KaydedilenlerDerginizi ekleyin

Dergiler / Dokuz Eylül Üniversitesi İşletme Fakültesi Dergisi / 2011 / Cilt: 12 - Sayı: 1

Lojistik regresyon analizi ile banka sektör paylarının tahminlenmesi

A. Cansu GÖK
Ali ÖZDEMİR
Sayfa
43–51
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)

Sonuçlar ile gerçeklesen veriler kıyaslanarak, bunların birbirlerine çok yakın oldugu ve böylece önerilen modelin etkinligi ortaya koyulmustur.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez: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.
📊
Temel Bulgular & Veri: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.
💡
Sonuç & Katkı:Sonuçlar ile gerçeklesen veriler kıyaslanarak, bunların birbirlerine çok yakın oldugu ve böylece önerilen modelin etkinligi ortaya koyulmustur.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

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.

🔖

Bu Makaleye Atıf Yap

GÖK, A. C., ÖZDEMİR, A. (2022). Lojistik regresyon analizi ile banka sektör paylarının tahminlenmesi. Dokuz Eylül Üniversitesi İşletme Fakültesi Dergisi, Cilt: 12 - Sayı: 1, 43–51. https://ajindex.com/articles/490702

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. Akaya, S. & Pazarlıoglu, M.V. (1998).
  2. Ekonometri, Erkan Matbaacılık, 0zmir. Altas, D. & Giray, S. (2005). Mali Basarısızlıgın Çok Degiskenli 0statistiksel Yöntemlerle Belirlenmesi: Tekstil Sektörü Örnegi. Marmara Üniversitesi Sosyal Bilimler Dergisi, Sayı 2, 13-28.
  3. Anderson, J.A. (1979). Multivariate Logistic Compounds. Biometrika, 66(1), 17–26. Berkson, J. (1944). Application of the Logistic Function to Bio-Assay, Journal of the American Statistical Association, 39(227), 357-365.
  4. Bircan, H. (2004). Lojistik Regresyon Analizi: Tıp Verileri Üzerine Bir Uygulama. Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Sayı:2, 185-208.
  5. Cox, D.R. (1972). The Analysis of Multivariate Binary Data. Journal of the Royal Statistical Society, Applied Sciences, 21(2), 113-120.
  6. Dong, G., Lai, K.K. & Yen, J. (2010). Credit Scorecard Based on Logistic Regression with Random Coefficients. Procedia Computer Science 1, 2457-2462.
  7. Duffy, D.E. (1990). On Continuity-Corrected Residuals in Logistic Regression. Biometrika, 77(2), 287-293.
  8. Girginer, N. & Cankus, B. (2008). Tramvay Yolcu Memnuniyetinin Lojistik Regresyon Analiziyle Ölçülmesi: Estram Örnegi. Celal Bayar Üniversitesi Yönetim ve Ekonomi Dergisi, 15(1), 181-193.
  9. Hosmer, D.W. & Lemeshow, S. (2000).
  10. Applied Logistic Regression, Second Edition. USA: John Wiley&Sons Inc. Hout, A., Heijden, P.G.M. & Gilchrist, R. (2007). The Logistic Regression Model with Response Variables Subject to Randomized Response. Computational Statistics&Data Analysis 51, 6060-6069.
  11. Hsu, J.S. & Leonard, T. (1997). Hierarchical Bayesian Semiparametric Procedures for Logistic Regression. Biometrika, 84(1), 85-93.
  12. Keskin Benli, Y. (2005). Bankalarda Mali Basarısızlıgın Öngörülmesi Lojistik Regresyon ve Yapay Sinir Agı Karsılastırması. Gazi Üniversitesi Endüstriyel Sanatlar Egitim Fakültesi Dergisi, Sayı 16, 31-46.
  13. Kim, H. & Gu, Z. (2009). Financial Features of Dividend-Paying Firms in the Hospitality Industry: A Logistic Regression Analysis. International Journal of Hospitality Management 28, 359-366.
  14. Roy, S.S. & Guria, S. (2008). Diagnostics in Logistic Regression Models. Journal of the Korean Statistical Society, 37, 89-94.
  15. Taç, H.K. & Budak, F. (2007). 0sletmelerin TS-ISO 14000 Standartlarını Uygulama Kararlarına Etki Eden Faktörlerin Belirlenmesi. Çukurova Üniversitesi Çevre Mühendisligi Fakültesi Dergisi, 22(1), 379-389.
  16. Türkiye Bankalar Birligi (2010). 0statistiki Raporlar. 0ndirilme Tarihi: 30 Mayıs 2010, WWW:Web:http://www.tbb.org.tr/tr/Bank