Show simple item record

dc.contributor.advisorArıcıgil Çilan, Çiğdem
dc.contributor.authorKaraman, Engin
dc.date.accessioned2020-12-07T11:11:22Z
dc.date.available2020-12-07T11:11:22Z
dc.date.submitted2019
dc.date.issued2020-02-03
dc.identifier.urihttps://acikbilim.yok.gov.tr/handle/20.500.12812/137423
dc.description.abstractSosyal Bilimler alanında yapılan araştırmalarda veriler daha çok kategorik değişkenlerden oluşur. Ancak bu tür verilerle çalışmak bir çok varsayımın sağlanmasında soruna neden olmaktadır. Kategorik verilere dönüşüm uygulanarak bu soruna çözüm geliştirmek bir çok araştırmacı için önem arz eder.Bu çözümlerden biri de Optimal Ölçekleme ya da diğer adıyla Gifi Yöntemi'dir. Optimal Ölçekleme ile kategorik verilerin ölçek özellikleri bozulmadan hem sürekli veriye dönüşümü sağlanır hem de bilgi kaybı engellenir. Bu tezde; cep telefonu kullanımının, uyku düzeni üzerine etkisinin olup olmadığını, var ise hangi değişkenlerce açıklandığı Regresyon Analizi ile belirlendi. Araştırma da toplam 491 kişiye uygulanan anket verileri analiz edildi. Veri seti tamamı kategorik 1 bağımlı, 25 bağımsız değişkenden oluşmaktadır. Bu kadar çok bağımsız değişkene aynı anda Regresyon Analizi uygulamak gerek verimlilik gerekse de öngörü geliştirme açısından zorluk yaratacaktır. Araştırmamızın temel savı, en az değişkenle en uygun modeli saptamaktır. Bunun için kullanılan yöntem, bir çok opsiyonel seçeneği içinde barındırarak araştırmacıya çözüm arayan bir sezgisel yöntem olan Genetik Algoritmalardır. Böylece belirli bir amaç fonksiyonu doğrultusunda en iyi çözümü bularak optimal sonuca ulaşılacaktır. Bunun için kullanılacak olan amaç fonksiyonu olarak, Hamparsum Bozdoğan (1988) tarafından geliştirilen model yalınlığı ve uyum iyiliğinin yanısıra modelin karmaşıklığını da dikkate alan ICOMP (Information Complexity) ve onun özel hali ICOMP (IFIM) belirlenmiştir.Sonuç olarak Algoritma için gerekli kısıt ve seçimler yapılarak, 25 bağımsız değişken içerisinden bağımlı değişkeni açıklayabilecek ve amaç fonkisiyonuna en uygun alt seti verecek regresyon modeli tespit edilmiş ve model oluşturulmuştur.
dc.description.abstractIn the studies conducted in the field of Social Sciences, the data consists of categorical variables. However, working with such data causes problems in providing many assumptions. Developing solutions to this problem by applying transformation to categorical data is important for many researchers. One of these solutions is Optimal Scaling or Gif Method. With Optimal Scaling, the categorical data is transformed into continuous data without disturbing the scale properties and information loss is prevented.In this thesis; Regression analysis was used to determine whether mobile phone use has an effect on sleep patterns, and if so, which variables are explained. In the research, the survey data applied to a total of 491 people were analyzed. The data set consists of 25 independent variables, all of which are categorically dependent. Applying Regression Analysis to so many independent variables at the same time will create difficulties in terms of both productivity and forecasting. The main argument of our research is to determine the most appropriate model with the least variable. Genetic Algorithms, which is an intuitive method that seeks solutions to the researcher by incorporating many optional options, are used for this purpose. Thus, an optimal result will be achieved by finding the best solution for a specific purpose function. For this purpose, ICOMP (Information Complexity) and ICOMP (IFIM), which takes into account the complexity of the model as well as the model simplicity and goodness of fit developed by Hamparsum Bozdoğan (1988), have been determined as the objective function to be used for this purpose.As a result, the necessary constraints and choices were made for the algorithm, and the regression model that could explain the dependent variable among the 25 independent variables and gave the most appropriate subset to the objective function was determined and the model was createden_US
dc.languageTurkish
dc.language.isotr
dc.rightsinfo:eu-repo/semantics/openAccess
dc.rightsAttribution 4.0 United Statestr_TR
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectİstatistiktr_TR
dc.subjectStatisticsen_US
dc.titleOptimal ölçekleme teknikleri ve bir uygulama
dc.title.alternativeOptimal scaling techniques and an application
dc.typedoctoralThesis
dc.date.updated2020-02-03
dc.contributor.departmentİşletme Anabilim Dalı
dc.subject.ytmMultiple regression
dc.identifier.yokid10314310
dc.publisher.instituteSosyal Bilimler Enstitüsü
dc.publisher.universityİSTANBUL ÜNİVERSİTESİ
dc.identifier.thesisid606449
dc.description.pages119
dc.publisher.disciplineSayısal Yöntemler Bilim Dalı


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record

info:eu-repo/semantics/openAccess
Except where otherwise noted, this item's license is described as info:eu-repo/semantics/openAccess