Türkiye`de büyükbaş ve küçükbaş hayvancılık verilerinin alternatif regresyon metotları ile incelenmesi

Abstract

Bu çalışmada Türkiye'de 1995-2015 döneminde büyükbaş ve küçükbaş sayıları ile bu hayvanlardan elde edilen süt ve et üretimlerinin yıllara göre değişimi basit doğrusal regresyon analizi ile incelenmiştir. Basit doğrusal regresyon analizi için gerekli varsayımlardan; hata terimlerinin normal dağılım göstermesi, eşit varyanslılık ve otokorelasyon dikkate alınarak en küçük kareler (EKK) ve ağırlıklı en küçük kareler (AEKK) yöntemleri ile parametre tahminleri elde edilmiştir.1995-2015 yılları arasındaki dönemde sığır eti üretiminin bağımlı ve sığır sayısının bağımsız değişken olduğu araştırmada EKK yöntemi ile regresyon analizi uygulanmış, elde edilen regresyon modelinde değişen varyans sorununun olmadığı ancak Durbin-Watson d istatistiği sonucu otokorelasyon sorunu olduğu görülmüştür. Otokorelasyon sorununu gidermek için serilere dönüşüm uygulanarak AEKK ile oluşan yeni regresyon modelinde otokorelasyon sorunu giderilmiştir ve bunun sonucunda R2=0,64 elde edilmiştir. Yine aynı dönem için sığır sütü üretiminin bağımlı ve sığır sayısının bağımsız değişken olduğu araştırmada EKK yöntemi elde edilen regresyon modelinde değişen varyans sorununun olmadığı ancak Durbin-Watson d istatistiği sonucu otokorelasyon sorunu olduğu görülmüştür. Dönüşüm yapılarak AEKK ile oluşan yeni regresyon modelinde otokorelasyon sorunu giderilmiş ve d istatistiği 2,294, R2 değeri de 0,71 olarak elde edilmiştir. Yine aynı dönemde koyun sütü üretiminin bağımlı ve koyun sayısının bağımsız değişken olduğu çalışmada EKK yöntemi elde edilen regresyon modelinde değişen varyans sorununun olmadığı ve Durbin-Watson d istatistiği ile otokorelasyonun mevcut olduğu görülmüştür. Dönüşüm yapılarak AEKK ile elde edilen yeni regresyon modelinde otokorelasyon sorunu giderilmiş olup, d istatistiği 2,208 ve R2 değeri ise 0,69 olarak bulunmuştur.Sonuç olarak, büyükbaş ve küçükbaş hayvan sayıları, üretilen et miktarı ve süt miktarından ibaret olan hayvancılık verilerine regresyon analizi uygulamalarında değişen varyans sorunun olmadığı, ancak otokorelasyon sorununun olduğu görülmüştür. Bu sorunu gidermek için yapılan dönüşümle AEKK yöntemi ile elde edilen regresyon modellerinin daha iyi sonuç verdiği saptanmıştır.

In this study, bovine and ovine numbers in Turkey between 1995 and 2015 and the annual change in milk and meat yields from these animals during the same period were investigated using simple linear regression analysis. Parameter estimations were made using ordinary least squares (OLS) and weighted least squares (WLS) methods while considering normal distribution of error terms, equal variance, and autocorrelation assumptions required for simple linear regression analysis.Regression analysis was performed by using the OLS method where cattle meat production in 1995-2015 was the dependent and cattle number was the in dependent variable. It was found that the obtained regression model did not have any variance issues but contained autocorrelation as shown by the Durbin-Watson d statistic. In order to address the autocorrelation problem, conversion was applied to the series, and the autocorrelation problem was solved in the new regression model created by WLS. For this model, R2 = 0,64 was obtained. In the analysis where cattle milk production in the same period was the dependent and cattle number was the in dependent variable, it was found that the regression model obtained using OLS method did not have any variance problem, but contained autocorrelation as shown by the Durbin-Watson d statistic. Conversion was performed on the series and autocorrelation problem was addressed in the new regression model. For this model, d = 2,294 and R2 = 0,71 were obtained. In the analysis where sheep milk production in the same period was the dependent variable and sheep number was the in dependent variable, it was found that the regression model obtained using OLS method did not have a changing variance problem, but contained autocorrelation as shown by the Durbin-Watson d statistic. Conversion was applied, and the autocorrelation problem was addressed in the new regression model. For this model, d = 2,208 and R2 = 0,69 were obtained.In conclusion, it was seen that there is no problem of changing variance in the applications of regression analysis in animal husbandry data consisting of bovine and ovine animal numbers, meat production and milk production, but there is a problem of autocorrelation. It was found that the regression models obtained by the WLS method after the conversion performed to address this problem provide better results.