KEKKR, çok sayıda bağımlı ve açıklayıcı değişkenle çalışma olanağı sağlayan çok
değişkenli istatistiksel bir metottur.
KEKKR algoritmalarında gizli değişken hesaplama ve regresyon adımı bütünleşmiş
şekildedir. Gizli değişkenler tekil değer veya özdeğer ayrıştırması kullanılarak boyut
indirgeme ile elde edilmektedir. Boyut indirgemeden sonra gizli değişkenler, yeni açıklayıcı
değişkenler olarak, regresyon analizinde kullanılmaktadır. Gizli değişkenler, açıklayıcı
değişkenlerin doğrusal bir birleşimi olup aralarında doğrusal bağlantıya sahip değildir
Kısmi en küçük kareler yönteminde boyut indirgemeyi takiben, bağımlı değişkendeki
değişimi açıklamada en etkili olan gizli değişkenleri saptamada bazı model seçme kriterleri
kullanılmaktadır. Bu kriterlerden bazıları PRESS, Wold’s R ve Akaike bilgi kriteri ve BIC
olarak sayılabilir.
KEKKR model kurmak için optimum sayıda gizli değişken sayısını, açıklayıcı ve
bağımlı değişkenler arasındaki kovaryansı maksimum yapacak şekilde elde eder
Gizli değişkenler birbirine dik, karşılıklı bağımsız olmalıdır.
Hiç yorum yok:
Yorum Gönder