Examkin

Soru

Zorluk: OrtaAdım Adım (Stepwise) Diskriminant Analizi

Bir gıda kalite kontrol laboratuvarında görevli bir araştırmacı, zeytinyağı örneklerini üretildikleri coğrafi bölgelere (Ege, Marmara, Akdeniz) göre sınıflandırmak istemektedir. Bu amaçla 12 farklı yağ asidi bileşeninin ölçüm değerlerini kullanarak Adım Adım (Stepwise) Diskriminant Analizi uygulamaktadır.

Analizin değişken seçimi aşamasında, modele henüz girmemiş olan değişkenlerin modele dâhil edilme ve modeldeki mevcut değişkenlerin çıkarılma durumları algoritmik olarak değerlendirilmektedir.

Buna göre, araştırmacının adım adım diskriminant analizinde değişkenleri modele dâhil etme (F-to-enter) ve modelden çıkarma (F-to-remove) süreciyle ilgili aşağıdaki ifadelerden hangisi doğrudur?

  1. Modele dâhil edilecek yeni değişken, modelde olmayanlar arasından Wilks' Lambda (Λ\Lambda) istatistiğini en çok küçülten ve hesaplanan kısmî FF değeri FeklemeF_{\text{ekleme}} kritik değerinden büyük olan değişkendir.Cevap
  2. B
    Gruplar arası ayrım gücünü maksimize etmek amacıyla modele eklenecek yeni değişken, Wilks' Lambda (Λ\Lambda) değerini en çok büyüten ve hesaplanan FF değeri FeklemeF_{\text{ekleme}} sınırını aşan değişkendir.
  3. C
    Adım adım değişken seçimi algoritmalarının çalışabilmesi için analizdeki bağımlı değişken konumundaki coğrafi bölge gruplarının kesikli (kategorik) değil, sürekli sayısal bir yapıda ölçülmüş olması zorunludur.
  4. D
    Modeldeki bir değişkenin dışarıda bırakılması (F-to-remove), o değişkenin hesaplanan kısmî FF değerinin belirlenen Fc¸ıkarmaF_{\text{çıkarma}} kritik değerinden sürekli olarak yüksek çıkması sonucunda uygulanır.
  5. E
    Adım adım analizde değişkenlerin modele eklenme sırası, Wilks' Lambda değerlerinin doğrudan gruplardaki 'açıklanan varyans oranı' olarak kabul edilip büyükten küçüğe sıralanmasıyla belirlenir.

Cevap

Modele dâhil edilecek yeni değişken, modelde olmayanlar arasından Wilks' Lambda (Λ\Lambda) istatistiğini en çok küçülten ve hesaplanan kısmî FF değeri FeklemeF_{\text{ekleme}} kritik değerinden büyük olan değişkendir.
Adım adım (stepwise) diskriminant analizinde, algoritmik seçim süreci iki temel eşik değere dayanır: FeklemeF_{\text{ekleme}} (F-to-enter) ve Fc¸ıkarmaF_{\text{çıkarma}} (F-to-remove). İleriye doğru seçim aşamasında algoritma, dışarıda kalan değişkenler içinde ayrım gücüne en fazla katkı sağlayanı (en yüksek FF değeri) bulur. Bu katkı, grup içi varyans oranını ölçen Wilks' Lambda (Λ\Lambda) istatistiğini en çok küçülten değişkendir. Aday değişkenin modele girebilmesi için, hesaplanan kısmî FF değerinin önceden belirlenen minimum anlamlılık sınırı olan FeklemeF_{\text{ekleme}} değerini aşması zorunludur. Doğru ifade bu ilkeyi eksiksiz olarak tanımlamaktadır.

Adım Adım Çözüm

1
Diskriminant analizinde temel ayrım kriteri olan Wilks' Lambda (Λ\Lambda) istatistiğinin yönünü değerlendirmek.
Wilks' Lambda (Λ\Lambda) istatistiği açıklanamayan varyans oranını ifade ettiğinden, bu değerin sıfıra yaklaşması (küçülmesi) gruplar arası ayrımın güçlü olduğunu gösterir.
Değişken seçiminde hangi ölçütün iyileştirileceğini matematiksel olarak netleştirmek.
2
Adım Adım (Stepwise) prosedüründe değişken ekleme (F-to-enter) kuralını belirlemek.
Henüz modelde bulunmayan değişkenler arasından, modele eklendiğinde Λ\Lambda değerini en çok küçülten (yani en yüksek kısmî FF istatistiğini üreten) değişken tespit edilir. Bu değer FeklemeF_{\text{ekleme}} barajını aşıyorsa modele dâhil edilir.
Algoritmanın değişkeni kalıcı olarak modele alması için istatistiksel anlamlılık koşulunu (F > F-enter) sınamak.
3
Modelden çıkarma (F-to-remove) kriterinin işleyişini doğrulamak.
Eğer modeldeki bir değişkenin diğer değişkenler eklendikten sonra ayrım gücüne katkısı (kısmî FF değeri) Fc¸ıkarmaF_{\text{çıkarma}} barajının altına düşerse değişken çıkarılır (üstünde kalırsa değil).
Çoklu bağlantı veya yeni eklenen değişkenlerin etkisiyle anlamsızlaşan değişkenleri ayıklamak.

Anahtar Kavram

Adım Adım (Stepwise) Diskriminant Analizinde F-to-enter ve F-to-remove Kriterleri
Bu soruyu puanla

Konular

Adım Adım (Stepwise) Diskriminant Analizi

Bu konudan daha fazla soru