The Comparison of the Estimators for the Parameters of the General Linear Regression Model via Simulation and Two Real Life Data Examples

Basit Öğe Kaydı
dc.contributor.authorMutlu, Nalan
dc.contributor.authorSazak, Hakan Savaş
dc.date.accessioned2020-12-01T12:36:14Z
dc.date.available2020-12-01T12:36:14Z
dc.date.issued2019
dc.departmentEge Üniversitesien_US
dc.description.abstractIn this study we compared the efficiency and robustness of several estimators, namely, the least squares (LS) estimators, the Huber and Tukey M- estimators, the S-estimators and the MM-estimators for the parameters of the general linear regression (GLR) model via simulation. First, the programs for each method were written by using Matlab. Then, an extensive simulation study was conducted under several models. the results are consistent with the literature but some important points were also found to be remarked. As the literature suggests, in general, the MM-estimators are the most efficient estimators, and among the robust estimators discussed here, the S-estimators are the least efficient ones. Naturally, the LS estimators are badly affected by the deviations from the assumed model because of their sensitive nature. Moreover, it was found that while the LS estimator of the variance of the error term is unbiased, the robust estimators discussed here are generally biased. Additionally, the MM-estimator of the variance of the error term is less biased than the other robust estimators and its bias gets smaller faster as the sample size increases compared to the others. At the end of the study, to be more illustrative, two real life data examples were given with the related comments.en_US
dc.description.abstractBu çalışmada genel doğrusal regresyon modelinin parametrelerine yönelik bir çok tahmin edicinin ki bunlar en küçük kareler (EKK) tahmin edicileri, Huber ve Tukey M-tahmin edicileri, S-tahmin edicileri ve MM-tahmin edicileri olmak üzere etkinlik ve dayanıklılıklarını simülasyon yoluyla karşılaştırdık. Öncelikle her bir yöntem için Matlab kullanılarak program yazıldı. Daha sonra bir çok model altında kapsamlı bir simülasyon çalışması yürütüldü. Sonuçlar literatürle uyumlu olmakla beraber üstünde durulması gereken bazı önemli noktalar da bulunmuştur. Literatürde önerildiği şekilde genel olarak MM-tahmin edicileri en etkin tahmin edicilerdir ve burada ele alınan dayanıklı tahmin ediciler arasında S-tahmin edicileri en az etkinliğe sahiptirler. Doğal olarak EKK tahmin edicileri hassas yapıları sebebiyle varsayılan modelden sapmalardan kötü bir şekilde etkilenmektedirler. Ayrıca hata teriminin varyansının EKK tahmin edicisi yansızken burada ele alınan dayanıklı tahmin edicilerinin genelde yanlı olduğu bulunmuştur. Bunun yanında hata teriminin varyansının MM-tahmin edicisi diğer dayanıklı tahmin edicilere göre daha az yanlıyken örneklem hacmi arttıkça da yan miktarı diğerlerine göre daha hızlı bir şekilde azalmaktadır. Çalışmanın sonunda daha aydınlatıcı olması için ilgili yorumlarıyla beraber iki gerçek hayat verisi örneği verilmiştir.en_US
dc.identifier.doi10.19113/sdufenbed.538869
dc.identifier.endpage130en_US
dc.identifier.issn1300-7688
dc.identifier.issn1308-6529
dc.identifier.issueÖzelen_US
dc.identifier.startpage119en_US
dc.identifier.urihttps://doi.org/10.19113/sdufenbed.538869
dc.identifier.urihttps://app.trdizin.gov.tr//makale/TXpRMk1qY3dNQT09
dc.identifier.urihttps://hdl.handle.net/11454/66848
dc.identifier.volume23en_US
dc.indekslendigikaynakTR-Dizinen_US
dc.language.isoenen_US
dc.relation.ispartofSüleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisien_US
dc.relation.publicationcategoryMakale - Ulusal Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.subject0-Belirleneceken_US
dc.titleThe Comparison of the Estimators for the Parameters of the General Linear Regression Model via Simulation and Two Real Life Data Examplesen_US
dc.title.alternativeGenel Doğrusal Regresyon Modelinin Parametrelerine Yönelik Tahmin Edicilerin Simülasyon Yoluyla Karşılaştırılması ve İki Gerçek Hayat Veri Örneğien_US
dc.typeArticleen_US

Dosyalar

Koleksiyon

TR-Dizin İndeksli Yayınlar Koleksiyonu