Doğrusal karışık modelde kovaryans yapısı seçimi
Covariance structure selection in general linear mixed model
- Tez No: 483627
- Danışmanlar: PROF. DR. ÖMER CEVDET BİLGİN
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Ziraat, İstatistik, Biostatistics, Agriculture, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: Türkçe
- Üniversite: Atatürk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Zootekni Ana Bilim Dalı
- Bilim Dalı: Biyometri ve Genetik Bilim Dalı
- Sayfa Sayısı: 64
Özet
Doğrusal Karışık Model (LMM) son zamanlarda bilgisayar olanaklarının elverişliliğiyle birlikte pek çok veri tipi için kullanılabilen bir istatistik analiz yöntemi haline gelmiştir. Özellikle öbeklenmiş veri, boylamsal veri ve eksik gözlemli veri analizleri için avantajlı bir konuma sahiptir. Bu çalışmada, spesifik bir boylamsal veri kümesi kullanılmak suretiyle, Doğrusal Karışık Model'in farklı kovaryans matrisi yapıları ve farklı kestirim yöntemlerine göre veriye uyumu karşılaştırmalı olarak incelenmiştir. Bileşik Simetri (CS), Birinci Dereceden Otoregresif (AR1), Yapılanmamış (UN) ve Toeplitz (TOEP) kovaryans yapıları varsayılamak suretiyle Maksimum Olabilirlik (ML) ve Kısıtlanmış Maksimum Olabilirlik (REML) kestirim yöntemleri ile Karışık Model veriye uydurulmuş ve modelin uyumu Akaike enformasyon kriteri (AIC) ve Bayesian enformasyon kriterine (BIC) göre değerlendirilmiştir. Netice olarak, Doğrusal Karışık Model'in veriye en iyi uyumu ML kestirim yöntemi ve Yapılanmamış (UN) kovaryans matrisi yapısı kombinasyonunda gerçekleşmiştir.
Özet (Çeviri)
The Linear Mixed Model have lately become a statistical analysis method that can be used for many types of data thanks to the development on computing techniques. Especially, it has some advantages for analyzing the clustered data, the longitudinal data, and the data with missing observations. In this study, the fit of the Linear Mixed Model to a specific longitudinal data set were comparatively examined by using different covariance structures and different estimation methods. The different covariance structure models in this study were Compound Symmetry (CS), First Order Autoregresive (AR1), Unstructured (UN), and Toeplitz (TOEP) while the Maximum Likelihood (ML) and Restricted Maximum Likelihood (REML) were the different estimation methods. The fit of model was evaluated with regard to Akaike information criterion (AIC) and Bayesian information criterion (BIC). In conclusion, the best fit of Linear Mixed Model to the data set at hand was provided by the combination of Unsutructured covariance structure (UN) and ML estimation method.
Benzer Tezler
- Kantitatif özelliklerin analizinde hata terimi normal, Student-t veya Slash dağılımı gösteren doğrusal modellerin kullanılması
Use of lineear models with normal, Student-t or Slash distributed error for the analysis of quantitative traits
BURCU MESTAV
- Karışık doğrusal modellerde outlier tespiti
Outlier detection in mixed models
AHMET TAŞDELEN
Yüksek Lisans
Türkçe
1996
ZiraatYüzüncü Yıl ÜniversitesiZootekni Ana Bilim Dalı
YRD. DOÇ. DR. HAYRETTİN OKUT
- Karışık doğrusal modellerde kestirimler
Prediction in linear mixed models
BERRAK DAĞ
Yüksek Lisans
Türkçe
2006
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. ÖNİZ TOKTAMIŞ
- Design and analysis of collection systems for incentive-dependent product recovery
Ürün geri alımlarının teşvik miktarına bağlı olduğu durumda toplama sistemlerinin tasarım ve analizi
AYŞE GÖNÜL TANUĞUR KARAARSLAN
Yüksek Lisans
İngilizce
2008
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Bölümü
DOÇ. DR. NECATİ ARAS
- Production distribution planning in consumer goods industry
Tuketim malları endustrisinde uretim dagitim planlama
YELDA ÇELEBİ
Yüksek Lisans
İngilizce
2012
Endüstri ve Endüstri MühendisliğiDokuz Eylül ÜniversitesiEndüstri Mühendisliği Bölümü
DOÇ. DR. BİLGE BİLGEN