Parçacık Sürü Optimizasyonu Yöntemi ile Sayım Modelleri için En Uygun Değişken Kümesinin Belirlenmesi

Abstract

Birçok bilimsel çalışmada sayım verisi olarak adlandırılan negatif olmayan tamsayı değerleri alan nicel veriler kullanılmaktadır. İstatistiğin en temel analiz yöntemlerinden biri olan regresyon analizi kapsamında da sayım verileri oldukçasık kullanılmaktadır. Bağımlı değişkenin tamsayı ile ifade edilebildiği regresyonmodelleri sayım modelleri olarak tanımlanır. Bu çalışmada sayım modellerikapsamında model seçimi incelendi. Sayım modellerinde model seçimi için klasikseçim yöntemleri ve PSO algoritması kullanıldı. Uygulamalar hem simülasyon hemde gerçek veriler üzerinde yapıldı. Sonuç olarak klasik yöntemlerle kıyaslandığındaPSO algoritmasının, modeldeki değişken sayısı arttıkça ve bağımsız değişkenlerarasındaki korelasyon değerleri yükseldikçe daha iyi sonuçlar verdiği ve sayımmodelleri için PSO algoritmasının değişken seçiminde alternatif bir yöntem olarakkullanılabileceği gösterilmiştir.