Examkin

Question

Difficulty: EasyDoğrusal Hale Getirilebilen Modeller (Kavramsal Çerçeve)

Regresyon analizinde, doğrusal olmayan ancak matematiksel dönüşümlerle doğrusal hale getirilebilen modellerin başarısı değerlendirilirken bazı kısıtlar bulunmaktadır. Aşağıdaki tabloda, aynı veri seti kullanılarak tahmin edilen iki farklı regresyon modeli verilmiştir:

ModelFonksiyonel FormBağımlı Değişken
Model IYi=β0+β1Xi+uiY_i = \beta_0 + \beta_1 X_i + u_iYY
Model IIln⁡Yi=α0+α1Xi+vi\ln Y_i = \alpha_0 + \alpha_1 X_i + v_iln⁡Y\ln Y

Bu iki modelin açıklayıcılık güçlerini temsil eden belirtme katsayılarının (R2R^2) başarı karşılaştırması amacıyla doğrudan birbirleriyle kıyaslanamamasının temel gerekçesi aşağıdakilerden hangisidir?

  1. Bağımlı değişkenlerin matematiksel formlarının ve toplam varyans yapılarının farklı olmasıAnswer
  2. B
    Model II'deki katsayıların doğrudan esneklik yerine yarı-esneklik olarak yorumlanması
  3. C
    Logaritmik dönüşüm sonucunda Model II'deki hata terimlerinin sapmalı (biased) hale gelmesi
  4. D
    Model I'in parametre sayısı ile Model II'nin parametre sayısının birbirinden farklı olması
  5. E
    Dönüşüm sonrasında her iki modeldeki serbestlik derecelerinin birbirinden farklılaşması

Answer

Bağımlı değişkenlerin matematiksel formlarının ve toplam varyans yapılarının farklı olması nedeniyle belirtme katsayıları doğrudan karşılaştırılamaz.
Belirtme katsayısı (R2R^2), bağımlı değişkendeki toplam kareler toplamının (TKT) ne kadarının model tarafından açıklandığını gösterir. Bağımlı değişkenin orijinal hali (YY) ile logaritmik hali (ln⁡Y\ln Y) kullanıldığında, bu iki değişkenin toplam varyasyonları (TKT) farklı ölçeklerde hesaplanır. Dolayısıyla, paydası farklı olan iki oran (R2R^2) üzerinden modellerin başarı performanslarını doğrudan kıyaslamak istatistiksel olarak hatalıdır.

Step-by-Step Solution

1
Modellerdeki bağımlı değişkenleri inceleyin.
Model I'de bağımlı değişken YY, Model II'de ise ln⁡Y\ln Y formundadır.
Belirtme katsayısı (R2R^2) karşılaştırmasının ön koşulu bağımlı değişkenlerin aynı formda olmasıdır.
2
R2R^2 formülünü ve bileşenlerini değerlendirin.
R2=1−(HKT/TKT)R^2 = 1 - (HKT / TKT) formülündeki Toplam Kareler Toplamı (TKT), bağımlı değişkenin değerlerine bağlıdır.
Bağımlı değişkenin ölçeği veya formu değiştiğinde (örneğin mutlak değerden logaritmaya geçildiğinde), TKT değeri ve dolayısıyla R2R^2 referans noktası tamamen değişir.
3
Sonuçları kıyaslanabilirlik açısından yorumlayın.
R2R^2 değerleri farklı birimler ve varyanslar üzerinden hesaplandığı için doğrudan kıyaslanamaz.
Bu tür durumlarda modelleri karşılaştırmak için düzeltilmiş R2R^2 yerine AIC, BIC veya bağımlı değişkenin tahmin edilen değerlerinin antilogaritması alınarak hesaplanan kriterler tercih edilmelidir.

Key Concept

R2R^2 Karşılaştırma Kriterleri

Hints

1
Belirtme katsayısının (R2R^2) paydasında hangi ifadenin yer aldığını ve bu ifadenin bağımlı değişkenden nasıl etkilendiğini düşünün.
2
Bağımlı değişkenin mutlak değerleri (YY) ile bu değerlerin logaritmaları (ln⁡Y\ln Y) arasındaki ölçek ve varyasyon farkına odaklanın.

Practice More

Farklı bağımlı değişken formuna sahip modellerin karşılaştırılmasında kullanılan alternatif kriterleri (Zarembka testi gibi) inceleyebilirsiniz.
Estimated Time:45s
Rate this question

Topics

Doğrusal Hale Getirilebilen Modeller (Kavramsal Çerçeve)