Deforme edilmiş logaritmalar ile genelleştirilmiş ridge regresyon
2019
0 views
0 downloads
Advisor: Dr. Öğr. Üyesi Esra Pamukçu ; Dr. Öğr. Üyesi Mehmet Niyazi Çankaya
Abstract (TR)
Ridge regresyon, regresyon analizinde bağımsız değişkenler arasında çoklu bağlantı problemi olduğu zaman önerilen alternatif bir yaklaşımdır. Bu araştırmanın amacı, en çok olabilirlik tahmin edicilerinin bir genelleştirmesi olan M-tahmin edicilerini deforme edilmiş logaritmalar ile yeniden tanımlamak ve bu tahmin ediciler yardımıyla ridge regresyon analizi yapabilmektir. Böylelikle hem çoklu bağlantı probleminin üstesinden gelinecek, hem de deforme edilmiş logaritmalar temelinde oluşturulan M-tahmin edicileri ile dayanıklı tahminler elde edilecektir. Önerilen yöntemin etkinliğini ve uygulanabilirliğini göstermek amacı ile gerçek veri setleri üzerinde uygulama yapılmıştır. Deforme edilmiş logaritmalar temelli M-tahmin yöntemiyle uygulanan ridge regresyonda, ridge parametresinin önemi tespit edilmiş ve Huber M-tahmin ve Student t dağılımının regresyon parametrelerinin en çok olabilirlik tahmin edicileri ile karşılaştırmaları yapılmıştır.
Author
Dr. Meryem Göktürk Şap
How to Cite
Meryem Göktürk Şap (Yüksek Lisans Tezi). Deforme edilmiş logaritmalar ile genelleştirilmiş ridge regresyon, 2019, Fırat University.
Keywords
License
Tüm Hakları Saklıdır
This work is shared under the specified license terms.
More theses from Fırat University
- Fuzûlî'nin Türkçe Divân'ında renklerin kullanımı(2013)
- 3-boyutlu Minkowski uzayında Hasimoto yüzeylerin geometrik özellikleri(2022)
- Çok uluslu şirketlerin küresel ölçekte yayılma stratejilerini etkileyen faktörlerin girişimcilik bağlamında incelenmesi(2018)
- Okullarda örgüt kültürü, örgütsel güven, örgütsel yabancılaşma ve örgütsel sinisizm arasındaki ilişkiler(2015)
- Animasyon destekli 5E Modeli uygulamasının öğrencilerin akademik başarıları ve motivasyonları üzerine etkisi(2015)
- Kuzeydoğu Akdeniz'de yaşayan berlam, Merluccius merluccius (Linnaeus, 1758) ve greater forkbeard, Phycis blennoides (Brünnich, 1768) türlerinin otolit biyometrileri ve büyüme özellikleri(2017)