Dergiler / Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi / 2017 / Cilt: 9 - Sayı: 2

Kantil Regresyon

Quantile Regression

Sayfa
137–146
Yayın Tarihi
2017-06-15
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)

Beton kırma deneyi için elde edilen sonuçlara göre, EKK yöntemi ile elde edilen modelin çıkarsama amaçlı kullanılamayacağı tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Regresyon analizi uygulama alanı en geniş olan istatistiksel analiz yöntemlerinden biridir.
📊
Temel Bulgular & Veri:EKK tekniğinde hata terimleri dağılımının normal dağılıma sahip olmaması ve modelin aykırı değerler içermesi durumunda EKK tahmin edicileri etkinlik özelliklerini kaybetmektedir.
💡
Sonuç & Katkı:Beton kırma deneyi için elde edilen sonuçlara göre, EKK yöntemi ile elde edilen modelin çıkarsama amaçlı kullanılamayacağı tespit edilmiştir.
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Aykırı değer · Regresyon analizi · En Küçük Kareler

Özet

Regresyon analizi uygulama alanı en geniş olan istatistiksel analiz yöntemlerinden biridir. Birçok alanda tekniğinde olduğu gibi mühendislik alanında da yaygın olarak kullanılmaktadır. Regresyon analizinde kullanılan En Küçük Kareler (EKK) tekniğinin çıkarsama amaçlı kullanılabilmesi bazı varsayımların sağlanmasını zorunlu kılar. EKK tekniğinde hata terimleri dağılımının normal dağılıma sahip olmaması ve modelin aykırı değerler içermesi durumunda EKK tahmin edicileri etkinlik özelliklerini kaybetmektedir. Bu durumda alternatif regresyon tekniklerine başvurulmaktadır. Alternatif regresyon yöntemlerinden biri olan Kantil regresyon, klasik regresyon yöntemlerinin bazı sınırlamalarının üstesinden gelmektedir. Bu çalışmada Kantil regresyon yöntemi tanıtılmış ve bir mühendislik uygulaması üzerinde EKK tahmin edicileri ile karşılaştırılmıştır. Beton kırma deneyi için elde edilen sonuçlara göre, EKK yöntemi ile elde edilen modelin çıkarsama amaçlı kullanılamayacağı tespit edilmiştir. Bu durumda τ =0.75’inci ve τ =0.25’inci kantil değerine göre kurulan regresyon denklemi çıkarsama amaçlı kullanılabilir.

Abstract

Regression analysis is one of the most widely used statistical analysis methods. It is widely used in the engineering field as it is in many areas. The fact that the Least Squares (LS) technique used in regression analysis can be used for inference makes it necessary to provide some assumptions. In the LS, if the distribution of error terms does not have normal distribution and if the model contains outliers, the least squares estimators lose their efficiency properties. In this case, alternative regression techniques are applied. Quantile regression, one of the alternative regression methods, comes from overcoming some of the limitations of classical regression methods. In this study, the method of quantile regression is introduced and on an engineering application is compared with the estimators of the LS. According to the results obtained for the concrete breaking test, it has been determined that the model obtained by the method of LS can not be used for inference. İn this case, it can be used for inference the regression equation established for τ = 0.75th and τ = 0.25th quantile value.

🔖

Bu Makaleye Atıf Yap

YAVUZ, A. A., AŞIK, E. G. (2017). Kantil Regresyon. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, Cilt: 9 - Sayı: 2, 137–146. https://ajindex.com/articles/889564

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (5)

  1. Alpar, R. (2013). Uygulamalı çok değişkenli istatistiksel yöntemler. Ankara,
  2. Detay Yayıncılık. Altındağ, R. (2003). Correlation of specific energy with rock brittleness concepts on cutting, The Journal of the South African Institute of Mining and Metallurgy, 15, 163-171.
  3. Bassett, G.W. & Chen, H-L. (2001). Quantile style: return-based attribution using regression quantiles, Physica- Verlag HD, Chicago, 293-305.
  4. Buchinsky, M. (1994). Changes in the u.s. wage structure 1963-1987: application of quantile regression, The Econometric Society, 62(2), 405-458. doi: 10.2307/2951618. Cai, Y. & Reeve, D.E. (2013). Extreme value prediction via a quantile function model. Coastal Engineering, 77, 91–98. doi:10.1016/j.coastaleng.2013.02.003. Chen, C. & Wei, Y. (2005). Computational ıssues for quantile regression. special ıssue on quantile regression and related methods, The Indian Journal of Statistics, 67(2), 399-417. doi: 10.2307/i25053424 Crowley, J.& Hu, M. (1977). Covariance analysis of heart transplant survival data. Journal of the American Statistical Association, 72, 27-36. doi: 10.1080/01621459.1977.10479903 Çağlayan E. & Arikan E. (2011). Determinants of house prices in ıstanbul: a quantile regression approach. Qual, Quant, 45, 305-317. doi:10. 1007/s11135-009-9296-x. Dehghani, H., Vahidi, B., & Hosseinian, S.H. (2017). Wind farms participation in electricity markets considering uncertainties. Renewable Energy, 101, 907-918. doi:10.1016/j.renene.2016.09.049. Ergül, B. (2003). Robust regresyon ve uygulamaları. Yüksek Lisans Tezi. Eskişehir Osmangazi Üniversitesi,
  5. Eskişehir. He, Y., Liu, R., Li, H., Wang, S., & Lu, X. (2016). Short-term power load probability density forecasting method using kernel-based support vector quantile regression and Copula theory. Applied Energy, 185, 254–266. doi:10.1016/j.apenergy.2016.10.079. Hendricks, W. & Koenker, R. (1992). Hierarchical spline models for conditional quantiles and the demand for electricity, Journal of the American Statistical Association, 87, 58-68. doi: 10.1080/01621459.1992.10475175. Huang, Y. F., Mirzaei, M., & Amin, M.Z.M. (2016). Uncertainty Quantification in Rainfall Intensity Duration Frequency Curves based on Historical Extreme Precipitation Quantiles. Procedia Engineering, 154, 426–432. doi:10.1016/j.proeng.2016.07.425. Hüdaverdi, T. (2015), Farklı regresyon modelleri ile patlatma kaynaklı yer sarsıntısının tahmin edilmesi, Çukurova Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 30(1), 141-150. doi