dc.contributor.advisor | Erilli, Necati Alp | |
dc.contributor.author | Akman, Nilüfer Betül | |
dc.date.accessioned | 2020-03-04T12:09:43Z | |
dc.date.available | 2020-03-04T12:09:43Z | |
dc.date.issued | 2018 | tr |
dc.date.submitted | 2018-12-21 | |
dc.identifier.other | XIV, 97 sayfa | |
dc.identifier.uri | https://hdl.handle.net/20.500.12418/12339 | |
dc.description.abstract | Regresyon analizi aralarında sebep sonuç ilişkisi olan iki veya daha fazla değişkenin
aralarındaki ilişkiyi incelemek ve konuyla ilgili tahmin yapabilmek amacıyla oluşturulan
matematiksel bir model ile ifade edilen istatistiksel analizdir. Basit doğrusal regresyon
analizi bir bağımlı ve bir bağımsız değişken arasındaki fonksiyonel ilişkiyi incelerken,
çoklu doğrusal regresyon analizi bir bağımlı ve birden çok bağımsız değişken arasındaki
fonksiyonel ilişkiyi inceler. Regresyon analizi, parametrik regresyon, parametrik olmayan
regresyon ve yarı parametrik regresyon olmak üzere üç ana başlık altında incelenebilir.
Parametrik regresyon analizi bağımlı ve bağımsız değişkenler ile bu değişkenler arasındaki
ortalama ilişkinin matematiksel bir fonksiyonla gösterilmesi ve bu fonksiyondaki parametre
vektörlerinin açık olarak gösterilmesidir. Parametrik olmayan regresyon analizi bir bağımlı
değişken ve bu değişken ile nasıl bir ilişki içerisinde olduğu bilinmeyen bir bağımsız
değişkenden oluşmaktadır. Parametrik olmayan regresyon analizinin amacı parametreleri
tahmin etmekten çok bilinmeyen yanıt fonksiyonunu tahmin etmektir. Yarı parametrik
regresyon modeli ise bağımlı değişkenin bağımsız değişkenlerden bazıları ile aralarındaki
ilişkinin belirlenebildiği fakat diğer bağımsız değişken veya değişkenlerle aralarındaki
ilişkinin kolay olarak belirlenemediği bir modeldir.
Bootstrap yöntemi ise kısaca verilerin yeniden örnekleme mantığına dayanan bir
yöntem olarak ifade edilebilir. Geleneksel parametrik sonucun dağılım varsayımları ve
matematiksel analizden daha büyük oranda hesaplamayı içeren bootstrap, istatistiksel
sonuca yaklaşım olarak kullanılmaktadır. Bootstrap yöntemi örneklem ortalaması, standart
hatalarının hesaplanması ve güven aralıklarının belirlenmesini amaçlayarak geliştirilmiştir.
Bu tez çalışmasında; parametrik olmayan regresyon analizinde, yeniden örnekleme
yöntemlerinden olan Bootstrap yöntemi birlikte kullanılmıştır. Yöntem sonuçları, farklı veri
yapılarında EKK, Theil-Sen, Mood-Brown, Optimum ve Hodges-Lehman tahmin
modellerinden elde edilen sonuçlar ile karşılaştırılmış ve yorumlanmıştır. Ayrıca Bootstrap
ile elde edilen farklı veri yapılarına, belirli oranda aykırı değerler eklenerek, uygulanan
yöntemin gücü test edilmiştir. Sonuç olarak Bootstrap tekniği ile parametrik olmayan
regresyon analizine alternatif bir yöntem sunulmuş, sonuçlar yorumlanarak karşılaştırmalar
yapılmıştır. | tr |
dc.description.abstract | Regression analysis is a statistical analysis which is used to examine the
relationship between two or more variables which have causative relationship between
them and to make predictions on the subject. Simple linear regression analysis examines
the functional relationship between a dependent and an independent variable. Multiple
linear regression analysis examines the functional relationship between a dependent and
multiple independent variables. Regression analysis can be examined under three main
headings. Parametric regression, nonparametric regression and semi-parametric
regression. The parametric regression analysis is a mathematical function of the
dependent and independent variables and the relationship between these variables.
Nonparametric regression analysis consists of a dependent variable and an independent
variable that is not associated with this variable. The aim of the nonparametric
regression analysis is to estimate the unknown response function rather than predict
parameters. The semi-parametric regression model is a model in which the relationship
between the dependent variable and some of the independent variables can be
determined but the relationship between the other independent variables or variables
cannot be easily determined.
The Bootstrap method can be briefly expressed as a method based on the resampling
logic of the data. The bootstrap, which includes the calculation of the
traditional parametric result and the calculation of a larger proportion than the
mathematical analysis, is used as the approach to the statistical result. The Bootstrap
method was developed with the aim of determining the sample mean, the calculation of
standard errors and the determination of confidence intervals.
In this thesis; In the nonparametric regression analysis, Bootstrap method,
which is one of the resampling methods, was used together. The results of the method
were compared and interpreted with the results obtained from EKT, Theil-Sen, Mood-
Brown, Optimum and Hodges-Lehman estimation models in different data structures. In
addition, the power of the applied method has been tested by adding certain values to
the different data structures obtained with Bootstrap. As a result, an alternative method
for nonparametric regression analysis was presented with Bootstrap technique. | tr |
dc.language.iso | tur | tr |
dc.publisher | Sivas Cumhuriyet Üniversitesi Sosyal Bilimler Enstitüsü | tr |
dc.rights | info:eu-repo/semantics/openAccess | tr |
dc.subject | Parametrik Olmayan Regresyon | tr |
dc.subject | Doğrusal Regresyon | tr |
dc.subject | Bootstrap Analizi | tr |
dc.title | Parametrik Olmayan Regresyon Analizinde Bootstrap Yöntemi | tr |
dc.type | masterThesis | tr |
dc.contributor.department | Sosyal Bilimler Enstitüsü | tr |
dc.relation.publicationcategory | Tez | tr |