ÇOKLU İÇ İLİŞKİ SORUNU OLAN REGRESYON MODELİNİN HKO ÖLÇÜTÜ İLE BİR ETKİN TAHMİN EDİCİSİ

Öz

Bu çalışmada  şeklinde ifade edilen genel lineer regresyon modeli ele alınmış olup Kaliforniya yoksulluk veri kümesi (Ramanathan, 2002) üzerinde analiz yapılmıştır. Açıklayıcı değişkenler matrisi X çoklu iç ilişkiye sahip olduğundan bu iç ilişkinin varlığı durumunda modeli en küçük kareler (EKK) ile tahmin e[1]tmek hatalı sonuçlar verir. Bu problemin çözümü için yanlı fakat kararlı tahmin ediciler kullanılabilir. Çalışmada bu tahmin edicilerden genelleştirilmiş maksimum entropi (GME) tahmin edicisi ve ridge tahmin edici kullanılmış ve bu tahmin ediciler hata kareler ortalamasına (HKO) göre karşılaştırılmıştır. Uygulamada HKO’ların elde edilmesinde bootstrap yöntemi kullanılmıştır. Sonuçta, Kaliforniya yoksulluk veri kümesi için en iyi tahmin edicinin GME olduğuna karar verilmiştir.

Anahtar Kelimeler

• Genel Lineer Model,Çoklu İç İlişki,Genelleştirilmiş Maksimum Entropi,Bootstrap

Kaynakça

1. Akdeniz, F., Çabuk, A. ve Güler, H., 2011. Generalized Maximum Entropy Estimators: Applications to the Portland Cement Dataset. The Open Statistics and Probability Journal, 3, 13-20 Belsley, D. A., Kuh, E., & Welsch, R. E., 1980. Regression diagnostics, New York, Wiley.
2. Campbell, R. C., & Hill, C. R. (2001). Maximum Entropy Estimation in Economic Models with Linear Inequality Restrictions. Deparmental Working Papers. Department of Economics, Lousiana State University, 1-29.
3. Çabuk, A. ve Akdeniz, F., 2007. İçilişki ve genelleştirilmiş maksimum entropi tahmin edicileri, Journal of Statistical Research, 5(2), 1-19. Efron, B. (1979). Bootstrap methods: another look at the jacknife. The Annals of Statistics, 7(1), 1-26. Golan, A., Judge, G., & Miller, D. (1996). Maximum entropy econometrics: robust estimation with limited data. John Wiley & Sons, New York, USA.
4. Hoerl, A. E., & Kennard, R. W. (1970). Ridge regression: biased estimation for nonorthogonal problems. Technometrics, 12(1), 55-67.
5. Hoerl, A. E., Kennard, R.W., & Baldwin, K. F. (1975). Ridge regression: some simulation. Communication in Statistics, 4, 105-123.
6. Jaynes, E. T. (1957). Information theory and statistical mechanics II. Physics Rewiev, 108(2), 171-190.
7. Lawless, J. F., & Wang, P. (1976). A simulation study of ridge and other regression estimators. Communications in Statistics-Theory and Methods, 14, 1589-1604.
8. Pukelsheim, F. (1994). The three sigma rule. The American Statistician, 48(2), 88-91.

9. Ramanathan, R. (2002). Introductory Econometrics With Applications. Fifth Edition, Harcourt College Publishers. Shannon, C. E. (1948). A Mathematical Theory of Communication. The Bell System Technical Journal, 27(3), 379-423.
10. Vazquez, J. M., Panudulkitti, P., & Timofeev, A. (2009). Urbanization and the poverty level. International Studies Program Working Paper 9-14 (updated), Georgia State University.