Publication: Lineer olmayan regresyon modellerinde çoklu iç ilişki problemi
Abstract
LİNEER OLMAYAN REGRESYON MODELLERİNDE ÇOKLU İÇ İLİŞKİ PROBLEMİ Regresyon analizi, bir veya birden fazla bağımsız değişken ile bağımlı bir değişken arasındaki ilişkinin analizi ve modellenmesi için pek çok teknik içermektedir. Lineer ve lineer olmayan regresyon modeller uygulamalı bilimlerin birçoğunda geniş bir kullanım alanına sahiptir. Regresyon analizinde sıklıkla karşılan problemlerden biri açıklayıcı değişkenler arasındaki iç ilişki problemidir. Bu çalışmada, lineer olmayan modellerde iç ilişki olması durumunda, iç ilişkinin teşhisi ve model parametrelerinin kestiriminde en küçük kareler yöntemine alternatif olan bir yaklaşım incelenecektir. “Lineer Olmayan Regresyon Modellerinde Çoklu İç İlişki Problemi” adlı bu tez beş bölümden oluşmaktadır. Birinci bölümde, tezin amacına yönelik ön bilgiler verilmiştir. İkinci bölümde, lineer modellerde iç ilişki probleminin, tanısı ve giderilmesi için temel bilgiler verilmiştir. Üçüncü bölümde, lineer olmayan modellerde iç ilişki probleminin tanısı ve giderilmesine yardımcı olabilecek alternatif yaklaşımlar önerilmiştir. Bu yaklaşımlar doğrultusunda, Bölüm IV te bir simülasyon çalışması düzenlenerek önerilen bu yeni yaklaşımın tutarlılığı gösterilmiştir. Bölüm V de elde edilen sonuçlar yorumlanmıştır.
ON MULTICOLLINEARITY IN NONLINEAR REGRESSION MODELS Regression analysis includes many techniques for modeling and analyzing the relationship between a dependent variable and one or more independent variables. Linear and nonlinear regression models have widely used in many fields of applied science. One of the frequency problems in regression analysis is multicollinearity problem between the explanatory variables. In this study, diagnosis of multicollinearity and a new approach, which is an alternative to the least squares method for the estimation of the model parameters, in case multicollinearity exists on nonlinear models, will be examined. This thesis named “on multicollinearity in nonlinear regression models” consists five chapters. In the first chapter, the preliminary information for the purpose of the thesis is given. In the second chapter, for diagnosing and remedying to multicollinearity on linear models, basis information is given. In the third chapter, alternative approaches that may help diagnosis and remedy to multicollinearity on nonlinear models are suggested. According to these approaches, the consistence of this approach which is proposed by a simulation study is shown in chapter IV. In the chapter five, the results obtained here are taken into consideration.
ON MULTICOLLINEARITY IN NONLINEAR REGRESSION MODELS Regression analysis includes many techniques for modeling and analyzing the relationship between a dependent variable and one or more independent variables. Linear and nonlinear regression models have widely used in many fields of applied science. One of the frequency problems in regression analysis is multicollinearity problem between the explanatory variables. In this study, diagnosis of multicollinearity and a new approach, which is an alternative to the least squares method for the estimation of the model parameters, in case multicollinearity exists on nonlinear models, will be examined. This thesis named “on multicollinearity in nonlinear regression models” consists five chapters. In the first chapter, the preliminary information for the purpose of the thesis is given. In the second chapter, for diagnosing and remedying to multicollinearity on linear models, basis information is given. In the third chapter, alternative approaches that may help diagnosis and remedy to multicollinearity on nonlinear models are suggested. According to these approaches, the consistence of this approach which is proposed by a simulation study is shown in chapter IV. In the chapter five, the results obtained here are taken into consideration.