SavedAdd your journal

Journals / Ankara Üniversitesi Veteriner Fakültesi Dergisi / 2026 / Volume: 62 Issue: 1

Estimation of income with using Ridge Regression analysis in layer hen industry

Yumurta tavukçuluğunda gelirin Ridge Regresyon analizi ile tahmini

Aytaç Akçay(Biyometri Anabilim Dalı)
Savaş Sarıözkan(Hayvan Sağlığı Ekonomisi ve İşletmeciliği Anabilim Dalı, Kayseri, Türkiye.)
Pages
—
Publication Date
2015-03-01
🏛️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)

In conclusion, RR method provided, lower standard errors, more stable, consistent and suitable estimates compared to LSR method

📌 3 Key Takeaways

🎯
Objective & Hypothesis:The aim of this study was to estimate the sale income using age, survival rate, egg weight and production data in layer hen industry.
📊
Key Findings & Data:The egg prices were obtained from Kayseri Tavukçuluk Sanayi ve Ticaret A.Ş. (Kaytaş).The performance values of Bovans White hybrid were used in the analysis.
💡
Conclusion & Impact:In conclusion, RR method provided, lower standard errors, more stable, consistent and suitable estimates compared to LSR method
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Eggs · income · multi-collinearity

Abstract

The aim of this study was to estimate the sale income using age, survival rate, egg weight and production data in layer hen industry. The egg prices were obtained from Kayseri Tavukçuluk Sanayi ve Ticaret A.Ş. (Kaytaş).The performance values of Bovans White hybrid were used in the analysis. The results of the study showed the presence of multi-collinearity problem due to, correlation coefficients between independent variables are close to 1, condition number is over 1000 (1463.5) and variance inflation factor (VIF) values of three independent variables are over 10 (264.7; 259.7 and 10.9). Due to multi-collinearity problem, data were analyzed with ridge regression (RR) method which is alternative to least squares regression (LSR) and compared each other. Income estimation with LSR method before removing the independent variables which are in multi-collinearity with each other the model's coefficient of determination is calculated as R2 = 0.99; while the R2 = 0.98 with selected Ƙ value with using RR method. In addition; standard errors of the regression coefficients of independent variables were lower in RR method. In conclusion, RR method provided, lower standard errors, more stable, consistent and suitable estimates compared to LSR method

Özet

Bu araştırmada, yumurta tavukçuluğunda elde edilen satış gelirini; yaş, yaşama gücü, yumurta ağırlığı ve yumurta verimi verileri kullanılarak tahmin eden bir modelin geliştirilmesi amaçlanmıştır. Araştırmada kullanılan yumurta fiyatlarına ait veriler Kayseri Tavukçuluk Sanayi ve Ticaret A.Ş. (Kaytaş)’den temin edilmiştir. Analizde, Bovans White hibritine ait performans değerleri kullanılmıştır. Araştırma sonuçları, bağımsız değişkenler arasındaki korelasyon katsayılarının 1’e yakın olması, Koşul indeksinin (KI) 1000’in üzerinde olması (1.463,5) ve üç bağımsız değişkene ait varyans artırıcı faktör (VIF, variance inflation factor) değerlerinin 10’nun üzerinde (264.7; 259.7 ve 10.9) olması, çoklu bağlantı sorununun varlığını göstermiştir. Bu nedenle verilere, en küçük kareler regresyonuna (EKK) alternatif olan Ridge Regresyon analizi (RR) uygulanmış ve her iki metodun sonuçları karşılaştırılmıştır. Açıklayıcı değişkenleri analizden çıkarmadan yapılan gelir tahmininde, EKK yöntemi uygulandığında modelin belirtme katsayısı R2=0,99; RR uygulandığında seçilen Ƙ değeri (Ƙ=0,01) için oluşturulan modelin belirtme katsayısı R2=0,98 olarak hesaplanmıştır. Ayrıca, kurulan modellerde değişkenlere ait regresyon katsayılarının standart hataları, RR yönteminde daha düşük bulunmuştur. Sonuç olarak; çalışmada uygulanan RR yönteminin, EKK regresyonuna göre daha düşük standart hatalı, daha durağan, daha tutarlı ve uygun tahminler sağladığı belirlenmiştir

🔖

Cite This Article

Akçay, A., Sarıözkan, S. (2015). Estimation of income with using Ridge Regression analysis in layer hen industry. Ankara Üniversitesi Veteriner Fakültesi Dergisi, Volume: 62 Issue: 1. https://doi.org/10.1501/Vetfak_0000002660

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (27)

  1. Albayrak SA (2005): Çoklu bağlantı halinde en küçük kareler tekniğinin alternatifi yanlı tahmin teknikleri ve bir uygulama. Zonguldak Kara Elmas Üniversitesi Sosyal Bilimler Dergisi, 1;105-126.
  2. Anonim (2014): Kayseri Tavukçuluk Sanayi ve Ticaret A.Ş. yumurta fiyatları. Erişim adresi: http://www.kaytas. com.tr/fiyat_list.php, Erişim tarihi: 02.01.2014
  3. Anonim (2014): Bovans White product performance. Erişim adresi: http://www.isapoultry.com/en/products/bovans/bovans- white/, Erişim tarihi: 02.01.2014
  4. Atasoy F, Gürcan IS (2000): Bir Denizli tavuğu sürüsünde canlı ağırlık ve yumurta ağırlığı özellikleri. Ankara Üniv Vet Fak Derg, 47; 265-269.
  5. Bolzan AC, Machado RAF, Piaia JCZ (2008): Egg hatchability prediction by multiple linear regression and artificial neural networks. Braz J Poultry Sci, 10; 97-102.
  6. Çiçek H, Günlü A, Tandoğan M (2009): A study on determination of factors affecting profits with quantitative models in commercial egg production. Ankara Üniv Vet Fak Derg, 56; 313-316.
  7. Eleroğlu H, Yıldırım A, Toker T (2004): Sivas ilinde tavukçuluğun durumu. 4 Ulusal Zootekni Bilim Kongresi, 343-347, 01-03 Eylül, Isparta.
  8. Ergüneş E (2004): En Küçük Kareler Yöntemi İle Ridge Regresyon Yönteminin Karşılaştırılmalı Olarak İncelenmesi. Yüksek Lisans Tezi, Çukurova Üniversitesi Fen Bilimleri Enstitüsü Zootekni Anabilim Dalı, Adana
  9. Fathel AN, Elibol O (2006): Yerli ve dış kaynaklı kahve- rengi yumurtacı hibritlerin verim özellikleri bakımından karşılaştırılması. Tar Bil Der, 12; 182-187
  10. Hintze J (2013). NCSS 9. NCSS, LLC. Kaysville, Utah, USA. www.ncss.com.
  11. Hoerl AE, Kennard RW (1970a): Ridge regression: Biased estimation for non-orthogonal problems. Technometrrics, 12; 55-67.
  12. Hoerl AE, Kennard RW (1970b): Ridge regression: for non-orthogonal problems. Technometrrics, 12; 69-82.
  13. İpek O (2000): Ridge Regresyon Üzerine Bir Çalışma, Gazi üniversitesi Fen Bilimleri Enstitüsü, İstatistik Anabilim dalı, Yüksek Lisans Tezi, Ankara.
  14. Köksal BH, Küçükersan MK (2012): Yumurta tavuğu rasyonlarına ilave edilen humat ve bitki ekstraktı karışımının performans ile bazı kan parametrelerine etkileri. Ankara Üniv Vet Fak Derg, 59;121-128
  15. Marquardt DW, Snee RD (1975): Ridge regression in practice. J Am Stat Assoc, 29; 3-20.
  16. Mcdonald GC, Galarneau DI (1975): A monte carlo evaluation of some ridge type estimators. J Am Stat Assoc, 70; 407-416.
  17. Rathert ÇT, Üçkardeş F, Narinç D, Aksoy T (2011): Comparision of principal component regression with the least square method in prediction of internal egg quality characteristics in Japanese quails. Kafkas Univ Vet Fak Derg, 17; 687-692.
  18. Sarıözkan S, Güçlü KB, İşcan KM (2009): Yumurta tavuklarında yerleşim sıklığı, rasyon enerji düzeyi ve rasyona karnitin ilavesinin teknik ve ekonomik açıdan değerlendirilmesi, Ankara Univ Vet Fak Derg, 56; 283- 288.
  19. Sarıözkan S, Sakarya E (2006): Afyon ili yumurta tavukçuluğu işletmelerinde kârlılık ve verimlilik analizleri. Lalahan Hay Araşt Enst Derg, 46;29-44
  20. Şahin A, Yıldırım İ (2001): Van ilinde yumurta tavukçuluğu yapan işletmelerin ekonomik analizi. YYÜ Tar Bil Derg, 11; 57-66
  21. Şamkar H, Alpu Ö, Altan E (2011): Ridge regresyonda M tahmin edicilerinin kullanımı üzerine bir uygulama. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 26;67-77.
  22. Topal M, Eyduran E, Yağanoğlu M, Sönmez AY, Keskin S (2010): Çoklu doğrusal bağlantı durumunda ridge ve temel bileşenler regresyon analiz yöntemlerinin kullanımı. Atatürk Ü Zir Fak Der, 41; 53-57.
  23. Tuğluk E, Yalçın C (2004): Nevşehir ili Kozaklı ilçesinde yumurta tavukçuluğu işletmelerinin genel yapısal özellikleri ve karşılaşılan sorunlar. Tavukçuluk Araştırma Dergisi, 5; 41-46.
  24. Üçkardeş F, Efe E, Narinç D, Aksoy T (2012): Japon bıldırcınlarında yumurta ak indeksinin ridge regresyon yöntemiyle tahmin edilmesi. Akademik Ziraat Dergisi, 1;11-20.
  25. Vinod HD, Ullah A (1981): Recent Advances in Regression Models, Marcel Dekker, New York.
  26. Wolc A, Arango J, Settar P, Fulton JE, O'Sullivan NP, Preisinger R, Fernando R, Garrick DJ, Dekkers JC (2013): Analysis of egg production in layer chickens using a random regression model with genomic relationships. Poult Sci, 92;1486-1491.
  27. Fathel AN, Elibol O (2006): Yerli ve dış kaynaklı kahve- rengi yumurtacı hibritlerin verim özellikleri bakımından karşılaştırılması. Tar Bil Der, 12; 182-187