Panel veri analizi ve panel rıdge regresyon üzerine bir uygulama
Panel data analysis and an application about the panel ridge ression
- Tez No: 304792
- Danışmanlar: PROF. DR. AYDIN ERAR
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, İstatistik, Econometrics, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Mimar Sinan Güzel Sanatlar Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 109
Özet
Bu tez çalışmasında, klasik olarak bilinen en küçük kareler yöntemine göre daha az çoklubağlantı sorununa neden olduğu belirtilen, panel veri regresyon modelleri kapsamlı bir şekilde incelenmiştir. Çalışmanın amacı, panel veri yapılarında çoklubağlantı incelemesi yapılarak, yanlı kestirim tekniklerinden ridge regresyon yönteminin panel veri modellerine uygulanmasıdır.Bu amaç doğrultusunda çoklu doğrusal regresyon analizi, varsayımları, çoklubağlantı sorunu ve ridge regresyon yöntemi incelenmiştir. Panel veri regresyon havuz, sabit ve rassal etkiler modelleri, tanımlayıcı istatistikleri, varsayımları, parametre kestirimleri ele alınıp panel regresyon süreci verilmiştir. Uygulama aşamasında veri kümesine en küçük kareler göstermelik değişken havuz modeli, sabit etkiler kovaryans modeli ve rassal etkiler en çok olabilirlik modeli uygulanmıştır. Sonrasında en küçük kareler göstermelik değişken modeline ridge regresyon tekniği uygulanıp sonuçlar karşılaştırılmaktadır.
Özet (Çeviri)
In this thesis, panel data regression models, which classically known to cause less multicollinearity problem than least squares method, are deeply investigated. The aim of this work is, to make investigation of multicollinearity study and to apply the ridge regression method, which is one of the bias estimation techniques, to panel data structures.In accordance with this aim multivariate linear regression analysis and its theorems, multicollinearity problem and ridge regression method are handled. Panel regression proecesses are given handling panel data regression pooled, fixed and random effect models, their identifying statistics, theorems, and parametric estimations. In the application phase, least squares dummy variable pooled model, fixed effects covariance model and random effects maximum likelihood method are applied to data sets. Then ridge regression technique is applied to least squares dummy variable model and all results are compared.
Benzer Tezler
- Üretim fonksiyonunun kestirimi üzerine bir çalışma
A study on estimation of production function
HÜLYA BAŞEĞMEZ
- Yenilenebilir enerji ve ekonomik büyüme ilişkisi: Dinamik panel veri analizi
The relationship between renewable energy and economic growth: Dynamic panel data analysis
ERDAL EREN KIZILIRMAK
- Makine öğrenimi tabanlı fotovoltaik çıkış gücü tahminlemesi
Machine learning based photovoltaic output power forecasting
BERRİN ERYILMAZ
Yüksek Lisans
Türkçe
2022
EnerjiDicle ÜniversitesiYenilenebilir Enerji Kaynakları
DOÇ. DR. FATİH KOÇYİĞİT
DR. ÖĞR. ÜYESİ HEYBET KILIÇ
- Sensor based cyber attack detections in critical infrastructures using deep learning algorithms
Kritik altyapılarda sensör tabanlı veri kontrolü ile derin ögrenme algoritmaları kullanılarak siber saldırı tespiti
MURAT YILMAZ
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Şehir ÜniversitesiBilgi Güvenliği Mühendisliği Ana Bilim Dalı
PROF. DR. ENSAR GÜL
DR. FERHAT ÖZGÜR ÇATAK
- Turizme dayalı büyümenin doğrusallığının incelenmesi: Dinamik panel eşik modeli
The review of linearity of tourism led growth hypothesis: Dynamic panel threshold model
ORKHAN ALILI
Doktora
Türkçe
2021
Turizmİstanbul ÜniversitesiTurizm İşletmeciliği Ana Bilim Dalı
PROF. DR. MEHMET ERKAN