Çoklu bağlantı durumunda regresyon katsayılarının anlamlılığı için iki parametreli yanlı tahmin edicilere dayalı hipotez testleri
Hypothesis tests based on two-parameter biased estimators for significance of regression coefficients in case of multicollinearity
- Tez No: 860621
- Danışmanlar: PROF. DR. MERAL EBEGİL
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Gazi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 57
Özet
Doğrusal regresyon modelinde, bağımsız değişkenler arasında ilişki olmaması varsayımı sağlanmadığında çoklu bağlantı sorunuyla karşılaşılmaktadır. Bu durumda, En Küçük Kareler tahmin edicisi ile elde edilen parametre tahminleri gerçek değerinden uzaklaşarak yanlış bulguların elde edilmesine sebep olabilmektedir. Çoklu bağlantının etkisini gidermek için etkili olan yöntemlerden biri yanlı tahmin yöntemleridir. Bu tahmin yöntemleri ile artan varyansın azaltılması ve tutarlı parametre tahminlerinin elde edilmesi amaçlanmaktadır. Bu çalışmada, Halawa ve El-Bassiouni'nin (2000) çalışmasında Ridge tahmin edicisi için elde edilen test istatistiğinden yararlanarak regresyon katsayılarının anlamlılığının testi için Liu Tipi tahmin edicisine ilişkin bir test istatistiği elde edilmiştir. Gerçek veri uygulaması ve simülasyon çalışması ile Ridge, Liu ve Liu Tipi tahmin edicilerine ilişkin regresyon modelinin katsayılarının anlamlılık testleri yapılmıştır. Farklı durumlar altında bu tahmin edicilerin 1.tip hataları ve güç değerleri hesaplanarak elde edilen bulgular karşılaştırılmıştır. Elde edilen sonuçlara göre, yüksek derecede çoklu bağlantı bulunduğunda, Liu Tipi tahmin edicisine ait elde edilen LT1 testinin diğer testlere göre daha güçlü olduğu gözlenmiştir.
Özet (Çeviri)
In the linear regression model, multicollinearity problems arise when the assumption of no relationship between independent variables is not met. In this case, the estimations of the model parameters obtained by the Least Squares Estimator method deviate from the true value, leading to erroneous results. The Biased Estimator method is one of the effective methods used to eliminate the negative effects caused by multicollinearity. With this estimation method, it is aimed to reduce the increased variance and obtain consistent parameter estimates. The aim of this study is to obtain a test statistic for the Liu-Type Estimator to test the significance of the regression coefficients, using the test statistic obtained for the Ridge estimator in the study of Halawa and El-Bassiouni (2000). The significance tests of the regression model coefficients for the Ridge, Liu and Liu type biased estimators were conducted with a real data application and simulation study. The type-1 errors and power values of these estimators in different situations are calculated and the results obtained are compared. According to the results, when a high degree of multicollinearity is found, the LT1 test obtained for the Liu Type estimator is stronger than the other tests.
Benzer Tezler
- Çoklu bağlantı durumunda yanlı regresyon yöntemlerinin incelenmesi
Examination of biased regression methods under multicollinearity
DİLDAR AYŞE DERMAN
Yüksek Lisans
Türkçe
2019
BiyoistatistikOrdu ÜniversitesiZootekni Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YELİZ KAŞKO ARICI
- Çoklu bağlantı durumunda tutarlı değişen varyans kovaryans matrisine dayalı tahmin ediciler
Estimators based on varying variance covarience matrix in case of multicollinearity
TUBA GÜZEY
- Regresyon analizinde yanlı tahmin yöntemleri
Estimation methods in regression analysis
MERVE TÜRKMEN ŞAHİNGÖZ
Yüksek Lisans
Türkçe
2019
İstatistikMuğla Sıtkı Koçman Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. DURSUN AYDIN
- Principal components in the problem of multicollineartity
Çoklu doğrusal bağlantı sorununda temel bileşenler yaklaşımı
NESLİHAN ORTABAŞ
Yüksek Lisans
İngilizce
2001
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. SERDAR KURT
- Regresyon analizinde çoklu doğrusal bağlantı probleminin incelenmesi: Temel bileşenler
Investigation of multiple linear connection problems in regression analtsis: Principal components
EDA KARAOĞLU
Yüksek Lisans
Türkçe
2020
İstatistikOndokuz Mayıs Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. YÜKSEL ÖNER