Basit Doğrusal Regresyon Analizi Practice Questions — KPSS İstatistik — Page 4

Question 61Question →

Klasik Doğrusal Regresyon Modeli varsayımları altında Gauss-Markov Teoremi, En Küçük Kareler ( $EKK$ ) tahmin edicilerinin "En İyi Doğrusal Sapmasız Tahmin Edici" ( $BLUE$ ) olduğunu ifade eder. Modelde hata terimleri arasında otokorelasyon ( $Cov(\epsilon_i, \epsilon_j) \neq 0$ ) bulunması durumunda, $EKK$ tahmin edicilerinin özellikleri ile ilgili aşağıdakilerden hangisi doğrudur?

Tahmin ediciler doğrusal ve sapmasız olmaya devam eder, ancak artık "en iyi" (minimum varyanslı) değildirler.

Tahmin ediciler sapmalı (

biased

) hale gelir ve parametre değerlerini sistematik olarak yanlış tahmin eder.

Tahmin edicilerin sapmasızlığı korunur ancak tahmin edicinin formülü artık doğrusal değildir.

Tahmin ediciler hem sapmalı hem de tutarsız (

inconsistent

) hale gelerek geçerliliğini tamamen yitirir.

Gauss-Markov teoremi gereği, hata terimleri normal dağılmadığı sürece tahmin ediciler sapmasızlık özelliğini kaybeder.

Show answer & explanation

Answer: Tahmin ediciler doğrusal ve sapmasız olmaya devam eder, ancak artık "en iyi" (minimum varyanslı) değildirler.

Answer

Hata terimleri arasında otokorelasyon olduğunda En Küçük Kareler tahmin edicileri doğrusal ve sapmasız kalmaya devam eder, ancak artık minimum varyanslı (en iyi) olma özelliğini kaybederler.

Gauss-Markov Teoremi'ne göre, klasik varsayımların (sabit varyans ve otokorelasyon yokluğu dahil) sağlanması durumunda

EKK

tahmin edicileri minimum varyanslıdır. Otokorelasyon varsayımı ihlal edildiğinde, tahmin edicinin formülü değişmediği için doğrusallık ve beklenen değer değişmediği için sapmasızlık özellikleri korunur. Ancak, bu koşullar altında

EKK

tahmin edicisi artık tüm doğrusal sapmasız tahmin ediciler içinde en küçük varyansa sahip olan (yani en iyi) tahmin edici değildir.

Step-by-Step Solution

1

Otokorelasyonun (

Cov(\epsilon_i, \epsilon_j) \neq 0

) Gauss-Markov varsayımları üzerindeki etkisini belirle.

Gauss-Markov Teoremi'nin geçerli olması için hata terimlerinin ardışık bağımsız olması (otokorelasyon olmaması) ve sabit varyanslı olması gerekir.

Teorem, 'En İyi' (Best) özelliğinin sağlanması için bu varsayımlara ihtiyaç duyar.

2

Tahmin edicinin özelliklerini (Doğrusallık, Sapmasızlık, Etkinlik) ihlal ışığında değerlendir.

EKK

tahmin edicisi hala bağımlı değişkenin doğrusal bir fonksiyonudur ve beklenen değeri hala gerçek parametre değerine eşittir (

E[\hat{\beta}] = \beta

).

Sapmasızlık için

E(\epsilon) = 0

ve

X

ile

\epsilon

arasında ilişki olmaması yeterlidir; otokorelasyon bu özellikleri bozmaz.

3

Varyans yapısını analiz ederek BLUE statüsünü kontrol et.

Otokorelasyon varlığında

EKK

varyansı artık minimum değildir; dolayısıyla tahmin edici artık 'Etkin' (Best) değildir.

Varyans-kovaryans matrisinin yapısı değiştiği için başka bir doğrusal sapmasız tahmin edici (örneğin Genelleştirilmiş En Küçük Kareler - GEKK) daha düşük varyans sağlayabilir.

Key Concept

Gauss-Markov Teoremi ve Varsayım İhlalleri

Hints

1

BLUE

kısaltmasındaki her bir harfin (Best, Linear, Unbiased Estimator) neyi ifade ettiğini ve hangi varsayımlara dayandığını düşünün.

2

Bir tahmin edicinin sapmasız olması için hata terimlerinin ortalamasının sıfır olması yeterlidir. Hatalar arasındaki ilişki (otokorelasyon) sadece tahminin hassasiyetini (varyansını) etkiler.

3

Otokorelasyon varlığında

EKK

hala sapmasızdır, ancak artık 'En İyi' değildir. Çünkü bu durumda Genelleştirilmiş En Küçük Kareler (

GEKK

) yöntemi daha düşük varyanslı sonuçlar verir.

Practice More

Değişen varyans (heteroskedastisite) durumunda

EKK

tahmin edicilerinin

BLUE

özelliğinin nasıl etkilendiğini de inceleyebilirsiniz; sonuç otokorelasyon ile benzerdir.

Estimated Time:1m 30s

Question 62Question →

Bir enerji uzmanı, aylık elektrik tüketimi ( $Y$ ) ile ortalama dış ortam sıcaklığı ( $X$ ) arasındaki ilişkiyi analiz etmek amacıyla $n = 10$ gözlem kullanarak basit doğrusal regresyon modeli tahmin etmiştir. Analiz sonucunda elde edilen veriler şu şekildedir:

* $\bar{X} = 20$
* $\sum (X_i - \bar{X})^2 = 40$
* Hata Kareler Toplamı ( $HKT$ ) = 200

Buna göre, $X_0 = 22$ sıcaklık değeri için tahmin edilen ortalama tüketim değerinin ve bireysel tüketim değerinin kestirim standart hataları sırasıyla aşağıdakilerden hangisidir?

\sqrt{5}

ve

\sqrt{30}

\sqrt{30}

ve

\sqrt{5}

2

ve

\sqrt{24}

\sqrt{4,44}

ve

\sqrt{26,67}

5

ve

30

Show answer & explanation

Answer: $\sqrt{5}$ ve $\sqrt{30}$

Answer

Ortalama tüketim değeri için kestirim standart hatası

\sqrt{5}

, bireysel tüketim değeri için ise

\sqrt{30}

'dur.

Doğru yanıt olan ifadede belirtilen değerler, hata varyansının

200/8=25

olarak hesaplanması ve ardından ortalama değer varyansının

25 \times (0,1 + 0,1) = 5

, bireysel değer varyansının ise

25 \times (1 + 0,1 + 0,1) = 30

olarak bulunmasıyla elde edilmiştir. Standart hatalar bu değerlerin karekökleridir.

Step-by-Step Solution

1

Regresyonun standart hatasının karesi olan hata varyansını (

s^2

veya

MSE

) hesaplayınız.

s^2 = \frac{HKT}{n-2} = \frac{200}{10-2} = \frac{200}{8} = 25

Basit doğrusal regresyonda hata varyansı tahmini için serbestlik derecesi

n-2

olarak alınır.

2

Ortalama değer kestirimi (

E(Y|X_0)

) için varyans formülünü uygulayınız.

Var(\hat{Y}_0) = s^2 \left[ \frac{1}{n} + \frac{(X_0 - \bar{X})^2}{\sum(X_i - \bar{X})^2} \right] = 25 \left[ \frac{1}{10} + \frac{(22 - 20)^2}{40} \right] = 25 \left[ 0,1 + \frac{4}{40} \right] = 25 \times 0,2 = 5

Ortalama değerin kestirim varyansı, modeldeki belirsizliği yansıtan formülle hesaplanır.

3

Bireysel değer kestirimi (

Y_0

) için varyans formülünü uygulayınız.

Var(Y_0 - \hat{Y}_0) = s^2 \left[ 1 + \frac{1}{n} + \frac{(X_0 - \bar{X})^2}{\sum(X_i - \bar{X})^2} \right] = 25 \times [1 + 0,2] = 25 \times 1,2 = 30

Bireysel değerin kestirimi, modeldeki belirsizliğe ek olarak bireysel gözlemin hata teriminden kaynaklanan varyansını (

s^2

) da içerir.

4

Varyans değerlerinden standart hataları elde ediniz.

SH_{ort} = \sqrt{5}

ve

SH_{bir} = \sqrt{30}

Standart hata, varyansın kareköküdür.

Key Concept

Basit doğrusal regresyonda, belirli bir

X_0

değeri için bireysel değerin kestirim aralığı, ortalama değerin güven aralığından her zaman daha geniştir çünkü bireysel değer tahmininde model hatasına ek olarak gözlem hatası da dikkate alınır.

Question 63Question →

Bir lojistik firması, araçların katedettiği toplam mesafe ( $X$ , bin km) ile yıllık bakım onarım masrafları ( $Y$ , bin TL) arasındaki ilişkiyi $n = 10$ araçtan oluşan bir örneklem üzerinden basit doğrusal regresyon analizi ile incelemiştir. Yapılan analiz sonucunda aşağıdaki özet istatistiklere ulaşılmıştır:

- $\bar{X} = 60$
- $\sum (X_i - \bar{X})^2 = 40$
- Hata Kareler Toplamı ( $HKT$ ) = 40
- Tahmin edilen regresyon modeli: $\hat{Y} = 15 + 2X$

Buna göre, katedilen mesafenin $62$ bin km ( $X_0 = 62$ ) olduğu bir araç için bireysel (tekil) masraf tahmininin standart hatası ( $s_{pred}$ ) ve ortalama masraf kestiriminin standart hatası ( $s_{\hat{y}_0}$ ) değerleri sırasıyla aşağıdakilerden hangisidir?

\sqrt{6}

ve

1

1

ve

\sqrt{6}

\sqrt{4,8}

ve

\sqrt{0,8}

\sqrt{5}

ve

1

\sqrt{12}

ve

\sqrt{2}

Show answer & explanation

Answer: $\sqrt{6}$ ve $1$

Answer

Bireysel masraf tahmininin standart hatası

\sqrt{6}

, ortalama masraf kestiriminin standart hatası ise

1

'dir.

Verilen değerlerle hata varyansı

5

olarak hesaplanır.

X_0=62

noktası için formül uygulandığında ortalama değerin standart hatası

\sqrt{5 \times 0,2}=1

bulunurken, bireysel değer için bu hata

\sqrt{5 \times (1+0,2)}=\sqrt{6}

olarak bulunur. Bu durum, bireysel tahminlerin ortalama değer kestirimlerine göre daha yüksek belirsizlik taşıdığını gösterir.

Step-by-Step Solution

1

Regresyonun standart hatasının (

s_e

) karesini (hata varyansı tahmini) hesaplayın.

s_e^2 = \frac{HKT}{n-2} = \frac{40}{10-2} = \frac{40}{8} = 5

Basit doğrusal regresyonda hata varyansı, Hata Kareler Toplamı'nın serbestlik derecesine (

n-2

) bölünmesiyle bulunur.

2

Kestirim/Tahmin noktası için standart hata çarpanını belirleyin.

\frac{1}{n} + \frac{(X_0 - \bar{X})^2}{\sum (X_i - \bar{X})^2} = \frac{1}{10} + \frac{(62-60)^2}{40} = 0,1 + \frac{4}{40} = 0,1 + 0,1 = 0,2

Bu çarpan, belirli bir

X_0

noktasındaki tahminin örnekleme varyansını yansıtır.

3

Ortalama değer kestirimi için standart hatayı (

s_{\hat{y}_0}

) hesaplayın.

s_{\hat{y}_0} = \sqrt{s_e^2 \times 0,2} = \sqrt{5 \times 0,2} = \sqrt{1} = 1

Ortalama değerin kestirim hatası, regresyon doğrusunun o noktadaki konumunun belirsizliğini temsil eder.

4

Bireysel değer tahmini için standart hatayı (

s_{pred}

) hesaplayın.

s_{pred} = \sqrt{s_e^2 \times (1 + 0,2)} = \sqrt{5 \times 1,2} = \sqrt{6}

Bireysel değer tahmini, hem regresyon doğrusundaki belirsizliği hem de tekil birimin hata teriminden kaynaklanan kendi varyansını içerir; bu nedenle formüle '+1' eklenir.

Key Concept

Bireysel tahmin aralığı her zaman ortalama değer güven aralığından daha geniştir çünkü bireysel tahminde hem parametre kestirim hatası hem de tesadüfi hata teriminin varyansı toplanır.

Question 64Question →

Basit doğrusal regresyon analizinde, Gauss-Markov varsayımlarının (doğrusallık, sıfır hata ortalaması, sabit varyans ve otokorelasyon olmaması) tam olarak sağlandığı, ancak hata terimlerinin normal dağılım göstermediği bir durumda, elde edilen En Küçük Kareler (EKK) tahmin edicileri ve modelin anlamlılık testleri hakkında aşağıdakilerden hangisi söylenebilir?

Tahmin ediciler En İyi Doğrusal Sapmasız Tahmin Edici (BLUE) olma özelliğini korur; ancak

t

ve

F

testleri gibi istatistiksel çıkarımlar küçük örneklemlerde geçersiz hale gelir.

Tahmin ediciler sapmasızlık özelliğini kaybeder ve bu durum modelin tüm katsayılarının yanlı tahmin edilmesine yol açar.

Hata terimlerinin normal dağılmaması doğrudan değişen varyans (heteroskedastisite) sorununa yol açtığı için tahmin ediciler etkinliğini kaybeder.

Gauss-Markov varsayımları normallik şartını da içerdiğinden, tahmin ediciler artık en küçük varyanslı doğrusal sapmasız tahmin edici (BLUE) değildir.

Normallik varsayımı sağlanmadığı takdirde Durbin-Watson istatistiği hesaplanamaz ve modelde otokorelasyon olup olmadığı test edilemez.

Show answer & explanation

Answer: Tahmin ediciler En İyi Doğrusal Sapmasız Tahmin Edici (BLUE) olma özelliğini korur; ancak $t$ ve $F$ testleri gibi istatistiksel çıkarımlar küçük örneklemlerde geçersiz hale gelir.

Answer

EKK tahmin edicileri BLUE olma özelliğini korurken, normallik varsayımının ihlali nedeniyle küçük örneklemlerde t ve F testleri geçersiz kalır.

Gauss-Markov varsayımları (doğrusallık, sapmasızlık, sabit varyans, otokorelasyon yokluğu) sağlandığında, EKK tahmin edicileri normallik varsayımına ihtiyaç duymadan BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olma özelliğini korur. Ancak, model katsayıları üzerinde yapılan

t

ve

F

testleri, hata terimlerinin normal dağıldığı varsayımı üzerine inşa edilmiştir. Bu nedenle normallik sağlanmadığında, özellikle küçük örneklemlerde bu testler ve güven aralıkları istatistiksel olarak geçerliliğini yitirir.

Step-by-Step Solution

1

Gauss-Markov teoreminin kapsamını incelemek.

Teorem; doğrusallık, sıfır hata ortalaması, sabit varyans ve otokorelasyon olmaması durumunda EKK tahmin edicilerinin BLUE olduğunu kanıtlar.

BLUE özelliği için hata terimlerinin dağılım şeklinin (normal vb.) bilinmesi gerekmez.

2

Normallik varsayımının amacını belirlemek.

Normallik varsayımı, katsayı tahmin edicilerinin örnekleme dağılımının da normal olmasını sağlar.

İstatistiksel çıkarımlar (

t

ve

F

testleri), tahmin edicilerin belirli bir dağılıma (normal, t, F) uyduğu varsayımıyla yapılır.

3

Normallik ihlalinin sonucunu analiz etmek.

Tahmin ediciler hala en iyi ve sapmasızdır; ancak çıkarım süreci (hipotez testleri) küçük örneklemlerde hatalı sonuçlar verebilir.

Merkezi Limit Teoremi uyarınca çok büyük örneklemlerde bu sorun azalsa da, teorik olarak normallik varsayımı çıkarım için gereklidir.

Key Concept

Normallik Varsayımı vs. Gauss-Markov Teoremi

Hints

1

Gauss-Markov teoreminin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) sonucuna ulaşmak için normallik varsayımını kullanıp kullanmadığını hatırlayın.

2

Regresyonda

t

ve

F

testlerinin hangi dağılım varsayımları altında türetildiğini düşünün.

Practice More

Klasik Doğrusal Regresyon Modeli'nde normallik varsayımının Merkezi Limit Teoremi ile olan ilişkisini inceleyebilirsiniz.

Estimated Time:1m 30s

Question 65Question →

Bir enerji uzmanı, $n = 18$ kamu binasının yıllık elektrik tüketimi ( $Y$ ) ile bina kullanım alanı ( $X$ ) arasındaki ilişkiyi basit doğrusal regresyon analizi ile incelemiştir. Analiz sonucunda oluşturulan varyans analizi (ANOVA) tablosunun bir kısmı aşağıda verilmiştir:

Varyans Kaynağı	Serbestlik Derecesi (sd)	Kareler Toplamı (KT)	Kareler Ortalaması (KO)	$F$
Regresyon	1	120	?	?
Hata	?	160	?
Toplam	?	280

Buna göre, modelin genel anlamlılığını test etmek amacıyla kullanılan hesaplanmış $F$ istatistiği değeri aşağıdakilerden hangisidir?

12,00

12,75

13,50

28,00

0,08

Show answer & explanation

Answer: 12,00

Answer

Modelin genel anlamlılığını test eden

F

istatistiği değeri 12,00 olarak hesaplanır.

Varyans analizi tablosunda

F

değeri, Regresyon Kareler Ortalamasının (

KO_{Regresyon}

) Hata Kareler Ortalamasına (

KO_{Hata}

) bölünmesiyle bulunur.

n=18

için hata serbestlik derecesi

18-2=16

olur. Buradan

KO_{Hata} = 160/16 = 10

ve

KO_{Regresyon} = 120/1 = 120

bulunur. Nihai olarak

F = 120/10 = 12,00

sonucuna ulaşılır.

Step-by-Step Solution

1

Hata serbestlik derecesinin hesaplanması

sd_{hata} = n - 2 = 18 - 2 = 16

Basit doğrusal regresyonda iki parametre (

\beta_0

ve

\beta_1

) tahmin edildiği için hata serbestlik derecesi

n-2

olur.

2

Regresyon Kareler Ortalamasının (KO_Regresyon) hesaplanması

KO_{Regresyon} = KT_{Regresyon} / sd_{Regresyon} = 120 / 1 = 120

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

3

Hata Kareler Ortalamasının (KO_Hata) hesaplanması

KO_{Hata} = KT_{Hata} / sd_{Hata} = 160 / 16 = 10

Hata varyansının tahmin edicisi olan hata kareler ortalaması için hata kareler toplamı hata serbestlik derecesine bölünür.

4

F

istatistiğinin hesaplanması

F = KO_{Regresyon} / KO_{Hata} = 120 / 10 = 12

F

istatistiği, açıklanan varyansın (regresyon) açıklanamayan varyansa (hata) oranını temsil eder.

Key Concept

ANOVA tablosunda

F

istatistiği, Regresyon Kareler Ortalamasının Hata Kareler Ortalamasına bölünmesiyle elde edilir ve modelin genel anlamlılığını test eder.

Question 66Question →

Bir tarım uzmanı, kullanılan gübre miktarı ( $X$ ) ile elde edilen ürün verimi ( $Y$ ) arasındaki ilişkiyi incelemek amacıyla 17 gözlem birimi kullanarak basit doğrusal regresyon modeli tahmin etmiştir. Analiz sonucunda Hata Kareler Toplamı ( $HKT$ ) 60 olarak hesaplanmıştır. Buna göre, bu regresyon modelinin standart hatası ( $S_e$ ) kaçtır?

2

4

1,94

1,88

7,75

Show answer & explanation

Answer: 2

Answer

Basit doğrusal regresyon modelinin standart hatası 2 olarak bulunur.

Regresyonun standart hatası (

S_e

), modeldeki hataların değişkenliğini ölçer ve hata varyansının karekökü alınarak hesaplanır. Basit doğrusal regresyonda hata varyansı, Hata Kareler Toplamı'nın (

HKT

) serbestlik derecesine (

n-2

) bölünmesiyle bulunur. Bu soruda

n=17

olduğu için serbestlik derecesi

15

olur.

60 / 15 = 4

değeri hata varyansını verir; bu değerin karekökü olan 2 ise regresyonun standart hatasıdır.

Step-by-Step Solution

1

Serbestlik derecesini belirleyin.

sd = n - 2 = 17 - 2 = 15

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

n-2

olur.

2

Hata varyansını (Hata Kareler Ortalaması) hesaplayın.

\hat{\sigma}^2 = \frac{HKT}{n-2} = \frac{60}{15} = 4

Hata varyansı, Hata Kareler Toplamı'nın ilgili serbestlik derecesine bölünmesiyle elde edilen sapmasız bir tahmin edicidir.

3

Regresyonun standart hatasını hesaplayın.

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

Regresyonun standart hatası, hata varyansının pozitif kareköküdür.

Key Concept

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

n-2

olarak kullanılması esastır.

Practice More

Regresyonun standart hatasının, bağımsız değişkenin (

X

) katsayısının standart hatasıyla (

S_{\beta_1}

) olan ilişkisini inceleyebilirsiniz.

Estimated Time:45s

Question 67Question →

Klasik Doğrusal Regresyon Modeli ( $KDRM$ ) çerçevesinde Gauss-Markov teoremi, belirli varsayımlar altında En Küçük Kareler ( $EKK$ ) tahmin edicilerinin "En İyi Doğrusal Sapmasız Tahmin Edici" ( $BLUE$ ) olduğunu kanıtlar. Bu teoremde geçen "En İyi" ( $Best$ ) sıfatı, tahmin edicinin aşağıdaki özelliklerinden hangisini doğrudan tanımlamaktadır?

Tahmin edicinin beklenen değerinin, tahmin edilmeye çalışılan kitle parametresine eşit olması

Doğrusal ve sapmasız tüm tahmin ediciler kümesi içerisinde minimum varyansa sahip olması

Örneklem hacmi sonsuza giderken tahmin edicinin gerçek parametre değerine olasılıkla yakınsaması

Tahmin edicinin bağımlı değişken gözlemlerinin (

Y_i

) doğrusal bir bileşimi olarak ifade edilebilmesi

Hata terimlerinin normal dağılması durumunda elde edilebilecek en yüksek olabilirlik tahmin edicisi olması

Show answer & explanation

Answer: Doğrusal ve sapmasız tüm tahmin ediciler kümesi içerisinde minimum varyansa sahip olması

Answer

İstatistikte ve Gauss-Markov teoremi özelinde 'En İyi' (Best) terimi, doğrusal ve sapmasız tahmin ediciler sınıfı içinde tahmin edicinin minimum varyansa sahip olduğunu, yani en yüksek etkinliğe (efficiency) ulaştığını ifade eder.

Gauss-Markov teoremindeki 'En İyi' (Best) ifadesi, etkinlik (efficiency) kavramına karşılık gelir. Bu, En Küçük Kareler tahmin edicilerinin, doğrusal ve sapmasız olan tüm alternatif tahmin ediciler arasında en küçük varyansa sahip olduğu anlamına gelir.

Step-by-Step Solution

1

BLUE kısaltmasının bileşenlerini analiz etme

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

Teorideki her bir harfin farklı bir istatistiksel özelliği temsil ettiğini ayırt etmek gerekir.

2

Gauss-Markov teoreminin sonucunu yorumlama

Teorem, varsayımlar sağlandığında

EKK

tahmin edicilerinin varyansının, diğer tüm doğrusal ve sapmasız tahmin edicilerin varyansından daha küçük veya onlara eşit olduğunu söyler.

Etkinlik (Efficiency) kavramı, sapmasız tahmin ediciler arasında varyansı en küçük olanı bulma sürecidir.

Key Concept

Etkinlik (Efficiency) ve Minimum Varyans

Question 68Question →

Bir kamu ekonomisti, $n = 22$ belediyenin yıllık altyapı harcamaları ( $X$ ) ile yerel ekonomik büyüme oranları ( $Y$ ) arasındaki ilişkiyi basit doğrusal regresyon analizi ile incelemektedir. Analiz sonucunda oluşturulan varyans analizi (ANOVA) tablosunda Regresyon Kareler Toplamı ( $RKT$ ) $120$ ve Hata Kareler Toplamı ( $HKT$ ) $240$ olarak hesaplanmıştır.

Buna göre, modelin genel anlamlılığını test etmek amacıyla kullanılacak olan $F$ hesap istatistiğinin değeri kaçtır?

10,0

10,5

11,0

5,0

0,5

Show answer & explanation

Answer: 10,0

Answer

Modelin genel anlamlılığı için hesaplanan

F

istatistiği

10,0

değerine eşittir.

Modelin genel anlamlılığını test etmek için kullanılan F istatistiği, Regresyon Kareler Ortalamasının (

RKO

) Hata Kareler Ortalamasına (

HKO

) bölünmesiyle hesaplanır.

n=22

olduğu için hata serbestlik derecesi

22-2=20

olur.

RKO = 120/1 = 120

ve

HKO = 240/20 = 12

değerleri bulunduktan sonra,

120/12 = 10,0

sonucuna ulaşılır.

Step-by-Step Solution

1

Regresyon ve hata serbestlik derecelerini belirleyin.

sd_{reg} = 1

ve

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

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

n-2

formülüyle bulunur.

2

Kareler Ortalaması (KO) değerlerini hesaplayın.

RKO = RKT / sd_{reg} = 120 / 1 = 120

ve

HKO = HKT / sd_{hata} = 240 / 20 = 12

F istatistiğine ulaşmak için kareler toplamlarının ilgili serbestlik derecelerine bölünerek ortalamalarının bulunması gerekir.

3

F hesap istatistiğini bulun.

F = RKO / HKO = 120 / 12 = 10,0

F istatistiği, regresyon kareler ortalamasının hata kareler ortalamasına bölünmesiyle elde edilir.

Key Concept

Regresyonda F Testi

Practice More

F istatistiği ile belirtme katsayısı (

R^2

) arasındaki ilişkiyi kullanarak aynı sonucu bulmayı deneyebilirsiniz.

Estimated Time:45s

Question 69Question →

Bir ziraat mühendisi, $n = 25$ farklı parselde kullanılan gübre miktarı ( $X$ ) ile elde edilen ürün miktarı ( $Y$ ) arasındaki ilişkiyi basit doğrusal regresyon analizi ile incelemiştir. Analiz sonucunda elde edilen varyans analizi (ANOVA) tablosunun bir kısmı aşağıda verilmiştir:

Varyans Kaynağı	Kareler Toplamı	Serbestlik Derecesi	Kareler Ortalaması
Regresyon	$200$	$1$	$200$
Hata	$460$	$-$	$-$
Toplam	$660$	$-$

Buna göre, regresyon modelinin genel anlamlılığının test edilmesinde kullanılacak olan $F$ hesap istatistiğinin değeri kaçtır?

10,00

10,43

10,87

23,00

33,00

Show answer & explanation

Answer: $10,00$

Answer

Regresyon modelinin genel anlamlılık testi için kullanılan

F

hesap istatistiğinin değeri

10,00

dır.

F

istatistiği, Regresyon Kareler Ortalamasının (

MSR

) Hata Kareler Ortalamasına (

MSE

) bölünmesiyle hesaplanır. Tablodan

MSR = 200

olduğu görülmektedir.

MSE

değerini bulmak için Hata Kareler Toplamı (

460

), hata serbestlik derecesine (

n-2 = 23

) bölünür ve

20

elde edilir. Sonuç olarak

F = 200 / 20 = 10

olur.

Step-by-Step Solution

1

Hata serbestlik derecesini hesapla

df_{hata} = n - 2 = 25 - 2 = 23

Basit doğrusal regresyonda iki parametre (

\beta_0

ve

\beta_1

) tahmin edildiği için hata serbestlik derecesi

n-2

olur.

2

Hata Kareler Ortalamasını (

MSE

) hesapla

MSE = \frac{HKT}{df_{hata}} = \frac{460}{23} = 20

Kareler ortalaması, ilgili kareler toplamının serbestlik derecesine bölünmesiyle bulunur.

3

F

hesap istatistiğini hesapla

F = \frac{MSR}{MSE} = \frac{200}{20} = 10

F

istatistiği, model tarafından açıklanan varyansın (Regresyon Kareler Ortalaması) açıklanamayan varyansa (Hata Kareler Ortalaması) oranıdır.

Key Concept

Regresyonda ANOVA tablosu ve F-testi istatistiğinin hesaplanması

Question 70Question →

$Y_i = \beta X_i + u_i$ şeklinde ifade edilen, sabit terimi bulunmayan (orijinden geçen) basit doğrusal regresyon modeli ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Modelden elde edilen hata terimi varyansının (

s^2

) hesaplanmasında serbestlik derecesi

n-1

olarak alınır.

Tahmin edilen kalıntıların toplamı her zaman sıfıra eşittir (

∑ e_i = 0

).

Regresyon doğrusu her zaman

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

ağırlık merkezinden geçer.

Hata varyansının yansız bir tahmincisini elde etmek için Hata Kareler Toplamı

n-2

değerine bölünür.

Bu modelde hesaplanan Belirtme Katsayısı (

R^2

), standart regresyon modeli ile her zaman aynı değerde çıkar.

Show answer & explanation

Answer: Modelden elde edilen hata terimi varyansının ( $s^2$ ) hesaplanmasında serbestlik derecesi $n-1$ olarak alınır.

Answer

Orijinden geçen regresyon modelinde serbestlik derecesi

n-1

olarak alınır.

Orijinden geçen basit doğrusal regresyon modelinde sadece eğim katsayısı (

\beta

) tahmin edildiği için, hata varyansının (

s^2

) yansız bir tahmincisini elde etmek için kullanılan serbestlik derecesi

n-1

değerine eşittir.

Step-by-Step Solution

1

Modelin parametre sayısını belirle.

Model

Y_i = \beta X_i + u_i

formundadır ve sadece bir adet parametre (

\beta

) tahmin edilmektedir.

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

2

Hata varyansı formülünü uygula.

s^2 = \frac{HKT}{n-k}

formülünde

k=1

olduğu için payda

n-1

olur.

Varyansın yansız bir tahmincisi için Hata Kareler Toplamı'nın doğru serbestlik derecesine bölünmesi şarttır.

Key Concept

Orijinden geçen regresyon modelinde serbestlik derecesi ve parametre tahmini

Practice More

Orijinden geçen modellerde kalıntıların çarpım toplamının (

\sum e_i X_i

) neden sıfıra eşit olduğunu inceleyebilirsiniz.

Estimated Time:45s

Question 71Question →

Regresyon katsayılarının standart hatalarının hesaplanması ve parametreler üzerinde hipotez testlerinin (anlamlılık testleri) yürütülebilmesi için modelin hata terimlerine dair belirli bir dağılımsal varsayım yapılması gerekmektedir. Gauss-Markov teoremi katsayıların 'En İyi Doğrusal Sapmasız Tahmin Edici' (BLUE) olma özelliğini açıklarken, istatistiksel çıkarım süreci için zorunlu olan bu ek varsayıma odaklanmaz.

Buna göre, regresyon analizinde katsayılar için güven aralıkları ve anlamlılık testleri ( $t$ ve $F$ testleri) oluşturulurken hata terimlerine ( $\epsilon_i$ ) atfedilen bu kritik varsayım aşağıdakilerden hangisidir?

Hata terimlerinin normal dağılıma uygunluk göstermesi

Hata terimleri arasında otokorelasyonun bulunmaması

Hata terimlerinin varyansının tüm gözlemler için sabit olması

Bağımsız değişken (

X

) ile hata terimi (

\epsilon

) arasında ilişki olmaması

Hata terimlerinin beklenen değerinin (ortalamasının) sıfıra eşit olması

Show answer & explanation

Answer: Hata terimlerinin normal dağılıma uygunluk göstermesi

Answer

Hipotez testlerinin ve çıkarımsal istatistiklerin geçerli olması için hata terimlerinin normal dağılıma sahip olması gerekir.

Klasik Doğrusal Regresyon Modeli'nde tahmin edilen katsayılar üzerinde anlamlılık testleri yürütebilmek için tahmin edicilerin sonlu örneklemlerdeki dağılımının bilinmesi zorunludur. Hata terimlerinin normal dağılması varsayımı, EKK tahmin edicilerinin de normal dağılmasını sağlayarak t ve F istatistiklerinin hesaplanmasına olanak tanır.

Step-by-Step Solution

1

Gauss-Markov varsayımlarının kapsamını belirle.

Gauss-Markov varsayımları (doğrusallık, sıfır hata ortalaması, sabit varyans, otokorelasyon yokluğu ve X ile hata terimi ilişkisizliği) tahmin edicilerin BLUE olmasını sağlar.

Bu varsayımlar tahmin edicinin sapmasız ve minimum varyanslı olmasını garanti eder ancak bir olasılık dağılımı dayatmaz.

2

Hipotez testlerinin (t ve F) matematiksel gereksinimini analiz et.

t ve F istatistikleri, normal dağılımlı değişkenlerin oranlarına ve karelerinin toplamına dayanır.

Tahmin edicilerin standart hataları varyans varsayımlarına dayanırken, test istatistiklerinin 't dağılımı' veya 'F dağılımı' sergileyebilmesi için pay kısmındaki tahmin edicinin normal dağılım göstermesi şarttır.

3

Hata terimi ile tahmin edici arasındaki ilişkiyi kur.

Hata terimleri normal dağılıyorsa (

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

), tahmin ediciler de normal dağılır.

EKK tahmin edicileri hata terimlerinin doğrusal bir fonksiyonu olduğundan, normal dağılımlı hatalar normal dağılımlı tahmin ediciler üretir; bu da çıkarımsal istatistikleri mümkün kılar.

Key Concept

İstatistiksel Çıkarım İçin Normallik Varsayımı

Estimated Time:1m 30s

Question 72Question →

Basit doğrusal regresyon analizinde, hata teriminin varyansı olan $\sigma^2$ parametresinin sapmasız bir tahmin edicisini ( $s^2$ ) elde etmek için hata kareler toplamı (HKT), modelin serbestlik derecesine bölünür.

Buna göre, $Y_i = \beta X_i + u_i$ şeklinde ifade edilen ve sabit terimi bulunmayan (orijinden geçen) bir regresyon modelinde, hata varyansının tahmini için kullanılan serbestlik derecesi aşağıdakilerden hangisidir?

n

n - 1

n - 2

k - 1

n - k - 1

Show answer & explanation

Answer: $n - 1$

Answer

Orijinden geçen regresyon modelinde hata varyansının tahmini için kullanılan serbestlik derecesi

n-1

olarak belirlenir.

Orijinden geçen regresyon modelinde (

Y_i = \beta X_i + u_i

), tahmin edilen tek bir katsayı (

\beta

) mevcuttur. İstatistiksel bir kural olarak, hata kareler toplamı (HKT) aracılığıyla hata varyansının (

\sigma^2

) sapmasız bir tahmincisini elde etmek için HKT'nin

n - \text{parametre sayısı}

değerine bölünmesi gerekir. Bu modelde sadece eğim katsayısı tahmin edildiği için serbestlik derecesi

n-1

olur.

Step-by-Step Solution

1

Modeldeki tahmin edilen parametre sayısını belirleyin.

Orijinden geçen

Y_i = \beta X_i + u_i

modelinde sadece

\beta

(eğim) katsayısı tahmin edilir. Sabit terim (

\alpha

veya

\beta_0

) sıfır kabul edildiği için tahmin edilmez.

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

2

Hata varyansı tahmini için serbestlik derecesi formülünü uygulayın.

SD = n - p

formülünde

p=1

(sadece eğim katsayısı) yerine koyulduğunda

SD = n - 1

elde edilir.

Eğer modelde sabit terim olsaydı, iki parametre (sabit ve eğim) tahmin edileceği için serbestlik derecesi

n-2

olurdu.

Key Concept

Regresyon modellerinde hata varyansının sapmasız tahmini, gözlem sayısından modelde tahmin edilen toplam parametre sayısının çıkarılmasıyla elde edilen serbestlik derecesine (n-k) bağlıdır.

Question 73Question →

Ekonometrik bir çalışmada, kuramsal beklentiler doğrultusunda sabit terim içermeyen (orijinden geçen) $Y_i = \beta X_i + u_i$ regresyon modeli kurulmuştur.

En Küçük Kareler (EKK) yöntemiyle tahmin edilen bu modelin özellikleri ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Hata varyansının

(\sigma^2)

sapmasız tahmin edicisi olan

s^2

, Hata Kareler Toplamı'nın

(HKT)

n-1

serbestlik derecesine bölünmesiyle hesaplanır.

Modelden elde edilen kalıntıların toplamı

(\sum e_i)

, her zaman sıfıra eşittir.

Tahmin edilen regresyon doğrusu her zaman örneklem ortalamalarından

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

geçer.

Modelin belirtme katsayısı

(R^2)

, sabit terimli modelin

R^2

değeri ile her zaman doğrudan karşılaştırılabilir niteliktedir.

Eğim parametresinin

(\beta)

tahmin edicisi, örneklem ortalamalarının oranı olan

\bar{Y} / \bar{X}

değerine eşittir.

Show answer & explanation

Answer: Hata varyansının $(\sigma^2)$ sapmasız tahmin edicisi olan $s^2$ , Hata Kareler Toplamı'nın $(HKT)$ $n-1$ serbestlik derecesine bölünmesiyle hesaplanır.

Answer

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

Orijinden geçen regresyon modelinde (

Y_i = \beta X_i + u_i

) tahmin edilen tek bir parametre (

\beta

) olduğu için, hata varyansının

(\sigma^2)

sapmasız tahmin edicisi hesaplanırken paydadaki serbestlik derecesi

n-1

olur. Standart sabit terimli modelde iki parametre (

\alpha

ve

\beta

) olduğu için bu değer

n-2

iken, burada sadece bir parametre tahmin edilmektedir.

Step-by-Step Solution

1

Modelin parametre sayısının belirlenmesi

k = 1

(Sadece

\beta

katsayısı)

Orijinden geçen modelde sabit terim (intercept) bulunmadığı için sadece eğim parametresi tahmin edilmektedir.

2

Serbestlik derecesinin hesaplanması

SD = n - k = n - 1

Hata varyansı tahmini için serbestlik derecesi, gözlem sayısından tahmin edilen parametre sayısının çıkarılmasıyla bulunur.

3

Diğer özelliklerin kontrol edilmesi

\sum e_i \neq 0

ve

\bar{Y} \neq \hat{\beta}\bar{X}

Sabit terim olmadığı için EKK'nın birinci derece türev şartlarından

\sum e_i = 0

koşulu sağlanmaz, dolayısıyla doğru ortalamalardan geçmez.

Key Concept

Orijinden Geçen Regresyonun Özellikleri

Question 74Question →

$n$ adet gözlemden oluşan ve sabit terimi bulunmayan (orijinden geçen) bir basit doğrusal regresyon modeli ( $Y_i = \beta X_i + u_i$ ) ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Hata varyansının (

\sigma^2

) sapmasız tahmininde serbestlik derecesi

n-1

olarak kullanılır.

Modelden elde edilen kalıntıların (artıkların) toplamı her zaman sıfıra eşittir (

\sum e_i = 0

).

Hata varyansının tahmininde kullanılan serbestlik derecesi

n-2

olarak hesaplanır.

Modelde hesaplanan belirtme katsayısı (

R^2

), her zaman 0 ile 1 aralığında pozitif bir değer alır.

Regresyon doğrusu her zaman

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

aritmetik ortalama noktalarından geçmek zorundadır.

Show answer & explanation

Answer: Hata varyansının ( $\sigma^2$ ) sapmasız tahmininde serbestlik derecesi $n-1$ olarak kullanılır.

Answer

Orijinden geçen basit doğrusal regresyon modelinde hata varyansının sapmasız tahmini için kullanılan serbestlik derecesi n-1'dir.

Orijinden geçen regresyon modelinde (

Y_i = \beta X_i + u_i

) sadece bir adet parametre (

\beta

) tahmin edilmektedir. İstatistiksel olarak hata varyansının (

\sigma^2

) sapmasız bir tahminini elde etmek için Hata Kareler Toplamı'nın (HKT), gözlem sayısından tahmin edilen parametre sayısının çıkarılmasıyla elde edilen serbestlik derecesine (

n-1

) bölünmesi gerekir.

Step-by-Step Solution

1

Modeldeki parametre sayısını belirleyin.

Y_i = \beta X_i + u_i

modelinde sadece bir adet bilinmeyen parametre (

\beta

) bulunmaktadır.

Orijinden geçen modellerde sabit terim (

\beta_0

) sıfıra eşitlendiği için modelden çıkarılmıştır.

2

Hata varyansı için serbestlik derecesi formülünü uygulayın.

sd = n - k

formülünde

k=1

olduğu için

sd = n-1

bulunur.

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

3

Diğer temel özellikleri gözden geçirin.

Kalıntı toplamının sıfır olması ve

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

noktasından geçme zorunluluğu gibi özellikler sabit terimli modele aittir.

Model kısıtlandığı (orijinden geçmeye zorlandığı) için standart modelin bazı cebirsel özellikleri geçerliliğini yitirir.

Key Concept

Orijinden geçen regresyon modellerinde serbestlik derecesi kaybı, sadece eğim katsayısı tahmini nedeniyle 1 birimdir.

Hints

1

Modeldeki katsayı (parametre) sayısını düşünün.

2

Serbestlik derecesi 'gözlem sayısı - tahmin edilen parametre sayısı' dır. Bu modelde kaç parametre tahmin ediliyor?

Practice More

Orijinden geçen modelde belirtme katsayısının (R²) neden negatif çıkabileceğini ve bu durumda 'ham R²' tanımının nasıl kullanıldığını araştırın.

Estimated Time:45s

Question 75Question →

Bir ekonomist, bir ülkedeki yıllık kamu Ar-Ge harcamaları ( $X$ ) ile yüksek teknoloji ihracat tutarı ( $Y$ ) arasındaki ilişkiyi basit doğrusal regresyon modeli ile analiz etmektedir. 12 yıllık verilerle yapılan analiz sonucunda elde edilen varyans analizi (ANOVA) tablosunun bir kısmı aşağıda verilmiştir:

Değişim Kaynağı	Serbestlik Derecesi (sd)	Kareler Toplamı (KT)
Regresyon	1	360
Hata	10	120
Toplam	11	480

Bu verilere göre, belirtme katsayısı ( $R^2$ ) değeri ve bu değerin istatistiksel yorumu ile ilgili aşağıdakilerden hangisi doğrudur?

R^2 = 0,75

; Yüksek teknoloji ihracatındaki toplam değişimin %75'i kamu Ar-Ge harcamaları tarafından açıklanmaktadır.

R^2 = 0,75

; Kamu Ar-Ge harcamalarındaki artış, yüksek teknoloji ihracat tutarının %75 oranında artmasına neden olmaktadır.

R^2 = 0,25

; Yüksek teknoloji ihracatındaki toplam değişimin %25'i kamu Ar-Ge harcamaları tarafından açıklanmaktadır.

R^2 = -0,75

; Kamu Ar-Ge harcamaları ile yüksek teknoloji ihracatı arasında ters yönlü ve kuvvetli bir ilişki vardır.

R^2 = 0,75

; Modele yeni bir bağımsız değişken eklendiğinde bu değerin 0,75'in altına düşmesi beklenir.

Show answer & explanation

Answer: $R^2 = 0,75$ ; Yüksek teknoloji ihracatındaki toplam değişimin %75'i kamu Ar-Ge harcamaları tarafından açıklanmaktadır.

Answer

Belirtme katsayısı 0,75'tir ve bu değer bağımlı değişkendeki (ihracat) değişimin %75'inin bağımsız değişken (Ar-Ge) tarafından açıklandığını gösterir.

Doğru seçenek olan ifadede

R^2

değeri

360/480 = 0,75

olarak doğru hesaplanmış ve istatistiksel olarak 'bağımlı değişkendeki değişimin bağımsız değişken tarafından açıklanma oranı' şeklinde tam ve doğru bir şekilde tanımlanmıştır.

Step-by-Step Solution

1

ANOVA tablosundan gerekli değerleri belirle

Regresyon Kareler Toplamı (RKT) = 360, Toplam Kareler Toplamı (TKT) = 480

Belirtme katsayısı formülü için bu iki değerin oranı gereklidir.

2

R^2

değerini hesapla

R^2 = \frac{RKT}{TKT} = \frac{360}{480} = 0,75

Belirtme katsayısı, toplam varyansın ne kadarının regresyon modeli tarafından açıklandığını gösterir.

3

Elde edilen değeri yorumla

Yüksek teknoloji ihracatındaki varyasyonun %75'i Ar-Ge harcamaları ile açıklanabilir.

R²'nin temel tanımı, bağımlı değişkendeki değişkenliğin bağımsız değişken(ler)ce açıklanma oranıdır.

Key Concept

Basit doğrusal regresyonda Belirtme Katsayısı (

R^2

), modelin açıklayıcılık gücünü ölçer ve 0 ile 1 arasında değer alır.

Practice More

Belirtme katsayısının karekökünün, basit doğrusal regresyonda korelasyon katsayısının (

r

) mutlak değerine eşit olduğunu hatırlayarak, ilişkinin yönünü belirlemek için eğim katsayısının işaretine bakılması gerektiğini inceleyin.

Estimated Time:1m 15s

Question 76Question →

İstatistikte, kuramsal gerekçelerle bağımsız değişkenin sıfır olduğu noktada bağımlı değişkenin de sıfır olması gerektiği varsayılan durumlarda sabit terimi (kesişim parametresi) bulunmayan $Y_i = \beta X_i + u_i$ modeli tercih edilir. Bu orijinden geçen regresyon modeli için aşağıdakilerden hangisi doğrudur?

Hata varyansının (

\sigma^2

) sapmasız tahmin edicisini (

s^2

) bulmak için kullanılan serbestlik derecesi

n-1

düzeyindedir.

Modelden elde edilen kalıntıların (artıkların) toplamı (

\sum e_i

) her zaman sıfıra eşittir.

Belirtme katsayısı (

R^2

), standart regresyon modelindeki formülle hesaplandığında her zaman pozitif sonuç verir.

Regresyon doğrusu her zaman

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

aritmetik ortalamalar noktasından geçer.

Hata varyansının tahmini için Hata Kareler Toplamı'nın

n-2

değerine bölünmesi gerekir.

Show answer & explanation

Answer: Hata varyansının ( $\sigma^2$ ) sapmasız tahmin edicisini ( $s^2$ ) bulmak için kullanılan serbestlik derecesi $n-1$ düzeyindedir.

Answer

Orijinden geçen regresyon modelinde hata varyansının sapmasız tahmini için serbestlik derecesi n-1 olarak alınır.

Doğru ifade, hata varyansının tahmini için serbestlik derecesinin

n-1

olmasıdır. Standart regresyon modelinde iki parametre (sabit terim ve eğim) tahmin edildiği için serbestlik derecesi

n-2

iken, orijinden geçen modelde sadece eğim katsayısı tahmin edildiğinden serbestlik derecesi

n-1

'e yükselir.

Step-by-Step Solution

1

Modeldeki parametre sayısını belirleyin.

1 parametre (sadece eğim katsayısı

\beta

)

Orijinden geçen modelde sabit terim (

\beta_0

) sıfır kabul edildiği için modelde sadece bir katsayı tahmin edilir.

2

Serbestlik derecesi formülünü uygulayın.

Serbestlik derecesi =

n - 1

Genel kural olarak serbestlik derecesi, gözlem sayısından (n) tahmin edilen parametre sayısının (k) çıkarılmasıyla (

n-k

) bulunur.

3

Modelin diğer özelliklerini kontrol edin.

\sum e_i \neq 0

ve doğrunun

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

noktasından geçme zorunluluğu yoktur.

Sabit terim olmadığı için normal denklemlerden gelen

\sum e_i = 0

şartı bu modelde

\sum X_i e_i = 0

şekline dönüşür.

Key Concept

Orijinden Geçen Modellerde Serbestlik Derecesi

Alternative Method

Varyans tahmin edicisinin formülünü hatırlamak:

s^2 = \frac{\sum e_i^2}{n-k}

. Burada k tahmin edilen katsayı sayısıdır. Orijinden geçen modelde

k=1

(sadece

\beta

) olduğundan payda

n-1

olur.

Estimated Time:45s

Question 77Question →

Bir eğitim uzmanı, öğrencilerin haftalık ders çalışma süreleri ( $X$ ) ile sınav puanları ( $Y$ ) arasındaki ilişkiyi $n = 12$ gözlem birimi kullanarak basit doğrusal regresyon analizi ile incelemiştir. Yapılan analiz sonucunda eğim katsayısı ( $\hat{\beta}_1$ ) $0,80$ ve bu katsayıya ait standart hata $se(\hat{\beta}_1) = 0,20$ olarak hesaplanmıştır. Uzman, 'haftalık çalışma süresinin sınav puanı üzerinde istatistiksel olarak anlamlı bir etkisi yoktur' ( $H_0: \beta_1 = 0$ ) temel hipotezini test etmek istemektedir. Buna göre, bu hipotez testi için kullanılması gereken hesaplanmış $t$ istatistiği ( $t_{hesap}$ ) ve bu istatistiğin sahip olduğu serbestlik derecesi ( $sd$ ) aşağıdakilerin hangisinde birlikte doğru verilmiştir?

t_{hesap} = 4,00

;

sd = 11

t_{hesap} = 0,25

;

sd = 10

t_{hesap} = 4,00

;

sd = 10

t_{hesap} = 16,00

;

sd = 10

t_{hesap} = 4,00

;

sd = 12

Show answer & explanation

Answer: $t_{hesap} = 4,00$ ; $sd = 10$

Answer

Hesaplanmış t istatistiği 4,00 ve serbestlik derecesi 10'dur.

Doğru seçenekte, t istatistiği katsayının (

β_1=0,80

) standart hatasına (

se=0,20

) bölünmesiyle

4,00

olarak bulunmuştur. Serbestlik derecesi ise basit doğrusal regresyonun kuralı gereği

n-2

formülüyle

12-2=10

olarak hesaplanmıştır.

Step-by-Step Solution

1

Hesaplanmış t istatistiğini (

t_{hesap}

) hesapla.

t_{hesap} = \frac{\hat{\beta}_1}{se(\hat{\beta}_1)} = \frac{0,80}{0,20} = 4,00

Regresyon katsayılarının anlamlılığını test etmek için katsayı tahmini, kendi standart hatasına bölünerek t istatistiği elde edilir.

2

Hata terimi için serbestlik derecesini (

sd

) belirle.

sd = n - 2 = 12 - 2 = 10

Basit doğrusal regresyonda iki parametre (

β_0

ve

β_1

) tahmin edildiği için serbestlik derecesi gözlem sayısından 2 çıkarılarak bulunur.

Key Concept

Basit doğrusal regresyonda eğim katsayısı (

β_1

) için kurulan

H_0: β_1 = 0

hipotezi, bağımsız değişken ile bağımlı değişken arasında doğrusal bir ilişki olmadığını varsayar. Bu hipotezin testi için hesaplanan t değeri, katsayının standart hatasından kaç kat büyük olduğunu gösterir.

Practice More

Farklı güven düzeyleri (%95 veya %99) için kritik t tablo değerlerini kullanarak hipotezin reddedilip reddedilmeyeceğini yorumlayabilirsiniz.

Estimated Time:45s

Question 78Question →

Klasik Doğrusal Regresyon Modeli varsayımları altında Gauss-Markov teoremi, En Küçük Kareler ( $EKK$ ) tahmin edicilerinin 'En İyi Doğrusal Sapmasız Tahmin Edici' ( $BLUE$ ) olduğunu ifade eder. Buna göre, bu tanımda yer alan 'En İyi' ( $Best$ ) özelliği tahmin edicinin aşağıdakilerden hangisine sahip olduğunu gösterir?

En küçük varyansa sahip olması

Hata terimlerinin normal dağılım sergilemesi

Beklenen değerinin gerçek parametre değerine eşit olması

Örneklem hacmi sonsuza giderken gerçek parametreye yaklaşması

Bağımlı değişkenin değerlerinden tamamen bağımsız olması

Show answer & explanation

Answer: En küçük varyansa sahip olması

Answer

En İyi (Best) özelliği, tahmin edicinin doğrusal ve sapmasız tahmin ediciler sınıfı içerisinde en küçük varyansa sahip olması anlamına gelir.

Gauss-Markov teoremi uyarınca

EKK

tahmin edicileri, tüm doğrusal ve sapmasız tahmin ediciler arasında en küçük varyansa sahip olma özelliğine sahiptir. Bu özellik istatistiksel olarak 'etkinlik' (

efficiency

) olarak adlandırılır ve

BLUE

kısaltmasındaki 'En İyi' (

Best

) ifadesine karşılık gelir.

Step-by-Step Solution

1

BLUE kavramının bileşenlerini ayrıştırın.

L

(Linear): Doğrusal,

U

(Unbiased): Sapmasız,

E

(Estimator): Tahmin Edici.

Teoremin hangi özellikleri kapsadığını anlamak için tanımın açılması gerekir.

2

'En İyi' (Best) teriminin istatistiksel karşılığını belirleyin.

İstatistikte bir tahmin edicinin 'en iyi' olması, onun varyansının minimum olması (etkinlik) ile tanımlanır.

Gauss-Markov teoremi, belirli varsayımlar altında

EKK

varyansının diğer tüm doğrusal sapmasız tahmin edicilerden daha küçük olduğunu kanıtlar.

Key Concept

Etkinlik (Efficiency) ve Minimum Varyans

Practice More

Gauss-Markov varsayımlarından biri (örneğin değişen varyans) bozulduğunda tahmin edicinin hangi özelliğini (

BLUE

) kaybedeceğini inceleyebilirsiniz.

Estimated Time:45s

Question 79Question →

Bir pazarlama araştırmacısı, aylık reklam harcamaları ( $X$ ) ile satış hacmi ( $Y$ ) arasındaki ilişkiyi analiz etmek amacıyla $n = 22$ aylık veri seti kullanarak basit doğrusal regresyon modeli tahmin etmiştir. Analiz sonucunda eğim katsayısı $\hat{\beta}_1 = 0,75$ ve bu katsayının standart hatası $se(\hat{\beta}_1) = 0,25$ olarak hesaplanmıştır.

Buna göre, bağımsız değişkenin bağımlı değişken üzerindeki etkisinin istatistiksel olarak anlamlı olup olmadığını ( $H_0: \beta_1 = 0$ ) test etmek için kullanılacak hesaplanmış $t$ istatistiği ( $t_{hesap}$ ) değeri ve bu testin serbestlik derecesi ( $sd$ ) aşağıdakilerin hangisinde doğru verilmiştir?

t_{hesap} = 3,00

;

sd = 20

t_{hesap} = 3,00

;

sd = 21

t_{hesap} = 3,00

;

sd = 22

t_{hesap} = 0,33

;

sd = 20

F_{hesap} = 9,00

;

sd = 20

Show answer & explanation

Answer: $t_{hesap} = 3,00$ ; $sd = 20$

Answer

Hesaplanmış t-istatistiği değeri 3,00 ve serbestlik derecesi 20'dir.

Hesaplanmış t-istatistiği ve serbestlik derecesinin verildiği seçenek doğrudur çünkü t-istatistiği katsayının standart hatasına bölünmesiyle (

0,75 / 0,25 = 3,00

) hesaplanırken, basit doğrusal regresyonda serbestlik derecesi örneklem hacminden tahmin edilen parametre sayısının çıkarılmasıyla (

22 - 2 = 20

) elde edilir.

Step-by-Step Solution

1

Hipotezlerin kurulması

H_0: \beta_1 = 0

(Reklam harcamalarının satışlar üzerinde etkisi yoktur),

H_1: \beta_1 \neq 0

(Reklam harcamalarının satışlar üzerinde etkisi vardır).

Eğim katsayısının anlamlılığı, katsayının sıfıra eşit olup olmadığının test edilmesiyle ölçülür.

2

Hesaplanmış

t

istatistiğinin bulunması

t_{hesap} = \frac{\hat{\beta}_1}{se(\hat{\beta}_1)} = \frac{0,75}{0,25} = 3,00

t

istatistiği, tahmin edilen katsayının kendi standart hatasına oranıdır.

3

Serbestlik derecesinin hesaplanması

sd = n - k = 22 - 2 = 20

Basit doğrusal regresyonda (

Y = \beta_0 + \beta_1 X + u

) iki parametre tahmin edildiği için serbestlik derecesi

n-2

olarak belirlenir.

Key Concept

Basit Doğrusal Regresyonda Eğim Katsayısı için t-Testi

Hints

1

t-istatistiğini bulmak için katsayıyı kendi standart hatasına bölmeniz gerekir.

2

Basit doğrusal regresyonda tahmin edilen iki parametre (

β_0

ve

β_1

) olduğu için serbestlik derecesinde bu kayıp dikkate alınmalıdır.

Practice More

Farklı güven düzeyleri (%95, %99) için kritik tablo değerlerini kullanarak hipotezin reddedilip edilmeyeceğini yorumlamayı deneyin.

Estimated Time:1m 30s

Question 80Question →

Bir kamu kurumunda çalışan 8 personelin hizmet süresi ( $X$ , yıl) ile günlük ortalama tamamladıkları evrak sayısı ( $Y$ ) arasındaki ilişkiyi belirlemek amacıyla basit doğrusal regresyon analizi yapılmıştır. Analiz sonucunda hesaplanan özet istatistikler aşağıda verilmiştir:

İstatistik	Değer
Gözlem sayısı ( $n$ )	8
$\bar{x}$	5
$\bar{y}$	50
$\sum (x_i - \bar{x})^2$	40
$\sum (y_i - \bar{y})^2$	400
$\sum (x_i - \bar{x})(y_i - \bar{y})$	100

Bu verilere göre, En Küçük Kareler (EKK) yöntemiyle tahmin edilen regresyon denklemi aşağıdakilerden hangisidir?

\hat{y}_i = 37,5 + 2,5x_i

\hat{y}_i = 2,5 + 37,5x_i

\hat{y}_i = 48,75 + 0,25x_i

\hat{y}_i = 48 + 0,4x_i

\hat{y}_i = 50 + 2,5x_i

Show answer & explanation

Answer: $\hat{y}_i = 37,5 + 2,5x_i$

Answer

Tahmin edilen regresyon denklemi

\hat{y}_i = 37,5 + 2,5x_i

şeklindedir.

Verilen özet istatistikler kullanılarak eğim katsayısı

\hat{\beta}_1 = S_{xy} / S_{xx} = 100 / 40 = 2,5

olarak bulunur. Sabit terim ise ortalamalar üzerinden

\hat{\beta}_0 = 50 - (2,5 \times 5) = 37,5

olarak hesaplanır. Bu durumda doğru tahmin denklemi

\hat{y}_i = 37,5 + 2,5x_i

olur.

Step-by-Step Solution

1

Eğim katsayısının (

\hat{\beta}_1

) hesaplanması

\hat{\beta}_1 = \frac{\sum (x_i - \bar{x})(y_i - \bar{y})}{\sum (x_i - \bar{x})^2} = \frac{100}{40} = 2,5

EKK yönteminde eğim katsayısı, değişkenler arasındaki kovaryansın bağımsız değişkenin varyansına bölünmesiyle elde edilir.

2

Sabit terimin (

\hat{\beta}_0

) hesaplanması

\hat{\beta}_0 = \bar{y} - \hat{\beta}_1 \bar{x} = 50 - (2,5 \times 5) = 50 - 12,5 = 37,5

Regresyon doğrusu

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

noktasından geçmek zorundadır, bu nedenle sabit terim bu ortalama değerler üzerinden bulunur.

3

Modelin oluşturulması

\hat{y}_i = 37,5 + 2,5x_i

Hesaplanan katsayılar

\hat{y}_i = \hat{\beta}_0 + \hat{\beta}_1 x_i

formunda yerine yazılır.

Key Concept

En Küçük Kareler (EKK) Parametre Tahmini

Estimated Time:1m 30s

Basit Doğrusal Regresyon Analizi

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Hints

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

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

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

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Hints

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Alternative Method

Answer

Step-by-Step Solution

Key Concept

Common Mistakes