KaydedilenlerDerginizi ekleyin

Dergiler / Anadolu Tarım Bilimleri Dergisi / 2013 / Cilt: 28 - Sayı: 3

Farklı veri yapılarında kullanılabilecek regresyon yöntemleri

Regression models used for different data structures

Arzu ARI
Hasan ÖNDER
Sayfa
168–174
Yayın Tarihi
2022-10-11
DOI
—
🏛️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)

Bu derlemede regresyon modellerinden; doğrusal regresyon, lojistik regresyon, negatif binom regresyon, poisson regresyon, temel bileşenler regresyonu, probit regresyon, ridge regresyon, Cox regresyon modellerinin hangi durumlarda kullanılabileceği incelenmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Regresyon, üzerinde durulan yanıt değişkeni ile ilişkili olabileceği düşünülen açıklayıcı değişkenlerin bir fonksiyonu olarak ifade edilmektedir.
📊
Temel Bulgular & Veri:Kullanılması gereken regresyon modeli verinin yapısına göre farklılık göstermekte ve yanlış model kullanılması hatalı sonuçların elde edilmesine neden olabilmektedir.
💡
Sonuç & Katkı:Bu derlemede regresyon modellerinden; doğrusal regresyon, lojistik regresyon, negatif binom regresyon, poisson regresyon, temel bileşenler regresyonu, probit regresyon, ridge regresyon, Cox regresyon modellerinin hangi durumlarda kullanılabileceği incelenmiştir.
🔬Tür:Literatür & Derleme Çalışması
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Regresyon, üzerinde durulan yanıt değişkeni ile ilişkili olabileceği düşünülen açıklayıcı değişkenlerin bir fonksiyonu olarak ifade edilmektedir. Değişkenler arasındaki ilişkinin fonksiyonel şekli regresyon modelleri ile incelenmektedir. Kullanılması gereken regresyon modeli verinin yapısına göre farklılık göstermekte ve yanlış model kullanılması hatalı sonuçların elde edilmesine neden olabilmektedir. Bu derlemede regresyon modellerinden; doğrusal regresyon, lojistik regresyon, negatif binom regresyon, poisson regresyon, temel bileşenler regresyonu, probit regresyon, ridge regresyon, Cox regresyon modellerinin hangi durumlarda kullanılabileceği incelenmiştir.

Abstract

Regression can be expressed as a function between interested response variable and explanatory variables thought to be related on response. Functional form of the relationship between the explanatory variables and response variable described as regression model. The regression model must be chosen according to the data structure. If the chosen model is wrong, it leads to erroneous results. In this review, regression methods were examined to determine which regression models such as; linear regression, logistic regression, negative binomial regression, poisson regression, principal components regression, probit regression, ridge regression and Cox regression, is suitable for different data structure.

🔖

Bu Makaleye Atıf Yap

ARI, A., ÖNDER, H. (2022). Farklı veri yapılarında kullanılabilecek regresyon yöntemleri. Anadolu Tarım Bilimleri Dergisi, Cilt: 28 - Sayı: 3, 168–174. https://ajindex.com/articles/437981

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (10)

  1. Aktaş, A., Saraçbaşı,O., 2005.
  2. Negatif Binom Regresyon Modeli, VIII. Ulusal Biyoistatistik Kongresi, 20-22 Eylül 2005, Bursa, 124 – 129. Albayrak, A. S. 2006. Uygulamalı Çok Değişkenli İstatistik Teknikleri, Asil Yayın Dağıtım Ltd. Şti. Albayrak, A.S. 2011. Çoklu Doğrusal Bağlantı Halinde Enküçük Kareler Tekniğinin Alternatifi Yanlı Tahmin Teknikleri Ve Bir Uygulama. sbd.karaelmas.edu.tr/makaleler/1303- 9245/200501001105126.pdf. Erişim Tarihi: 27.04.2011.
  3. Al-Hassan, Y.M., Al-Kassab, M. M., 2009. A Monte Carlo Comparison between Ridge and Principal Components Regression Methods. Applied Mathematical Sciences, 3(42), 2085 – 2098.
  4. Alma, G.Ö., Vupa, Ö., 2008. Regresyon Analizinde Kullanılan En Küçük Kareler Ve En Küçük Medyan Kareler Yöntemlerinin Karşılaştırılması. SDÜ Fen Edebiyat Fakültesi Fen Dergisi (E-Dergi). 2008, 3(2) 219-229.
  5. Aswani, A., Bickel, P., Tomlin, C., 2011. Regression on Manifolds: Estimation of the Exterior Derivative. Ann. Statist. 39(1), 48 – 81. Ata, N., Karasoy, D., Sözer, M.T. 2007. Orantısız Hazardlar İçin Tabakalandırılmış Cox Regresyon Modeli ve Meme Kanseri Hastaları Üzerine Bir Uygulama. Türkiye Klinikleri J Med Sci, s. 28. Bek, Y., 2009. R Programında Doz-Yanıt Uygulamaları Çalıştayı Dinleyici Notları. 27 – 29 Mayıs 2009,
  6. Samsun. Bircan, H. 2004. Lojistik Regresyon Analizi: Tıp Verileri Üzerine Bir Uygulama. Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, 2004 / 2: 185-208.
  7. Bulut, E., Alın, A., 2009. Kısmi En Küçük Kareler Regresyon Yöntemi Algoritmalarından Nipals ve PLS - Kernel Algoritmalarının Karşılaştırılması ve Bir Uygulama. Dokuz Eylül Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, 24(2), 127 – 138. Chen, M., Ibrahim, J.G., Shao, Q., 2009. Maximum Likelihood İnference for the Cox Regression Model with Applications to Missing Covariates. Journal of Multivariate Analysis 100, 2018 – 2030.
  8. Cox, R., 1983. Some Remarks on Overdispersion. Biometrika,70: 269-274.
  9. Deniz, Ö. 2005. Poısson Regresyon Analizi. İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi Yıl:4 Sayı:7 Bahar 2005/1 S. 59-72.
  10. Damodar, N. 2001. Temel Ekonometri, 2. Basım, İstanbul: Literatür Yayıncılık, s.192. Demaris, A., 2004. Regression with Social Data: Modeling Continuous and Limited Response Variables. John Wiley & Sons, Inc. Hoboken, New Jersey. Freese, J. and Long, J.S., 2006. Regression Models for Categorical Dependent Variables Using. Stata. College Station: Stata Pres. Frome, E.D., Kutner, M.H., Beauchamp, J.J., 1973. Regression An