Kötü koşulluluk ve eksik sunumluluk problemi altında çoklu regresyon modelinin tahmin edilmesinde kullanılan bazı yöntemler ve çözüm önerileri

Bu çalışmada, kötü koşulluluk ve eksik sunumluluk problemlerinin etkisi altında çoklu regresyon modellerinin tahmin performansını artırmak için kullanılan alternatif yöntemler incelenmektedir. Klasik Doğrusal Regresyon Modeli (KDRM), özellikle çoklu doğrusal bağlantı veya gözlem eksikliği durumlarında parametre tahminlerinde tutarsızlığa neden olabilir. Çalışmada, yanlı tahmin edicilerden Ridge tahmin edici ve Genelleştirilmiş Maksimum Entropi (GME) tahmin edici teorik temeller ile detaylandırılmış ve uygulamalı analizlerle karşılaştırmalı performansları değerlendirilmiştir. Ramanathan'ın (1992) ABD'nin tarımsal girdi ve çıktı verileri ile gayrisafi milli hasıla verileri kullanılarak gerçekleştirilen uygulamalarda, Ridge regresyonunun ceza parametresi ile tutarlılığı artırdığı; GME'nin ise eksik sunumluluk problemlerinde daha üstün performans sergilediği görülmüştür. Sonuç olarak, her iki yöntemin de klasik tahmin tekniklerine alternatif olarak güvenilir ve tutarlı sonuçlar sunduğu ortaya konulmuştur. Bu çalışma, ekonometrik modellemede tahmin performansını artırmaya yönelik çözüm yolları sunmakta ve bu alandaki literatüre katkı sağlamaktadır. Anahtar kelimeler: Kötü koşulluluk, eksik sunumluluk, Ridge tahmin edici, Genelleştirilmiş maksimum entropi, regresyon tahmini.