Hacettepe Üniversitesi İstatistik Bölümü Mezunlarının Mezuniyet Sürelerini Etkileyen Faktörlerin Lokal Regresyon (Loess) İle İncelenmesi
Abstract
Loess, “Locally Estimated Scatterplot Smoothing” ve
“Local Regression” ifadelerinin kısaltılmasıdır ve veri analizi için geleneksel
en küçük kareler yöntemlerinin genelleştirilmesi sürecidir. Loess, bağımlı ve
bağımsız değişkenler arasındaki ilişkinin önsel bir özelliği sağlamasını
gerektirmediği için parametrik olmayan bir yöntemdir. Çoğunlukla saçılım grafiğini
düzleştirmek için kullanılmasına rağmen, çok değişkenli verilere de kolaylıkla
genelleştirilebilir. Ayrıca, güven
aralıkları ve diğer istatistiksel testler için de çıkarımsal işlemler vardır. Bu nedenlerden dolayı Loess, verileri
incelemek için faydalı bir araçtır. Loess, bağımlı değişken ve bir ya da daha
çok bağımsız değişkenler arasındaki ilişkinin grafiksel bir özetini sağlar.
Bu çalışmada, loess yönteminin uygulanabilirliğini
göstermek için Hacettepe Üniversitesi İstatistik Bölümü’nün kuruluş yılı olan
1967 yılından 2015 yılına kadar mezun olanların mezun olma süreleri ve bölümü
tercih sıraları ile akademik ortalamaları ele alınmıştır.
Loess yöntemi sonucunda akademik ortalamanın mezuniyet süresini etkilediği,
tercih sırasının ise etkilemediği görülmüştür. Aykırı değerlerin etkisini
dikkate alan ve daha sağlam olan lowess yönteminin ise verilere daha uyumlu olduğu
sonucuna varılmıştır.
References
- [12] Jacoby B., 2005. Regression III: Advanced Methods, http://polisci.msu.edu/jacoby/icpsr/regress3 [Erişim 10.03.2016].
- [11] Engineering Statistics Handbook;
- [10] The Loess Procesure, SAS/STAT ® User’s Guide, Version 8, Cary, NC: SAS Institute Inc., 1999; http://www.math.wpi.edu/saspdf/stat/chap38.pdf [Erişim 10.03.2016].
- [9] Cleveland W.S., Grosse, E., 1991. Computational methods for local regression, Statistics and Computing, 1, 47–62.
- [8] Cleveland W.S., Devlin S.J., 1988. Locally weighted regression: An approach to regression analysis by local fitting, Journal of the American Statistical Association, 83(403), 596-610.
- [7] Cleveland W.S., 1979. Robust locally weighted regression and smoothing scatterplots, Journal of the American Statistical Association, 74, 829.
- [6] Cleveland W.S., Devlin S.J., Grosse E., 1988. Regression by local fitting: Methods, properties, and computational algorithms, Journal of Econometrics, 37(1), 87–114.
- [5] Kara P., 2013. Loess; https://prezi.com/ankknumpnnu9/loess/ [Erişim 16.04.2016].
- [4] Jacoby W.G., 2000. Loess: A nonparametric, graphical tool for depicting relationships between variables, Electoral Studies, 19, 577-613.
- [3] Pehlivan N.Y., Apaydın A., 2005. Bulanık k-En Yakın Komşuluk Tahmin Edicisi ve Bulanık Radyal Tabanlı Fonksiyon Ağları , S.Ü. Fen Ed Fak Fen Derg., 26, 19- 32.
- [2] Tezcan N., 2011. Parametrik Olmayan Regresyon Analizi, Atatürk Ü. İİBF Dergisi, 10. Ekonometri ve İstatistik Sempozyumu Özel Sayısı, 341.
- [1] Eubank, R. L., 1999. Nonparametric regression and smoothing spline, Marcel Dekker Inc., New York.
Abstract
References
- [12] Jacoby B., 2005. Regression III: Advanced Methods, http://polisci.msu.edu/jacoby/icpsr/regress3 [Erişim 10.03.2016].
- [11] Engineering Statistics Handbook;
- [10] The Loess Procesure, SAS/STAT ® User’s Guide, Version 8, Cary, NC: SAS Institute Inc., 1999; http://www.math.wpi.edu/saspdf/stat/chap38.pdf [Erişim 10.03.2016].
- [9] Cleveland W.S., Grosse, E., 1991. Computational methods for local regression, Statistics and Computing, 1, 47–62.
- [8] Cleveland W.S., Devlin S.J., 1988. Locally weighted regression: An approach to regression analysis by local fitting, Journal of the American Statistical Association, 83(403), 596-610.
- [7] Cleveland W.S., 1979. Robust locally weighted regression and smoothing scatterplots, Journal of the American Statistical Association, 74, 829.
- [6] Cleveland W.S., Devlin S.J., Grosse E., 1988. Regression by local fitting: Methods, properties, and computational algorithms, Journal of Econometrics, 37(1), 87–114.
- [5] Kara P., 2013. Loess; https://prezi.com/ankknumpnnu9/loess/ [Erişim 16.04.2016].
- [4] Jacoby W.G., 2000. Loess: A nonparametric, graphical tool for depicting relationships between variables, Electoral Studies, 19, 577-613.
- [3] Pehlivan N.Y., Apaydın A., 2005. Bulanık k-En Yakın Komşuluk Tahmin Edicisi ve Bulanık Radyal Tabanlı Fonksiyon Ağları , S.Ü. Fen Ed Fak Fen Derg., 26, 19- 32.
- [2] Tezcan N., 2011. Parametrik Olmayan Regresyon Analizi, Atatürk Ü. İİBF Dergisi, 10. Ekonometri ve İstatistik Sempozyumu Özel Sayısı, 341.
- [1] Eubank, R. L., 1999. Nonparametric regression and smoothing spline, Marcel Dekker Inc., New York.
Details
| Journal Section | Research Articles |
|---|---|
| Authors | |
| Publication Date | August 9, 2016 |
| Submission Date | May 18, 2016 |
| Published in Issue | Year 2016 Volume: 1 Issue: 1 |
