Kantil Regresyon

ALTIN YAVUZ, Arzu; GÜNDOĞAN AŞIK, Ebru

Kantil Regresyon

Arzu ALTIN YAVUZ, (Eskişehir Osmangazi __Universitesi, Fen Fakültesi, ,26480 ESKİŞEHIR)

Ebru GÜNDOĞAN AŞIK (Karadeniz Teknik Üniversitesi, Fen Fakültesi, 61080 TRABZON)

Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi

21 3

Yıl: 2017 Cilt: 9 Sayı: 2 Sayfa Aralığı: 137 - 146 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

Kantil Regresyon

Öz:

Regresyon analizi uygulama alanı en geniş olan istatistiksel analiz yöntemlerinden biridir. Birçok alanda tekniğinde olduğu gibimühendislik alanında da yaygın olarak kullanılmaktadır. Regresyon analizinde kullanılan En Küçük Kareler (EKK) tekniğininçıkarsama amaçlı kullanılabilmesi bazı varsayımların sağlanmasını zorunlu kılar. EKK tekniğinde hata terimleri dağılımınm normaldağılıma sahip olmaması ve modelin aykırı değerler içermesi durumunda EKK tahmin edicileri etkinlik özelliklerinikaybetmektedir. Bu durumda alternatif regresyon tekniklerine başvurulmaktadır. Alternatif regresyon yöntemlerinden biri olanKantil regresyon, klasik regresyon yöntemlerinin bazı sınırlamalarınm üstesinden gelmektedir. Bu çalışmada Kantil regresyonyöntemi tanıtılmış ve bir mühendislik uygulaması üzerinde EKK tahmin edicileri ile karşılaştırılmıştır. Beton kırma deneyi içinelde edilen sonuçlara göre, EKK yöntemi ile elde edilen modelin çıkarsama amaçlı kullanılamayacağı tespit edilmiştir. Bu durumda=0.75'inci ve =0.25'inci kantil değerine göre kurulan regresyon denklemi çıkarsama amaçlı kullanılabilir.

Anahtar Kelime:

Quantile Regression

Öz:

Regression analysis is one of the most widely used statistical analysis methods. It is widely used in the engineering fıeld as it is inmany areas. The fact that the Least Squares (LS) technique used in regression analysis can be used for inference makes it necessary toprovide some assumptions. In the LS, if the distribution of error terms does not have normal distribution and if the model containsoutliers, the least squares estimators lose their efficiency properties. In this case, alternative regression techniques are applied.Quantile regression, one of the alternative regression methods, comes from overcoming some of the limitations of classical regressionmethods. In this study, the method of quantile regression is introduced and on an engineering application is compared with theestimators of the LS. According to the results obtained for the concrete breaking test, it has been determined that the model obtainedby the method of LS can not be used for inference. In this case, it can be used for inference the regression equation established for0.75th and 0.25th quantile value.

Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

Alpar, R. (2013). Uygulamalı çok değişkenli istatistiksel yöntemler. Ankara, Detay Yayıncılık.
Altındağ, R. (2003). Correlation of specific energy with rock brittleness concepts on cutting, The Journal of the South African Institute of Mining and Metallurgy, 15, 163-171.
Bassett, G.W. Chen, H-L. (2001). Quantile style: return-based attribution using regression quantiles, Physica— Verlag HD, Chicago, 293—305.
Buchinsky, M. (1994). Changes in the u.s. wage structure 1963-1987: application of quantile regression, The Econometric Society, 62(2), 405-458. doi: 10.2307/2951618.
Cai, Y. & Reeve, D.E. (2013). Extreme value prediction via a quantile function model. Coastal Engineering, 77, 91–98. doi:10.1016/j.coastaleng.2013.02.003.
Chen, C. Wei, Y. (2005). Computational 1ssues for quantile regression. special lssue on quantile regression and related methods, The Indian Journal of Statistics, 67(2), 399—417. doi: 10.2307/i25053424
Crowley, J.& Hu, M. (1977). Covariance analysis of heart transplant survival data. Journal of the American Statistical Association, 72, 27-36. doi: 10.1080/0162l459.1977.10479903
Çağlayan E. Arikan E. (2011). Determinants of house prices in ıstanbul: quantile regression approach. Qual, Quant, 45, 305- 317. doi: 10. 1007/s1 l35-009-9296-x.
Dehghani, H., Vahidi, B., & Hosseinian, S.H. (2017). Wind farms participation in electricity markets considering uncertainties. Renewable Energy, 101, 907-918. doi:10.1016/j.renene.2016.09.049.
Ergül, B. (2003). Robust regresyon ve uygulamaları. Yüksek Lisans Tezi. Eskişehir Osmangazi Üniversitesi, Eskişehir.
He, Y., Liu, R., Li, H., Wang, S., & Lu, X. (2016). Short-term power load probability density forecasting method using kernel- based doi:10.1016/j.apenergy.2016.10.079. quantile regression and Copula theory. Applied Energy, , –266.
Hendricks, W. & Koenker, R. (1992). Hierarchical spline models for conditional quantiles and the demand for electricity, Journal of the American Statistical Association, 87, 58-68. doi: 10.1080/01621459.1992.10475175.
Huang, Y. F., Mirzaei, M., & Amin, M.Z.M. (2016). Uncertainty Quantification in Rainfall Intensity Duration Frequency Curves based on Historical Extreme Precipitation Quantiles. Procedia Engineering, 154, 426–432. doi:10.1016/j.proeng.2016.07.425.
Hüdaverdi, T. (2015), Farklı regresyon modelleri ile patlatma kaynaklı yer sarsıntısınm tahmin edilmesi, Çukurova Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, 30(1), 141-150. doi: 22746/242810.
Koenker R. (2005). Quantile regression, Cambridge University Press, NY 10011-4211, New York, USA. Koenker, R. & Basset, G. (1978). Regression quantiles, Econometrica, 46(1), 33- GRı Koenker, R. & Geling, O. (2001). A quantile regression survival analysis, Journal of the American Statistical Association, 96, 468. doi: 10.1198/016214501753168172.
Koenker, R., Hallock K., F. (2001). Quantile regression an introduction. Journal of Economic Perspectives, 15(4):l43—156. doi:10.2307/i346045.
Koenker, R., Schorfheide, F. (1994). Quantile spline models for global temperature change. Climatic Change, 28, 395-404. doi:10.1007/BF01104081.
Lv, Z., Zhao, J., Lia, Y., Vang, W. (2016). Use of quantile regression based echo state network ensemble for construction of prediction Intervals of gas flow in blast furnace. Control Engineering Practice, 46, 94—104. doi: 10.1016/j.conengprac.2015. 10.003.
Machado, A.F. J, Mata. (2005). Counterfactual decomposition of changes in wage distributions using quantile regression, Journal of Applied Econometrics, 20(4), 445-465. doi: 10.1002/jae.788.
Martins, P.S. Pereira, P.T. (2004). Does education reduce wage inequality? Quantile regression evidence from 16 countries, Labour Economics, 11(3), 355-371. doi: 10.10l6/j.labeco.2003.05.003.
Montgomery, D.C. Peck, E.A. Vınmg, G.G., (2013), Dogrusal regresyon analizine giriş, Ankara, Nobel Akademik Yayıncılık.
Muraleedharan, G., Lucas, C., Guedes Soares, C. (2016). Regression quantile models for estimating trends in extreme significant wave heights. Ocean Engineering, 118, 204—215. doi:10.1016/j.oceaneng.2016.04.009.
Muthusamy, M., Godiksen, P.N., Madsen, H. (2016). Comparison of different configurations of quantile regression in estimating predictive hydrological uncertainty. Procedia Engineering, 154, 513—520. doi: 10.1016/j.proeng.2016.07.546.
Ovla, H.D. Taşdelen, B. (2012), Aykırı değer yöntemi, Mersin Üniversitesi Sağlık Bilimleri Dergisi, 5(3), 1-8.
Pandey, G.R.& Nguyen, V.T.V. (1999). comparative study of regression based methods in regional flood frequency analysis, Journal of Hydrology, 225, 92—101. doi:10.1016/80022—1694(99)00135—3.
Seo, J.H., Perry, V.G., Tomczyk, D. Solomon G.T. (2014). Who benefits most? The effects of managerial assistance on highversus low-performing small businesses, Journal of Business Research, 67, 2845—2852. doi: 10.1016/j.jbusres.2012.07.003.
Tan, X—P., Wang, X—Y. (2016). Dependence changes between the carbon price and its fundamentals: quantile regression approach. Applied Energy, 190, 306—325. doi:10.1016/j.apenergy.2016.12.116.
Tareghian R. Rasmussen, P. (2013). statistical downscaling of precipitation using quatile regression. Journal of Hydrology, 487, 122-135. doi:10.1016/j.jhydrol.2013.02.029.
Tukey, J.W. (1977). Exploratory data analysis, Addison-Wesley Publishing Campany, Walfish, S. (2006). review of statistical outlier methods. Pharmaceutical Technology, 30(11), 82—88.
Wang, D. H. —M., Yu, T. H. —K., Liu, H. -Q. (2013). Heterogeneous effect of high—tech industrial R&D spending on economic growth. Journal of Business Research, 66(10), 1990—1993. doi:10.1016/j.jbusres.2013.02.023
Yu, K., Lu, Z. Stander, J. (2003). Quantile regression: applications and current research areas, Journal of the Royal Statistical Society: Series (The Statistician). 52,331—350. doi: 10.1111/1467—988400363.
Yu, T.H-K. (2011). Heterogeneous effects of different factors on global ICT adoption, Journal of Business Research, 64, 1169— 1173. doi: 10.1016/j.jbusres.2011.06.017.
Yu, T. H. —K., Wang, D. H. —M., Chang, L. —Y. (2011). Examining the heterogeneous effectof healthcare expenditure determinants. Intemational Journal of Behavioural and Healthcare Research, 2(3), 205—213. doi: 10.1504/IJBHR.2011.041044

APA	ALTIN YAVUZ A, GÜNDOĞAN AŞIK E (2017). Kantil Regresyon. , 137 - 146.
Chicago	ALTIN YAVUZ Arzu,GÜNDOĞAN AŞIK Ebru Kantil Regresyon. (2017): 137 - 146.
MLA	ALTIN YAVUZ Arzu,GÜNDOĞAN AŞIK Ebru Kantil Regresyon. , 2017, ss.137 - 146.
AMA	ALTIN YAVUZ A,GÜNDOĞAN AŞIK E Kantil Regresyon. . 2017; 137 - 146.
Vancouver	ALTIN YAVUZ A,GÜNDOĞAN AŞIK E Kantil Regresyon. . 2017; 137 - 146.
IEEE	ALTIN YAVUZ A,GÜNDOĞAN AŞIK E "Kantil Regresyon." , ss.137 - 146, 2017.
ISNAD	ALTIN YAVUZ, Arzu - GÜNDOĞAN AŞIK, Ebru. "Kantil Regresyon". (2017), 137-146.

APA	ALTIN YAVUZ A, GÜNDOĞAN AŞIK E (2017). Kantil Regresyon. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, 9(2), 137 - 146.
Chicago	ALTIN YAVUZ Arzu,GÜNDOĞAN AŞIK Ebru Kantil Regresyon. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi 9, no.2 (2017): 137 - 146.
MLA	ALTIN YAVUZ Arzu,GÜNDOĞAN AŞIK Ebru Kantil Regresyon. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, vol.9, no.2, 2017, ss.137 - 146.
AMA	ALTIN YAVUZ A,GÜNDOĞAN AŞIK E Kantil Regresyon. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi. 2017; 9(2): 137 - 146.
Vancouver	ALTIN YAVUZ A,GÜNDOĞAN AŞIK E Kantil Regresyon. Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi. 2017; 9(2): 137 - 146.
IEEE	ALTIN YAVUZ A,GÜNDOĞAN AŞIK E "Kantil Regresyon." Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi, 9, ss.137 - 146, 2017.
ISNAD	ALTIN YAVUZ, Arzu - GÜNDOĞAN AŞIK, Ebru. "Kantil Regresyon". Uluslararası Mühendislik Araştırma ve Geliştirme Dergisi 9/2 (2017), 137-146.