Doğrusal Regresyon Örnek Soruları ve Tartışması
Doğrusal regresyon, iki veya daha fazla değişken arasındaki ilişkiyi belirlemek için kullanılan istatistiksel bir yöntemdir. Bu yöntem, ekonomi, işletme, sosyal bilimler ve doğa bilimleri de dahil olmak üzere çeşitli alanlarda yaygın olarak kullanılmaktadır. Bu makalede, doğrusal regresyonu, nasıl hesaplandığını ele alacak ve okuyucuların bu kavramı derinlemesine anlamalarına yardımcı olmak için açıklamalarla birlikte çeşitli örnek problemler sunacağız.
Doğrusal Regresyonu Anlamak
Doğrusal regresyon, bir veya daha fazla bağımsız değişken (tahmin edici) ile bağımlı değişken (yanıt) arasındaki ilişkiyi modellemek için kullanılan analitik bir yöntemdir. Basit doğrusal regresyon bir bağımsız değişken ve bir bağımlı değişken içerirken, çoklu doğrusal regresyon birden fazla bağımsız değişken içerir.
Basit doğrusal regresyon doğrusunun denklemi şöyledir:
\[ Y = a + bX \]
Mana'da:
– \( Y \) bağımlı değişkendir.
– \( X \) bağımsız değişkendir.
– \( a \) kesişim noktasıdır ve X = 0 olduğunda Y'nin değerini ifade eder.
– \( b \) regresyon katsayısıdır, yani X bir birim değiştiğinde Y'nin ne kadar değiştiğini gösterir.
Doğrusal Regresyon Adımları
1. Veri Toplama: İlk olarak, analiz edilecek verileri toplayın.
2. Verileri Grafikle Gösterin: Değişkenler arasında doğrusal bir ilişki olup olmadığını görmek için bir dağılım grafiği oluşturun.
3. Regresyon Katsayısını Hesaplayın: En iyi doğruyu belirlemek için en küçük kareler yöntemini kullanın.
4. Modelin Test Edilmesi: Regresyon katsayılarının anlamlılığını t-testi ile test edin ve modelin verilere ne kadar iyi uyduğunu görmek için R-kare değerini belirleyin.
Contoh Soal ve Pembahasan
Örnek Soru 1: Basit Doğrusal Regresyon
Soru:
Bir araştırmacı, çalışma saatleri sayısı (X) ile öğrencilerin sınav puanları (Y) arasındaki ilişkiyi öğrenmek istiyor. Elde edilen veriler aşağıdaki gibidir:
| Çalışma Saatleri (X) | Sınav Puanı (Y) |
|——————–|——————–|
| 2 | 70 |
| 3 | 75 |
| 5 | 80 |
| 7 | 85 |
| 8 | 90 |
Bu verilerden doğrusal regresyon denklemi oluşturun!
Tartışma:
1. Ortalamanın Hesaplanması:
\[
\bar{X} = \frac{2 + 3 + 5 + 7 + 8}{5} = 5
\]
\[
\bar{Y} = \frac{70 + 75 + 80 + 85 + 90}{5} = 80
\]
2. Regresyon Katsayısının \( b \) Hesaplanması:
\[
b = \frac{\sum (X_i – \bar{X})(Y_i – \bar{Y})}{\sum (X_i – \bar{X})^2}
\]
\[
\sum (X_i – \bar{X})(Y_i – \bar{Y}) = (2 – 5)(70 – 80) + (3 – 5)(75 – 80) + (5 – 5)(80 – 80) + (7 – 5)(85 – 80) + (8 – 5)(90 – 80)
\]
\[
= (-3)(-10) + (-2)(-5) + (0)(0) + (2)(5) + (3)(10) = 30 + 10 + 0 + 10 + 30 = 80
\]
\[
\sum (X_i – \bar{X})^2 = (2 – 5)^2 + (3 – 5)^2 + (5 – 5)^2 + (7 – 5)^2 + (8 – 5)^2
\]
\[
= 9 + 4 + 0 + 4 + 9 = 26
\]
\[
b = \frac{80}{26} \approx 3.08
\]
3. Kesim Noktası \( a \)'nın Hesaplanması:
\[
a = \bar{Y} – b\bar{X}
\]
\[
a = 80 – 3.08 × 5 = 80 – 15.4 = 64.6
\]
4. Regresyon Denklemi:
\[
Y = 64.6 + 3.08X
\]
Dolayısıyla, veriler için doğrusal regresyon denklemi \( Y = 64.6 + 3.08X \) şeklindedir. Bu, her ek çalışma saatinin test puanını 3.08 puan artırmasının beklendiği anlamına gelir.
Örnek Soru 2: Model Testi ve Yorumu
Soru:
Aynı verilerle devam ederek, modelin verilere ne kadar iyi uyduğunu ölçmek için R-kare (R²) değerini hesaplayın. Ayrıca, regresyon katsayısı \( b \)'nin anlamlılığını test edin.
Tartışma:
1. Toplam Kareler Toplamını (SST), Regresyon Kareler Toplamını (SSR) ve Hata Kareler Toplamını (SSE) hesaplayın:
\[
SST = \sum (Y_i – \bar{Y})^2
\]
\[
SST = (70 – 80)^2 + (75 – 80)^2 + (80 – 80)^2 + (85 – 80)^2 + (90 – 80)^2 = 100 + 25 + 0 + 25 + 100 = 250
\]
\[
SSR = \sum (\hat{Y}_i – \bar{Y})^2
\]
Burada \( \hat{Y}_i \) regresyon denkleminin tahmin edilen değeridir:
\[
\hat{Y}_i = 64.6 + 3.08X_i
\]
\[
\hat{Y} = [67.76, 70.84, 76.0, 82.16, 85.24]
\]
\[
\bar{Y} = 80
\]
\[
SSR = (67.76 – 80)^2 + (70.84 – 80)^2 + (76.0 – 80)^2 + (82.16 – 80)^2 + (85.24 – 80)^2
\]
\[
SSR = (-12.24)^2 + (-9.16)^2 + (-4.0)^2 + 2.16^2 + 5.24^2 = 149.8
\]
2. SSE'nin Hesaplanması:
\[
SSE = SST – SSR = 250 – 149.8 = 100.2
\]
3. R-kare değerinin hesaplanması:
\[
R^2 = \frac{SSR}{SST} = \frac{149.8}{250} \approx 0.6
\]
0.6'lık bir R-kare değeri, bu modelin verilerdeki varyasyonun yaklaşık %60'ını açıkladığını gösterir. Bu, regresyon doğrusunun verilere oldukça iyi uyduğunu gösterir.
4. Katsayı \( b \)'nin Anlamlılığı için t-Testi:
\[
t = \frac{b}{SE(b)}
\]
\[
SE(b) = \sqrt{\frac{SSE}{n-2}} / \sqrt{\sum (X_i – \bar{X})^2}
\]
\[
SE(b) = \sqrt{\frac{100.2}{5-2}} / \sqrt{26}
\]
\[
SE(b) = \sqrt{33.4} / \sqrt{26} \approx 1.13
\]
\[
t = \frac{3.08}{1.13} \approx 2.73
\]
Yaklaşık 2.73'lük bir t-istatistiği ile, ortak bir anlamlılık eşiği (α = 0.05) kullanırsak, bunu t-tablosuyla karşılaştırırız. Örneğin, df = 3 için kritik t yaklaşık 2.353'tür. O halde t-gözlenen > t-kritik olur, bu da katsayının anlamlı olduğunu gösterir.
Sonuç
Bu makalede, doğrusal regresyonun temellerini, regresyon katsayısının ve kesişim noktasının nasıl hesaplanacağını ve örnek problemler kullanarak sonuçların nasıl yorumlanacağını ele aldık. Bu yöntemi kullanmada yetkin hale gelmek için çeşitli veri kümeleriyle sık sık pratik yapmak şarttır. Doğrusal regresyon, veri analizinde değerli bir araçtır ve değişkenler arasındaki ilişkilere dair derinlemesine bilgiler sağlayabilir.
