Bankacılık Sektöründe Verilerde Ölçüm Hatası Olması Durumunda Regresyon Modellerinin Tahmin Edilmesi

Year 2019, Volume: 23 Issue: 1, 1 - 20, 16.03.2019

Taner Ersöz

Abstract

Bu çalışmada, açıklayıcı değişkenlerde ölçüm hata
olması durumunda regresyon parametrelerinin tahmin edilmesi amaçlanmıştır.
Çalışmada istatistiksel analizler için Bankacılık Düzenleme ve Denetleme
Kurulu’ nun Türk Bankacılık Sektöründe faaliyet gösteren mevduat, katılım,
kalkınma ve yatırım bankalarının raporladığı bilgilerin 2003- 2018 yılları
arasında Mart, Haziran, Eylül ve Aralık aylarına ait veriler kullanılmıştır.
Verilerin enflasyon etkisini minimize etmek için dolar değerleri alınmıştır.
Regresyon parametrelerini tahmin etmek için, en küçük kareler yöntemi, gruplama
yöntemlerinden iki grup yöntemi ve üç grup yöntemiyle bulunan parametrelerin
katsayıları hesaplanmış ve hangi yöntemin en iyi sonuç verdiği araştırılmıştır.
Çalışma sonucunda üç grup yönteminin diğer yöntemlerden daha iyi sonuç verdiği
görülmüştür. Çalışmada ayrıca çoklu regresyon modeli ile değişkenler arasındaki
ilişki fonksiyonel olarak ortaya çıkarılmıştır.

Keywords

Ölçüm hataları, parametre tahminleri, en küçük kareler yöntemi, iki grup yöntemi, üç grup yöntemi

References

• Alihodžić, A., & Ekşi, İ. H. (2018). Credit Growth and Non-Performing Loans : Evidence from Turkey and Some Balkan Countries. Eastern Journal of European Studies, 9(2), 229–250.
• Armstrong, B. (1964). Measurement Error in the Generalized Linear Model. Cmm. Statistic, 14, 529–544.
• Bartlett, M. S. (1949). Fitting a Straight Line When Both Variables are Subject to Error. Biometrics, 207–242.
• D.W., S. (2001). Semiparametric Maximum Likelihood for Measurement Error Model Regression. Biometrics, 57(1), 53–61.
• Ersöz, F., & Ersöz, T. (2018). İstatisik I-II. Elit Kültür Yayınları, İstanbul.
• Ersöz, T. (1993). Açıklayıcı Değişkenlerde Hata Olması Durumunda Regresyon Modellerinin İncelenmesi. Hacettepe Üniversitesi Fen Bilimleri Enstitüsü, Bilim Uzmanlığı Tezi.
• Fernández-Muñiz, B., Montes-Peón, J. M., & Vázquez-Ordás, C. J. (2009). Relation Between Occupational Safety Management and Firm Performance. Safety Science, 47(7), 980–991. https://doi.org/10.1016/J.SSCI.2008.10.022
• Fuller, W. A. (1980). Properties of Some Estimators for the Error-in-Variables Model. Annals of Statistic, (8), 407–422.
• Gök, A. C., & Özdemir, A. (2011). Lojistik Regresyon Analizi ile Banka Sektör Paylarının Tahminlenmesi. İşletme Fakültesi Dergisi, 12(1), 43–51.
• Gujarati, N. D. (1995). Basic Econometrics-3rd Edition. New York, New York, USA: McGraw-Hill.
• Jawadi, F., Jawadi, N., Idi, A., Ben, H., & Louhichi, W. (2017). Modelling the Effect of the Geographical Environment on Islamic Banking Performance : A Panel Quantile Regression Analysis. Economic Modelling, 67(February), 300–306. https://doi.org/10.1016/j.econmod.2017.01.018
• Koutsoyiannis, A. (1989). Ekonometri kuramı, Çev.ü.Şenesen ve G. Ankara: Verso Yayıncılık.
• KPMG. (2019). Bankacılık Sektörel Bakış Raporu.
• Leser, C. (1966). Econometric techniques and problems. London: Griffin.
• Maddala, G. S. (1988). Introduction to Econometrics. New York, New York, USA: Macmillan Publishing Company.
• Michael G. Akritas, M. A. B. (1996). Linear Regression for Astronomical Data with Measurement Errors and Intrinsic Scatter. The Astrophysical Journal, 2.
• Onen, F. K., & Tunik, İ. (2017). The Determinants of Efficiency in Turkish Banking Sector After Global Finacial Crisis. European Scientific Journal, special(April), 471–479.
• Öztürk, H. (2016). Türk Bankacılık Sektörünü Etkileyen Makro Ekonomik Faktörlerin Ampirik Analizi An Empirical Analysis of Macroeconomic. Finans Politik & Ekonomik Yorumlar, 53(620), 11–29.
• Phan, H. T., Anwar, S., & Alexander, W. R. J. (2018). The Determinants of Banking Efficiency in Hong. Applied Economics Letters, 00(00), 1–4. https://doi.org/10.1080/13504851.2017.1420870
• Samırkaş, M. C. (2014). Türk Bankacılık Sektöründe Karlılığın Beli̇rleyi̇ci̇leri̇. Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(8), 117–134.
• Stefanski, L. A., & Buzas, J. S. (1995). Instrumental Variable Estimation in Binary Regression Measurement Error Models. Journal of the American Statistical Association, 90(430), 541–550. https://doi.org/10.1080/01621459.1995.10476546
• Sufian, F., Kamarudin, F., & Nassir, A. M. (2017). Globalization and Bank Efficiency Nexus : Empirical Evidence from the Malaysian Banking Sector. Benchmarking: An International Journal, 24(5), 1–8. https://doi.org/10.1108/BIJ-09-2014-0090
• Taliha, K. (2018). Comparison of Classical Least Squares and Orthogonal Regression in Measurement Error Models. International Online Journal of Educational Sciences, 10(3), 200–214.
• TBB. (2018). Bankalarımız 2017.
• TIM. (2018). IMF Küresel Ekonomik Görünüm Raporu.
• Ünsal, A., & Güler, H. (2016). Türk Bankacılık Sektörünün Loji̇sti̇k Regresyon ve Diskriminant Analizi ile İncelenmesi. In VII. Ulusal Ekonometri ve İstatistik Sempozyumu (pp. 1–14).
• Wald, A. (1940). The Fitting of Straight Lines if Both Variables are Subject to Error. Annals of Mathematics and Statistics, 11, 284–300.