Basit öğe kaydını göster

dc.contributor.advisorTerzi, Erol
dc.contributor.authorToy, Ahmet
dc.date.accessioned2023-09-06T06:39:20Z
dc.date.available2023-09-06T06:39:20Z
dc.date.issued2022en_US
dc.date.submitted2022
dc.identifier.citationToy, A. (2022). Robust regresyon tahmin edicilerine yönelik yeni bir yaklaşım. (Doktora tezi). Ondokuz Mayıs Üniversitesi, Samsun.en_US
dc.identifier.urihttp://libra.omu.edu.tr/tezler/144698.pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12712/34199
dc.descriptionTam Metin / Tezen_US
dc.description.abstractRegresyon analizi yöntemleri içerisinde en çok kullanılan en küçük kareler yöntemi, doğrusal regresyon modeli varsayımları sağlandığında en iyi parametre tahminini gerçekleştirmektedir. Fakat model varsayımlarının bozulmasına neden olan bazı etkenler vardır. Bu etkenlerden birisi veri setinin aykırı değer içermesidir. Veri setindeki diğer gözlemlerden uzak bir şekilde konumlanan aykırı değerler, parametre tahminini olumsuz anlamda etkilemektedir. Bu yüzden aykırı değerlere karşı dirençli olan robust regresyon tahmin edicileri geliştirilmiştir. Robust regresyon tahmin edicileri içerisinde en çok tercih edilen yöntemlerden birisi M-tahmin edicilerdir. Mtahmin ediciler veri setinde bulunan aykırı değerin etkisini azaltarak veya aykırı değeri veri setinden çıkartarak parametre tahminini gerçekleştirir. Bu çalışmada veri setinde bulunan gözlem değerlerinin genetik algoritmayla ağırlıklandırıldığı, yeni bir robust yöntem önerilmiştir. Önerilen yöntem ile Mtahmin ediciler hem simülasyon çalışması yapılarak hem de gerçek veri seti kullanılarak hata kareler ortalamasının karekökü (HKOK) performans kriterine göre karşılaştırılmıştır. Karşılaştırma sonucunda önerilen yöntemin M-tahmin edicilerden daha iyi performans sergilediği gözlenmiştir.en_US
dc.description.abstractThe least-squares method, which is the commonly used one among the regression analysis methods, performs the best parameter estimation when linear regression model assumptions are made. However, some factors cause the deterioration of model assumptions. One of these factors is inclusion of outliers by the data set. Outliers located far from other observations in the data set negatively affect the parameter estimation. Therefore, robust regression estimators that are resistant to outliers have been developed. One of the most preferred methods among robust regression estimators is M-estimators. M-estimators make parameter estimation by reducing the effect of the outlier in the data set or by removing the outlier from the data set. In this study, a new robust method is recommended in which the observation values in the data set are weighted by genetic algorithm. With the proposed method, M-estimators are compared according to the root mean square error (RMSE) performance criterion, both by performing a simulation study and using the real data set. As a result of the comparison, it is observed that the proposed method outperformed the M-estimators.en_US
dc.language.isoturen_US
dc.publisherOndokuz Mayıs Üniversitesi Lisansüstü Eğitim Enstitüsüen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectrobust regresyonen_US
dc.subjectM-tahmin edicileren_US
dc.subjectgenetik algoritmaen_US
dc.subjectrobust regressionen_US
dc.subjectM-estimatorsen_US
dc.subjectgenetic algorithmen_US
dc.titleRobust regresyon tahmin edicilerine yönelik yeni bir yaklaşımen_US
dc.title.alternativeA new approach to robust regression estimatorsen_US
dc.typedoctoralThesisen_US
dc.contributor.departmentOMÜ, Lisansüstü Eğitim Enstitüsü, İktisat Ana Bilim Dalıen_US
dc.contributor.authorID0000-0002-2647-7259en_US
dc.contributor.authorID0000-0002-2309-827Xen_US
dc.relation.publicationcategoryTezen_US


Bu öğenin dosyaları:

Thumbnail

Bu öğe aşağıdaki koleksiyon(lar)da görünmektedir.

Basit öğe kaydını göster