Çoklu bağlantı varlığında doğrusal regresyon modellerinde değişken seçimi

Abstract

ÖZET Bu çalışmanın amacı, çoklubağlantılı doğrusal regresyon mo dellerinde değişkenlerin seçimini yansız ve yanlı kestirim yöntemle rine göre incelemektir. Birinci Bölümde, değişken seçimi ve çoklubağlantı ile ilgili tanımlar ve sorunlar üzerinde durularak çalışmanın amaçları belirtildi ikinci Bölümde, çoklubağlantı, değişken seçim işlemleri ve yanlı kestirim yöntemleri ile ilgili bir derlemeden oluşan genel bil giler verildi. Üçüncü Bölümde, değişken seçim özellikleri çoklubağlantı var lığında irdelenerek yanlı kestirim yöntemlerine alışılagelen seçim işlemleri uygulandı; yansız ve yanlı bazı kestiricilere göre seçim sonuçları değişik etkenler göz önüne alınarak karşılaştırıldı. Sonuç olarak, çoklubağlantı varlığı için adımsal tekniklerde yanlı kestiri- cilerin bir araç olarak kullanımı önerildi. Yanlı kestiricilerin et kenlere bağlı olarak EKK'dan daha iyi altküme sonuçları verebildik leri; kullanılan seçim ölçütleri arasında önemli bir ayrımın olmadığı, ancak sonuçların yanlı kestiricilerin özel parametrelerine bağlı ola rak değişebilecekleri gösterildi. Bölümün sonunda, jeolojik veriler üzerinde bir uygulama yapıldı. Son Bölümde çalışma ile ilgili genel bir değerlendirme verildi.

SUMMARY The purpose of this study is to investigate the selection of variables according to unbiased and biased estimation techniques in linear regression models with multicollinearity. In the First Section, definitions and problems about selection of variables and multicollinearity are introduced and the purpose of this study is given. In the Second Section, some knowledge about multi coll i nearity- procedures of selecting variables, biased estimation techniques is given. In the Third Section, the theoretical properties of variable selection in the presence of multicollinearity are investigated and conventional selection procedures are applied to biased estimation techniques; according to some unbiased and biased estimators the results of selection procedure are compared by taking different factors into account. As a result, in the presence of multicollinearity especially in stepwise techniques, the use of biased estimators as a tool are suggested. It is shown that, depending upon the factors the biased estimators could give better subset results than least squares; that there is no significant difference between the selection criteria however the results depending upon the special parameters of biased estimators could be changed. At the end of this section an application on geological data is given. In the Last Section a general discussion about this study is made.