Makro iktisat verilerinde kayıp verilerin regresyona dayalı en yakın komşu “hot deck” yöntemi ile tamamlanması

Ülke verileri söz konusu olduğunda araştırmacılar çok boyutlu uzaklıkları kullanan kümeleme yaklaşımlarını tercih etmektedirler. Ancak karşılıklı bağımlılık içeren değişkenler arasında kayıp verilerin tamamlanmasında regresyon yönteminin kullanılması yaygındır. Bunun sebebi değişkenler arasındaki bağımlılık yapısının bozulmamasının amaçlanmasıdır. Bu durumda her iki analiz yaklaşımının da ortak ele alınarak hem göstergeler arasındaki bağımlılığın korunması hem de ülkeler arasındaki anlamlı uzaklıkların yok edilmemesini sağlayacak yöntemler tercih edilmelidir. Çalışmada regresyona dayalı en yakın komşuluk algoritmasının kullanılmasıyla elde edilen sonuçlar diğer yöntemlerle elde edilen sonuçlarla karşılaştırılmıştır.

Kayıp Veri Tamamlama ,

İktisadi Veri ,

Kümeleme ,

The researchers prefer usually classification approaches which are depending on multidimensional distances to handle country data. However, it is used to impute the missing data with regression analysis at interdependent variables. The reason is to prevent the interdependency structure among variables. Therefore, there is a need for missing value imputation techniques, which will prevent the collinearity among economic variables and the significant distances among the countries. This research discussed the comparison between the results of hot-deck imputation with regression analysis and other imputation methods.

Missing Data Imputation ,

Economical Data ,

Classification ,