SIFIR DEĞER AĞIRLIKLI VERİLERİN ANALİZİNDE SIFIR DEĞER AĞIRLIKLI REGRESYON MODELLERİN İNCELENMESİ

Year 2018, , 105 - 118, 27.12.2018

Aslı Gizem Karaca , Hülya Olmuş

https://doi.org/10.26468/trakyasobed.502164

Abstract

Aşırı sıfır ve / veya aşırı yayılıma sahip sayma
verilerinin modellenmesinde Poisson Regresyon, Negatif Binom Regresyon, Sıfır
Değer Ağırlıklı Poisson Regresyon ve Sıfır Değer Ağırlıklı Negatif Binom
Regresyon yöntemleri kullanılmaktadır. Bu çalışmada, herhangi bir hizmet
sektöründe çalışan personelin müşterilerden şikâyet alma sayısını cinsiyet,
yaş, eğitim ve tecrübe değişkenlerinin etkilediği düşünülmektedir. Sıfır değer
ağırlıklı yöntemleri değerlendirmek için elde edilen sayma verisi analiz edilmiştir. Ayrıca, Akaike Bilgi
Kriteri regresyon modellerini değerlendirmek için kullanılmıştır. Uygulamada
2016 yılının her ayı için hangi modelin uygun olduğu tespit edilmiş ve bu
modellere ait parametre tahminlerine ilişkin yorumlamalar yapılmıştır

Keywords

sayma verisi, aşırı sıfır, sıfır değer ağırlıklı veri, sıfır değer ağırlıklı modeller

References

• Akinpelu, K.P., Yusuf, O.B., Akpa, O.M. and Gbolahan, A.O. Zero “Inflated Regression Models with Application to Malaria Surveillance Data”, International Journal of Statistics and Applications, 6(4), 223-224.
• Beaujean A.A. and Morgan G.B. (2016). “Tutorial on Using Regression Models with Count Outcomes Using R”. Practical Assessment Research & Evaluation, 21(2), 1531-7714.
• Berk, R. And MacDonald, J.M. (2008). “Overdispersion and Poisson Regression”, Journal of Quantitative Criminology, 24(3), 269-284.
• Greene, W.H. (1994). Accounting for Excess Zeros and Sample Selection in Poisson and Negative Binomial Regression Models, New York University, New York.
• Hu, M.C., Pavlicova, M. and Nunes, E.V. (2011). “Zero-Inflated and Hurdle Models of Count Data with Extra Zeros: Examples from an HIV-Risk Reduction Intervention Trial”. Am J Drug Alcohol Abuse, 37(5), 367-375.
• Ismail, N. ve Zamani H. (2013). “Estimation of Claim Count Data Using Negative Binomial, Generalized Poisson, Zero-Inflated Negative Binomial and Zero-Inflated Generalized Poisson Regression Models”. Casualty Actuarial Society E-Forum
• Kaya, Y. ve Yeşilova, A. (2012). “E-Posta Trafiğinin Sıfır Değer Ağırlıklı Regresyon Yöntemleri Kullanılarak İncelenmesi”. Anadolu Üniversitesi Bilim ve Teknik Dergisi, 13(1), 51-63.
• Kong, M., Xu, S., Levy, S.M. and Datta, S. (2014). “GEE Type Inference for Clustered Zero-Inflated Negative Binomial Regression with Application to Dental Caries”. Computational Statistics and Data Analysis, 85, 54-66.
• Lambert, D. (1992). “Zero-Inflated Poisson Regression with an Application to Defects in Manufacturing”. Technometrics, 34(1), 1-14.
• Özmen, İ. and Famoye, F. (2007). “Count Regression Models with an Application to Zoological Data Containing Structural Zeros”. Journal of Data Science, 5(2017), 491-502.
• Peng, J. (2013). Count Data Models for Injury Data from the National Health Interview Survey, (M. Sc. Thesis), The Ohio State University Graduate Program in Public Health, Columbus.
• Ridout, M., Demetrio, C.G.B. and Hinde, J. (1998). “Models for Count Data with Many Zeros”. International Biometric Conference, Cape Town.
• Yang, Z., Hardin, J.W. and Addy, C. (2009). “Testing Overdispersion in the Zero-Inflated Poisson Model”. Journal of Statistics Planning and Inference, 139, 3340-3353.