Rastlantısal olmayan kayıp veri varlığında seçim modelleri ile bir duyarlılık analizi uygulaması
Yükleniyor...
Dosyalar
Tarih
2017
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmadaki amaç, bağımlı değişkende rastlantısal olmayan kayıp veriler olduğunda, nasıl bir istatistiksel modelleme stratejisi izlenebileceğini açıklamak ve regresyon parametrelerinin farklı kayıp veri mekanizmaları varsayımlarına ne kadar duyarlı olabileceğini göstermektir. Bu amaç doğrultusunda, bir hanehalkı araştırmasından elde edilen veriler kullanılmış ve eğitim seviyesinin gelir düzeyi üzerindeki etkisi, doğrusal regresyon modeli kullanılarak, farklı kayıp veri mekanizmaları varsayımları altında ölçülmüştür. Analiz için Bayesci tahmin yöntemleri kullanılarak seçim modelleri yardımı ile, regresyon modeli ve kayıp veri modeli bileşik olarak modellenmiştir. Kayıp veri modelinin parametreleri değiştirilerek duyarlılık analizi yapılmış ve farklı kayıp veri mekanizmaları altında tahmin edilen regresyon katsayılarında ciddi farklılıklar görülmüştür
An Application of Sensitivity Analysis in the Presence of Non-random Missing Data Using Selection Models The aim of this research is to explain a statistical modelling strategy in the presence of non-random missing data, and thereby to indicate how sensitive would the regression parameter estimates be under different assumptions of missing data mechanisms. For this purpose, a data set from a household survey was used, and the effect of education on individuals’ income levels has been assessed under different assumptions of missing data mechanisms by using a linear regression model. The modelling framework that was used comprised both the regression model and a missing data model using Bayesian estimation techniques jointly. Sensitivity analysis was carried out each time by changing the parameters of missing data model. It has been found out that under different assumptions of missing data mechanisms the parameter estimates of the regression model altered significantly
An Application of Sensitivity Analysis in the Presence of Non-random Missing Data Using Selection Models The aim of this research is to explain a statistical modelling strategy in the presence of non-random missing data, and thereby to indicate how sensitive would the regression parameter estimates be under different assumptions of missing data mechanisms. For this purpose, a data set from a household survey was used, and the effect of education on individuals’ income levels has been assessed under different assumptions of missing data mechanisms by using a linear regression model. The modelling framework that was used comprised both the regression model and a missing data model using Bayesian estimation techniques jointly. Sensitivity analysis was carried out each time by changing the parameters of missing data model. It has been found out that under different assumptions of missing data mechanisms the parameter estimates of the regression model altered significantly
Açıklama
Anahtar Kelimeler
Kayıp Veri, Rastlantısal Olmayan Kayıp Veri, Seçim Modelleri, Bayesci Analiz, Duyarlılık Analizi, Missing Data, Non-random Missing Data, Selection Models, Bayesian Analysis, Sensitivity Analysis
Kaynak
İstatistikçiler Dergisi: İstatistik ve Aktüerya
WoS Q Değeri
Scopus Q Değeri
Cilt
10
Sayı
2
