International Journal of Innovative Approaches in Education
Abbreviation: IJIAPE | ISSN (Print): 2602-4780 | ISSN (Online): 2602-4489 | DOI: 10.29329/ijiape

Original article    |    Open Access
International Journal of Innovative Approaches in Education 2021, Vol. 5(1) 155-166

Çoklu Doğrusal Regresyon ve Genelleştirilmiş Toplamsal Modellerin Açıklanan Varyans Sonuçlarının Karşılaştırılması

Hikmet Şevgin

pp. 155 - 166   |  DOI: https://doi.org/10.29329/ijiape.2021.333.10

Published online: March 30, 2021  |   Number of Views: 146  |  Number of Download: 543


Abstract

Bu çalışmanın amacı aynı veri setinde Çoklu Doğrusal Regresyon analizi ile Genelleştirilmiş Toplamsal Modellerin açıklanan varyans değeri açısından karşılaştırmaktır. Doğrusal modeller oldukça basit olmasına rağmen, bazı gerçek hayattaki örneklerin doğrusal olmaması nedeniyle, doğrusal olmayan regresyon etkilerini tanımlamak ve karakterize etmek için daha esnek bir istatistiksel yöntem olan Genelleştirilmiş Toplamsal Modeller alternatif olarak kullanılabilir. Bu bağlamda regresyon yöntemlerinin karşılaştırılarak değerlendirilmesi ve sonuçlarının karşılaştırılması önemli görülmektedir. Çalışmaya ait veri seti PISA 2015 çalışması içinden Türk öğrencilere ait okuma becerileri puanları ile öğrencilere ait çeşitli demografik değişkenlerden oluşmaktadır. Örneklemde yer alan öğrenci sayısı 5895 olup kayıp verilerin dikkate alınmaması sonrası çalışma 5089 öğrenciye ait veri üzerinde sürdürülmüştür. Gerekli varsayımlar sınanması sonrası yapılan analizlerde; Çoklu Doğrusal Regresyon analizi toplam varyansın %23,8’ini açıklarken Genelleştirilmiş Toplamsal Modeller %25,33’ünü açıklamıştır. Bağımsız değişkenlerin bağımlı değişkende açıkladıkları varyans miktarı bakımından Genelleştirilmiş Toplamsal Modellerin daha yüksek olduğu sonucu elde edilmiştir. Genelleştirilmiş toplamsal modeller Çoklu Doğrusal Regresyon analiz yöntemine göre açıklanan varyans açısından daha yüksek elde edilmesinde Genelleştirilmiş toplamsal modellerin doğrusal tahmin edicileri olarak düzleştirici fonksiyonları kullanmasının etkili olduğu söylenebilir. Genelleştirilmiş toplamsal modeller, varsayımların sağlanamadığı veriler için Çoklu doğrusal regresyon analiz yöntemine alternatif olarak, neden sonuç temelli çalışmalarda kullanılabileceği düşünülmektedir. Bu doğrultuda Genelleştirilmiş Toplamsal Modellerin Eğitim Bilimleri çalışmalarında kullanılması önerilmektedir.

Keywords: Genelleştirilmiş Toplamsal Modeller, Çoklu Doğrusal Regresyon, Açıklanan Varyans


How to Cite this Article

APA 6th edition
Sevgin, H. (2021). Çoklu Doğrusal Regresyon ve Genelleştirilmiş Toplamsal Modellerin Açıklanan Varyans Sonuçlarının Karşılaştırılması . International Journal of Innovative Approaches in Education, 5(1), 155-166. doi: 10.29329/ijiape.2021.333.10

Harvard
Sevgin, H. (2021). Çoklu Doğrusal Regresyon ve Genelleştirilmiş Toplamsal Modellerin Açıklanan Varyans Sonuçlarının Karşılaştırılması . International Journal of Innovative Approaches in Education, 5(1), pp. 155-166.

Chicago 16th edition
Sevgin, Hikmet (2021). "Çoklu Doğrusal Regresyon ve Genelleştirilmiş Toplamsal Modellerin Açıklanan Varyans Sonuçlarının Karşılaştırılması ". International Journal of Innovative Approaches in Education 5 (1):155-166. doi:10.29329/ijiape.2021.333.10.

References
  1. Büyüköztürk, Ş. (2011). Sosyal Bilimler İçin Veri Analizi El Kitabı (14. Baskı). Ankara: Pegem Yayıncılık. [Google Scholar]
  2. Büyüköztürk, Ş., Çokluk, Ö., ve Köklü, N. (2011). Sosyal Bilimler için İstatistik (8. Baskı). Ankara: Pegem Yayıncılık. [Google Scholar]
  3. Finch, W. H., Chang, M., Davis, A. S., Holden, J. E., Rothlisberg, B. A. ve McIntosh, D. E. (2011).  The prediction of intelligence in preschool children using alternative models to regression. Behavior research methods, 43(4) 942–952. [Google Scholar]
  4. Kan Kılınç, B. ve Çavuş, M. (2017). Comparative simulation study for model adequancy with binary response variable under multicollinearity – nonparametric approaches. SAÜ Fen Bilimleri Enstitüsü Dergisi, 21 (2), 169-177. [Google Scholar]
  5. Karasar, N. (2009). Bilimsel Araştırma Yöntemi (20. Baskı). Ankara: Nobel Akademi Yayınları. [Google Scholar]
  6. Kayri, M., Çokluk, Ö., Şevgin, H., Elkonca, F. ve Ceyhan, G. (2012). Öğrencilerin Akademik Erteleme Eğilimlerinin Ordinal Lojistik Regresyon ile İncelenmesi. Abant İzzet Baysal Üniversitesi Eğitimde ve Psikolojide Ölçme ve Değerlendirme III. Ulusal Kongresi, 19-21 Eylül, Bolu. [Google Scholar]
  7. Hastie, T. J. ve Tibshirani, R. J. (1990). Generalized Additive Models (First Edition).  London: Chapman and Hall Press. [Google Scholar]
  8. Hastie, T., Tibshirani, R. ve Friedman J. (2009). The Elements of Statistical Learning Data Mining, Inference, and Prediction (Second Edition). Germany: Springer. [Google Scholar]
  9. Montgomery, D. C., Peck, E. ve Vining, G. G. (2013). Linear Regression Analysis (5. Edition). Çev. Edt. Erar M. A., Ankara: Nobel Yayınları. [Google Scholar]
  10. Rawal, A., Chakraborty, S., Li, B., Lewis, K., Godoy, M., Paulette, L. ve Weindorf D. C. (2019). Determination of base saturation percentage in agricultural soils via portable X-ray fluorescence spectrometer. Geoderma, 338, 375-382. [Google Scholar]
  11. Savaş, N. ve Cengiz, M. A. (2009). Yaşam Memnuniyetini Etkileyen Faktörlerin Belirlenmesinde Genelleştirilmiş Toplamsal Modellerin Kullanımı. EÜFBED - Fen Bilimleri Enstitüsü Dergisi Cilt-Sayı: 2-1. [Google Scholar]
  12. Shavelson, R. J. (2016). Statistics for Social Sciences (3. Edition). Çev. Edt. Güler N., Ankara: Pegem Yayıncılık. [Google Scholar]
  13. Sümbüloğlu, K. ve Akdağ, B. (2007). Regresyon Yöntemleri ve Korelasyon Analizi. Ankara: Hatiboğlu Yayıncılık. [Google Scholar]
  14. Şenel, T., Cengiz, M. A., Savaş, N. ve Terzi, Y. (2009). Çoklu Doğrusal Regresyonda Model Seçiminde Genelleştirilmiş Toplamsal Modellerin Kullanımı. EÜFBED-Fen Bilimleri Enstitüsü Dergisi, Cilt 2, Sayı 2. [Google Scholar]
  15. Tabachnick, B. G. ve Fidell, L. S. (2015). Using Multivariate Statistics (6. Edition). Çev. Edt. Baloğlu M., Ankara: Nobel Yayınları. [Google Scholar]
  16. Özdamar, K. (2013). Paket programlar ile istatiksel veri analizi: MINITAB 16-IBM SPSS 21. Nisan Kitabevi. [Google Scholar]
  17. Wood, S. N. (2006). Generalized Additive Models: an Introduction With R. USA: CRC Publications. [Google Scholar]