Journals / İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi / 2005 / Cilt: 4 - Sayı: 7

Poisson Regresyon Analizi

Pages
59–72
Publication Date
2005-06-01
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)

Bu sebepten dolayı kesikli veriler için tüm koşullar sağlandığında kulanılabilecek en etkin model Poisson regresyon modelleridir

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Herhangi bir olayın belirlenen bir süreç içerisinde yapılan denemeler sonucunda meydana gelme sayısı, sayma verileri olarak ifade edilebilir.
📊
Key Findings & Data:Bu gibi durumlarda yani; verilerin kesikli olması durumunda da doğrusal regresyon modelleri kullanılarak yapılacak analizler etkisiz, tutarsız ve çelişkili sonuçlar verecektir.
💡
Conclusion & Impact:Bu sebepten dolayı kesikli veriler için tüm koşullar sağlandığında kulanılabilecek en etkin model Poisson regresyon modelleridir
🔬Design:Experimental Field Trial
📍Scope:Comprehensive Sample
⚙️Variables:Poisson Regresyon · Yapay En Çok Olabilirlik Kestirimi · Artık Analizi

Özet

Herhangi bir olayın belirlenen bir süreç içerisinde yapılan denemeler sonucunda meydana gelme sayısı, sayma verileri olarak ifade edilebilir. Sayma veri modelinde bilinen ilk gelişmeler aktueryal bilimler, biyoistatistik ve demografide gözlenmiştir. Son yıllarda bu modeller iktisat, politik bilimler ve sosyolojide de sıkça kullanılmaya başlanmıştır. Sayma veri modelleri özel bir regresyon türüdür. Bu modeller ekonometricilerin çok fazla dikkatini çekmiş ve mikro ekonomide oldukça fazla kullanılmıştır. Bilindiği gibi, verilerin sürekli olduğu durumlarda doğrusal regresyon analizi kullanılabilmektedir. Ancak analizlerde kullanılacak veriler her zaman sürekli halde bulunmayabilir. Bu gibi durumlarda yani; verilerin kesikli olması durumunda da doğrusal regresyon modelleri kullanılarak yapılacak analizler etkisiz, tutarsız ve çelişkili sonuçlar verecektir. Bu sebepten dolayı kesikli veriler için tüm koşullar sağlandığında kulanılabilecek en etkin model Poisson regresyon modelleridir

🔖

Cite This Article

DENİZ, Ö. (2005). Poisson Regresyon Analizi. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, Cilt: 4 - Sayı: 7, 59–72. https://ajindex.com/articles/124115

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (5)

  1. Akın, F., (2002),
  2. Kalitatif Tercih Modelleri Analizi, Bursa, Ekin Kitabevi.
  3. Cameron, C.- Trivedi, P., (1998),
  4. Regression Analysis of Count Data, Cambridge, Cambridge University Pres. Dobson, A., (2002), An Introduction to Generalized Linear Models, Boca Raton, Chapman and Hall. Long, S., (1997), Regression Models for Categorical and Dependent Variables, London, Sage Publications. McCullagh, P.- Nelder, J.A., (1983),
  5. Generalized Linear Models, London Chapman and Hall. Özmen, İ., (2003), Poisson Regresyon Modeli için Düzeltilmiş Belirtme Katsayıları, Antalya İstatistik Sempozyumu Bildirisi.