Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Türkiye
Tezin Onay Tarihi: 2020
Öğrenci: Sezgin Çiftçi
Danışman: ZEYNEP IŞIL KALAYLIOĞLU AKYILDIZ
Özet:Kayıp veri, modelleme ve istatistiksel analizlerde araştırmacıların en temel sorunlarından biridir. Kayıp veri mekanizması degişkenin kendisine bağlı ise, rastgele olmayan kayıptır (MNAR). Ayrıca, istatistikte en iyi modeli bulmak her zaman araştırmacıların odak noktasıdır. Bununla birlikte, aynı en iyi uyuma sahip ancak katsayı tahminlerinde farklılık gösteren modellerin olabilecegi literatürdeki bazı örneklerden bilinmektedir. Dolayısıyla model seçimi konusunda bir belirsizlik vardır ve bu belirsizlik özellikle MNAR mekanizmasının neden oldugu tahminlerin isabeti konusundaki belirsizlikle birlikte model katsayısı tahminlerinde sorun yaratabilir. Bu tezde, MNAR’a sahip ortak degişkenleri bulunan genelleştirilmiş doğrusal bir mo-delin (GLM) analizi için Bayes Yaklaşımlı Model Ortalaması (BMA) ve Geriye sıçramalı Monte Carlo Markov Zinciri (RJMCMC) metotlarını kullanarak olu¸sturulan hibrit bir Bayes yaklaşımlı model havuzlama sistemi (BMP) önerilmiştir. MNAR’a sahip verilerde degi¸sken hakkında göz ardı edilemeyecek ek bilgiler olduğundan, ana model (GLM) ve kayıp veri mekanizması birlikte modellenmelidir. Tam koşullu movii del ve Bayes yaklaşımının özellikleri kullanılarak birleşik model adayları arasından en iyi uyumluları içeren uygun bir model uzayı tanımlanır. Ardından, model uzayındaki her bir model için model katsayılarının sonsal dağılımları RJMCMC yaklaşımı kullanılarak elde edilir. Son olarak, nihayi katsayı tahminleri, her model için bulunan sonsal dağılımlardan elde edilen tahminler, yine RJMCMC algoritmasında hesaplanan sonsal model olasılıklarıyla ağırlıklandırılarak elde edilir.