Robust regresyon tahmin edicilerine yönelik yeni bir yaklaşım
A new approach to robust regression estimators
- Tez No: 755959
- Danışmanlar: DOÇ. DR. EROL TERZİ
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Ondokuz Mayıs Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 111
Özet
Regresyon analizi yöntemleri içerisinde en çok kullanılan en küçük kareler yöntemi, doğrusal regresyon modeli varsayımları sağlandığında en iyi parametre tahminini gerçekleştirmektedir. Fakat model varsayımlarının bozulmasına neden olan bazı etkenler vardır. Bu etkenlerden birisi veri setinin aykırı değer içermesidir. Veri setindeki diğer gözlemlerden uzak bir şekilde konumlanan aykırı değerler, parametre tahminini olumsuz anlamda etkilemektedir. Bu yüzden aykırı değerlere karşı dirençli olan robust regresyon tahmin edicileri geliştirilmiştir. Robust regresyon tahmin edicileri içerisinde en çok tercih edilen yöntemlerden birisi M-tahmin edicilerdir. M-tahmin ediciler veri setinde bulunan aykırı değerin etkisini azaltarak veya aykırı değeri veri setinden çıkartarak parametre tahminini gerçekleştirir. Bu çalışmada veri setinde bulunan gözlem değerlerinin genetik algoritmayla ağırlıklandırıldığı, yeni bir robust yöntem önerilmiştir. Önerilen yöntem ile M-tahmin ediciler hem simülasyon çalışması yapılarak hem de gerçek veri seti kullanılarak hata kareler ortalamasının karekökü (HKOK) performans kriterine göre karşılaştırılmıştır. Karşılaştırma sonucunda önerilen yöntemin M-tahmin edicilerden daha iyi performans sergilediği gözlenmiştir.
Özet (Çeviri)
The least-squares method, which is the commonly used one among the regression analysis methods, performs the best parameter estimation when linear regression model assumptions are made. However, some factors cause the deterioration of model assumptions. One of these factors is inclusion of outliers by the data set. Outliers located far from other observations in the data set negatively affect the parameter estimation. Therefore, robust regression estimators that are resistant to outliers have been developed. One of the most preferred methods among robust regression estimators is M-estimators. M-estimators make parameter estimation by reducing the effect of the outlier in the data set or by removing the outlier from the data set. In this study, a new robust method is recommended in which the observation values in the data set are weighted by genetic algorithm. With the proposed method, M-estimators are compared according to the root mean square error (RMSE) performance criterion, both by performing a simulation study and using the real data set. As a result of the comparison, it is observed that the proposed method outperformed the M-estimators.
Benzer Tezler
- Doğrusal regresyon modellerinin robust (dayanıklı) yöntemlerle tahmini karşılaştırmalı uygulamaları
Estimation of lineer regression models with robust methods and comparative applications
HAKAN TÜRKAY
Doktora
Türkçe
2004
Ekonometriİstanbul ÜniversitesiEkonometri Ana Bilim Dalı
YRD. DOÇ. DR. ENİS SINIKSARAN
- Çoklubağlantıya neden olan gözlemlerin belirlenmesi
Investigation of multicollinearity-influential observations
UFUK EKİZ
- Otoregresif hata terimli regresyon modellerinde robust parametre tahmini ve model seçimi
Robust parameter estimation and model selection in autoregressive error term regression models
YETKİN TUAÇ
- Doğrusal regresyon modellerinde aykırı gözlemlerin tespiti için sağlam tahmin edicilere dayalı etkili uzaklığın performansının incelenmesi
Performance analysis of the influence distance based on robust estimators for the identification of outliers in linear regression models
FULYA KARAKOCA