Aykırı değer varlığında genelleştirilmiş eklemeli modeller ve bir uygulama

Abstract

Günümüzde teknolojinin hızlı bir şekilde ilerlemesi sebebiyle birçok alanda otomatik olarak veri toplanmaktadır. Bu verileri analiz edebilmek yani verilerden faydalı bilgi çıkartmak önem arz etmektedir. Bu bakımdan literatürde yer alan genelleştirilmiş toplamsal modelleri bu çalışmanın hedefi olmuştur. Ancak veri toplama araçlarında bazen kalibrasyon hataları, veri girişi hatası, işlem sorunu, modeldeki eksik faktörler, rassal hatalar gibi sıkıntılardan dolayı sistem aykırı değerler üretebilir ve bunun sonucunda da yanlı tahminlere ulaşıla bilinir. Benzeri nedenlerden ötürü bu çalışmada, aykırı değerin model fonksiyonuna göre farklı bölgelerde, bozulum şiddetleri ve bozulum oranlarına göre 5 ayrı yöntemde genelleştirilmiş toplamsal modellerinin bir birlerine karşı performansları incelenmiştir. Aykırı değerler varlığında yöntemler içerisinden PDSR ve TDSR yöntemleri kayda değer bir performans sergilemişlerdir.

Today, due to the rapid development of technology, data is collected automatically in many areas. It is important to be able to analyze these data, that is, to extract useful information from the data. In this respect, the generalized additive models in the literature have been the target of this study. However, sometimes the system may produce outliers due to problems such as calibration errors, data entry errors, processing problems, missing factors in the model, and random errors in data collection tools, and as result, it is possible to reach biased estimates. For similar reasons, in this study, according to the model function of the outlier in different regions and according to the distortion intensities and distortion rates the performance of five different methods against each other of the generalized additive models was investigated. In the presence of outliers, PDSR and TDSR methods among the methods showed a remarkable performance.