basİt regresyon ve korelasyon analİzİ
DESCRIPTION
BASİT REGRESYON VE KORELASYON ANALİZİ. Regresyon, iki yada daha çok değişken arasındaki ortalama ilişkinin matematiksel bir fonksiyonla incelenmesidir. Değişkenler arasındaki ilişkinin derecesi ve yönü ise korelasyon analizi ile açıklanır. - PowerPoint PPT PresentationTRANSCRIPT
Ders 11 - 1
Regresyon, iki yada daha çok değişken arasındaki ortalama ilişkinin
matematiksel bir fonksiyonla incelenmesidir. Değişkenler
arasındaki ilişkinin derecesi ve yönü ise korelasyon analizi ile
açıklanır.
Değişkenler arasındaki ilişkilere bazı örnekler vermek gerekirse;
-İnsanların boyları ile kiloları
-Futbol takımlarının çalışma süreleri ve maç skorları toplamları
-Öğrencilerin çalışma miktarları ve sınav notları
-Bir malın fiyatı ve talep miktarı
-Bir ürünün verimi ve verilen gübre miktarı, vb.
Ders 11 - 2
Değişkenler arasındaki ilişkiler aşağıdaki gibi sınıflandırılabilir:
i) Belirleyici (deterministik) ilişkiler
ii) Yarı belirleyici ilişkiler
iii) Deneysel (ampirik, stokastik) ilişkiler
Kesin (Deterministik) Model
Değişkenler arasında kesin bir ilişki olduğunu varsayan modeller, kesin
(deterministik) modeller olarak adlandırılmaktadır.
Örneğin arz miktarı y'nin, fiyat düzeyi x'in tam bir buçuk katı olduğuna
inanıyorsak:
y=1.5x
Bu denklem, x ve y değişkenleri arasındaki kesin bir ilişkiyi temsil etmektedir.
Bu tahminde hata payı yoktur.
Ders 11 - 3
Stokastik (Olasılıklı) Model
Eğer arz miktarında, önemli fakat ele alınmayan değişkenlerin veya tesadüfi
olguların yol açtığı açıklanmayan değişimlerin olacağına inanıyorsak, kesin
model yerine tesadüfi hataya yer veren modelden yararlanmamız gerekir.
Olasılıklı model hem kesin öğeyi hem de tesadüfi hata öğesini içerir.
Örneğin eğer arz miktarı y'nin, fiyat düzeyi x ile:
y = 1.5x + Tesadüfi Hata
şeklinde bir ilişkisi olduğunu düşünüyorsak, x ile y arasında olasılıklı bir ilişki
olduğunu anlarız. Görüldüğü gibi, olasılıklı modelin kesin öğesi
1.5x’tir.
Ders 11 - 4
Kesin (Deterministik) ve StokastikOlasılıklı Model...
Bu kez grafikten yararlanalım:
Kesin Model: y=1.5x Olasılıklı Model: y=1.5x + Tesadüfi hata
Ders 11 - 5
Yarı belirleyici ve deneysel ilişkilerin (stokastik) incelenmesi regresyon analizinin kapsamına girmektedir.
Regresyon analizinde değişkenler iki grup altında incelenir:
-Bağımsız değişkenler (açıklayıcı değişkenler)-Bağımlı değişkenler
Bağımlı değişken: Modelin ifade ettiği olay tarafından belirlenirken,
Bağımsız değişken: Modelin ifade edilen olaydan bağımsız olan verileridir.
Ders 11 - 6
Örneğin kişilerin gelirlerinin değişmesi, harcama miktarlarının da
değişmesine neden olur. Bu durumda gelir bağımsız değişken,
harcama miktarı ise bağımlı değişkendir.
Regresyon analizinde genellikle bağımsız değişkenler (X) , bağımlı
değişkenler (Y) ile gösterilirler.
Ders 11 - 7
Basit doğrusal regresyondaki basit kelimesi iki değişken arasındaki ilişkiyi açıklamak için kullanılır. Doğrusal kelimesi, kurulan modelin parametreleri açısından doğrusal bir model olmasındandır.
İki değişken arasındaki en basit ilişki, bir doğru ile açıklanabilen ilişkidir.
X
Y Genel olarak bir doğrunun matematik gösterimi:
Y=0+ 1X şeklindedir. Burada 1 ,
eğimdir ve X’teki 1 birimlik değişmenin Y’de yaptığı değişikliği gösterir.
0 ise X’in değeri 0 olduğunda Y’nin almış olduğu değerdir ve Y ekseninin kesme noktası olarak isimlendirilir.
Ders 11 - 8
0 1
0 1 1 2 2
Y X
Y X X
Doğrusal ilişki Doğrusal olmayan ilişki2
0 1 2
20 1
0 1 2
0 1 1
Eğrisel ilişki : Y
Logaritmik ilişki : log
Katlı ortak doğrusal ilişki : Y
Gecikmiş (lag) ilişki : t t
Y X X
X
Y X
X Z
Y X
Değişkenler arasındaki ilişki
Ders 11 - 9
Regresyon Parametrelerinin Tahmininde Kullanılan Metod
EKK Metodu
Normal Denklemlerle
Klasik Çözüm Yolu
Determinantlarla
Çözüm Yolu
Orjin kaydırma
Çözüm Yöntemi
Ders 11 - 10
EN KÜÇÜK KARELER (EKK) YÖNTEMİ İLE BİR DOĞRUNUN UYUMU
Gözlemleri en iyi açıklayan doğrunun belirlenmesi için çeşitli yöntemler ileri sürülebilir. Fakat günümüzde en çok kullanılan yöntem “En Küçük Kareler” adı verilen yöntemdir. Bu yöntem gözlemlerin belirlenen doğrudan uzaklıklarının (hata terimlerinin) karelerinin toplamının en küçük yapılmasına dayanır.
eXY 10 modelinde hata terimi:
XYe 10 olarak yazılabilir. Bu ifadenin karesi alınıp tüm gözlemler için toplanırsa:
2
110
1
2
n
i
n
ii XYe
ifadesi elde edilir. EKK yöntemine göre bu ifadeyi minimize eden b0 ve b1 değerleri 0 ve 1’in tahmincileri olur.
1. NORMAL DENKLEMLER
Ders 11 - 11
2
110
1
2
n
i
n
ii XYe
İfadesini minimize eden parametre tahmincilerinin değerlerini bulabilmek için eşitliğin 0 ve 1’e göre türevleri alınıp 0’a eşitlenir.
2
110
01
2
0
n
i
n
ii XYe
n
i
XY1
102
2
110
11
2
1
n
i
n
ii XYe
n
i
XYX1
102
Her iki denklemi de 0’a eşitlersek;
0
02
110
110
n
i
n
i
XbbY
XbbY
0.
0..2
110
110
n
i
n
i
XbbYX
XbbYX
0’a göre türev alınırsa; 1’e göre türev alınırsa;
Ders 11 - 12
0
02
110
110
n
i
n
i
XbbY
XbbY
0.
0..2
110
110
n
i
n
i
XbbYX
XbbYX
Parantezleri açarsak;
0. 10 XbbnY 0210 XbXbXY
Bu denklemlere doğrunun NORMAL DENKLEMLERİ denir. Normal denklemler alt alta yazılıp birlikte çözüldüklerinde b0 ve b1 tahmincileri bulunur.
XbbnY 10.
210 XbXbXY n
XX
nYX
XYb 2
21 )(
)).((
XbYb 10
şeklindeki formüller yardımıyla da tahminciler bulunabilir.
Ders 11 - 13
2.DETERMİNANT METODU
0 1
20 1
Normal Eşitlikleri i
i i i i
Y nb b X
X Y b X b X
2 2
2 2
2
( )ˆ i i i i
i i
i i
i i
i i
o
i
i i
Y
Y X X X Y
X
X
X Y Xb
n X
X
X
X
1
2
2 2(ˆ
)
i
i i i i i i i
ii
i i
i
n Y
X X Yb
n X
X X
n X Y X Y
n X X
0 1ˆ ˆY b b X
Ders 11 - 14
3.ORJİN KAYDIRMA YÖNTEMİ
0 1Y b b X
0 1Y b b X
0 1( )Y Y b X X
y Y Y
x X X Olarak gösterirsek
1y b xOlur.
Burada hata karelerini minimum yapmak
için aşağıdaki yol izlenir.
1 2
21
11
21
( )
ˆ2 ( ) 0
ˆ 0
ˆ
S y b x
dSx y b x
db
xy b x
xyb
x
Orjini kaydırsakta kaydırmasakta doğrunun eğimi
değişmeyeceğinden istersek modele tekrar b0’ ı
ekleyebiliriz.
0 1b Y b X
0 xolacağından
x X X alınarak
0 1
xb Y b
n
0b̂ Y 0ˆ Yb
n
yerine konulursa
veya
Bulunur.
0 1ˆ ˆY b b x
Ders 11 - 15
Bir fabrikada taşıma işleri için kullanılan tırların yaşı ile bakım harcamaları arasındaki ilişkiyi ele alalım. Verilerin grafiği çizildiğinde tam olarak düz bir doğrunun üzerinde olmadıkları, fakat tırlar eskidikçe bakım harcamalarının da arttığı görülmektedir. Burada bağımsız değişken yaş, bağımlı değişken ise bakım harcamalarıdır, çünkü yaş değiştikçe bakım harcamaları değişiklik göstermektedir. Pratiklik olması açısından yaş ve bakım harcaması arasındaki ilişkinin bir doğru şeklinde olduğunu varsayarsak, bu modelin matematik gösterimi:
eXY 10 Bakım harcaması
yaş
Hata terimi
yaş (yıl)bakım
harcaması
2.0 25004.5 92004.5 49504.0 44005.0 79005.5 105005.0 97000.5 19506.0 80001.0 20251.0 37003.0 6800
yaş-bakım harcaması grafiği
0100020003000400050006000700080009000
100001100012000
0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0
yaş
bak
ım h
arca
mas
ı
Ders 11 - 16
yaş-bakım harcaması grafiği
0100020003000400050006000700080009000
100001100012000
0.0 1.0 2.0 3.0 4.0 5.0 6.0 7.0
yaş
bak
ım h
arca
mas
ı
e hata terimi, tır için yapılan harcamanın, ilişkiyi açıklayan doğrudan ne kadar saptığını gösterir.
Tırların yaşı ile yapılan bakım harcamaları arasındaki gerçek ilişkiyi belirleyen model henüz belirlenmiş değildir. Bunun için modelde bulunan parametrelerin (0 ve 1) bilinmesi gerekir.
0 ve 1 birer parametre olduklarından, gerçek değerlerinin bulunması için taşıma işinde kullanılan tüm tırların (populasyonun) bakım harcamaları ve yaşlarının bilinmesi gerekmektedir. Bu da çoğu zaman imkansız olduğundan elimizdeki örneği kullanarak parametreleri tahminleriz veya başka bir ifade şekliyle grafikteki noktalara en iyi uyan bir doğruyu buluruz.
Ders 11 - 17
Böylece veri noktalarımızdan geçen en iyi doğru denklemi:
XbbY 10ˆ
Gerçek Y’nin tahmincisi
Traktör örneğimiz için gereken hesaplamaları yapıp normal denklemleri oluşturalım: XbbnY 10.
210 XbXbXY
72725 = 12b0+42b1
311525= 42b0 +188b1
254537.5 =42b0 +147b1
311525 = 42b0 + 188b1--56988 = -41b1
yaş (yıl) (x)
bakım harcaması
(y)x y xy
2.0 2500 4 6250000 50004.5 9200 20.25 84640000 414004.5 4950 20.25 24502500 222754.0 5500 16 30250000 220005.0 7900 25 62410000 395005.5 10500 30.25 110250000 577505.0 9700 25 94090000 485000.5 1950 0.25 3802500 9756.0 8000 36 64000000 480001.0 2025 1 4100625 20251.0 3700 1 13690000 37003.0 6800 9 46240000 20400
toplam 42.0 72725.0 188.0 544225625.0 311525.0ortalama 3.5 6060.4
b1=1390
35*(72725 = 12b0+42b1)
311525= 42b0 +188b1
Ders 11 - 18
72725 =12b0 +42b1
72725 =12b0 +42*1390
b0 = 1195
Doğrunun denklemi:
XY 13901195ˆ Hesaplanan bu denklem kullanılarak yaşını bildiğimiz bir tır için yapılacak ortalama bakım masrafını tahmin edebiliriz. Örneğin x=4 yaşındaki bir tır için bakım masrafları:
6755)4)(1390(1195ˆ
13901195ˆ
Y
XY
olarak bulunur.
Tahmincileri elde etmek için normal denklemler yerine formüller kullanılırsa da aynı sonuçlar elde edilir.
Örnek: Firmanın 1993-1999 yılları arasındaki yıllık satışları aşağıda verildiği gibidir.
Bu verilere dayanarak regresyon (yalın regresyon) denkleminin tahminlenmesi istenmektedir.(satışlar 1000 br olarak)
2X
Yıllar Satışlar (Y) X XY
1993 15 1 15 1
1994 18 2 36 4
1995 25 3 75 9
1996 30 4 120 16
1997 40 5 200 25
1998 60 6 360 36
1999 82 7 574 49
270 28 1380 140
Paremetrelerin E.K.K.tahminlerini elde etmek için
1 2 22
0 1
(28)(270)1380
7 10.7( ) (28)
1407
270 28(10.7) 4.2
7 7
X YXY
nbX
Xn
b Y b X
Y = - 4.2 +10.7 x şeklinde
regresyon denklemi elde edilir.
0 1
20 1
0 1
0 1
0 1
0 1
1 1
270 7 28
1380 28 140
1080 28 112
1380 28 140
300 28 300 / 28 10.7
i i
i i i i
Y nb b X
X Y b X b X
b b
b b
b b
b b
b b
Determinant metodu ile parametre tahminlerinin hesaplaması ise ;
2
0 2 2 2
270(140) 28(1380) 30
7( ) 7(140) (28)
Y X X XYb
n X X
1 2 2 2
7(1380) 28(270) 75
7( ) 7(140) (28)
n XY X Yb
n X X
XY7
75
7
30
orjin kaydırma ile parametre tahmini ise; 1 2
xYb
x
0
Yb
n
1993 15 -3 -45 9 225
1994 18 -2 -36 4 324
1995 25 -1 -25 1 625
1996 30 0 0 0 900
1997 40 1 40 1 1600
1998 60 2 120 4 3600
1999 82 3 246 9 6724
270 300 28 13998
Yıllar Y x xY x2
Y2
0
27038.5
7
Yb Y
n
1 2
300 7510.7
28 7
xYb
x
Y = 38.5 + 10.7 x
tg = b 1 =10.7
Y
X
Y
38.5
- 4.2
Y=-4.2+10.7X
Y=38,5+10,7x
0
3
x
0
30 75
7 7Y x
a) 2001 yılı satışları ne olacaktır?
Y2001=-4.2+10.7(9)=92.1
b) Hangi yıl 100 birim satar?100 = -4.2 + 10.7 x
x = 9.7
Modeli için Y=38.5+10.7x modeli de yapılacak aynı tahminler de aynı sonucu
verecektir.a) 2001 yılı satışları ne olacaktır?
Y=38.5+10.7(5)=92 br.
b) Hangi yıl 100 birim satar?
100=38.5+10.7 x
x=5.7 (2001 yılı 8 inci ayı ortaları) 2001 yılı 8 inci ayın ortalarında
Ders 11 - 22
REGRESYON DENKLEMİNİN İNCELENMESİ
Regresyon denklemini incelerken genellikle bizi en çok ilgilendiren soru incelediğimiz iki değişken arasında gerçekten bir ilişki olup olmadığı sorusudur. Bu soru aslında basit doğrusal regresyonda 1’in değerinin 0 olup olmadığının araştırılmasıdır. Bu araştırmayı yaparken istatistiksel testle kullanmak gerektiğinden hata terimi ve parametre tahmincilerinin dağılışları hakkında bazı varsayımlarda bulunmak gerekir.Hata terimi e’ler, ortalaması 0 ve varyansı olan birbirinden bağımsız normal dağılışlar gösterirler.
E(e)=0 Var(e)= s2
- Tahminin Standart Hatası ve VaryansıTahminin standart hatası s, noktaların regresyon doğrusu etrafındaki dağılımlarının ortalama bir ölçüsünü verir.
2
2
kn
es
kn
es
2
Ders 11 - 23
Tahminlenen Regresyonun Duyarlılığı
Y ortalama doğrusu
Gözlem değeri (Y)
Regresyon doğrusu XbbY 10ˆ
Yi tahmin değeri
)( YY )ˆ( YY
)ˆ( YY
Regresyon denklemi tahminlendikten sonra bu denklemin ilişkiyi ne derece açıkladığı ve bu denklem kullanılarak yapılacak tahminlerin ne derece hassas olacağının araştırılması gerekir. Bunun için gözlenen değerler ile tahmini değerleri arasındaki farkı yazıp y’lerin ortalamasını buna ekleyip çıkarırsak aşağıdaki ifadeyi elde ederiz. Bu ifadenin grafiksel karşılığı şekilde görülmektedir.
e)YY()YY()YY(
Ders 11 - 24
Daha sonra her iki tarafın kareleri alınıp tüm gözlemler için toplanırsa;
İfade tekrar düzenlenirse:
Ortalama etrafındaki kareler toplamı
(genel KT)Regresyon kareler
toplamıRegresyondan sapmalar (hata) kareler toplamı
Y ortalama doğrusu
Gözlem değeri (Y)
Regresyon doğrusuXbbY 10
ˆ
Yi tahmin değeri
)( YY )ˆ( YY
)ˆ( YY
222 )YY()YY()YY(
)YY()YY()YY(
22
2)YY()YY()YY(
Ders 11 - 25
Eğer gözlenen değerlerin hepsi tahmin edilen doğru üzerinde olsaydı, hata kareler toplamı “0” olacak ve uyumun çok iyi olduğu söylenebilecektir. Bu bilgiyi kullanarak, regresyon doğrusunun ne derece iyi tahminlenmiş olduğunu regresyon kareler toplamının ortalama etrafındaki kareler toplamına oranına bakarak söyleyebiliriz. Bu orana BELİRLEME KATSAYISI adı verilir ve R2 ile gösterilir.
2
22
)YY(
)YY(
plamıkareler to genel
plamıkareler toregresyon R
R2’nin 1’e yaklaşan değerleri bize uyumun iyi olduğunu belirtir. (0<R2<1)
Y ortalama doğrusu
Gözlem değeri (Y)
Regresyon doğrusuXbbY 10
ˆ
Yi tahmin değeri
)( YY )ˆ( YY
)ˆ( YY
Şekilden de görüldüğü gibi, regresyon kareler toplamının büyümesi, gözlem değerinin tahminlenmiş regresyon doğrusuna yaklaşması anlamına gelmektedir ve bu da belirleme katsayısını arttırır.
Ders 11 - 26
Hesaplama kolaylığı açısından kareler toplamları formülleri aşağıdaki şekilde de kullanılabilir:
farkıikisinin ilk )YY(
n/)X(Xb)YY(
n/)Y(Y)YY(
2
2221
2
222
Genel kareler toplamı (GKT)
Regresyon kareler toplamı (RKT)
Hata kareler toplamı (HKT)
Ders 11 - 27
Korelasyon KatsayısıKorelasyon katsayısı, regresyon modeli ile bulunan tahmini Y değerlerinin, gerçek değerlere uygunluğunu ölçmede kullanılır. Korelasyon katsayısı -1 ile 1 arasında değişir.
Katsayının -1 çıkması, iki değişken arasında ters yönlü tam bir ilişkinin olduğunu, 1 çıkması ise doğru yönlü tam bir ilişkinin olduğunu ifade eder.
Katsayının -1’e doğru yaklaşması, değişkenler arasında ters yönlükuvvetli bir ilişkiyi gösterirken, 1’e yaklaşması değişkenler arasındadoğru yönlü kuvvetli bir ilişkiyi ifade eder.
Korelasyon katsayısının işareti, regresyon doğru veya eğrisine aiteğim katsayısının işaretidir.
Korelasyon katsayısının karesi, belirleme katsayısını determinasyon katsayısını) verir.
Ders 11 - 28
Sınırlı sayıda veri üzerinden hesaplanan korelasyon katsayısı bir istatistiktir ve r ile gösterilir.Bu istatistiğin anakütle parametresi olarak karşılığı ’dur.
Korelasyon katsayısı için genel formül;
2
2
)(
)ˆ(
YY
YYr
))(( 22 yx
xyryada
n
YXXYxy
))((n
XXx
222 )(
n
YYy
222 )(
Bu formülde;
Ders 11 - 29
Bütün bu değerler n katsayısı ile çarpılırsa sonuç değişmez ve korelasyon katsayısı;
2222 )()(
))((
YYnXXn
YXXYnr
Hesaplanan korelasyon katsayısının gerçekten önemli olup olmadığını anlamak için belirli bir önem seviyesinde test etmek gerekir. Doğrusal korelasyon katsayısının önemli olup olmadığını test ederken test hipotezleri,
0:
0:
1
0
H
H
Ders 11 - 30
v=n-2 sd. ve değerlerine göre t kritik değerleri tespit edilir.
Test istatistiği;
korelasyon katsayısının standart hatasıdır.
2
rh s
rt
rs
2
1 2
n
rsr
Ders 11 - 31
Test istatistiği, mutlak olarak kritik değerden büyük çıktığında X ile Y değişkenleri arasında önemli bir ilişki olduğunu söyleyebiliriz. Bununla birlikte bu değişkenlerin arasında mantıki bir ilişkinin bulunması şarttır. Bazen hiç alakası olmayan değişkenler arasında da yüksek bir korelasyon çıkabilmektedir.Bu tip korelasyonlara sahte korelasyon denir.
ÖRNEKBir süper market yöneticisi tesadüfi olarak seçilen bir saatlik sürelerde kasaya gelen müşteri sayısını ve ödedikleri toplam para miktarını aşağıdaki gibi kaydetmiştir.
Müşteri Sayısı 25 20 50 35 40Ödenen Para 12.5 10.4 25.3 20.2 24.1(10000 TL)
Ders 11 - 32
Müşteri sayısını bağımsız (X), kasalara ödenen para miktarını bağımlı değişken olarak kabul ederek, doğrusal korelasyon katsayısı;
2222 )()(
))((
YYnXXn
YXXYnr
formülü ile kolayca hesaplanabilir.
X Y XY X2 Y2
25 12.5 312.5 625 156.2
20 10.4 208 400 108.1
50 25.3 1265 2500 640.09
35 20.2 707 1225 408.04
40 24.1 964 1600 580.81
170 92.5 3456.5 6350 1893.3Toplam
Ders 11 - 33
9669.0)5.92()3.1893(51706350(5
)5.92(170)5.3456(522
r
Korelasyon katsayısının önemli olup olmadığı %5 önem düzeyinde test edilirse, test hipotezleri
0:
0:
1
0
H
H
şeklinde kurulur.
v=n-2=5-2=3 sd. ve önem seviyesine göre kritik değerler ‘dir.
025.0205.02 182.3
Ders 11 - 34
5635.6
25)9669.0(1
9669.0
21 22
nr
rth
Test istatistiği, kritik t değerinden büyük olduğu için %5 önem seviyesinde H0 hipotezi red edilerek hesaplanan doğrusal korelasyon katsayısının önemli olduğuna karar verilir.
Ders 11 - 35
E(b0)=0 nXX
sbVar
/)()(
22
2
0
2
2
0 .)ˆ(xn
Xsbs
E(b1)=1 nXXn
XsbVar
/)()(
22
22
1
21)ˆ(
x
sbs
Katsayıların Standart Hataları
Katsayıların Güven Aralıkları
)ˆ(ˆ00 bstb tab
)ˆ(ˆ11 bstb tab
Ders 11 - 36
Parametrelerin teker teker anlamlılığı testi:
Sabit terim 0’ın testi için hipotezler:
H0 :0=0 test istatistiği:
H1 :00
Eğim katsayısı 1‘in testi için hipotezler:
H0 :1=0 test istatistiği:
H1 :10
)(
ˆ
0
00
bVar
bbt
)(
ˆ
1
11
bVar
bbt
t istatistiği değerleri genelde paket programlar tarafından hesaplanıp verilmektedir. Hesaplanan test istatistikleri (n-2) serbestlik dereceli t dağılışı değeri ile kontrol edilir.
Ders 11 - 37
Regresyon doğrusunun tüm parametrelerinin istatistiksel açıdan anlamlı olup olmadığını test etmek için önce Varyans Analizi Tablosu aşağıdaki şekilde oluşturulur:
Varyasyonkaynağı
Serbestlikderecesi
Kareler toplamı Kareler ortalaması
Regresyon 1 RKT RKO=RKT/1Hata n-2 HKT=GKT-RKT HKO=HKT/(n-2)Genel(toplam)
n-1 GKT
Daha sonra sabit terim dışındaki parametrelerin 0’dan farklı olup olmadığı hipotezi test edilir.
H0 : 0= 1=0
H1 : 0= 10OrtalamasıKareler Hata
OrtalamasıKareler Regresyon FTest İstatistiği:
Serbestlik derecesi: 1, (n-2)
Ders 11 - 38
TAHMİNİN VARYANSI VE GÜVEN ARALIĞININ BULUNMASI
Regresyon denkleminin elde edilmesinin en önemli amaçlarından biri bağımsız değişkenin herhangi bir değeri için Y’nin alacağı değerin tahminlenmesidir.
kk XbbY 10ˆ şeklinde hesaplanan bu tahminin, varyansı ve o
noktadaki gerçek değer için güven aralıklarının bulunması istenir. Bu tahminin varyansı:
222
22ˆ .
/)(
)(1s
nXX
XX
ns k
yk
Hatanın varyansı
Xk noktasında Y’nin alacağı ortalama değer için güven % (1- )’lık güven aralığı:
kynk stY ˆ2,2/ .ˆ
2
2
ˆ
)(11
x
XX
nss k
ykyada
Ders 11 - 39
Örnek:1996-2005 yıllarındaki Türkiye’nin turizm gelirleri ile Türkiye’ye gelen turist sayısı tabloda verilmiştir.
Yıllar Turizm Gelirleri
Yabancı Ziyaretçi Sayısı
1996 5.650 8.614
1997 7.008 9.689
1998 7.177 9.752
1999 5.193 7.464
2000 7.636 10.412
2001 8.090 11.569
2002 8.481 13.247
2003 9.677 14.030
2004 12.125 17.517
2005 13.929 21.122
Ders 11 - 40
Turizm Gelirleri
0
2
4
6
8
10
12
14
16
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
Yabancı Ziyaretçi Sayısı
Turizm Gelirleri ile Yabancı Ziyaretçi Sayısı verileri arasındaki dağılma diyagram
Ders 11 - 41
Y X Y*X X2
5.650 8.614 48.6691 74.201
7.008 9.689 67.9005 93.8767
7.177 9.752 69.9901 95.1015
5.193 7.464 38.7605 55.7113
7.636 10.412 79.5060 108.4097
8.090 11.569 93.5932 133.8418
8.481 13.247 112.3478 175.4830
9.677 14.030 135.7683 196.8409
12.125 17.517 212.3936 306.8452
13.929 21.122 294.2083 446.1388
Y=84.966 X=123.416 YX=1153.138 X2=1686.4501
Doğrusal tüketim fonksiyonunun normal denklemler yoluyla tahmini:
Tablo 2: Verilerin normal denklemler ile çözüm için düzenlenmesi
Ders 11 - 42
Y = b0.n + b1.XYX = b0.X + b1.
X2 84.96 = b0.10 + b1. 123.4
1153.13= b0.123.4 + b1. 1686.4
b0=0.597 b1=0.640
XY 640.0597.0ˆ
Doğrusal tüketim fonksiyonunun normal denklemler yoluyla tahmini:
Yabancı ziyaretçi sayısı arttıkça turizm geliri artmaktadır.
Ders 11 - 43
22
2
0̂XXn
YXXYXb
597.0)416.123()45.1686(*10
)138.1153(*)416.123()966.84(*)45.1686(2
221̂
XXn
YXYXnb
640.0)416.123()45.1686(*10
)966.84(*)416.123()138.1153(*102
Doğrusal tüketim fonksiyonunun formülden tahmini:
(
Ders 11 - 44
-2.8466 -3.7276 10.6109 13.8950 8.1031
-1.4886 -2.6526 3.9486 7.0362 2.2159
-1.3196 -2.5896 3.4172 6.7060 1.7413
-3.3036 -4.8776 16.1136 23.7909 10.9137
-0.8606 -1.9296 1.6606 3.7233 0.7406
-0.4066 -0.7726 0.3141 0.5969 0.1653
-0.0156 0.9054 -0.0141 0.8197 0.0002
1.1804 1.6884 1.9929 2.8506 1.3933
3.6284 5.1754 18.7784 26.7847 13.1652
5.4324 8.7804 47.6986 77.0954 29.5109
y=0.0000 x=0.0000 yx=104.5212 x2=163.2991 y2=67.9499
YYy XXx yx 2x 2y
Doğrusal gelir fonksiyonunun ortalamadan farklara göre tahmini
Ders 11 - 45
2991.163
5212.10421
x
yxb
590.03416.12*)640.0(4966.810 XbYb
Ders 11 - 46
Tahminin standart hatası ve varyansı:
XY 640.0597.0ˆ YYe ˆ 2e
966.84ˆ Y
kn
es
2
kn
es
2
2
Y Y2
5.65 31.92 0.597 + 0.640(8.614) = 6.1099 -0.460 0.2115
7.008 49.11 0.597 + 0.640(9.689) = 6.7979 0.210 0.0441
7.177 51.51 0.597 + 0.640(9.752) = 6.8382 0.339 0.1147
5.193 26.96 0.597 + 0.640(7.464) = 5.3739 -0.181 0.0327
7.636 58.31 0.597 + 0.640(10.412) = 7.2606 0.375 0.1408
8.09 65.45 0.597 + 0.640(11.569) = 8.0011 0.089 0.0078
8.481 71.93 0.597 + 0.640(13.247) = 9.0750 -0.594 0.3529
9.677 93.65 0.597 + 0.640(14.030) = 9.5762 0.101 0.0101
12.125 147.02 0.597 + 0.640(17.517) = 11.8078 0.317 0.1005
13.929 194.02 0.597 + 0.640(21.122) = 14.1150 -0.186 0.0346
Y2 =789.8721 0.010 e2 = 1.0501
Ders 11 - 47
367.0299.163*10
45.1686*362.0.)ˆ(
2
2
0
xn
Xsbs
362.0210
0501.12
kn
es
131.0)362.0( 22 s
Katsayıların standart hata ve varyansları:
028.0299.163
362.0)ˆ(
21 x
sbs
134.0)367.0()ˆ( 20 bVar
00078.0)028.0()ˆ( 21 bVar
XY 640.0597.0ˆ (0.367) (0.028)(1.626) (2.306)
Ders 11 - 48
Katsayıların güven aralıkları
)ˆ(ˆ00 bstb tab )ˆ(ˆ
11 bstb tab
0.597 2.306. (0.367)
0.597 0.8463
0.2493 b0 1.4433
0.640 2.306 . (0.028)
0.640 0.0645
0.5755 b1 0.7045
Katsayıların anlamlılıklarını testi
H0 : b0= 0 H1 : b0 0
t0.05/2 , 8 = 2.306
626.1367.0
0597.0
)ˆ(
ˆ
0
00
bs
bbthes
= 1.626
thes =1.626 < t0.05/2 , 8= 2.306
H0 Kabul
b0 istatistiki olarak anlamsız
Ders 11 - 49
H0 : b1= 0H1 : b1 0
thes =22.85 > t0.05/2 , 8= 2.306
t0.05/2 , 8 = 2.306
85.22028.0
0640.0
)ˆ(
ˆ
1
11
bs
bbthes
H0 Red
b1istatistiki olarak anlamlı
Ders 11 - 50
farkıikisinin ilk )YY(
n/)X(Xb)YY(
n/)Y(Y)YY(
2
2221
2
222
Genel kareler toplamı (GKT)
Regresyon kareler toplamı (RKT)
Hata kareler toplamı (HKT)
XY 640.0597.0ˆ (0.367) (0.028)(1.626) (2.306)
8873.6610
)416.123(4501.1686)640.0(
)((ˆ
22
222
1
n
XXbRKT
9499.6710229.72198721.789/)()( 222 nYYYYGKT
X2=1686.4501 X=123.416 Y=84.966 Y2 =789.8721
Ders 11 - 51
R2 Belirlilik Katsayısı:
9844.09499.67
8873.66
)(
)(
plamıkareler to genel
plamıkareler toregresyon 2
22
YY
YYR
YORUM: Bu sonuç bize, turizm gelirlerindeki değişkenliğin (varyasyonun) %98.44’ünün gelen ziyaretçi sayısı ile açıklanabildiğini göstermektedir.
9922.044.98.0 rTurizm geliri ile gelen ziyaretçi değişkenleri arasında pozitif yönde kuvvetli bir ilişki vardır.
Korelasyon Katsayısı
Ders 11 - 52
Turizm örneği için varyans analizi tablosunu oluşturup regresyonun anlamlılığını test edersek:
H0 : 0= 1=0H1 : 0= 10
81.5091312.0
8873.66F
sd KT KORegresyon 1 66.8873 66.8873
Hata 8 1.0501 0.1312Genel 9 67.9499
F0.05,1,8 = 5.32
Fhesap> Ftablo ; H0 reddedilir, katsayılar istatistiksel olarak topluca anlamlıdır
8873.6610
)416.123(4501.1686)640.0(
22
RKT
9499.6710229.72198721.789/)()( 222 nYYYYGKT
0501.12 eHKT
Ders 11 - 53
2
2)(11.ˆ
x
XX
nstY k
tabk
Xk = 8.614 1099.6ˆ kY
6.1099 2.306 (0.362) . 2991.163
)3416.12614.8(
10
11
2
5.20124 YkXk 7.0185
Tahminin Güven Aralığı
sd. 82
025.02
05.0
n
306.2tabt
Ders 11 - 54
süre (x) not (y) x kare x.y y kare5 4.1 25 20.5 16.813 3.5 9 10.5 12.251 2 1 2 46 4.5 36 27 20.25
10 4.9 100 49 24.01toplam 25 19 171 109 77.32ort 5 3.8
ÖRNEK:
İstatistik dersi sınavına çalışmak için 5 öğrencinin etkin olarak harcadıkları süreler ve sınav sonuçları aşağıda verilmiştir. Bu veriler ışığında çalışılan süre ile sınav notu arasındaki ilişkiyi çiziniz, denklemini tahmin ediniz. Belirleme katsayısını hesaplayarak yorumlayınız. Daha sonra varyans analizi tablosunu hazırlayarak belirlediğiniz doğrunun eğiminin 0 olup olmadığını kontrol ediniz. Aynı hipotezi t testi ile tekrar kontrol ediniz ve bulgularınızı karşılaştırınız.
Ders 11 - 55
0
1
2
3
4
5
6
0 1 2 3 4 5 6 7 8 9 10 11
süre
no
t0. 10 XbbnY
0210 XbXbXY
19 - 5. b0 - 25b1 = 0
109-25b0 - 171b1 =05*(19 - 5b0 - 25b1 = 0)
109 - 25b0 - 171b1 =0
95 - 25b0 - 125b1 = 0
109 - 25b0 - 171b1 =0--14 + 46b1=0
b1 = 0.3
19 - 5. b0 - 25b1 = 0
19-5b0 -25*0.3=0
b0 = 2.3
3.046
14
5625
171
519*25
109
)(
)).((
22
1
nX
X
nYX
XYb 3.25*3.08.310 XbYb
Formülle hesaplarsak:
Ders 11 - 56
Böylece doğrunun denklemi:
XXbbY 3.03.2ˆ10
14.45/251713.0/)()ˆ(
12.55/1932.77/)()(22222
12
2222
nXXbYY
nYYYY
81.012.5
14.4
)(
)ˆ(
plamıkareler to genel
plamıkareler toregresyon 2
22
YY
YYR
YORUM: Bu sonuç bize, sınavdan alınan notların değişkenliğinin (varyasyonunun) %81’inin çalışılan saatler arasındaki farklılıklar ile açıklanabildiğini göstermektedir.