SavedAdd your journal

Journals / Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi / 2026 / Volume: 23 Issue: 1

Bankacılık Sektöründe Verilerde Ölçüm Hatası Olması Durumunda Regresyon Modellerinin Tahmin Edilmesi

Taner Ersöz
Pages
—
Publication Date
2019-03-16
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Çalışmada ayrıca çoklu regresyon modeli ile değişkenler arasındaki ilişki fonksiyonel olarak ortaya çıkarılmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Bu çalışmada, açıklayıcı değişkenlerde ölçüm hata olması durumunda regresyon parametrelerinin tahmin edilmesi amaçlanmıştır.
📊
Key Findings & Data:Çalışmada istatistiksel analizler için Bankacılık Düzenleme ve Denetleme Kurulu’ nun Türk Bankacılık Sektöründe faaliyet gösteren mevduat, katılım, kalkınma ve yatırım bankalarının raporladığı bilgilerin 2003- 2018 yılları arasında Mart, Haziran, Eylül ve Aralık aylarına ait veriler kullanılmıştır.
💡
Conclusion & Impact:Çalışmada ayrıca çoklu regresyon modeli ile değişkenler arasındaki ilişki fonksiyonel olarak ortaya çıkarılmıştır.
🔬Design:Modeling & Simulation
📍Scope:2003- 2018 Verileri
⚙️Variables:Ölçüm hataları · parametre tahminleri · en küçük kareler yöntemi

Özet

Bu çalışmada, açıklayıcı değişkenlerde ölçüm hata olması durumunda regresyon parametrelerinin tahmin edilmesi amaçlanmıştır. Çalışmada istatistiksel analizler için Bankacılık Düzenleme ve Denetleme Kurulu’ nun Türk Bankacılık Sektöründe faaliyet gösteren mevduat, katılım, kalkınma ve yatırım bankalarının raporladığı bilgilerin 2003- 2018 yılları arasında Mart, Haziran, Eylül ve Aralık aylarına ait veriler kullanılmıştır. Verilerin enflasyon etkisini minimize etmek için dolar değerleri alınmıştır. Regresyon parametrelerini tahmin etmek için, en küçük kareler yöntemi, gruplama yöntemlerinden iki grup yöntemi ve üç grup yöntemiyle bulunan parametrelerin katsayıları hesaplanmış ve hangi yöntemin en iyi sonuç verdiği araştırılmıştır. Çalışma sonucunda üç grup yönteminin diğer yöntemlerden daha iyi sonuç verdiği görülmüştür. Çalışmada ayrıca çoklu regresyon modeli ile değişkenler arasındaki ilişki fonksiyonel olarak ortaya çıkarılmıştır.

🔖

Cite This Article

Ersöz, T. (2019). Bankacılık Sektöründe Verilerde Ölçüm Hatası Olması Durumunda Regresyon Modellerinin Tahmin Edilmesi. Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Volume: 23 Issue: 1. https://ajindex.com/articles/1089292

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (30)

  1. Alihodžić, A., & Ekşi, İ. H. (2018). Credit Growth and Non-Performing Loans: Evidence from Turkey and Some Balkan Countries. Eastern Journal of European Studies, 9(2), 229–250.
  2. Armstrong, B. (1964). Measurement Error in the Generalized Linear Model. Cmm. Statistic, 14, 529–544.
  3. Bartlett, M. S. (1949). Fitting a Straight Line When Both Variables are Subject to Error. Biometrics, 207–242.
  4. D.W., S. (2001). Semiparametric Maximum Likelihood for Measurement Error Model Regression. Biometrics, 57(1), 53–61.
  5. Ersöz, F., & Ersöz, T. (2018). İstatisik I-II. Elit Kültür Yayınları, İstanbul.
  6. Ersöz, T. (1993). Açıklayıcı Değişkenlerde Hata Olması Durumunda Regresyon Modellerinin İncelenmesi. Hacettepe Üniversitesi Fen Bilimleri Enstitüsü, Bilim Uzmanlığı Tezi.
  7. Fernández-Muñiz, B., Montes-Peón, J. M., & Vázquez-Ordás, C. J. (2009). Relation Between Occupational Safety Management and Firm Performance. Safety Science, 47(7), 980–991. https://doi.org/10.1016/J.SSCI.2008.10.022
  8. Fuller, W. A. (1980). Properties of Some Estimators for the Error-in-Variables Model. Annals of Statistic, (8), 407–422.
  9. Gök, A. C., & Özdemir, A. (2011). Lojistik Regresyon Analizi ile Banka Sektör Paylarının Tahminlenmesi. İşletme Fakültesi Dergisi, 12(1), 43–51.
  10. Gujarati, N. D. (1995). Basic Econometrics-3rd Edition. New York, New York, USA: McGraw-Hill.
  11. Jawadi, F., Jawadi, N., Idi, A., Ben, H., & Louhichi, W. (2017). Modelling the Effect of the Geographical Environment on Islamic Banking Performance: A Panel Quantile Regression Analysis. Economic Modelling, 67(February), 300–306. https://doi.org/10.1016/j.econmod.2017.01.018
  12. Koutsoyiannis, A. (1989). Ekonometri kuramı, Çev.ü.Şenesen ve G. Ankara: Verso Yayıncılık.
  13. KPMG. (2019). Bankacılık Sektörel Bakış Raporu.
  14. Leser, C. (1966). Econometric techniques and problems. London: Griffin.
  15. Maddala, G. S. (1988). Introduction to Econometrics. New York, New York, USA: Macmillan Publishing Company.
  16. Michael G. Akritas, M. A. B. (1996). Linear Regression for Astronomical Data with Measurement Errors and Intrinsic Scatter. The Astrophysical Journal, 2.
  17. Onen, F. K., & Tunik, İ. (2017). The Determinants of Efficiency in Turkish Banking Sector After Global Finacial Crisis. European Scientific Journal, special(April), 471–479.
  18. Öztürk, H. (2016). Türk Bankacılık Sektörünü Etkileyen Makro Ekonomik Faktörlerin Ampirik Analizi An Empirical Analysis of Macroeconomic. Finans Politik & Ekonomik Yorumlar, 53(620), 11–29.
  19. Phan, H. T., Anwar, S., & Alexander, W. R. J. (2018). The Determinants of Banking Efficiency in Hong. Applied Economics Letters, 00(00), 1–4. https://doi.org/10.1080/13504851.2017.1420870
  20. Samırkaş, M. C. (2014). Türk Bankacılık Sektöründe Karlılığın Beli̇rleyi̇ci̇leri̇. Kafkas Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 5(8), 117–134.
  21. Stefanski, L. A., & Buzas, J. S. (1995). Instrumental Variable Estimation in Binary Regression Measurement Error Models. Journal of the American Statistical Association, 90(430), 541–550. https://doi.org/10.1080/01621459.1995.10476546
  22. Sufian, F., Kamarudin, F., & Nassir, A. M. (2017). Globalization and Bank Efficiency Nexus: Empirical Evidence from the Malaysian Banking Sector. Benchmarking: An International Journal, 24(5), 1–8. https://doi.org/10.1108/BIJ-09-2014-0090
  23. Taliha, K. (2018). Comparison of Classical Least Squares and Orthogonal Regression in Measurement Error Models. International Online Journal of Educational Sciences, 10(3), 200–214.
  24. TBB. (2018). Bankalarımız 2017.
  25. TIM. (2018). IMF Küresel Ekonomik Görünüm Raporu.
  26. Ünsal, A., & Güler, H. (2016). Türk Bankacılık Sektörünün Loji̇sti̇k Regresyon ve Diskriminant Analizi ile İncelenmesi. In VII. Ulusal Ekonometri ve İstatistik Sempozyumu (pp. 1–14).
  27. Wald, A. (1940). The Fitting of Straight Lines if Both Variables are Subject to Error. Annals of Mathematics and Statistics, 11, 284–300.
  28. Alihodžić, A., & Ekşi, İ. H. (2018). Credit Growth and Non-Performing Loans: Evidence from Turkey and Some Balkan Countries. Eastern Journal of European Studies, 9(2), 229–250.
  29. Jawadi, F., Jawadi, N., Idi, A., Ben, H., & Louhichi, W. (2017). Modelling the Effect of the Geographical Environment on Islamic Banking Performance: A Panel Quantile Regression Analysis. Economic Modelling, 67(February), 300–306. https://doi.org/10.1016/j.econmod.2017.01.018
  30. Sufian, F., Kamarudin, F., & Nassir, A. M. (2017). Globalization and Bank Efficiency Nexus: Empirical Evidence from the Malaysian Banking Sector. Benchmarking: An International Journal, 24(5), 1–8. https://doi.org/10.1108/BIJ-09-2014-0090