Basit Doğrusal Regresyon Analizi Practice Questions — KPSS İstatistik

Question 1Question →

Bir araştırmacı, bir bölgedeki konut fiyatları ( $Y$ ) ile konutun yüzölçümü ( $X$ ) arasındaki ilişkiyi basit doğrusal regresyon analizi ile incelemiş ve aşağıdaki ANOVA (Varyans Analizi) tablosunu elde etmiştir:

Varyans Kaynağı	Kareler Toplamı (KT)
Regresyon	480
Hata (Artık)	120
Toplam	600

Buna göre, hesaplanan belirtme katsayısı ( $R^2$ ) değeri ve bu değerin yorumu hakkında aşağıdakilerden hangisi doğrudur?

R^2 = 0,80

; Konut fiyatlarındaki toplam değişimin \%80'i konutun yüzölçümü tarafından açıklanmaktadır.

R^2 = 0,80

; Konutun yüzölçümündeki artış, konut fiyatlarının \%80 oranında artmasına neden olmaktadır.

R^2 = 0,20

; Konut fiyatlarındaki toplam değişimin \%20'si konutun yüzölçümü tarafından açıklanmaktadır.

R^2 = 0,80

; Konutun yüzölçümündeki toplam değişimin \%80'i konut fiyatları tarafından açıklanmaktadır.

R^2 = 0,75

; Modelin açıklayıcılık gücü \%75 düzeyindedir.

Show answer & explanation

Answer: $R^2 = 0,80$ ; Konut fiyatlarındaki toplam değişimin \%80'i konutun yüzölçümü tarafından açıklanmaktadır.

Answer

Hesaplanan belirtme katsayısı

R^2 = 0,80

olup, bu değer konut fiyatlarındaki toplam değişimin \%80'inin konut yüzölçümü değişkeni tarafından açıklandığını ifade eder.

Doğru cevap,

R^2

değerinin

0,80

olarak hesaplandığı ve bu değerin konut fiyatlarındaki (bağımlı değişken) değişimin \%80'inin konutun yüzölçümü (bağımsız değişken) tarafından açıklandığını belirten ifadedir.

R^2 = SSR / SST = 480 / 600 = 0,80

işlemiyle sonuca ulaşılır.

Step-by-Step Solution

1

ANOVA tablosundan Regresyon Kareler Toplamı (

SSR

) ve Toplam Kareler Toplamı (

SST

) değerlerini belirleyin.

SSR = 480

,

SST = 600

Belirtme katsayısı bu iki değerin birbirine oranıdır.

2

Belirtme katsayısını (

R^2

) hesaplayın.

R^2 = \frac{SSR}{SST} = \frac{480}{600} = 0,80

R^2

formülü açıklanan varyansın toplam varyansa oranını verir.

3

Hesaplanan değeri istatistiksel olarak yorumlayın.

Bağımlı değişkendeki (

Y

: Konut Fiyatları) toplam değişimin \%80'i bağımsız değişken (

X

: Konut Yüzölçümü) tarafından açıklanmaktadır.

R^2

değeri her zaman

[0, 1]

aralığında olup modelin açıklayıcılık gücünü yüzde cinsinden temsil eder.

Key Concept

Basit doğrusal regresyonda belirtme katsayısı (

R^2

), bağımlı değişkendeki toplam varyasyonun bağımsız değişken tarafından açıklanan kısmını gösterir.

Alternative Method

Belirtme katsayısı

R^2 = 1 - (SSE/SST)

formülüyle de bulunabilir:

1 - (120/600) = 1 - 0,20 = 0,80

.

Estimated Time:1m 30s

Question 2Question →

Basit doğrusal regresyon analizinde kullanılan En Küçük Kareler (EKK) yönteminin 'En İyi Doğrusal Sapmasız Tahmin Edici' (BLUE) özelliğine sahip olabilmesi için Gauss-Markov teoremi çerçevesinde bazı varsayımların sağlanması gerekmektedir.

Buna göre, aşağıdakilerden hangisi EKK tahmin edicilerinin BLUE özelliğine sahip olması için gereken zorunlu varsayımlardan biri değildir?

Hata terimlerinin varyansının tüm gözlemler için sabit olması (

Var(u_i) = \sigma^2

)

Hata terimleri arasında ardışık bağımlılık (otokorelasyon) bulunmaması (

Cov(u_i, u_j) = 0, i \neq j

)

Hata terimlerinin beklenen değerinin sıfır olması (

E(u_i) = 0

)

Hata terimlerinin normal dağılım göstermesi (

u_i \sim N(0, \sigma^2)

)

Bağımsız değişken (

X

) ile hata terimi (

u

) arasında ilişki bulunmaması (

Cov(X_i, u_i) = 0

)

Show answer & explanation

Answer: Hata terimlerinin normal dağılım göstermesi ( $u_i \sim N(0, \sigma^2)$ )

Answer

Hata terimlerinin normal dağılım göstermesi varsayımı, EKK tahmin edicilerinin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olması için zorunlu değildir.

Gauss-Markov Teoremi'ne göre, hata terimlerinin sıfır beklenen değere, sabit varyansa ve sıfır kovaryansa (bağımsızlık) sahip olması, EKK tahmin edicilerinin 'En İyi Doğrusal Sapmasız Tahmin Edici' (BLUE) olması için yeterlidir. Hata terimlerinin normal dağılım sergilemesi varsayımı ise BLUE özelliği için bir ön şart değildir; bu varsayım sadece tahmin edilen katsayılar üzerinden hipotez testleri yürütmek ve güven aralıkları oluşturmak amacıyla gereklidir.

Step-by-Step Solution

1

Gauss-Markov varsayımlarını tanımla.

Gauss-Markov varsayımları; modelin doğrusal olması, hata terimlerinin sıfır ortalamalı olması, sabit varyanslı olması (homoskedastisite) ve otokorelasyonsuz olmasını içerir.

BLUE özelliği sadece bu varsayımlar altında kanıtlanabilir.

2

BLUE özelliğinin sınırlarını analiz et.

Tahmin edicilerin 'En İyi' (minimum varyanslı) ve 'Sapmasız' olması için hata terimlerinin dağılımının şekli (normal, t vb.) önemli değildir.

BLUE özelliği katsayıların tahmini ile ilgilidir, dağılım varsayımı ise test aşamasıyla ilgilidir.

3

Normallik varsayımının amacını belirle.

Normallik varsayımı, küçük örneklemlerde parametreler üzerinde hipotez testleri (

t

testi) ve modelin anlamlılık testlerini (

F

testi) gerçekleştirebilmek için gereklidir.

Test istatistiklerinin teorik dağılımları ancak hata terimi normal dağıldığında geçerli olur.

Key Concept

Gauss-Markov Teoremi ve BLUE Özelliği

Estimated Time:1m 30s

Question 3Question →

Bir araştırmacı, $n = 12$ gözlemden oluşan bir veri seti üzerinde basit doğrusal regresyon analizi gerçekleştirmiş ve regresyon modelinin anlamlılığını test etmek amacıyla aşağıdaki kısmi ANOVA tablosunu hazırlamıştır:

Varyans Kaynağı	Serbestlik Derecesi ( $sd$ )	Kareler Toplamı ( $KT$ )	Kareler Ortalaması ( $KO$ )	$F$
Regresyon	?	$150$	?	?
Hata	?	?	?
Toplam	?	$250$

Bu bilgilere göre, modelin genel anlamlılığının test edilmesi için hesaplanan $F$ istatistiği değeri aşağıdakilerden hangisidir?

15,00

16,50

18,00

3,87

1,50

Show answer & explanation

Answer: $15,00$

Answer

Regresyon modelinin genel anlamlılığı için hesaplanan

F

istatistiği

15,00

değerine eşittir.

Doğru çözümde

sd_{Hata} = 10

ve

HKT = 100

olarak belirlenmiş, buradan

HKO = 10

ve nihayetinde

F = 150/10 = 15,00

sonucuna ulaşılmıştır.

Step-by-Step Solution

1

Serbestlik derecelerini (

sd

) belirleyin.

sd_{Regresyon} = 1

;

sd_{Toplam} = n - 1 = 12 - 1 = 11

;

sd_{Hata} = n - 2 = 12 - 2 = 10

.

Basit doğrusal regresyonda bir bağımsız değişken olduğu için regresyon serbestlik derecesi 1, hata serbestlik derecesi ise

n-2

formülüyle bulunur.

2

Hata Kareler Toplamı'nı (

HKT

) hesaplayın.

HKT = TKT - RKT = 250 - 150 = 100

.

Toplam Kareler Toplamı (

TKT

), Regresyon (

RKT

) ve Hata Kareler Toplamı'nın toplamına eşittir.

3

Kareler Ortalamalarını (

KO

) bulun.

RKO = 150 / 1 = 150

;

HKO = 100 / 10 = 10

.

Kareler Ortalaması, ilgili Kareler Toplamı'nın kendi serbestlik derecesine bölünmesiyle elde edilir.

4

F

istatistiğini hesaplayın.

F = RKO / HKO = 150 / 10 = 15,00

.

F

hesap istatistiği, modelin açıkladığı varyansın (RKO) açıklanamayan varyansa (HKO) oranını ifade eder.

Key Concept

ANOVA Tablosu ve F-İstatistiği

Practice More

Aynı verilerle belirtme katsayısını (

R^2

) hesaplayarak modelin açıklayıcılık gücünü yorumlayınız.

Estimated Time:1m 30s

Question 4Question →

Basit doğrusal regresyon analizinde klasik model varsayımları altında En Küçük Kareler (EKK) tahmin edicileri Gauss-Markov Teoremi uyarınca 'En İyi Doğrusal Sapmasız Tahmin Edici' (BLUE) özelliğini taşır. Ancak, model katsayılarının anlamlılığını ölçmek amacıyla kullanılan $t$ ve $F$ istatistiklerinin teorik dağılımlarına uygunluk göstererek hipotez testlerinin ve güven aralıklarının geçerli bir şekilde oluşturulabilmesi için hata terimleri ( $u_i$ ) hakkında aşağıdakilerden hangisi varsayılmalıdır?

Hata terimlerinin varyansının tüm gözlemler için sabit olması

Hata terimleri arasında ardışık bağımlılık (otokorelasyon) bulunmaması

Hata terimlerinin normal dağılım özelliğine sahip olması

Hata terimlerinin beklenen değerinin (ortalamasının) sıfıra eşit olması

Bağımsız değişken (

X

) ile hata terimi (

u

) arasında tam bir ilişki (korelasyon) olması

Show answer & explanation

Answer: Hata terimlerinin normal dağılım özelliğine sahip olması

Answer

Hata terimlerinin normal dağılım özelliğine sahip olması varsayımı, küçük örneklemlerde hipotez testlerinin ve güven aralıklarının oluşturulması için zorunludur.

Klasik Doğrusal Regresyon Modelinde, Gauss-Markov varsayımları tahmin edicilerin doğrusal, sapmasız ve minimum varyanslı (BLUE) olmasını garanti eder. Ancak çıkarımsal istatistiklerin (katsayı anlamlılık testleri, model anlamlılık testi ve güven aralıkları) teorik bir dağılıma (t veya F) dayandırılabilmesi için hata terimlerinin normal dağıldığı varsayılmalıdır. Bu varsayım altında EKK tahmin edicileri de normal dağılım gösterir ve bu sayede standartlaştırılmış katsayılar

t

dağılımına uygun hale gelir.

Step-by-Step Solution

1

Gauss-Markov varsayımları ile Normallik varsayımı arasındaki farkı belirleyin.

Gauss-Markov varsayımları (doğrusallık, sıfır ortalama, sabit varyans, otokorelasyon yokluğu) tahmin edicilerin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olmasını sağlar.

BLUE özelliği sadece parametre tahminlerinin kalitesiyle (sapmasızlık ve minimum varyans) ilgilidir.

2

Hipotez testleri (

t

ve

F

) için gereken ek koşulu analiz edin.

t

ve

F

istatistikleri, hata terimlerinin normal dağıldığı (

u_i \sim N(0, \sigma^2)

) varsayımı altında sırasıyla Student-t ve F dağılımlarına uyar.

Normal dağılım varsayımı sağlanmadığında, küçük örneklemlerde bu test istatistiklerinin dağılımı bilinmediğinden yapılan testler geçersiz olur.

Key Concept

Regresyonda Normallik Varsayımı ve Çıkarımsal İstatistik

Estimated Time:1m 30s

Question 5Question →

Sabit terimi bulunmayan (orijinden geçen) bir basit doğrusal regresyon modeli $Y_i = \beta_1 X_i + u_i$ şeklinde kurulmuştur. Bu modelin teorik özellikleri ve varsayımları dikkate alındığında, aşağıdakilerden hangisi doğrudur?

Artıkların (kalıntıların) toplamı her zaman sıfıra eşittir (

\sum e_i = 0

).

Tahmin edilen regresyon doğrusu mutlaka gözlemlerin aritmetik ortalamalarından

(\bar{X}, \bar{Y})

geçer.

Hata varyansının (

\sigma^2

) sapmasız tahmin edicisi hesaplanırken serbestlik derecesi

n-1

olarak alınır.

Geleneksel yöntemle hesaplanan belirtme katsayısı (

R^2

) değeri hiçbir durumda negatif olamaz.

Modelin anlamlılık testi (F testi) için paydaki serbestlik derecesi

2

olarak belirlenir.

Show answer & explanation

Answer: Hata varyansının ( $\sigma^2$ ) sapmasız tahmin edicisi hesaplanırken serbestlik derecesi $n-1$ olarak alınır.

Answer

Hata varyansının sapmasız tahmin edicisi hesaplanırken serbestlik derecesi n-1 olarak alınır.

Sabit terimi bulunmayan modellerde sadece eğim katsayısı tahmin edildiğinden, hata terimlerinin varyansı tahmin edilirken bir serbestlik derecesi kaybedilir ve payda

n-1

olur. Bu durum, modelin kısıtlanmış bir yapıya sahip olmasının doğal bir sonucudur.

Step-by-Step Solution

1

Modelde tahmin edilen parametre sayısını (

k

) belirleyin.

k = 1

(Sadece eğim katsayısı olan

\beta_1

tahmin edilir).

Orijinden geçen regresyon modellerinde sabit terim (

\beta_0

) sıfıra eşitlendiği için tahmin edilmez.

2

Hata varyansının (

s^2

) sapmasızlık özelliğini sağlayan serbestlik derecesini hesaplayın.

n - k = n - 1

.

Serbestlik derecesi, toplam gözlem sayısından tahmin edilen parametre sayısının çıkarılmasıyla elde edilir.

3

Varyans tahmin formülünü oluşturun.

\hat{\sigma}^2 = \frac{\sum e_i^2}{n-1}

.

Hata Kareler Toplamı'nın (HKT) ilgili serbestlik derecesine bölünmesi sapmasız varyans tahminini sağlar.

Key Concept

Orijinden Geçen Regresyonda Serbestlik Derecesi ve Parametre Sayısı

Practice More

Orijinden geçen regresyon modellerinde 'uncentered R-squared' (ham belirtme katsayısı) kavramını inceleyerek geleneksel R-squared ile farklarını karşılaştırabilirsiniz.

Estimated Time:1m 30s

Question 6Question →

Bir üretim sürecinde hammadde miktarı ( $X$ ) ile çıktı miktarı ( $Y$ ) arasındaki ilişkiyi incelemek amacıyla $18$ gözlem kullanılarak basit doğrusal regresyon analizi yapılmıştır. Analiz sonucunda elde edilen veriler aşağıdadır:

Değişken	Katsayı ( $\hat{\beta}$ )	Varyans ( $Var(\hat{\beta})$ )
Hammadde ( $X$ )	$1,5$	$0,09$

Buna göre, eğim katsayısının anlamlılığına ilişkin $H_0: \beta_1 = 0$ hipotezini test etmek için hesaplanması gereken t-istatistiği ( $t_{hesap}$ ) ve bu testin serbestlik derecesi ( $sd$ ) aşağıdakilerden hangisidir?

t_{hesap} = 5,0

ve

sd = 16

t_{hesap} = 5,0

ve

sd = 17

t_{hesap} = 5,0

ve

sd = 18

t_{hesap} = 25,0

ve

sd = 16

t_{hesap} = 16,67

ve

sd = 16

Show answer & explanation

Answer: $t_{hesap} = 5,0$ ve $sd = 16$

Answer

Hesaplanan t-istatistiği 5,0 ve serbestlik derecesi 16'dır.

Doğru cevap, katsayının standart hatasının

0,3

olarak bulunması (

se = \sqrt{0,09}

), t-değerinin katsayı bölü standart hata (

1,5 / 0,3 = 5,0

) olarak hesaplanması ve serbestlik derecesinin

n-2

(

18-2=16

) olarak belirlenmesi adımlarını tam olarak yansıtmaktadır.

Step-by-Step Solution

1

Katsayının standart hatasının hesaplanması

se(\hat{\beta}_1) = \sqrt{Var(\hat{\beta}_1)} = \sqrt{0,09} = 0,3

t-istatistiği formülünde katsayının varyansı değil, standart hatası kullanılır.

2

t-istatistiğinin hesaplanması

t_{hesap} = \frac{\hat{\beta}_1}{se(\hat{\beta}_1)} = \frac{1,5}{0,3} = 5,0

Sıfır hipotezi (

H_0: \beta_1 = 0

) altında t-istatistiği, katsayı tahmininin standart hatasına oranıdır.

3

Serbestlik derecesinin belirlenmesi

sd = n - 2 = 18 - 2 = 16

Basit doğrusal regresyonda hata teriminin varyansı tahmin edilirken iki parametre (

\beta_0, \beta_1

) kullanıldığı için serbestlik derecesi

n-2

olur.

Key Concept

Regresyon katsayıları için t-testinde hesaplanan istatistik

t = \hat{\beta} / se(\hat{\beta})

formülüyle bulunur ve serbestlik derecesi basit regresyonda

n-2

'dir.

Question 7Question →

Bir iktisatçı, 27 gözlem birimi kullanarak oluşturduğu basit doğrusal regresyon modelinde Hata Kareler Toplamını ( $HKT$ ) 100 olarak hesaplamıştır. Bu bilgilere göre, regresyonun standart hatası ( $S_e$ ) kaçtır?

2

4

1,92

1,96

10

Show answer & explanation

Answer: 2

Answer

Regresyonun standart hatası 2 olarak hesaplanır.

Verilen 27 gözlem sayısı ve 100 değerindeki Hata Kareler Toplamı ile serbestlik derecesi 25 olarak bulunur. 100'ün 25'e bölünmesiyle elde edilen 4 değeri hata varyansıdır; bu değerin karekökü alındığında ise standart hata 2 olarak elde edilir.

Step-by-Step Solution

1

Serbestlik derecesinin belirlenmesi

df = n - 2 = 27 - 2 = 25

Basit doğrusal regresyonda iki parametre (sabit ve eğim) tahmin edildiği için serbestlik derecesi

n-2

olur.

2

Hata varyansının (Hata Kareler Ortalaması) hesaplanması

\hat{\sigma}^2 = \frac{HKT}{n-2} = \frac{100}{25} = 4

Hata varyansının sapmasız tahmini, Hata Kareler Toplamının serbestlik derecesine bölünmesiyle elde edilir.

3

Standart hatanın hesaplanması

S_e = \sqrt{\hat{\sigma}^2} = \sqrt{4} = 2

Regresyonun standart hatası, hata varyansı tahmininin pozitif kareköküdür.

Key Concept

Hata Varyansının Tahmini ve Standart Hata

Estimated Time:1m 30s

Question 8Question →

Bir iktisatçı, $22$ haneden oluşan bir örneklem grubu üzerinde hane halkı geliri ile tüketim harcamaları arasındaki ilişkiyi basit doğrusal regresyon modeli ile incelemiştir. Yapılan analiz sonucunda elde edilen varyans analizi (ANOVA) tablosunun bir kısmı aşağıda verilmiştir:

Değişim Kaynağı	Serbestlik Derecesi ( $sd$ )	Kareler Toplamı ( $KT$ )	Kareler Ortalaması ( $KO$ )	$F$
Regresyon	?	$240$	?	?
Hata	?	?	?
Toplam	?	$440$

Buna göre, regresyon modelinin genel anlamlılığının test edilmesi için hesaplanan $F$ istatistiği değeri kaçtır?

12

24

25,2

26,4

44

Show answer & explanation

Answer: 24

Answer

Hesaplanan F istatistiği değeri 24'tür.

Verilen

n = 22

değeri için hata serbestlik derecesi

n - 2 = 20

olarak hesaplanır. Hata kareler toplamı ise

440 - 240 = 200

olur. Bu durumda hata kareler ortalaması

200 / 20 = 10

olarak bulunur. Regresyon kareler ortalaması ise

240 / 1 = 240

olduğundan,

F

istatistiği

240 / 10 = 24

olarak elde edilir.

Step-by-Step Solution

1

Serbestlik derecelerini (

sd

) belirleme

sd_{Reg} = 1

,

sd_{Toplam} = n - 1 = 22 - 1 = 21

,

sd_{Hata} = n - 2 = 22 - 2 = 20

Basit doğrusal regresyonda bir bağımsız değişken olduğu için regresyonun serbestlik derecesi 1, hata teriminin ise n-2'dir.

2

Hata Kareler Toplamını (

HKT

) hesaplama

HKT = TKT - RKT = 440 - 240 = 200

Toplam kareler toplamı, regresyon ve hata kareler toplamlarının toplamına eşittir.

3

Kareler Ortalamalarını (

KO

) hesaplama

RKO = 240 / 1 = 240

ve

HKO = 200 / 20 = 10

Kareler ortalaması, ilgili kareler toplamının kendi serbestlik derecesine bölünmesiyle bulunur.

4

F istatistiğini hesaplama

F = RKO / HKO = 240 / 10 = 24

F istatistiği, regresyon kareler ortalamasının hata kareler ortalamasına oranıdır.

Key Concept

Varyans Analizi (ANOVA) ve F Testi

Practice More

ANOVA tablosundan elde edilen verilerle belirtme katsayısının (R²) nasıl hesaplanacağını inceleyebilirsiniz.

Estimated Time:1m 30s

Question 9Question →

Bir eğitim kurumunda öğrencilerin haftalık ders çalışma süreleri ( $X$ ) ile deneme sınavı puanları ( $Y$ ) arasındaki ilişkiyi incelemek amacıyla basit doğrusal regresyon analizi uygulanmıştır. 25 öğrenciden elde edilen verilerle oluşturulan ANOVA tablosunda Regresyon Kareler Toplamı ( $SSR$ ) $1200$ ve Toplam Kareler Toplamı ( $SST$ ) $1500$ olarak hesaplanmıştır. Buna göre, bu regresyon modeli için belirtme katsayısının ( $R^2$ ) değeri ve doğru yorumu aşağıdakilerden hangisidir?

R^2 = 0,80

; Deneme sınavı puanlarındaki toplam değişimin

\%80

'i haftalık ders çalışma süresi değişkeni tarafından açıklanmaktadır.

R^2 = 0,80

; Haftalık ders çalışma süresindeki artış, deneme sınavı puanlarının doğrudan

\%80

oranında artmasına neden olmaktadır.

R^2 = 0,20

; Deneme sınavı puanlarındaki toplam değişimin

\%20

'si haftalık ders çalışma süresi değişkeni tarafından açıklanmaktadır.

R^2 = 0,80

; Haftalık ders çalışma süresi ile deneme sınavı puanları arasında

\%80

oranında pozitif bir korelasyon bulunmaktadır.

R^2 = 0,80

; Bu modelin açıklayıcılık gücü düşüktür ve modele yeni bağımsız değişkenler eklendikçe bu değer azalma gösterebilir.

Show answer & explanation

Answer: $R^2 = 0,80$ ; Deneme sınavı puanlarındaki toplam değişimin $\%80$ 'i haftalık ders çalışma süresi değişkeni tarafından açıklanmaktadır.

Answer

Belirtme katsayısı

0,80

olarak hesaplanır ve bu değer deneme sınavı puanlarındaki değişimin

\%80

'inin haftalık ders çalışma süresi ile açıklandığı anlamına gelir.

Doğru cevapta belirtilen

0,80

değeri,

1200/1500

oranından elde edilir. İstatistiksel literatürde

R^2

, bağımlı değişkendeki toplam değişimin (varyansın) bağımsız değişken(ler) tarafından açıklanma oranını ifade eder. Bu senaryoda sınav puanlarındaki değişimin

\%80

'inin çalışma süresiyle açıklanması, modelin yüksek bir açıklama gücüne sahip olduğunu gösterir.

Step-by-Step Solution

1

Verilen kareler toplamı değerlerini tespit etme

SSR = 1200

ve

SST = 1500

Belirtme katsayısını hesaplamak için regresyonun açıkladığı değişkenlik (

SSR

) ve toplam değişkenlik (

SST

) değerleri gereklidir.

2

R^2

formülünü uygulama

R^2 = SSR / SST = 1200 / 1500 = 0,80

Belirtme katsayısı, açıklanan kareler toplamının toplam kareler toplamına oranıdır.

3

Elde edilen değeri istatistiksel olarak yorumlama

Bağımlı değişkendeki (

Y

) toplam varyasyonun

\%80

'i bağımsız değişken (

X

) tarafından açıklanmaktadır.

R^2

değeri, modelin uyum iyiliğini ve bağımsız değişkenin açıklayıcılık gücünü temsil eder.

Key Concept

Belirtme Katsayısı (

R^2

)

Question 10Question →

Bir araştırmacı, $n=20$ gözlem kullanarak basit doğrusal regresyon modeli tahmin etmiştir. Elde edilen bulgulara göre bağımsız değişkenin ortalaması $\bar{X}=50$ , bağımsız değişkenin kareler toplamı $\sum (X_i - \bar{X})^2 = 500$ ve modelin standart hatası $s_e = 10$ olarak hesaplanmıştır.

Bağımsız değişkenin $X_0 = 60$ değeri için bağımlı değişkenin bireysel değerinin kestirimine ilişkin standart hata ve aralık genişliği hakkında aşağıdakilerden hangisi doğrudur?

Bireysel değerin kestirim hatası

10\sqrt{1,25}

'dir ve bu değer ortalama değerin güven aralığından daha geniş bir aralık oluşturur.

Bireysel değerin kestirim hatası

10\sqrt{0,25}

'dir ve bu değer ortalama değerin güven aralığı ile aynı genişlikte bir aralık oluşturur.

Ortalama değerin standart hatası

10\sqrt{1,25}

'dir ve bireysel değerin kestirim aralığından daha geniştir.

Bireysel değerin kestirim hatası

10\sqrt{1,05}

'dir ve

X_0

değeri ortalamadan uzaklaştıkça bu hata payı azalır.

Ortalama değerin standart hatası

10\sqrt{0,05}

'dir ve örneklem hacmi (

n

) arttıkça bu hata payı artar.

Show answer & explanation

Answer: Bireysel değerin kestirim hatası $10\sqrt{1,25}$ 'dir ve bu değer ortalama değerin güven aralığından daha geniş bir aralık oluşturur.

Answer

Bireysel değerin kestirim hatası

10\sqrt{1,25}

olup, bu değer ortalama değerin güven aralığından daha geniştir.

Doğru cevapta belirtilen kestirim hatası değeri, bireysel değerlerin standart hatası için kullanılan

s_e \sqrt{1 + 1/n + (X_0-\bar{X})^2/\sum(X-\bar{X})^2}

formülüne tam olarak uymaktadır. Ayrıca teorik olarak bireysel kestirim aralıkları, ortalama değerlerin güven aralıklarından her zaman daha geniştir çünkü bireysel gözlemlerin hata payı modelin ortalama hata payından fazladır.

Step-by-Step Solution

1

Bireysel değer için kestirim hatası (

s_{pred}

) formülünü belirleyiniz.

s_{pred} = s_e \sqrt{1 + \frac{1}{n} + \frac{(X_0 - \bar{X})^2}{\sum (X_i - \bar{X})^2}}

Bireysel bir gözlemin kestirim hatası, hem regresyon doğrusunun tahminindeki belirsizliği hem de modeldeki rastsal hata teriminin varyansını yansıtmalıdır.

2

Verilen değerleri formülde yerine koyarak hesaplama yapınız.

s_{pred} = 10 \sqrt{1 + \frac{1}{20} + \frac{(60 - 50)^2}{500}} = 10 \sqrt{1 + 0,05 + \frac{100}{500}} = 10 \sqrt{1 + 0,05 + 0,20} = 10\sqrt{1,25}

Kestirim hatası, verilen örneklem büyüklüğü, bağımsız değişkenin yayılımı ve tahmin edilen noktanın ortalamadan uzaklığına bağlı olarak hesaplanır.

3

Ortalama değerin güven aralığı standart hatası (

s_{\hat{Y}_0}

) ile karşılaştırınız.

s_{\hat{Y}_0} = 10 \sqrt{0,25} = 5

.

10\sqrt{1,25} \approx 11,18

olduğu için

s_{pred} > s_{\hat{Y}_0}

sonucuna ulaşılır.

Bireysel değer kestirim aralığı, ortalama değerin güven aralığına ek olarak hata teriminin varyansını (

s_e^2

) da kapsadığı için her zaman daha geniştir.

Key Concept

Bireysel kestirim aralığı (prediction interval) ile ortalama değer güven aralığı (confidence interval) arasındaki temel fark, bireysel kestirimde modeldeki hata teriminden kaynaklanan varyansın da hesaba katılmasıdır. Bu durum bireysel kestirim aralığını daima daha geniş kılar.

Practice More

Bağımsız değişkenin değerinin tam olarak ortalamaya eşit olduğu (

X_0 = \bar{X}

) durumda, güven aralığının ve kestirim aralığının neden en dar hallerine ulaştığını düşününüz.

Estimated Time:1m 30s

Question 11Question →

Bir işletmede reklam harcamaları ( $X$ ) ile satış tutarları ( $Y$ ) arasındaki ilişkiyi belirlemek amacıyla $n = 18$ gözlemden oluşan bir veri seti kullanılarak basit doğrusal regresyon modeli tahmin edilmiştir. Modele ilişkin varyans analizi (ANOVA) sonuçlarının bir kısmı aşağıdaki tabloda sunulmuştur:

Varyans Kaynağı	Kareler Toplamı (KT)
Regresyon (Açıklanan)	$120$
Hata (Artık)	$160$
Toplam	$280$

Bu bilgilere göre, regresyon modelinin bütünsel olarak anlamlılığını test etmek amacıyla kullanılan $F$ hesap istatistiğinin değeri aşağıdakilerden hangisidir?

11,25

12,00

12,75

13,50

15,00

Show answer & explanation

Answer: $12,00$

Answer

Regresyon modelinin anlamlılığını test eden

F

istatistiğinin değeri

12,00

olarak hesaplanır.

Basit doğrusal regresyonda modelin anlamlılığı için pay serbestlik derecesi

1

(eğim katsayısı için), payda serbestlik derecesi ise

n-2 = 16

(hata terimi için) olarak alınır. Regresyon Kareler Ortalaması

120/1 = 120

, Hata Kareler Ortalaması ise

160/16 = 10

bulunur. Bu iki değerin oranı olan

120/10 = 12

, modelin genel anlamlılığını test eden

F

değerini verir.

Step-by-Step Solution

1

Serbestlik derecelerini belirleyin.

Regresyon için

sd_R = 1

; Hata için

sd_E = n - 2 = 18 - 2 = 16

.

Basit doğrusal regresyonda bir bağımsız değişken olduğu için regresyon serbestlik derecesi

1

, hata serbestlik derecesi ise

n-2

formülüyle bulunur.

2

Kareler ortalamalarını (KO) hesaplayın.

RKO = 120 / 1 = 120

ve

HKO = 160 / 16 = 10

.

Kareler ortalaması, ilgili kareler toplamının kendi serbestlik derecesine bölünmesiyle elde edilir.

3

F

istatistiğini hesaplayın.

F = RKO / HKO = 120 / 10 = 12

.

F

istatistiği, regresyon kareler ortalamasının hata kareler ortalamasına oranıdır.

Key Concept

ANOVA Tablosu ve F-Testi Bileşenleri

Question 12Question →

Klasik doğrusal regresyon modelinde, Gauss-Markov varsayımlarının sağlanması durumunda En Küçük Kareler (EKK) tahmin edicileri "En İyi Doğrusal Sapmasız Tahmin Edici" ( $BLUE$ ) olma özelliğini kazanır. Buna göre, EKK tahmin edicilerinin "En İyi" ( $Best$ ) olma niteliği aşağıdakilerden hangisini doğrudan ifade etmektedir?

Doğrusal ve sapmasız tüm tahmin ediciler arasında en küçük varyansa sahip olması

Tahmin edicinin beklenen değerinin kitle parametresinin gerçek değerine eşit olması

Tahmin edicinin bağımlı değişkenin gözlem değerlerinin doğrusal bir fonksiyonu olması

Örneklem hacmi sonsuza giderken tahmin edicinin değerinin kitle parametresine yaklaşması

Hata terimlerinin normal dağılım göstermesi sonucunda en yüksek olabilirlik tahmin edicisi ile aynı sonucu vermesi

Show answer & explanation

Answer: Doğrusal ve sapmasız tüm tahmin ediciler arasında en küçük varyansa sahip olması

Answer

Doğrusal ve sapmasız tüm tahmin ediciler arasında en küçük varyansa sahip olması

Gauss-Markov Teoremi uyarınca, klasik regresyon varsayımları sağlandığında, EKK tahmin edicileri doğrusal ve sapmasız tahmin ediciler kümesi içinde en küçük varyansa sahiptir. İstatistiksel terminolojide bir tahmin edicinin varyansının minimum olması durumu 'etkinlik' (efficiency) olarak adlandırılır ve

BLUE

kavramındaki 'Best' (En İyi) nitelemesi tam olarak bu minimum varyans durumunu temsil eder.

Step-by-Step Solution

1

BLUE

kısaltmasının bileşenlerini tanımla

B (Best - En İyi), L (Linear - Doğrusal), U (Unbiased - Sapmasız), E (Estimator - Tahmin Edici)

Teoremin kapsamını anlamak için her bir terimin istatistiksel karşılığını bilmek gerekir.

2

"En İyi" (Best) kavramının teknik karşılığını belirle

En İyi = Minimum Varyans (Etkinlik)

İstatistiksel tahmin teorisinde, aynı sınıftaki tahmin ediciler arasında daha küçük varyansa sahip olan 'daha etkin' veya 'en iyi' kabul edilir.

3

Gauss-Markov Teoremi'nin sonucunu yorumla

EKK, tüm doğrusal ve sapmasız tahmin ediciler kümesi içinde varyansı en küçük olandır.

Teorem, belirli varsayımlar altında EKK'nın bu sınıftaki en dar yayılıma sahip olduğunu kanıtlar.

Key Concept

Gauss-Markov Teoremi ve Etkinlik (Efficiency) Kavramı

Estimated Time:1m 15s

Question 13Question →

Bir araştırmacı, bir bölgedeki kamu yatırımları ( $X$ ) ile ekonomik büyüme oranı ( $Y$ ) arasındaki ilişkiyi basit doğrusal regresyon analizi ile incelemiş ve aşağıdaki Varyans Analizi (ANOVA) tablosu özetini elde etmiştir:

Değişim Kaynağı	Kareler Toplamı (KT)
Regresyon ( $SSR$ )	1200
Hata ( $SSE$ )	300
Toplam ( $SST$ )	?

Buna göre, bu model için hesaplanan belirtme katsayısı ( $R^2$ ) değeri ve bu değerin istatistiksel yorumu aşağıdakilerden hangisidir?

0,80; Bağımlı değişkendeki (ekonomik büyüme) toplam değişimin %80'i bağımsız değişken (kamu yatırımları) tarafından açıklanmaktadır.

0,20; Bağımlı değişkendeki değişimin %20'si bağımsız değişken tarafından açıklanmaktadır.

0,80; Bağımsız değişkendeki her 1 birimlik artış, bağımlı değişkende %80'lik bir artışa kesin olarak neden olmaktadır.

4,00; Bağımsız değişkenin açıklama gücü hata varyansından 4 kat daha yüksektir.

0,75; Bağımlı değişkendeki değişimin %75'i bağımsız değişken tarafından açıklanmaktadır.

Show answer & explanation

Answer: 0,80; Bağımlı değişkendeki (ekonomik büyüme) toplam değişimin %80'i bağımsız değişken (kamu yatırımları) tarafından açıklanmaktadır.

Answer

Hesaplanan belirtme katsayısı 0,80'dir ve bağımlı değişkendeki toplam değişimin %80'inin bağımsız değişken tarafından açıklandığını ifade eder.

Doğru cevap,

R^2

değerinin 0,80 olduğunu ve bunun bağımlı değişkendeki değişimin %80'inin bağımsız değişken tarafından açıklandığı anlamına geldiğini belirten ifadedir.

SST = 1200 + 300 = 1500

ve

R^2 = 1200 / 1500 = 0,80

hesaplaması bunu doğrular.

Step-by-Step Solution

1

Toplam Kareler Toplamını (

SST

) hesaplayın.

SST = SSR + SSE = 1200 + 300 = 1500

Belirtme katsayısı formülünde payda kısmında yer alan toplam varyasyonu bulmak gerekir.

2

Belirtme katsayısı (

R^2

) formülünü uygulayın.

R^2 = \frac{SSR}{SST} = \frac{1200}{1500} = 0,80

R^2

değeri, açıklanan varyasyonun toplam varyasyona oranını temsil eder.

3

Elde edilen sonucu istatistiksel olarak yorumlayın.

Bağımlı değişkendeki (ekonomik büyüme) toplam varyasyonun %80'i kurulan regresyon modeli (kamu yatırımları) tarafından açıklanabilmektedir.

R^2

değeri, modelin veriye uyum iyiliğini ve bağımsız değişkenin açıklayıcı gücünü yüzde olarak ifade eder.

Key Concept

Belirtme katsayısı (

R^2

), bağımlı değişkendeki toplam değişimin ne kadarının bağımsız değişken(ler) tarafından açıklandığını gösteren, 0 ile 1 arasında değer alan bir ölçüttür.

Practice More

Farklı bağımsız değişkenler eklendiğinde R² ve Düzeltilmiş R² arasındaki farkı inceleyen bir soru çözülebilir.

Estimated Time:1m 30s

Question 14Question →

Bir pazarlama araştırmasında, reklam harcamaları ile satış gelirleri arasındaki ilişkiyi incelemek amacıyla $n = 26$ gözlemden oluşan basit doğrusal regresyon modeli kurulmuştur. Yapılan analiz sonucunda Hata Kareler Toplamı ( $HKT$ ) $600$ olarak hesaplanmıştır.

Buna göre, regresyon modelinin standart hatası ( $s_e$ ) kaçtır?

5

25

4,81

4,90

23,08

Show answer & explanation

Answer: 5

Answer

Regresyon modelinin standart hatası 5 olarak bulunur.

Verilen regresyon modelinde serbestlik derecesi

26 - 2 = 24

olarak hesaplanır. Hata varyansı (

s^2

), Hata Kareler Toplamı'nın (

600

) bu serbestlik derecesine (

24

) bölünmesiyle

25

bulunur. Regresyonun standart hatası ise bu varyansın karekökü olan

5

değerine eşittir.

Step-by-Step Solution

1

Verilen değerlerin ve serbestlik derecesinin belirlenmesi

n = 26

,

HKT = 600

,

sd = n - 2 = 24

Basit doğrusal regresyonda iki parametre (

\beta_0

ve

\beta_1

) tahmin edildiği için serbestlik derecesi

n-2

olarak alınır.

2

Hata varyansının tahmininin (

s^2

veya

MSE

) hesaplanması

s^2 = \frac{HKT}{n-2} = \frac{600}{24} = 25

Hata varyansı, hata kareler toplamının serbestlik derecesine bölünmesiyle elde edilen sapmasız bir tahmin edicidir.

3

Regresyonun standart hatasının (

s_e

) hesaplanması

s_e = \sqrt{s^2} = \sqrt{25} = 5

Regresyonun standart hatası, hata varyansının kareköküdür ve modeldeki hataların standart sapmasını temsil eder.

Key Concept

Basit doğrusal regresyonda hata varyansı ve standart hata hesabı

Question 15Question →

Bir basit doğrusal regresyon modelinde ( $Y_i = \beta_0 + \beta_1 X_i + \epsilon_i$ ), 10 gözlemden oluşan bir örneklem için aşağıdaki özet istatistikler hesaplanmıştır:

İstatistik	Değer
$n$	10
$\sum X_i$	40
$\sum Y_i$	80
$\sum X_i^2$	200
$\sum X_i Y_i$	350

Bu verilere göre, En Küçük Kareler (EKK) yöntemi kullanılarak tahmin edilen eğim katsayısı ( $\hat{\beta}_1$ ) aşağıdakilerden hangisidir?

0,75

1,75

1,33

2,00

0,15

Show answer & explanation

Answer: 0,75

Answer

En Küçük Kareler (EKK) yöntemiyle tahmin edilen eğim katsayısı (

\hat{\beta}_1

) 0,75'tir.

Doğru cevap olan 0,75 değeri, örneklem verilerinden hareketle hesaplanan düzeltilmiş çarpımlar toplamının (

S_{XY} = 30

), bağımsız değişkenin düzeltilmiş kareler toplamına (

S_{XX} = 40

) bölünmesiyle elde edilmiştir. Bu, basit doğrusal regresyonda EKK yöntemiyle elde edilen sapmasız ve en iyi tahmin edicidir.

Step-by-Step Solution

1

Değişkenlerin aritmetik ortalamalarının hesaplanması

\bar{X} = \frac{40}{10} = 4

ve

\bar{Y} = \frac{80}{10} = 8

EKK formülünde sapmaların kullanılması gerektiğinden ortalamalara ihtiyaç duyulur.

2

Düzeltilmiş çarpımlar toplamının (

S_{XY}

) hesaplanması

S_{XY} = \sum X_i Y_i - n\bar{X}\bar{Y} = 350 - 10(4)(8) = 350 - 320 = 30

Eğim katsayısının pay kısmında yer alan kovaryansın pay değerini belirlemek için.

3

Bağımsız değişken için düzeltilmiş kareler toplamının (

S_{XX}

) hesaplanması

S_{XX} = \sum X_i^2 - n\bar{X}^2 = 200 - 10(4^2) = 200 - 160 = 40

Eğim katsayısının payda kısmında yer alan bağımsız değişken varyansının pay değerini belirlemek için.

4

Eğim katsayısının (

\hat{\beta}_1

) hesaplanması

\hat{\beta}_1 = \frac{S_{XY}}{S_{XX}} = \frac{30}{40} = 0,75

Basit doğrusal regresyonda EKK tahmincisi, düzeltilmiş çarpımlar toplamının düzeltilmiş kareler toplamına oranıdır.

Key Concept

En Küçük Kareler (EKK) Parametre Tahmini

Estimated Time:1m 30s

Question 16Question →

Klasik doğrusal regresyon modelinde hata terimlerinin sabit varyanslı olması (homoskedastisite) varsayımının ihlal edildiği bir durumda, Gauss-Markov Teoremi'nin geçerliliği ve En Küçük Kareler (EKK) tahmin edicilerinin özellikleri hakkında aşağıdakilerden hangisi doğrudur?

Tahmin ediciler sapmasızlık özelliğini korur ancak doğrusal ve sapmasız tüm tahmin ediciler sınıfı içinde artık en küçük varyanslı (etkin) olma özelliğini kaybederler.

Tahmin ediciler sapmalı (biased) hale gelir, bu nedenle katsayı tahminlerinin beklenen değerleri gerçek parametre değerlerinden farklılaşır.

Tahmin ediciler tutarsız (inconsistent) hale gelir ve örneklem hacmi sonsuza gitse dahi tahmin edilen katsayılar gerçek değerlere yakınsamaz.

Gauss-Markov varsayımlarından biri ihlal edildiği için tahmin ediciler doğrusal olma özelliğini kaybeder ve doğrusal olmayan yöntemlerle hesaplanmaları gerekir.

Tahmin ediciler hem sapmasızlık hem de etkinlik (minimum varyans) özelliklerini aynı anda korumaya devam ederler.

Show answer & explanation

Answer: Tahmin ediciler sapmasızlık özelliğini korur ancak doğrusal ve sapmasız tüm tahmin ediciler sınıfı içinde artık en küçük varyanslı (etkin) olma özelliğini kaybederler.

Answer

Tahmin edicilerin sapmasızlık özelliğini koruduğu ancak doğrusal ve sapmasız tahmin ediciler sınıfında artık en küçük varyanslı (etkin) olma özelliğini kaybettiği ifade doğrudur.

Gauss-Markov Teoremi, EKK tahmin edicilerinin doğrusal ve sapmasız tahmin ediciler içerisinde en küçük varyanslı (etkin) olduğunu söyler. Sabit varyans varsayımı ihlal edildiğinde, tahmin ediciler sapmasız kalmaya devam etse de (çünkü sapmasızlık bu varsayıma dayanmaz), artık en küçük varyansa sahip değillerdir; yani BLUE olma özelliklerini kaybederler.

Step-by-Step Solution

1

Gauss-Markov Teoremi'nin gerekliliklerini analiz edin.

Teorem; doğrusallık, sapmasızlık ve etkinlik (minimum varyans) özelliklerini bir arada sunan 'BLUE' (En İyi Doğrusal Sapmasız Tahmin Edici) özelliğini garanti eder.

Bu özelliğin sağlanması için hata terimlerinin sabit varyanslı olması ve aralarında otokorelasyon bulunmaması gerekir.

2

Sabit varyans (homoskedastisite) ihlalinin (heteroskedastisite) etkisini değerlendirin.

Değişen varyans durumunda EKK tahmin edicileri hala sapmasız (unbiased) ve tutarlıdır (consistent).

Sapmasızlık özelliği varyans yapısından bağımsız olarak

E[\epsilon] = 0

varsayımına dayanır.

3

Etkinlik (efficiency) üzerindeki sonucu belirleyin.

Varyans artık minimum değildir, bu nedenle EKK artık 'en iyi' (best) tahmin edici değildir.

Gauss-Markov Teoremi'ne göre minimum varyans özelliği ancak homoskedastisite varsayımı altında geçerlidir.

Key Concept

Gauss-Markov Teoremi ve BLUE Özelliği

Hints

1

BLUE kısaltmasındaki 'B' (Best) harfinin hangi istatistiksel özelliği temsil ettiğini düşünün.

Estimated Time:1m 30s

Question 17Question →

Gauss-Markov Teoremi, klasik doğrusal regresyon modeli varsayımları altında En Küçük Kareler (EKK) tahmin edicilerinin "En İyi Doğrusal Sapmasız Tahmin Edici" (BLUE) olduğunu kanıtlar. Bu teorem çerçevesinde, EKK tahmin edicilerinin doğrusal ve sapmasız tahmin ediciler arasında en küçük varyansa (etkinliğe) sahip olabilmesi için aşağıdakilerden hangisinin sağlanması zorunlu bir koşul *değildir*?

Hata terimlerinin beklenen değerinin sıfır olması (

E[\epsilon_i] = 0

)

Hata terimlerinin sabit varyansa sahip olması (

Var(\epsilon_i) = \sigma^2

)

Farklı gözlemlere ait hata terimleri arasında ilişki olmaması (

Cov(\epsilon_i, \epsilon_j) = 0

)

Hata terimlerinin normal dağılım göstermesi (

\epsilon_i \sim N(0, \sigma^2)

)

Hata terimleri ile bağımsız değişken arasında ilişki olmaması (

Cov(X_i, \epsilon_i) = 0

)

Show answer & explanation

Answer: Hata terimlerinin normal dağılım göstermesi ( $\epsilon_i \sim N(0, \sigma^2)$ )

Answer

Hata terimlerinin normal dağılım göstermesi varsayımı, EKK tahmin edicilerinin BLUE özelliği için bir ön koşul değildir.

Gauss-Markov Teoremi'ne göre, bir tahmin edicinin 'En İyi Doğrusal Sapmasız Tahmin Edici' (BLUE) olabilmesi için temel varsayımların (sıfır beklenen değer, sabit varyans, otokorelasyon yokluğu ve dışsallık) sağlanması yeterlidir. Hata terimlerinin normal dağılımı varsayımı, tahmin edicilerin bu özelliklere sahip olması için bir zorunluluk değildir; bu varsayım klasik normal doğrusal regresyon modelinde sadece katsayılar için t-testi ve model için F-testi gibi hipotez testlerini geçerli kılmak amacıyla kullanılır.

Step-by-Step Solution

1

Gauss-Markov varsayımlarını analiz etme

Doğrusallık, sıfır beklenen hata, sabit varyans, otokorelasyon yokluğu ve X ile hata terimi arasında ilişkisizlik varsayımları tespit edildi.

Teoremin hangi koşullarda geçerli olduğunu belirlemek için varsayımları hatırlamak gerekir.

2

BLUE özelliğinin gerekliliklerini değerlendirme

Doğrusal sapmasızlık ve minimum varyans (etkinlik) özellikleri için normal dağılım şartının aranmadığı belirlendi.

Normal dağılım varsayımı sadece sonlu örneklemlerde parametreler hakkında istatistiksel çıkarım (hipotez testi) yapmak için eklenir.

Key Concept

Gauss-Markov Teoremi ve Normal Dağılım Ayrımı

Estimated Time:1m 30s

Question 18Question →

Bir araştırmacı, bağımsız değişkenin ( $X$ ) değeri sıfır olduğunda bağımlı değişkenin ( $Y$ ) beklenen değerinin de sıfır olması gerektiğini varsayarak $Y_i = \beta X_i + \epsilon_i$ biçiminde, sabit terimi bulunmayan bir regresyon modeli kurmuştur.

EKK (En Küçük Kareler) yöntemiyle tahmin edilen bu modelin istatistiksel özellikleri göz önüne alındığında, aşağıdakilerden hangisi doğrudur?

Modelin hata varyansının (

\hat{\sigma}^2

) sapmasız tahmin edicisi, Hata Kareler Toplamı'nın

n-1

serbestlik derecesine bölünmesiyle elde edilir.

Modelden elde edilen kalıntı değerlerinin cebirsel toplamı, standart regresyon modellerinde olduğu gibi her zaman sıfıra eşittir (

\sum e_i = 0

).

Modelin başarısını ölçen belirtme katsayısı (

R^2

), her durumda sabit terimli modellerdeki

R^2

ile aynı formülle hesaplanır ve doğrudan kıyaslanabilir.

Sabit terimin (kesim noktası) modelden çıkarılması, eğim katsayısı tahmincisinin (

\hat{\beta}

) sapmalı (biased) bir istatistik olmasına yol açar.

Eğim katsayısının anlamlılık testi için kullanılan

t

istatistiği,

n-2

serbestlik derecesine sahip teorik tablo değeri ile karşılaştırılmalıdır.

Show answer & explanation

Answer: Modelin hata varyansının ( $\hat{\sigma}^2$ ) sapmasız tahmin edicisi, Hata Kareler Toplamı'nın $n-1$ serbestlik derecesine bölünmesiyle elde edilir.

Answer

Hata varyansının sapmasız tahmini için Hata Kareler Toplamı'nın

n-1

serbestlik derecesine bölünmesi gerekmektedir.

Orijinden geçen

Y_i = \beta X_i + \epsilon_i

modelinde sadece bir parametre (

\beta

) tahmin edildiği için, hata varyansı

\hat{\sigma}^2 = \frac{\sum e_i^2}{n-1}

formülü ile sapmasız olarak hesaplanır. Bu, modelin serbestlik derecesinin

n-1

olduğunu gösterir.

Step-by-Step Solution

1

Modeldeki parametre sayısını belirle.

Modelde sadece eğim katsayısı (

\beta

) tahmin edilmektedir; sabit terim (

\alpha

) sıfır kabul edilmiştir.

Serbestlik derecesi, gözlem sayısından tahmin edilen parametre sayısının çıkarılmasıyla bulunur.

2

Hata varyansı için serbestlik derecesini hesapla.

df = n - 1

.

Sadece bir katsayı (

\beta

) tahmin edildiği için kısıt sayısı 1'dir.

3

Diğer model özelliklerini kontrol et.

Orijinden geçen modelde normal denklemlerden

\sum e_i X_i = 0

elde edilirken,

\sum e_i = 0

şartı her zaman sağlanmaz. Ayrıca

R^2

tanımı verinin ortalamadan sapmaları yerine ham kareler toplamına dayanır.

Modelde sabit terim olmadığı için regresyon doğrusu

(\bar{x}, \bar{y})

noktasından geçmek zorunda değildir.

Key Concept

Orijinden geçen regresyon modellerinde serbestlik derecesi kaybı sadece tahmin edilen eğim katsayısı kadardır (

n-1

).

Alternative Method

Normal denklemleri yazarak (

\sum e_i X_i = 0

) bu denklemin

\sum e_i = 0

sonucunu doğurup doğurmadığını kontrol ederek kısıtların farkını görebilirsiniz.

Estimated Time:1m 30s

Question 19Question →

Bir eğitim araştırmacısı, 18 öğrencinin günlük çalışma süreleri ( $X$ ) ile sınav puanları ( $Y$ ) arasındaki ilişkiyi incelemek amacıyla basit doğrusal regresyon analizi yapmıştır. Yapılan analiz sonucunda elde edilen bazı değerler aşağıdaki tabloda sunulmuştur:

Parametre	Değer
Örneklem Hacmi ( $n$ )	18
Genel Kareler Toplamı ( $GKT$ )	400
Regresyon Kareler Toplamı ( $RKT$ )	256

Buna göre, bu regresyon modelinin standart hatası ( $s_e$ ) kaçtır?

3

4

9

2,91

2,83

Show answer & explanation

Answer: 3

Answer

Verilen bilgilere göre regresyonun standart hatası 3'tür.

Doğru cevap olan 3 değeri, modelin toplam hata değişkenliği olan 144 birimin, doğru serbestlik derecesi olan 16'ya (

18-2

) bölünmesiyle elde edilen 9 (varyans) değerinin kareköküdür.

Step-by-Step Solution

1

Hata Kareler Toplamının (

HKT

) hesaplanması

HKT = GKT - RKT = 400 - 256 = 144

Regresyonun standart hatasını bulmak için öncelikle modelin açıklayamadığı değişkenliği temsil eden hata kareler toplamına ihtiyaç duyulur.

2

Hata varyansının (

s^2

) tahmini

s^2 = \frac{HKT}{n-2} = \frac{144}{18-2} = \frac{144}{16} = 9

Basit doğrusal regresyonda hata varyansı,

HKT

'nin serbestlik derecesine (

n-2

) bölünmesiyle elde edilen sapmasız bir tahmin edicidir.

3

Regresyonun standart hatasının (

s_e

) hesaplanması

s_e = \sqrt{s^2} = \sqrt{9} = 3

Standart hata, varyansın karekökü alınarak bulunur.

Key Concept

Basit doğrusal regresyonda hata varyansı tahmini ve standart hata hesaplanırken serbestlik derecesinin

n-2

olarak kullanılması kritiktir.

Estimated Time:1m 30s

Question 20Question →

Bir araştırmacı, $n = 25$ gözlem içeren bir veri setiyle basit doğrusal regresyon modeli tahmin etmiştir. Model sonuçlarına göre hata kareler ortalaması ( $s_e^2$ ) $45$ , bağımsız değişkenin ortalaması ( $\bar{X}$ ) $50$ ve bağımsız değişkenin ortalamadan sapma kareler toplamı ( $\sum (X_i - \bar{X})^2$ ) $100$ olarak bulunmuştur.

Buna göre, bağımsız değişkenin $X_0 = 54$ değeri için bağımlı değişkenin bireysel değerinin tahmin standart hatası kaçtır?

3

3\sqrt{6}

3\sqrt{5}

\sqrt{45}

54

Show answer & explanation

Answer: $3\sqrt{6}$

Answer

Bireysel değerin tahmin standart hatası

3\sqrt{6}

birimdir.

Doğru yanıt olan

3\sqrt{6}

değeri, bireysel tahmin varyansı formülü kullanılarak elde edilir. Formüldeki

s_e^2 [1 + 1/n + (X_0-\bar{X})^2/SS_x]

yapısında tüm bileşenler (

45 \times 1,2 = 54

) doğru hesaplandığında ve karekökü alındığında bu sonuca ulaşılır.

Step-by-Step Solution

1

Bireysel değerin tahmin varyansı formülünü belirleyiniz.

Var(\hat{y}_{ind}) = s_e^2 \left[ 1 + \frac{1}{n} + \frac{(X_0 - \bar{X})^2}{\sum (X_i - \bar{X})^2} \right]

Bireysel değer tahmini, ortalama değer kestiriminden farklı olarak modelin hata teriminden kaynaklanan varyansı (

1

katsayısı ile temsil edilir) da kapsar.

2

Verilen değerleri formülde yerine yerleştiriniz.

Var(\hat{y}_{ind}) = 45 \times \left[ 1 + \frac{1}{25} + \frac{(54 - 50)^2}{100} \right]

Nokta tahmini etrafındaki belirsizliği hesaplamak için model istatistikleri kullanılır.

3

Parantez içindeki ifadeyi hesaplayınız.

1 + 0,04 + \frac{16}{100} = 1 + 0,04 + 0,16 = 1,20

Örneklem büyüklüğü ve tahmin noktasının ortalamadan uzaklığı varyansı artırıcı etki yapar.

4

Varyansı ve ardından standart hatayı bulunuz.

Varyans = 45 \times 1,2 = 54

Standart Hata = \sqrt{54} = 3\sqrt{6}

Varyansın karekökü ilgili tahminin standart hatasını verir.

Key Concept

Bireysel değer tahmini ile ortalama değer kestirimi arasındaki temel fark, bireysel tahminin hata teriminin varyansını (

σ^2

) da içermesi nedeniyle her zaman daha geniş bir hata sınırına sahip olmasıdır.

Practice More

Benzer bir soruda ortalama değer için %95 güven aralığı hesaplayarak aralık genişliklerini karşılaştırınız.

Estimated Time:1m 40s

Basit Doğrusal Regresyon Analizi

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Alternative Method

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Hints

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes