• Hızlı Erişim
  • Announcements
  • DUYURU 3

    Yayın politikamız

    gereği,

    yayinlanacak

    makale sayısı

    sınırlandırılmış ve

    çalışmaların geliş

    tarihi itibarıyla

    yayınlanması

    kararlaştırılmıştır.


    DUYURU 2

    Dergimiz ana

    sayfasında

    "Dergi Hakkında"

    kısmında belirtilen

    alanlar dışında

    yayın kabul 

    etmeyecektir.

     


    DUYURU 1

    Çok yazarlı

    makalelerdeki

    tüm yazarların 

    dergiye 

    üye olması

    gerekmektedir.

    Aksi takdirde

    yazılar

    yayınlanmayacaktır.

     


Summary


EN KÜÇÜK KARELER REGRESYONUNA ALTERNATİF BİR YÖNTEM: KANTİL REGRESYON
Kantil Regresyon yöntemi Koenker ve Bassett tarafından önerilmiş bir regresyon modelidir. Kantil Regresyon yöntemi, dayanıklı (robust) bir regresyon şeklidir. Basit regresyon modelleri ya da En Küçük Kareler yöntemi uç değerlere karşı esnek değildir. Kantil Regresyon yöntemi, diğer regresyon yöntemlerine göre uç değerlere karşı daha esnektir bu sebeple Kantil Regresyon yöntemi çok çeşitli uygulama alanlarında kullanılmaktadır. En Küçük Kareler yönteminde hataların varyansı konusunda bazı varsayımlar vardır. En Küçük Kareler (EKK) yöntemi, sapan değerlere (uç değerlere) karşı esnek olmadığından, yapılan tahmini etkilemektedir. Kantil Regresyon yöntemi, En Küçük Kareler yönteminin bu özelliğinden dolayı alternatif olarak geliştirilmiştir. Daha esnek bir yaklaşım olduğundan bazı varsayımlara gerek duymaz. Kantil Regresyon, doğrusal modelde bağımlı değişkenin dağılımının koşullu miktarlarını tahmin etmenin bir yoludur. Kantil Regresyonlar, veri kümelerinin koşullu dağılımındaki değişiklikleri görselleştirmek için kullanışlıdır. Kantil Regresyon yöntemi, özellikle uç değerlerin olduğu durumlarda kullanışlı bir yöntemdir. Bu çalışmanın amacı, Kantil Regresyon yönteminin etkililiğini tekrar test etmektir. Bu amaçla, R programı üzerinden yapay olarak veri üretilmiştir. Veri setinde uç değerler içeren bağımlı ve bağımsız değişkenler bulunmaktadır. Normal dağılım sergileyen veri seti üretildikten sonra uç değerler eklenip, toplam veri sayısı 400’de sınırlandırıldı. Yapay veri üretilmesinin sebebi ise teorik çalışmalarda, yapay veri üretmenin teoriyi daha iyi açıklayacağını düşünülmesindendir. Normal dağılıma uygun veride, uç değerler eklenerek EKK yöntemi ve Kantil Regresyon yöntemi kıyaslanmıştır. Yapılan simülasyon çalışması sonunda uç değerler içeren veride, Kök Ortalama Hata Kare kriteri değerine göre Kantil Regresyon yönteminin performansı EKK yöntemine göre daha başarılı olduğu bulunmuştur.

Keywords
Kantil Regresyon, en küçük kareler yöntemi, uç değerler
Adres :ANKARA
Telefon :0506 509 32 59 Faks :
Eposta :info@avrasyad.com

Web Yazılım & Programlama Han Yazılım Bilişim Hizmetleri