Kayıp veriler ve kayıp veriler için bir çoklu veri atama yöntemi: Propensity skor
Missing data and a multiple imputation method for missing data: Propensity score
- Tez No: 234789
- Danışmanlar: DOÇ. DR. DİLEK ALTAŞ
- Tez Türü: Doktora
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Ekonometri, Eksik veri, Kayıp, Propensity skor, Veriler, Çoklu veri atama yöntemi, İstatistik, Econometrics, Missing data, Loss, Propensity scor, Data, Multiple imputation method, Statistics
- Yıl: 2011
- Dil: Türkçe
- Üniversite: Marmara Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Kayıp veriler istatistiğin tüm uygulamalarında karşılaşılan ortak bir problemdir. Kayıp veri problemini giderebilmek için çeşitli çözüm ve veri atama yöntemleri geliştirilmiştir. Propensity Skor Yöntemi ise son yirmi yılda gözleme dayalı çalışmalarda kullanılan önemli bir yöntem olup, özelliği iki karşılaştırılacak grup arasında ortak değişkenlerdeki farklılığı gidererek sistematik hatayı azaltmak ve hatta düzeltebilmektir. Yöntemin bu dengeleme özelliğinden faydalanılarak da Propensity Skor veri atama yöntemi kayıp veri problemini giderebilmek için geliştirilmiştir. Çalışmada Propensity Skor veri atama yöntemleri ile diğer veri atama yöntemlerinin birbirlerine olan üstünlüklerinin incelenmesi amaçlanmıştır. Bu amaçla iki farklı veri setine uygulama yapılmıştır. Birinci uygulamada, Dünya Bankası'ndan elde edilen 2008 yılına ait kayıp gözlemi olmayan 80 ülkenin tarım, ihracat, gayrisafi milli hasıla, gayri safi yurtiçi hasıla ve endüstri değişkenlerinden ve ikinci uygulamada, normal dağılıma uyan 5 değişkenli türetilmiş bir veri setinden faydalanılmıştır. Bu tam veri setlerinden sırasıyla iadesiz ve rassal olarak çeşitli sayılarda birimler silinerek farklı sayıda eksik gözlem içeren örneklemler oluşturulmuş ve kayıp veri setlerinin her birine kayıp veri problemini giderebilmek için; Ortalama, Medyan, EM, Regresyon, Hot-Deck ve Propensity Skor veri atama yöntemleri uygulanmıştır. Bu yöntemlerin etkinliği gerçek veri ile atama yapılmış veri arasındaki farka bakılarak ve veri ataması yapılmış veri setleri ile tam veri setinin ortalamaları ve standart sapmaları karşılaştırılarak değerlendirilmiştir. Ayrıca veri ataması yapılmış veri setlerinin tam veri setine göre değişkenliğinin değişip değişmediğini test etmek için Box-M testi yapılmıştır. Sonuç olarak, Propensity Skor veri atama yöntemlerinin az sayıda kayıp veri içeren veri setlerinde diğer veri atama yöntemlerine göre daha tutarlı sonuçlar verdiği, bunun yanında kayıp veri sayısı arttıkça yöntemlerin üstünlüklerinin değiştiği tespit edilmiştir.
Özet (Çeviri)
Missing data is a common problem in all applications of statistics. Various solution and imputation methods were developed for dealing with the missing data problem. The Propensity Score is a very important method in observational studies which have been used to balance the covariates, to reduce or even to correct the bias between two groups since last twenty years. Utilizing this balancing feature of the propensity score, Propensity Score imputation method is developed for handling missing data problem. In this study it is aimed to compare the advantages of the imputation methods with each other. For this purpose, the applications were performed in two different data sets. In the first application: non-missing observations of agriculture, exports, gross national product, gross domestic product and industry variables of eighty countries were used, obtained from the data of World Bank 2008. In the second application: a normally distributed and generated data set was used. Data sets having different missing values were evolved from these complete data sets by deleting various numbers of units as respectively, random and without replacement. For each missing data sets; Mean, Median, EM, Regression, Hot-Deck and Propensity Score imputation methods were applied to handle missing data problem. The efficiency of the imputation methods was evaluated by comparing real values with the imputed values and also by comparing the means and the standard deviations of the complete data sets with the the means and the standard deviations of the imputed data sets. Furthermore, Box-M test was applied to see the difference in variability between the imputed data sets and the real data sets. As a result, it was found that Propensity Score imputation methods provided more consistent results than other imputation methods in data sets consisting of small number of missing values. Besides, it was also determined that advantages of the imputation methods differ as the number of missing values increases.
Benzer Tezler
- Kayıp veriyle baş etme yöntemlerinin madde tepki kuramı bir parametreli lojistik modelinde model veri uyumuna ve standart hataya etkisi
The effect of mi̇ssi̇ng data tecni̇ques i̇n one parameter logi̇sti̇c model of i̇tem response theory on model fi̇t and standard error
DUYGU KOÇAK
Doktora
Türkçe
2016
Eğitim ve ÖğretimAnkara ÜniversitesiÖlçme ve Değerlendirme Ana Bilim Dalı
DOÇ. DR. ÖMAY ÇOKLUK BÖKEOĞLU
- Examining missing data rate and imputation methods on generalizability and dependability coefficients
Eksik veri oranı ve atama yöntemlerinin genellenelebilirlik ve bağımsızlık katsayıları etkinsinin incelenmesi
RASHID RAMADHANI MZAMBILI
Yüksek Lisans
İngilizce
2020
Eğitim ve ÖğretimMersin ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. BİLGE UZUN
- Farklı örneklem büyüklüklerinde ve kayıp veri örüntülerinde ölçeklerin psikometrik özelliklerinin kayıp veri baş etme teknikleri ile incelenmesi
Investigation of psychometric properties of scales with missing data techniques for different sample sizes and missing data patterns
UFUK AKBAŞ
Doktora
Türkçe
2014
Eğitim ve ÖğretimAnkara ÜniversitesiÖlçme ve Değerlendirme Ana Bilim Dalı
PROF. DR. EZEL TAVŞANCIL
- Çoklu atama yöntemlerinin Rasch modelleri için performansının benzetim çalışması ile incelenmesi
Assessing the performance of multiple imputation techniques for Rasch models with a simulation study
BEYZA DOĞANAY ERDOĞAN
Doktora
Türkçe
2012
BiyoistatistikAnkara ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ATİLLA HALİL ELHAN
- Kayıp veri ile baş etme yöntemlerinin ölçme değişmezliğine etkisi açısından karşılaştırılması
Comparison of influence of the missing data handling methods on measurement invariance
MEHMET ALİ IŞIKOĞLU
Yüksek Lisans
Türkçe
2017
Eğitim ve ÖğretimHacettepe ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
DOÇ. DR. BURCU ATAR