Bir araştırmacı, bağımlı değişken Y ile bağımsız değişkenler X_1, X_2 ve X_3 arasındaki il… — KPSS İstatistik

Bir araştırmacı, bağımlı değişken $Y$ ile bağımsız değişkenler $X_1, X_2$ ve $X_3$ arasındaki ilişkiyi incelemek için geriye doğru eleme (backward elimination) yöntemini kullanmaktadır. Başlangıçta tüm değişkenlerin yer aldığı tam modeldeki $p$ -değerleri ve en yüksek $p$ -değerine sahip değişken modelden çıkarıldıktan sonraki yeni modelin $p$ -değerleri aşağıda verilmiştir ( $\alpha = 0,05$ ):

Değişken	Tam Model ( $p$ -değeri)	$X_3$ Çıkarıldıktan Sonra ( $p$ -değeri)
$X_1$	$0,03$	$0,01$
$X_2$	$0,07$	$0,04$
$X_3$	$0,12$	-

Buna göre, geriye doğru eleme algoritması tamamlandığında nihai (final) modelde yer alan değişkenler aşağıdakilerin hangisinde doğru verilmiştir?

$X_1$ ve $X_2$ Cevap
B
Sadece $X_1$
C
$X_1, X_2$ ve $X_3$
D
Hiçbir değişken
E
$X_2$ ve $X_3$

Cevap

Nihai modelde

X_1

X_2

değişkenleri yer alır.

Geriye doğru eleme süreci tam modelle başlar. İlk adımda

p=0,12

ile en yüksek anlamsız değere sahip olan

X_3

elenir.

X_3

elendikten sonra yapılan ikinci tahminde, başlangıçta anlamsız (

0,07

) olan

X_2

değişkeninin

p

-değeri

0,04

'e düşerek anlamlı hale gelmiştir.

X_1

zaten anlamlıdır (

0,01

). Modelde artık

\alpha=0,05

düzeyinden büyük

p

-değeri kalmadığı için algoritma bu noktada durur ve modelde

X_1

ile

X_2

kalır.

Adım Adım Çözüm

Başlangıç modelini ve anlamlılık düzeyini belirle.

Tam model (

X_1, X_2, X_3

) kurulur ve

\alpha = 0,05

olarak alınır.

Geriye doğru eleme yöntemi her zaman tüm aday değişkenlerin bulunduğu tam modelle başlar.

En yüksek

p

-değerine sahip anlamsız değişkeni tespit et ve modelden çıkar.

X_3

değişkeninin

p

-değeri (

0,12

\alpha = 0,05

değerinden büyüktür ve en yüksektir.

X_3

modelden çıkarılır.

Yöntem, her adımda anlamlılık eşiğini sağlamayan en zayıf değişkeni elemeyi gerektirir.

Kalan değişkenlerle modeli yeniden tahmin et ve

p

-değerlerini kontrol et.

X_1

(

p=0,01

) ve

X_2

(

p=0,04

) değişkenlerinin her ikisi de

\alpha=0,05

düzeyinde anlamlı hale gelmiştir.

Modelden bir değişken çıkarıldığında, diğer değişkenler arasındaki çoklu doğrusal bağlantı veya varyans yapısı değişebileceği için

p

-değerleri güncellenmelidir.

Durdurma kriterini kontrol et.

Modelde

p > 0,05

olan değişken kalmadığı için işlem durdurulur.

Tüm değişkenler anlamlı olduğunda veya çıkarılacak değişken kalmadığında algoritma sona erer.

Anahtar Kavram

Geriye doğru eleme (backward elimination), tüm değişkenlerle başlayan ve her adımda en az anlamlı olanı çıkararak, modeldeki tüm değişkenler anlamlı olana kadar devam eden adımsal bir model seçim yöntemidir.

Daha Fazla Pratik

İleriye doğru seçim (forward selection) yönteminin aynı verilerle farklı bir sonuç verip vermeyeceğini test ederek değişken seçim yöntemleri arasındaki farkları pekiştirebilirsiniz.

Tahmini Süre:1m 30s

Soru

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Konular

Bu konudan daha fazla soru