Geri Dön

Regresyon analizinde yanlı tahmin yöntemleri

Estimation methods in regression analysis

  1. Tez No: 592711
  2. Yazar: MERVE TÜRKMEN ŞAHİNGÖZ
  3. Danışmanlar: PROF. DR. DURSUN AYDIN
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: Türkçe
  9. Üniversite: Muğla Sıtkı Koçman Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 78

Özet

Bağımsız değişkenler arasında çoklu bağlantı olması durumunda model parametrelerini tahmin etmek için kullanılan kestirim yöntemlerinden Ridge Regresyon yöntemi ele alınmıştır. Bu yöntem EKK yöntemleriyle elde edilen sonuçların çoklu bağlantıdan dolayı geçerliliğini kaybettiğinde yani çoklu doğrusal bağlantı içeren verilerde regresyon katsayılarının hataları, işaretleri ve büyüklüklerini tahmin etmek mümkün değil iken kullanılabilmektedir. Ridge parametresinin çözümü k 'ya bağlı olarak yapılır ve dolayısıyla her k için Ridge Regresyon katsayı değerleri elde edilmelidir. Ridge parametresinin seçimi, (i) subjektif metotlar ve (ii) objektif metotlar olmak üzere iki sınıfta toplanabilir. Bu tezde k parametresini seçmek için objektif yöntemler dikkate alınmıştır. Ancak gerçek veri uygulamasında subjektif yöntemlerden ridge izi grafiğine yer verilmiştir. Bu bağlamda, tezde ridge parametresinin seçimi için kullanılan objektif yöntemler arasında yer alan klasik bir seçim yöntemi olan k_HKB kestirici baz kriter olarak alınmıştır. Bu kritere ilaveten dört farklı bilgi kriteri (Mallows'un C_k kriteri, Genelleştirilmiş çapraz geçerlilik kriteri, Düzeltilmiş akaike bilgi kriteri, Schwarz'ın bayes bilgi kriteri ) kullanılarak ridge parametresi seçilmiş ve bu optimum k değeri kullanılarak elde edilen Ridge Regresyon sonuçlarının bir karşılaştırılması yapılmıştır. Tezde iki adet uygulama yapılmış olup, bu uygulamalardan sonuçlar R paket programı yardımı ile elde edilmiştir.

Özet (Çeviri)

Ridge Regression method, which is one of the estimation methods used to estimate the model parameters, is discussed in case of multiple connections between independent variables. This methods can be used when the results obtained by OLS methods lose their validity due to multiple connections, that is, it is not possible to estimate the errors, signs and magnitudes of regression coefficients in data containing multiple linear connections. The solution of the Ridge parameter is based on k, and therefore the Ridge Regression coefficient values should be obtained for each k. The choice of the Ridge parameter can be divided into two classes: (i) subjective methods and (ii) objective methods. In this thesis, for the selection of the k parameter objective methods are used. However, ridge trace graph, which is one of the subjective methods, is used in real data application. In this context, in the thesis, the predictive basis criterion, which is a classical selection method, one of the objective methods used for the selection of ridge parameter, is taken as the criterion. In addititon to this criterion, ridge parameter was selected using four different information criteria(Mallows criterion, Generalized cross validity criterion, Corrected acoustic data criterion, Schwarz's bayes information criterion) and a comparison of Ridge Regression results was obtained using this optimum k value. Two applications have been made in this thesis and the results have been obtained with the help of R package program.

Benzer Tezler

  1. Ridge ve Liu tahmincilerinin etkinliklerinin ve yanlılıklarının karşılaştırılması

    The comparison of the efficiency and biasedness of Ridge and Liu estimators

    EMİNE KARAKAYA

    Yüksek Lisans

    Türkçe

    Türkçe

    2011

    İstatistikAnadolu Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. BERNA YAZICI

  2. Lasso tahminlerinin genetik algoritma yaklaşımı ile bulunması

    Finding lasso esti̇mates via genetic algorithm approximation

    MUSTAFA DOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    İstatistikOndokuz Mayıs Üniversitesi

    İstatistik Teorisi Ana Bilim Dalı

    PROF. DR. VEDİDE REZAN USLU

  3. Ridge ve liu regresyonda tavlama benzetimi optimizasyonu kullanılarak yanlılık parametrelerinin elde edilmesi ve bazı yanlılık parametreleri ile karşılaştırılması

    Obtaining the biasing parameters using simulated annealing optimization in ridge and liu regression and comparing them with some biasing parameters

    GİZEM İKLİL KOCASOY

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MERAL EBEGİL

  4. Bazı shrinkape tahmin edicileri ile en küçük kareler tahmin edicisinin bir test istatistiği ile karşılaştırılması

    Comparison of the shrinkage estimators with the least squares method by a test statistic

    MERAL DEMİREL

    Yüksek Lisans

    Türkçe

    Türkçe

    1999

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MÜSLİM EKNİ

  5. Doğrusal regresyonda Ridge,liu ve LASSO tahmin edicileri üzerine bir çalışma

    A study on Ridge, Liu and LASSO estimator in linear regression

    AYŞE KÜÇÜK

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    İstatistikHacettepe Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MERAL ÇETİN