Regresyon Analizi

210 questions

Kültür ve Turizm Bakanlığı, çeşitli müzelere yapılan aylık tanıtım harcamaları ( $X$ , bin TL) ile bu müzeleri ziyaret eden turist sayıları ( $Y$ , bin kişi) arasındaki ilişkiyi basit doğrusal regresyon modeli ile analiz etmektedir.

Rastgele seçilen 10 müze için elde edilen özet istatistikler aşağıda verilmiştir:
• $\bar{x} = 12$
• $\bar{y} = 60$
• $\sum (x_i - \bar{x})^2 = 300$
• $\sum (x_i - \bar{x})(y_i - \bar{y}) = 1200$

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

\hat{y} = 12 + 4x

\hat{y} = 57 + 0,25x

\hat{y} = 108 + 4x

\hat{y} = 5x

\hat{y} = -228 + 4x

Show answer & explanation

Answer: $\hat{y} = 12 + 4x$

Answer

Doğru denklem

\hat{y} = 12 + 4x

şeklindedir.

Verilen özet istatistiklerle EKK tahmin edicileri kullanıldığında eğim

\hat{\beta}_1 = \frac{1200}{300} = 4

olarak bulunur. Sabit terim ise

\hat{\beta}_0 = 60 - 4(12) = 12

olarak elde edilir. Bu iki katsayı doğrusal regresyon modeline yerleştirildiğinde tahmin denklemi

\hat{y} = 12 + 4x

olur.

Step-by-Step Solution

Eğim katsayısını (

\hat{\beta}_1

) hesapla.

\hat{\beta}_1 = \frac{1200}{300} = 4

EKK yönteminde eğim katsayısı, X ve Y arasındaki ortak değişimin (kovaryansın payı) X'in kendi içindeki değişimine (varyansın payı) bölünmesiyle bulunur:

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

Sabit terimi (

\hat{\beta}_0

) hesapla.

\hat{\beta}_0 = 60 - (4 \times 12) = 60 - 48 = 12

Regresyon doğrusu her zaman değişkenlerin ortalama noktasından (

\bar{x}, \bar{y}

) geçer. Bu nedenle sabit terim

\hat{\beta}_0 = \bar{y} - \hat{\beta}_1 \bar{x}

formülüyle hesaplanır.

Tahmin edilen regresyon denklemini oluştur.

\hat{y} = 12 + 4x

Basit doğrusal regresyon denklemi

\hat{y} = \hat{\beta}_0 + \hat{\beta}_1 x

formatında yazılır.

Key Concept

En Küçük Kareler (EKK) Yöntemi ile Parametre Tahmini Formülleri

Question 142Question →

Bir araştırmacı, kurduğu çoklu doğrusal regresyon modelinde bağımsız değişkenler arasındaki bağlantıyı incelemek amacıyla yaptığı analizler sonucunda $X_1$ bağımsız değişkenine ait Tolerans ( $Tolerance$ ) değerini $0,10$ olarak hesaplamıştır.

Buna göre, $X_1$ değişkeni için Varyans Şişme Faktörü ( $VIF$ ) değeri kaçtır ve bu modelde çoklu doğrusal bağlantının bulunması En Küçük Kareler ( $EKK$ ) tahmincilerini nasıl etkiler?

VIF = 10

olur; EKK tahmincileri sapmalı (biased) hale gelir.

VIF = 10

olur; EKK tahmincileri sapmasız kalır ancak tahminlerin varyansları büyür.

VIF = 0,90

olur; modelde hatalar arasında otokorelasyon sorunu ortaya çıkar.

VIF = 1

olur; tahminciler en iyi doğrusal sapmasız tahminci (BLUE) olma özelliğini korur.

VIF = 10

olur; bu durum hataların varyansının gözlemlere göre değişmesine neden olur.

Show answer & explanation

Answer: $VIF = 10$ olur; EKK tahmincileri sapmasız kalır ancak tahminlerin varyansları büyür.

Answer

Varyans Şişme Faktörü (

VIF

) değeri

10

olarak hesaplanır; bu durumda En Küçük Kareler tahmincileri sapmasız kalmaya devam eder ancak tahminlerin varyansları büyür.

Varyans Şişme Faktörü (

VIF

), Tolerans değerinin tersi olarak hesaplanır (

1 / 0,10 = 10

). Ekonometrik teoride çoklu doğrusal bağlantı, parametre tahminlerinin doğruluğunu (sapmasızlığını) etkilemez; ancak tahminlerin hassasiyetini (varyansını) azaltarak standart hataların büyümesine ve

t

-istatistiklerinin küçülmesine yol açar.

Step-by-Step Solution

Varyans Şişme Faktörü (

VIF

) değerini hesaplayınız.

VIF = \frac{1}{Tolerans} = \frac{1}{0,10} = 10

VIF ve Tolerans değerleri birbirinin çarpmaya göre tersidir.

Çoklu doğrusal bağlantının parametre tahminleri üzerindeki teorik etkisini belirleyiniz.

Tahminciler sapmasızdır ancak varyansları artmıştır (etkin değildir).

Çoklu doğrusal bağlantı varlığında Gauss-Markov varsayımlarından sapmasızlık hala geçerlidir, fakat parametrelerin standart hataları yapay olarak yükselir.

Key Concept

Çoklu doğrusal bağlantı (multicollinearity) durumunda EKK tahmincileri sapmasızlık (unbiasedness) özelliğini korur, ancak varyansları şiştiği için tahminciler etkinliğini kaybeder.

Estimated Time:45s

Question 143Question →

Bir araştırmacı, mevcut regresyon modeline yeni bağımsız değişkenler ekleyerek modelin açıklayıcılığını artırmayı hedeflemektedir.

Modele yeni değişkenler eklendiğinde belirleme katsayısı ( $R^2$ ) ve düzeltilmiş belirleme katsayısı ( $\bar{R}^2$ ) değerlerinde meydana gelebilecek değişimlerle ilgili aşağıdaki ifadelerden hangisi doğrudur?

Belirleme katsayısı (

R^2

) hiçbir zaman azalmazken, düzeltilmiş belirleme katsayısı (

\bar{R}^2

) azalabilir.

Düzeltilmiş belirleme katsayısı (

\bar{R}^2

), her zaman belirleme katsayısından (

R^2

) daha büyük bir değer alır.

Modele eklenen her yeni değişken, düzeltilmiş belirleme katsayısının (

\bar{R}^2

) mutlaka artmasını sağlar.

Belirleme katsayısı (

R^2

), sadece modele istatistiksel olarak anlamlı değişkenler eklendiğinde artış gösterir.

Düzeltilmiş belirleme katsayısı (

\bar{R}^2

), sadece basit doğrusal regresyon modellerinde hesaplanabilir.

Show answer & explanation

Answer: Belirleme katsayısı ( $R^2$ ) hiçbir zaman azalmazken, düzeltilmiş belirleme katsayısı ( $\bar{R}^2$ ) azalabilir.

Answer

Belirleme katsayısı (

R^2

) modele değişken eklendikçe azalmazken, düzeltilmiş belirleme katsayısı (

\bar{R}^2

) model karmaşıklığına verilen ceza nedeniyle azalabilir.

Doğru ifade, belirleme katsayısının (

R^2

) modele değişken eklendikçe azalmayacağını, ancak düzeltilmiş belirleme katsayısının (

\bar{R}^2

) modele sağlanan açıklayıcılık katkısı serbestlik derecesi kaybını karşılamadığında azalabileceğini belirtmektedir.

Step-by-Step Solution

Belirleme katsayısının (

R^2

) temel özelliğini değerlendir.

R^2

değeri, modele yeni bağımsız değişkenler eklendikçe matematiksel olarak asla azalmaz.

Çünkü modele eklenen her yeni değişken, bağımlı değişkendeki toplam kareler toplamının en azından aynı kalmasını sağlar; genellikle hata kareler toplamını bir miktar düşürerek

R^2

değerini yapay olarak artırır.

Düzeltilmiş belirleme katsayısının (

\bar{R}^2

) işlevini incele.

\bar{R}^2

, modeldeki bağımsız değişken sayısını ve gözlem sayısını (serbestlik derecesini) hesaba katarak bir ceza uygular.

Bu katsayının amacı, modele anlamsız değişkenler ekleyerek

R^2

değerini yapay olarak yükseltmenin önüne geçmektir.

İki ölçüt arasındaki ilişkiyi karşılaştır.

Eğer eklenen yeni değişkenin modele katkısı düşükse, serbestlik derecesindeki kayıp daha baskın hale gelir ve

\bar{R}^2

düşer; ancak

R^2

düşmez.

\bar{R}^2

formülündeki

(n-1)/(n-k-1)

terimi, değişken sayısı (

k

) arttıkça büyüdüğü için katsayıyı aşağı çeker.

Key Concept

R-kare ve Düzeltilmiş R-kare Karşılaştırması

Question 144Question →

Doğrusal bir regresyon modelinde Gauss-Markov varsayımlarından biri olan sabit varyans varsayımının ihlal edilmesi (değişen varyans sorunu) durumunda, En Küçük Kareler ( $EKK$ ) tahmincilerinin özellikleri ile ilgili aşağıdakilerden hangisi doğrudur?

Tahminciler sapmasızlık ve tutarlılık özelliklerini korurlar ancak etkin (minimum varyanslı) değildirler.

Tahminciler hem sapmalı hem de tutarsız hale gelirler.

Tahminciler hala etkin (minimum varyanslı) kalırlar ancak sapmalı hale gelirler.

Tahminciler tutarlılık özelliğini kaybeder fakat sapmasız kalmaya devam ederler.

Tahminciler doğrusal olma özelliklerini kaybederek doğrusal olmayan tahmincilere dönüşürler.

Show answer & explanation

Answer: Tahminciler sapmasızlık ve tutarlılık özelliklerini korurlar ancak etkin (minimum varyanslı) değildirler.

Answer

Tahmincilerin sapmasız ve tutarlı kalması ancak minimum varyanslı (etkin) olma özelliğini kaybetmesi doğrudur.

Değişen varyans (heteroscedasticity) durumunda,

EKK

tahmincileri hala sapmasız ve tutarlıdır. Ancak Gauss-Markov varsayımlarından biri olan sabit varyans varsayımı ihlal edildiği için, bu tahminciler artık 'En İyi Doğrusal Sapmasız Tahminci' (BLUE) değildirler. Yani, diğer doğrusal sapmasız tahminciler arasında artık en küçük varyansa sahip değillerdir.

Step-by-Step Solution

Değişen varyansın sapmasızlık üzerindeki etkisini incele

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

eşitliği hala geçerlidir.

Parametre tahminlerinin beklenen değerinin gerçek değere eşit olması (sapmasızlık), hata terimlerinin varyans yapısından bağımsızdır.

Değişen varyansın etkinlik (varyans) üzerindeki etkisini incele

Var(\hat{\beta})

artık minimum değildir.

Gauss-Markov teoremi, tahmincilerin en küçük varyanslı (BLUE) olabilmesi için sabit varyans (

Var(u_i) = \sigma^2

) şartını koşar. Bu şart bozulduğunda tahminciler etkinliklerini kaybeder.

Key Concept

Değişen Varyansın EKK Tahmincileri Üzerindeki Teorik Sonuçları

Practice More

Değişen varyansın t ve F testleri üzerindeki etkisini (standart hataların sapmalı olması nedeniyle testlerin geçersiz kalması) inceleyen soruları çözebilirsiniz.

Estimated Time:45s

Question 145Question →

Çoklu doğrusal regresyon analizinde bağımsız değişkenler arasında yüksek dereceli doğrusal ilişkilerin bulunması (çoklu doğrusal bağlantı sorunu) ile ilgili aşağıdakilerden hangisi doğrudur?

En Küçük Kareler (EKK) tahmincileri sapmasız (unbiased) kalmaya devam eder ancak varyansları büyüdüğü için etkinliklerini kaybederler.

Çoklu doğrusal bağlantı varlığında En Küçük Kareler (EKK) tahmincileri sapmalı (biased) hale gelir.

Tolerans değeri arttıkça Varyans Şişirme Faktörü (

VIF

) değeri de artar.

Bağımsız değişkenler arasında hiç korelasyon bulunmadığında Varyans Şişirme Faktörü (

VIF

) değeri 0 olur.

Çoklu doğrusal bağlantı sorunu, parametre tahminlerine ait standart hataların yapay olarak küçülmesine neden olur.

Show answer & explanation

Answer: En Küçük Kareler (EKK) tahmincileri sapmasız (unbiased) kalmaya devam eder ancak varyansları büyüdüğü için etkinliklerini kaybederler.

Answer

En Küçük Kareler (EKK) tahmincileri sapmasızlık özelliğini korur ancak varyansları büyüdüğü için etkinliklerini kaybederler.

Çoklu doğrusal bağlantı durumunda En Küçük Kareler (EKK) tahmincileri sapmasızlık (unbiasedness) özelliğini korumaya devam ederler. Ancak bağımsız değişkenler arasındaki yüksek korelasyon, parametre tahminlerinin varyanslarının (ve standart hatalarının) aşırı derecede büyümesine neden olur. Bu durum, tahminlerin hassasiyetini kaybetmesine ve 'etkin olmayan' tahminciler haline gelmesine yol açar.

Step-by-Step Solution

Çoklu doğrusal bağlantının tahminci özellikleri üzerindeki etkisini değerlendir.

Tahminciler sapmasızdır (unbiased) ancak varyansları büyüktür.

Çoklu doğrusal bağlantı, EKK tahmincilerinin sapmasızlık özelliğini bozmaz; sadece varyansların şişmesine neden olarak tahminlerin güvenilirliğini ve hassasiyetini azaltır.

Tolerans ve Varyans Şişirme Faktörü (

VIF

) arasındaki ilişkiyi hatırla.

VIF = \frac{1}{\text{Tolerans}}

VIF

ve Tolerans birbirinin çarpmaya göre tersidir. Bir değişkene ait Tolerans değeri düştükçe, o değişkenin

VIF

değeri yükselir.

Key Concept

Çoklu Doğrusal Bağlantının Tahminci Özellikleri ve Ölçütleri (VIF/Tolerans)

Hints

Çoklu doğrusal bağlantının tahmincilerin sapmasızlığına mı yoksa varyansına mı etki ettiğini düşünün.

VIF

(Varyans Şişirme Faktörü) ismindeki 'şişirme' kelimesi, standart hataların ve varyansların başına ne geldiği hakkında bir ipucu verir.

Practice More

VIF değeri 10'dan büyük olan bir değişkenin modeldeki anlamlılık testleri (t-testi) üzerindeki etkisini inceleyebilirsiniz.

Estimated Time:45s

Question 146Question →

Bir kamu kurumundaki veri analiz sürecinde, bağımsız değişkenin bağımlı değişken üzerindeki etkisini ölçmek için basit doğrusal regresyon modeli kurulmuştur. Yapılan analiz sonucunda eğim katsayısı $\hat{\beta}_1 = 3,60$ ve bu katsayının standart hatası $se(\hat{\beta}_1) = 1,20$ olarak bulunmuştur.

Buna göre, eğim katsayısının istatistiksel olarak anlamlı olup olmadığını belirlemek için kullanılan $H_0: \beta_1 = 0$ hipotezine ait t-test istatistiği değeri kaçtır?

0,33

2,40

3,00

4,32

4,80

Show answer & explanation

Answer: 3,00

Answer

Hesaplanan t-test istatistiği değeri 3,00'dır.

Basit doğrusal regresyonda bir katsayının (

\beta_1

) anlamlılığını test etmek için kullanılan t-istatistiği, katsayı tahmininin (

\hat{\beta}_1

) bu tahmine ait standart hataya (

se(\hat{\beta}_1)

) bölünmesiyle hesaplanır. Soru metninde verilen

\hat{\beta}_1 = 3,60

se(\hat{\beta}_1) = 1,20

değerleri kullanıldığında,

3,60 / 1,20 = 3,00

sonucu elde edilir. Bu değer, hesaplanan t-istatistiğidir.

Step-by-Step Solution

Regresyon katsayısının anlamlılık testi için gerekli t-istatistiği formülünü belirleyiniz.

t = \frac{\hat{\beta}_1}{se(\hat{\beta}_1)}

Sıfır hipotezi (

H_0: \beta_1 = 0

) altında test istatistiği, katsayı tahmininin standart hatasına oranlanmasıyla hesaplanır.

Verilen değerleri formülde yerine koyarak işlemi gerçekleştiriniz.

t = \frac{3,60}{1,20} = 3,00

Eğim katsayısı 3,60 ve standart hata 1,20 olduğu için bu oran bize test istatistiğini verir.

Key Concept

Regresyon katsayıları için t-test istatistiği hesaplanması

Hints

Katsayının anlamlılığı için test istatistiği her zaman bir oran (bölme işlemi) olarak hesaplanır.

Estimated Time:45s

Question 147Question →

Çoklu doğrusal regresyon analizinde bağımsız değişkenler arasındaki ilişkileri inceleyen bir araştırmacı, bir bağımsız değişkene ait tolerans ( $Tolerance$ ) değerini $0,20$ olarak hesaplamıştır.

Buna göre, bu değişkene ait Varyans Şişirme Faktörü ( $VIF$ ) değeri kaçtır ve çoklu doğrusal bağlantı sorununun varlığı En Küçük Kareler (EKK) tahmincilerinin sapmasızlık (unbiasedness) özelliği üzerinde nasıl bir etki yaratır?

VIF = 5

olur; EKK tahmincileri sapmasızlık özelliğini korur.

VIF = 5

olur; EKK tahmincileri sapmalı (biased) hale gelir.

VIF = 0,80

olur; EKK tahmincileri sapmasızlık özelliğini korur.

VIF = 1,25

olur; EKK tahmincileri sapmalı (biased) hale gelir.

VIF = 0,20

olur; EKK tahmincileri sapmasızlık özelliğini kaybeder.

Show answer & explanation

Answer: $VIF = 5$ olur; EKK tahmincileri sapmasızlık özelliğini korur.

Answer

Varyans Şişirme Faktörü (

VIF

) değeri 5'tir ve EKK tahmincileri sapmasızlık özelliğini korumaya devam eder.

Varyans Şişirme Faktörü (

VIF

) ve tolerans arasındaki ilişki

VIF = 1 / Tolerans

olarak tanımlanır. Verilen

0,20

değeri için

1 / 0,20 = 5

sonucuna ulaşılır. Teorik olarak, çoklu doğrusal bağlantı sorunu model parametrelerinin varyanslarını ve standart hatalarını büyüterek güven aralıklarının genişlemesine ve t-istatistiklerinin küçülmesine neden olur; ancak EKK tahmincilerinin sapmasızlık özelliğini etkilemez. Yani tahminciler hala ortalamada gerçek parametre değerlerini verirler.

Step-by-Step Solution

Varyans Şişirme Faktörü (

VIF

) ile Tolerans arasındaki ilişkiyi belirlemek.

VIF = \frac{1}{Tolerans}

formülü kullanılır.

VIF ve Tolerans, bağımsız değişkenler arasındaki doğrusal ilişkinin derecesini ölçen birbirine bağlı göstergelerdir.

Verilen tolerans değerini formülde yerine koyarak hesaplama yapmak.

VIF = \frac{1}{0,20} = 5

Sayısal sonucu bulmak için temel bölme işlemi uygulanır.

Çoklu doğrusal bağlantının EKK tahmincilerinin özellikleri üzerindeki etkisini değerlendirmek.

Tahminciler sapmasızdır (unbiased) ancak varyansları büyüktür (etkin değildir).

Çoklu doğrusal bağlantı, Gauss-Markov varsayımlarından sapmasızlık özelliğini etkilemez; sadece varyans-kovaryans matrisindeki değerleri şişirerek istatistiksel anlamlılık testlerini zorlaştırır.

Key Concept

Çoklu doğrusal bağlantı durumunda EKK tahmincileri Mavi (BLUE) tahminci olma özelliklerinden sapmasızlık özelliğini korurlar, ancak 'en küçük varyanslı' olma (etkinlik) özelliğini kaybederler.

Practice More

VIF değerinin 10'dan büyük olması durumunda çoklu doğrusal bağlantının ciddi bir sorun teşkil ettiği kabul edilir. Bu durumun standart hatalar üzerindeki etkisini inceleyen sorulara göz atabilirsiniz.

Estimated Time:45s

Question 148Question →

Bir araştırmacı, kurduğu çoklu doğrusal regresyon modelinde bir bağımsız değişkene ait Varyans Şişirme Faktörü ( $VIF$ ) değerini $25$ olarak hesaplamıştır. Bu bulgu ve modelin özellikleri ile ilgili aşağıdakilerden hangisi doğrudur?

Değişkenin tolerans (

Tolerance

) değeri

0,04

'tür ve çoklu doğrusal bağlantı sorunu bulunmasına rağmen EKK tahmin edicileri sapmasızdır.

Değişkenin tolerans değeri

0,25

'dir ve çoklu doğrusal bağlantı nedeniyle tahmin ediciler yanlı (sapmalı) hale gelmiştir.

VIF

değeri

10

'dan büyük olduğu için bağımsız değişkenler arasında bir ilişki yoktur ve modelin tüm t-istatistikleri yapay olarak büyür.

Çoklu doğrusal bağlantı sorunu, En Küçük Kareler (EKK) tahmin edicilerinin doğrusal olma özelliğini ortadan kaldırır.

Tolerans değeri

4

olarak hesaplanır ve bu durum katsayı varyanslarının minimum düzeye inmesini sağlar.

Show answer & explanation

Answer: Değişkenin tolerans ( $Tolerance$ ) değeri $0,04$ 'tür ve çoklu doğrusal bağlantı sorunu bulunmasına rağmen EKK tahmin edicileri sapmasızdır.

Answer

İlgili değişkenin tolerans değeri

0,04

olup, çoklu doğrusal bağlantı varlığında En Küçük Kareler (EKK) tahmin edicileri sapmasızlık özelliğini korur ancak etkinliklerini kaybederler.

Tolerans değeri

Tolerance = 1/VIF

formülü ile hesaplandığında,

1/25 = 0,04

sonucu elde edilir. Literatürde

VIF > 10

veya

Tolerance < 0,10

olması ciddi çoklu doğrusal bağlantıya işaret eder. İstatistiksel olarak, çoklu doğrusal bağlantı varlığında En Küçük Kareler (EKK) tahmin edicileri hala sapmasız (unbiased) ve doğrusal (linear) kalmaya devam eder; fakat varyansları büyüdüğü için artık 'en iyi' (minimum varyanslı) değildirler, yani etkin (efficient) değildirler.

Step-by-Step Solution

Tolerans (

Tolerance

) değerini hesaplayınız.

Tolerance = \frac{1}{VIF} = \frac{1}{25} = 0,04

Varyans Şişirme Faktörü (

VIF

) ile tolerans değeri arasında ters bir ilişki vardır.

Çoklu doğrusal bağlantı sorununun varlığını ve tahmin edici özelliklerini değerlendiriniz.

VIF = 25 > 10

olduğu için ciddi bir çoklu doğrusal bağlantı sorunu vardır; ancak EKK tahmin edicileri hala sapmasızdır.

Çoklu doğrusal bağlantı, katsayıların varyanslarını şişirerek istatistiksel anlamlılığı zorlaştırsa da parametre tahminlerinin beklenen değerini değiştirmez (sapma yaratmaz).

Key Concept

VIF ve Tolerans İlişkisi ile Çoklu Doğrusal Bağlantının Sapmasızlık Üzerindeki Etkisi

Practice More

Çoklu doğrusal bağlantının t ve F testleri üzerindeki çelişkili etkilerini (yüksek R-kare fakat anlamsız t-testleri) inceleyen soruları çözebilirsiniz.

Estimated Time:45s

Question 149Question →

Bir kamu kurumu, bölgesel gelişmişlik endeksini ( $Y$ ) etkileyen faktörleri analiz etmek amacıyla çoklu doğrusal regresyon modeli kurmuştur. Modele dahil edilen altyapı yatırımları ( $X_1$ ) ve sanayileşme oranı ( $X_2$ ) değişkenleri arasında yüksek korelasyon olduğu belirlenmiştir. Yapılan hesaplamalar sonucunda $X_1$ değişkenine ait Varyans Şişirme Faktörü ( $VIF$ ) değeri $12,5$ olarak bulunmuştur. Bu model ve belirtilen değişken ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Tolerans değeri

0,08

olup modelde çoklu doğrusal bağlantı sorunu vardır ancak En Küçük Kareler (EKK) tahmincileri sapmasız kalmaya devam eder.

Tolerans değeri

12,5

olduğu için modelde değişen varyans sorunu saptanmıştır ve bu durum parametre tahminlerinin sapmalı olmasına yol açar.

Tolerans değeri

0,80

olarak hesaplanır; bu değer

VIF

eşiğinin altında kaldığı için modelde herhangi bir varsayım ihlali söz konusu değildir.

Çoklu doğrusal bağlantı nedeniyle En Küçük Kareler tahmincileri doğrusallık özelliğini kaybeder ve model parametreleri hesaplanamaz hale gelir.

VIF

değerinin

10

'dan büyük olması otokorelasyonun kesin kanıtıdır ve bu durum tahmincilerin varyansını yapay olarak küçültür.

Show answer & explanation

Answer: Tolerans değeri $0,08$ olup modelde çoklu doğrusal bağlantı sorunu vardır ancak En Küçük Kareler (EKK) tahmincileri sapmasız kalmaya devam eder.

Answer

Tolerans değerinin 0,08 olduğu, çoklu doğrusal bağlantı sorunu yaşandığı ancak tahmincilerin sapmasızlığını koruduğu ifade doğrudur.

VIF değeri

12,5

olan bir değişkenin tolerans değeri

1 / 12,5 = 0,08

olarak hesaplanır. Literatürde VIF değerinin

10

'dan büyük veya tolerans değerinin

0,10

'dan küçük olması, bağımsız değişkenler arasında ciddi bir çoklu doğrusal bağlantı sorunu olduğuna işaret eder. Bu durumun en kritik teorik sonucu, En Küçük Kareler (EKK) tahmincilerinin hala sapmasız (unbiased) ve doğrusal (linear) kalması, ancak tahmin varyanslarının şişmesi nedeniyle 'en iyi' (etkin) olma özelliğini yitirmesidir.

Step-by-Step Solution

Tolerans değerini hesaplayınız.

Tolerans = \frac{1}{VIF} = \frac{1}{12,5} = 0,08

VIF ve Tolerans arasında matematiksel olarak ters bir ilişki vardır.

Eşik değerleri ile karşılaştırarak sorunu teşhis ediniz.

VIF > 10

veya

Tolerans < 0,10

olduğu için ciddi çoklu doğrusal bağlantı vardır.

İstatistiksel literatürde 10 üzerindeki VIF değerleri yüksek bağlantının göstergesi kabul edilir.

Tahmincilerin özelliklerini değerlendiriniz.

Tahminciler hala sapmasız (unbiased) ve doğrusaldır; ancak varyansları büyüktür (etkin değildir).

Çoklu doğrusal bağlantı bir veri sorunudur; EKK tahmincilerinin sapmasızlık özelliğini bozmaz, sadece güvenilirliğini (hassasiyetini) azaltır.

Key Concept

Çoklu Doğrusal Bağlantı (Multicollinearity) Belirtileri ve Sonuçları

Practice More

VIF değerinin formülünü (

1 / (1 - R^2)

) kullanarak, bir değişkenin diğer bağımsız değişkenler tarafından açıklanma oranını (

R^2

) hesaplamayı deneyebilirsiniz.

Estimated Time:45s

Question 150Question →

Zaman serisi verileri kullanılarak kurulan bir regresyon modelinde, hata terimlerinin ( $u_t$ ) zaman içinde kendinden önceki dönemlere ait hata terimi değerleriyle ( $u_{t-1}, u_{t-2}, \dots$ ) ilişkili olması durumu aşağıdakilerden hangisi ile ifade edilir?

Değişen varyans

Çoklu doğrusal bağlantı

Otokorelasyon

Spesifikasyon hatası

Normallik varsayımı ihlali

Show answer & explanation

Answer: Otokorelasyon

Answer

Hata terimleri arasındaki ardışık bağımlılığı ifade eden kavram otokorelasyondur.

Otokorelasyon (ardışık bağımlılık), klasik doğrusal regresyon varsayımlarından birinin ihlalidir ve özellikle zaman serisi verilerinde, bir döneme ait hata teriminin etkisinin sonraki döneme sarkması durumunda ortaya çıkar.

Step-by-Step Solution

Zaman serisi verilerinde hata terimi (

u_t

) bileşenlerinin yapısını incelemek

Hata terimlerinin kendi geçmiş değerlerinden (

u_{t-1}

) bağımsız olmadığı tespit edilir.

Zaman serilerinde veriler genellikle birbirini takip eden bir yapıya sahip olduğu için bu bağımlılık yaygın bir sorundur.

Bu istatistiksel durumun ekonometrideki karşılığını belirlemek

Bu durum 'Ardışık Bağımlılık' veya 'Otokorelasyon' olarak adlandırılır.

Klasik Doğrusal Regresyon Modeli'nin 'Hata terimleri arasında ilişki yoktur' (

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

) varsayımının ihlalidir.

Key Concept

Ardışık Bağımlılık (Otokorelasyon)

Estimated Time:45s

Question 151Question →

Çoklu doğrusal regresyon modelinde, bağımsız değişkenlerin her birinin önündeki katsayılar 'kısmi regresyon katsayıları' olarak adlandırılır. Buna göre, bir çoklu regresyon modelinde yer alan herhangi bir bağımsız değişkenin katsayısı ( $\beta_i$ ), aşağıdakilerden hangisini ifade etmektedir?

Modeldeki diğer tüm bağımsız değişkenlerin etkisi sabit tutulduğunda, ilgili bağımsız değişkendeki bir birimlik artışın bağımlı değişken üzerindeki beklenen etkisidir.

Bağımsız değişkenlerin tamamının bağımlı değişkendeki toplam varyansı açıklama yüzdesini ifade eder.

Sadece nitel verilerin kullanıldığı modellerde, modelin başlangıç (kesme) noktasında meydana gelen değişimi gösterir.

Modeldeki hata terimlerinin varyansının, gözlem değerlerine bağlı olarak değişip değişmediğini gösteren bir ölçüttür.

En küçük kareler yöntemi ile tahmin edilen parametrenin standart hatasına oranını ifade eden değerdir.

Show answer & explanation

Answer: Modeldeki diğer tüm bağımsız değişkenlerin etkisi sabit tutulduğunda, ilgili bağımsız değişkendeki bir birimlik artışın bağımlı değişken üzerindeki beklenen etkisidir.

Answer

Çoklu doğrusal regresyon modelinde bir katsayı, diğer değişkenlerin etkisi sabitken ilgili değişkendeki bir birimlik artışın bağımlı değişken üzerindeki etkisidir.

Çoklu doğrusal regresyonda katsayılar 'kısmi' niteliktedir. Bu katsayılar, modelde yer alan diğer bağımsız değişkenlerin etkisi dışlandığında (veya sabit tutulduğunda), söz konusu değişkenin bağımlı değişken üzerindeki doğrudan etkisini ölçer. Bu durum literatürde 'ceteris paribus' olarak adlandırılır.

Step-by-Step Solution

Model yapısını analiz etme

Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + ... + \epsilon

Çoklu regresyonda birden fazla bağımsız değişkenin bağımlı değişken üzerindeki ortak etkisi incelenir.

Kısmi türev mantığını uygulama

\frac{\partial E(Y)}{\partial X_i} = \beta_i

Bir katsayıyı yorumlamak için diğer değişkenlerin sabit kabul edilmesi (kısmi türev) gerekir.

İstatistiksel yorumu belirleme

Ceteris Paribus prensibi

İstatistiksel olarak bu durum, diğer faktörler sabit tutulduğunda

X_i

’deki bir birimlik değişimin

Y

üzerindeki ortalama etkisidir.

Key Concept

Kısmi Regresyon Katsayılarının Yorumu (Ceteris Paribus)

Practice More

Çoklu doğrusal bağlantı (multicollinearity) durumunda bu katsayıların ve standart hataların nasıl etkilendiğini inceleyebilirsiniz.

Estimated Time:45s

Question 152Question →

Bir kamu kurumunda yürütülen bir araştırmada, personelin hizmet içi eğitim süreleri ile iş performansları arasındaki ilişkiyi incelemek amacıyla basit doğrusal regresyon modeli kurulmuştur. Analiz sonucunda elde edilen varyans analizi (ANOVA) tablosunun bir kısmı aşağıda verilmiştir:

Varyasyon Kaynağı	Kareler Toplamı (KT)
Regresyon ( $SSR$ )	$480$
Artık / Hata ( $SSE$ )	$120$
Toplam ( $SST$ )	$600$

Buna göre, bu model için hesaplanan belirleme katsayısı ( $R^2$ ) değeri kaçtır?

0,20

0,25

0,75

0,80

4,00

Show answer & explanation

Answer: $0,80$

Answer

Modelin belirleme katsayısı (

R^2

)

0,80

olarak hesaplanır.

Doğru cevap

0,80

değeridir. Belirleme katsayısı (

R^2

), model tarafından açıklanan kareler toplamının (

SSR

) toplam kareler toplamına (

SST

) bölünmesiyle hesaplanır. Soruda verilen tabloda

SSR = 480

SST = 600

olduğundan,

R^2 = 480 / 600 = 0,80

sonucu elde edilir.

Step-by-Step Solution

Belirleme katsayısı formülünü belirleyiniz.

R^2 = \frac{SSR}{SST}

veya

R^2 = 1 - \frac{SSE}{SST}

Belirleme katsayısı, bağımlı değişkendeki toplam değişimin ne kadarının modeldeki bağımsız değişkenlerce açıklandığını gösteren orandır.

Tablodaki değerleri formülde yerine koyunuz.

R^2 = \frac{480}{600}

Tablodan regresyon kareler toplamı (

SSR

)

480

ve toplam kareler toplamı (

SST

)

600

olarak alınır.

Bölme işlemini gerçekleştiriniz.

R^2 = 0,80

480 / 600 = 0,8

sonucuna ulaşılır.

Key Concept

Belirleme katsayısı (

R^2

), regresyon modelinin uyum iyiliğini ölçen ve açıklanan varyansın toplam varyansa oranını temsil eden istatistiksel bir ölçüdür.

Estimated Time:45s

Question 153Question →

Çoklu doğrusal regresyon analizinde bağımsız değişkenler arasında yüksek dereceli doğrusal bir ilişkinin bulunması (çoklu doğrusal bağlantı sorunu) durumunda, model parametrelerinin özellikleri ve teşhis ölçütleri ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Bir bağımsız değişkene ait Varyans Şişirme Faktörü (

VIF

) değerinin

1

olması, modelde tam çoklu doğrusal bağlantı olduğunu gösterir.

Çoklu doğrusal bağlantı varlığı, En Küçük Kareler (

EKK

) tahmin edicilerinin sapmasızlık (

unbiasedness

) özelliğini yitirmesine neden olur.

Bir bağımsız değişken için hesaplanan Tolerans (

Tolerance

) değeri ile Varyans Şişirme Faktörü (

VIF

) arasında

VIF = \frac{1}{Tolerans}

şeklinde bir ilişki vardır.

Çoklu doğrusal bağlantı durumunda katsayı tahminlerinin varyansları küçülür ve güven aralıkları daralır.

Çoklu doğrusal bağlantı sorunu, hata terimlerinin varyansının gözlemden gözleme farklılık göstermesi durumu olarak tanımlanır.

Show answer & explanation

Answer: Bir bağımsız değişken için hesaplanan Tolerans ( $Tolerance$ ) değeri ile Varyans Şişirme Faktörü ( $VIF$ ) arasında $VIF = \frac{1}{Tolerans}$ şeklinde bir ilişki vardır.

Answer

Tolerans (

Tolerance

) değeri ile Varyans Şişirme Faktörü (

VIF

) arasında

VIF = \frac{1}{Tolerans}

şeklinde bir ilişki vardır.

Çoklu doğrusal regresyon analizinde, bağımsız değişkenler arasındaki bağlantının derecesini ölçmek için kullanılan Tolerans ve Varyans Şişirme Faktörü (

VIF

) matematiksel olarak birbirinin tersidir. Bir değişkenin diğer değişkenlerle ilişkisi arttıkça tolerans değeri sıfıra yaklaşırken,

VIF

değeri sonsuza doğru büyür. Bu ilişki

VIF = \frac{1}{Tolerans}

formülü ile net bir şekilde ifade edilir.

Step-by-Step Solution

Çoklu doğrusal bağlantı teşhis ölçütlerini tanımlama

Tolerans (

T_j = 1 - R_j^2

) ve

VIF

(

VIF_j = \frac{1}{1-R_j^2}

) arasındaki ilişki belirlendi.

Bu iki ölçüt arasındaki matematiksel bağ, sorunun teşhisi için temel kuraldır.

En Küçük Kareler (

EKK

) tahmin edicilerinin özelliklerini değerlendirme

Çoklu doğrusal bağlantının sapmasızlığı etkilemediği, ancak varyansı artırdığı (etkinsizlik) doğrulandı.

Çoklu doğrusal bağlantı bir veri sorunudur ve Gauss-Markov varsayımlarından sapmasızlık özelliğini bozmaz.

Key Concept

Tolerans ve VIF İlişkisi

Estimated Time:45s

Question 154Question →

Bir araştırmacı tarafından tahmin edilen basit doğrusal regresyon modeline ait varyans analizi (ANOVA) sonuçlarının bir kısmı aşağıdaki tabloda verilmiştir:

Varyans Kaynağı	Kareler Toplamı (KT)
Regresyon ( $SSR$ )	$160$
Hata ( $SSE$ )	$40$

Buna göre, bağımlı değişkendeki toplam değişimin bağımsız değişken tarafından açıklanan kısmını gösteren belirleme katsayısı ( $R^2$ ) değeri kaçtır?

0,80

0,20

0,25

4,00

0,60

Show answer & explanation

Answer: $0,80$

Answer

Belirleme katsayısı (

R^2

) değeri

0,80

olarak hesaplanır.

Belirleme katsayısı (

R^2

), modeldeki bağımsız değişkenin bağımlı değişkendeki değişimi ne oranda açıkladığını gösterir. Toplam kareler toplamı (

SST

), regresyon (

SSR

) ve hata (

SSE

) kareler toplamlarının toplamıdır (

160 + 40 = 200

). Bu durumda

R^2 = 160 / 200 = 0,80

sonucuna ulaşılır.

Step-by-Step Solution

Toplam Kareler Toplamı'nı (

SST

) hesaplayın.

SST = SSR + SSE = 160 + 40 = 200

Belirleme katsayısı paydasında yer alan toplam değişkenlik miktarını bulmak için regresyon ve hata kareler toplamları toplanmalıdır.

Belirleme katsayısını (

R^2

) formülünü kullanarak hesaplayın.

R^2 = \frac{SSR}{SST} = \frac{160}{200} = 0,80

R^2

değeri, model tarafından açıklanan varyansın toplam varyansa oranını ifade eder.

Key Concept

Belirleme katsayısı (

R^2

), bir regresyon modelinin veriye uyum iyiliğini gösteren ve bağımlı değişkendeki toplam değişkenliğin bağımsız değişkenler tarafından açıklanma oranını temsil eden istatistiksel bir ölçüttür.

Hints

Toplam değişkenlik (

SST

), modelin açıkladığı ve açıklayamadığı kısımların toplamına eşittir.

Önce

SST = SSR + SSE

işlemini yapın, ardından regresyon kareler toplamını bu sonuca bölün.

Practice More

Eğer modelde birden fazla bağımsız değişken olsaydı, düzeltilmiş

R^2

değerinin nasıl değişeceğini düşünün.

Estimated Time:45s

Question 155Question →

Bir iktisatçı, hanehalkı tüketim harcamalarını analiz ettiği doğrusal regresyon modeline "yerleşim yeri" değişkenini nitel bir açıklayıcı değişken olarak dahil etmek istemektedir. Yerleşim yeri değişkeni; "Köy", "Belde", "İlçe" ve "İl Merkezi" olmak üzere toplam 4 farklı kategoriden oluşmaktadır.

Modele sabit terimin (kesme noktası) dahil edildiği varsayıldığında, tam çoklu doğrusal bağlantı (kukla değişken tuzağı) sorunuyla karşılaşmamak için modele eklenmesi gereken kukla değişken sayısı kaçtır?

Show answer & explanation

Answer: 3

Answer

Sabit terimli bir regresyon modelinde, 4 kategorili bir değişken için kukla değişken tuzağına düşmemek adına kategori sayısının bir eksiği olan 3 adet kukla değişken kullanılmalıdır.

Kukla değişkenlerin regresyon modellerine dahil edilmesinde temel kural, eğer modelde bir sabit terim varsa,

k

adet kategoriye sahip bir değişken için

k-1

adet kukla değişken tanımlanmasıdır. Bu soruda 4 yerleşim yeri kategorisi bulunduğu için

4-1=3

adet değişken eklenmesi doğru yaklaşımdır.

Step-by-Step Solution

Kategorik değişkenin seviye sayısını belirleme

Değişkenin 4 farklı seviyesi (Köy, Belde, İlçe, İl Merkezi) olduğu görülür (

k = 4

Kukla değişken sayısı, kategorik değişkenin sahip olduğu grup sayısına bağlıdır.

Kukla değişken kuralını uygulama

Sabit terimli (intercept) modellerde kukla değişken sayısı

k - 1

formülü ile hesaplanır.

Sabit terim zaten bir referans (baz) kategoriyi temsil ettiği için, tam çoklu doğrusal bağlantıdan kaçınmak amacıyla bir kategori dışarıda bırakılır.

Sonucu hesaplama

4 - 1 = 3

adet kukla değişken.

Dört gruptan birinin referans alınmasıyla geriye kalan üç grup için ayrı ayrı kukla değişken tanımlanması yeterlidir.

Key Concept

Kukla Değişken Tuzağı (Dummy Variable Trap)

Question 156Question →

Bir kamu kurumunda çalışan veri analisti, 'hizmet içi eğitim süresi' ile 'personel verimliliği' arasındaki ilişkiyi incelemektedir. Ancak 'personelin yaşı' değişkeninin hem eğitim süresi hem de verimlilik üzerinde etkisi olduğunu fark etmiştir. Analistin, yaş değişkeninin etkisini sabit tutarak (dışlayarak) eğitim süresi ile verimlilik arasındaki saf (net) doğrusal ilişkiyi ölçmek için kullanması gereken istatistiksel katsayı aşağıdakilerden hangisidir?

Kısmi korelasyon katsayısı

Basit korelasyon katsayısı

Belirleme katsayısı (

R^2

)

Düzeltilmiş belirleme katsayısı (

\bar{R}^2

)

Çoklu korelasyon katsayısı

Show answer & explanation

Answer: Kısmi korelasyon katsayısı

Answer

İki değişken arasındaki ilişkiyi, başka bir değişkenin (yaş) etkisini sabit tutarak ölçen katsayı kısmi korelasyon katsayısıdır.

Kısmi korelasyon katsayısı, incelenen iki değişken üzerindeki üçüncü bir değişkenin (veya daha fazlasının) doğrusal etkisini istatistiksel olarak kontrol ederek, bu iki değişken arasındaki net veya 'saf' ilişkiyi ortaya koyar.

Step-by-Step Solution

Analiz amacını belirle

İki ana değişken arasındaki ilişkinin, karıştırıcı bir üçüncü değişkenin etkisinden arındırılması hedeflenmektedir.

Soruda 'yaş değişkeninin etkisini sabit tutarak' ifadesi bu hedefe işaret eder.

İstatistiksel yöntemleri karşılaştır

Basit korelasyon tüm etkileri içerirken, kısmi korelasyon kontrol edilen değişkenin etkisini matematiksel olarak dışlar.

Kısmi korelasyon, iki değişkenin her birinin kontrol edilen değişkenle olan regresyon artıklarının korelasyonudur.

Key Concept

Kısmi korelasyon, iki değişken arasındaki doğrusal ilişkiyi, bir veya daha fazla kontrol değişkeninin etkisini ortadan kaldırarak hesaplar.

Practice More

Düzeltilmiş R-kare'nin, modele anlamsız bir değişken eklendiğinde neden azalabileceğini araştırınız.

Estimated Time:45s

Question 157Question →

Basit doğrusal regresyon analizinde kitle parametrelerini tahmin etmek için kullanılan En Küçük Kareler (EKK) yöntemi, temel olarak aşağıdaki matematiksel değerlerden hangisini minimize (en küçük) etme prensibine dayanır?

Hata terimlerinin (artıkların) kareleri toplamını

Gözlenen bağımlı değişken değerlerinin aritmetik ortalamasını

Bağımsız değişkenlerin toplam varyansını

Belirleme katsayısının (

R^2

) değerini

Parametre tahminlerinin standart hatalarını

Show answer & explanation

Answer: Hata terimlerinin (artıkların) kareleri toplamını

Answer

En Küçük Kareler yöntemi, hata terimlerinin (artıkların) kareleri toplamını minimize etmeyi hedefler.

En Küçük Kareler (EKK) yöntemi, adından da anlaşılacağı üzere, gözlenen gerçek değerler ile regresyon doğrusu tarafından tahmin edilen değerler arasındaki farkların (hata terimleri/artıklar) karelerinin toplamını en küçük yapan parametre değerlerini seçer. Bu yöntem, modelin verilere en yakın şekilde uydurulmasını sağlayan temel optimizasyon kriteridir.

Step-by-Step Solution

Modeldeki artık (residual) kavramını tanımlayın.

e_i = Y_i - \hat{Y}_i

olarak tanımlanan artık, gerçek değer ile tahmin edilen değer arasındaki farktır.

Minimizasyonun neyin üzerinde yapıldığını anlamak için farkların tanımlanması gerekir.

Artık kareler toplamı (AKTS) fonksiyonunu oluşturun.

AKTS = \sum e_i^2 = \sum (Y_i - \hat{\beta}_0 - \hat{\beta}_1 X_i)^2

fonksiyonu elde edilir.

Pozitif ve negatif hataların birbirini götürmesini engellemek ve büyük hataları daha fazla cezalandırmak için kareler alınır.

Fonksiyonun türevini alarak katsayıları bulun.

Bu fonksiyonun parametrelere göre kısmi türevleri alınıp sıfıra eşitlendiğinde normal denklemler ve EKK tahmin edicileri elde edilir.

Bir fonksiyonun minimum değerini bulmak için türevin sıfıra eşitlenmesi matematiksel bir gerekliliktir.

Key Concept

En Küçük Kareler (EKK) Optimizasyonu

Estimated Time:45s

Question 158Question →

Basit doğrusal regresyon analizinde, En Küçük Kareler (EKK) yöntemiyle elde edilen katsayılar üzerinden hipotez testleri ( $t$ ve $F$ testleri) yapabilmek ve güven aralıkları oluşturabilmek için hata terimlerinin ( $u_i$ ) dağılımına yönelik aşağıdaki varsayımlardan hangisinin sağlanması gerekir?

Hata terimlerinin normal dağılıma sahip olması

Hata terimlerinin varyansının gözlemden gözleme artması

Hata terimleri arasında sistematik bir ilişki bulunması

Bağımsız değişkenin hata teriminin bir fonksiyonu olması

Hata terimlerinin beklenen değerinin sıfırdan farklı olması

Show answer & explanation

Answer: Hata terimlerinin normal dağılıma sahip olması

Answer

Hipotez testleri ve güven aralıkları için hata terimlerinin normal dağılıma sahip olması varsayımı gereklidir.

Basit doğrusal regresyon analizinde, hata terimlerinin normal dağılması varsayımı, katsayı tahmin edicilerinin de normal dağılmasını sağlar. Bu sayede, katsayıların anlamlılığını test etmek için kullanılan t-istatistiği ve modelin bütününü test eden F-istatistiği güvenilir sonuçlar verir. Çıkarımsal istatistik (hipotez testleri ve güven aralıkları) bu varsayıma dayanır.

Step-by-Step Solution

EKK tahmin edicilerinin özelliklerini değerlendirme

En Küçük Kareler (EKK) yöntemiyle elde edilen tahmin edicilerin 'En İyi Doğrusal Tarafsız Tahmin Edici' (BLUE) olması için normallik varsayımı zorunlu değildir.

Gauss-Markov teoremi normallik varsayımı olmadan da geçerlidir.

İstatistiksel çıkarım (inference) gereksinimlerini belirleme

Tahmin edilen katsayılar üzerinden

t

veya

F

testleri gibi çıkarımsal analizler yapılmak istendiğinde, bu test istatistiklerinin teorik dağılımlarının bilinmesi gerekir.

Katsayıların dağılımı, hata terimlerinin dağılımına bağlıdır.

Normallik varsayımının rolünü saptama

Eğer hata terimleri

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

şeklinde normal dağılıyorsa, regresyon katsayıları da normal dağılım gösterir. Bu durum, standart hipotez testlerinin uygulanmasına olanak sağlar.

Normal dağılım varsayımı küçük örneklemlerde çıkarım yapabilmek için kritiktir.

Key Concept

İstatistiksel Çıkarım ve Normallik Varsayımı

Hints

EKK tahmin edicilerinin sapmasız olması için normallik şart değildir, ancak testler için gereklidir.

İstatistiksel çıkarımda (t-testi gibi) paydadaki standart hatanın hangi dağılımdan geldiğini düşünün.

Practice More

Büyük örneklemlerde (Merkezi Limit Teoremi sayesinde) normallik varsayımı esnetilebilir mi araştırınız.

Estimated Time:45s

Question 159Question →

Basit doğrusal regresyon analizinde kurulan bir modelin 'doğrusal' (lineer) bir regresyon modeli olarak tanımlanabilmesi için aşağıdakilerden hangisi temel şarttır?

Bağımlı ve bağımsız değişkenlerin derecelerinin her zaman 1 olması

Bilinmeyen kitle parametrelerinin (

\beta

) birinci dereceden (doğrusal) olması

Hata terimlerinin varyansının gözlemden gözleme sistematik olarak artması

Bağımsız değişken (

X

) değerlerinin hata terimi (

u

) ile ilişkili olması

Belirleme katsayısının (

R^2

) her zaman 1'e eşit olması

Show answer & explanation

Answer: Bilinmeyen kitle parametrelerinin ( $\beta$ ) birinci dereceden (doğrusal) olması

Answer

Bilinmeyen kitle parametrelerinin (

\beta

) birinci dereceden (doğrusal) olması

Doğrusal regresyon modelinin temel varsayımlarından ilki, modelin bilinmeyen kitle parametreleri (

\beta_0, \beta_1

) açısından doğrusal olmasıdır. Bu durum, parametrelerin üstünün 1 olması ve başka bir parametreyle çarpım durumunda olmaması anlamına gelir. Bağımsız değişkenlerin karesinin (

X^2

) alınması modeli 'doğrusal regresyon' olmaktan çıkarmaz.

Step-by-Step Solution

Regresyon modelinin matematiksel formunu incele.

Y = \beta_0 + \beta_1 X + u

yapısındaki

\beta

katsayılarının konumu belirlenir.

Modelin tipini (doğrusal/eğrisel) belirleyen ana unsur katsayıların formudur.

Doğrusallık varsayımının tanımını hatırla.

Doğrusallığın değişkenler (

X

Y

) üzerinden değil, kitle parametreleri (

\beta

) üzerinden tanımlandığı tespit edilir.

Regresyon analizinde modelin 'doğrusal' olması için

\beta_0

\beta_1

parametrelerinin birinci dereceden olması yeterlidir.

Seçenekler arasında bu tanıma uyan şartı seç.

Parametrelerin doğrusal olması şartının temel gereklilik olduğu sonucuna varılır.

Değişkenlerin karesi veya logaritması alınsa dahi, parametreler doğrusal olduğu sürece model doğrusal regresyon kapsamındadır.

Key Concept

Regresyonda Parametrelere Göre Doğrusallık

Hints

Regresyonda 'doğrusallık' dendiğinde neyin doğrusal olması gerektiğini düşünün: Değişkenler mi yoksa katsayılar mı?

Örneğin

Y = \beta_0 + \beta_1 X^2 + u

modeli, parametreleri (

\beta

) doğrusal olduğu için bir doğrusal regresyon modelidir.

Practice More

Modelin parametreler açısından doğrusal olup ancak değişkenler açısından doğrusal olmayan (örneğin log-lineer) modelleri inceleyebilirsiniz.

Estimated Time:45s

Question 160Question →

Bir konutun aylık elektrik tüketimini ( $Y$ , kWh) etkileyen faktörleri belirlemek amacıyla; ortalama iç ortam sıcaklığı ( $X_1$ , °C) ve konutta yaşayan kişi sayısı ( $X_2$ ) değişkenleri kullanılarak aşağıdaki çoklu doğrusal regresyon modeli tahmin edilmiştir:

\hat{Y} = 450 - 8,2X_1 + 45,5X_2

Buna göre, ortalama iç ortam sıcaklığının katsayısı olan $-8,2$ değerinin istatistiksel olarak doğru yorumu aşağıdakilerden hangisidir?

Konutta yaşayan kişi sayısı sabit tutulduğunda, iç ortam sıcaklığındaki

1

°C'lik artış elektrik tüketimini ortalama

8,2

kWh azaltır.

İç ortam sıcaklığındaki

1

°C'lik artış, diğer değişkenlerin durumuna bakılmaksızın elektrik tüketimini her zaman

8,2

kWh azaltır.

Konutta hiç kimse yaşamadığında ve iç ortam sıcaklığı

0

°C olduğunda beklenen elektrik tüketimi

8,2

kWh olur.

İç ortam sıcaklığı, elektrik tüketimindeki toplam değişimin %

8,2

'sini açıklamaktadır.

Elektrik tüketimindeki

1

kWh'lık azalma için iç ortam sıcaklığının

8,2

°C artırılması gerekir.

Show answer & explanation

Answer: Konutta yaşayan kişi sayısı sabit tutulduğunda, iç ortam sıcaklığındaki $1$ °C'lik artış elektrik tüketimini ortalama $8,2$ kWh azaltır.

Answer

Konutta yaşayan kişi sayısı sabit tutulduğunda, iç ortam sıcaklığındaki 1 °C'lik artış elektrik tüketimini ortalama 8,2 kWh azaltır.

Çoklu doğrusal regresyon modelinde her bir bağımsız değişkenin önündeki katsayı, modeldeki diğer tüm bağımsız değişkenlerin değerleri sabit tutulmak kaydıyla, o bağımsız değişkendeki bir birimlik artışın bağımlı değişken üzerinde yaratacağı ortalama değişim miktarını ifade eder. Bu senaryoda

-8,2

katsayısı, kişi sayısı sabitken sıcaklık arttığında tüketimin azalacağını doğru bir şekilde açıklar.

Step-by-Step Solution

Modeldeki katsayının hangi değişkene ait olduğunu belirle.

-8,2

değeri

X_1

(İç ortam sıcaklığı) değişkeninin katsayısıdır.

Soruda

-8,2

değerinin yorumu istenmektedir.

Çoklu regresyon katsayılarının temel yorumlama kuralını (ceteris paribus) uygula.

Yorum yapılırken

X_2

(Kişi sayısı) değişkeninin sabit tutulduğu belirtilmelidir.

Çoklu regresyonda her katsayı, diğer değişkenlerin etkisi dışlandığında ortaya çıkan 'kısmi' etkiyi temsil eder.

Katsayının işaretine ve büyüklüğüne göre değişimi ifade et.

X_1

'deki

1

birimlik artışın

Y

'de

8,2

birimlik azalmaya (negatif işaret) yol açtığı sonucuna ulaşılır.

Katsayının önündeki eksi işareti ters yönlü ilişkiyi gösterir.

Key Concept

Kısmi Regresyon Katsayılarının Yorumlanması (Ceteris Paribus)

Estimated Time:45s

PreviousPage 8 / 11Next

Regresyon Analizi

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

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Hints

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Hints

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

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

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