Geri Dön

Robust regresyon tahmin edicilerine yönelik yeni bir yaklaşım

A new approach to robust regression estimators

  1. Tez No: 755959
  2. Yazar: AHMET TOY
  3. Danışmanlar: DOÇ. DR. EROL TERZİ
  4. Tez Türü: Doktora
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Ondokuz Mayıs Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Doğrusal regresyon modellerinin robust (dayanıklı) yöntemlerle tahmini karşılaştırmalı uygulamaları

    Estimation of lineer regression models with robust methods and comparative applications

    HAKAN TÜRKAY

    Doktora

    Türkçe

    Türkçe

    2004

    Ekonometriİstanbul Üniversitesi

    Ekonometri Ana Bilim Dalı

    YRD. DOÇ. DR. ENİS SINIKSARAN

  2. Robust bayesyen regresyon analizi

    Robust bayesian regression analysis

    MUTLU KAYA

    Doktora

    Türkçe

    Türkçe

    2020

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. OLÇAY ARSLAN

  3. Çoklubağlantıya neden olan gözlemlerin belirlenmesi

    Investigation of multicollinearity-influential observations

    UFUK EKİZ

    Yüksek Lisans

    Türkçe

    Türkçe

    1997

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. MÜSLİM EKNİ

  4. 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

    Doktora

    Türkçe

    Türkçe

    2020

    İstatistikAnkara Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. OLÇAY ARSLAN

  5. 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

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    İstatistikGazi Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. MELTEM EKİZ