Rastlantısal olmayan kayıp veri varlığında seçim modelleri ile bir duyarlılık analizi uygulaması

dc.authorid0000-0003-2183-7080
dc.contributor.authorKalaycıoğlu, Oya
dc.date.accessioned2021-06-23T18:32:52Z
dc.date.available2021-06-23T18:32:52Z
dc.date.issued2017
dc.departmentBAİBÜ, İktisadi ve İdari Bilimler Fakültesi, Ekonometri Bölümüen_US
dc.description.abstractBu 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 görülmüştüren_US
dc.description.abstractAn 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 significantlyen_US
dc.identifier.endpage85en_US
dc.identifier.issn1308-0539
dc.identifier.issn1308-0539
dc.identifier.issue2en_US
dc.identifier.startpage76en_US
dc.identifier.trdizinid273841en_US
dc.identifier.urihttps://app.trdizin.gov.tr/makale/TWpjek9EUXhNUT09
dc.identifier.urihttps://hdl.handle.net/20.500.12491/2061
dc.identifier.volume10en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.institutionauthorKalaycıoğlu, Oya
dc.language.isotren_US
dc.relation.ispartofİstatistikçiler Dergisi: İstatistik ve Aktüeryaen_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subjectKayıp Veri
dc.subjectRastlantısal Olmayan Kayıp Veri
dc.subjectSeçim Modelleri
dc.subjectBayesci Analiz
dc.subjectDuyarlılık Analizi
dc.subjectMissing Data
dc.subjectNon-random Missing Data
dc.subjectSelection Models
dc.subjectBayesian Analysis
dc.subjectSensitivity Analysis
dc.titleRastlantısal olmayan kayıp veri varlığında seçim modelleri ile bir duyarlılık analizi uygulamasıen_US
dc.title.alternativeAn application of sensitivity analysis in the presence of non-random missing data using selection modelsen_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Yükleniyor...
Küçük Resim
İsim:
oya-kalaycioglu.pdf
Boyut:
1.1 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam metin/ Full text