Estimating causal relations of dynamic models from real-life data
Gerçek veriler kullanılarak dinamik modellerde neden-sonuç ilişkilerinin çıkarımı
- Tez No: 603743
- Danışmanlar: DOÇ. DR. GÖNENÇ YÜCEL, PROF. DR. YAMAN BARLAS
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Endüstri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Endüstri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 129
Özet
Sistem dinamiği yönteminde model kurma zamanını ve modelin öznelliğini azaltacağı için veri analizi olabildiğince uygulanmaya çalışılmaktadır. Bu çalışmada, modellerdeki (1) nedensel etkilerin işaretlerinin ve (2) stok değişkenlerinin belirlenmesi incelenmiştir. Nedensel etkilerin işaretlerinin belirlenmesi için discoverpolarity adlı bir algoritma oluşturulmuş ve yedi veri kümesi ile test edilmiştir. Sonuçlar Spearman'ın korelasyon analizi ile karşılaştırılmıştır. Algoritmadaki katsayılar uygun bir şekilde seçildiğinde ve veri kümesi yeterince zengin olduğunda, discoverpolarity korelasyon analizinden daha iyi sonuçlar bulmuş ve anlamlı ve pratik sonuçlar döndürmüştür. Ancak, veri kümesi tamamen benzer-ilintili verilerden oluştuğunda, discoverpolarity birden fazla sonuç döndürmektedir. Buna ek olarak, model kurucu algoritma için uygun eşik değerlerine kendisi karar vermelidir. İleriki çalışmalarda, algoritmayı girdi değişkenlerine ve varsayımlarına daha az hassas hale getirmeyi amaçlamaktayız. Sentetik veri ile yeterince analiz yaptıktan sonra gerçek verilerle algoritmayı çalıştırmayı hedeflemekteyiz. Son olarak, algoritmayı geliştirerek nedensel ilişkilerin matematiksel şekillerini de bulmayı planlamaktayız. Tezin ikinci, stok değişkenlerinin belirlenmesi amacına yönelik ise, curvefitting adlı algoritma oluşturulduktan sonra sonuçlarını doğrulamak için sentetik veri ile test edilmiştir. Bu yöntem üç farklı örnekte uygulanmış ve sınırlı koşullarda curvefitting'in doğru stokları bulduğu gözlemlenmiştir. İleriki çalışmalarda, hangi monoton ilişkilerde algoritmanın sonuç döndürdüğünü kategorize etmeyi planlamaktayız. Ek olarak, algoritmayı geliştirerek çoklu sebep değişken- leriyle de analiz yapabilmeyi hedeflemekteyiz.
Özet (Çeviri)
In System Dynamics method, one tries to use data as much as possible, since model construction time and subjectivity can be reduced by the data analysis. In this research, our focus is the use of data analysis in (1) determining the polarity of causal effects and (2) discovering stock variables in a model. For determining the polarity of causal effects, we propose an algorithm, discoverpolarity, which is tested with seven data-sets. Then, the results are compared with Spearman's correlation analysis. The results show that discoverpolarity outperforms correlation analysis and is capable of obtaining useful and meaningful results when the input variables are properly selected and data-set comprises enough representative points in the causal domain. However, when the data only consists of all perfectly correlated data points, discoverpolarity may return multiple possible polarities instead of a unique solution. In addition, the modeler must determine the proper threshold values used in the algorithm. In further research, we plan to make discoverpolarity more robust to the input parameters. After enough tests with synthetic data, the algorithm must be tested with real data before it can be used in real-life modeling. Finally, the mathematical forms of the causal formulations can be estimated in further research, by extending the proposed algorithm. For the second thesis purpose, discovering stock variables, curvefitting algorithm is created and simulation-generated 'synthetic' data is analyzed in this algorithm to be able to evaluate the validity of the results obtained. The method is applied to three cases. We conclude that only in certain conditions, the algorithm may discover correct stock variables. In further research, we aim to categorize the monotonic relations where algorithm can find the correct stocks. In addition, we plan to focus on extending the curvefitting algorithm so that it can also analyze cases with multiple cause variables.
Benzer Tezler
- Uluslararası sermaye hareketleri ve makroekonomik yönetimi üzerine beş deneme: belirleyicileri, ekonomik etkileri, ani duruş, para politikası ve sermaye kontrolleri
Five essays on international capital flows and its macroeconomic management: determinants, economic effects, sudden stops, monetary policy and capital controls
BERK PALANDÖKENLİER
- İktisatta histerezis etkiler üzerine beş deneme: Dış ticaret, istihdam, yatırım, finans, çıktı açığı
Five essays on hysteresis effects in economics: Foreign trade, employment, investment, finance, output gap
KORAY YILDIRIM
- Sağlık hizmetleri yönetiminde bir yapay sinir ağları uygulaması
An artificial neural network application in health care
EMEL AKTAŞ
Yüksek Lisans
Türkçe
2004
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF.DR. FÜSUN ÜLENGİN
- Kurumsal ekonomik coğrafya perspektifinde uluslararası sermaye hareketlerinin tahminlenmesi ve değerlendirilmesi
Forecasting and evaluation of international capital movements in the perspective of institutional economic geography
MÜRÜVET ACAR KARABOĞA
Doktora
Türkçe
2024
Uluslararası TicaretZonguldak Bülent Ecevit ÜniversitesiUluslararası Ticaret ve İşletmecilik Ana Bilim Dalı
DOÇ. DR. AYKUT ŞARKGÜNEŞİ