Regresyon analizinde çoklu bağlantı: Parametrik ve semiparametrik tahmin
Multicollinearity in regression analysis: Parametric and semiparametric estimation
- Tez No: 312718
- Danışmanlar: PROF. DR. SALİH ÇELEBİOĞLU
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Yaşam çözümlemesinde yarı parametrik regresyon yöntemleri ve uygulaması
Semiparametric regression methods in survival analysis and its application
ÖZLEM ARIK
Yüksek Lisans
Türkçe
2014
BiyoistatistikMuğla Sıtkı Koçman Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. DURSUN AYDIN
- Efficient estimation of Shrinkage parameters in fuzzy Ridge and fuzzy Liu regression models using α-cut-based methods under multicollinearity
Çoklu bağıntı durumunda bulanık Ridge ve bulanık Liu regresyon modellerinde α-kesim tabanlı yöntemler kullanılarak Shrinkage parametrelerinin etkin tahmini
AMMAR HOMAIDA
- 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
2021
Eğitim ve ÖğretimArdahan ÜniversitesiBeden Eğitimi ve Spor Eğitimi Anabiilim Dalı
DOÇ. DR. AHMET ATALAY
- 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
2024
SporGazi ÜniversitesiBeden Eğitimi Öğretmenliği Ana Bilim Dalı
PROF. DR. İBRAHİM YILDIRAN
- Preliminary design tool for launch vehicles with liquid rocket engines
Sıvı roket motorlu fırlatma araçları için ön tasarım aracı
TEGİN BERKAY BUDAK
Yüksek Lisans
İngilizce
2025
Havacılık ve Uzay Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. ALİM RÜSTEM ASLAN