Çok terimli lojit modeller
Multinomial logit models
- Tez No: 123352
- Danışmanlar: DOÇ. DR. TÜLAY SARAÇBAŞI
- Tez Türü: Yüksek Lisans
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Odds, Lojit, Çok Terimli Lojit Model, Logaritmik Doğrusal Model, Logaritmik doğrusal modeller, Logit modeli, Odds, Logit, Multinomial Logit Model, Log-linear Model, Logarithmic linear models, Logit model
- Yıl: 2002
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
ÇOK TERİMLİ LOJİT MODELLER Yasemin Barlas Hacettepe Üniversitesi, istatistik Bölümü, İstatistik Anabilim Dalı ÖZ Nitel bir değişkenin, nitel ya da nicel bağımsız değişkenlerce modellendiği bir yöntem olan Çok Terimli Lojit (ÇTL) Model genelleştirilmiş doğrusal model prensiplerinin bir uzantısıdır. ÇTL model bağımlı değişkene ilişkin odds değerinin doğal logaritmasını (lojit) bir grup açıklayıcı değişkenin doğrusal bir fonksiyonu olarak ifade ederek, en çok olabilirlik yöntemi ile tahmin eder. Modelin uyumu Pearson x2 ya da olabilirlik oran istatistiği G2 ile test edilir. ÇTL model bağımlı nitel değişkenin sınıflanabilir ya da sıralanabilir olmasına göre farklılık gösterir. Sınıflanabilir ÇTL modellerde referans düzeyin seçimi oldukça önemlidir. Farklı referans grup için model parametreleri farklılık göstermektedir. Model sonuçlarına göre hesaplananan lojitler referans düzey dikkate alınarak açıklanır. Yapılan tez çalışmasında ÇTL modelleri incelenmiş ve T.C. Merkez Bankası'nın düzenlediği“iktisadi Yönelim Anketi”verileri değerlendirilmiştir. Yapılan uygulamada 2000, 2001 yılları ve 2002 yılının ilk beş aylık dönemine ilişkin maliyet, yeni alınan siparişler için fiyat, kısa vadeli TL kredi faizi, üretim hacmi ve sipariş miktarları beklentileri ile enflasyon beklentisi arasındaki ilişkiler ÇTL modelleri ile incelenmiştir.
Özet (Çeviri)
MULTINOMIAL LOGIT MODELS Yasemin Barlas Hacettepe University, Department of Statistics, Statistics Section ABSTRACT Multinomial Logit (MNL) Model is an extension of generalized linear models, by which a categorical variable is modeled by either categorical or continuous variables. MNL model estimates the natural log odds of a dependent variable as a linear function of a set of explanatory variables. Model fit is tested via Pearson %2 or likelihood ratio G2 goodness of fit statistics. MNL model takes different forms according to the dependent variable's level of measurement, which can be nominal or ordinal. The choice of the reference category is essential in nominal MNL models, as model parameters differ when different reference categories are chosen. Logits evaluated from the MNL model results, are clarified in the light of the referance category. The thesis examines MNL models and assesses the Central Bank of the Republic of Turkey“Business Survey”data during years 2000, 2001 and the first five-month period of year 2002. The relations between the expectations concerning production cost, price for new orders received, short-term TL credit interest rate, volume of output and new orders received and inflation expectations are uncovered using MNL models.
Benzer Tezler
- Nitel verilerin analizinde lojit ve probit modeller
Logit and probit models in the analysis of qualitative data
ÖZGE UÇAR
Yüksek Lisans
Türkçe
2004
İstatistikHacettepe Üniversitesiİstatistik Ana Bilim Dalı
PROF.DR. HÜSEYİN TATLIDİL
- Simulation of yacht movements in Göcek bays
Göcek koylarındaki yat hareketlerinin öykünümü
ASLI NUMANOĞLU GENÇ
Doktora
İngilizce
2004
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ERDAL ÖZHAN
- Diferansiyel denklemleri çok terimli yarıya indirgeyen yorumlayıcı = Eytişim
Extended polynomial form to differantial equations
NAZIM KOÇ
- Pulsasyon yapan yıldızlarda dönem değişimi
Period variation of pulsating variables
İBRAHİM KILIÇ
Yüksek Lisans
Türkçe
2000
Astronomi ve Uzay BilimleriAnkara ÜniversitesiAstronomi ve Uzay Bilimleri Ana Bilim Dalı
PROF. DR. OSMAN DEMİRCAN
- Classifier combination methods in pattern recognition
Örüntü tanımada sınıflandırıcı birleştirme yöntemleri
ALPER BAYKUT
Doktora
İngilizce
2002
Endüstri ve Endüstri MühendisliğiBoğaziçi ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY BARBAROSOĞLU
PROF. DR. AYTÜL ERÇİL