Lojistik regresyonda robust tahmin yöntemlerinin kullanılması

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Ankara Üniversitesi, Fen Bilimleri Enstitüsü, Türkiye

Tezin Onay Tarihi: 2019

Tezin Dili: Türkçe

Öğrenci: TUĞÇE PARLAK

Danışman: OLÇAY ARSLAN

Özet:

En çok olabilirlik tahmin edicisi (MLE), parametrik bir model altında etkinliği nedeniyle lojistik regresyon modellerinin parametre tahminleri için sıklıkla kullanılır. Fakat en çok olabilirlik yöntemi aykırı değerlerin varlığında parametrelerin tahminlerinde doğru olmayan sonuçlar verebilmektedir. Bu tezde, parametre tahmini yaparken aykırı değerlerin meydana getirdiği bozucu etkinin en aza indirilebilmesi için robust yöntemler araştırılmıştır. En çok olabilirlik tahmin edicisinin performansı ile alternatif olarak öne sürülen ağırlıklandırılmış Bianco-Yohai tahmin edicisi (WBYE), ağırlıklandırılmış Mallows tahmin edicisi ve ağırlıklandırılmış en çok olabilirlik tahmin edicisinin (WMLE) performanslarını karşılaştırmak için simülasyon çalışması ve gerçek veri üzerinde çalışmalar yapılmıştır. To estimate the parameters of logistic regression models are often used the maximum likelihood estimator (MLE) owing to its good property under a parametric model. However, the maximum likelihood method can give inefficient parameter estimations in the presence of outliers. In this thesis, robust methods are considered to estimate the parameters of a logistic regression model when there are outliers in data. A simulation study and a real data example are afforded to contrast the performance of the maximum likelihood estimator with the performances of the weighted Bianco-Yohai estimator, the weighted Mallows estimator and the weighted maximum likelihood estimator.