Çoklu Doğrusal Regresyon Analizi

126 questions

Question 1Question

Bir araştırmacı, bir bağımlı değişken ile 3 bağımsız değişken arasındaki ilişkiyi incelemek amacıyla n=24n = 24 gözlem kullanarak bir çoklu doğrusal regresyon modeli tahmin etmiştir. Tahmin edilen modele ilişkin varyans analizi (ANOVA) tablosunun bir kısmı aşağıda sunulmuştur:

Değişim KaynağıKareler Toplamı (KT)
Regresyon150
Hata100
Toplam250

Buna göre, modelin genel anlamlılığını test etmek için kullanılan hesaplanmış F istatistiği (FhesapF_{hesap}) değeri kaçtır?

Show answer & explanation

Answer: 10,00

Answer

Modelin genel anlamlılık testi için hesaplanan F istatistiği değeri 10,00'dur.
Verilen n=24n=24 gözlem ve k=3k=3 bağımsız değişken bilgisiyle, regresyonun serbestlik derecesi 3, hatanın serbestlik derecesi ise 2431=2024-3-1=20 olarak bulunur. Regresyon Kareler Toplamı (150) serbestlik derecesine bölündüğünde Regresyon Kareler Ortalaması 50; Hata Kareler Toplamı (100) serbestlik derecesine bölündüğünde Hata Kareler Ortalaması 5 elde edilir. Bu iki değerin oranı (50/550/5) bize 10,00 olan hesaplanmış F istatistiğini verir.

Step-by-Step Solution

1
Serbestlik derecelerini (SDSD) belirleyin.
SDregresyon=k=3SD_{regresyon} = k = 3; SDhata=nk1=2431=20SD_{hata} = n - k - 1 = 24 - 3 - 1 = 20.
Varyans analizi tablosunda kareler ortalamalarını hesaplamak için her bir değişim kaynağının serbestlik derecesine bölünmesi gerekir.
2
Kareler ortalamalarını (KOKO) hesaplayın.
RKO=150/3=50RKO = 150 / 3 = 50; HKO=100/20=5HKO = 100 / 20 = 5.
F istatistiği, açıklanan varyansın (regresyon) açıklanamayan varyansa (hata) oranını temsil eder.
3
F hesap istatistiğini bulun.
Fhesap=RKO/HKO=50/5=10F_{hesap} = RKO / HKO = 50 / 5 = 10.
Modelin genel anlamlılığı, regresyon kareler ortalamasının hata kareler ortalamasına oranlanmasıyla test edilir.

Key Concept

ANOVA Tablosu ve F Testi İstatistiği
Estimated Time:2m 0s
Question 2Question

Çoklu doğrusal regresyon analizinde Gauss-Markov teoremi, belirli varsayımlar altında En Küçük Kareler (EKK) tahmin edicilerinin "En İyi Doğrusal Sapmasız Tahmin Edici" (BLUE) olduğunu ifade eder.

Buna göre, EKK tahmin edicilerinin BLUE özelliğine sahip olması için aşağıdakilerden hangisinin sağlanması zorunlu bir koşul değildir?

Show answer & explanation

Answer: Hata terimlerinin normal dağılım göstermesi (ϵiN(0,σ2)\epsilon_i \sim N(0, \sigma^2))

Answer

Hata terimlerinin normal dağılım göstermesi varsayımı, EKK tahmin edicilerinin BLUE olması için zorunlu değildir.
Hata terimlerinin normal dağılım göstermesi varsayımı, katsayı tahmin edicilerinin sapmasız olması veya doğrusal tahmin ediciler arasında en küçük varyansa sahip olması (etkinlik) için bir ön koşul değildir. Gauss-Markov varsayımları (doğrusallık, sıfır beklenen değer, sabit varyans, otokorelasyon olmaması ve tam çoklu bağlantı olmaması) sağlandığında EKK tahmin edicileri zaten BLUE özelliğini taşır. Normal dağılım varsayımı, tt ve FF istatistiklerinin teorik dağılımlarının belirlenmesi, dolayısıyla hipotez testlerinin ve güven aralıklarının oluşturulabilmesi için modele eklenir.

Step-by-Step Solution

1
Gauss-Markov varsayımlarının hatırlanması
Doğrusallık, sıfır ortalama, sabit varyans, otokorelasyon olmaması ve çoklu bağlantı olmaması.
BLUE (Best Linear Unbiased Estimator) özelliği sadece bu temel varsayımlar altında kanıtlanır.
2
"En İyi" (Best) kavramının analiz edilmesi
Minimum varyans (etkinlik) özelliğini ifade eder.
Sabit varyans ve otokorelasyon olmaması varsayımları doğrudan bu 'en iyi' olma durumunu sağlar.
3
Normal dağılım varsayımının rolünün belirlenmesi
Küçük örneklemlerde t ve F testlerinin geçerliliği için gereklidir.
Gauss-Markov teoremi, hata terimlerinin dağılımı ne olursa olsun (sonlu varyanslı olduğu sürece) geçerlidir.

Key Concept

Gauss-Markov Teoremi ve BLUE Özellikleri
Estimated Time:1m 30s
Question 3Question

Bir araştırmacı, n=23n = 23 gözlem ve 22 bağımsız değişken kullanarak sabit terimli bir çoklu doğrusal regresyon modeli (Y=Xβ+ϵ)(Y = X\beta + \epsilon) tahmin etmiştir. Analiz sonucunda aşağıdaki matris değerleri ve hata kareler toplamı (ee)(e'e) elde edilmiştir:

(XX)1=[0,50,10,20,10,40,00,20,00,3],XY=[102030],ee=100(X'X)^{-1} = \begin{bmatrix} 0,5 & 0,1 & 0,2 \\ 0,1 & 0,4 & 0,0 \\ 0,2 & 0,0 & 0,3 \end{bmatrix}, \quad X'Y = \begin{bmatrix} 10 \\ 20 \\ 30 \end{bmatrix}, \quad e'e = 100

Buna göre, modelin birinci bağımsız değişkenine ait eğim katsayısı (β^1)(\hat{\beta}_1) ve hata terimi varyansının sapmasız tahmin edicisi (σ^2)(\hat{\sigma}^2) değerleri aşağıdakilerin hangisinde birlikte doğru verilmiştir?

Show answer & explanation

Answer: 99 ve 5,005,00

Answer

Eğim katsayısı β^1=9\hat{\beta}_1 = 9 ve hata varyansı σ^2=5,00\hat{\sigma}^2 = 5,00 olan seçenek doğrudur.
Doğru cevap olan seçenek, β^1\hat{\beta}_1 katsayısını matris çarpımının ikinci satır elemanı olarak 0,1(10)+0,4(20)+0,0(30)=90,1(10) + 0,4(20) + 0,0(30) = 9 şeklinde doğru hesaplamıştır. Ayrıca hata varyansını, n=23n=23 gözlemden 33 parametreyi çıkararak elde edilen 2020 serbestlik derecesine bölerek 100/20=5,00100/20 = 5,00 sonucuna ulaşmıştır.

Step-by-Step Solution

1
Katsayı vektörünü (β^)(\hat{\beta}) hesaplayınız.
β^=(XX)1XY=[0,50,10,20,10,40,00,20,00,3][102030]=[13911]\hat{\beta} = (X'X)^{-1} X'Y = \begin{bmatrix} 0,5 & 0,1 & 0,2 \\ 0,1 & 0,4 & 0,0 \\ 0,2 & 0,0 & 0,3 \end{bmatrix} \begin{bmatrix} 10 \\ 20 \\ 30 \end{bmatrix} = \begin{bmatrix} 13 \\ 9 \\ 11 \end{bmatrix}
En Küçük Kareler (EKK) tahmincileri matrisel olarak β^=(XX)1XY\hat{\beta} = (X'X)^{-1} X'Y formülüyle bulunur.
2
Vektörden β^1\hat{\beta}_1 değerini belirleyiniz.
β^=[β^0,β^1,β^2]\hat{\beta} = [\hat{\beta}_0, \hat{\beta}_1, \hat{\beta}_2]' olduğu için β^1=9\hat{\beta}_1 = 9 olur.
Vektörün ikinci elemanı birinci bağımsız değişkenin eğim katsayısını temsil eder.
3
Serbestlik derecesini (sd)(sd) hesaplayınız.
sd=nk1=2321=20sd = n - k - 1 = 23 - 2 - 1 = 20
Çoklu regresyonda hata varyansının sapmasız olması için gözlem sayısından toplam parametre sayısı (bağımsız değişkenler + sabit terim) çıkarılmalıdır.
4
Hata varyansını (σ^2)(\hat{\sigma}^2) hesaplayınız.
σ^2=eenk1=10020=5,00\hat{\sigma}^2 = \frac{e'e}{n-k-1} = \frac{100}{20} = 5,00
Sapmasız varyans tahmini, hata kareler toplamının serbestlik derecesine bölünmesiyle elde edilir.

Key Concept

En Küçük Kareler (EKK) tahmincilerinin matrisel çözümü β^=(XX)1XY\hat{\beta} = (X'X)^{-1} X'Y formülüyle gerçekleştirilir ve hata varyansının sapmasız tahmini için payda nk1n-k-1 olmalıdır.

Hints

1
Katsayı vektörünü bulmak için (XX)1(X'X)^{-1} matrisi ile XYX'Y vektörünü çarpın.
2
Elde ettiğiniz katsayı vektörü sırasıyla β0\beta_0, β1\beta_1 ve β2\beta_2 değerlerini verir.
3
Hata varyansını bulurken paydada nn eksi toplam parametre sayısını (2+1=3)(2+1=3) kullanmayı unutmayın.

Practice More

Varyans-Kovaryans matrisini kullanarak katsayıların standart hatalarını hesaplamayı deneyebilirsiniz.
Estimated Time:2m 0s
Question 4Question

Üç değişkenli bir analizde değişkenler arasındaki basit korelasyon katsayıları şu şekilde hesaplanmıştır:

* X1X_1 ve X2X_2 arasındaki korelasyon: r12=0,72r_{12} = 0,72
* X1X_1 ve X3X_3 arasındaki korelasyon: r13=0,60r_{13} = 0,60
* X2X_2 ve X3X_3 arasındaki korelasyon: r23=0,80r_{23} = 0,80

Buna göre, X3X_3 değişkeninin etkisi sabit tutulduğunda X1X_1 ve X2X_2 değişkenleri arasındaki kısmi korelasyon katsayısı (r12.3r_{12.3}) aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 0,50

Answer

0,50
Verilen basit korelasyon katsayıları (r12=0,72r_{12}=0,72, r13=0,60r_{13}=0,60, r23=0,80r_{23}=0,80) kısmi korelasyon formülünde yerine konulduğunda; pay kısmında 0,72(0,60×0,80)=0,240,72 - (0,60 \times 0,80) = 0,24 değeri, payda kısmında ise (10,36)(10,64)=0,48\sqrt{(1-0,36)(1-0,64)} = 0,48 değeri elde edilir. Bu iki değerin birbirine oranı olan 0,500,50, X3X_3 değişkeninin etkisi kontrol edildiğinde X1X_1 ve X2X_2 arasındaki net ilişkiyi gösterir.

Step-by-Step Solution

1
Kısmi korelasyon formülünü yazınız.
r12.3=r12r13r23(1r132)(1r232)r_{12.3} = \frac{r_{12} - r_{13}r_{23}}{\sqrt{(1-r_{13}^2)(1-r_{23}^2)}}
Üçüncü bir değişkenin etkisinin sabit tutulduğu ilişkiyi ölçmek için standart formül budur.
2
Verilen basit korelasyon değerlerini formülde yerine koyunuz.
r12.3=0,72(0,60×0,80)(10,602)(10,802)r_{12.3} = \frac{0,72 - (0,60 \times 0,80)}{\sqrt{(1-0,60^2)(1-0,80^2)}}
Hesaplama için değişkenler arasındaki basit ilişkilerin kullanılması gerekir.
3
Pay ve payda işlemlerini ayrı ayrı hesaplayınız.
Pay: 0,720,48=0,240,72 - 0,48 = 0,24. Payda: (10,36)(10,64)=0,64×0,36=0,8×0,6=0,48\sqrt{(1-0,36)(1-0,64)} = \sqrt{0,64 \times 0,36} = 0,8 \times 0,6 = 0,48.
Matematiksel işlem önceliğine göre çarpma ve karekök işlemleri tamamlanmalıdır.
4
Bölme işlemini tamamlayarak sonucu bulunuz.
0,24/0,48=0,500,24 / 0,48 = 0,50
Payın paydaya oranı aranan kısmi korelasyon katsayısını verir.

Key Concept

Kısmi Korelasyon Katsayısı

Practice More

Çoklu belirtme katsayısı (R) ile kısmi korelasyon katsayıları arasındaki ilişkiyi inceleyen sorulara bakabilirsiniz.

Alternative Method

Kısmi korelasyon katsayısının karesi olan kısmi belirtme katsayısını (r12.32r^2_{12.3}) kullanarak hesaplama yapılabilir, ancak bu yöntem doğrudan katsayıyı hesaplamaktan daha uzundur.
Estimated Time:1m 30s
Question 5Question

Bir regresyon modelinde yer alan bağımlı değişken (YY) ile bağımsız değişkenler (X1X_1 ve X2X_2) arasındaki ikili (basit) korelasyon katsayıları aşağıdaki tabloda verilmiştir:

Değişken ÇiftiKorelasyon Katsayısı
YY ve X1X_1rYX1=0,68r_{YX_1} = 0,68
YY ve X2X_2rYX2=0,60r_{YX_2} = 0,60
X1X_1 ve X2X_2rX1X2=0,60r_{X_1X_2} = 0,60

Buna göre, X2X_2 değişkeninin doğrusal etkisi kontrol edildiğinde (sabit tutulduğunda), YY ile X1X_1 değişkenleri arasındaki kısmi korelasyon katsayısı (rYX1.X2r_{YX_1.X_2}) kaçtır?

Show answer & explanation

Answer: 0,50

Answer

Değişkenler arasındaki ikili ilişkiler ve üçüncü değişkenin etkisi dikkate alındığında hesaplanan kısmi korelasyon katsayısı 0,50'dir.
Verilen korelasyon değerleri kısmi korelasyon formülünde yerine konulduğunda, pay kısmında 0,680,36=0,320,68 - 0,36 = 0,32 ve payda kısmında 0,64×0,64=0,64\sqrt{0,64 \times 0,64} = 0,64 değerleri elde edilir. Bu iki değerin birbirine oranı (0,32/0,640,32 / 0,64) sonucunda kısmi korelasyon katsayısı 0,50 olarak bulunur.

Step-by-Step Solution

1
Kısmi korelasyon formülü belirlenir.
rYX1.X2=rYX1rYX2rX1X2(1rYX22)(1rX1X22)r_{YX_1.X_2} = \frac{r_{YX_1} - r_{YX_2}r_{X_1X_2}}{\sqrt{(1-r_{YX_2}^2)(1-r_{X_1X_2}^2)}}
Üçüncü bir değişkenin (X2X_2) etkisi arındırıldığında iki değişken (YY ve X1X_1) arasındaki net ilişkiyi ölçmek için bu formül kullanılır.
2
Formülün pay kısmı hesaplanır.
0,68(0,60×0,60)=0,680,36=0,320,68 - (0,60 \times 0,60) = 0,68 - 0,36 = 0,32
Bağımlı değişken ile ilgili bağımsız değişken arasındaki toplam ilişkiden, ortak olan kısmın çıkarılması gerekir.
3
Formülün payda kısmı hesaplanır.
(10,602)(10,602)=0,64×0,64=0,64\sqrt{(1 - 0,60^2)(1 - 0,60^2)} = \sqrt{0,64 \times 0,64} = 0,64
Korelasyonun standartlaştırılması için değişkenlerin açıklanmayan varyanslarının kareköklerinin çarpımı hesaplanır.
4
Pay ve payda oranlanarak sonuç bulunur.
0,32/0,64=0,500,32 / 0,64 = 0,50
Kısmi korelasyon katsayısının nihai değerine ulaşmak için pay paydaya bölünür.

Key Concept

Kısmi korelasyon, bir veya daha fazla kontrol değişkeninin etkisi sabit tutulduğunda, iki değişken arasındaki saf (net) doğrusal ilişkinin derecesini ölçer.
Estimated Time:1m 30s
Question 6Question

Çoklu doğrusal regresyon modelinde (Y=Xβ+uY = X\beta + u), hata terimlerinin beklenen değerinin sıfır, varyansının sabit olduğu ve hata terimleri arasında ardışık bağımlılık (otokorelasyon) bulunmadığı varsayıldığında; En Küçük Kareler (EKK) tahmin edicilerinin sahip olduğu "etkinlik" (efficiency) özelliği ile ilgili aşağıdakilerden hangisi doğrudur?

Show answer & explanation

Answer: Tahmin edicilerin, tüm doğrusal ve sapmasız tahmin ediciler sınıfı içerisinde en küçük varyansa sahip olmasıdır.

Answer

Etkinlik, tahmin edicilerin tüm doğrusal ve sapmasız tahmin ediciler sınıfı içerisinde en küçük varyansa sahip olması anlamına gelir.
Çoklu doğrusal regresyon analizinde klasik varsayımlar (sıfır hata ortalaması, sabit varyans, otokorelasyon yokluğu) sağlandığında Gauss-Markov teoremi geçerli olur. Bu teorem, En Küçük Kareler (EKK) tahmin edicilerinin, tüm doğrusal ve sapmasız tahmin ediciler sınıfı içinde en küçük varyanslı (yani en etkin) tahmin edici olduğunu kanıtlar.

Step-by-Step Solution

1
EKK tahmin edicilerinin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) özelliklerini tanımla.
B: Best (Etkin/En İyi), L: Linear (Doğrusal), U: Unbiased (Sapmasız), E: Estimator (Tahmin Edici).
Soruda sorulan 'etkinlik' kavramı BLUE kısaltmasındaki 'B' harfine karşılık gelir.
2
Etkinlik (Best/Efficiency) kavramının istatistiksel karşılığını analiz et.
Aynı varsayımlar altında çalışan rakip tahmin edicilerle karşılaştırıldığında, varyansın en küçük (minimum) olması durumudur.
Varyansın küçük olması, tahmin edicinin gerçek parametre değerine daha yakın sonuçlar verme hassasiyetinin daha yüksek olduğunu gösterir.
3
Gauss-Markov teoreminin kısıtlarını kontrol et.
Minimum varyans özelliği sadece 'doğrusal' ve 'sapmasız' tahmin ediciler kümesi içinde geçerlidir.
EKK'dan daha küçük varyanslı ancak doğrusal olmayan veya sapmalı başka tahmin ediciler bulunabilir; bu nedenle 'doğrusal ve sapmasız' kısıtı kritiktir.

Key Concept

Etkinlik (Efficiency) ve Gauss-Markov Teoremi

Practice More

Değişen varyans (heteroskedastisite) durumunda EKK tahmin edicilerinin hangi özelliğini kaybettiğini ve bunun yerine hangi yöntemin (örn. Ağırlıklı EKK) BLUE sonuç verdiğini inceleyebilirsiniz.
Estimated Time:1m 30s
Question 7Question

Çoklu doğrusal regresyon modelinde (Y=Xβ+uY = X\beta + u), Gauss-Markov teoremi uyarınca En Küçük Kareler (EKK) tahmin edicilerinin "En İyi Doğrusal Sapmasız Tahmin Edici" (BLUE) olabilmesi için belirli varsayımların sağlanması gerekir. Buna göre, EKK tahmin edicilerinin sapmasızlık (unbiasedness) özelliğini korumasına rağmen "en iyi" (minimum varyanslı/etkin) olma özelliğini kaybetmesine neden olan varsayım ihlali aşağıdakilerden hangisidir?

Show answer & explanation

Answer: Hata terimlerinin varyansının tüm gözlemler için sabit olmaması (Değişken varyans)

Answer

Hata terimlerinin varyansının tüm gözlemler için sabit olmaması (Değişken varyans) durumunda tahmin ediciler sapmasız kalır ancak etkinliklerini kaybederler.
Çoklu doğrusal regresyon analizinde, hata terimlerinin varyansının tüm gözlemler için sabit olması (Var(ui)=σ2Var(u_i) = \sigma^2) varsayımının ihlal edilmesi (değişken varyans), En Küçük Kareler tahmin edicilerinin hala sapmasız (unbiased) ve tutarlı (consistent) kalmasını sağlar. Ancak, bu durumda EKK tahmin edicileri artık kendi sınıfları içindeki en küçük varyansa sahip tahmin ediciler değillerdir. Yani 'en iyi' (best) olma özelliklerini kaybederler ve BLUE niteliğinden uzaklaşırlar.

Step-by-Step Solution

1
BLUE özelliklerini tanımla
BLUE: Doğrusal (Linear), Sapmasız (Unbiased) ve En İyi/Etkin (Best/Minimum Variance) özelliklerinin birleşimidir.
Soruda hangi özelliğin kaybedilip hangisinin korunduğunu belirlemek için temel tanım gereklidir.
2
Varsayımlar ile özellikler arasındaki ilişkiyi kur
E(u)=0E(u) = 0 ve Cov(X,u)=0Cov(X, u) = 0 varsayımları sapmasızlığı sağlar. Var(u)=σ2IVar(u) = \sigma^2 I (sabit varyans ve otokorelasyonsuzluk) varsayımı ise etkinliği (minimum varyans) sağlar.
Gauss-Markov teoreminin hangi parçasının hangi varsayıma dayandığını ayrıştırmak gerekir.
3
Değişken varyans (Heteroskedastisite) etkisini analiz et
Değişken varyans durumunda sapmasızlık koşulları (E(u)=0E(u)=0) hala sağlandığı için tahminciler sapmasızdır, ancak varyans matrisi artık minimum değildir.
İhlal durumunda ortaya çıkan sonucu teyit etmek için.

Key Concept

Gauss-Markov Teoremi ve BLUE Özellikleri

Practice More

Değişken varyans durumunda BLUE özelliğini yeniden kazanmak için kullanılan 'Ağırlıklı En Küçük Kareler' (WLS) yöntemini inceleyebilirsiniz.
Estimated Time:1m 15s
Question 8Question

Bir araştırmacı, n=31n = 31 gözlem içeren bir veri seti ile kurduğu regresyon modeline yeni bir bağımsız değişken eklemiştir. Bu işlem sonucunda modelin belirtme katsayısının (R2R^2) 0,8000,800'den 0,8050,805'e yükseldiği, ancak düzeltilmiş belirtme katsayısının (Rˉ2\bar{R}^2) düştüğü gözlemlenmiştir.

Bu durumun temel nedeni aşağıdakilerden hangisidir?

Show answer & explanation

Answer: Yeni değişkenin açıklayıcılığa yaptığı katkının, serbestlik derecesindeki kaybın yarattığı cezayı telafi edememesi

Answer

Yeni değişkenin açıklayıcılığa yaptığı katkının, serbestlik derecesindeki kaybın yarattığı cezayı telafi edememesi
Düzeltilmiş belirtme katsayısı (Rˉ2\bar{R}^2), regresyon modeline yeni değişkenler eklendiğinde ortaya çıkan serbestlik derecesi kaybını bir 'ceza' olarak hesaba katar. Matematiksel olarak Rˉ2\bar{R}^2 değerinin artması için, yeni eklenen değişkenin hata kareler toplamını (SSE) serbestlik derecesindeki azalmadan daha büyük bir oranda düşürmesi gerekir. Bu soruda R2R^2 değeri çok az arttığı için (0,8000,8050,800 \rightarrow 0,805), modelin açıklama gücündeki bu küçük iyileşme, bir serbestlik derecesi kaybetmenin maliyetini karşılayamamış ve sonuçta düzeltilmiş değer düşmüştür.

Step-by-Step Solution

1
Düzeltilmiş belirtme katsayısı formülünü analiz etme
Rˉ2=1(1R2)n1nk1\bar{R}^2 = 1 - (1 - R^2) \frac{n-1}{n-k-1}
Modele değişken eklendiğinde kk (bağımsız değişken sayısı) artar, bu da paydadaki nk1n-k-1 değerini küçülterek 'ceza' terimini büyütür.
2
Değişimin yönünü belirleme
R2R^2 artarken Rˉ2\bar{R}^2'nin düşmesi durumu
Eğer R2R^2 değerindeki artış çok küçükse (örnekte 0,0050,005), serbestlik derecesindeki kaybın (paydadaki azalma) etkisi daha baskın hale gelir.
3
İstatistiksel yorumu yapma
Yeni değişkenin modele eklenmesinin anlamsız olduğu sonucu
Düzeltilmiş R2R^2 değeri, modele gereksiz değişken eklenmesini önlemek için bir kriter olarak kullanılır.

Key Concept

Düzeltilmiş Belirtme Katsayısı ve Serbestlik Derecesi İlişkisi

Practice More

F testinin anlamlılığı ile düzeltilmiş R² artışı arasındaki ilişkiyi inceleyen sorulara göz atabilirsiniz.
Estimated Time:1m 30s
Question 9Question

Bir kamu kurumu tarafından yürütülen verimlilik analizinde, personelin performans puanı (YY); kurumdaki deneyim süresi (X1X_1), son bir yılda alınan teknik eğitim saati (X2X_2) ve yaş (X3X_3) bağımsız değişkenleri ile açıklanmak istenmektedir. 31 personelden toplanan verilerle tahmin edilen çoklu doğrusal regresyon modelinde Regresyon Kareler Toplamı (RKTRKT) 450 ve Hata Kareler Toplamı (HKTHKT) 270 olarak hesaplanmıştır.

Bu verilere göre, modelin genel anlamlılığını test etmek amacıyla kullanılan FF istatistiğinin değeri kaçtır?

Show answer & explanation

Answer: 15,00

Answer

Modelin genel anlamlılık testi için hesaplanan FF istatistiği değeri 15,00'dır.
Verilen modelde n=31n=31 gözlem ve k=3k=3 bağımsız değişken bulunmaktadır. Regresyonun serbestlik derecesi k=3k=3, hatanın serbestlik derecesi ise nk1=3131=27n-k-1 = 31-3-1=27 olarak hesaplanır. Regresyon Kareler Ortalaması (RKO=450/3=150RKO = 450/3 = 150) ve Hata Kareler Ortalaması (HKO=270/27=10HKO = 270/27 = 10) değerlerinin birbirine oranı olan 150/10=15,00150/10 = 15,00 değeri, modelin genel anlamlılığını test eden FF istatistiğidir.

Step-by-Step Solution

1
Serbestlik derecelerini belirleyin.
dfreg=k=3df_{reg} = k = 3 ve dfhata=nk1=3131=27df_{hata} = n - k - 1 = 31 - 3 - 1 = 27
Regresyon serbestlik derecesi bağımsız değişken sayısına (kk), hata serbestlik derecesi ise gözlem sayısı ile parametre sayısı arasındaki farka eşittir.
2
Kareler ortalamalarını hesaplayın.
RKO=450/3=150RKO = 450 / 3 = 150 ve HKO=270/27=10HKO = 270 / 27 = 10
Kareler ortalaması (KO), ilgili kareler toplamının kendi serbestlik derecesine bölünmesiyle bulunur.
3
FF istatistiği formülünü uygulayın.
F=150/10=15,00F = 150 / 10 = 15,00
FF istatistiği, açıklanan varyansın (RKO) açıklanamayan varyansa (HKO) olan oranını gösterir.

Key Concept

ANOVA Tablosu ve F Testi

Alternative Method

Belirleme katsayısı (R2R^2) üzerinden de hesaplanabilir: R2=450/720=0,625R^2 = 450/720 = 0,625. F=[R2/k]/[(1R2)/(nk1)]=[0,625/3]/[0,375/27]=15,00F = [R^2 / k] / [(1-R^2) / (n-k-1)] = [0,625/3] / [0,375/27] = 15,00 sonucuna ulaşılır.
Estimated Time:1m 30s
Question 10Question

Bir araştırmacı, n=24n=24 gözlem kullanarak 3 bağımsız değişkenli bir çoklu doğrusal regresyon modeli tahmin etmiştir. Yapılan analiz sonucunda birinci bağımsız değişkene ait katsayı tahmini β^1=2,50\hat{\beta}_1 = 2,50 ve bu katsayının standart hatası se(β^1)=0,50se(\hat{\beta}_1) = 0,50 olarak hesaplanmıştır.

Buna göre, %95\%95 güven düzeyinde β1\beta_1 parametresi için hesaplanacak güven aralığı aşağıdakilerden hangisidir?

(Not: t0,025;20=2,086t_{0,025; 20} = 2,086, t0,025;23=2,069t_{0,025; 23} = 2,069, t0,05;20=1,725t_{0,05; 20} = 1,725)

Show answer & explanation

Answer: [1,457; 3,543]

Answer

Hesaplanan %95 güven aralığı [1,457; 3,543] şeklindedir.
Doğru yanıt olan [1,457; 3,543] aralığı, 24 gözlem ve 4 parametre (3 bağımsız + 1 sabit) içeren modelde 20 serbestlik derecesine karşılık gelen 2,0862,086 kritik tablo değerinin, 0,500,50 standart hatası ile çarpılıp katsayı tahmini olan 2,502,50'den çıkarılması ve eklenmesiyle elde edilir.

Step-by-Step Solution

1
Serbestlik derecesini (sdsd) hesapla.
sd=nk=244=20sd = n - k = 24 - 4 = 20
Çoklu regresyon modelinde serbestlik derecesi, gözlem sayısından tahmin edilen parametre sayısının (sabit terim dahil) çıkarılmasıyla bulunur.
2
Kritik tt tablo değerini belirle.
tα/2;sd=t0,025;20=2,086t_{\alpha/2; sd} = t_{0,025; 20} = 2,086
%95\%95 güven düzeyi için α=0,05\alpha = 0,05 olup, iki yönlü aralıkta tablo değeri α/2=0,025\alpha/2 = 0,025 sütunundan bakılır.
3
Güven aralığı sınırlarını formülize et.
GA=β^1±(tα/2;sd×se(β^1))GA = \hat{\beta}_1 \pm (t_{\alpha/2; sd} \times se(\hat{\beta}_1))
Regresyon katsayıları için güven aralığı, nokta tahmini ile hata payının (kritik değer × standart hata) toplamı ve farkıdır.
4
Değerleri yerine koyarak alt ve üst sınırı hesapla.
2,50±(2,086×0,50)2,50±1,0432,50 \pm (2,086 \times 0,50) \Rightarrow 2,50 \pm 1,043
Alt sınır 1,4571,457 ve üst sınır 3,5433,543 olarak bulunur.

Key Concept

Çoklu doğrusal regresyon katsayıları için güven aralığı hesaplanırken serbestlik derecesinin nkn-k olarak alınması ve tt dağılımının kullanılması zorunludur.
Estimated Time:1m 30s
Question 11Question

Bir araştırmacı, konut fiyatlarını (YY, TL) etkileyen faktörleri incelemek amacıyla konutun büyüklüğü (X1X_1, m2m^2) ve şehir merkezine uzaklığı (X2X_2, km) değişkenlerini kullanarak bir çoklu doğrusal regresyon analizi yapmıştır. Analiz sonucunda elde edilen regresyon denklemi ve değişkenlerin standart sapmaları şu şekildedir:

Y^=500.000+4.000X110.000X2\hat{Y} = 500.000 + 4.000 X_1 - 10.000 X_2

Değişkenlere ait standart sapma değerleri:
- SY=100.000S_Y = 100.000
- SX1=20S_{X_1} = 20
- SX2=5S_{X_2} = 5

Buna göre, bağımsız değişkenlerin bağımlı değişken üzerindeki göreceli (bağıl) önem düzeylerini karşılaştırmak için hesaplanan standartlaştırılmış regresyon katsayıları (\beta) ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Show answer & explanation

Answer: X1X_1 değişkeninin standartlaştırılmış katsayısı 0,80 olup, bu değişkenin fiyatlar üzerindeki göreceli etkisi X2X_2 değişkeninden daha fazladır.

Answer

Konutun büyüklüğü değişkenine ait standartlaştırılmış katsayı 0,80 olarak hesaplanır ve mutlak değerce diğer değişkenden büyük olduğu için göreceli etkisi daha fazladır.
Standartlaştırılmış katsayılar, ham katsayıların (bib_i), ilgili bağımsız değişkenin standart sapması (SXiS_{X_i}) ile çarpılıp bağımlı değişkenin standart sapmasına (SYS_Y) bölünmesiyle elde edilir. Yapılan hesaplamada konut büyüklüğü için katsayı 0,80, uzaklık için ise -0,50 bulunmuştur. Karşılaştırmada katsayıların mutlak değerleri baz alındığından, 0,80 değerine sahip olan konut büyüklüğü değişkeninin fiyatlar üzerindeki göreceli etkisi daha yüksektir.

Step-by-Step Solution

1
Standartlaştırılmış regresyon katsayısı formülünü hatırla.
βi=bi×SXiSY\beta_i = b_i \times \frac{S_{X_i}}{S_Y}
Bağımsız değişkenlerin bağıl önemini ölçmek için ham katsayıları birimlerden arındırmak gerekir.
2
Konutun büyüklüğü (X1X_1) için β1\beta_1 değerini hesapla.
β1=4.000×20100.000=4.000×0,0002=0,80\beta_1 = 4.000 \times \frac{20}{100.000} = 4.000 \times 0,0002 = 0,80
Verilen ham katsayı (b1=4000b_1 = 4000) ve standart sapmalar kullanılarak standartlaştırılmış değer bulunur.
3
Uzaklık (X2X_2) için β2\beta_2 değerini hesapla.
β2=10.000×5100.000=10.000×0,00005=0,50\beta_2 = -10.000 \times \frac{5}{100.000} = -10.000 \times 0,00005 = -0,50
İkinci bağımsız değişkenin de karşılaştırılabilir katsayısı hesaplanır.
4
Elde edilen β\beta katsayılarını mutlak değerce karşılaştır.
0,80>0,50|0,80| > |-0,50| olduğu için X1X_1 değişkeninin etkisi daha büyüktür.
İşarete bakılmaksızın mutlak büyüklük, değişkenin bağımlı değişken üzerindeki göreceli ağırlığını gösterir.

Key Concept

Standartlaştırılmış regresyon katsayıları, değişkenlerin ölçü birimlerini ortadan kaldırarak bağımlı değişken üzerindeki 'standart sapma birimi' cinsinden etkisini gösterir.

Practice More

Standartlaştırılmış katsayıların toplam regresyon denklemi içindeki yerini pekiştirmek için, sabit terimin (intercept) standartlaştırılmış modelde neden sıfır olduğunu araştırabilirsiniz.
Estimated Time:1m 30s
Question 12Question

Çoklu doğrusal regresyon analizinde, En Küçük Kareler (EKK) tahmin edicilerinin Gauss-Markov teoremi uyarınca "En İyi Doğrusal Sapmasız Tahmin Edici" (BLUE) özelliğini taşıması için belirli varsayımların sağlanması gerekmektedir.

Buna göre, aşağıdakilerden hangisi bir tahmin edicinin BLUE olması için sağlanması gereken zorunlu varsayımlardan biri değildir?

Show answer & explanation

Answer: Hata terimlerinin normal dağılım göstermesi

Answer

Hata terimlerinin normal dağılım göstermesi varsayımı, tahmin edicilerin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olması için zorunlu değildir.
Hata terimlerinin normal dağılım göstermesi, Klasik Normal Doğrusal Regresyon Modeli'nin bir varsayımıdır. Bu varsayım, katsayı tahmin edicilerinin örnekleme dağılımının normal olmasını sağlayarak hipotez testlerinin (t ve F testleri) yapılmasına imkan verir. Ancak, Gauss-Markov teoremi katsayıların BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olması için normallik varsayımına ihtiyaç duymaz; sadece hata terimlerinin beklenen değerinin sıfır, varyansının sabit ve hatalar arası kovaryansın sıfır olması yeterlidir.

Step-by-Step Solution

1
Gauss-Markov varsayımlarının listelenmesi
BLUE özelliği için; doğrusallık, sıfır hata ortalaması (E[u]=0E[u]=0), sabit varyans (homoskedastisite), otokorelasyon yokluğu ve tam çoklu bağlantı yokluğu gereklidir.
Teoremin geçerlilik sınırlarını belirlemek için.
2
Normallik varsayımının rolünün analizi
Normallik varsayımı (uN(0,σ2)u \sim N(0, \sigma^2)), EKK tahmin edicilerinin küçük örneklemlerdeki dağılımını belirleyerek t ve F istatistiklerinin kullanılmasına olanak tanır.
Nokta tahmini özellikleri ile hipotez testi gerekliliklerini birbirinden ayırmak için.
3
Sonuçlandırma
Tahmin ediciler normal dağılım olmasa bile yukarıdaki varsayımlar altında sapmasız ve en küçük varyanslı (BLUE) kalmaya devam ederler.
Hataların normal dağılması varsayımının Gauss-Markov kapsamı dışında olduğunu teyit etmek için.

Key Concept

Gauss-Markov Teoremi ve Varsayımları

Hints

1
BLUE özelliğinin açılımını (En İyi Doğrusal Sapmasız Tahmin Edici) ve Gauss-Markov teoremini hatırlayın.
2
Hangi varsayımların tahmin edicinin 'nokta tahmini' özelliklerini (sapmasızlık, varyans), hangilerinin ise 'test istatistiklerini' (t, F) etkilediğini düşünün.
3
Normallik varsayımı olmadan da bir tahmin edici 'sapmasız' ve 'en küçük varyanslı' olabilir mi?

Practice More

Değişen varyans (heteroskedastisite) durumunda EKK tahmin edicilerinin hangi özelliğini (sapmasızlık mı, etkinlik mi) kaybettiğini inceleyen soruları çözebilirsiniz.
Estimated Time:1m 15s
Question 13Question

Bir araştırmacı, bir ilin yıllık elektrik tüketimini (YY), hane halkı sayısı (X1X_1) ve ortalama hane geliri (X2X_2) değişkenleriyle açıklamak amacıyla n=23n=23 gözlem kullanarak çoklu doğrusal regresyon analizi yapmıştır. En Küçük Kareler (EKK) yöntemiyle tahmin edilen modele ait katsayılar ve standart hatalar aşağıdaki tabloda verilmiştir:

DeğişkenKatsayı Tahmini (β^\hat{\beta})Standart Hata (SE(β^)SE(\hat{\beta}))
Sabit (X0X_0)12,412,42,12,1
Hane Halkı (X1X_1)1,51,50,20,2
Ortalama Gelir (X2X_2)0,80,80,150,15

Tablo değerleri: t0,025;20=2,086t_{0,025; 20} = 2,086; t0,025;21=2,080t_{0,025; 21} = 2,080; t0,025;22=2,074t_{0,025; 22} = 2,074; t0,05;20=1,725t_{0,05; 20} = 1,725

Buna göre, hane halkı sayısı değişkenine ait katsayının (β1\beta_1) %95\%95 güven aralığı aşağıdakilerden hangisidir?

Show answer & explanation

Answer: [1,0828;1,9172][1,0828; 1,9172]

Answer

Hane halkı sayısı katsayısı için %95 güven aralığı [1,0828; 1,9172] olarak hesaplanır.
Verilen modelde n=23n=23 gözlem ve 3 parametre (Sabit, X1X_1, X2X_2) bulunmaktadır. Bu durumda serbestlik derecesi 233=2023 - 3 = 20 olur. %95\%95 güven düzeyi için t0,025;20=2,086t_{0,025; 20} = 2,086 değeri kullanılır. Hesaplama 1,5±(2,086×0,2)1,5 \pm (2,086 \times 0,2) şeklinde yapıldığında [1,0828;1,9172][1,0828; 1,9172] aralığına ulaşılır.

Step-by-Step Solution

1
Serbestlik derecesinin hesaplanması
sd=nk=233=20sd = n - k = 23 - 3 = 20
Çoklu regresyonda güven aralıkları ve hipotez testleri için serbestlik derecesi; gözlem sayısı (nn) eksi tahmin edilen parametre sayısı (kk, sabit terim dahil) formülüyle bulunur.
2
Kritik t değerinin belirlenmesi
tα/2;nk=t0,025;20=2,086t_{\alpha/2; n-k} = t_{0,025; 20} = 2,086
%95 güven düzeyi için anlamlılık düzeyi α=0,05\alpha = 0,05 olup, çift yönlü güven aralığı hesaplandığı için tablodan α/2=0,025\alpha/2 = 0,025 değerine bakılır.
3
Güven sınırlarının hesaplanması
AltSınır=1,5(2,086×0,2)=1,0828Alt Sınır = 1,5 - (2,086 \times 0,2) = 1,0828; Üst Sınır = 1,5+(2,086×0,2)=1,91721,5 + (2,086 \times 0,2) = 1,9172
Güven aralığı β^i±tα/2;sd×SE(β^i)\hat{\beta}_i \pm t_{\alpha/2; sd} \times SE(\hat{\beta}_i) formülü kullanılarak elde edilir.

Key Concept

Çoklu regresyon modellerinde parametre güven aralıkları, katsayı tahminleri ve standart hatalar kullanılarak tt dağılımı üzerinden hesaplanır.
Estimated Time:1m 30s
Question 14Question

Bir kamu kurumunda çalışanların maaşları (YY), kıdem yılları (X1X_1) ve yaşları (X2X_2) arasındaki doğrusal ilişkiler üzerine bir araştırma yapılmış ve aşağıdaki basit korelasyon katsayıları hesaplanmıştır:

Değişken ÇiftiKorelasyon Katsayısı (rr)
Maaş (YY) - Kıdem Yılı (X1X_1)0,700,70
Maaş (YY) - Yaş (X2X_2)0,600,60
Kıdem Yılı (X1X_1) - Yaş (X2X_2)0,800,80

Buna göre, Yaş (X2X_2) değişkeninin etkisi kontrol altında tutulduğunda (sabitlendiğinde), Maaş (YY) ile Kıdem Yılı (X1X_1) arasındaki kısmi korelasyon katsayısı (ryx1.x2r_{yx_1.x_2}) yaklaşık olarak kaçtır?

Show answer & explanation

Answer: 0,4580,458

Answer

Yaş değişkeninin etkisi kontrol edildiğinde Maaş ile Kıdem Yılı arasındaki kısmi korelasyon katsayısı 0,4580,458 olarak hesaplanır.
Verilen basit korelasyon katsayıları kısmi korelasyon formülüne yerleştirildiğinde, payda 0,220,22 ve paydada 0,480,48 değerleri elde edilir. Bu iki değerin birbirine oranı olan 0,4580,458, yaşın etkisi dışlandığında maaş ile kıdem yılı arasındaki gerçek ilişkinin gücünü ifade eder.

Step-by-Step Solution

1
Kısmi korelasyon katsayısı formülünü belirleyin.
ryx1.x2=ryx1ryx2rx1x2(1ryx22)(1rx1x22)r_{yx_1.x_2} = \frac{r_{yx_1} - r_{yx_2}r_{x_1x_2}}{\sqrt{(1-r_{yx_2}^2)(1-r_{x_1x_2}^2)}}
Üç değişkenli bir modelde, bir değişkenin etkisi sabitken diğer ikisi arasındaki ilişkiyi ölçmek için bu formül kullanılır.
2
Pay kısmındaki hesaplamayı yapın.
0,70(0,60×0,80)=0,700,48=0,220,70 - (0,60 \times 0,80) = 0,70 - 0,48 = 0,22
İki değişken arasındaki toplam ilişkiden, ortak değişken üzerinden gelen dolaylı ilişki çıkarılır.
3
Payda kısmındaki hesaplamayı yapın.
(10,602)×(10,802)=0,64×0,36=0,8×0,6=0,48\sqrt{(1 - 0,60^2) \times (1 - 0,80^2)} = \sqrt{0,64 \times 0,36} = 0,8 \times 0,6 = 0,48
Varyansların ortak değişkenin etkisinden arındırılmış kısımları hesaplanarak standartlaştırma yapılır.
4
Sonucu bulmak için payı paydaya bölün.
0,22/0,480,45830,22 / 0,48 \approx 0,4583
Elde edilen farkın, değişkenlerin açıklanamayan varyanslarına oranlanmasıyla katsayı elde edilir.

Key Concept

Kısmi korelasyon, bir veya daha fazla kontrol değişkeninin doğrusal etkisi arındırıldıktan sonra iki değişken arasındaki ilişkinin gücünü ölçer.

Alternative Method

Kısmi korelasyonu anlamak için Venn şemaları kullanılabilir. YY ve X1X_1 arasındaki ortak alanın, X2X_2 ile örtüşmeyen kısmının YY değişkeninin X2X_2 tarafından açıklanmayan varyansına oranı olarak görselleştirilebilir.
Estimated Time:2m 0s
Question 15Question

Çoklu doğrusal regresyon modelinde (Y=Xβ+uY = X\beta + u), hata terimlerinin beklenen değerinin sıfır olması (E(u)=0E(u) = 0) ve bağımsız değişkenler ile hata terimi arasında korelasyon bulunmaması (Cov(X,u)=0Cov(X, u) = 0) varsayımları geçerlidir. Buna göre, modelde değişen varyans (heteroskedastisite) durumunun varlığı saptandığında, En Küçük Kareler (EKK) tahmin edicileri hakkında aşağıdakilerden hangisi söylenebilir?

Show answer & explanation

Answer: Tahmin ediciler sapmasız kalmaya devam eder ancak artık en küçük varyansa sahip (etkin) değillerdir.

Answer

Tahmin ediciler sapmasız kalmaya devam eder ancak artık en küçük varyansa sahip (etkin) değillerdir.
Çoklu doğrusal regresyon analizinde sapmasızlık (E[β^]=βE[\hat{\beta}] = \beta) temel olarak hata terimlerinin ortalamasının sıfır olması ve bağımsız değişkenlerle ilişkisiz olması ile garanti edilir. Ancak Gauss-Markov teoremi uyarınca bir tahmin edicinin "En İyi" (minimum varyanslı) olabilmesi için hata varyansının tüm gözlemler için sabit olması (homoskedastisite) gerekir. Değişen varyans durumunda EKK tahmin edicileri hala sapmasızdır fakat artık minimum varyansa sahip değillerdir; bu da onların BLUE olma özelliğini kaybettikleri anlamına gelir.

Step-by-Step Solution

1
Sapmasızlık (Unbiasedness) koşullarını değerlendir.
EKK tahmin edicilerinin sapmasız olması için E(u)=0E(u) = 0 ve Cov(X,u)=0Cov(X, u) = 0 varsayımlarının sağlanması yeterlidir.
Sapmasızlık özelliği hata terimlerinin varyans yapısından bağımsızdır.
2
Gauss-Markov teoremini ve etkinlik (efficiency) koşulunu analiz et.
Gauss-Markov teoremi uyarınca, tahmin edicilerin "en iyi" (minimum varyanslı) olabilmesi için homoskedastisite (Var(ui)=σ2Var(u_i) = \sigma^2) ve otokorelasyon olmaması gereklidir.
Değişen varyans durumunda EKK tahmin edicilerinin varyansları artık minimum değildir.
3
Değişen varyansın sonucunu belirle.
Tahmin ediciler sapmasız ve tutarlıdır ancak etkin (BLUE) değildir.
Homoskedastisite varsayımı ihlal edildiği için BLUE özelliğinin "B" (Best/En İyi) kısmı kaybedilir.

Key Concept

Gauss-Markov Teoremi ve Varsayım İhlallerinin Etkileri
Question 16Question

Bir araştırmacı, 25 farklı ilin yıllık vergi gelirlerini (YY); sanayi üretim endeksi (X1X_1), işsizlik oranı (X2X_2), nüfus yoğunluğu (X3X_3) ve kişi başına düşen kamu yatırımı (X4X_4) bağımsız değişkenlerini kullanarak bir çoklu doğrusal regresyon modeli tahmin etmiştir. Elde edilen Varyans Analizi (ANOVA) sonuçlarına göre Regresyon Kareler Toplamı (RKTRKT) 300300 ve Hata Kareler Toplamı (HKTHKT) 200200 olarak belirlenmiştir. Bu bilgilere göre, modelin genel anlamlılığını test etmek amacıyla hesaplanan FF istatistiğinin değeri aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 7,507,50

Answer

Modelin genel anlamlılığını test etmek için kullanılan FF istatistiğinin değeri 7,507,50 olarak hesaplanır.
Verilen modelde 2525 gözlem (nn) ve 44 bağımsız değişken (kk) bulunmaktadır. Regresyon serbestlik derecesi k=4k=4, hata serbestlik derecesi ise nk1=2541=20n-k-1 = 25-4-1=20 olarak bulunur. Regresyon Kareler Ortalaması (RKO=300/4=75RKO = 300/4 = 75) ve Hata Kareler Ortalaması (HKO=200/20=10HKO = 200/20 = 10) değerlerinin birbirine oranı (75/1075/10) olan 7,507,50 değeri doğru FF istatistiğidir.

Step-by-Step Solution

1
Serbestlik derecelerini (sdsd) belirleyiniz.
sdreg=k=4sd_{reg} = k = 4 ve sdhata=nk1=2541=20sd_{hata} = n - k - 1 = 25 - 4 - 1 = 20.
Çoklu regresyonda regresyon serbestlik derecesi bağımsız değişken sayısına (kk), hata serbestlik derecesi ise gözlem sayısı ile parametre sayısı arasındaki farka (nk1n-k-1) eşittir.
2
Kareler Ortalamalarını (KOKO) hesaplayınız.
RKO=300/4=75RKO = 300 / 4 = 75 ve HKO=200/20=10HKO = 200 / 20 = 10.
Kareler ortalaması, kareler toplamının ilgili serbestlik derecesine bölünmesiyle elde edilir.
3
FF istatistiğini hesaplayınız.
F=RKO/HKO=75/10=7,50F = RKO / HKO = 75 / 10 = 7,50.
Modelin genel anlamlılığı, regresyon değişkenliğinin hata değişkenliğine oranı olan FF testi ile ölçülür.

Key Concept

ANOVA Tablosu ve F Testi
Question 17Question

Bir araştırmacı, nn adet gözlem birimi ve sabit terim dahil kk adet bağımsız değişken kullanarak bir çoklu doğrusal regresyon modeli kurmuştur. Modelin Y=Xβ+ϵY = X\beta + \epsilon biçimindeki matris gösterimi dikkate alındığında, tasarım matrisi (XX) ve parametre vektörünün (β\beta) boyutları aşağıdakilerin hangisinde doğru verilmiştir?

Show answer & explanation

Answer: X:n×(k+1)X: n \times (k+1); β:(k+1)×1\beta: (k+1) \times 1

Answer

Tasarım matrisi XX için n×(k+1)n \times (k+1), parametre vektörü β\beta için (k+1)×1(k+1) \times 1 boyutları doğrudur.
Çoklu doğrusal regresyon modelinde nn gözlem ve kk bağımsız değişken varken, sabit terim için de bir sütun eklendiğinde tasarım matrisi (XX) nn satır ve k+1k+1 sütundan oluşur. Buna bağlı olarak, katsayıları içeren parametre vektörü (β\beta) (k+1)×1(k+1) \times 1 boyutunda bir sütun vektörü olur.

Step-by-Step Solution

1
Model bileşenlerini tanımlayın.
nn gözlem sayısı, kk bağımsız değişken sayısıdır.
Matris boyutlarını belirlemek için temel değişkenlerin tanımlanması gerekir.
2
Sabit terimin etkisini hesaplayın.
Parametre sayısı p=k+1p = k + 1 olur.
Regresyon modelinde sabit terim (β0\beta_0) için tasarım matrisine bir sütun (1'lerden oluşan) ve parametre vektörüne bir satır eklenir.
3
Matris boyutlarını formüle dökün.
XX matrisi nn satır (gözlemler) ve k+1k+1 sütundan (değişkenler+sabit); β\beta ise k+1k+1 satırdan oluşur.
Matris çarpım kuralı (Y=XβY=X\beta) gereği boyutların uyumlu olması gerekir.

Key Concept

Çoklu doğrusal regresyonun matris gösteriminde boyut uyumu ve sabit terimin etkisi.

Hints

1
Modeldeki toplam parametre sayısını (sabit terim dahil) belirleyerek başlayın.
2
XX matrisinin her bir satırı bir gözlemi, her bir sütunu ise bir değişkeni temsil eder.
3
Y=XβY = X\beta çarpımının tanımlı olabilmesi için XX'in sütun sayısı ile β\beta'nın satır sayısı eşit olmalıdır.

Practice More

Model tahmin edildikten sonra elde edilen şapka (Hat) matrisinin izini (trace) hesaplayarak parametre sayısı ile ilişkisini inceleyebilirsiniz.
Estimated Time:1m 30s
Question 18Question

Bir kamu iktisadi teşebbüsünde çalışanların performans düzeyleri (YY); kıdem yılı (X1X_1) ve aylık eğitim saati (X2X_2) bağımsız değişkenleri ile açıklanmak istenmektedir. n=31n = 31 gözlem kullanılarak tahmin edilen çoklu doğrusal regresyon modeline ilişkin ANOVA tablosunun bir kısmı aşağıda verilmiştir:

Varyans KaynağıKareler Toplamı (KTKT)
Regresyon160
Hata140
Toplam300

Buna göre, modelin genel anlamlılığını test etmek amacıyla hesaplanan FF istatistiğinin değeri aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 16,0

Answer

Modelin genel anlamlılık testi için hesaplanan FF istatistiği 16,0 değerine eşittir.
Verilen modelde 2 bağımsız değişken (k=2k=2) ve 31 gözlem (n=31n=31) bulunmaktadır. Regresyon serbestlik derecesi k=2k=2, hata serbestlik derecesi ise nk1=3121=28n-k-1 = 31-2-1 = 28'dir. Regresyon Kareler Ortalaması MSR=160/2=80MSR = 160 / 2 = 80 ve Hata Kareler Ortalaması MSE=140/28=5MSE = 140 / 28 = 5 olarak bulunur. Bu iki değerin oranı olan F=80/5=16,0F = 80 / 5 = 16,0 değeri modelin genel anlamlılık test istatistiğidir.

Step-by-Step Solution

1
Serbestlik derecelerini belirleyin.
dfreg=k=2df_{reg} = k = 2 ve dfhata=nk1=3121=28df_{hata} = n - k - 1 = 31 - 2 - 1 = 28
FF istatistiği için kareler ortalamalarının hesaplanması gerekir, bu da kareler toplamlarının ilgili serbestlik derecelerine bölünmesini gerektirir.
2
Kareler Ortalamalarını (MSMS) hesaplayın.
MSR=160/2=80MSR = 160 / 2 = 80 ve MSE=140/28=5MSE = 140 / 28 = 5
Varyans analizi tablosunda ortalama kareler, açıklanan ve açıklanamayan varyansın temsilcileridir.
3
FF istatistiğini hesaplayın.
F=MSR/MSE=80/5=16,0F = MSR / MSE = 80 / 5 = 16,0
Modelin genel anlamlılığı, regresyonun sağladığı bilgi artışının hata varyansına oranlanmasıyla test edilir.

Key Concept

ANOVA Tablosu ve F Testi İstatistiği
Question 19Question

Bir bölgedeki tarımsal verimlilik (YY), gübre kullanımı (X1X_1) ve yıllık yağış miktarı (X2X_2) arasındaki doğrusal ilişkileri belirlemek amacıyla yapılan bir araştırmada aşağıdaki basit korelasyon katsayıları hesaplanmıştır:

Değişken ÇiftiKorelasyon Katsayısı
YY ve X1X_1ry1=0,72r_{y1} = 0,72
YY ve X2X_2ry2=0,60r_{y2} = 0,60
X1X_1 ve X2X_2r12=0,80r_{12} = 0,80

Buna göre, yağış miktarının (X2X_2) etkisi kontrol edildiğinde, tarımsal verimlilik (YY) ile gübre kullanımı (X1X_1) arasındaki kısmi korelasyon katsayısı (ry1.2r_{y1.2}) kaçtır?

Show answer & explanation

Answer: 0,50

Answer

Yağış miktarının etkisi sabit tutulduğunda hesaplanan kısmi korelasyon katsayısı 0,50'dir.
Verilen basit korelasyon değerleri ry1.2=(0,720,60×0,80)/(10,602)(10,802)r_{y1.2} = (0,72 - 0,60 \times 0,80) / \sqrt{(1-0,60^2)(1-0,80^2)} formülünde yerine konulduğunda pay 0,24, payda ise 0,48 olarak bulunur. Bu oranlama sonucunda elde edilen 0,50 değeri, yağış miktarının etkisi arındırıldıktan sonra gübre kullanımı ile verimlilik arasındaki net doğrusal ilişkinin gücünü gösterir.

Step-by-Step Solution

1
Kısmi korelasyon katsayısı formülünü belirle.
ry1.2=ry1ry2r12(1ry22)(1r122)r_{y1.2} = \frac{r_{y1} - r_{y2}r_{12}}{\sqrt{(1-r_{y2}^2)(1-r_{12}^2)}}
X2X_2 değişkeninin etkisini arındırmak için bu standart formül kullanılır.
2
Formülün pay kısmını hesapla.
0,72(0,60×0,80)=0,720,48=0,240,72 - (0,60 \times 0,80) = 0,72 - 0,48 = 0,24
Bağımlı değişken ile birinci bağımsız değişken arasındaki ilişkiden, ortak değişken üzerinden gelen dolaylı etkinin çıkarılması gerekir.
3
Formülün payda kısmını hesapla.
(10,602)(10,802)=(10,36)(10,64)=0,64×0,36=0,8×0,6=0,48\sqrt{(1-0,60^2)(1-0,80^2)} = \sqrt{(1-0,36)(1-0,64)} = \sqrt{0,64 \times 0,36} = 0,8 \times 0,6 = 0,48
Katsayının standartlaştırılması için her iki değişkenin de kontrol edilen değişken tarafından açıklanmayan varyansları oranlanır.
4
Payı paydaya bölerek nihai katsayıyı bul.
0,24/0,48=0,500,24 / 0,48 = 0,50
Kısmi korelasyon katsayısı, arındırılmış ilişkinin gücünü gösterir.

Key Concept

Kısmi korelasyon katsayısı, bir veya daha fazla değişkenin etkisinin istatistiksel olarak kontrol edilmesi (sabit tutulması) durumunda, iki değişken arasındaki saf ilişkinin derecesini ölçer.

Practice More

Kısmi korelasyonun karesi olan kısmi belirtme katsayısının anlamını ve çoklu belirtme katsayısı (R2R^2) ile olan ilişkisini incelemek konuyu pekiştirmenize yardımcı olacaktır.
Estimated Time:1m 30s
Question 20Question

Bir yerel yönetim araştırmasında, vatandaşların belediye hizmetlerinden duydukları memnuniyet düzeyi (YY); çevre düzenlemesi (X1X_1), ulaşım hizmetleri (X2X_2), kültürel faaliyetler (X3X_3) ve güvenlik (X4X_4) bağımsız değişkenleri ile modellenmiştir. Toplam n=21n = 21 gözlem kullanılarak tahmin edilen çoklu doğrusal regresyon modelinde Regresyon Kareler Toplamı (RKTRKT) 200200, Hata Kareler Toplamı (HKTHKT) ise 160160 olarak bulunmuştur.

Buna göre, modelin genel anlamlılığını test etmek amacıyla kullanılan FF hesap istatistiğinin değeri aşağıdakilerden hangisidir?

Show answer & explanation

Answer: 5,00

Answer

Modelin genel anlamlılığı için hesaplanan FF istatistiğinin değeri 5,005,00 olarak bulunur.
Doğru cevap olan seçenek, regresyon kareler ortalamasının (200/4=50200/4=50) hata kareler ortalamasına (160/16=10160/16=10) oranlanmasıyla elde edilen 5,005,00 değerini içermektedir.

Step-by-Step Solution

1
Regresyon serbestlik derecesini (sdRegsd_{Reg}) belirle.
sdReg=k=4sd_{Reg} = k = 4
Çoklu regresyonda regresyon kareler toplamının serbestlik derecesi bağımsız değişken sayısına (kk) eşittir.
2
Hata serbestlik derecesini (sdHatasd_{Hata}) hesapla.
sdHata=nk1=2141=16sd_{Hata} = n - k - 1 = 21 - 4 - 1 = 16
Hata kareler toplamının serbestlik derecesi gözlem sayısından parametre sayısının çıkarılmasıyla bulunur.
3
Regresyon Kareler Ortalamasını (RKORKO) hesapla.
RKO=RKT/sdReg=200/4=50RKO = RKT / sd_{Reg} = 200 / 4 = 50
Kareler ortalaması, kareler toplamının ilgili serbestlik derecesine bölünmesiyle elde edilir.
4
Hata Kareler Ortalamasını (HKOHKO) hesapla.
HKO=HKT/sdHata=160/16=10HKO = HKT / sd_{Hata} = 160 / 16 = 10
Modelin hata varyansının tahmini olan HKOHKO, hata kareler toplamının hata serbestlik derecesine bölünmesidir.
5
FF istatistiğini hesapla.
F=RKO/HKO=50/10=5,00F = RKO / HKO = 50 / 10 = 5,00
FF istatistiği, regresyon kareler ortalamasının hata kareler ortalamasına oranıdır.

Key Concept

Çoklu doğrusal regresyonda ANOVA tablosu bileşenleri ve modelin genel anlamlılığı için FF testi hesaplaması.
Estimated Time:1m 30s
Page 1 / 7Next