Geri Dön

Sınırlı bağımlı değişkenli modeller ve tahminleme yöntemleri

Limited dependent variable models and estimation methods

  1. Tez No: 458963
  2. Yazar: İSMAİL YENİLMEZ
  3. Danışmanlar: DOÇ. DR. YELİZ MERT KANTAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonometri, İstatistik, Econometrics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Anadolu Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 120

Özet

Regresyon modelinde, yalnızca iki değer alabilen veya negatif değer alamayan veya belli aralıklarda değer alan bağımlı değişkenler sınırlı bağımlı değişken olarak tanımlanmaktadır. Sürekli bağımlı değişken belli aralıkta değer aldığında ise bu durum sansürlü veri durumu olarak ifade edilir ve bu durumda yaygın olarak kullanılan klasik sıradan en küçük kareler tahmin edicileri yanlı ve tutarsız sonuçlar verir. Tobit model veya sansürlenmiş normal regresyon modeli bu gibi sorunlara çözüm getirmek için Tobin (1958) tarafından geliştirilmiştir. Ancak tobit modelin en çok olabilirlik tahmini normallik varsayımına dayalıdır ve hata terimlerinin normal dağılmaması halinde etkin olmayan sonuçlar vermektedir. Normallik varsayımının esnetilebilmesi için literatürde çeşitli tahmin ediciler önerilmiştir. Kısmı uyarlamalı tahmin ediciler, normallik varsayımının ihlali halinde önerilen tahmin ediciler arasındadır. Bu tez kapsamında, iyi bilinen sınırlı bağımlı değişkenli modeller ve bu modellere ilişkin tahminleme metotları incelenmiştir. Söz konusu tahmin ediciler, en çok olabilirlik, iki aşamalı heckit, iki aşamalı en küçük kareler, probit ve logittir. Bunun yanında normallik varsayımının bozulmasına karşı genelleştirilmiş normal dağılıma dayalı kısmı uyarlamalı bir tahmin edici ele alınmıştır. Ayrıca farklı hata dağılımları için ele alınan tahmin edicilerin göreli performansları simülasyon çalışması yardımıyla karşılaştırılmıştır. Elde edilen sonuçlar göstermiştir ki kısmı uyarlamalı tahmin edicinin performansı hata normal olmadığında en çok olabilirlik tahmin edicisine göre daha iyidir. Ayrıca elde edilen diğer tüm sonuçlar sunulmuş ve ilgili litetatür dikkate alınarak tartışılmıştır.

Özet (Çeviri)

In the regression model, the dependent variable which takes only two values or do not take a negative value or takes values at certain intervals are defined as the limited dependent variable. If the continuous dependent variable takes values at a certain range, this situation is expressed as the censored variable. In this case, ordinary least squares estimates give biased and inconsistent results. To solve a part of this problem, the censored normal regression model or tobit model, was proposed by Tobin (1958). However, the maximum likelihood estimation of the tobit model depends on the assumption of normality and if the errors are non-normally distributed, the tobit model yields inefficient results. Various estimators have been proposed to relax the normality assumption. To cope with non-normality, one of the proposed estimator is partially adaptive estimators. In this thesis, well-known limited dependent variable models and estimation methods for these models are examined. The considered estimators are maximum likelihood, two-stage heckit, two-stage least squares, probit and logit. Besides that, a partially adaptive estimator based on the generalized normal distribution is considered in the case of non-normallity problem. Furthermore, a simulation study is used to analyze the estimators' relative performance in the case of different error distributions. Different estimators are compared in this way. The results obtained show that the performance of the partially adaptive estimator is better than the maximum likelihood estimator when the errors are non-normally distributed. All other results obtained are presented and discussed regarding the relevant literature.

Benzer Tezler

  1. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  2. Bankaların sektörel paylarındaki değişimin nitel bağımlı değişkenli panel veri modeliyle analizi

    The analysis of sector share change of the banks by panel data model with qualitative dependent variable

    AYŞE DEMİRHAN

    Doktora

    Türkçe

    Türkçe

    2008

    Ekonometriİstanbul Üniversitesi

    İşletme Ana Bilim Dalı

    PROF. DR. NEYRAN ORHUNBİLGE

  3. Proposal for a forecasting methodology to predict commercial real estate values in Istanbul using social big data

    Sosyal büyük veri kullanımı ile İstanbul'daki ticari gayrimenkul değerlerini tahmin etmek için bir kestirim yöntemi önerisi

    MARAL TAŞCILAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Ekonometriİstanbul Teknik Üniversitesi

    Gayrimenkul Geliştirme Ana Bilim Dalı

    DOÇ. KEREM YAVUZ ARSLANLI

  4. Makro ihtiyati politika ve finansal istikrar ilişkisi: Türkiye'de konut sektörüne yönelik araçların etkinliği

    The relationship between macro prudential policy and financial stability: Effectiveness of tools for the housing sector in Turkey

    MURAT SARI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    EkonomiGalatasaray Üniversitesi

    İktisat Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ZEHRA YEŞİM GÜRBÜZ

  5. Borsa İstanbul'da işlem gören konaklama işletmelerinde finansal performansı belirleyen faktörler: Panel veri analizi

    The determinants of financial performance in accommodation establishments traded in Borsa İstanbul: Panel data analysis

    MEHMET DURMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    TurizmAkdeniz Üniversitesi

    Turizm İşletmeciliği Ana Bilim Dalı

    YRD. DOÇ. DR. YEŞİM HELHEL