Farklı veri yapılarında kullanılabilecek regresyon yöntemleri

Abstract

Regresyon, üzerinde durulan yanıt değişkeni ile ilişkili olabileceği düşünülen açıklayıcı değişkenlerin bir fonksiyonu olarak ifade edilmektedir. Değişkenler arasındaki ilişkinin fonksiyonel şekli regresyon modelleri ile incelenmektedir. Kullanılması gereken regresyon modeli verinin yapısına göre farklılık göstermekte ve yanlış model kullanılması hatalı sonuçların elde edilmesine neden olabilmektedir. Bu derlemede regresyon modellerinden; doğrusal regresyon, lojistik regresyon, negatif binom regresyon, poisson regresyon, temel bileşenler regresyonu, probit regresyon, ridge regresyon, Cox regresyon modellerinin hangi durumlarda kullanılabileceği incelenmiştir.

Regression can be expressed as a function between interested response variable and explanatory variables thought to be related on response. Functional form of the relationship between the explanatory variables and response variable described as regression model. The regression model must be chosen according to the data structure. If the chosen model is wrong, it leads to erroneous results. In this review, regression methods were examined to determine which regression models such as; linear regression, logistic regression, negative binomial regression, poisson regression, principal components regression, probit regression, ridge regression and Cox regression, is suitable for different data structure.