AI Summary & Key Takeaways
AI InsightSonuçlar ile gerçeklesen veriler kıyaslanarak, bunların birbirlerine çok yakın oldugu ve böylece önerilen modelin etkinligi ortaya koyulmustur.
📌 3 Key Takeaways
Özet
Son yıllarda artan rekabetçi ortamda ve küresel ekonominin yarattıgı etkiler sonucunda, isletmeler için yasamlarını devam ettirmek ve fark yaratabilmek adına en önemli araçlardan birisi de gelecege yönelik tahminlerde bulunmak ve stratejilerini buna göre belirlemek olmustur. Bu baglamda isletmeler riskleri en aza indirgemek için, birçok uygulama alanında yer bulan tahminleme yöntemlerinin ve istatistiksel analizlerin kullanılmasına yönelmektedirler. Lojistik Regresyon Analizi, sonuç degiskeninin iki veya çok düzeyli kategorik degisken olması, 0 ve 1 gibi kesikli degerler alması durumunda kullanılmakta ve bagımlı degiskenbasarılı-basarısız , az-orta-çok , olumlu-olumsuz gibi kategorik degerlerden olustugunda lojistik regresyon yöntemi tercih edilmektedir. Son yıllarda lojistik regresyon analizi kullanım kolaylıgının yanında rahat yorumlanabilmesiyle ön plana çıkmıs ve sosyal bilimler alanında birçok uygulamada yaygın olarak kullanılmaya baslanmıstır. Lojistik Regresyon Analizinde, bagımlı degisken üzerinde açıklayıcı degiskenlerin etkileri olasılık olarak elde edilerek, bu faktörlerin olasılık olarak belirlenmesi saglanmaktadır. Bu çalısmada, Lojistik Regresyon Analizi bir tahmin yöntemi olarak incelenmis ve bu kapsamda bankaların sektör paylarının tahminlenmesine yönelik bir model olusturularak, bankaların sektör paylarına göre ilk on banka arasına girip girememeleri açısından incelenmek suretiyle bir uygulama yapılmıs olup, elde edilen sonuçlar yorumlanmıstır. Sonuçlar ile gerçeklesen veriler kıyaslanarak, bunların birbirlerine çok yakın oldugu ve böylece önerilen modelin etkinligi ortaya koyulmustur.