Geri Dön

PLSR ve PCR tekniklerinin Monte Carlo simülasyonu ile karşılaştırılması

Comparison of PLSR and PCR techniques with Monte Carlo simulation

PDF İndir

  1. Tez No: 424043
  2. Yazar: GAMZE GÜVEN
  3. Danışmanlar: DOÇ. DR. HATİCE ŞAMKAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2015
  8. Dil: Türkçe
  9. Üniversite: Eskişehir Osmangazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Uygulamalı İstatistik Bilim Dalı
  13. Sayfa Sayısı: 54

Özet

Çoklu doğrusal regresyon, bir bağımlı değişken ile bir ya da daha fazla bağımsız değişken arasındaki ilişkiyi modellemek için yaygın olarak kullanılan istatistiksel bir yöntemdir. Bu yöntemde regresyon katsayılarını tahmin etmek için En Küçük Kareler (Least Squares-LS) tekniği kullanılır. Ancak çoklu doğrusal regresyonda güvenilir sonuçlar elde etmek için LS tekniğinin belli başlı varsayımlarının sağlanması gerekir. Bu varsayımlardan bir tanesi bağımsız değişkenler arasında ilişki bulunmaması gerektiğidir. Bağımsız değişkenler arasındaki ilişki, çoklu bağlantı sorununa sebep olur. Çoklu bağlantı sorunu, parametre tahminleri üzerinde olumsuz sonuçlar doğurur. Bu sorunu ortadan kaldırmak için çeşitli yollara başvurulabilir. Bu yollardan en yaygın olarak kullanılanı yanlı tahmin teknikleridir. Bu tezde veri indirgemesi yaparak çoklu bağlantıyı ortadan kaldıran yanlı tahmin tekniklerinden Kısmi En Küçük Kareler Regresyonu (Partial Least Squares Regression – PLSR) ve Temel Bileşenler Regresyonu (Principal Component Regression – PCR) ele alınmıştır. Bu iki teknik farklı çoklu bağlantı dereceleri, farklı gözlem sayıları, farklı değişken sayıları ve farklı standart sapma değerleri için Çapraz Geçerliliğin Hata Kareler Ortalamasının Karekökü (Root Mean Square Error Cross Validation – RMSECV) kriterine göre ve bileşen sayısına göre Monte Carlo simülasyonu ile karşılaştırılmıştır. Benzer RMSECV değerlerini veren bileşen sayıları açısından simülasyon sonuçları değerlendirildiğinde bazı durumlarda PLSR tekniği PCR'den daha iyi performans gösterirken, bazı durumlarda her iki teknik benzer sonuçlar vermiştir.

Özet (Çeviri)

Multiple Lineer Regression is a statistical method commonly used to model relationships between the dependent variable and one or more independent variables. In this method, Least Squares (LS) technique is used for prediction of regression coefficients. However, to obtain reliable results in multiple linear regression, some assumptions need to be provided for the LS method. One of the these assumptions is that there is no relationship between independent variables. The relationship between independent variables lead to multicollinearity problem. Multicollinearity problem results in negative consequences on parameter estimations. Various ways can be applied to remove this problem. One of the most widely used ways is biased estimation techniques. In this thesis, biased estimation techniques called Partial Least Squares Regression (PLSR) and Principal Component Regression (PCR) that remove multicollinearty problem by reducing were discussed. These two techniques were compared with Monte Carlo simulation study with respect to RMSECV criterion and number of component in the case of different multicollinearity degrees, different number of observations, different number of variables and different number of standart deviation values. When the simülation results are evaluated in terms of component numbers which give similar RMSECV values although in some cases PLSR technique shows better performance than PCR, in some cases both techniques give similar results.

Benzer Tezler

  1. Tez No

    304550

    Çoklu iç ilişki durumunda kısmi en küçük kareler regresyonu ve alternatif yöntemlerle karşılaştırılması

    Comparison of partial least squares regression and it's alternative methods when multicollinearity exists

    YAKUP MURAT BULUT

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    İstatistikEskişehir Osmangazi Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ZEKİ YILDIZ

  2. Tez No

    134281

    Use of multivariate statistical techniques in HACCP programs

    Çok değişkenli istatistiksel tekniklerin HACCP programlarında kullanılması

    UMUT BAŞAK BALIKLI

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Gıda Mühendisliğiİzmir Yüksek Teknoloji Enstitüsü

    Gıda Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. FİGEN TOKATLI KÖSEBALABAN

  3. Tez No

    589241

    Kemometrik yaklaşımlarla gıda tağşişlerinin belirlenmesinde spektroskopik yöntemlerin kullanılması

    Utilization of spectroscopic methods for determining food adulteration with chemometric approaches

    HAVVA TÜMAY TEMİZ

    Doktora

    Türkçe

    Türkçe

    2019

    Gıda MühendisliğiHacettepe Üniversitesi

    Gıda Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL HAKKI BOYACI

  4. Tez No

    539964

    Development of chemometric calibration toolbox and its application for determination of salep adulteration

    Kemometrik kalibrasyon yazılım paketi geliştirilmesi ve salep tağşişinin belirlenmesinde kullanılması

    GÜN DENİZ AKKOÇ

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Kimyaİzmir Yüksek Teknoloji Enstitüsü

    Kimya Ana Bilim Dalı

    PROF. DR. DURMUŞ ÖZDEMİR

  5. Tez No

    809498

    Uzaktan algılama ve yersel veriler kullanılarak NO2 özelinde hava kalitesine yönelik meteorolojik mekansal bilgi üretimi: Ankara örneği

    Production of meteorological-spatial nitrogen dioxide (NO2) data using remote sensing and ground-based measurements

    ERCÜMENT AKSOY

    Doktora

    Türkçe

    Türkçe

    2023

    Mühendislik BilimleriAkdeniz Üniversitesi

    Uzaktan Algılama ve Coğrafi Bilgi Sistemleri Ana Bilim Dalı

    PROF. DR. BEKİR TANER SAN

    DR. DOĞUŞHAN KILIÇ

Geri Dön