Geri Dön

Sıfır ağırlıklı verilerde regresyon modellerinin incelenmesi

Investigation of regression models in zero-inflated data

  1. Tez No: 786209
  2. Yazar: KORAY CEBERUT
  3. Danışmanlar: DOÇ. DR. SUNA AKKOL
  4. Tez Türü: Doktora
  5. Konular: Biyoistatistik, Biostatistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: Türkçe
  9. Üniversite: Van Yüzüncü Yıl Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Zootekni Ana Bilim Dalı
  12. Bilim Dalı: Biyometri ve Genetik Bilim Dalı
  13. Sayfa Sayısı: 90

Özet

Bu çalışmada, aşırı miktarda sıfır değerine sahip sayma verilerinde bağımsızlık varsayımının ortadan kalkması durumunda, çok seviyeli ZIP ve çok seviyeli ZINB Regresyon modelleri karşılaştırılarak, uygun model seçiminin nasıl yapılacağı tartışılmıştır. Bu amaçla Van İli Saray ilçesinin 26 farklı mahallesinde ikamet eden çiftçilerin sahip oldukları koyun ve sığır sayıları kullanılarak, keçi sayıları tahmin edilmeye çalışılmıştır. Çalışmada SAS (9.4) istatistik paket programı kullanılmıştır. Sayma verisi olan cevap değişkeni için öncelikle Poisson Regresyon analizi yapıldı ve verilerin aşırı yayılımlı olduğu tespit edilmiştir. Aşırı yayılım sorununun üstesinden gelebilmek amacıyla, veriye Negatif Binom Regresyon analizi uygulanmıştır. Aşırı yayılım incelenmesisin yansıra cevap değişkeninin Poisson dağılımına uygunluğu incelendi ve çok miktarda sıfır içerdiği tespit edildi. Bu nedenle çok miktarda sıfır değerine sahip sayma verileri ZIP ve ZINB Regresyon modelleri kullanılarak analiz edildi. Çalışma verisindeki çiftçilerin mahalleler içinde sınıflandığı ve dolayısıyla verilerin bağımsızlık varsayımının ortadan kalkmış olmasından dolayı bir sonraki aşamada çalışma verisi çok seviyeli ZIP ve çok seviyeli ZINB Regresyon modelleri kullanılarak analiz edildi. Keçi sayılarında meydana gelen değişimi en iyi açıklayan modeli bulmak için uyum iyiliği ölçütlerinden seviyeli AIC, AICC ve BIC kullanıldı. Çalışmada en küçük uyum iyiliği değerlerine çok seviyeli ZINB Regresyon analizi kullanılarak ulaşıldı ve çalışma verisi için çok seviyeli ZINB Regresyon modeli en uygun model olarak belirlendi.

Özet (Çeviri)

In this study, multilevel ZIP and multilevel ZINB regression models are compared and how to choose the appropriate model is discussed in case the independence assumption no longer applicable with excess number of zeros in count data. For this purpose, the number of goats was tried to be estimated by using the number of sheep and cattle owned by the farmers residing in 26 different neighborhoods of the Saray district of Van. SAS (9.4) statistics program was used in the study. Poisson regression analysis was performed first for the response variable, which is count data, and it was determined that the data is over dispersed. Negative binomial regression analysis was applied to the data to overcome the overdispersion problem. In addition to the overdispersion analysis, the suitability of the response variable to the Poisson distribution was examined and it was found that it contained a large number of zeros. Therefore, counting data with a large number of zeros was analyzed using ZIP and ZINB regression models. Since the farmers in the study were classified into neighborhoods and thus the assumption of independence of the data was disappeared, the study data were analyzed in the next step using multilevel ZIP and multilevel ZINB regression models. Goodness of fit measures AIC, AICC and BIC were used to find the model that best explains the change in the number of goats. The smallest goodness-of-fit values in the study were obtained using multilevel ZINB regression analysis, and the multilevel ZINB regression model was determined as the most suitable model for the study data.

Benzer Tezler

  1. Derin öğrenme yöntemleri ile zaman serisi tahmini

    Time series classification with deep learning methods

    HAKAN GÜNDÜZ

    Doktora

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ZEHRA ÇATALTEPE

  2. Derin öğrenme ve büyük veri analitiği yöntemleriKullanarak Covid-19 yayılımının ileriye dönük tahmini

    Forecasting the spread of covid-19 using deep learning and big data analytics methods

    CYLAS KIGANDA

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    PROF. DR. MUHAMMET ALİ AKCAYOL

  3. Classification of abnormal respiratory sounds using deep learning techniques

    Solunum seslerinin derin öğrenme yöntemleri ile sınıflandırılması

    AHAMADI ABDALLAH IDRISSE

    Yüksek Lisans

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Bilgisayar Bilimleri Ana Bilim Dalı

    DOÇ. DR. OKTAY YILDIZ

  4. Marshall deneyi sonuçları için oluşturulan tahmin modellerinin incelenmesi

    Investigation of forecast models for Marshall experimental results

    DİLAY DURAN AŞKAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    İnşaat Mühendisliğiİskenderun Teknik Üniversitesi

    İnşaat Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ÖMER FARUK CANSIZ

  5. Development of molecularly imprinted hydrogels for drug release systems

    İlaç salınım sistemleri için moleküler baskılanmış hidrojellerin geliştirilmesi

    DİLEK DALGAKIRAN

    Doktora

    İngilizce

    İngilizce

    2017

    Kimyaİstanbul Teknik Üniversitesi

    Polimer Bilim ve Teknolojisi Ana Bilim Dalı

    PROF. DR. FATMA SENİHA GÜNER