İki aşamalı en küçük kareler yöntemi ve uygulaması
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
İki aşamalı en küçük kareler yöntemi aracı değişken kullanarak, açıklayıcı içsel değişkenler ile yapılan özel bir regresyon analizi yöntemi olup, analiz sonucu elde edilen tahminlerin, sapmasız ve tutarlı olabilmesini sağlamaya yardımcı olmaktadır. Bu çalışmada iki aşamalı en küçük kareler yöntemi incelenerek bir veri seti ile uygulama yapılmıştır. Uygulamada, örneklem genişliği 300 alınarak, 18 değişken içeren serbest erişimli veri seti kullanılmıştır. Verilere ilk önce adımsal regresyon analizi uygulanarak, modele girecek değişkenler belirlemiştir.Sonraki aşamada bu değişkenler ile standart regresyon analizi ve İki aşamalı en küçük kareler regresyon analizi yapılmıştır.Sonuç olarak, veri setinde içsellik problemi, bağımsız değişkenlerin hatalı olarak ölçülmüş olması ve modelde feed-back halkasının olması durumunda İki aşamalı en küçük kareler regresyon yönteminin, standart regresyon analizi yöntemine alternatif olarak kullanılabileceği vurgulanmıştır.Anahtar kelimeler:İçsellik problemi, sapmasız tahmin, ölçüm hatası The two-stage least squares method is a special regression analysis method using instrumental variables, which helps to ensure that the predictions obtained from the analysis, are accurate and consistent. In this study, two-stage least squares method was examined and an application was performed. In the application, free access data set with 18 variables was used and sample size was 300. First, stepwise regression analysis was applied to the data and the variables to be entered into the model were determined. In the next step, standard regression analysis and two-stage least squares regression analyses were performed. As a result, it is emphasized that two-stage least squares regression method can be used as an alternative to standard regression analysis method in case of endogeneity problem, errors in the X variables and feed-back loop in the model.Keywords: Endogeneity problem unbiased estimation, measurement error
Collections