MODELLEMEDE YENİ BİR YAKLAŞIM: OTOMATİK MODEL SEÇİMİ

Yıl 2007, Cilt: 57 Sayı: 2, 1 - 14, 26.01.2012

Melda Akın

Öz

Hem bilgisayarların bellek ve işlem kapasitesinin artması hem de etkin
yöntemlerin geliştirilmesi sayesinde otomatik model seçimi yakın zamanda bir
seçenek haline gelmiştir. Literatürde önerilen model seçimiyle ilgili çoğu
tartışmalı, çok sayıda yaklaşım arasında PcGets, RETİNA ve Genetik Yordamlar
Kullanarak Model Seçme (GYKMS) öne çıkmaktadır. Bu yöntemler model
uzayında çeşitli başlangıç modellerinden hareketle bir arama yaparak en doğru
modeli seçmeye çalışmaktadır. Bu arama sırasında çeşitli istatistiksel testlerin
yanında değişik aşamalarda modeller arasında tercih yaparken başta Akaike
Enformasyon Ölçütü (AIC) olmak üzere değişik enformasyon ölçütleri de
kullanmaktadırlar. Yordamlar bir veri kümesini açıklamaya çalışan, farklı ama
bağdaşmaz olmayan yaklaşımlar olarak değerlendirilebilir, Öncül bilgiye,
modelin kullanma amacına ve araştırmacının deneyimine göre uygulama bazında
biri diğerlerinden daha yararlı olabilir.

Anahtar Kelimeler

Model Seçimi, Genelden Özele Modelleme, Enformasyon Ölçütleri, Çapraz-geçerleme, Genetik Yordamlar, Kestirim, Esnek Modelleme, Yapay Sinir Ağları

Kaynakça

• Akaikc, H. (1973). 'Information theory and an extension of the maximum likelihood principle', B. N. Petrov, F. Csaki (Deri.) içinde, Second International Symposium on Information Theory, 267-281. Budapeşte: Academiai Kiado.
• Akın, H. L . (1997). 'Evrimsel Hesaplama: Yapay Sorulara Doğal Bi r Yanıt,' Endüstri&Otomasyon, 9, 12-16.
• Akın, M. (2001). 'Yapay Sinir Ağları', İ.Ü. S.B.E. Dergisi, 25, 7-19.
• Akın, M. (2002). 'Yapay Sİnİr Ağlarının Ekonomide Uygulamaları', t.Ü. S.B.F. Dergisi, 26, 7¬ 16.
• Balcombe, K. G. (2005), 'Model Selection Using Information Criteria and Genetic Algorithms', Computational Economics, 25, 207-228.
• Campos, J. Hendry, D. F. ve Krolzİg, H. M. (2003). 'Consistent Model Selection by an Automatic Gets Approach', Oxford Bulletin of Economics and Statistics, 65, 803-819.
• Castle, J. L . (2005), 'Evaluating PcGets and RETIN A as Automatic Model Selection Algorithms', Oxford Bulletin of Economics and Statistics, 67, Supplement, 837-880.
• Harman, E . J. ve Quinp. 1. G, (İ979). 'The determination of the order of an autoregression', Journal of the .voyal Statistical Society, B, 41, 190-195.
• Hendry, D. F. (2000). 'Epilogue: The Success of General-To-Specific Model Selection', Econometrics: Alchemy or Science?, 467-, Oxford University Press.
• Hendry, D.F. ve Krolzig, H. M. (2004). 'Sub-sample model selection procedures in general-lospecific Modelling', R. Becker ve S. Hum (derl.), Contemporary Issues in Economics and Econometrics: Theory and Applications içinde , 53-75, Edward Elgar.
• Hoover, K, D, ve Perez, S. J, (1999). 'Data mining reconsidered: encompassing and the generalto-specific approach to specification search', Econometrics Journal, 2, 167-191.
• Krolzig, H.-M. ve Hendry, D. F. (2001), 'Computer automation of general-to-specific model selection procedures', Journal of Economic Dynamics and Control, 25, S31-866.
• Perez-Amaral, T., Galio, G. M. ve White, H. (2003). 'A flexible tool for model building: the relevant transformation of the inputs network approach (RETINA)' , Oxford Bulletin of Economics and Statistics, 65, 821-838.
• Pcrcz-Amaral, T., Gallo, G. M. ve White, H. (2005). 'A comparison of complementary automatic modelling methods: RETIN A and PcGets', Econometric Theory, 21,262-277.
• Phillips, P.C.B. (1995). 'Bayesian model selection and prediction with empirical applications', Journal of Econometrics, 69, 289-331.
• Schwarz, G. (1978). 'Estimating the dimension of a model', Annals of Statistics, 6, 461-464.
• White, H (1998), Artificial Neural Network and Alternative Methods for Assessing Naval Readiness, Teknik Rapor, NeuralNct R& D Associates, San Diego.