Adım Adım (Stepwise) Diskriminant Analizi

12 soru

Bir pazar araştırmacısı, müşterilerin kredi risk profillerini (düşük, orta, yüksek riskli) belirleyebilmek amacıyla demografik ve finansal değişkenleri kullanarak Adım Adım (Stepwise) Diskriminant Analizi uygulamaktadır. Araştırmacı, modele bağımsız değişkenlerin hangi sırayla ekleneceğini ve modelden nasıl çıkarılacağını belirleyen istatistiksel kriterleri değerlendirmektedir.

Bu analizin değişken seçme ve çıkarma süreciyle ( $F-to-enter$ ve $F-to-remove$ kriterleri) ilgili aşağıdaki ifadelerden hangisi doğrudur?

Modele eklenecek yeni değişkenin modele girme kısmi F değerinin (

F-to-enter

) belirlenen eşik değerden büyük olması ve bu değişkenin Wilks' Lambda istatistiğini en aza indirmesi gerekir; ayrıca önceden modele girmiş bir değişkenin modelden çıkma kısmi F değeri (

F-to-remove

) eşik değerin altına düşerse bu değişken modelden çıkarılır.

Gruplar arası ayrım gücünü maksimize etmek amacıyla, her adımda Wilks' Lambda istatistiğini en büyük yapan (

1

'e en çok yaklaştıran) ve modele girme kısmi F değeri en düşük olan değişken modele dahil edilir.

Adım adım ayırma analizinde değişken seçimi yapılabilmesi için, analizdeki bağımlı değişkenin sürekli (nicel) bir ölçekle, modele eklenecek bağımsız değişkenlerin ise kategorik bir ölçekle ölçülmüş olması zorunludur.

Değişkenlerin modele girme önceliği, her adımda sınıflandırma matrisinin köşegenindeki beklenen hata oranını doğrudan sıfıra indirmesine bağlıdır; modele girme kısmi F değerleri dikkate alınmaz.

Adım adım yöntemde modele değişken ekleme veya çıkarma kararı alınırken, varyans-kovaryans matrislerinin homojenliği varsayımına en dayanıklı test olan Pillai İzi (Pillai's Trace) kullanılmak zorundadır; Wilks' Lambda hesaplaması bu süreçte kullanılamaz.

Cevabı ve açıklamayı göster

Cevap: Modele eklenecek yeni değişkenin modele girme kısmi F değerinin ( $F-to-enter$ ) belirlenen eşik değerden büyük olması ve bu değişkenin Wilks' Lambda istatistiğini en aza indirmesi gerekir; ayrıca önceden modele girmiş bir değişkenin modelden çıkma kısmi F değeri ( $F-to-remove$ ) eşik değerin altına düşerse bu değişken modelden çıkarılır.

Cevap

Modele eklenecek yeni değişkenin modele girme kısmi F değerinin (

F-to-enter

F-to-remove

) eşik değerin altına düşerse bu değişken modelden çıkarılır.

Adım adım (stepwise) diskriminant analizinde her aşamada aday değişkenler değerlendirilir. Eklenecek değişken, modele girme toleransını sağlamalı, kısmi F değeri (

F-to-enter

) kritik eşiği aşmalı ve modele eklendiğinde sistemin toplam Wilks' Lambda değerini en aza indiren değişken olmalıdır. Bunun yanında analiz dinamik bir süreçtir; yeni eklenen bir değişken, önceden modele dahil edilmiş bir değişkenin ayrım gücünü istatistiksel olarak anlamsız hale getirirse (kısmi F değeri

F-to-remove

eşiğinin altına düşerse), bu değişken modelden çıkarılır. Doğru cevap bu çift yönlü değerlendirme sürecini tam olarak açıklamaktadır.

Adım Adım Çözüm

Adım adım diskriminant analizinde modele girme (

F-to-enter

) kuralını değerlendir.

Modele eklenecek değişkenin istatistiksel olarak anlamlı bir ayırma gücü sağlaması için kısmi F değerinin eşik değerden büyük olması ve Wilks' Lambda değerini en çok küçülten (minimize eden) değişken olması gerekir.

Wilks' Lambda açıklanamayan varyansı ölçer; en küçük Wilks' Lambda gruplar arasındaki en iyi ayrımı gösterir.

Modelden çıkarma (

F-to-remove

) kuralını değerlendir.

Yeni bir değişken modele eklendiğinde, daha önce modele girmiş olan bir değişkenin açıklayıcılık gücü düşebilir (çoklu bağlantı nedeniyle). Eğer mevcut bir değişkenin kısmi F değeri belirlenen çıkma eşiğinin altına düşerse modelden çıkarılır.

Adım adım yöntemin ileriye doğru seçim (forward) yönteminden farkı, modele giren değişkenlerin tekrar çıkabilmesine olanak tanımasıdır.

Seçenekleri bu kurallar ışığında incele.

Doğru değişken seçme ve çıkarma kuralını eksiksiz ve hatasız biçimde tanımlayan tek bir seçenek bulunmaktadır.

Diğer seçenekler Wilks' Lambda istatistiğinin yönünü, değişken ölçek türlerini veya kullanılan test istatistiğini yanlış tanımlamaktadır.

Anahtar Kavram

Adım Adım (Stepwise) Diskriminant Analizi Değişken Seçim Kriterleri

Soru 2Soru →

Bir kamu kurumu uzmanı, illeri gelişmişlik endekslerine göre (Düşük, Orta, Yüksek) üç farklı kategoriye ayırmak için çeşitli sosyo-ekonomik göstergeleri kullanarak aşamalı (stepwise) diskriminant çözümlemesi yürütmektedir. Analiz sürecinde, hangi sosyo-ekonomik göstergelerin sınıflandırma fonksiyonunda kalacağına F istatistikleri ve Wilks' Lambda ( $\Lambda$ ) katsayıları yardımıyla karar verilmektedir.

Bu analizin değişken seçimi ve değerlendirme aşamalarına ilişkin aşağıdaki ifadelerden hangisi doğrudur?

Sürece katılacak öngörücü değişkenin kısmi F değeri, önceden belirlenen

F_{giriş}

sınırından büyük olmalı ve bu değişkenin sisteme dâhil edilmesiyle elde edilen genel Wilks' Lambda katsayısında istatistiksel olarak anlamlı bir azalma sağlanmalıdır.

Sınıflar arası farklılığı en üst düzeye çıkarmak için, her bir aşamada Wilks' Lambda değerini en fazla artıran ve

1

'e en çok yaklaştıran gösterge seçilerek fonksiyona alınmalıdır.

Aşamalı yöntemin matematiksel olarak uygulanabilmesi için, gruplandırmayı temsil eden bağımlı değişkenin (gelişmişlik endeksi) kategorik yapıda değil, sürekli bir sayısal ölçekte olması şarttır.

Bağımsız değişkenlerin seçimi yapılırken grup varyans-kovaryans matrislerinin eşitliği (homojenliği) varsayımı göz ardı edilebilir ve Box's M istatistiğine bakılmaksızın doğrudan fonksiyon katsayıları yorumlanır.

Sınıflandırma tablosu üzerinden beklenen hata oranı hesaplanırken, köşegen (çapraz) üzerinde bulunan değerler analizin başarısız atamalarını gösterdiği için bu hücrelerin toplamı dikkate alınır.

Cevabı ve açıklamayı göster

Cevap: Sürece katılacak öngörücü değişkenin kısmi F değeri, önceden belirlenen $F_{giriş}$ sınırından büyük olmalı ve bu değişkenin sisteme dâhil edilmesiyle elde edilen genel Wilks' Lambda katsayısında istatistiksel olarak anlamlı bir azalma sağlanmalıdır.

Cevap

Sürece katılacak öngörücü değişkenin kısmi F değerinin belirlenen kritik eşikten büyük olmasını ve modele dâhil edildiğinde Wilks' Lambda katsayısını anlamlı şekilde düşürmesini belirten ifadedir.

Aşamalı (stepwise) diskriminant analizinde, fonksiyona yeni bir değişkenin dâhil edilmesi için o değişkenin kısmi F değerinin önceden tanımlanmış kritik bir eşikten (F-to-enter) büyük olması şarttır. Bununla birlikte, değişkenin sisteme katılması gruplar arası ayrımı anlamlı derecede artırmalıdır; bu durum Wilks' Lambda (

\Lambda

) istatistiğinin istatistiksel olarak anlamlı ölçüde küçülmesi (

0

'a yaklaşması) ile teyit edilir. Çünkü Wilks' Lambda'nın küçülmesi, grup içi varyansın toplam varyans içindeki payının azaldığını ve gruplar arası farklılığın (ayırma kapasitesinin) yükseldiğini ifade eder.

Adım Adım Çözüm

Aşamalı (stepwise) diskriminant analizinde değişken seçimi kriterlerinin istatistiksel dayanağını hatırlamak.

Modele bir değişkenin girebilmesi için F istatistiğinin (

F_{giriş}

) yeterince büyük olması ve gruba eklenmesinin ayırma gücünü artırması gerektiği tespit edilir.

Sınıflandırma fonksiyonunun optimize edilebilmesi için doğru öngörücülerin istatistiksel sınırları geçmesi zorunludur.

Wilks' Lambda (

\Lambda

) istatistiğinin özelliklerini ve yorumlama prensiplerini değerlendirmek.

Wilks' Lambda değerinin

0

ile

1

arasında değiştiği;

0

'a yaklaştıkça grup içi varyansın azaldığı ve gruplar arası farklılığın (ayırma gücünün) arttığı belirlenir.

Değişken seçim sürecinde ayırma kapasitesinin matematiksel olarak nasıl ölçüldüğünü kavramak, doğru yorumu yapabilmek için gereklidir.

Verilen seçenekleri temel analiz varsayımları çerçevesinde elemeye tabi tutmak.

Bağımlı değişkenin sürekli olması gerektiği, varyans-kovaryans homojenliğinin ihmal edilebileceği ve köşegen değerlerinin hatalı atamaları gösterdiği şeklindeki hatalı ifadeler elenerek değişken giriş kuralını doğru açıklayan ifade doğrulanır.

Kavramsal ve işlemsel çeldiricileri doğru tespit edebilmek, analizin tüm teorik çerçevesine hakim olmayı gerektirir.

Anahtar Kavram

Aşamalı Diskriminant Analizinde Değişken Seçim Kriterleri ve Wilks' Lambda İstatistiğinin Yorumlanması

Soru 3Soru →

Bir genetik araştırmacısı, üç farklı hastalığın gen ekspresyon profilleri arasındaki ayrımı modellemek için 15 farklı genin ifade düzeyleri üzerinden adım adım (stepwise) diskriminant analizi uygulamaktadır. Başlangıçta hiçbir genin modelde olmadığı bu analizde, her adımda değişkenlerin modele dahil edilmesi ve modelden çıkarılması süreci belirli istatistiksel kriterlere göre yürütülmektedir.

Bu araştırmada uygulanan değişken seçimi ve değerlendirme kriterleriyle ilgili aşağıdaki ifadelerden hangisi doğrudur?

Modele dahil edilecek genin hesaplanan kısmi

F

değerinin, önceden belirlenen giriş eşiğini (

F

-to-enter) aşması gerekir; bu şarta uyan adaylar arasından genel Wilks' Lambda istatistiğini en fazla küçülten gen seçilir.

Hastalıkları birbirinden ayırma gücünün yüksekliği Wilks' Lambda değerinin 1'e yaklaşmasıyla ifade edildiğinden, her adımda bu istatistiği maksimize eden gen modele dahil edilir.

Adım adım işleminin gerçekleştirilebilmesi için, hastalık gruplarını temsil eden bağımlı değişkenin kategorik değil, aralık veya oran ölçeğinde ölçülmüş sürekli bir yapıya sahip olması şarttır.

Varyans-kovaryans matrislerinin homojenliği varsayımı sağlanamadığında bile, adım adım seçim sürecinde en sağlam (robust) istatistik daima Wilks' Lambda olduğundan sadece bu teste güvenilmelidir.

Modelden değişken çıkarma (

F

-to-remove) aşamasında, karar doğrudan doğruya sınıflandırma matrisinin köşegeninde yer alan frekanslardan hesaplanan beklenen hata oranının minimize edilmesine dayandırılır.

Cevabı ve açıklamayı göster

Cevap: Modele dahil edilecek genin hesaplanan kısmi $F$ değerinin, önceden belirlenen giriş eşiğini ( $F$ -to-enter) aşması gerekir; bu şarta uyan adaylar arasından genel Wilks' Lambda istatistiğini en fazla küçülten gen seçilir.

Cevap

Modele dahil edilecek genin hesaplanan kısmi

F

değerinin, önceden belirlenen giriş eşiğini (

F

-to-enter) aşması gerekir; bu şarta uyan adaylar arasından genel Wilks' Lambda istatistiğini en fazla küçülten gen seçilir.

Adım adım diskriminant analizinde değişkenlerin modele girip girmeyeceğine kısmi

F

istatistikleri (

F

-to-enter) ile karar verilir. İstatistiksel olarak anlamlı bulunan (eşik değeri aşan) aday değişkenler arasından, gruplar arası varyansı maksimize edip grup içi varyansı minimize eden, yani genel Wilks' Lambda değerini en çok küçülten (0'a en çok yaklaştıran) değişken seçilerek modele dahil edilir.

Adım Adım Çözüm

Adım adım diskriminant analizinin işleyiş prensibini ve Wilks' Lambda istatistiğinin yorumunu hatırlamak.

Wilks' Lambda değeri 0'a yaklaştıkça gruplar arası ayrımın arttığı; dolayısıyla analizde bu değeri en fazla küçülten değişkenlerin modele alınmasının hedeflendiği tespit edilir.

Değişken seçim kriterinin temel amacını kavramak için Wilks' Lambda'nın özelliklerini bilmek gereklidir.

Değişkenlerin modele giriş koşullarını (F-to-enter) değerlendirmek.

Değişkenin genel Wilks' Lambda'ya yapacağı katkının istatistiksel olarak anlamlı olabilmesi için, kısmi

F

değerinin

F

-to-enter eşiğinden büyük olması gerektiği sonucuna varılır.

Sadece ayırt edici gücü rastgele olmayan (istatistiksel olarak anlamlı düzeyde olan) değişkenlerin modele alınmasını sağlamak.

Seçeneklerdeki ifadeleri diskriminant analizi kurallarına göre analiz etmek.

Doğru seçeneğin, hem

F

-to-enter koşulunu hem de Wilks' Lambda'nın minimizasyonu ilkesini istatistiksel terminolojiye uygun biçimde ifade eden seçenek olduğu belirlenir.

Kavramsal ve işlemsel yanılgıları (örneğin Wilks' Lambda'yı maksimize etme veya bağımlı değişkeni sürekli sanma) eleyerek doğru bilgiye ulaşmak.

Anahtar Kavram

Adım Adım (Stepwise) Diskriminant Analizinde Değişken Seçim Kriterleri

Tahmini Süre:1m 30s

Soru 4Soru →

Bir meteoroloji enstitüsünde görevli bir veri bilimci, gün sonu hava durumunu "Açık", "Bulutlu" ve "Yağışlı" olmak üzere üç farklı kategoriye ayırmak amacıyla 10 farklı atmosferik ölçüm değişkenini kullanarak bir sınıflandırma modeli kurmak istemektedir. Değişken sayısını optimize etmek için analize adım adım (stepwise) diskriminant analizi uygulanmıştır.

Analiz sürecinde modele birinci adımda "Bağıl Nem", ikinci adımda "Rüzgâr Hızı" ve üçüncü adımda "Hava Basıncı" dâhil edilmiştir. Ancak dördüncü adıma gelindiğinde, algoritma daha önce modele girmiş olan "Rüzgâr Hızı" değişkenini modelden çıkarmıştır.

Buna göre, adım adım diskriminant analizinde "Rüzgâr Hızı" değişkeninin dördüncü adımda modelden çıkarılmasının temel istatistiksel gerekçesi ve bu işlemin modelin **Wilks' Lambda ( $\Lambda$ ) istatistiği** üzerindeki beklenen etkisi aşağıdakilerin hangisinde doğru açıklanmıştır?

"Rüzgâr Hızı"nın modele sağladığı benzersiz ayırma katkısını ölçen kısmi F-istatistiği, "Hava Basıncı"nın modele girmesiyle çıkarma eşiğinin (F-to-remove) altına inmiştir; bu çıkarma işlemi sonucunda modelin genel Wilks' Lambda değerinde istatistiksel olarak anlamlı bir büyüme (kötüleşme) olması beklenmez.

"Rüzgâr Hızı"nın çıkarılmasıyla modeldeki değişken sayısı azaltılarak Wilks' Lambda değerinin 1'e daha fazla yaklaşması hedeflenmiştir; çünkü Wilks' Lambda değerinin 1'e yaklaşması, sınıflar arası ayırma gücünün arttığını ve modelin iyileştiğini gösterir.

Üçüncü adımda "Hava Basıncı"nın modele dâhil edilmesiyle kategorik hava durumu sınıfları algoritma tarafından sürekli bir yapıya dönüştürülmüş, "Rüzgâr Hızı" bu yeni sürekli bağımlı değişkene uyum sağlayamadığı için analizden dışlanmıştır.

"Rüzgâr Hızı" değişkeni, diğer ölçümlerle birlikte oluşturduğu korelasyon matrisinde en yüksek özdeğere ulaşmış ve toplam açıklanan varyansı tek başına domine ettiği için, modeldeki dengesizliği önlemek adına adım adım algoritma tarafından uzaklaştırılmıştır.

"Rüzgâr Hızı" modelde kaldığında sınıflandırma matrisinin köşegenlerinde yer alan doğru sınıflandırma oranları düşmüş, beklenen hata oranı öncelik olasılıkları dikkate alınmadan sıfıra yaklaştığı için algoritma bu değişkeni tutmayı reddetmiştir.

Cevabı ve açıklamayı göster

Cevap: "Rüzgâr Hızı"nın modele sağladığı benzersiz ayırma katkısını ölçen kısmi F-istatistiği, "Hava Basıncı"nın modele girmesiyle çıkarma eşiğinin (F-to-remove) altına inmiştir; bu çıkarma işlemi sonucunda modelin genel Wilks' Lambda değerinde istatistiksel olarak anlamlı bir büyüme (kötüleşme) olması beklenmez.

Cevap

Doğru yanıt, "Rüzgâr Hızı" değişkeninin kısmi F-istatistiğinin "Hava Basıncı"nın modele dâhil edilmesinden sonra çıkarma eşiğinin altına indiğini ve Wilks' Lambda değerinde anlamlı bir büyüme beklenmediğini belirten seçenektir.

Adım adım diskriminant analizinde, modele her yeni değişken eklendiğinde halihazırda modelde bulunan değişkenlerin kısmi ayırma katkıları yeniden değerlendirilir. Senaryoda "Hava Basıncı" modele girdiğinde, muhtemelen "Rüzgâr Hızı" ile arasında yüksek korelasyon olduğu için "Rüzgâr Hızı"nın grupları ayırmadaki benzersiz katkısı (kısmi F-değeri) düşmüş ve algoritmanın belirlediği dışarıda bırakma eşiğinin (F-to-remove) altına inmiştir. Bir değişkenin modelden çıkarılması, o değişkenin artık anlamlı bir katkı sunmadığı anlamına gelir. Wilks' Lambda istatistiğinde küçük değerler yüksek ayırma gücünü ifade eder. Anlamsızlaşan bir değişken modelden çıkarıldığında, modelin ayırma gücü ciddi bir yara almadığından Wilks' Lambda istatistiğinde istatistiksel olarak anlamlı bir büyüme (değerin 1'e doğru anlamlı şekilde kayması) gözlenmez.

Adım Adım Çözüm

Adım adım (stepwise) diskriminant analizinin çalışma prensibini analiz et.

Değişkenler modele tek tek girer (F-to-enter) ve her yeni girişten sonra içerideki mevcut değişkenlerin kısmi katkıları (F-to-remove) yeniden test edilir.

Bir değişkenin gruba ayırma gücü, modele yeni eklenen bir değişkenin taşıdığı bilgi ile örtüşebilir (çoklu doğrusal bağlantı).

Dördüncü adımda daha önce eklenmiş olan bir değişkenin neden çıkarıldığını belirle.

Üçüncü adımda eklenen "Hava Basıncı" değişkeni, "Rüzgâr Hızı"nın daha önce sağladığı ayırt edici bilginin büyük kısmını da içerdiğinden, "Rüzgâr Hızı"nın modele olan benzersiz (kısmi) katkısı istatistiksel olarak anlamsız hale gelmiştir.

Algoritma, kısmi F-değeri çıkarma eşiğinin (F-to-remove) altına düşen değişkenleri modelden uzaklaştırır.

Değişken çıkarılmasının Wilks' Lambda (

\Lambda

) üzerindeki etkisini değerlendir.

Wilks' Lambda, grup içi kareler toplamının toplam kareler toplamına oranıdır. Değerin 0'a yaklaşması ayırma gücünün yüksek, 1'e yaklaşması ise düşük olduğunu gösterir.

İstatistiksel olarak anlamsız (kısmi katkısı yetersiz) bir değişkenin modelden çıkarılması, modelin ayırma gücünde ciddi bir kayba yol açmayacağı için Wilks' Lambda değerinde istatistiksel olarak anlamlı büyük bir artış (kötüleşme) yaratmaz.

Anahtar Kavram

Adım Adım (Stepwise) Diskriminant Analizinde Değişken Seçimi ve Kısmi F-İstatistiği

Soru 5Soru →

Bir insan kaynakları uzmanı, çalışanların performans düzeylerini "Düşük", "Orta" ve "Yüksek" olmak üzere üç gruba ayırmak amacıyla çeşitli psikometrik test puanları, iletişim becerisi ve problem çözme hızı gibi 12 farklı bağımsız değişken kullanarak bir model kurmak istemektedir. Uzman, değişkenler arasında çoklu bağlantı (multicollinearity) olabileceğini düşünerek, ayrım gücüne en fazla katkı sağlayan değişkenleri belirlemek için Adım Adım (Stepwise) Diskriminant Analizi yöntemini kullanmaya karar vermiştir.

Buna göre, analizin "ileri seçme" (forward selection) aşamasında modele yeni bir değişkenin eklenmesi sürecinde aşağıdaki kriterlerden hangisi temel alınır?

Henüz modele girmemiş değişkenler arasından, gruplar arası ayrım gücünün yüksek olduğunu göstermesi amacıyla modelin Wilks' Lambda (

\Lambda

) istatistiğini en fazla büyüten değişken modele dahil edilir.

Değişkenlerin korelasyon matrisi üzerinden hesaplanan özdeğerleri incelenerek, açıklanan toplam varyans oranını en çok artıran ve birinci temel bileşen yükü en yüksek olan değişken doğrudan modele alınır.

Performans düzeyi değişkeninin sürekli ölçekle ölçüldüğü varsayılarak, bağımsız değişkenler arasından bu sürekli bağımlı değişkenle pozitif korelasyonu en yüksek olan değişken modele dahil edilir.

Henüz modele girmemiş değişkenler arasından, modelin genel Wilks' Lambda (

\Lambda

) istatistiğini en fazla küçülten ve hesaplanan kısmi

F

değeri, önceden belirlenen

F

-ekleme (

F_{ekle}

) kritik değerini aşan değişken modele dahil edilir.

Grupların öncelik olasılıkları (prior probabilities) göz ardı edilerek, yalnızca sınıflandırma matrisinin köşegen dışı elemanlarındaki beklenen hata oranını teorik olarak sıfıra eşitleyen değişken modele eklenir.

Cevabı ve açıklamayı göster

Cevap: Henüz modele girmemiş değişkenler arasından, modelin genel Wilks' Lambda ( $\Lambda$ ) istatistiğini en fazla küçülten ve hesaplanan kısmi $F$ değeri, önceden belirlenen $F$ -ekleme ( $F_{ekle}$ ) kritik değerini aşan değişken modele dahil edilir.

Cevap

Henüz modele girmemiş değişkenler arasından, modelin genel Wilks' Lambda istatistiğini en fazla küçülten ve hesaplanan kısmi F değeri, belirlenen F-ekleme kritik değerini aşan değişkenin modele dahil edilmesidir.

Doğru yanıt, adım adım diskriminant analizindeki klasik değişken ekleme kuralını eksiksiz tanımlar. Her adımda, modele girdiğinde Wilks' Lambda değerini en aza indirecek olan değişkene bakılır. Bu değişkenin sağladığı ayrım katkısının şansa bağlı olup olmadığını test etmek için kısmi

F

istatistiği hesaplanır. Eğer bu

F

değeri, araştırmacı tarafından önceden belirlenmiş olan 'modele giriş için kritik

F

değeri'ni (

F_{ekle}

) aşıyorsa, değişken modele dahil edilir.

Adım Adım Çözüm

Diskriminant analizinin temel amacı ve değişken seçimi mantığı hatırlanır.

Amacın gruplar arası varyansı maksimize ederken grup içi varyansı minimize etmek olduğu belirlenir.

Değişken seçim kriterinin arkasındaki istatistiksel felsefeyi doğru kurmak içindir.

Bu amacı matematiksel olarak ifade eden Wilks' Lambda (

\Lambda

) istatistiğinin davranış yönü değerlendirilir.

Wilks' Lambda değerinin

1

'den

0

'a doğru küçülmesinin, gruplar arası ayrım gücünün arttığı anlamına geldiği tespit edilir.

Modele dahil edilecek değişkenin Lambda'yı büyütmesi mi yoksa küçültmesi mi gerektiğine karar vermek içindir.

Adım adım (stepwise) yöntemin istatistiksel kontrol mekanizması incelenir.

Sadece Lambda değerini küçültmenin yetmediği, bu düşüşün istatistiksel olarak anlamlı olduğunu gösteren kısmi

F

istatistiğinin (F-to-enter) belirli bir eşiği aşması gerektiği sonucuna varılır.

Modele istatistiksel olarak önemsiz gürültü değişkenlerinin girmesini engellemek içindir.

Anahtar Kavram

Adım Adım Diskriminant Analizinde Değişken Seçim Kriterleri

Soru 6Soru →

Bir çevre mühendisi, su havzalarının kirlilik seviyelerini (Temiz, Az Kirlenmiş, Çok Kirlenmiş) sınıflandırmak amacıyla 8 farklı kimyasal ölçüm üzerinden adım adım (stepwise) diskriminant analizi uygulamaktadır. Analizin bir aşamasında modele $X_1$ ve $X_2$ değişkenleri dâhil edilmiş olup, bu modelin Wilks' Lambda değeri $0,55$ olarak hesaplanmıştır.

Bir sonraki adımda, modele dâhil edilmeye aday $X_3$ ve $X_4$ değişkenleri için şu sonuçlar elde edilmiştir:
- Modele sadece $X_3$ eklendiğinde yeni Wilks' Lambda değeri $0,15$ olmaktadır.
- Modele sadece $X_4$ eklendiğinde yeni Wilks' Lambda değeri $0,48$ olmaktadır.

Ayrıca, yeni bir değişken modele alındıktan sonra yapılan geriye dönük önem kontrolünde, daha önce modele dâhil edilmiş olan $X_1$ değişkeninin ayrım gücüne sağladığı kısmi katkıyı test eden $F_{\text{çıkar}}$ (F-to-remove) istatistiği, belirlenen kritik tolerans değerinin altına inmiştir.

Bu bilgilere ve adım adım diskriminant analizinin değişken seçimi kriterlerine göre, araştırmacının izlemesi gereken istatistiksel prosedür aşağıdakilerden hangisinde doğru ifade edilmiştir?

Gruplar arası ayrım gücünü en yüksek düzeye çıkardığı (Wilks' Lambda değerini en aza indirdiği) için öncelikle

X_3

değişkeni modele alınmalı, hemen ardından kısmi katkısı anlamsız hâle gelen

X_1

değişkeni modelden çıkarılmalıdır.

Wilks' Lambda değerinin büyümesi modelin ayırma gücünün arttığını gösterdiğinden, modele

0,48

değeriyle

X_4

değişkeni dâhil edilmeli ve

F_{\text{çıkar}}

istatistiği dikkate alınmaksızın analize devam edilmelidir.

Adım adım analizde

F_{\text{gir}}

F_{\text{çıkar}}

istatistiklerinin geçerli olabilmesi için kategorik olan kirlilik seviyesi değişkeninin sürekli bir değişkene dönüştürülerek analizin tekrarlanması gerekir.

Wilks' Lambda değerini en çok düşüren

X_3

değişkeni modele dâhil edilmeli, ancak beklenen hata oranının yanlış hesaplanmaması için

X_1

değişkeni çıkarılmak yerine öncelik olasılıkları (prior probabilities) yeniden belirlenmelidir.

Değişkenlerin modele giriş sırası yalnızca aday değişkenlerin kendi aralarındaki korelasyona bağlı olduğundan, Wilks' Lambda değerleri yerine doğrudan varyans-kovaryans matrisinin iz (trace) değerlerine bakılarak

X_4

modele alınmalıdır.

Cevabı ve açıklamayı göster

Cevap: Gruplar arası ayrım gücünü en yüksek düzeye çıkardığı (Wilks' Lambda değerini en aza indirdiği) için öncelikle $X_3$ değişkeni modele alınmalı, hemen ardından kısmi katkısı anlamsız hâle gelen $X_1$ değişkeni modelden çıkarılmalıdır.

Cevap

Doğru prosedür, Wilks' Lambda değerini en fazla düşüren değişkenin modele eklenmesini ve kısmi katkısını yitiren eski değişkenin modelden çıkarılmasını ifade eden seçenektir.

Adım adım (stepwise) diskriminant analizinde algoritmik süreç, her adımda modele en büyük katkıyı sağlayacak değişkenin seçilmesine (

F_{\text{gir}}

maksimizasyonu veya Wilks' Lambda minimizasyonu) ve eş zamanlı olarak, modele önceden dâhil edilmiş değişkenlerin yeni durumda katkılarının devam edip etmediğinin (

F_{\text{çıkar}}

istatistiği ile) kontrol edilmesine dayanır. Olay örgüsünde

X_3

'ün Wilks' Lambda'yı en çok düşüren değişken olması onun modele alınmasını gerektirir.

X_3

alındıktan sonra

X_1

'in kısmi katkısının kritik değerin altına düşmesi ise,

X_1

'in açıklayıcılığının

X_3

tarafından kapsandığını gösterir ve algoritma gereği

X_1

modelden çıkarılır.

Adım Adım Çözüm

Aday değişkenlerin (

X_3

X_4

) Wilks' Lambda üzerindeki etkilerini karşılaştır.

X_3

eklendiğinde Wilks' Lambda

0,15

'e,

X_4

eklendiğinde ise

0,48

'e düşmektedir.

Adım adım diskriminant analizinde modele ilk girecek değişken, gruplar arası ayrımı en çok artıran, yani Wilks' Lambda istatistiğini en küçük yapan değişkendir.

Modele eklenecek yeni değişkeni belirle.

X_3

değişkeni (

0,15 < 0,48

) modele dâhil edilir.

Daha küçük Wilks' Lambda değeri, grup içi varyansın toplam varyansa oranının daha düşük olduğunu, dolayısıyla ayrım gücünün daha yüksek olduğunu gösterir.

F_{\text{çıkar}}

istatistiği düşen

X_1

değişkeni için atılacak adımı belirle.

X_1

değişkeni modelden çıkarılır.

Adım adım yöntemin temel özelliği, yeni bir değişken modele girdiğinde daha önce girmiş olan değişkenlerin önemini (kısmi F değerini) yeniden test etmesidir.

X_3

'ün varlığında

X_1

'in ayrım gücüne ek katkısı anlamsızlaştığı için (

F_{\text{çıkar}}

kritik değerin altında), modelin sadeliğini korumak amacıyla

X_1

çıkarılır.

Anahtar Kavram

Adım Adım Diskriminant Analizinde İleri Seçim ve Geriye Doğru Eleme Kuralları

Soru 7Soru →

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?

Modele dâhil edilecek yeni değişken, modelde olmayanlar arasından Wilks' Lambda (

\Lambda

) istatistiğini en çok küçülten ve hesaplanan kısmî

F

değeri

F_{\text{ekleme}}

kritik değerinden büyük olan değişkendir.

Gruplar arası ayrım gücünü maksimize etmek amacıyla modele eklenecek yeni değişken, Wilks' Lambda (

\Lambda

) değerini en çok büyüten ve hesaplanan

F

değeri

F_{\text{ekleme}}

sınırını aşan değişkendir.

Adım adım değişken seçimi algoritmalarının çalışabilmesi için analizdeki bağımlı değişken konumundaki coğrafi bölge gruplarının kesikli (kategorik) değil, sürekli sayısal bir yapıda ölçülmüş olması zorunludur.

Modeldeki bir değişkenin dışarıda bırakılması (F-to-remove), o değişkenin hesaplanan kısmî

F

değerinin belirlenen

F_{\text{çıkarma}}

kritik değerinden sürekli olarak yüksek çıkması sonucunda uygulanır.

Adım adım analizde değişkenlerin modele eklenme sırası, Wilks' Lambda değerlerinin doğrudan gruplardaki 'açıklanan varyans oranı' olarak kabul edilip büyükten küçüğe sıralanmasıyla belirlenir.

Cevabı ve açıklamayı göster

Cevap: Modele dâhil edilecek yeni değişken, modelde olmayanlar arasından Wilks' Lambda ( $\Lambda$ ) istatistiğini en çok küçülten ve hesaplanan kısmî $F$ değeri $F_{\text{ekleme}}$ kritik değerinden büyük olan değişkendir.

Cevap

Modele dâhil edilecek yeni değişken, modelde olmayanlar arasından Wilks' Lambda (

\Lambda

) istatistiğini en çok küçülten ve hesaplanan kısmî

F

değeri

F_{\text{ekleme}}

kritik değerinden büyük olan değişkendir.

Adım adım (stepwise) diskriminant analizinde, algoritmik seçim süreci iki temel eşik değere dayanır:

F_{\text{ekleme}}

(F-to-enter) ve

F_{\text{çıkarma}}

(F-to-remove). İleriye doğru seçim aşamasında algoritma, dışarıda kalan değişkenler içinde ayrım gücüne en fazla katkı sağlayanı (en yüksek

F

değeri) bulur. Bu katkı, grup içi varyans oranını ölçen Wilks' Lambda (

\Lambda

) istatistiğini en çok küçülten değişkendir. Aday değişkenin modele girebilmesi için, hesaplanan kısmî

F

değerinin önceden belirlenen minimum anlamlılık sınırı olan

F_{\text{ekleme}}

değerini aşması zorunludur. Doğru ifade bu ilkeyi eksiksiz olarak tanımlamaktadır.

Adım Adım Çözüm

Diskriminant analizinde temel ayrım kriteri olan Wilks' Lambda (

\Lambda

) istatistiğinin yönünü değerlendirmek.

Wilks' Lambda (

\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.

Adım Adım (Stepwise) prosedüründe değişken ekleme (F-to-enter) kuralını belirlemek.

Henüz modelde bulunmayan değişkenler arasından, modele eklendiğinde

\Lambda

değerini en çok küçülten (yani en yüksek kısmî

F

istatistiğini üreten) değişken tespit edilir. Bu değer

F_{\text{ekleme}}

barajını aşıyorsa modele dâhil edilir.

Algoritmanın değişkeni kalıcı olarak modele alması için istatistiksel anlamlılık koşulunu (F > F-enter) sınamak.

Modelden çıkarma (F-to-remove) kriterinin işleyişini doğrulamak.

Eğer modeldeki bir değişkenin diğer değişkenler eklendikten sonra ayrım gücüne katkısı (kısmî

F

değeri)

F_{\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

Soru 8Soru →

Bir kamu kurumunda belediyelerin "Finansal Sürdürülebilirlik" düzeylerini (Yüksek, Orta, Düşük) sınıflandırmak amacıyla yürütülen bir araştırmada adım adım (stepwise) diskriminant analizi uygulanmaktadır. Analizin belirli bir adımında, henüz modele dâhil edilmemiş üç aday değişkenin istatistikleri aşağıdaki tabloda sunulmuştur:

Değişken	Kısmi $F$ Değeri	Wilks' Lambda
$X_4$	$4,25$	$0,85$
$X_7$	$7,12$	$0,72$
$X_9$	$2,10$	$0,94$

Analiz için belirlenen giriş eşiği ( $F_{\text{giriş}}$ ) $3,84$ olduğuna göre, bu adımda modele dâhil edilecek değişken ve seçim kriteri aşağıdakilerden hangisidir?

X_7

değişkeni; çünkü Wilks' Lambda değerini en çok küçültmekte ve kısmi

F

değeri giriş eşiğinden büyüktür.

X_9

değişkeni; çünkü Wilks' Lambda değerinin

1

'e en yakın olması, gruplar arasındaki ayrım gücünün maksimum düzeyde olduğunu gösterir.

X_4

değişkeni; çünkü bağımlı değişkenin sürekli ölçekte olması nedeniyle hata kareler toplamını minimize eden ilk anlamlı değişkendir.

X_9

değişkeni; çünkü kısmi

F

değeri giriş eşiğinden küçük olduğu için modele dâhil edilerek Tip II hatayı minimize eder.

X_7

değişkeni; çünkü sadece özdeğeri (eigenvalue)

1

'den büyük olan değişkenler adım adım analiz sürecine dâhil edilebilir.

Cevabı ve açıklamayı göster

Cevap: $X_7$ değişkeni; çünkü Wilks' Lambda değerini en çok küçültmekte ve kısmi $F$ değeri giriş eşiğinden büyüktür.

Cevap

Modelde yer almayan değişkenler arasından, Wilks' Lambda değerini en fazla düşüren ve kısmi F istatistiği belirlenen giriş eşiğinden büyük olan

X_7

değişkeni modele dâhil edilmelidir.

Adım adım (stepwise) değişken seçimi sürecinde, her adımda modele dâhil edilmemiş değişkenler arasından gruplar arası ayrımı en çok artıran değişken değerlendirilir. Bu ayrım gücü, Wilks' Lambda istatistiğinin en küçük değeri alması veya buna eşdeğer olan kısmi

F

istatistiğinin en büyük değeri almasıyla ölçülür. Tabloda

X_7

değişkeni hem en düşük Wilks' Lambda değerine (

0,72

) hem de en yüksek kısmi

F

değerine (

7,12

) sahiptir. Ayrıca bu

F

değeri, belirlenen giriş eşiği olan

3,84

değerinden büyük olduğu için değişken modele dâhil edilir.

Adım Adım Çözüm

Aday değişkenlerin Wilks' Lambda değerlerini karşılaştırın.

X_7

değişkeni

0,72

değeri ile en düşük Lambda değerine sahiptir.

Wilks' Lambda değeri küçüldükçe, değişkenin grupları birbirinden ayırma kapasitesi artar.

Seçilen değişkenin kısmi

F

değerini giriş eşiği (

F_{\text{giriş}}

) ile kıyaslayın.

X_7

için kısmi

F = 7,12 > 3,84

(eşik değeri).

Bir değişkenin modele girebilmesi için sağladığı katkının istatistiksel olarak anlamlı (eşikten büyük) olması gerekir.

Anahtar Kavram

Adım adım diskriminant analizinde değişken seçimi, Wilks' Lambda'nın minimizasyonu ve kısmi F testinin anlamlılığına dayanır.

Daha Fazla Pratik

Wilks' Lambda ile kısmi F istatistiği arasındaki matematiksel ilişkiyi ve 'F-to-remove' (çıkış eşiği) mantığını inceleyiniz.

Tahmini Süre:1m 30s

Soru 9Soru →

Bir bankanın kredi risk birimi, yeni kredi başvurularını "Düşük Riskli" ve "Yüksek Riskli" şeklinde iki gruba ayırmak amacıyla adım adım (stepwise) diskriminant analizi yöntemiyle bir model oluşturmaktadır. Analizin başlangıç aşamasında, modele dâhil edilmemiş dört potansiyel tahmin değişkeninin tek başlarına modele girmeleri durumunda hesaplanan Wilks' Lambda ( $\Lambda$ ) değerleri şu şekildedir:

Değişken	Wilks' Lambda ( $\Lambda$ )
$X_1$ (Aylık Gelir)	$0,85$
$X_2$ (Mevcut Borç Tutarı)	$0,72$
$X_3$ (Kredi Kayıt Bürosu Skoru)	$0,68$
$X_4$ (Müşteri Yaşı)	$0,91$

İstatistiksel olarak modele dâhil edilme kriterlerinin (F-to-enter) tüm değişkenler için sağlandığı varsayıldığında, bu adımda modele dâhil edilmesi gereken ilk değişken aşağıdakilerden hangisidir?

X_3

değişkeni; çünkü en düşük Wilks' Lambda değerine sahip olması en yüksek ayırma gücünü ifade eder.

X_4

değişkeni; çünkü en yüksek Wilks' Lambda değerine sahip olması grupları en iyi ayırt ettiğini gösterir.

X_1

değişkeni; çünkü Wilks' Lambda değerinin

1

'e yakın olması gruplar arası varyansın yüksek olduğunu kanıtlar.

Hiçbiri; çünkü diskriminant analizinde bağımlı değişkenin (risk grubu) sürekli bir ölçekle ölçülmesi zorunludur.

X_2

değişkeni; çünkü orta düzeyde bir Wilks' Lambda değeri modelin aşırı uyum (overfitting) yapmasını engeller.

Cevabı ve açıklamayı göster

Cevap: $X_3$ değişkeni; çünkü en düşük Wilks' Lambda değerine sahip olması en yüksek ayırma gücünü ifade eder.

Cevap

Modele dâhil edilmesi gereken ilk değişken, en yüksek ayırma gücünü temsil eden en küçük Wilks' Lambda değerine (

0,68

) sahip olan

X_3

(Kredi Kayıt Bürosu Skoru) değişkenidir.

Adım adım diskriminant analizinde, her adımda henüz modele girmemiş değişkenler arasından gruplar arası ayrımı en çok artıran değişken seçilir. Wilks' Lambda istatistiği, gruplar arası farklılığın bir ölçüsüdür ve değeri küçüldükçe değişkenin grupları birbirinden ayırma gücü artar.

X_3

değişkeni

0,68

ile en küçük değere sahip olduğu için modele ilk girmesi gereken değişkendir.

Adım Adım Çözüm

Wilks' Lambda (

\Lambda

) istatistiğinin yorumlanma kuralını belirle.

Wilks' Lambda, gruplar içi kareler toplamının toplam kareler toplamına oranıdır (

\Lambda = |W| / |T|

Değişken seçiminde hangi istatistiksel değerin neyi ifade ettiğini bilmek analizin temelidir.

Değer ile ayırma gücü arasındaki ilişkiyi analiz et.

Wilks' Lambda değeri

0

ile

1

arasında değer alır;

0

'a yaklaştıkça gruplar arası ayrım artar,

1

'e yaklaştıkça azalır.

Adım adım yöntemde her aşamada modele en fazla katkı sağlayan (ayrımı maksimize eden) değişken aranır.

Verilen tabloda en küçük Wilks' Lambda değerini tespit et.

X_3

değişkeni için

\Lambda = 0,68

, diğer tüm değişkenlerden (

0,72

0,85

0,91

) daha küçüktür.

Sayısal karşılaştırma yoluyla en etkili değişkeni belirlemek için gereklidir.

Anahtar Kavram

Wilks' Lambda ve Değişken Seçim Kriteri

Tahmini Süre:1m 30s

Soru 10Soru →

Bir halk sağlığı uzmanı, bireyleri "Düşük Riskli", "Orta Riskli" ve "Yüksek Riskli" kalp hastalığı gruplarına ayırmak amacıyla 4 farklı biyobelirteç ( $X_1, X_2, X_3, X_4$ ) üzerinden adım adım (stepwise) diskriminant analizi uygulamaktadır. Analizin ilk adımında aday değişkenlere dair elde edilen istatistiksel sonuçlar aşağıdaki tabloda verilmiştir:

Değişken	Wilks' Lambda	F-Giriş ( $F_{enter}$ )	Anlamlılık ( $p$ )
$X_1$	0,82	4,12	0,025
$X_2$	0,65	12,45	0,001
$X_3$	0,91	1,85	0,165
$X_4$	0,74	7,32	0,008

Giriş için anlamlılık düzeyi $\alpha = 0,05$ olarak belirlendiğine göre, analizin ilk adımında modele dahil edilecek olan değişken ve bunun temel gerekçesi aşağıdakilerden hangisidir?

X_2

değişkeni; çünkü en küçük Wilks' Lambda değerine ve en yüksek F-giriş değerine sahiptir.

X_3

değişkeni; çünkü en büyük Wilks' Lambda değerine sahiptir ve gruplar arası farkın homojenliğini en iyi temsil eder.

X_1

değişkeni; çünkü anlamlılık (

p

) değeri 0,05 sınırına en yakın olan ve modele girmek için en kritik eşikte bulunan değişkendir.

Tüm değişkenler (

X_1, X_2, X_3, X_4

); çünkü analizin başında anlamlı olan tüm değişkenlerin toplu halde modele alınması gerekir.

Hiçbir değişken dahil edilemez; çünkü bağımlı değişken olan risk grupları sürekli ölçekte ölçülmediği için analiz geçersizdir.

Cevabı ve açıklamayı göster

Cevap: $X_2$ değişkeni; çünkü en küçük Wilks' Lambda değerine ve en yüksek F-giriş değerine sahiptir.

Cevap

X_2

değişkeni; çünkü en küçük Wilks' Lambda değerine ve en yüksek F-giriş değerine sahiptir.

Adım adım diskriminant analizinde temel amaç, gruplar arasındaki farklılığı en yüksek düzeyde açıklayan değişkenleri sırayla modele dahil etmektir. İlk adımda, Wilks' Lambda değerini en çok küçülten (en yüksek grup ayrımı sağlayan) ve buna paralel olarak en yüksek F istatistiğine sahip olan değişken seçilir. Tablodaki

X_2

değişkeni

0,65

Wilks' Lambda ve

12,45

F değeri ile en güçlü ayırıcıdır ve

0,001

anlamlılık düzeyi ile modele giriş kriterini sağlamaktadır.

Adım Adım Çözüm

Wilks' Lambda değerlerini karşılaştırın.

En düşük değer

0,65

ile

X_2

değişkenine aittir.

Wilks' Lambda değeri küçüldükçe (0'a yaklaştıkça) gruplar arasındaki ayrım gücü artar.

F-Giriş (

F_{enter}

) değerlerini kontrol edin.

En yüksek F değeri

12,45

ile yine

X_2

değişkenindedir.

Kısmi F istatistiği, modele eklenecek değişkenin grup ortalamaları arasındaki farka olan katkısını ölçer; yüksek değer tercih edilir.

Anlamlılık (

p

) düzeyini test edin.

0,001 < 0,05

olduğu için

X_2

istatistiksel olarak anlamlıdır.

Seçilen değişkenin önceden belirlenen

\alpha

hata payı sınırları içinde kalması gerekir.

Anahtar Kavram

Adım adım diskriminant analizinde değişken seçim kriteri

Tahmini Süre:1m 15s

Soru 11Soru →

Bir kamu denetçisi, belediyelerin mali performans düzeylerini "Yüksek", "Orta" ve "Düşük" olarak sınıflandırmak amacıyla adım adım (stepwise) diskriminant analizi uygulamaktadır. Analizin başlangıcında, modele dahil edilme potansiyeli olan üç farklı harcama kalemi için hesaplanan istatistikler aşağıdaki tabloda sunulmuştur:

Harcama Kalemi	Wilks' Lambda	Kısmi F ( $F_{giriş}$ )
Personel Giderleri ( $Z_1$ )	0,94	1,95
Altyapı Yatırımları ( $Z_2$ )	0,72	9,15
Sosyal Yardımlar ( $Z_3$ )	0,86	3,42

Buna göre, analizin ilk adımında modele dahil edilmesi gereken değişken ve temel gerekçesi aşağıdakilerden hangisidir?

Z_2

değişkeni; çünkü gruplar arası ayrımı en üst düzeye çıkaran en düşük Wilks' Lambda değerine sahiptir.

Z_1

değişkeni; çünkü gruplar arası benzerliği en iyi temsil eden en yüksek Wilks' Lambda değerine sahiptir.

Z_1

değişkeni; çünkü modele anlamlılık katkısını gösteren en düşük kısmi F değerine sahiptir.

Z_2

değişkeni; çünkü bağımlı değişkenin kategorik ölçekte olması gerektiğini belirleyen tek değişkendir.

Z_3

değişkeni; çünkü Wilks' Lambda değeri 1'e en yakın olan değişkendir.

Cevabı ve açıklamayı göster

Cevap: $Z_2$ değişkeni; çünkü gruplar arası ayrımı en üst düzeye çıkaran en düşük Wilks' Lambda değerine sahiptir.

Cevap

Altyapı Yatırımları (

Z_2

) değişkeni, gruplar arası ayrımı en iyi sağlayan en düşük Wilks' Lambda değerine sahip olduğu için seçilmelidir.

Adım adım diskriminant analizinin giriş (entry) aşamasında, aday değişkenler arasından gruplar arası varyansı en iyi açıklayan değişken tercih edilir. İstatistiksel olarak bu durum, en küçük Wilks' Lambda değerine veya en büyük kısmi F değerine sahip değişkenin seçilmesi anlamına gelir. Tablodaki verilere bakıldığında, 0,72 ile en düşük Wilks' Lambda değerine ve 9,15 ile en yüksek kısmi F değerine sahip olan Altyapı Yatırımları (

Z_2

) değişkeni ilk adımda modele dahil edilmelidir.

Adım Adım Çözüm

Wilks' Lambda değerlerini karşılaştırınız.

Z_2

(0,72) <

Z_3

(0,86) <

Z_1

(0,94)

Wilks' Lambda istatistiği, gruplar içi varyasyonun toplam varyasyona oranını verir; değer küçüldükçe gruplar arası ayrım artar.

Kısmi F (F-to-enter) değerlerini inceleyiniz.

Z_2

(9,15) en yüksek değere sahiptir.

Stepwise analizde modele dahil edilecek değişken, Wilks' Lambda'yı en çok küçülten ve F istatistiğini en çok büyüten değişkendir.

Anahtar Kavram

Stepwise diskriminant analizinde değişken seçiminde Wilks' Lambda istatistiğinin minimize edilmesi temel kriterdir.

Tahmini Süre:45s

Soru 12Soru →

Bir sanayi bölgesindeki işletmelerin verimlilik düzeylerini (Düşük, Orta, Yüksek) sınıflandırmak amacıyla yürütülen bir araştırmada, 5 farklı performans göstergesi ( $X_1, X_2, X_3, X_4, X_5$ ) üzerinden adım adım (stepwise) diskriminant analizi uygulanmaktadır. Analizin başlangıç aşamasında, her bir değişkenin modele tek başına girmesi durumunda elde edilecek ayırma gücü istatistikleri aşağıdaki tabloda sunulmuştur:

Değişken	Wilks' Lambda ( $\Lambda$ )	F-to-enter ( $F$ )
$X_1$	0,82	4,25
$X_2$	0,74	7,12
$X_3$	0,58	15,30
$X_4$	0,92	1,85
$X_5$	0,69	9,40

Bu verilere göre, 'F-to-enter' (giriş için F) kriteri temel alındığında, modele ilk olarak hangi değişkenin dahil edilmesi istatistiksel olarak en uygundur?

X_3

değişkeni; çünkü en düşük Wilks' Lambda değerine ve en yüksek F istatistiğine sahiptir.

X_4

değişkeni; çünkü en yüksek Wilks' Lambda değerine sahip olması gruplar arası farkın maksimize edildiğini gösterir.

Hiçbir değişken dahil edilemez; çünkü bağımlı değişkenin (verimlilik düzeyi) sürekli bir ölçekle ölçülmesi gerekir.

Tüm değişkenler aynı anda; çünkü ayrı ayrı ANOVA yapmak Tip I hatayı şişireceği için adım adım seçim yöntemi geçersizdir.

X_2

değişkeni; çünkü küçük örneklemlerde Wilks' Lambda yerine Pillai İzi en güçlü test olarak her zaman tercih edilmelidir.

Cevabı ve açıklamayı göster

Cevap: $X_3$ değişkeni; çünkü en düşük Wilks' Lambda değerine ve en yüksek F istatistiğine sahiptir.

Cevap

X_3

değişkeni; çünkü ayırma gücü en yüksek olan (en düşük Wilks' Lambda ve en yüksek F değeri) değişkendir.

Adım adım diskriminant analizinde, modele dahil edilecek değişkenlerin seçimi her adımda istatistiksel bir kriter üzerinden yapılır. İlk adımda, her değişkenin tek başına grupları ayırma gücü test edilir. Wilks' Lambda (

\Lambda

) istatistiği, gruplar içindeki varyansın toplam varyansa oranını gösterir; bu değerin küçük olması, gruplar arası farklılığın büyük olduğu anlamına gelir. 'F-to-enter' değeri ise bu farkın istatistiksel anlamlılığını gösteren F istatistiğidir.

X_3

değişkeni 0,58 ile en düşük Lambda ve 15,30 ile en yüksek F değerine sahip olduğu için modele ilk girmesi gereken değişkendir.

Adım Adım Çözüm

Tablodaki Wilks' Lambda (

\Lambda

) değerlerini karşılaştırın.

En küçük değerin 0,58 ile

X_3

değişkenine ait olduğu görülür.

Wilks' Lambda değeri küçüldükçe, değişkenin grupları birbirinden ayırma kapasitesi artar.

Tablodaki 'F-to-enter' (

F

) istatistiklerini karşılaştırın.

En yüksek değerin 15,30 ile

X_3

değişkenine ait olduğu görülür.

F değeri, gruplar arası kareler toplamının grup içi kareler toplamına oranını temsil eder; en yüksek F değeri en anlamlı ayrımı ifade eder.

Değişken seçim kararını verin.

X_3

değişkeni ilk adımda modele dahil edilir.

Adım adım yöntemde (Forward Selection aşamasında), en anlamlı katkıyı sağlayan değişken ilk sıraya alınır.

Anahtar Kavram

Adım adım diskriminant analizinde değişken seçim kriterleri (F-to-enter ve Wilks' Lambda)

Tahmini Süre:1m 30s

Adım Adım (Stepwise) Diskriminant Analizi

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar