ALIŞTIRMA 2 GSYİH. Toplamsal Ayrıştırma Yöntemi

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "ALIŞTIRMA 2 GSYİH. Toplamsal Ayrıştırma Yöntemi"

Transkript

1 ALIŞTIRMA 2 GSYİH Bu çalışmamızda GSYİH serisinin toplamsal ve çarpımsal ayrıştırma yöntemine göre modellenip modellenemeyeceği incelenecektir. Seri ilk olarak toplamsal ayrıştırma yöntemine göre analiz edilecektir. Toplamsal Ayrıştırma Yöntemi GSYİH serisi oluşturulduktan sonra Data Define Dates e girilir ve Years,quarters seçilir. Year kısmına 1990, Quater kısmına 1 yazılır. İlk olarak GSYİH serisinin zaman serisi grafiğini çizebilmek için Analyze Forecasting Sequence Charts a bakılır. Variables kısmına GSYİH serimiz atılır ve Time Axis Labels kısmına date atılır. Bu grafikten serinin zamanla artan doğrusal bir trende sahip olduğu görülmektedir ancak mevsimsel dalgalanmanın trende göre daha baskın olduğu görülmektedir. Serinin periyodunu bulmak amacıyla serinin trend bileşeni elde edilmeli ve orijinal seriden trend bileşeni çıkartılarak serinin mevsimsel bileşeni bulunabilir. Mevsimsel bileşenin ACF grafiğinden serinin periyodunun 4 olduğu net bir şekilde görülebilir.ancak GSYİH serisinin ACF grafiğindeki y eksenine bakıldığında her 4 gecikmede bir önemli sıçramalar (ilişkiler) görüldüğünden serinin periyodunun 4 olduğu anlaşılmaktadır. Dolayısıyla tarih ataması işlemi mevsimsel seriye göre seçilerek yani years,quarters olarak seçilerek yapılmalıdır. 1

2 Merkezsel Hareketli Ortalama serisi hesaplanırken ise germe sayısı, yani span 4 olarak alınmalıdır. Merkezsel Hareketli Ortalama serisini hesaplamak için; Transform Create Time Series girilir. Variables kımına orijinal serimiz atılır, Function kısmında Centered Moving Average seçilir ve Span kısmına 4 yazılır. Name kısmında Change tıklanır böylece oluşacak seriye yeni isim verilmiş oldu. Bu aşamadan sonra orijinal seriden hareketli ortalama serisi çıkartılarak serinin mevsimsel bileşeni bulunur. Serinin mevsimsel bileşeninin bulunabilmesi için Transform Compute Variable a girdikten sonra Target Variable kısmına yeni oluşacak seriye vermek istenilen isim yazılır buraya mevsim yazılır. Numeric Expression kısmına ise GSYİH GSYİH_1 yazılır yani orijinal seriden merkezsel hareketli ortalama serisi çıkarılır. Serinin mevsimsel bileşeni olan mevsim serisi elde edildikten sonra bu seri kullanılarak mevsimsel endeks serisi hesaplanır. Her periyodun aynı dönemindeki mevsim serisinin verilerinin ortalaması alınır. Veriler üçer aylık olduğu için 4 tane ortalama değeri bulunur. Bu 4 değerin ortalaması alınır ve daha sonra her ortalama değerinden bulunan son ortalama değeri çıkartılarak mevsimsel endeks değerleri hesaplanır. Mevsimsel endeks değerlerinin bulunabilmesi için; Analyze Descriptive Statistic Explore a girilir. Dependent List kısmına mevsim serisi, Factor List kısmına Quarter atılır ve OK denir. Böylece 4 tane ortalama değeri bulunmuş olur. M 1 = -4230,7273 M 2 = -1533,4773 M 3 = 5526,5909 M 4 =240,3636 bu dönem ortalamanın ortalaması ise M= 2,7499 olarak bulunur. Ortalamalardan ortalamaların ortalaması çıkarılır. Örneğin M 1 -M yapılır. Dört ortalama için bu işlem tek tek yapılır ve böylece mevsimsel endeks değerleri bulunur. Bu 4 mevsimsel endeks değeri periyottaki dönemlere dikkat edilerek seri boyunca tekrar tekrar yazılır. Serinin öngörüsü de yapılmak isteniyorsa öngörü hangi döneme kadar yapılacaksa o döneme kadar mevsimsel endeks serisi uzatılır. Bu çalışmada 4 dönemlik öngörü yapılsın. Bu durumda orijinal serinin son verisinden 4 dönem sonrasına kadar mevsimsel endeks serisi uzatılmalıdır. Bu işlemden sonra orijinal seriden endeks serisi çıkartılır ve trend serisi bulunur. Trend serisini bulabilmek için; Transform Compute Variable a girilir. Targer Variable kısmına trent yazılır, Numeric Expression kısmına GSYİHendeks yazılır yani orijinal seriden endeks serisi çıkarılarak trent serisi bulunmuş olur. Trend serisinde hata terimi mevcuttur, trent serisinden hata terimini arındırabilmek amacıyla trent serisine doğrusal regresyon uygulanır. Bu işlemi yapabılmek için Analyze Regression Curve Estimation a girilir. Dependent kısmına trent yazılır, İndependent kısmında Time işaretlenir ve Models kısmında Linear işaretlenir. Display ANOVA table da işaretlenir ve Save tıklanarak açılan ekranda Predicted values ve Residuals işaretlenir. Continue tıklanır daha sonra Ok tıklanır. Buradan elde edilen saf trend değerleri ile mevsimsel endeks değerleri toplanarak toplamsal ayrıştırma yönteminin tahmin serisi elde edilir. Bu işlemin yapabilmek için Transform Compute Variable a girilir. Target Variable kısmına Tahmin yazılır, Numeric Expression kısmına endeks+fit_1 yazılır yani mevsimsel endeks değerleri ile saf trend değerleri toplanır. Hata serisini elde edebilmek için Transform Compute Variable a girildikten sonra Target Variable kısmına Hata yazılır, Numeric Expression kısmına GSYİH-Tahmin yazılır yani orijinal seriden Tahmin serisi çıkarılarak Hatalar elde edilir. 2

3 Coefficients Unstandardized Coefficients Standardized t Sig. Coefficients B Std. Error Beta Case Sequence 207,811 13,175,919 15,773,000 (Constant) 20202, ,830 54,478,000 Trend serisine uygulanan doğrusal regresyon modelinin katsayılarının istatistiksel olarak anlamlı olduğu görülmektedir. Model Summary R R Square Adjusted R Square Std. Error of the Estimate,919,844, ,573 Buradan modelin determinasyon katsayısı ve düzeltilmiş belirlilik katsayısı görülür. ANOVA Sum of Squares df Mean Square F Sig. Regression , , ,773,000 Residual , ,990 Total , Bu tabloya bakarak modelin genel olarak anlamlı olduğu söylenir. Toplamsal modelin ele alınan seri üzerinde geçerli bir model, yani bir başka deyişle tahminlerine güvenilir olup olmadığının kontrolü için öncelikle orijinal seri ile tahmin serisinin birlikte zaman serisi grafiği çizilir. Grafiği çizdirebilmek için Analyze Forecasting Sequence Charts a girilir. Variables kısmına GSYİH(orijinal seri) ve Tahmin serisi atılır ve Ok butonuna basılır. Böylece ojinal seri ile Tahmin serisinin birlikte grafiği çizdirilir. 3

4 Bu grafiğe göre gerçek değerler ile tahmin değerleri arasında tatmin edici bir uyum vardır. Ancak bu uyum modelin istatistiksel olarak geçerli olduğunu göstermez. Tahminlerin istatistiksel olarak güvenilir olabilmesi için modelin hatalarının akgürültü serisi olması gerekir. Hataların akgürültü olup olmadığını tespit etmek amacıyla elde edilen hata serisinin otokorelasyon ve kısmi otokorelasyon grafikleri çizilir. Analyze Forecasting Autocorrelations a girdikten sonra Variables kısmına Hata serisi atılır ve Display kısmında Autocorrelations ve Partial Autocorrelations işaretlenir, Options butonuna basarak Maksimum Number of Lags kısmına gecikme sayısı yazılır örneğin 16 sonra Ok butonuna basılır ve otokorelasyon, kısmi otokorelasyon grafikleri ile birklikte Box- Ljung istatistik sonuçları elde edilir. 4

5 Series: hata Autocorrelations Lag Autocorrelation Std. Error a Box-Ljung Statistic Value df Sig. b 1,700,140 25,055 1,000 2,431,138 34,751 2,000 3,200,137 36,893 3,000 4,029,135 36,938 4, ,013,134 36,947 5, ,027,132 36,990 6,000 7,036,131 37,063 7,000 8,057,129 37,261 8,000 9,008,127 37,265 9, ,096,126 37,847 10, ,153,124 39,370 11, ,244,122 43,331 12, ,313,121 50,044 13, ,330,119 57,739 14, ,320,117 65,181 15, ,253,115 69,984 16,000 a. The underlying process assumed is independence (white noise). b. Based on the asymptotic chi-square approximation. 5

6 Hataların otokorelasyon ve kısmi otokorelasyon grafiklerine bakıldığında otokorelasyon grafiğinde çokca değerin sınırları aştığı görülmektedir. Kısmi otokorelasyon grafiğinde ise ilk değerin sınırı aşması ilişkilerin öenmli olduğunu gösteriri. Ayrıca Box-Ljung testine göre gecikmelerde ilişkiler önemli olduğundan hataların akgürültü serisi olmadığı sonucuna varılır. Bu durumda GSYİH serisinin analizi için toplamsal ayrıştırma yöntemi uygun değildir. 6

7 Çarpımsal Ayrıştırma Yöntemi Çarpımsal ayrıştırma yönteminde toplamsal ayrıştırma yöntemine göre sadece yapılan matematiksel işlemlerde farklılık vardır. Örneğin toplamsal ayrıştırma yönteminde orijinal seriden merkezsel hareketli ortalama serisi çıkarılarak bulunan mevsim serisi, çarpımsal ayrıştırma yönteminde orijinal serinin merkezsel hareketli ortalamaya bölünmesiyle bulunur. Ya da toplamsal ayrıştırma yönteminde endeks serisi ile saf trend serisi toplanarak elde edilen tahmin serisi, çarpımsal ayrıştırma yönteminde endeks serisi ile saf trend serisinin çarpımı sonucunda elde edilir. Çıkarma işlemi yapılan yerlerde bölme, Toplama işlemi yapılan yerlerde çarpma işlemi yapılmaktadır. İlk adım olarak serinin zaman serisi grafiği çizilir. Bu grafikten serinin zamanla artan doğrusal bir trende sahip olduğu görülmektedir ancak mevsimsel dalgalanmanın trende göre daha baskın olduğu görülmektedir. Serinin toplamsal ayrıştırma yönteminde olduğu gibi Merkezsel Haraketli Ortalama serisi hesaplanır. Ancak bu sefer serinin mevsimsel bileşeninin elde edilebilmesi için orijinal seri,yani GSYİH serisi hareketli ortalama serisine bölünür. Elde edilen mevsimsel bileşen serisi kullanılarak, toplamsal ayrıştırma yönteminde olduğu gibi mevsimsel endeks serisi bulunur. Her periyodun aynı dönemindeki mevsim serisinin verilerinin ortalaması alınır. Veriler üçer aylık olduğu için 7

8 4 tane ortalama değeri bulunur. Bu 4 değerin ortalaması alınır ve daha sonra her ortalama değeri bulunan son ortalama değerine bölünerek mevsimsel endeks değerleri hesaplanır. Bu endeks değerlerinin ortalamalarının yaklaşık 1 olduğuna dikkat edilmelidir. Bulunan endeks değerleri öngörünün yapılacağı döneme kadar tekrar tekrar yazılarak endeks serisi elde edilir ve orijinal seri bu endeks serisine bölünerek elde edilen trent bileşenine hata teriminden arındırmak için regresyon uygulanır. Coefficients Unstandardized Coefficients Standardized t Sig. Coefficients B Std. Error Beta Case Sequence 211,405 13,680,916 15,453,000 (Constant) 20105, ,037 52,216,000 Burada trend modelinin katsayılarının anlamlı olduğu görülmektedir. ANOVA Sum of Squares df Mean Square F Sig. Regression , , ,803,000 Residual , ,790 Total , ANOVA tablosuna bakarak modelin genel olarak anlamlı olduğu söylenebilir. Modelin regrsyon kareleri ortalamasını ve hata kareleri ortalamasını görebiliriz. Model Summary R R Square Adjusted R Square Std. Error of the Estimate,916,838, ,019 Bu tabloya bakarak modelin determinasyon katsayısını ve düzeltilmiş belirlilik katsayısını görebiliriz. Bu regresyon modelinden elde edilen tahminler orijinal serinin trend bileşenini oluşturur. Endeks serisi ile trend bileşeni serisi çarpılarak tahmin serisi elde edilir. Hata serisinin 8

9 bulunması için de orijinal seriden tahmin serisi çıkartılır. Çarpımsal modelin ele alınan seri üzerinde geçerli bir model olup olmadığının kontrolü için orijinal seri ile tahmin serisinin birlikte grafiği çizilir. Bu grafiğe göre gerçek değerler ile tahmin değerleri arasında iyi bir uyum olduğu görülmektedir. Ancak bu uyum modelin istatistiksel olarak güvenilir olabilmesi için yeterli değildir. Tahminlerin istatistiksel olarak güvenilir olabilmesi için modelin hatalarının akgürültü serisi olması gerekir. Hataların akgürültü olup olmadığını tespit etmek amacıyla elde edilen hata serisinin otokorelasyon ve kısmi otokorelasyon grafikleri çizilir. 9

10 Series: hata Autocorrelations Lag Autocorrelation Std. Error a Box-Ljung Statistic Value df Sig. b 1,675,140 23,260 1,000 2,358,138 29,961 2,000 3,162,137 31,363 3,000 4,074,135 31,666 4, ,032,134 31,723 5, ,070,132 32,005 6,000 7,022,131 32,035 7,000 8,091,129 32,535 8,000 9,014,127 32,546 9, ,106,126 33,256 10, ,157,124 34,857 11, ,216,122 37,965 12, ,284,121 43,515 13, ,340,119 51,696 14, ,337,117 59,959 15, ,248,115 64,565 16,000 a. The underlying process assumed is independence (white noise). b. Based on the asymptotic chi-square approximation. 10

11 Hataların otokorelasyon ve kısmi otokorelasyon grafiklerine bakıldığında otokorelasyon grafiğinde çokca değerin sınırları aştığı görülmektedir. Kısmi otokorelasyon grafiğinde ise ilk değerin sınırı aşması ilişkilerin öenmli olduğunu gösteriri. Ayrıca Box- Ljung testine göre gecikmelerde ilişkiler önemli olduğundan hataların akgürültü serisi olmadığı sonucuna varılır. Bu durumda GSYİH serisinin analizi için çarpımsal ayrıştırma yöntemi uygun değildir. 11

ALIŞTIRMA 1 ULUSAL SINAİ ENDEKS

ALIŞTIRMA 1 ULUSAL SINAİ ENDEKS ALIŞTIRMA 1 ULUSAL SINAİ ENDEKS Bu çalışmada Ulusal Sınai Endeks serisiyle ilgili analizler yapılacaktır. Öncelikle seri oluşturulur. Data dan Define Dates e girilir oradan weekly,days(5) işaretlenir ve

Detaylı

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ

ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ ZAMAN SERİLERİNDE AYRIŞTIRMA YÖNTEMLERİ 1 A. GİRİŞ Gözlemlerin belirli bir dönem için gün, hafta, ay, üç ay, altı ay, yıl gibi birbirini izleyen eşit aralıklarla yapılması ile elde edilen seriler zaman

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

Çalıştığı kurumun prestij kaynağı olup olmaması KIZ 2,85 ERKEK 4,18

Çalıştığı kurumun prestij kaynağı olup olmaması KIZ 2,85 ERKEK 4,18 1 * BAĞIMSIZ T TESTİ (Independent Samples t test) ÖRNEK: Yapılan bir anket çalışmasında katılımcılardan, çalıştıkları kurumun kendileri için bir prestij kaynağı olup olmadığını belirtmeleri istenmiş. 30

Detaylı

Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat...

Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat... Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat... Her istatistik teknik her tür analize elverişli değildir. Modele veya hipoteze uygun test istatistiği

Detaylı

01.02.2013. Statistical Package for the Social Sciences

01.02.2013. Statistical Package for the Social Sciences Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat... Her istatistik teknik her tür analize elverişli değildir. Modele veya hipoteze uygun test istatistiği

Detaylı

Pazarlama Araştırması Grup Projeleri

Pazarlama Araştırması Grup Projeleri Pazarlama Araştırması Grup Projeleri Projeler kapsamında öğrencilerden derlediğiniz 'Teknoloji Kullanım Anketi' verilerini kullanarak aşağıda istenilen testleri SPSS programını kullanarak gerçekleştiriniz.

Detaylı

UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI

UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI 1 UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI Örnek 1: Ders Kitabı 3. konuda verilen 100 tane yaş değeri için; a. Aritmetik ortalama, b. Ortanca değer, c. Tepe değeri, d. En küçük ve en

Detaylı

SPSS (Statistical Package for Social Sciences)

SPSS (Statistical Package for Social Sciences) SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) Data Editör iki arayüzden oluşur. 1. Data View 2. Variable

Detaylı

ZAMAN SERİLERİNDE REGRESYON ANALİZİ

ZAMAN SERİLERİNDE REGRESYON ANALİZİ ZAMAN SERİLERİNDE REGRESYON ANALİZİ 1 1. GİRİŞ Trent, serinin genelinde yukarıya ya da aşağıya doğru olan hareketlere denmektedir. Bu hareket bazen düz bir doğru şeklinde olmaktadır. Bu tür harekete sahip

Detaylı

19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I

19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I 19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I Bir dil dershanesinde öğrenciler talep ettikleri takdirde, öğretmenleriyle

Detaylı

SPSS UYGULAMALARI-II Dr. Seher Yalçın 1

SPSS UYGULAMALARI-II Dr. Seher Yalçın 1 SPSS UYGULAMALARI-II 27.12.2016 Dr. Seher Yalçın 1 Normal Dağılım Varsayımının İncelenmesi Çarpıklık ve Basıklık Katsayısının İncelenmesi Analyze Descriptive Statistics Descriptives tıklanır. Açılan pencerede,

Detaylı

UYGULAMA 2 TABLO YAPIMI

UYGULAMA 2 TABLO YAPIMI 1 UYGULAMA 2 TABLO YAPIMI Amaç: SPSS 10 istatistiksel paket programında veri girişi ve tablo yapımı. SPSS 10 istatistiksel paket programı ilk açıldığında ekrana gelen görüntü aşağıdaki gibidir. Bu pencere

Detaylı

SANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ

SANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ , ss. 51-75. SANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ Sefer YAVUZ * Özet Sanayi İşçilerinin Dini Yönelimleri ve Çalışma Tutumları Arasındaki İlişki - Çorum

Detaylı

İSTATİSTİK SPSS UYGULAMA

İSTATİSTİK SPSS UYGULAMA İSTATİSTİK SPSS UYGULAMA Yrd. Doç. Dr. H. İbrahim CEBECİ SPSS UYGULAMA Bu bölümde SPSS veri girişi, Basit grafik hazırlama, örneklem çekimi ve tanımlayıcı istatistiksel analizler hakkında SPSS uygulamaları

Detaylı

Bağımsız Örneklemler İçin Tek Faktörlü ANOVA

Bağımsız Örneklemler İçin Tek Faktörlü ANOVA Bağımsız Örneklemler İçin Tek Faktörlü ANOVA ANOVA (Varyans Analizi) birden çok t-testinin uygulanması gerektiği durumlarda hata varyansını azaltmak amacıyla öncelikle bir F istatistiği hesaplanır bu F

Detaylı

The International New Issues In SOcial Sciences

The International New Issues In SOcial Sciences Number: 4 pp: 89-95 Winter 2017 SINIRSIZ İYİLEŞMENİN ÖRGÜT PERFORMANSINA ETKİSİ: BİR UYGULAMA Okan AY 1 Giyesiddin NUROV 2 ÖZET Sınırsız iyileşme örgütsel süreçlerin hiç durmaksızın örgüt içi ve örgüt

Detaylı

İÇİNDEKİLER 1. GİRİŞ...

İÇİNDEKİLER 1. GİRİŞ... İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel

Detaylı

BİYOİSTATİSTİK PARAMETRİK TESTLER

BİYOİSTATİSTİK PARAMETRİK TESTLER BİYOİSTATİSTİK PARAMETRİK TESTLER Doç. Dr. Mahmut AKBOLAT *Bir testin kullanılabilmesi için belirli şartların sağlanması gerekir. *Bir testin, uygulanabilmesi için gerekli şartlar; ne kadar çok veya güçlü

Detaylı

Hareketli Ortalama ile Mevsimsel Ayrıştırma (Yöntem-2)

Hareketli Ortalama ile Mevsimsel Ayrıştırma (Yöntem-2) Tahmin Yöntemleri Hareketli Ortalama ile Mevsimsel Ayrıştırma (Yöntem-2) Mevsimsel etkenin tahmininde kullanılan diğer bir yöntem de N dönemlik hareketli ortalamaların alınmasıdır. Burada N değeri aynı

Detaylı

Regresyon Analizi. Yaşar Tonta H.Ü. BBY tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/courses/fall2008/sb5002/ SLIDE 1

Regresyon Analizi. Yaşar Tonta H.Ü. BBY tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/courses/fall2008/sb5002/ SLIDE 1 Regresyon Analizi Yaşar Tonta H.Ü. BBY tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/courses/fall2008/sb5002/ SLIDE 1 Not: Sunuş slaytları G.A. Morgan, O.V. Griego ve G.W. Gloeckner in SPSS for

Detaylı

ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı

ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı Trend Analizi Eğer zaman serisi i rastgele dağılmış ğ değil ise, genel bir eğilim (trend) gösteriyorsa bu seriye uygun doğru ya da eğriyi bulmaya çalışırız. Trend orta-uzun dönemde her iniş, çokışı yansıtmayacak,

Detaylı

DÖNEM II ÜROGENİTAL SİSTEM VE HASTALIKLARIN BİYOLOJİK TEMELLERİ DERS KURULU. Yrd.Doç.Dr.İsmail YILDIZ BİYOİSTATİSTİK AD DERS NOTLARI

DÖNEM II ÜROGENİTAL SİSTEM VE HASTALIKLARIN BİYOLOJİK TEMELLERİ DERS KURULU. Yrd.Doç.Dr.İsmail YILDIZ BİYOİSTATİSTİK AD DERS NOTLARI DÖNEM II ÜROGENİTAL SİSTEM VE HASTALIKLARIN BİYOLOJİK TEMELLERİ DERS KURULU Yrd.Doç.Dr.İsmail YILDIZ BİYOİSTATİSTİK AD DERS NOTLARI 05.05.2014 Pazartesi, Saat:11.30-12.20;Korelasyon ve Regresyon Uygulaması

Detaylı

SPSS de Tanımlayıcı İstatistikler

SPSS de Tanımlayıcı İstatistikler SPSS de Tanımlayıcı İstatistikler Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı SPSS programında belirtici istatistikler 4 farklı menüden yararlanılarak

Detaylı

ZAMAN SERİ ANALİZİNDE TEMEL KAVRAMLAR

ZAMAN SERİ ANALİZİNDE TEMEL KAVRAMLAR ZAMAN SERİ ANALİZİNDE TEMEL KAVRAMLAR 1 KAVRAMLAR Öngörü: Gelecek olayları ya da koşulları tahmin etmeye öngörü denir. Karar verme sürecinde vazgeçilmez bir unsurdur. Nitel(kalitatif) Yöntemler: Öngörü

Detaylı

Student t Testi. Doç. Dr. Ertuğrul ÇOLAK. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı

Student t Testi. Doç. Dr. Ertuğrul ÇOLAK. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Student t Testi Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Konu Başlıkları Tek örnek t testi SPSS de tek örnek t testi uygulaması Bağımsız iki örnek

Detaylı

009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL

Detaylı

BİYOİSTATİSTİK TABLO VE FRAFİK YAPIMI

BİYOİSTATİSTİK TABLO VE FRAFİK YAPIMI BİYOİSTATİSTİK TABLO VE FRAFİK YAPIMI B Doç. Dr. Mahmut AKBOLAT *Tablo, araştırma sonucunda elde edilen bilgilerin sayısal olarak *anlaşılabilir bir nitelikte sunulmasını sağlayan bir araçtır. *Tabloda

Detaylı

Çoklu Regresyon Korelasyon Analizinde Varsayımdan Sapmalar ve Çimento Sektörü Üzerine Uygulama *

Çoklu Regresyon Korelasyon Analizinde Varsayımdan Sapmalar ve Çimento Sektörü Üzerine Uygulama * Çoklu Regresyon Korelasyon Analizinde Varsayımdan Sapmalar ve Çimento Sektörü Üzerine Uygulama * Erkan SEVİNÇ ** Giriş Bu çalışmada İMKB de taş ve toprağa dayalı sanayi altında işlem gören şirketlerin

Detaylı

ARDIŞIK SAYILAR. lab2_pc32 BERRIN_ESMA_OZGE

ARDIŞIK SAYILAR. lab2_pc32 BERRIN_ESMA_OZGE 2011 ARDIŞIK SAYILAR lab2_pc32 BERRIN_ESMA_OZGE 29.11.2011 İçindekiler bu konu 4. Sınıf müfredatında yer almaktadır... 2 ardisik sayılarda dört işlem... Hata! Yer işareti tanımlanmamış. ardisik sayilarda

Detaylı

A. Regresyon Katsayılarında Yapısal Kırılma Testleri

A. Regresyon Katsayılarında Yapısal Kırılma Testleri A. Regresyon Katsayılarında Yapısal Kırılma Testleri Durum I: Kırılma Tarihinin Bilinmesi Durumu Kırılmanın bilinen bir tarihte örneğin tarihinde olduğunu önceden bilinmesi durumunda uygulanır. Örneğin,

Detaylı

BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ

BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ Modeldeki değişken tanımları aşağıdaki gibidir: IS= 1 i.kadının bir işi varsa (ya da iş arıyorsa) 0 Diğer

Detaylı

Zaman Serileri-1. If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist. IENG 481 Tahmin Yöntemleri Dr.

Zaman Serileri-1. If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist. IENG 481 Tahmin Yöntemleri Dr. Zaman Serileri-1 If you have to forecast, forecast often. EDGAR R. FIEDLER, American economist IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere

Detaylı

ARIMA MODELLERİ KULLANILARAK YAPILAN ENERJİ TÜKETİMİ TAHMİN ÇALIŞMASI

ARIMA MODELLERİ KULLANILARAK YAPILAN ENERJİ TÜKETİMİ TAHMİN ÇALIŞMASI ARIMA MODELLERİ KULLANILARAK YAPILAN ENERJİ TÜKETİMİ TAHMİN ÇALIŞMASI Mehmet KURBAN 1 Ümmühan BAŞARAN FİLİK 2 Sevil ŞENTÜRK 3 1,2 Elektrik ve Elektronik Mühendisliği Bölümü, Mühendislik-Mimarlık Fakültesi,

Detaylı

REGRESYON. 8.Sunum. Yrd. Doç. Dr. Sedat ŞEN

REGRESYON. 8.Sunum. Yrd. Doç. Dr. Sedat ŞEN REGRESYON 8.Sunum 1 Regresyon Bir önceki sunumda korelasyon kullanarak iki değişken arasındaki ilişkiyi tespit etmeye çalıştık. Bu sunumda iki değişken arasında ilişkiyi göstermenin yanında bir değişkeni

Detaylı

KORELASYON VE REGRESYON UYGULAMASI

KORELASYON VE REGRESYON UYGULAMASI KORELASYON VE REGRESYON UYGULAMASI (BİLGİSAYARDA İSTATİSTİK ÇÖZÜMLEMELER) Yrd.Doç.Dr. İsmail YILDIZ Biyoistatistik AD Öğretim üyesi iyildiz@dicle.edu.tr 1 REGRESYON ve KORELASYON ANALİZİ Bağımlı değişkenin

Detaylı

SPSS (Statistical Package for Social Sciences)

SPSS (Statistical Package for Social Sciences) SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) SPSS Data Editör iki arayüzden oluşur. 1. Data View

Detaylı

BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2

BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2 1 BÖLÜM 8 BİLGİSAYAR UYGULAMALARI - 2 Bu bölümde bir veri seti üzerinde betimsel istatistiklerin kestiriminde SPSS paket programının kullanımı açıklanmaktadır. Açıklamalar bir örnek üzerinde hareketle

Detaylı

Tahminleme Yöntemleri-2

Tahminleme Yöntemleri-2 PAU ENDÜSTRİ MÜHENDİSLİĞİ IENG 318 - Üretim Planlama ve Kontrolü 1 Tahminleme Yöntemleri-2 İçerik 1. Mevsimsel Değişim Bazlı Teknik 2. Box-Jenkins Modelleri 3. Tahmin Yöntemlerini Uygulamada Dikkat Edilmesi

Detaylı

UYGULAMALI EKONOMETRİ I. Veri Analizi

UYGULAMALI EKONOMETRİ I. Veri Analizi UYGULAMALI EKONOMETRİ I Veri Analizi Temel Veri Analizi İstatistiksel yada ekonometrik araçları kullanmadan önce veriyi hissetmek için ön analiz oldukça önemlidir. Bu süreç regresyon analizi ve sonuçların

Detaylı

Varyans Analizi (ANOVA) Kruskal-Wallis H Testi. Doç. Dr. Ertuğrul ÇOLAK. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı

Varyans Analizi (ANOVA) Kruskal-Wallis H Testi. Doç. Dr. Ertuğrul ÇOLAK. Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Varyans Analizi (ANOVA) Kruskal-Wallis H Testi Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Konu Başlıkları Tek Yönlü Varyans Analizi SPSS de Tek

Detaylı

Excel dosyasından verileri aktarmak için Proc/Import/Read Text-Lotus-Excel menüsüne tıklanır.

Excel dosyasından verileri aktarmak için Proc/Import/Read Text-Lotus-Excel menüsüne tıklanır. ZAMAN SERİSİ MODEL Aşağıdaki anlatım sadece lisans düzeyindeki temel ekonometri bilgisine göre hazırlanmıştır. Bir akademik çalışmanın gerektirdiği birçok ön ve son testi içermemektedir. Bu dosyalar ilk

Detaylı

2. BÖLÜM: REGRESYON ANALİZİ

2. BÖLÜM: REGRESYON ANALİZİ 2. BÖLÜM: REGRESYON ANALİZİ Bu bölümde; Basit bir Regresyon Analizi EViews çalışma dosyası oluşturma EViews çalışma dosyasına veri girme EViews ta grup oluşturma EViews ta grafik çizme EViews ta yeni değişken

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

KUKLA DEĞİŞKENLİ MODELLER KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

1. YAPISAL KIRILMA TESTLERİ

1. YAPISAL KIRILMA TESTLERİ 1. YAPISAL KIRILMA TESTLERİ Yapısal kırılmanın araştırılması için CUSUM, CUSUMSquare ve CHOW testleri bize gerekli bilgileri sağlayabilmektedir. 1.1. CUSUM Testi (Cumulative Sum of the recursive residuals

Detaylı

Dependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20

Dependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20 ABD nin 1966 ile 1985 yılları arasında Y gayri safi milli hasıla, M Para Arazı (M) ve r faiz oranı verileri aşağıda verilmiştir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatası taşıyıp taşımadığını Ramsey

Detaylı

ZAMAN SERİSİ ANALİZİ. Ne ilginçtir ki, insanlar büyük ölçüde rassal olan şeylerde anlamlı örnekler bulmaya çalışır. Mr. Data Star Trek, 1992

ZAMAN SERİSİ ANALİZİ. Ne ilginçtir ki, insanlar büyük ölçüde rassal olan şeylerde anlamlı örnekler bulmaya çalışır. Mr. Data Star Trek, 1992 ZAMAN SERİSİ ANALİZİ Ne ilginçtir ki, insanlar büyük ölçüde rassal olan şeylerde anlamlı örnekler bulmaya çalışır. Mr. Data Star Trek, 1992 Zaman Serisi Analizi İçin Temel Kavramlar Durağanlık ve Durağan

Detaylı

KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU

KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU.HAL: Sabit Terimlerin Farklı Eğimlerin Eşit olması Yi = b+ b2di + b3xi + ui E(Y Di =,X i) = b + b3xi E(Y Di

Detaylı

Data View ve Variable View

Data View ve Variable View SPSS i çalıştırma 0 SPSS İlk Açılışı 1 Data View ve Variable View 2 Değişken Tanımlama - 1 3 Değişken Tanımlama - 2 4 Boş Veri Sayfası 5 Veri Girişi - 1 6 Veri Girişi - 2 7 Dosya Kaydetme 1 2 3 8 File

Detaylı

FORECASTING CONSTRUCTION COSTS WITH FUNCTIONAL ENTITY METHOD; A PRACTICE STUDY

FORECASTING CONSTRUCTION COSTS WITH FUNCTIONAL ENTITY METHOD; A PRACTICE STUDY ISSN:306-3 e-journal of New World Sciences Academy 2008, Volume: 3, Number: 4 Article Number: A003 NATURAL AND APPLIED SCIENCES CIVIL ENGINEERING CONSTRUCTION MANAGEMENT Received: June 2008 Accepted: September

Detaylı

ÜSLÜ SAYILAR SİBEL BAŞ AKDENİZ ÜNİVERSİTESİ EĞİTİM FAK. İLKÖĞRT. MAT. ÖĞRT. 2. SINIF

ÜSLÜ SAYILAR SİBEL BAŞ AKDENİZ ÜNİVERSİTESİ EĞİTİM FAK. İLKÖĞRT. MAT. ÖĞRT. 2. SINIF ÜSLÜ SAYILAR SİBEL BAŞ 20120907010 AKDENİZ ÜNİVERSİTESİ EĞİTİM FAK. İLKÖĞRT. MAT. ÖĞRT. 2. SINIF 1 ANLATIMI ÜSLÜ SAYILAR KONU Üslü sayılar konu anlatımı içeriği; Üslü sayıların gösterimi, Negatif üslü

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

Detaylı

Zaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören

Zaman Serileri. IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serileri IENG 481 Tahmin Yöntemleri Dr. Hacer Güner Gören Zaman Serisi nedir? Kronolojik sırayla elde edilen verilere sahip değișkenlere zaman serisi adı verilmektedir. Genel olarak zaman serisi,

Detaylı

Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur.

Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. Değişen Varyans Örnek Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. 1 Aşağıda yer alan denklemi tahmin edelim; y i = β 0 + β 1 x 1i + β 2 x 2i + u i EViews

Detaylı

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA

Detaylı

ADMIT: Öğrencinin yüksek lisans programına kabul edilip edilmediğini göstermektedir. Eğer kabul edildi ise 1, edilmedi ise 0 değerini almaktadır.

ADMIT: Öğrencinin yüksek lisans programına kabul edilip edilmediğini göstermektedir. Eğer kabul edildi ise 1, edilmedi ise 0 değerini almaktadır. Uygulama-2 Bir araştırmacı Amerika da yüksek lisans ve doktora programlarını kabul edinilmeyi etkileyen faktörleri incelemek istemektedir. Bu doğrultuda aşağıdaki değişkenleri ele almaktadır. GRE: Üniversitelerin

Detaylı

PARAMETRİK TESTLER. Tek Örneklem t-testi. 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz.

PARAMETRİK TESTLER. Tek Örneklem t-testi. 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz. PARAMETRİK TESTLER Tek Örneklem t-testi 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz. H0 (boş hipotez): 200 öğrencinin matematik dersinden aldıkları

Detaylı

Kukla Değişken Nedir?

Kukla Değişken Nedir? Kukla Değişken Nedir? Cinsiyet, eğitim seviyesi, meslek, din, ırk, bölge, tabiiyet, savaşlar, grevler, siyasi karışıklıklar (=darbeler), iktisat politikasındaki değişiklikler, depremler, yangın ve benzeri

Detaylı

İstatistiksel İfadeyle... / Statistically Speaking...

İstatistiksel İfadeyle... / Statistically Speaking... İstatistiksel İfadeyle... / Statistically Speaking... DOI: 10.5455/jmood.20161230045344 Kovaryans Analizi Selim Kılıç 1 ÖZET: Kovaryans analizi Kovaryans analizi çalışmada incelenmek istenmeyen başka bir

Detaylı

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin

Detaylı

2. EKONOMİK FAKTÖRLER

2. EKONOMİK FAKTÖRLER Uluslararası Sosyal Araştırmalar Dergisi The Journal of International Social Research Cilt: 8 Sayı: 39 Volume: 8 Issue: 39 Ağustos 2015 August 2015 www.sosyalarastirmalar.com Issn: 1307-9581 TÜRK SERMAYE

Detaylı

biçimindeki ifadelere iki değişkenli polinomlar denir. Bu polinomda aynı terimdeki değişkenlerin üsleri toplamından en büyük olanına polinomun dereces

biçimindeki ifadelere iki değişkenli polinomlar denir. Bu polinomda aynı terimdeki değişkenlerin üsleri toplamından en büyük olanına polinomun dereces TANIM n bir doğal sayı ve a 0, a 1, a 2,..., a n 1, a n birer gerçel sayı olmak üzere, P(x) = a 0 + a 1 x + a 2 x 2 +... + a n 1 x n 1 +a n x n biçimindeki ifadelere x değişkenine bağlı, gerçel (reel)

Detaylı

EKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI

EKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI EKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI Aşağıdaki verileri EVIEWS paket programına aktarınız. Veri setini tanımladıktan sonra aşağıda istenen soruları bu verileri kullanarak

Detaylı

DC DEVRE ÇÖZÜM YÖNTEMLERİ

DC DEVRE ÇÖZÜM YÖNTEMLERİ DC DEVRE ÇÖZÜM YÖNTEMLERİ Elektrik devresi, kaynak ve yük gibi çeşitli devre elemanlarının herhangi bir şekilde bağlantısından meydana gelir. Bu gibi devrelerin çözümünde genellikle, seri-paralel devrelerin

Detaylı

Sürelerine Göre Tahmin Tipleri

Sürelerine Göre Tahmin Tipleri Girişimcilik Bölüm 5: Talep Tahmini scebi@ktu.edu.tr 5.1. Talep Tahmini Tahmin: Gelecek olayları önceden kestirme bilim ve sanatı. İstatistiksel Tahmin: Geçmiş verileri matematiksel modellerde kullanarak

Detaylı

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek,

8.Hafta. Değişkenlik Ölçüleri. Öğr.Gör.Muhsin ÇELİK. Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, İSTATİSTİK 8.Hafta Değişkenlik Ölçüleri Hedefler Bu üniteyi çalıştıktan sonra; Uygun değişkenlik ölçüsünü hesaplayıp yorumlayabilecek, Serilerin birbirlerine değişkenliklerini yorumlayabileceksiniz. 2

Detaylı

Nicel Veri Analizi ve İstatistik Testler

Nicel Veri Analizi ve İstatistik Testler Nicel Veri Analizi ve İstatistik Testler Yaşar Tonta H.Ü. BBY tonta@hacettepe.edu.tr yunus.hacettepe.edu.tr/~tonta/courses/spring2009/bby208/ SLIDE 1 Nicel Analiz Olguları tanımlamak ve açıklamak için

Detaylı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı REGRESYON ANALİZİ VE UYGULAMA Yrd. Doç. Dr. Hidayet Takcı htakci@cumhuriyet.edu.tr Sunum içeriği Bu sunumda; Lojistik regresyon konu anlatımı Basit doğrusal regresyon problem çözümleme Excel yardımıyla

Detaylı

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları III (3 Mayıs 2012)

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları III (3 Mayıs 2012) H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) Parametrik Olmayan Testler Binom Testi SPSS Ders Notları III (3 Mayıs 2012) Soru 1: Öğrencilerin okul

Detaylı

Sekil 1 de plani verilen yapisal sistemin dinamik analizini yaparak, 1. ve 5. modlara ait periyotlari hesaplayiniz.

Sekil 1 de plani verilen yapisal sistemin dinamik analizini yaparak, 1. ve 5. modlara ait periyotlari hesaplayiniz. Örnek: Sekil 1 de plani verilen yapisal sistemin dinamik analizini yaparak, 1. ve 5. modlara ait periyotlari hesaplayiniz. Giris Bilgileri Sistem Geometrisi ve Eleman Bilgileri: Sekil 1 Kat plani (Ölçüler

Detaylı

Düzlemsel levha üzerindeki paralel akışta laminerden türbülansa geçişin başladığı Re, = 5 x 10 > Re = x 10 olduğundan akışımız laminerdir.

Düzlemsel levha üzerindeki paralel akışta laminerden türbülansa geçişin başladığı Re, = 5 x 10 > Re = x 10 olduğundan akışımız laminerdir. Düz Levha Üzerinde Akış ve Isı Transferinin ANSYS ile Analizi : Problem Tanımı : L=1 m uzunluğundaki ve b = 1m enindeki bir levha üzerinde hızı u = 1.4607 m/s ve sıcaklığı T = 300 K olan hava geçirilmektedir.

Detaylı

5.HAFTA. Yrd. Doç. Dr. Sedat ŞEN Harran Üniversitesi

5.HAFTA. Yrd. Doç. Dr. Sedat ŞEN Harran Üniversitesi 5.HAFTA Yrd. Doç. Dr. Sedat ŞEN Harran Üniversitesi Bu sunumda kullanılan verimizde bulunan değişkenler: İsim CİNSİYET KİTAP YAŞ VİZE VİZE2 FİNAL DÖNEMSONUNOTU Bu dersimizde daha önce hesapladığımız basit

Detaylı

NOT: 1 hasta gün içerisinde en çok 3 polikliniğe muayene olabilir. ÖZEL HASTA GİRİŞİ

NOT: 1 hasta gün içerisinde en çok 3 polikliniğe muayene olabilir. ÖZEL HASTA GİRİŞİ HASTA ARAMA 1- Hastanın adı soyadı tam veya bir kısmı yazılır. 2- Hasta adı tam yazılarak arattırılmak istenirse tam seçeneği veya kısmi seçeneği seçilerek ad ve soyadın bir kısmı yazılır aramayı başlat

Detaylı

Meslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.

Meslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın. KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

HİSSE SENEDİ FİYATLARINI ETKİLEYEN TEMEL MAKROEKONOMİK FAKTÖRLERİN BİST 1OO ENDEKSİ NE ETKİSİNİN ÖLÇÜMLENMESİ

HİSSE SENEDİ FİYATLARINI ETKİLEYEN TEMEL MAKROEKONOMİK FAKTÖRLERİN BİST 1OO ENDEKSİ NE ETKİSİNİN ÖLÇÜMLENMESİ HİSSE SENEDİ FİYATLARINI ETKİLEYEN TEMEL MAKROEKONOMİK FAKTÖRLERİN BİST OO ENDEKSİ NE ETKİSİNİN ÖLÇÜMLENMESİ Selçuk BALI Mehmet Ozan CİNEL 2 Ali Haydar GÜNDAY 3 ÖZET Ekonominin göstergelerinden biri olarak

Detaylı

YAPI MALİYETİNİN FONKSİYONEL ELEMAN YÖNTEMİ İLE TAHMİNİ ÖZET

YAPI MALİYETİNİN FONKSİYONEL ELEMAN YÖNTEMİ İLE TAHMİNİ ÖZET ISSN:306-3 e-journal of New World Sciences Academy 2009, Volume: 4, Number: 4, Article Number: A0043 ENGINEERING SCIENCES Received: May 2009 Accepted: September 2009 Series : A ISSN : 308-723 2009 www.newwsa.com

Detaylı

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN

RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN RASTGELE SAYI ÜRETİMİ VE UYGULANAN TESTLER HAZIRLAYAN: ÖZLEM AYDIN RASTGELE SAYILARIN ÜRETİLMESİ Rastgele değişimler yapay tablolardan veya parametreleri verilen teorik dağılım fonksiyonlarından elde edilir.

Detaylı

T.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR:

T.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR: T.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR: 2120703360 KÜBRA İNAN 2120703321 EDA ZEYNEP KAYA EDİRNE

Detaylı

ÇOKLU LİNEER REGRESYONDA EN İYİ MODEL SEÇİMİ* Selection Of The Best Model In Multiple Linear Regression

ÇOKLU LİNEER REGRESYONDA EN İYİ MODEL SEÇİMİ* Selection Of The Best Model In Multiple Linear Regression Ç.Ü Fen Bilimleri Enstitüsü Yıl:8 Cilt:7-5 ÇOKLU LİNEER REGRESYONDA EN İYİ MODEL SEÇİMİ* Selection Of The Best Model In Multiple Linear Regression Pelin İYİ İstatistik Anabilim Dalı Hamza EROL İstatistik

Detaylı

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel

Detaylı

Prof.Dr.İhsan HALİFEOĞLU

Prof.Dr.İhsan HALİFEOĞLU Prof.Dr.İhsan HALİFEOĞLU FREKANS DAĞILIMLARINI TANIMLAYICI ÖLÇÜLER Düzenlenmiş verilerin yorumlanması ve daha ileri düzeydeki işlemler için verilerin bütününe ait tanımlayıcı ve özetleyici ölçülere ihtiyaç

Detaylı

ALTIN ÜRETİMİNİN PLANLANMASI AÇISINDAN TÜRKİYE DE ALTIN FİYATININ TAHMİN EDİLMESİNE İLİŞKİN BİR ÇALIŞMA

ALTIN ÜRETİMİNİN PLANLANMASI AÇISINDAN TÜRKİYE DE ALTIN FİYATININ TAHMİN EDİLMESİNE İLİŞKİN BİR ÇALIŞMA ALTIN ÜRETİMİNİN PLANLANMASI AÇISINDAN TÜRKİYE DE ALTIN FİYATININ TAHMİN EDİLMESİNE İLİŞKİN BİR ÇALIŞMA Özet Yeliz SEVİMLİ Mine ÖMÜRGÖNÜLŞEN Altın fiyatıyla ilgili tahmin yapılması, altın fiyatının rasyonel

Detaylı

SPPS. Verileri Düzenleme ve Değiştirme 3 - Data Menüsü. Y. Doç. Dr. İbrahim Turan Nisan 2011

SPPS. Verileri Düzenleme ve Değiştirme 3 - Data Menüsü. Y. Doç. Dr. İbrahim Turan Nisan 2011 SPPS Verileri Düzenleme ve Değiştirme 3 - Data Menüsü Y. Doç. Dr. İbrahim Turan Nisan 2011 Data Menüsü 1- Define Variable 1- Properties (Değişken Özelliklerini Tanımlama) Değişken özelliklerini tanımlamak

Detaylı

İSTATİSTİK PROSES KONTROL TEKNİKLERİNİN BİLGİSAYAR ORTAMINDA UYGULANMASI PROF.DR. BESİM AKIN ÖĞR.GÖR. ERKAN ÖZTÜRK

İSTATİSTİK PROSES KONTROL TEKNİKLERİNİN BİLGİSAYAR ORTAMINDA UYGULANMASI PROF.DR. BESİM AKIN ÖĞR.GÖR. ERKAN ÖZTÜRK İSTATİSTİK PROSES KONTROL TEKNİKLERİNİN BİLGİSAYAR ORTAMINDA UYGULANMASI PROF.DR. BESİM AKIN ÖĞR.GÖR. ERKAN ÖZTÜRK İSTANBUL - 2005 İSTATİSTİK PROSES KONTROL TEKNİKLERİNİN BİLGİSAYAR ORTAMINDA UYGULANMASI

Detaylı

Nedensel Modeller Y X X X

Nedensel Modeller Y X X X Tahmin Yöntemleri Nedensel Modeller X 1, X 2,...,X n şeklinde tanımlanan n değişkenin Y ile ilgili olmakta; Y=f(X 1, X 2,...,X n ) şeklinde bir Y fonksiyonu tanımlanmaktadır. Fonksiyon genellikle aşağıdaki

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

Korelasyon ve Regresyon

Korelasyon ve Regresyon Korelasyon ve Regresyon Korelasyon- (lineer korelasyon) Açıklayıcı (Bağımsız) Değişken x çalışma zamanı ayakkabı numarası İki değişken arasındaki ilişkidir. Günlük sigara sayısı SAT puanı boy Yanıt (Bağımlı)

Detaylı

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir.

A İSTATİSTİK. 1. nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. . nc r, n tane nesneden her defasında r tanesinin alındığı (sıralama önemsiz) kombinasyonların sayısını göstermektedir. Buna göre, n C r + n C r toplamı aşağıdakilerden hangisine eşittir? A) n + C r B)

Detaylı

OLS Klasik Varsayımlar. Çoklu Regresyon. Çoklu Regresyon Modellemesi. Çoklu Regresyon Modeli. Multiple Regression

OLS Klasik Varsayımlar. Çoklu Regresyon. Çoklu Regresyon Modellemesi. Çoklu Regresyon Modeli. Multiple Regression OLS Klasik Varsayımlar Çoklu Regresyon Multiple Regression. Lineer regresyon modeli. E(e i )=, ortalama hata sıfırdır. E(X i e i )=, bağımsız değişkenlerle hatalar arasında korelasyon mevcut değildir 4.

Detaylı

Halil CEYLAN Uyumsoft Kamu Projeleri Danışmanı

Halil CEYLAN Uyumsoft Kamu Projeleri Danışmanı Halil CEYLAN Uyumsoft Kamu Projeleri Danışmanı MERSİS sayesinde şirket değişiklik başvuruları, online olarak süratli bir şekilde gerçekleşebilecektir. İşlem yapabilmek için siteme e-imza ile giriş yapmak

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

İSTATİSTİK EXCEL UYGULAMA

İSTATİSTİK EXCEL UYGULAMA İSTATİSTİK EXCEL UYGULAMA EXCEL UYGULAMA Bu bölümde Excel ile ilgili temel bilgiler sunulacak ve daha sonra İstatistiksel Uygulamalar hakkında bilgi verilecektir. İşlenecek Konular: Merkezi eğilim Ölçüleri

Detaylı

FRONT PAGE EĞİTİM NOTLARI BAŞLANGIÇ. 1- Open araç çubuğu düğmesinin yanındaki aşağı oku tıklayarak, web seçeneğini işaretleyin

FRONT PAGE EĞİTİM NOTLARI BAŞLANGIÇ. 1- Open araç çubuğu düğmesinin yanındaki aşağı oku tıklayarak, web seçeneğini işaretleyin FRONT PAGE EĞİTİM NOTLARI BAŞLANGIÇ 1- Open araç çubuğu düğmesinin yanındaki aşağı oku tıklayarak, web seçeneğini işaretleyin 2- Açılan sayfadan, oluşturulmak istenen sitenin içeriğine göre hazır şablon

Detaylı

EKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran

EKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran EKONOMETRİ GRETL Uygulamaları Prof. Dr. Bülent Miran Bornova-2015 İÇİNDEKİLER 1. Gretl da veri dosyasını çağırma:... 3 2. Gretl da Excel veri dosyasını açma:... 4 3. Excel den alınmış verilerin Gretl dosyası

Detaylı

Mühendislikte İstatistik Yöntemler

Mühendislikte İstatistik Yöntemler .0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0

Detaylı

DOĞRUSAL OLMAYAN MODELLERİN UYUMUNDA FARKLI İSTATİSTİK PAKET PROGRAMLARININ KARŞILAŞTIRILMASI

DOĞRUSAL OLMAYAN MODELLERİN UYUMUNDA FARKLI İSTATİSTİK PAKET PROGRAMLARININ KARŞILAŞTIRILMASI DOĞRUSAL OLMAYAN MODELLERİN UYUMUNDA FARKLI İSTATİSTİK PAKET PROGRAMLARININ KARŞILAŞTIRILMASI Arş. Gör. Çiğdem YAKUPOĞLU 1 Doç. Dr. Yavuz AKBAŞ 2 1 Ege Üniversitesi, Ziraat Fakültesi, Zootekni Bölümü,

Detaylı

Örnek 1 (Kuvvet yöntemi çözümü için Bakınız: Ders Notu Sayfa 52 - Örnek 4)

Örnek 1 (Kuvvet yöntemi çözümü için Bakınız: Ders Notu Sayfa 52 - Örnek 4) Örnek 1 (Kuvvet yöntemi çözümü için Bakınız: Ders Notu Sayfa 52 - Örnek 4) 0.4 cm 0.6 cm 0.2 cm 1/1000 Şekil 1.1. Hiperstatik sistem EA GA 0, EI = 3.10 4 knm 2, E =4.25.10 8, t =10-5 1/, h =50cm (taşıyıcı

Detaylı

BEZAYAĞI ÖRGÜDE PAMUKLU KUMAŞLARDA KUMAŞ GRAMAJININ REGRESYON ANALİZİ İLE BELİRLENMESİ *

BEZAYAĞI ÖRGÜDE PAMUKLU KUMAŞLARDA KUMAŞ GRAMAJININ REGRESYON ANALİZİ İLE BELİRLENMESİ * BEZAYAĞI ÖRGÜDE PAMUKLU KUMAŞLARDA KUMAŞ GRAMAJININ REGRESYON ANALİZİ İLE BELİRLENMESİ * Determination of the Fabric Weight of Cotton Plain Woven Fabrics Using Regression Analyses Füsun DOBA KADEM Tekstil

Detaylı

SPATIAL STATISTICAL ANALYSIS OF THE EFFECTS OF URBAN FORM INDICATORS ON ROAD-TRAFFIC NOISE EXPOSURE OF A CITY IN SOUTH KOREA

SPATIAL STATISTICAL ANALYSIS OF THE EFFECTS OF URBAN FORM INDICATORS ON ROAD-TRAFFIC NOISE EXPOSURE OF A CITY IN SOUTH KOREA SPATIAL STATISTICAL ANALYSIS OF THE EFFECTS OF URBAN FORM INDICATORS ON ROAD-TRAFFIC NOISE EXPOSURE OF A CITY IN SOUTH KOREA Hunjae Ryu, In Kwon Park, Bum Seok Chun, Seo Il Chang Güney Kore de Bir Kentin

Detaylı

ICubes Giriş. adresinden sisteme girilir. Açılan sayfaya kullanıcı adı ve şifre yazılarak platforma giriş yapılır

ICubes Giriş.  adresinden sisteme girilir. Açılan sayfaya kullanıcı adı ve şifre yazılarak platforma giriş yapılır ICUBES ICubes, Ipsos çalışanları ve müşterileri için tasarlanmış, üretim datalarını farklı bir platform üzerinden toplu şekilde görmeye yarayan bir programdır. ICubes Giriş http://ids.ipsos.com.tr/icubes/

Detaylı