Spline models which use in longitudinal data analysis
Yükleniyor...
Dosyalar
Tarih
2017
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Avrasya Bilimler Akademisi
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Longitudinal data is defined as data obtained by a repeated measurement of variables pertaining to the same units over time. The analysis of longitudinal data cannot be achieved through classical regression models because of the independence and multicollinearity assumptions. For this reason, specific regression models have been developed for such data. Classical parametric models are based on the rationale that the relation between the dependent variable and the independent variable(s) is linear or the relation is expressed through known parametric functions. In such a case, it is not possible to reveal the actual structure of the relation, which will prevent the researcher from achieving reliable and rational outcomes particularly in longitudinal datasets. Non-parametric regression model is utilized in cases where the relation between the dependent variable and the independent variable(s) is more complicated in longitudinal data. In this study spline models in nonparametric regression models which use in longitudinal data are investigated theoretically.
Boylamsal veriler, aynı birimlere ait özelliklerin zaman içerisinde tekrarlı olarak ölçülmesi ile elde edilen verilerdir. Boylamsal verilerin analizi, bağımsızlık ve sabit varyanslılık varsayımı sağlanamadığından klasik regresyon modelleri ile gerçekleştirilememektedir. Bu nedenden dolayı boylamsal veriler için özel regresyon modelleri geliştirilmiştir. Klasik parametrik modeller, bağımlı değişken ile bağımsız değişken(ler) arasındaki ilişkinin doğrusal olması veya ilişkinin bilinen parametrik fonksiyonlarla ifade edilmesi temeline dayanmaktadır. Bu durumda da gerçek ilişki yapısı ortaya çıkarılamamaktadır. Boylamsal veri setlerinde bu durum güvenilir ve mantıklı sonuçlara ulaşılmasını engelleyecektir. Dolayısıyla boylamsal verilerde bağımlı değişken ile bağımsız değişken(ler) arasındaki ilişkinin daha karmaşık olduğu durumlarda, parametrik olmayan regresyon modelleri kullanılmaktadır. Bu çalışmada boylamsal verilerin analizinde kullanılan parametrik olmayan regresyon modellerinden splayn modelleri teorik olarak incelenmiştir.
Boylamsal veriler, aynı birimlere ait özelliklerin zaman içerisinde tekrarlı olarak ölçülmesi ile elde edilen verilerdir. Boylamsal verilerin analizi, bağımsızlık ve sabit varyanslılık varsayımı sağlanamadığından klasik regresyon modelleri ile gerçekleştirilememektedir. Bu nedenden dolayı boylamsal veriler için özel regresyon modelleri geliştirilmiştir. Klasik parametrik modeller, bağımlı değişken ile bağımsız değişken(ler) arasındaki ilişkinin doğrusal olması veya ilişkinin bilinen parametrik fonksiyonlarla ifade edilmesi temeline dayanmaktadır. Bu durumda da gerçek ilişki yapısı ortaya çıkarılamamaktadır. Boylamsal veri setlerinde bu durum güvenilir ve mantıklı sonuçlara ulaşılmasını engelleyecektir. Dolayısıyla boylamsal verilerde bağımlı değişken ile bağımsız değişken(ler) arasındaki ilişkinin daha karmaşık olduğu durumlarda, parametrik olmayan regresyon modelleri kullanılmaktadır. Bu çalışmada boylamsal verilerin analizinde kullanılan parametrik olmayan regresyon modellerinden splayn modelleri teorik olarak incelenmiştir.
Açıklama
Anahtar Kelimeler
Longitudinal Data, Nonparametric Regression, Spline Models, Smoothing Splines, Penalized Splines, Regression Splines, Boylamsal Veriler, Parametrik Olmayan Regresyon, Splayn Modelleri, Düzeltme Splaynları, Cezalı Splaynlar, Regresyon Splaynları
Kaynak
Eurasian Econometrics, Statistics & Emprical Economics Journal
WoS Q Değeri
Scopus Q Değeri
Cilt
6
Sayı
18
