sinop uni j nat sci Sinop Üniversitesi Fen Bilimleri Dergisi 2536-4383 2564-7873 Sinop University Hacettepe Üniversitesi İstatistik Bölümü Mezunlarının Mezuniyet Sürelerini Etkileyen Faktörlerin Lokal Regresyon (Loess) İle İncelenmesi Karasoy Durdu Kumandaş Ecem Ata Tutkun Nihal 08 09 2016 1 1 66 75 05 18 2016 Copyright © 2016, Sinop University Journal of Natural Sciences 2016 Sinop University Journal of Natural Sciences

Loess, “Locally Estimated Scatterplot Smoothing” ve“Local Regression” ifadelerinin kısaltılmasıdır ve veri analizi için gelenekselen küçük kareler yöntemlerinin genelleştirilmesi sürecidir. Loess, bağımlı vebağımsız değişkenler arasındaki ilişkinin önsel bir özelliği sağlamasınıgerektirmediği için parametrik olmayan bir yöntemdir. Çoğunlukla saçılım grafiğinidüzleştirmek için kullanılmasına rağmen, çok değişkenli verilere de kolaylıklagenelleştirilebilir.  Ayrıca, güvenaralıkları ve diğer istatistiksel testler için de çıkarımsal işlemler vardır.  Bu nedenlerden dolayı Loess, verileriincelemek için faydalı bir araçtır. Loess, bağımlı değişken ve bir ya da dahaçok bağımsız değişkenler arasındaki ilişkinin grafiksel bir özetini sağlar.Bu çalışmada, loess yönteminin uygulanabilirliğinigöstermek için Hacettepe Üniversitesi İstatistik Bölümü’nün kuruluş yılı olan1967 yılından 2015 yılına kadar mezun olanların mezun olma süreleri ve bölümütercih sıraları ile akademik ortalamaları ele alınmıştır.Loess yöntemi sonucunda akademik ortalamanın mezuniyet süresini etkilediği,tercih sırasının ise etkilemediği görülmüştür. Aykırı değerlerin etkisinidikkate alan ve daha sağlam olan lowess yönteminin ise verilere daha uyumlu olduğusonucuna varılmıştır.

 Loess yöntemi lowess yöntemi düzgünleştirme parametresi [12] Jacoby B., 2005. Regression III: Advanced Methods, http://polisci.msu.edu/jacoby/icpsr/regress3 [Erişim 10.03.2016]. [11] Engineering Statistics Handbook; [10] The Loess Procesure, SAS/STAT ® User’s Guide, Version 8, Cary, NC: SAS Institute Inc., 1999; http://www.math.wpi.edu/saspdf/stat/chap38.pdf [Erişim 10.03.2016]. [9] Cleveland W.S., Grosse, E., 1991. Computational methods for local regression, Statistics and Computing, 1, 47–62. [8] Cleveland W.S., Devlin S.J., 1988. Locally weighted regression: An approach to regression analysis by local fitting, Journal of the American Statistical Association, 83(403), 596-610. [7] Cleveland W.S., 1979. Robust locally weighted regression and smoothing scatterplots, Journal of the American Statistical Association, 74, 829. [6] Cleveland W.S., Devlin S.J., Grosse E., 1988. Regression by local fitting: Methods, properties, and computational algorithms, Journal of Econometrics, 37(1), 87–114. [5] Kara P., 2013. Loess; https://prezi.com/ankknumpnnu9/loess/ [Erişim 16.04.2016]. [4] Jacoby W.G., 2000. Loess: A nonparametric, graphical tool for depicting relationships between variables, Electoral Studies, 19, 577-613. [3] Pehlivan N.Y., Apaydın A., 2005. Bulanık k-En Yakın Komşuluk Tahmin Edicisi ve Bulanık Radyal Tabanlı Fonksiyon Ağları , S.Ü. Fen Ed Fak Fen Derg., 26, 19- 32. [2] Tezcan N., 2011. Parametrik Olmayan Regresyon Analizi, Atatürk Ü. İİBF Dergisi, 10. Ekonometri ve İstatistik Sempozyumu Özel Sayısı, 341. [1] Eubank, R. L., 1999. Nonparametric regression and smoothing spline, Marcel Dekker Inc., New York.