Gamma Regresyon Modelinde Bazı Tahmin Edicilerin Karşılattırılması

Dogrusal modellere benzer olarak genelle¸stirilmi¸s do ˘ grusal modellerin bir üyesi olan gamma ˘ regresyon modelinde de çoklu baglantı problemi oldu ˘ gunda en çok olabilirlik tahmin edicisinin per- ˘ formansı bu durumdan kötü etkilenmektedir. Bu çalı¸smada, gamma regresyon modellerinde çoklu baglantı problemi oldu ˘ gu durumlarda kullanılabilecek bazı tahmin ediciler incelenmi¸stir. Ayrıca ˘ Liu-tipi tahmin edicisinden yararlanılarak hemen hemen yansız Liu-tipi tahmin edicisi ile modifiye hemen hemen yansız Liu-tipi tahmin edicisi gamma regresyon modeli için önerilmi¸stir. Önerilen tahmin edicilerin ve Liu-tipi tahmin edicisinin teorik özellikleri incelenerek birbirleriyle kar¸sıla¸stır maları yapılmı¸stır. Ayrıca bahsi geçen tahmin ediciler Monte Carlo simülasyon çalı¸sması ve gerçek veri uygulaması kullanılarak kar¸sıla¸stırılmı¸stır. Nümerik çalı¸smalardan elde edilen sonuçlar teorik sonuçların dogrulu ˘ gunu desteklemektedir

Similar to linear models, the performance of the maximum likelihood estimator is adversely affected when there is a multicollinearity problem in the gamma regression model, which is a member of the generalized linear models (GLM). In this study, some estimators that can be used in gamma regression models when there is a multicollinearity problem are examined. In addition, using the Liu-type estimator, a modified almost unbiased Liu-type estimator with a almost unbiased Liu-type estimator is proposed for the gamma regression model. The theoretical properties of the proposed estimators and the Liu-type estimator were examined and compared with each other. In addition, the aforementioned estimators were compared using a Monte Carlo simulation study and a real data application. The results obtained from the numerical studies support the accuracy of the theoretical result