Geri Dön

Değişen varyanslı ve otokorelasyonlu hataya sahip lineer regresyon modellerinde hata yapılarının ve yanlı tahmin edicilerin incelenmesi

Investigating the structure of the error terms and biased estimators in the linear regression models with heteroscedastic and autocorrelated errors

  1. Tez No: 283277
  2. Yazar: TUĞBA SÖKÜT
  3. Danışmanlar: DOÇ. DR. MAHMUDE REVAN ÖZKALE
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 130

Özet

Çoklu lineer regresyon modelinde hatalara ve açıklayıcı değişkenlere ilişkin varsayımlar sağlanmadığı zaman en küçük kareler uygun bir tahmin edici olmamaktadır. Bu çalışmada, hatalara ilişkin varsayımların sağlanmamasına neden olan değişen varyans ve otokorelasyon tanıtılmış, bunların belirlenmesine ilişkin testler verilmiş ve hata yapıları incelenmiştir. Açıklayıcı değişkenlerin bağımsızlığının ihlali olarak adlandırılan çoklu iç ilişki problemi değişen varyans / otokorelasyon altında incelenmiştir. Hem değişen varyans / otokorelasyon hemde çoklu ilişki problemleri aynı anda meydana geldiğinde kullanabilecek genelleştirilmiş en küçük kareler tahmin ediciye alternatif tahmin ediciler tanıtılmıştır ve bu tahmin edicilerin performansları hata kareler ortalaması ve yanlılıkları göz önünde bulundurularak değerlendirilmiştir. Bu amaç için nümerik bir örnek ve Monte Carlo yöntemi ile simülasyon çalışmaları Matlab programı yardımıyla yapılmıştır

Özet (Çeviri)

When the assumptions on the errors and explanatory variables in the linear regression model are not satisfied ordinary least squares estimator is not a suitable estimator. In this study heteroskedasticity and autocorrelation which violate these assumptions about the errors are introduced, test are given for determining them and the error structure are examined. Multicollinearity problem see when the explanatory variables are not independent is considered under the heteroskedasticity and autocorrelation. When both heteroscedasticity /autocorrelation and multicollinearity come true together, alternative estimators to generalized least squares estimator are introduced and the performance of these estimators are considered under the mean squared error and the bias criteria. These theoritical results are illustrated in a numerical example and a Monte Carlo simulations study by using Matlab program.

Benzer Tezler

  1. Genel lineer istatistiksel modelde yanlı tahmin ediciler ve tanılama metotları

    Biased estimators and diagnostic methods in general linear statistical model

    TUĞBA SÖKÜT AÇAR

    Doktora

    Türkçe

    Türkçe

    2016

    İstatistikÇukurova Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MAHMUDE REVAN ÖZKALE

  2. Türkiye'de bankacılık sektörünün finansal performansının belirleyicileri

    Determinants of financial performance of the banking sector in Turkey

    OZAN ÖZDEMİR

    Doktora

    Türkçe

    Türkçe

    2019

    BankacılıkBeykent Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. TURGUT ÖZKAN

  3. Otokorelasyonlu hataların varlığında doğrusal olmayan regresyon

    Nonlinear regression in the presence of autocorrelated disturbances

    BARIŞ AŞIKGİL

    Doktora

    Türkçe

    Türkçe

    2009

    İstatistikMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. AYDIN ERAR

  4. Yanlı tahmin ediciler ve ekonometride uygulamaları

    Biased estimators and their applications in econometrics

    HÜSEYİN GÜLER

    Doktora

    Türkçe

    Türkçe

    2011

    EkonometriÇukurova Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. SELAHATTİN KAÇIRANLAR

  5. Lineer regresyon modelinde ağırlıklı tahmin ediciler

    Weighted estimators in the linear regression model

    DÜNYA KARAPINAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    İstatistikÇukurova Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. SELAHATTİN KAÇIRANLAR