Geri Dön

Doğrusal karışık modelde kovaryans yapısı seçimi

Covariance structure selection in general linear mixed model

PDF İndir

  1. Tez No: 483627
  2. Yazar: ELİF OKÇU
  3. Danışmanlar: PROF. DR. ÖMER CEVDET BİLGİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ziraat, Biyoistatistik, İstatistik, Agriculture, Biostatistics, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2017
  8. Dil: Türkçe
  9. Üniversite: Atatürk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Zootekni Ana Bilim Dalı
  12. Bilim Dalı: Biyometri ve Genetik Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

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

  1. Tez No

    463793

    Tekrarlı ölçümlü denemelerde varyans-kovaryans yapısının belirlenmesinde parametre tahmin yöntemlerinin değerlendirilmesi

    Evaluation of parameter estimation methods for determination of variance-covariance structure in repeated measurement experiment

    CAFER TAYYAR BATİ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    BiyoistatistikYüzüncü Yıl Üniversitesi

    Zootekni Ana Bilim Dalı

    YRD. DOÇ. DR. GAZEL SER

  2. Tez No

    282942

    Eksik gözlemli uzun süreli (longitudinal) verilerde marjinal ve marjinal olmayan çok seviyeli genelleştirilmiş doğrusal karışık modellerde optimizasyon tekniklerinin karşılaştırılması ve model seçimi

    Model selection and comparing optimization techniques in marginal and non-marginal multilevel generalized linear mixed model using missing observed longitudinal data

    GAZEL SER

    Doktora

    Türkçe

    Türkçe

    2011

    BiyoistatistikYüzüncü Yıl Üniversitesi

    Zootekni Ana Bilim Dalı

    PROF. DR. HAYRETTİN OKUT

  3. Tez No

    624822

    Ardahan-Posof yöresi ladin (Picea orientalis L.) meşcereleri için gövde çapı modelinin karışık etkili modelleme tekniği kullanılarak geliştirilmesi

    Development of stem diameter model using nonlinear mixed effects modeling for spruce stands (Picea orientalis L.) in Ardahan Posof district

    AHMET SARITAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Ormancılık ve Orman MühendisliğiSüleyman Demirel Üniversitesi

    Orman Mühendisliği Ana Bilim Dalı

    PROF. DR. RAMAZAN ÖZÇELİK

  4. Tez No

    1011386

    Boylamsal veri analizinde farklı yaklaşımlar

    Different approaches in longitudinal data analysis

    DERYA GÜLER

    Doktora

    Türkçe

    Türkçe

    2026

    İstatistikAtatürk Üniversitesi

    Zootekni Ana Bilim Dalı

    PROF. DR. ÖMER CEVDET BİLGİN

  5. Tez No

    323737

    Tissue density classification in mammographic images using local features

    Yerel öznitelikler ile mamografi görüntülerinde doku yoğunluğunun sınıflandırılması

    SEZER KUTLUK

    Yüksek Lisans

    İngilizce

    İngilizce

    2012

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. BİLGE GÜNSEL

Geri Dön