Kantil Regresyon
Öz
Regresyon analizi uygulama alanı en geniş olan
istatistiksel analiz yöntemlerinden biridir. Birçok alanda tekniğinde olduğu
gibi mühendislik alanında da yaygın olarak kullanılmaktadır. Regresyon
analizinde kullanılan En Küçük Kareler (EKK) tekniğinin çıkarsama amaçlı
kullanılabilmesi bazı varsayımların sağlanmasını zorunlu kılar. EKK tekniğinde
hata terimleri dağılımının normal dağılıma sahip olmaması ve modelin aykırı
değerler içermesi durumunda EKK tahmin edicileri etkinlik özelliklerini
kaybetmektedir. Bu durumda alternatif regresyon tekniklerine başvurulmaktadır.
Alternatif regresyon yöntemlerinden biri olan Kantil regresyon, klasik
regresyon yöntemlerinin bazı sınırlamalarının üstesinden gelmektedir. Bu
çalışmada Kantil regresyon yöntemi tanıtılmış ve bir mühendislik uygulaması
üzerinde EKK tahmin edicileri ile karşılaştırılmıştır. Beton kırma deneyi için
elde edilen sonuçlara göre, EKK yöntemi ile elde edilen modelin çıkarsama
amaçlı kullanılamayacağı tespit edilmiştir. Bu durumda τ =0.75’inci ve τ
=0.25’inci kantil değerine göre kurulan regresyon denklemi çıkarsama amaçlı
kullanılabilir.
Anahtar Kelimeler
Aykırı değer,Regresyon analizi,En Küçük Kareler,Kantil regresyon
References
- Alpar, R. (2013). Uygulamalı çok değişkenli istatistiksel yöntemler. Ankara, Detay Yayıncılık.
- Altındağ, R. (2003). Correlation of specific energy with rock brittleness concepts on cutting, The Journal of the South African Institute of Mining and Metallurgy, 15, 163-171.
- Bassett, G.W. & Chen, H-L. (2001). Quantile style: return-based attribution using regression quantiles, Physica- Verlag HD, Chicago, 293-305.
- Buchinsky, M. (1994). Changes in the u.s. wage structure 1963-1987: application of quantile regression, The Econometric Society, 62(2), 405-458. doi: 10.2307/2951618.
- Cai, Y. & Reeve, D.E. (2013). Extreme value prediction via a quantile function model. Coastal Engineering, 77, 91–98. doi:10.1016/j.coastaleng.2013.02.003.
- Chen, C. & Wei, Y. (2005). Computational ıssues for quantile regression. special ıssue on quantile regression and related methods, The Indian Journal of Statistics, 67(2), 399-417. doi: 10.2307/i25053424 Crowley, J.& Hu, M. (1977). Covariance analysis of heart transplant survival data. Journal of the American Statistical Association, 72, 27-36. doi: 10.1080/01621459.1977.10479903
- Çağlayan E. & Arikan E. (2011). Determinants of house prices in ıstanbul: a quantile regression approach. Qual, Quant, 45, 305-317. doi:10. 1007/s11135-009-9296-x.
- Dehghani, H., Vahidi, B., & Hosseinian, S.H. (2017). Wind farms participation in electricity markets considering uncertainties. Renewable Energy, 101, 907-918. doi:10.1016/j.renene.2016.09.049.
- Ergül, B. (2003). Robust regresyon ve uygulamaları. Yüksek Lisans Tezi. Eskişehir Osmangazi Üniversitesi, Eskişehir.
- He, Y., Liu, R., Li, H., Wang, S., & Lu, X. (2016). Short-term power load probability density forecasting method using kernel-based support vector quantile regression and Copula theory. Applied Energy, 185, 254–266. doi:10.1016/j.apenergy.2016.10.079.