Geri Dön

Regresyon analizinde çoklu bağlantı: Parametrik ve semiparametrik tahmin

Multicollinearity in regression analysis: Parametric and semiparametric estimation

PDF İndir

  1. Tez No: 312718
  2. Yazar: ESRA AKDENİZ DURAN
  3. Danışmanlar: PROF. DR. SALİH ÇELEBİOĞLU
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2011
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 138

Özet

Çoklu bağlantı çoklu regresyon modellerinde iki veya daha fazla açıklayıcı değişken arasında doğrusal bir ilişkiye yakın bir ilişki olması durumudur. Doğrusal ve semiparametrik regresyon modellerinde açıklayıcı değişkenler arasında çoklu bağlantı olması durumunda en küçük kareler yöntemi ile elde edilen parametre tahminlerinin olumsuz etkilendiği bilinmektedir. Bu duruma çözüm olarak birçok yöntem önerilmiştir. Bu yöntemlerden bir tanesi en küçük kareler tahmin edicisi yerine yanlı tahmin edicileri kullanmaktır. Yanlı tahmin edicilerin çoklu bağlantı durumunda daha etkin sonuçlar verdiği bilinmektedir. Bu çalışmada parametrik ve semiparametrik regresyon modellerinde çoklu bağlantı durumunda kullanılabilecek yeni tahmin ediciler önerilmiştir. Bu tahmin edicilerin üstün olma koşulları verilmiştir. Teorik bulgular uygulamalarla ve simülasyon çalışmaları ile desteklenmiştir.

Özet (Çeviri)

Multicollinearity is a statistical phenomenon in which two or more predictor variables in a multiple regression model have a nearly linear relation. In this situation the coefficient estimates may change erratically in response to small changes in the data. Multicollinearity seriously affects calculations regarding individual predictors. That is, a multiple regression model with correlated predictors may give invalid results about any individual predictor; therefore it is a phenomenon that should be considered carefully. There have been many attempts in literature as a remedy to multicollinearity problem. The main stream approach is using biased estimators in place of ordinary least squares (OLS) estimators. It is well known that biased estimators are more efficient than OLS estimators in case of multicollinearity. In this study, new biased estimators are proposed for parametric or semiparametric regression models that are exposed to multicollinearity problem. The mean squared error matrix (MSEM) superiority conditions are given for each estimator. Theoretical findings are supported with applications and simulation studies.

Benzer Tezler

  1. Tez No

    367431

    Yaşam çözümlemesinde yarı parametrik regresyon yöntemleri ve uygulaması

    Semiparametric regression methods in survival analysis and its application

    ÖZLEM ARIK

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    BiyoistatistikMuğla Sıtkı Koçman Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. DURSUN AYDIN

  2. Tez No

    705494

    Beden eğitimi ve spor yüksekokulu öğrencilerinin internet bağımlılığı düzeyleri ile beslenme alışkanlıkları arasındaki ilişkinin incelenmesi

    Examination of the relationship between the internet addictionlevels and nutritional habits of school of physical educationand sports students

    SELİN AKÇÖLTEKİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Eğitim ve ÖğretimArdahan Üniversitesi

    Beden Eğitimi ve Spor Eğitimi Anabiilim Dalı

    DOÇ. DR. AHMET ATALAY

  3. Tez No

    902966

    Elit voleybolda mobbinge maruz kalma ile sportif kendine güven ilişkisinin çeşitli değişkenler açısından incelenmesi

    Examining the relationship between exposure to mobbing and sportive self-confidence in elite volleyball in terms of various variables

    CEREN AKSOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    SporGazi Üniversitesi

    Beden Eğitimi Öğretmenliği Ana Bilim Dalı

    PROF. DR. İBRAHİM YILDIRAN

  4. Tez No

    300935

    Regresyon analizinde çoklu bağlantı durumunda en küçük kareler, ridge regresyon ve temel bileşenler yaklaşımlarının karşılaştırılması

    Comparison of least squares, ridge regression and principal component approaches in the presence of multicollinearity in regression analysis

    SAMET EKER

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    ZiraatOndokuz Mayıs Üniversitesi

    Zootekni Ana Bilim Dalı

    DOÇ. DR. SONER ÇANKAYA

  5. Tez No

    507555

    Ridge regresyonda sağlam parametre bulma

    Robust parameter find in ridge regression

    AYKUT KUVAT

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İstatistikMuğla Sıtkı Koçman Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ATİLA GÖKTAŞ

Geri Dön