İÇİNDEKİLER 1. GİRİŞ...

Ebat: px

Şu sayfadan göstermeyi başlat:

Download "İÇİNDEKİLER 1. GİRİŞ..."

Belgin Kahya
6 yıl önce
İzleme sayısı:

1 İÇİNDEKİLER 1. GİRİŞ Regresyon Analizi Uygulama Alanları ve Veri Setleri Regresyon Analizinde Adımlar Problemin İfadesi Konu ile İlgili Potansiyel Değişkenlerin Seçilmesi Veri Toplama Model Tanımlama Tahmin Metodunun Seçimi Model Tahmini Model Doğrulama ve Eleştirme Regresyon Analizinin Amaçları BASİT DOĞRUSAL REGRESYON Basit Doğrusal Regresyon Modeli Sıradan En Küçük Kareler Yöntemi En Küçük Kareler Kestiricilerinin İstatistiksel Özellikleri Model Varyansın (σ 2 ) Tahmini Eğim ve Sabit Terim Üzerine Hipotez Testleri t-testlerinin Kullanımı Regresyonun Anlamlılık Testi Varyans Analizi Güven Aralıkları Regresyon Parametreleri ve Varyans için Güven Aralıkları Ana Kütle Regresyon Denklemi için Güven Aralığı Yeni Y Gözlemleri için Kestirim Aralıkları Kovaryans ve Korelasyon Katsayısı Korelasyon Katsayısı Hakkında Çıkarsamalar Orijinden Geçen Regresyon Basit Regresyonun Matris Formunda Gösterimi R DE ÖRNEK UYGULAMA ÇOKLU DOĞRUSAL REGRESYON Giriş Çoklu Doğrusal Regresyon Modelleri Sıradan En Küçük Kareler Yöntemi Çoklu Regresyon Modelinin Matris Formunda Gösterimi vii

2 En Küçük Kareler Kestiricileri Uyum Değerleri ve Artıklar En Küçük Kareler Kestiricilerinin Özellikleri Model Varyansın (σ 2 ) Tahmini: Model Parametrelerinin Maksimum Olabilirlik Tahmini Çoklu Doğrusal Regresyonda Hipotez Testi Regresyonun Anlamlılığının Testi Belirlilik Katsayısı Kısmi Regresyon Katsayılarının Testi Ekstra Kareler Toplamı F-testi Genel Doğrusal Hipotezlerin Testi Güven Aralıkları Regresyon Katsayıları İçin Güven Aralıkları Tahmin Değerleri İçin Güven Aralığı Yeni Gözlemler İçin kestirim Aralığı Çoklu Regresyonda Gizli Ekstrapolasyon R DE ÖRNEK UYGULMA MODEL YETERLİLİK ANALİZİ Giriş Artık Analizi Sıradan Artıklar Standartlaştırılmış Artıklar (Standardized Residual) Student Türü Artıklar (Studentized Residual) R-Student Türü Artıklar Silinmiş Artıklar (Deleted Residuals) Artık Grafikleri Uyum Değerlerine Karşın Artıkların Grafikleri Açıklayıcı Değişkenlere Karşın Artıkların Grafikleri Normal Olasılık Grafiği Kısmi Regresyon Artık Grafikleri Aykırı Değerlerin Bulunması ve Giderilmesi Bir Aykırı Değer Testi Tekrarlı Gözlemlerin Analizi Uyum Eksikliği için F-testi Etkili Gözlemlerin İncelenmesi Gözlem Uzaklıkları Cook Uzaklığı (D) DFFITS İstatistiği DFBETAS İstatistiği COVRATIO İstatistiği R DE ÖRNEK UYGULAMA R DE ÖRNEK UYGULAMA-2: Meslek Türleri viii

3 5. KUKLA DEĞİŞKENLİ REGRESYON MODELLERİ Giriş İki Düzey içeren Kukla Değişkenli Model İkiden Çok Düzey İçeren Kukla Değişkenli Model Birden Çok Kukla Değişkenli Model Parçalı Regresyonda Kukla Değişken Kullanımı Sürekli Parçalı Regresyon Kesikli Parçalı Regresyon Zaman Serilerinde Kukla Değişken Kullanımı Mevsimsel Düzeltme Regresyon Katsayıların Kararlılığı Kukla Değişkenlerin Kullanımı Üzerine Görüşler R DE ÖRNEK UYGULAMA: Maaş verileri DEĞİŞEN VARYANS, AĞIRLIKLANDIRMA VE DÖNÜŞTÜRMELER Giriş Değişen Varyanslılık Değişen Varyansın Belirlenmesi Değişen Varyansın Grafiksel Yöntemle İncelenmesi Spearman Sıra Korelasyon Testi Goldfeld-Quandt Testi Glejser Testi Değişen Varyans Durumunda Çözüm Önerileri Ağırlıklı En Küçük Karelerle Parametre Tahmini Dönüştürmeler Model Doğrusallaştırma Dönüştürmeleri Box-Cox Dönüştürme Ailesi R DE ÖNEK UYGULAMA 1: Sigara Tüketimi Verileri R DE UYGULAMA 2: Data03 Verileri OTOKORELASYONLU HATALAR PROBLEMİ Giriş Otokorelasyonun Kaynakları ve Etkileri Otokorelasyonun Belirlenmesi Atık Grafiklerinin İncelenmesi Otokorelasyon için Durbin-Watson Testi : Otokorelasyon Fonksiyonu (ACF) Otokorelasyon İçin Çözüm Önerileri Dönüştürülmüş Değişkenlerin Kullanımı: Cochrane-Orcutt İşlemi Genelleştirilmiş En Küçük Karelerin Kullanımı Bir GLS Modelini OLS Modeline Dönüştürmek İçin Genel bir Yaklaşım Trend ve Mevsimden Arındırma Gecikme ve Fark Alma İşlemi R DE ÖRNEK UYGULMA: Dondurma Tüketimi ix

4 8. ÇOKLU DOĞRUSAL BAĞLANTI SORUNU Giriş Çoklu Doğrusal Bağlantının Kaynakları Çoklu Doğrusal Bağlantının Etkileri Çıkarsama Üzerine Etkileri Öngörü Üzerine Etkileri Çoklu Doğrusal Bağlantının Belirlenmesi Açıklayıcı Değişkenler Arası Basit Korelasyonlar Varyans Büyütme Faktörleri X X Matrisinin Özsistem Analizi Varyans Ayrıştırma Oranları Alternatif Yöntemler Çoklu Bağlantı için Çözüm Önerileri Ek Veri Toplama Modeli Yeniden Tanımlama R DE ÖRNEK UYGULAMA: Krafft verileri DEĞİŞKEN SEÇİMİ VE MODEL KURMA Giriş Değişken Seçiminin En küçük Kareler Üzerine Etkileri Altküme Regresyon Modellerini Değerlendirme Kriterleri R 2 ve (R 2 Adj) Kriteri Mallows un C P Kriteri Hata Kareler Ortalaması Kriteri Akaike Bilgi Kriteri ( AIC ) Düzeltilmiş Akaike Bilgi Kriteri ( AIC C ) Schwarz ın Bayes Bilgi Kriteri ( BIC veya SBC) Çapraz Geçerlilik Kriteri ( CV ) Çoklu Doğrusal Bağlantı ve Değişken Seçme Değişken Seçimi için Hesaplamalı Teknikler Tüm Olası Regresyonlar Değişken Seçme Süreçleri Değişken Seçiminde Son Gelişmeler-LASSO R DE ÖRNEK UYGULMA 1: Köprü İnşaatı Verileri YANLI TAHMİN YÖNTEMLERİ Giriş Ridge Regresyonu SVD ile Ridge Çözümlerinin Hesaplanması Ridge Parametresinin Seçimi Temel Bileşenler Regresyonu Temel Bileşenler Model Parametrelerin Tahmini x

5 Orijinal Değişkenlere Dönüşüm Kısmi En Küçük Kareler Yöntemi Tek Değişkenli PLS R DE ÖRNEK UYGULMA EKLER EK 1: ÇİZELGELER EK 2: R PROGRAMINA İLİŞKİN BAZI EK BİLGİLER E2.1. R ve Kurulumu E2.2. R nin Çalıştırılması E2.3. Paketler E Temel kurulumda yer alan paketler E Temel kurulumda yer almayan paketler E2.4. Bazı komut veya fonksiyonlar ile bunların işlevleri E2.5. Olasılık Dağılımlarından Rassal (random) Sayı Üretme DİZİN KAYNAKLAR xi

Benzer belgeler

2. BASİT DOĞRUSAL REGRESYON 12

1. GİRİŞ 1 1.1 Regresyon ve Model Kurma / 1 1.2 Veri Toplama / 5 1.3 Regresyonun Kullanım Alanları / 9 1.4 Bilgisayarın Rolü / 10 2. BASİT DOĞRUSAL REGRESYON 12 2.1 Basit Doğrusal Regresyon Modeli / 12