Geri Dön

Ridge regresyon parametre seçimi: Türkiye'nin doğrudan yabancı yatırım örneği

Ridge regression parameter selection: Turkey's foreign direct investment

  1. Tez No: 711188
  2. Yazar: MUSTAFA PALA
  3. Danışmanlar: DOÇ. DR. BAHADIR YÜZBAŞI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Ekonometri, İşletme, Econometrics, Business Administration
  6. Anahtar Kelimeler: Çoklu Doğrusal Bağlantı, Ridge Regresyon, Parametre Tahmincileri, LASSO, Multiple Linear Connection, Ridge Regression, Parameter Estimators, LASSO
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: İnönü Üniversitesi
  10. Enstitü: Sosyal Bilimler Enstitüsü
  11. Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 50

Özet

Çoklu doğrusal regresyon modelindeki bir veya daha fazla bağımsız değişkenin aralarında doğrusal bir ilişki olması durumda ortaya çıkan probleme çoklu doğrusal bağlantı problemi denir. Çoklu doğrusal bağlantı durumunda en küçük kareler tahmincilerinin varyansı yüksek ve parametre tahminleri yanlış hesaplanmaktadır. Söz konusu durumda en küçük kareler tahmincilerinin sonuçları yorumlamada yetersiz kalması, en küçük kareler yöntemini güvenilmez hale getirir. Çoklu doğrusal bağlantı problemini çözmek ve model parametrelerini tahmin etmek için en küçük kareler tahmincisine alternatif olarak yanlı regresyon tahmincileri kullanılır. Bu çalışmada yanlı regresyon tahmincilerinden Ridge regresyon yöntemi ele alınmıştır. Ridge regresyon parametresinin çözümü ayar parametresi k'ya bağlıdır. Yapılan bu çalışmada da Ridge regresyon ayar parametresi k'nın seçimi üzerine analizler yapılmıştır. Bu çalışmada, Türkiye'nin 1974-2019 yılları arasındaki doğrudan yabancı yatırımlarını etkileyen faktörler veri seti olarak alınmıştır. Doğrudan yabancı yatırımları etkileyen faktörlerle kurulan çoklu doğrusal regresyon modeliyle simülasyon çalışması yapılmıştır. Yapılan simülasyon çalışması ile ayar parametresi k'nın seçimi için model seçim kriterleri arasından en iyi sonuç vereni seçmek amaçlanmıştır. Simülasyondan sonra gerçek verilerle analiz yapılmış ve sonuçlara göre çoklu doğrusal bağlantı tespit edilmiştir. Modele dahil edilen yanlı tahmincilerden Ridge regresyon ile tekrardan analiz yapılıp Ridge regresyonun en küçük kareler yönteminden daha iyi sonuç vererek bağlantı sorunu çözdüğü tespit edilmiştir.

Özet (Çeviri)

The problem that arises when there is a linear relationship between one or more independent variables in the multiple linear regression model is called the multicollinearity problem. In the case of multicollinearity, the variance of the least squares estimators is high and the parameter estimates are calculated incorrectly. In this case, least squares estimators are incapable of interpreting the results, making the least squares method unreliable. Biased regression estimators are used as an alternative to the least squares estimator to solve the multicollinearity problem and estimate the model parameters. In this study, Ridge regression method, which is one of the biased regression estimators, is discussed. The solution of the Ridge regression parameter depends on the tuning parameter k. In this study, analyzes were made on the selection of the Ridge regression adjustment parameter k. In this study, the factors affecting Turkey's foreign direct investments between 1974-2019 were taken as a data set. A simulation study was carried out with the multiple linear regression model established with the factors affecting foreign direct investments. With the simulation study, it was aimed to choose the one that gives the best result among the model selection criteria for the selection of the tuning parameter k. After the simulation, analysis was made with real data and multicollinearity was determined according to the results. By reanalyzing with Ridge regression, one of the biased estimators included in the model, it was determined that Ridge regression solved the connection problem by giving better results than the least squares method.

Benzer Tezler

  1. Prediction of strong ground motion parameters using machine learning techniques

    Makine öğrenmesi tekniklerini kullanarak kuvvetli yer hareketi parametrelerinin tahmini

    FAHRETTİN KURAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Deprem MühendisliğiBoğaziçi Üniversitesi

    Deprem Mühendisliği Ana Bilim Dalı

    DOÇ. DR. GÜLÜM TANIRCAN

    DOÇ. DR. ELHAM PASHAEI

  2. Çoklu bağıntılı doğrusal modellerde Ridge regresyon yöntemiyle parametre kestirimi

    Başlık çevirisi yok

    EMEL İMİR ŞIKLAR

    Doktora

    Türkçe

    Türkçe

    1986

    İstatistikAnadolu Üniversitesi

    İstatistik Ana Bilim Dalı

  3. Ridge yöntemlerinde yanlılık parametrelerinin seçimi

    Choice biosing parameters in ridge methods

    SÜLEYMAN ÖZEN

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. ÖZTÜRK FİKRİ

  4. Lojistik elastik net yönteminin alternatif yöntemlerle karşılaştırılması

    Comparison of the logistic elastic net method with alternative methods

    SEVİM SİMGE UYSAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İstatistikEskişehir Osmangazi Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ARZU ALTIN YAVUZ

  5. Variable selection and classification for longitudinal binary data through three-step sparse boosting

    Üç aşamalı seyrek yükseltme metodu ile ikili sonucu olan uzunlamasına verilerin değişken seçimi ve sınıflandırılması

    DENİZ ESİN EMER

    Doktora

    İngilizce

    İngilizce

    2022

    İstatistikOrta Doğu Teknik Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. ÖZLEM İLK DAĞ