İstatistik Ana Bilim Dalı
- Sayfa Sayısı: 93
Özet
Bridge Regresyon, koşullu penalty (ceza) fonksiyonu, cezalı regresyonun özel türüdür. Bridge tahmin edicisi; atış metodu ya da düzeltilmiş Newton-Raphson metodu ile cezalı skor denklemlerinin çözülmesi sonucu elde edilir. Bridge tahmin edici, yanlılığı biraz gözden çıkarma ile küçük varyanslar verir ve böylece doğrusal regresyon modelinde mevcut açıklayıcı değişkenler arasında ilişki olduğunda, küçük hata kareler ortalaması ve küçük hata tahmini elde edilir.Cezalandırma kavramı; ortak likelihood fonksiyonlarının oluşuna rağmen, cezalandırmanın uygulanmasını sağlarken, cezalı skor denklemleri ile genelleştirilir. Cezalandırma, genelleştirilmiş lineer modeller (GLM) ve genelleştirilmiş tahmin denklemlerinden (GEE) sonra uygulanır.Ceza parametresi ve düzen (ayar) parametresi ; genelleştirilmiş çapraz geçerlilik testi (GCV) ile seçilir. Yarı-GCV; cezalı genelleştirilmiş tahmin denklemleri için parametre seçmeye geliştirilir.
Özet (Çeviri)
Bridge regression, a special type of penalized regression of a penalty function with is considered. The Bridge estimator is obtained by solving the penalized score equations via the modified Newton-Raphson method or the Shooting method. The Bridge estimator yields small variance with a little sacrifice of bias. And thus achieves small mean squared error and small prediction error when collinearity is present among regressors in a linear regression model.The concept of penalization is generalized via the penalized score equations, which allow the implementation of penalization regardless of the existence of joint likelihood functions. Penalization is then applied to generalized linear models and generalized estimating equations (GEE).The penalty parameter and the tuning parameter are selected via the generalized cross-validation (GCV). A quasi-GCV is developed to select the parameters for the penalized GEE.
Benzer Tezler
- Essays on model averaging and forecasting
Model ortalaması ve tahmin üzerine analizler
HAKAN GÜNEŞ
Doktora
İngilizce
2024
EkonomiOrta Doğu Teknik Üniversitesiİktisat Ana Bilim Dalı
DOÇ. DR. DİLEM YILDIRIM KASAP
- İstatistiksel daraltıcı yöntemlerden ridge regresyon, lasso regresyon ve elastik net regresyonun tahminleme ve sınıflandırma performanslarının karşılaştırılması
Compare of estimation and classification performances of statistical shrinkage methods ridge regression, lasso regression and elastic net regression
GAMZE SEVER
Yüksek Lisans
Türkçe
2021
BiyoistatistikEskişehir Osmangazi ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. FEZAN MUTLU
- Bayburt'a özgü üç farklı Berberis ve Hippophae rhamnoides bitkilerinin biyoaktif bileşiklerinin, biyoaktivitelerinin ve İn Vitro biyoyararlılıklarının belirlenmesi
Determination of bioactive compounds, biyoactivities and In Vitro bioaccessibility of different Berberis and Hippophae rhamnoides plants native to Bayburt
EDA ŞENSU
Yüksek Lisans
Türkçe
2018
Gıda Mühendisliğiİstanbul Teknik ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
PROF. DR. BERAAT ÖZÇELİK
- Nafazolin hidroklorür'ün elektrokimyasal davranışı ve adsorptif sıyırma yöntemiyle tayini
Electrochemical behavior of naphazoline hydrochloride and determination by adsorptive stripping method
TUĞÇE ÇETİNKOL
- Covid-19 pandemisinin finansal oranlar üzerine etkisi: BIST'te bir inceleme
The impact of Covid-19 pandemic on financial ratios: A review at BIST
ŞULE ÖZ
Yüksek Lisans
Türkçe
2022
MaliyeKütahya Dumlupınar ÜniversitesiUluslararası Ticaret Ve Finansman Ana Bilim Dalı
DR. ÖĞR. ÜYESİ FERİT KARAHAN