Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği
Yıl: 2020 Cilt: 22 Sayı: 1 Sayfa Aralığı: 210 - 224 Metin Dili: Türkçe İndeks Tarihi: 25-09-2020
Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği
Öz: Doğrusal regresyon analizinde, açıklayıcı değişkenler hata ile ölçüldüğünde regresyon parametrelerisapmalı tahmin edilmektedir. Sapmalı tahminler ise yanlış sonuç çıkarımları yapmaya, değişkenler arasıilişki yapısını bozmaya ve kestirimlerin sapmalı olması gibi sonuçlara neden olmaktadır. Ölçüm hatasınasahip açıklayıcı değişkenin olduğu bu tip modellere ölçüm hatalı modeller denilmekte ve Simülasyon-Ekstrapolasyon (SIMEX), Regresyon Kalibrasyon gibi yöntemler ile bu modellerin parametreleri dahasapmasız olarak tahmin edilebilmektedir (Carroll v.d., 2006). Pek çok ekonomik verinin tam olarakölçülememesi günümüzde, özellikle sosyal bilimlerde, bu konuyu daha popüler hale getirmektedir.Diğer yandan, parametrik istatistiksel yöntemlerde normallik, doğrusallık ve sabit varyanslılıkvarsayımları genel olarak dikkate alınmakta ve bu varsayımların sağlanmasında etkin olan logaritmikdönüşümler, özellikle istatistiksel sonuç çıkarımı için Gauss dağılımına yaklaşım amacıyla, sıklıklakullanılmaktadır. Bu bakımdan, “logaritmik dönüşümler açıklayıcı değişkenlerde ortaya çıkan ölçümhatasının etkisini azaltır mı?” sorusu, bu çalışmanın temel amacını oluşturmaktadır. Çalışmada ölçümhatalı logaritmik ve yarı logaritmik modellerin parametre tahminleri Monte Carlo simülasyon çalışmasıile incelenmiş ve ölçüm hatalı modellerin parametre tahmininde en başarılı yöntem olan SIMEXyönteminin logaritmik dönüşümler karşısındaki başarısı da araştırılmıştır.
Anahtar Kelime: Logarithmic and Semi-Logarithmic Measurement Error Models: Effectiveness of SIMEX Method
Öz: In linear regression, the estimates of regression coefficients are biased when explanatory variables are measured with error. These biased estimates produce false inferences, disrupt the relationship between variables and cause biased prediction. These types of models with the error-prone regressors are called measurement error models and the unbiased estimators of the parameters of these models are determined by Simulation-Extrapolation (SIMEX), Regression Calibration methods. In reality, the fact that the economic data can never be accurately measured; especially in the social sciences, makes this subject more popular. On the other hand, in parametric statistical methods, the assumptions of normality, linearity and constant variance are generally considered and logarithmic transformations, which are effective in providing these assumptions, are often used to approach the Gaussian distribution for statistical inference. From this perspective, the question “do logarithmic transformations reduce the effect of measurement error on the explanatory variables?” is the main purpose of this research. In the study, the parameter estimators of logarithmic and semi-logarithmic measurement error models were examined by Monte Carlo simulation study and it was also investigated that the success of SIMEX method, the most successful parameter estimation technique of measurement error models, for the logarithmic transformations.
Anahtar Kelime: Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
- Belsley, D. A., Kuh, E., & Welsch, R. E. (1980). Regression Diagnostics: Identifying Influential Data and Sources of Collinearity. New York: John Wiley&Sons.
- Boos, D. D. & Stefanski, L. A. (2013). Essential Statistical Inference: Theory and Methods. USA: Springer.
- Bound, J., Brown, C., & Mathiowetz, N. (2000). Measurement Error in Survey Data. United States of America: PSC Publications.
- Buonaccorsi, J. P. (2010). Measurement Error Models, Methods and Applications. USA:CRC Press.
- Carroll, R. J., Ruppert, D., Stefanski, L. A., & Crainiceanu, C. M. (2006). Measurement Error in Nonlinear Models: A Modern Perspective. USA: Chapman&Hall/CRC.
- Cook, J. R., & Stefanski, L. (1992). Simulation-Extrapolation Estimation in Parametric Measurement Error Models. MIMEO Series #2224R, North Caroline: North Caroline State University.
- Cook, J. R., & Stefanski, L. A. (1994). Simulation-Extrapolation Estimation in Parametric Measurement Error Models. Journal of the American Statistical Association, 89(428), 1314-1328.
- Edwards, L. J., & Hamilton, S. A. (1995). Errors-in-variables and the Box-Cox Transformation. Computational Statistics&Data Analysis, 20, 131-140.
- Fuller, W.A. (1980). Properties of Some Estimators of the Errors-in-variables Model. Annual Statistics, 8, 407-422.
- Fuller, W. A. (1987). Measurement Error Models. New York: Wiley.
- Gujarati, D. N., & Porter, D. C. (2009). Basic Econometrics. America: The McGraw-Hill Companies.
- Kuchenoff, H., Mwalili, S.M. & Lesaffre, E. (2006). A General Method for Dealing with Misclassification in Regression: The Misclassification SIMEX. Biometrics, 62, 85-96.
- Richardson, R., Tolley, H. D., Evenson, W. E. & Lunt, B. M. (2018). Accounting for Measurement Error in Log Regression Models with Applications to Accelerated Testing. PLoS ONE, 13(5), 1-13.
- Schneeweiss, H. (1976). Consistent Estimation of a Regression with Errors in the Variables. Metrika, 23(1), 101-115.
- TÜİK, T. İ. (2012). Üretim ve Harcama Yöntemi ile Gayri Safi Yurtiçi Hasıla Tahminleri - Kavram, Yöntem ve Kaynaklar. Ankara: Türkiye İstatistik Kurumu Matbaası.
| APA | GOKMEN S, DAĞALP R (2020). Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği. , 210 - 224. |
| Chicago | GOKMEN SAHIKA,DAĞALP Rukiye Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği. (2020): 210 - 224. |
| MLA | GOKMEN SAHIKA,DAĞALP Rukiye Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği. , 2020, ss.210 - 224. |
| AMA | GOKMEN S,DAĞALP R Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği. . 2020; 210 - 224. |
| Vancouver | GOKMEN S,DAĞALP R Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği. . 2020; 210 - 224. |
| IEEE | GOKMEN S,DAĞALP R "Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği." , ss.210 - 224, 2020. |
| ISNAD | GOKMEN, SAHIKA - DAĞALP, Rukiye. "Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği". (2020), 210-224. |
| APA | GOKMEN S, DAĞALP R (2020). Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (Online), 22(1), 210 - 224. |
| Chicago | GOKMEN SAHIKA,DAĞALP Rukiye Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (Online) 22, no.1 (2020): 210 - 224. |
| MLA | GOKMEN SAHIKA,DAĞALP Rukiye Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (Online), vol.22, no.1, 2020, ss.210 - 224. |
| AMA | GOKMEN S,DAĞALP R Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (Online). 2020; 22(1): 210 - 224. |
| Vancouver | GOKMEN S,DAĞALP R Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği. Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (Online). 2020; 22(1): 210 - 224. |
| IEEE | GOKMEN S,DAĞALP R "Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği." Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (Online), 22, ss.210 - 224, 2020. |
| ISNAD | GOKMEN, SAHIKA - DAĞALP, Rukiye. "Logaritmik ve Yarı Logaritmik Ölçüm Hatalı Modeller: SIMEX Yönteminin Etkinliği". Ankara Hacı Bayram Veli Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi (Online) 22/1 (2020), 210-224. |
