KaydedilenlerDerginizi ekleyin

Dergiler / Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi / 2022 / Cilt: 26 Sayı: 3

Bell Regresyon Modelinde Liu tipi Tahmin Edici

Liu-type Estimator in the Bell Regression Model

Melike Işılar(ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ)0000-0001-6821-1064
Y. Murat Bulut(ESKİŞEHİR OSMANGAZİ ÜNİVERSİTESİ, FEN-EDEBİYAT FAKÜLTESİ)0000-0002-0545-7339
Sayfa
552–559
Yayın Tarihi
2022-12-20
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Ayrıca, simülasyon çalışmasına desteklemek için gerçek veri örneği verilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, sayım verilerini modellemek için kullanılan Poisson regresyon modeline alternatif olarak tanımlanan Bell regresyon modelinde çoklu iç ilişki olması durumunda kullanılan yanlı tahmin edicilere alternatif bir tahmin edici önerilmiştir.
📊
Temel Bulgular & Veri:Bell regresyon modeli aşırı yayılım probleminin çözümü için kullanılan bir modeldir.
💡
Sonuç & Katkı:Ayrıca, simülasyon çalışmasına desteklemek için gerçek veri örneği verilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Bell Regresyon · Sayım verileri · Aşırı yayılım

Özet

Bu çalışmada, sayım verilerini modellemek için kullanılan Poisson regresyon modeline alternatif olarak tanımlanan Bell regresyon modelinde çoklu iç ilişki olması durumunda kullanılan yanlı tahmin edicilere alternatif bir tahmin edici önerilmiştir. Bell regresyon modeli aşırı yayılım probleminin çözümü için kullanılan bir modeldir. Bell regresyon modelinin parametreleri genellikle en çok olabilirlik (EÇO) tahmin edicisi kullanılarak tahmin edilmektedir. Fakat, çoklu iç ilişki problemi olması durumunda EÇO tahmin edicisinin performansı düşmektedir. Bu sebeple, Bell Liu-tipi tahmin edicisi önerilmiştir. Önerilen Bell Liu tipi tahmin edicinin performansı Bell Ridge ve Bell Liu tahmin edicileri ile Monte Carlo simülasyon çalışması yardımıyla karşılaştırılmıştır. Ayrıca, simülasyon çalışmasına desteklemek için gerçek veri örneği verilmiştir.

Abstract

This study proposes a new estimator used in the case of multicollinearity problems in the Bell regression model that is an alternative model for the Poisson regression model. The Bell regression model is used to solve the overdispersion problem. Generally, the maximum likelihood estimation (MLE) method is used to estimate the parameters of the Bell regression model. But, the performance of the MLE decreases when the multicollinearity problem occurs. Therefore, the Bell liutype estimator is proposed. Monte Carlo simulation study is conducted to compare the performance of the proposed estimator with Bell Ridge and Bell Liu estimators. Additionally, the real data example is given to support the simulation study.

🔖

Bu Makaleye Atıf Yap

Işılar, M., Bulut, Y. M. (2022). Bell Regresyon Modelinde Liu tipi Tahmin Edici. Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, Cilt: 26 Sayı: 3, 552–559. https://doi.org/10.19113/sdufenbed.1119370

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (27)

  1. Lemonte, A., Moreno-Arenas, G., & Castellares, F. 2020. Zero-inflated Bell regression models for count data. Journal of Applied Statistics, 47(2), 265-286.
  2. Castellares, F., Ferrari, S., Lemonte, A. 2018. On the Bell distribution and its associated regression model for count data. Applied Mathematical Modelling, 56, 172-185.
  3. Asar, Y., Genç, A. 2016. New shrinkage parameters for the Liu-type logistic estimator. Communications in Statistics - Simulation and Computation, 45(3), 1094-1103.
  4. Farrar, D. E., Glauber, R. R. 1967. Multicollinearity in Regression Analysis: The Problem Revisited, The Review of Economics and Statistics, 49 (1), 92-107.
  5. Silvey S. 1969. Multicollinearity and Imprecise Estimation. Journal of the Royal Statistical Society: Series B (Methodological), 31 (3), 539-552.
  6. Lipovetsky S., Conklin, W. M. 2001. Multiobjective Regression Modifications for Collinearity. Computers and Operations Research, 28, 1333-1345.
  7. Hoerl, A., Kennard, R. 1970. Ridge regression: Biased estimation for nonorthogonal problems. Technometrics, 42(1), 80-86.
  8. Månsson, K., Shukur, G. 2011. A Poisson ridge regression estimator. Econ. Model. 28, 1475-1481.
  9. Månsson, K. 2012. On ridge estimators for the negative binomial regression model. Economic Modelling, 29, 178-184.
  10. Amin, M., Akram, M., Majid, A. 2021. On the estimation of Bell regression model using ridge estimator. Communications in Statistics-Simulation and Computation.
  11. Liu, K. 1993. A new class of blased estimate in linear regression. Communications in Statistics - Theory and Methods, 22(2), 393-402.
  12. Akdeniz, F., Kaçıranlar, S. 1995. On the almost unbiased generalized Liu estimator and unbiased estimation of the bias and MSE. Communications in Statistics-Theory and Methods, 24(7), 1789-1797.
  13. Urgan N., Tez M. 2008. Liu estimator in logistic regression when the data are collinear. The 20th international conference, EURO mini conference, Continuous Optimization and Knowladge-based Technologies, 323-327.
  14. Kurtoğlu F., Özkale M. 2016. Liu estimation in generalized linear models: application on gamma distributed response variable. Statistical Papers, 57(4), 911-928.
  15. Qasim, M., Amin, M., Amanullah, M. 2018. On the performance of some new liu parameters for the gamma regression model. Journal of Statistical Computation and Simulation, 88(16), 3065-3080.
  16. Qasim, M., Kibria, B., Månsson, K., Sjölander, P. 2019. A new Poisson Liu Regression Estimator: method and application. Journal of Applied Statistics.
  17. Majid, A., Amin, M., Akram, M. N. 2021. On the Liu estimation of Bell regression model in the presence of multicollinearity, Journal of Statistical Computation and Simulation.
  18. Liu, K. 2003. Using Liu-type Estimator to Combat Collinearity. Communications in Statistics- Theory and Methods, 32(5), 1009-1020
  19. Asar, Y., Karaibrahimoğlu, A., Başbozkurt, H. Genç, A. 2015. Developing a Liu-type estimator for the Poisson Regression. 9th International Statistics Congress, Antalya.
  20. Asar, Y. 2018. Liu-Type Negative Binomial Regression: A Comparison of Recent Estimators and Applications. In Trends and Perspectives in Linear Statistical Inference, 23–39. Cham: Springer.
  21. Bell, E. 1934. Exponential numbers. The American Mathematical Monthly, 41(7), 411-419.
  22. Ertaş, H., Kaçıranlar, S., Güler, H. 2017. Robust Liu type estimator for regression based on M-estimator. Communication in Statistics – Simulation and Computation, 46(5), 3907-3932.
  23. McDonald, G., Galarneau, D. 1975. A monte carlo evaluation of some ridge-type estimators. Journal of the American Statistical Association, 70(350), 407-416.
  24. Newhouse, J., Oman, S. (1971). An evaluation of ridge estimators. Rand Corporation (p-716-PR), Santa Monica., 1-16.
  25. Team, R. C. (tarih yok). R: Alanguage and environment for statistical computing. Vienna, Austria: http://www.R-project.org.
  26. Myers, R., Montgomery, D., Vining, G., Robinson, T. 2012. Generalized Linear Models with Applications in Engineering and the Sciences. Second Edition, Wiley, A John Wiley&Sons, Inc., Publication.
  27. Asar, Y., Genç, A. 2016. New shrinkage parameters for the Liu-type logistic estimator. Communications in Statistics - Simulation and Computation, 45(3), 1094-1103.