SEMİPARAMETRİK REGRESYON

Yıl 2011, Cilt: 9 Sayı: 35, 207 - 213, 17.11.2012

Münevver Turanlı , Seda Bağdatlı

Öz

Klasik (parametrik) regresyon teknikleri, bağımlı
değişkenin bağımsız değişkenlerle doğrusal bir ilişki içerisinde
olduğunu ve ilişkinin şeklinin biliniyor olduğunu varsayar. Bu
varsayımların sağlanamaması durumunda ise parametre
tahminleri güvenilir olmamaktadır. İlişkinin şeklinin
bilinmediği ya da bilinen parametrik matamatiksel kalıplara
uymadığı durumlarda parametrik olmayan regresyon
teknikleri kullanılmaktadır. Ancak bu teknikler birden fazla
bağımsız değişken olma durumunda çok boyutluluğun
yarattığı sıkıntı nedeniyle özellikle yorumlama aşamasında
zorluklara neden olmaktadır. Birden fazla bağımsız değişken
söz konusu olduğunda, bağımsız değişkenlerin bazıları bağımlı
değişkenle doğrusal ilişki içerisinde bulunabilirken, bazıları
doğrusal olmayan ilişki içerisinde bulunabilirler. Bu tür
ilişkilerin modellenebilmesi için, parametrik ve parametrik
olmayan regresyon fonksiyonlarının toplamsal olarak
birleşiminden oluşan semiparametrik regresyon modellerinden
yararlanılmaktadır. Bu çalışmada semiparametrik regresyon
modellerinin tanımı, tahmini (backfitting algoritması), güven
bantları, standart hataların hesaplanması ve hipotez testleri
açıklanmıştır.

Anahtar Kelimeler

Toplamsal Modeller, Semiparametrik Regresyon, Backfitting Algoritması.

Kaynakça

• [1] Hastie, T. & Tibshirani, RJ. (1999). Generalized Additive Models. London: Chapman & Hall.
• [2] Aydın, D. (2005). Semiparametrik Regresyon Modellemede Splayn Düzeltme Yaklaşımı İle Tahmin ve Çıkarsamalar. Yayınlanmamış Doktora Tezi, Anadolu Üniversitesi, Fen Bilimleri Enstitüsü, Eskişehir.
• [3] Lee, K.C. (1990). Avoiding Misspecifications and Improving Efficiency in Hedonic and, Consumption Models: Applications of Semiparametric Method. PhD. Thesis London School of Economics and Political Sciences, London.
• [4] Çağlayan, E. (2002). Yarı Parametrik Regresyon Modelleri ile Yaşam Boyu Sürekli Gelir Hipotezinin Türkiye Uygulaması. Yayınlanmamış Doktora Tezi, Marmara Üniversitesi, Sosyal Bilimler Enstitüsü, İstanbul.
• [5] Fox, J. (2000). Multiple and Generalized Nonparametric Regression. Thousand Oaks: A Sage University Paper.
• [6] Keele, L. (2008). Semiparametric Regression For The Social Sciences. Chichester: John Wiley & Sons.
• [7] Hardle, W.; Müller, M.; Sperlich, S. & Werwatz, A. (2004). Nonparametric and Semiparametrik Models. Berlin: Springer.