Buradasınız

Anasayfa » Content

Hayvansal Üretim Verilerinde Çoklu Bağlantı Probleminin Yanlı Regresyon Yöntemi İle Çözümlenmesi

The Solution of Multicolinearity Problem via Biased Regression Analysis in Animal Production Data

Journal Name:

  • Kahramanmaraş Sütçü İmam Üniversitesi Doğa Bilimleri Dergisi

Publication Year:

  • 2014

Key Words:

Keywords (Original Language):

Author NameUniversity of AuthorFaculty of Author
Abstract (2. Language): 
The aim of this study is to investigate the effectiveness of Ridge Regression (RR) applying biased estimation techniques over the method of Least Squares (LS) technique on the estimation of carcass weight. For this purpose, the Ridge Regression method biased estimation techniques are compared with LS to estimate linear relationship between carcass weight and explanatory variables in broiler. In this study, based the problem of high multiple linear connection between the independent variables, it was hypothesized that RR method has smaller standard errors and estimates in accordance with theoretical expectations according to the method of LS.
Bookmark/Search this post with
Abstract (Original Language): 
Bu çalışmanın amacı, küçük örneklemlerde karkas ağırlığının tahmin edilmesinde yanlı tahmin tekniklerinden Ridge Regression (RR) yönteminin en küçük kareler EKK yöntemine karşı etkinliğini araştırmaktır. Bu amaçla broilerde karkas ağırlığı ile açıklayıcı değişkenler arasındaki doğrusal ilişkinin tahmininde EKK ve yanlı tahmin tekniklerinden Ridge Regression yöntemi karşılaştırılmaktadır. Araştırmada, bağımsız değişkenler arasındaki yüksek çoklu doğrusal bağlantı problemine dayanarak RR yönteminin EKK yöntemine göre daha küçük standart hatalı, durağan ve kuramsal beklentilere uygun tahminler sağlayacağı beklenmiştir
FULL TEXT (PDF): 
PDF icon arastirmax-hayvansal-uretim-verilerinde-coklu-baglanti-probleminin-yanli-regresyon-yontemi-ile-cozumlenmesi.pdf
  • 3
1
12
  • Turkish

REFERENCES

References: 

Aktaş, C., 2007. Çoklu Bağıntı ve Liu Kestiricisiyle
Enflasyon Modeli için bir Uygulama. ZKÜ sosyal
Bilimler Dergisi, cilt 3, sayı 6, 67-79 .
Albayrak, A.S., 2005. Çoklu doğrusal bağlantı halinde
en küçük kareler tekniğinin alternatifi yanlı tahmin
teknikleri ve bir uygulama ZKÜ Sosyal Bilimler
Dergisi Cilt 1, Sayı 1, 105-126.
Albayrak, A.S. 2006. Uygulamalı Çok Değişkenli
İstatistik Teknikleri. Asil yayın dağıtım, Ankara,
265-284.
Alma, G.Ö., Vupa, Ö. 2008. Regresyon Analizinde
Kullanılan En Küçük Kareler Ve En Küçük Medyan
Kareler Yöntemlerinin Karşılaştırılması. SDÜ Fen
Edebiyat Fakültesi Fen Dergisi (E-Dergi). 3(2) 219-
229.
Arıcı, H. 1991. İstatistik Yöntemler ve Uygulamalar.
Ankara: Meteksan.281 s.
Coşkuntuncel, O. 2010. Sosyal Bilimlerde Yanlı
Regresyon Tahmin Edicilerin Kullanılması. Eğitim
ve Psikolojide Ölçme ve Değerlendirme Dergisi,
1(2), 100-108.
Ebegil M. 2009. Ridge tahminine dayalı yanlı tahmin
edici için bir test istatistiği , SAÜ Fen Edebiyat
Dergisi, II, 1-14.
Freund, R.J. and Minton, P.D. 1979. Regression
methods. Marcel Dekker, New York 261 s.
Gujarati, D.N. 1995. Basic Econometrics. McGraw-Hill,
New York, 319-399 s.
Hoerl, A.E. and Kennard, R.W. 1970 Ridge Regression:
Biased Estimation for Nonorthogonal Problems.
Technometrics, Cilt:12, No: 1, 55-67.
İpek, O. 2011. Ridge Regresyon Üzerine Bir Çalışma.
idari.cu.edu.tr/sempozyum/bil28.htm Erişim Tarihi:
06.06.2014.
Marqurt, D.W.,Snee, R.D. 1975. Ridge Regression in
Pratice. The American Statistician, ,Vol. 29 No. 1,4.
Maxwell, Scott E. 2000. Sample Size in Multiple
Regression Analysis. Psychological Methods, Cilt:
5, No: 4, 434-458.
Montgomery, D. C., Peck, E. A., & Vining, G. G. 2013.
Doğrusal Regresyon analizine Giriş (Introduction to
linear regression analysis New York: John Wiley
and Sons.) 5.Basımdan çeviri. Yayın No: 717, 142
Nobel Akademik Yayıncılık, Ankara, 645 S.
Mullet, G, M. 1976. Wye Regression Coefficients have
the wrong sign. Journal of Quality Technology, 8,
121-126.
NCSS Statistical System 2001. User’s Guide, Kaysville,
NCSS Inc.
Netter, J., Wasserman W. and Kunter M. 1990. Applied
Linear Statistical Models. Irwin: Homewood, IL.
Şahinler, S. 2000. En Küçük Kareler Yöntemi ile
Doğrusal Regresyon Modeli Oluşturmanın Temel
Prensipleri. MKÜ. Ziraat Fakültesi Dergisi 5 (1-2).
Hatay, 57–73.
Şenyay, L. ve Özler, C. 1993. “Ridge Tahminleyicisinin
Özellikleri. Dokuz Eylül Üniversitesi”, I. Ulusal
Ekonometri ve İstatistik Sempozyumu, İzmir, 217-
236.
Vinod, H.D. 1995. Double Bootstrap for Shrinkage
Estimators, Journal of Econometrics, 68, 287-302.
Vupa Ö ve Alma, Ö.G. 2008. Doğrusal Regresyon
çözümlemesinde Çoklu bağlantı probleminin sapan
değer içeren küçük örneklemlerde incelenmesi. SÜ
Fen Ed. F. Derg. Sayı 31, Konya, 97-107.
Webster, A.1995. Applide Statistics for Business and
Economics 683-684.

Thank you for copying data from http://www.arastirmax.com