Normal, multinomial, üssel (exponential) ve gamma dağılım gösteren veri yapıları ve eksik veri tiplerinde (MCAR, MAR, MNAR) tamamlama algoritmalarının parametre tahminleri üzerine etkileri
The effects of completion algorithms on parameter estimates in normal, multinomial, exponential and gamma distributed data structures and missing data types (MCAR, MAR, MNAR)
- Tez No: 555124
- Danışmanlar: DR. ÖĞR. ÜYESİ ŞAKİR İŞLEYEN
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Van Yüzüncü Yıl Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 89
Özet
Eksik veri problemi araştırmacıların istatiksel analiz yaparken sürekli karşılaştıkları sorunlardan biridir. Eksik veri, çalışmayı yürüten bireyden, verisi toplanan kişilerin bilerek cevap vermemesinden, verilerin gözlenememesinden, veriyi kaydetmek için kullanılan ekipmanlardan ve bunun gibi nedenlerden kaynaklanabilmektedir. Verinin eksik olmasındaki en büyük sorun hemen hemen tüm istatistiksel analizler için eksiksiz bir veri setine ihtiyaç duyulmasıdır. Çalışmada dört dağılım türüne göre veriler üretilmiş, bu veriler eksik veri mekanizmaları olan MCAR, MAR ve MNAR tiplerine göre belli oranlarda eksiltilmiş ve bu eksiltilen veriler eksik veri analiz yöntemlerine göre tamamlanmışlardır. Türetilen veri, eksiltilen veri ve tamamlanan verilerin parametreleri hesaplanmış ve çıkan bu değerlerin karşılaştırmaları yapılmıştır. Sonuçta çoklu atama yönteminin diğer yöntemlere göre daha etkin ve tarafsız parametre tahminleri yaptığı tespit edilmiştir.
Özet (Çeviri)
The missing data problem is one of the main problems that researchers constantly encounter when performing statistical analysis. Missing data may result from the individual conducting the work, the inability of the data to be collected, the inability to observe the data, the equipment used to record the data, and the like. The biggest problem with the lack of data is the need for a complete set of data for almost all statistical analyses. In this study, data were produced according to four types of distribution, these data were decreased in certain ratios according to MCAR, MAR and MNAR types which are incomplete data mechanisms and these minimized data were completed according to missing data analysis methods. Calculated data, deducted data and parameters of the completed data were calculated and compared with these values. As a result, it has been determined that multiple imputation method makes more effective and neutral parameter estimation compared to other methods.
Benzer Tezler
- Tramvay kaza şiddetine etki eden faktörlerin çok terimli lojit model yöntemi ile araştırılması
Investigation of factors affecting tram accident severity with multinomial logit model
KADİR BERKHAN AKALIN
Yüksek Lisans
Türkçe
2016
KazalarEskişehir Osmangazi ÜniversitesiRaylı Sistemler Ana Bilim Dalı
YRD. DOÇ. DR. ŞAFAK BİLGİÇ
YRD. DOÇ. DR. HÜSEYİN ONUR TEZCAN
- Nitel tercih modelleri, çoklu logit, probit modeller ve bir uygulama
Qualitative choice models, multinomial logit, probit models and an application
ÖZGÜR SÖNMEZ
Yüksek Lisans
Türkçe
2006
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ALİ HAKAN BÜYÜKLÜ
- Multinomial logit modeller ve bir uygulama
Multinomial logit models and an application
SEVİLAY KARAHAN
Yüksek Lisans
Türkçe
2005
Tıbbi BiyolojiHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ. DR. OSMAN SARAÇBAŞI
- Multinomial probit modeller
Multinomial probit models
ZEHRA ALTINIŞIK
Yüksek Lisans
Türkçe
2007
BiyoistatistikHacettepe ÜniversitesiBiyoistatistik Ana Bilim Dalı
DOÇ.DR. OSMAN SARAÇBAŞI
- Hisse senetleri getirilerinin lojistik regresyon ve doğrusal regresyon modelleri ile bir analizi
An analysis of stock returns by logistic regression and linear regression models
BURCU SARI
Yüksek Lisans
Türkçe
2014
BankacılıkKadir Has ÜniversitesiBankacılık ve Finans Ana Bilim Dalı
PROF. DR. NURHAN DAVUTYAN
YRD. DOÇ. DR. YASİN BARIŞ ALTAYLIGİL