Journal Name:
- İstanbul Üniversitesi İktisat Fakültesi Mecmuası
Keywords (Original Language):
| Author Name | University of Author |
|---|---|
Abstract (2. Language):
Classical regression analysis is able to reply to requirements of numerical sciences that study with definite information. Hardly, when social sciences are in question, if is not easy to estimate coherent and consistent estimations as it is supposed. Because everything in real life is a gradation problem. Fuzzy logic supplies approximate reasoning by thinking as exhaustive as human intelligence. Fuzzy regression method was invented by applying fuzzy logic techniqurs to the classical regression method. Assumptions of classical regression need not be proved for fuzzy regression. Any longer, fuzzy regression does not require normal distributed data, stability tests and big samples (infinite trials). Yet, all these properties of fuzzy regression that are mentioned, only enables case stabilization. It can not estimate external terms like classical regression. But it exhibits more detailed photos of the events than classical method. Fuzzy regression overcomes this, by including some explanatory variables that classical regression can not include them to the classical model for some reasons such as insufficient data, intuitive but not certain relations between dependent variable and these explanatory variables.
Bookmark/Search this post with
Abstract (Original Language):
Klasik regresyon analizi kesin bilgilerle çalışan saytsa! bilimlerin ihtiyaçlarına somut cevaplar verebilmektedir. Ancak sosyal bilimler söz konusu olduğunda tutarlı ve doğru sonuçlara ulaşmak sanıldığı kadar kolay değildir. Çünkü gerçek yaşamda her şey bir derecelendirme sorunudur. Bulanık mantık, insan zekası gibi etraflı düşünerek, yaklaşık karar verebilmeyi sağlamaktadır. Bulanık regresyon yöntemi, bulanık mantığın klasik regresyon yöntemlerine uygulanması sonucunda bulunmuştur. Bulanık regresyon, klasik regresyon analizi için gerekli oları varsayımların sağlanmasına ihtiyaç duymaz. Artık veriler normal dağılmak zorunda değildir, durağanlık testleri ve büyük örnek/emler (sonsuz denemeler) olmasa da olur. Fakat tüm bu anlatılanlar, bulanık regresyonun sadece durum tespiti yapabilmesine olanak tanımaktadır. Klasik regresyonda olduğu gibi dönem dışı tahmin yapılamaması, bulanık regresyon analizinin en büyük eksikliğidir. Bunun yanında bulanık regresyon analizi klasik regresyona göre olayların çok daha ayrıntılı bir resmini sunabilmektedir. Bunu da yeterli veriye ulaşılamaması veya bağımlı değişken ve bağımsız değişkenler arasında net olarak ortaya konamayan bir takım ilişkiler gibi imkansızlıklar nedeniyle klasik modele dahil edilemeyen açıklayıcı değişkenleri modele dahil ederek başarmaktadır.
FULL TEXT (PDF):
- 1
109-134