Dergiler / Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi / 2016 / Cilt: 7 - Sayı: 2

Dik Uzaklıklar Kareler Toplamına Göre Klasik Doğrusal Regresyon ile Ortogonal Regresyonun Karşılaştırılması

Comparison of Classical Linear Regression and Orthogonal Regression with Respect to the Sum of Squared Perpendicular Distances

Sayfa
296–308
Yayın Tarihi
2022-10-12
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 sonuçlara bağlı olarak basit doğrusal regresyon çalışmalarında OR tekniğinin KDR tekniğinden daha doğru sonuçlar elde etmede kullanılabilecek bir regresyon tekniği olduğu düşünülmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Regresyon analizi, değişkenler arasındaki ilişkiyi inceleme ve modellemede kullanan istatistiksel bir tekniktir.
📊
Temel Bulgular & Veri:Bu çalışmanın amacı ortogonal regresyon (OR) eşitliğini açık bir şekilde sunmak ve dik uzaklıklar kareleri toplamına göre klasik doğrusal regresyon (KDR) ile ortogonal regresyonu karşılaştırmaktır.
💡
Sonuç & Katkı:Bu sonuçlara bağlı olarak basit doğrusal regresyon çalışmalarında OR tekniğinin KDR tekniğinden daha doğru sonuçlar elde etmede kullanılabilecek bir regresyon tekniği olduğu düşünülmektedir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Alan Parametreleri

Özet

Regresyon analizi, değişkenler arasındaki ilişkiyi inceleme ve modellemede kullanan istatistiksel bir tekniktir. Bu çalışmanın amacı ortogonal regresyon (OR) eşitliğini açık bir şekilde sunmak ve dik uzaklıklar kareleri toplamına göre klasik doğrusal regresyon (KDR) ile ortogonal regresyonu karşılaştırmaktır. Bu amaçla analizler bir örnek üzerinden gösterilmiştir. Araştırma sonucunda ortogonal regresyonun dik uzaklıklar kareler toplamının daha küçük olduğu bulunmuştur. Buradan bağımlı ve bağımsız değişkenler arasındaki doğrusal ilişkiyi, ortogonal regresyon doğrusunun klasik doğrusal regresyon doğrusundan daha iyi temsil ettiği görülmüştür. Bu sonuçlara bağlı olarak basit doğrusal regresyon çalışmalarında OR tekniğinin KDR tekniğinden daha doğru sonuçlar elde etmede kullanılabilecek bir regresyon tekniği olduğu düşünülmektedir.

Abstract

Regression analysis is a statistical technique for investigating and modeling the relationship between variables.The purpose of this study was the trivial presentation of the equation for orthogonal regression (OR) and thecomparison of classical linear regression (CLR) and OR techniques with respect to the sum of squaredperpendicular distances. For that purpose, the analyses were shown by an example. It was found that the sumof squared perpendicular distances of OR is smaller. Thus, it was seen that OR line has appeared to present amuch better fit for the data than CLR line. Depending on those results, the OR is thought to be a regressiontechnique to obtain more accurate results than CLR at simple linear regression studies.

🔖

Bu Makaleye Atıf Yap

KELEŞ, T., ALTUN, M. (2022). Dik Uzaklıklar Kareler Toplamına Göre Klasik Doğrusal Regresyon ile Ortogonal Regresyonun Karşılaştırılması. Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, Cilt: 7 - Sayı: 2, 296–308. https://ajindex.com/articles/497230

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (16)

  1. Adcock, R.J. (1878). A Problem in least squares, Annals of Mathematics, 5(2), 53-54.
  2. Akdeniz, F. (2013).
  3. Olasılık ve İstatistik, Nobel Kitabevi, 18. Press, Ankara, 459-492.
  4. Alma, Ö.G., & Vupa, Ö. (2008). Regresyon Analizinde kullanılan En Küçük Kareler ve En küçük Medyan Kareler Yöntemlerinin Karşılaştırılması, Süleyman Demirel Üniversitesi Fen Edebiyat Fakültesi Fen Dergisi, 3(2), 219-229.
  5. Atar, B. (2010). Basit Doğrusal Regresyon Analizi ile Hiyerarşik Doğrusal Modeller Analizinin Karşılaştırılması, Eğitimde ve Psikolojide Ölçme ve Değerlendirme Dergisi, 1(2), 78-84.
  6. Bahar, H.H. (2006). An Evaluation of KPSS Scores According to Grade Point Avarege and Gender, Education and Science, 31(140), 68-74.
  7. Bağçeci, B., Döş, B., & Sarıca, R. (2011). An Analysis of Metacognitive Awareness Levels and Academic Achievement of Primary School Students, Mustafa Kemal University Journal of Social Sciences Institute, 8(16), 551-566.
  8. Bayat, N., Şekercioğlu, G., & Bakır, S. (2014). Okuduğunu Anlama ve Fen Başarısı Arasındaki İlişkinin Belirlenmesi, Eğitim ve Bilim, (tedmem), 39(176), 457-466.
  9. Büyüköztürk, Ş., Çokluk, Ö., & Köklü, N. (2012). Sosyal bilimler için İstatistik. Ankara:
  10. Pegem Akademi. Calzada, M.E., & Scariano, S.M. (2003). Contrasting total least squares with ordinary least squares part II: Examples and Comparisons, Mathematics and Computer Education, 37(2), 159-174.
  11. Carr, J.R. (2012). Orthogonal regression: A Teaching perspective, International Journal of Mathematical Education in Science and Technology, 43(1), 134-143.
  12. Carroll, R.J., & Ruppert D. (1996). The use and misuse of orthogonal regression in linear errors-in-variables models, The American Statistician, 50 (1), 1-6.
  13. Coşkuntuncel, O. (2013). The Use of alternative Regression Methods in Social Sciences and the Comparison of Least Squares and M Estimation Methods in Terms of the Determination of Coefficient, Educational Sciences: Theory & Practice, 13(4), 2139-2158.
  14. Deming, E.W. (1943).
  15. Statistical Adjustment of Data, Dover Publications, Inc., New York. Ding, G., Chu, B., Jin, Y., & Zhu, C. (2013). Comparison of orthogonal regression and least squares in measurement error modeling for prediction of material property, Nanotechnology and Material Engineering Research. Advanced Materials Research, 661, 166-170.
  16. Doruk, M., Özdemir, F., & Kaplan, A. (2015). The Relationship Between Prospective Mathematics Teachers’ Conceptions on Constructing Mathematical Proof and Their Self-Efficacy Beliefs Towards Mathematic