Hacettepe Üniversitesi İstatistik Bölümü Mezunlarının Mezuniyet Sürelerini Etkileyen Faktörlerin Lokal Regresyon (Loess) İle İncelenmesi

Öz

Loess, “Locally Estimated Scatterplot Smoothing” ve “Local Regression” ifadelerinin kısaltılmasıdır ve veri analizi için geleneksel en küçük kareler yöntemlerinin genelleştirilmesi sürecidir. Loess, bağımlı ve bağımsız değişkenler arasındaki ilişkinin önsel bir özelliği sağlamasını gerektirmediği için parametrik olmayan bir yöntemdir. Çoğunlukla saçılım grafiğini düzleştirmek için kullanılmasına rağmen, çok değişkenli verilere de kolaylıkla genelleştirilebilir.  Ayrıca, güven aralıkları ve diğer istatistiksel testler için de çıkarımsal işlemler vardır.  Bu nedenlerden dolayı Loess, verileri incelemek için faydalı bir araçtır. Loess, bağımlı değişken ve bir ya da daha çok bağımsız değişkenler arasındaki ilişkinin grafiksel bir özetini sağlar.

Bu çalışmada, loess yönteminin uygulanabilirliğini göstermek için Hacettepe Üniversitesi İstatistik Bölümü’nün kuruluş yılı olan 1967 yılından 2015 yılına kadar mezun olanların mezun olma süreleri ve bölümü tercih sıraları ile akademik ortalamaları ele alınmıştır. Loess yöntemi sonucunda akademik ortalamanın mezuniyet süresini etkilediği, tercih sırasının ise etkilemediği görülmüştür. Aykırı değerlerin etkisini dikkate alan ve daha sağlam olan lowess yönteminin ise verilere daha uyumlu olduğu sonucuna varılmıştır.

Anahtar Kelimeler

• Loess yöntemi,lowess yöntemi,düzgünleştirme parametresi

Kaynakça

1. [12] Jacoby B., 2005. Regression III: Advanced Methods, http://polisci.msu.edu/jacoby/icpsr/regress3 [Erişim 10.03.2016].
2. [11] Engineering Statistics Handbook;
3. [10] The Loess Procesure, SAS/STAT ® User’s Guide, Version 8, Cary, NC: SAS Institute Inc., 1999; http://www.math.wpi.edu/saspdf/stat/chap38.pdf [Erişim 10.03.2016].
4. [9] Cleveland W.S., Grosse, E., 1991. Computational methods for local regression, Statistics and Computing, 1, 47–62.
5. [8] Cleveland W.S., Devlin S.J., 1988. Locally weighted regression: An approach to regression analysis by local fitting, Journal of the American Statistical Association, 83(403), 596-610.
6. [7] Cleveland W.S., 1979. Robust locally weighted regression and smoothing scatterplots, Journal of the American Statistical Association, 74, 829.
7. [6] Cleveland W.S., Devlin S.J., Grosse E., 1988. Regression by local fitting: Methods, properties, and computational algorithms, Journal of Econometrics, 37(1), 87–114.
8. [5] Kara P., 2013. Loess; https://prezi.com/ankknumpnnu9/loess/ [Erişim 16.04.2016].

9. [4] Jacoby W.G., 2000. Loess: A nonparametric, graphical tool for depicting relationships between variables, Electoral Studies, 19, 577-613.
10. [3] Pehlivan N.Y., Apaydın A., 2005. Bulanık k-En Yakın Komşuluk Tahmin Edicisi ve Bulanık Radyal Tabanlı Fonksiyon Ağları , S.Ü. Fen Ed Fak Fen Derg., 26, 19- 32.
11. [2] Tezcan N., 2011. Parametrik Olmayan Regresyon Analizi, Atatürk Ü. İİBF Dergisi, 10. Ekonometri ve İstatistik Sempozyumu Özel Sayısı, 341.
12. [1] Eubank, R. L., 1999. Nonparametric regression and smoothing spline, Marcel Dekker Inc., New York.