Genç, AşırAsar, Yasin2017-01-042017-01-042015-01-08Asar, Y. (2015). Liu type logistic estimators. Selçuk Üniversitesi, Yayımlanmış doktora tezi, Konya.https://hdl.handle.net/20.500.12395/3684Binari lojistik regresyon modellerinde çoklu bağlantı problemi en çok olabilirlik tahmin edicisinin varyansını şişirmekte ve tahmin edicinin performansını düşürmektedir. Bu nedenle doğrusal modellerde çoklu bağlantı problemini gidermek için önerilen tahmin ediciler lojistik regresyona genelleştirilmiştir. Bu tezde, bazı yanlı tahmin edicilerin lojistik versiyonları gözden geçirilmiştir. Ayrıca, yeni bir genelleştirme yapılarak daha öncekilerle MSE kriteri bakımından performansı karşılaştırılmıştır. Yeni önerilen tahmin edici iki parametreli olduğundan parametrelerin seçimi için tekrarlı (iterative) bir metot önerilmiştir.Multicollinearity problem inflates the variance of maximum likelihood estimator and affects the performance of this estimator negatively in binary logistic regression. Thus, biased estimators used to overcome this problem have been generated to logistic regression. Some of these estimators are reviewed in this thesis. Moreover, a new generalization is proposed to overcome multicollinearity performances of estimators are compared in the sense of MSE criterion. Since new estimator has two parameters, an iterative method is proposed to choose these parameters.eninfo:eu-repo/semantics/openAccessYanlı tahmin ediciMonte Carlo simülasyonuHata kareler ortalamasıÇoklu bağlantıBinari lojistik regresyonBiased estimatorBinary logistic regressionMulticollinearityMonte Carlo simulationMean squared errorDoctoral Thesis