Editöre Mektup
BibTex RIS Kaynak Göster

The Solution of Multicolinearity Problem via Biased Regression Analysis in Animal Production Data

Yıl 2014, Cilt: 17 Sayı: 3, 1 - 12, 11.02.2015
https://doi.org/10.18016/ksujns.77504

Öz

The aim of this study is to investigate the effectiveness of Ridge Regression (RR) applying biased estimation techniques over the method of Least Squares (LS) technique on the estimation of carcass weight. For this purpose, the Ridge Regression method biased estimation techniques are compared with LS to estimate linear relationship between carcass weight and explanatory variables in broiler. In this study, based the problem of high multiple linear connection between the independent variables, it was hypothesized that RR method has smaller standard errors and estimates in accordance with theoretical expectations according to the method of LS.

Kaynakça

  • Aktaş, C., 2007. Çoklu Bağıntı ve Liu Kestiricisiyle Enflasyon Modeli için bir Uygulama. ZKÜ sosyal Bilimler Dergisi, cilt 3, sayı 6, 67-79 .
  • Albayrak, A.S., 2005. Çoklu doğrusal bağlantı halinde en küçük kareler tekniğinin alternatifi yanlı tahmin teknikleri ve bir uygulama ZKÜ Sosyal Bilimler Dergisi Cilt 1, Sayı 1, 105-126.
  • Albayrak, A.S. 2006. Uygulamalı Çok Değişkenli İstatistik Teknikleri. Asil yayın dağıtım, Ankara, 265-284.
  • Alma, G.Ö., Vupa, Ö. 2008. Regresyon Analizinde Kullanılan En Küçük Kareler Ve En Küçük Medyan Kareler Yöntemlerinin Karşılaştırılması. SDÜ Fen Edebiyat Fakültesi Fen Dergisi (E-Dergi). 3(2) 219- 229.
  • Arıcı, H. 1991. İstatistik Yöntemler ve Uygulamalar. Ankara: Meteksan.281 s.
  • Coşkuntuncel, O. 2010. Sosyal Bilimlerde Yanlı Regresyon Tahmin Edicilerin Kullanılması. Eğitim ve Psikolojide Ölçme ve Değerlendirme Dergisi, 1(2), 100-108.
  • Ebegil M. 2009. Ridge tahminine dayalı yanlı tahmin edici için bir test istatistiği , SAÜ Fen Edebiyat Dergisi, II, 1-14. Freund, R.J. and
  • Minton, P.D. 1979. Regression
  • methods. Marcel Dekker, New York 261 s.
  • Gujarati, D.N. 1995. Basic Econometrics. McGraw-Hill, New York, 319-399 s.
  • Hoerl, A.E. and Kennard, R.W. 1970 Ridge Regression: Biased Estimation for Nonorthogonal Problems. Technometrics, Cilt:12, No: 1, 55-67.
  • İpek, O. 2011. Ridge Regresyon Üzerine Bir Çalışma. idari.cu.edu.tr/sempozyum/bil28.htm Erişim Tarihi: 06.06.2014.
  • Marqurt, D.W.,Snee, R.D. 1975. Ridge Regression in Pratice. The American Statistician, ,Vol. 29 No. 1,4.
  • Maxwell, Scott E. 2000. Sample Size in Multiple Regression Analysis. Psychological Methods, Cilt: 5, No: 4, 434-458.
  • Montgomery, D. C., Peck, E. A., & Vining, G. G. 2013. Doğrusal Regresyon analizine Giriş (Introduction to linear regression analysis New York: John Wiley and Sons.) 5.Basımdan çeviri. Yayın No: 717, 142 Nobel Akademik Yayıncılık, Ankara, 645 S.
  • Mullet, G, M. 1976. Wye Regression Coefficients have the wrong sign. Journal of Quality Technology, 8, 121-126.
  • NCSS Statistical System 2001. User’s Guide, Kaysville, NCSS Inc.
  • Netter, J., Wasserman W. and Kunter M. 1990. Applied Linear Statistical Models. Irwin: Homewood, IL.
  • Şahinler, S. 2000. En Küçük Kareler Yöntemi ile Doğrusal Regresyon Modeli Oluşturmanın Temel Prensipleri. MKÜ. Ziraat Fakültesi Dergisi 5 (1-2). Hatay, 57–73.
  • Şenyay, L. ve Özler, C. 1993. “Ridge Tahminleyicisinin Özellikleri. Dokuz Eylül Üniversitesi”, I. Ulusal Ekonometri ve İstatistik Sempozyumu, İzmir, 217- 236.
  • Vinod, H.D. 1995. Double Bootstrap for Shrinkage Estimators, Journal of Econometrics, 68, 287-302.
  • Vupa Ö ve Alma, Ö.G. 2008. Doğrusal Regresyon çözümlemesinde Çoklu bağlantı probleminin sapan değer içeren küçük örneklemlerde incelenmesi. SÜ Fen Ed. F. Derg. Sayı 31, Konya, 97-107.
  • Webster, A.1995. Applide Statistics for Business and Economics 683-684.

Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi

Yıl 2014, Cilt: 17 Sayı: 3, 1 - 12, 11.02.2015
https://doi.org/10.18016/ksujns.77504

Öz

Bu çalışmanın amacı, küçük örneklemlerde karkas ağırlığının tahmin edilmesinde yanlı tahmin tekniklerindenRidge Regression (RR) yönteminin en küçük kareler EKK yöntemine karşı etkinliğini araştırmaktır. Bu amaçlabroilerde karkas ağırlığı ile açıklayıcı değişkenler arasındaki doğrusal ilişkinin tahmininde EKK ve yanlı tahmintekniklerinden Ridge Regression yöntemi karşılaştırılmaktadır. Araştırmada, bağımsız değişkenler arasındakiyüksek çoklu doğrusal bağlantı problemine dayanarak RR yönteminin EKK yöntemine göre daha küçük standarthatalı, durağan ve kuramsal beklentilere uygun tahminler sağlayacağı beklenmiştir

Kaynakça

  • Aktaş, C., 2007. Çoklu Bağıntı ve Liu Kestiricisiyle Enflasyon Modeli için bir Uygulama. ZKÜ sosyal Bilimler Dergisi, cilt 3, sayı 6, 67-79 .
  • Albayrak, A.S., 2005. Çoklu doğrusal bağlantı halinde en küçük kareler tekniğinin alternatifi yanlı tahmin teknikleri ve bir uygulama ZKÜ Sosyal Bilimler Dergisi Cilt 1, Sayı 1, 105-126.
  • Albayrak, A.S. 2006. Uygulamalı Çok Değişkenli İstatistik Teknikleri. Asil yayın dağıtım, Ankara, 265-284.
  • Alma, G.Ö., Vupa, Ö. 2008. Regresyon Analizinde Kullanılan En Küçük Kareler Ve En Küçük Medyan Kareler Yöntemlerinin Karşılaştırılması. SDÜ Fen Edebiyat Fakültesi Fen Dergisi (E-Dergi). 3(2) 219- 229.
  • Arıcı, H. 1991. İstatistik Yöntemler ve Uygulamalar. Ankara: Meteksan.281 s.
  • Coşkuntuncel, O. 2010. Sosyal Bilimlerde Yanlı Regresyon Tahmin Edicilerin Kullanılması. Eğitim ve Psikolojide Ölçme ve Değerlendirme Dergisi, 1(2), 100-108.
  • Ebegil M. 2009. Ridge tahminine dayalı yanlı tahmin edici için bir test istatistiği , SAÜ Fen Edebiyat Dergisi, II, 1-14. Freund, R.J. and
  • Minton, P.D. 1979. Regression
  • methods. Marcel Dekker, New York 261 s.
  • Gujarati, D.N. 1995. Basic Econometrics. McGraw-Hill, New York, 319-399 s.
  • Hoerl, A.E. and Kennard, R.W. 1970 Ridge Regression: Biased Estimation for Nonorthogonal Problems. Technometrics, Cilt:12, No: 1, 55-67.
  • İpek, O. 2011. Ridge Regresyon Üzerine Bir Çalışma. idari.cu.edu.tr/sempozyum/bil28.htm Erişim Tarihi: 06.06.2014.
  • Marqurt, D.W.,Snee, R.D. 1975. Ridge Regression in Pratice. The American Statistician, ,Vol. 29 No. 1,4.
  • Maxwell, Scott E. 2000. Sample Size in Multiple Regression Analysis. Psychological Methods, Cilt: 5, No: 4, 434-458.
  • Montgomery, D. C., Peck, E. A., & Vining, G. G. 2013. Doğrusal Regresyon analizine Giriş (Introduction to linear regression analysis New York: John Wiley and Sons.) 5.Basımdan çeviri. Yayın No: 717, 142 Nobel Akademik Yayıncılık, Ankara, 645 S.
  • Mullet, G, M. 1976. Wye Regression Coefficients have the wrong sign. Journal of Quality Technology, 8, 121-126.
  • NCSS Statistical System 2001. User’s Guide, Kaysville, NCSS Inc.
  • Netter, J., Wasserman W. and Kunter M. 1990. Applied Linear Statistical Models. Irwin: Homewood, IL.
  • Şahinler, S. 2000. En Küçük Kareler Yöntemi ile Doğrusal Regresyon Modeli Oluşturmanın Temel Prensipleri. MKÜ. Ziraat Fakültesi Dergisi 5 (1-2). Hatay, 57–73.
  • Şenyay, L. ve Özler, C. 1993. “Ridge Tahminleyicisinin Özellikleri. Dokuz Eylül Üniversitesi”, I. Ulusal Ekonometri ve İstatistik Sempozyumu, İzmir, 217- 236.
  • Vinod, H.D. 1995. Double Bootstrap for Shrinkage Estimators, Journal of Econometrics, 68, 287-302.
  • Vupa Ö ve Alma, Ö.G. 2008. Doğrusal Regresyon çözümlemesinde Çoklu bağlantı probleminin sapan değer içeren küçük örneklemlerde incelenmesi. SÜ Fen Ed. F. Derg. Sayı 31, Konya, 97-107.
  • Webster, A.1995. Applide Statistics for Business and Economics 683-684.
Toplam 23 adet kaynakça vardır.

Ayrıntılar

Birincil Dil Türkçe
Bölüm BİYOMETRİ (Biometrics)
Yazarlar

İrfan Öztürk

Yayımlanma Tarihi 11 Şubat 2015
Yayımlandığı Sayı Yıl 2014 Cilt: 17 Sayı: 3

Kaynak Göster

APA Öztürk, İ. (2015). Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi. KSÜ Doğa Bilimleri Dergisi, 17(3), 1-12. https://doi.org/10.18016/ksujns.77504
AMA Öztürk İ. Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi. KSÜ Doğa Bilimleri Dergisi. Şubat 2015;17(3):1-12. doi:10.18016/ksujns.77504
Chicago Öztürk, İrfan. “Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi”. KSÜ Doğa Bilimleri Dergisi 17, sy. 3 (Şubat 2015): 1-12. https://doi.org/10.18016/ksujns.77504.
EndNote Öztürk İ (01 Şubat 2015) Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi. KSÜ Doğa Bilimleri Dergisi 17 3 1–12.
IEEE İ. Öztürk, “Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi”, KSÜ Doğa Bilimleri Dergisi, c. 17, sy. 3, ss. 1–12, 2015, doi: 10.18016/ksujns.77504.
ISNAD Öztürk, İrfan. “Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi”. KSÜ Doğa Bilimleri Dergisi 17/3 (Şubat 2015), 1-12. https://doi.org/10.18016/ksujns.77504.
JAMA Öztürk İ. Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi. KSÜ Doğa Bilimleri Dergisi. 2015;17:1–12.
MLA Öztürk, İrfan. “Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi”. KSÜ Doğa Bilimleri Dergisi, c. 17, sy. 3, 2015, ss. 1-12, doi:10.18016/ksujns.77504.
Vancouver Öztürk İ. Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi. KSÜ Doğa Bilimleri Dergisi. 2015;17(3):1-12.