Geri Dön

Bazı shrinkape tahmin edicileri ile en küçük kareler tahmin edicisinin bir test istatistiği ile karşılaştırılması

Comparison of the shrinkage estimators with the least squares method by a test statistic

  1. Tez No: 85791
  2. Yazar: MERAL DEMİREL
  3. Danışmanlar: PROF. DR. MÜSLİM EKNİ
  4. Tez Türü: Yüksek Lisans
  5. Konular: İstatistik, Statistics
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 1999
  8. Dil: Türkçe
  9. Üniversite: Gazi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: İstatistik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 90

Özet

BAZI SHRINKAGE TAHMİN EDİCİLERİ İLE EN KÜÇÜK KARELER TAHMİN EDİCİSİNİN BİR TEST İSTATİSTİĞİ İLE KARŞILAŞTIRILMASI (Yüksek Lisans Tezi) Meral DEMİREL GAZİ ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Haziran 1999 ÖZET Regresyon analizinde bağımsız (açıklayıcı) değişkenler arasında ilişki (çoklu bağlantı) olması durumunda, En Küçük Kareler tahmin yönteminin kullanılması modelde yer alan değişkenler bakımından yanlış model kullanımına ve dolayısıyla yanlış bulgulara neden olabilmektedir. Birbiriyle bağımlılık gösteren bu tür bağımsız değişkenlerle analiz yapmak için çeşitli yöntemler geliştirilmiştir. Bu yöntemlerden biri de yanlı tahmin yöntemleridir. Bu çalışmada,“Shrinkage Talimin. Edicileri”olarak adlandırılan yanlı tahmin ediciler üzerinde durulmuştur. Shrinkage tahmin edicileri ile En Küçük Kareler tahmin edicisini karşılaştırmak amacıyla Ortalama Hata Kare matrisleri kullanılarak bir gereklilik ve yeterlilik koşulu oluşturulmuş ve bu koşul yardımıyla bir test istatistiği tanımlanmıştır. Bu test istatistiğini kullanmak üzere birinci ve ikinci momentlerden yararlanarak merkezi-F yaklaşımı yapılmıştır. Son olarak, uygulamada yer alan bir veri kümesi üzerinde, bazı Shrinkage tahmin edicileri için, tanımlanan test istatistiğine uygun olarak kabul ve red bölgeleri oluşturulmuştur. Bunun sonucunda, çoklu bağlantı içeren değişkenler için Shrinkage tahmin edicilerinin kullamlması En Küçük Kareler tahmin edicisinin kullanılmasından daha iyi sonuçlar verebilmektedir. Bilim Kodu : 406.02.01 Anahtar Kelimeler : Doğrusal kabul edilebilir tahmin ediciler, ortalama hata kareler, merkezi-F yaklaşımı, Liu-Kejian tahmin edicisi Sayfa Adedi : 79 Tez Yöneticisi : Prof. Dr. Müslim EKNİ

Özet (Çeviri)

COMPARISON OF THE SHRINKAGE ESTIMATORS WITH THE LEAST SQUARES METHOD BY A TEST STATISTIC (M. Sc. Thesis) Meral DEMİREL GAZI UNIVERSITY INSTITUTE OF SCIENCE AND TECHNOLOGY June 1999 ABSTRACT In regression analysis, if there happens to be some kind of relation (multi collinearity) between independent (explanatory) variables, the Least Squares estimation method may lead to the use of wrong models and hence to wrong findings out of the model. Various methods have been devised in order to carry out (regression) analysis with such independent variables which exhibit dependence on each other. One of such methods is the biased estimation method. This study examines the so called biased“Shrinkage Estimators”. In order to make a comparison between the Shrinkage estimators and Least Squares estimators, a condition of necessity and sufficiency has been formed by the use of Mean Square Error matrices and a test statistic has been defined by means of this condition. A central-F approximations has been accomplished in order to use this test statistic, making use of the first and second moments. Finally on the set of data used in the study, some Shrinkage estimators have been applied to the defined test statistic and mere by the rejection and acceptance areas have been obtained. As a result, it has been shown and concluded that for variables having multi collinearity, the use of Shrinkage estimators produce better results as compared to the use of the Least Squares estimators. Science Code : 406.02.01 KeyWords : Linear admissible estimators, mean square error, central-F approximations, Liu-Kejian estimator Page Number : 79 Adviser : Prof. Dr. Müslim EKNİ

Benzer Tezler

  1. Extreme learning machine based on L1 and L2 norms

    L1 ve L2 norma dayalı aşırı makine öğrenmesi

    HASAN YILDIRIM

    Doktora

    İngilizce

    İngilizce

    2020

    İstatistikÇukurova Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. MAHMUDE REVAN ÖZKALE ATICIOĞLU

  2. Some issues of shrinkage estimators in regression model in existence of multicollinearity

    Regresyon modelinde çoklu bağlantı varlığında shrinkage tahmincilerinin bazı sorunları

    MUSTAFA MAHDI SALIH SALIH

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    MatematikÇankırı Karatekin Üniversitesi

    Matematik Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ŞERİFENUR CEBESOY ERDAL

    DR. ÖĞR. ÜYESİ FERAS SHAKER MAHMOOD

  3. An empirical evidence for generalized shrinkage methods:Application of bagging in day-ahead electricity priceforecasting and factor augmentation

    Genelleştirilmiş shrinkage modelleri için bir ampirik bulgu: Bagging yönteminin gün öncesi elektrik fiyatlarının tahminine uygulanması ve faktör modelleri ile desteklenmesi

    KADİR ÖZEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2020

    EkonometriOrta Doğu Teknik Üniversitesi

    İktisat Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ DİLEM YILDIRIM KASAP

  4. Penalty and non-penalty estimation strategies for linear and partially linear models

    Lineer ve kısmi lineer modeller için cezalı ve cezasız tahmin stratejileri

    BAHADIR YÜZBAŞI

    Doktora

    İngilizce

    İngilizce

    2014

    Ekonometriİnönü Üniversitesi

    Matematik Ana Bilim Dalı

    PROF. DR. MEHMET GÜNGÖR

    PROF. DR. SYED EJAZ AHMED

  5. Comparison and assessment of shrinkage methods in case of multicollinearity problem

    Çoklu bağlantı sorunu durumunda küçültme yöntemlerinin karşılaştırılması ve değerlendirilmesi

    ŞEVVAL KILIÇOĞLU

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Endüstri ve Endüstri MühendisliğiAtılım Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ FATMA YERLİKAYA ÖZKURT