Ekonometri, iktisadi olguların kuram ve gözlemlerle nicel çözümlemesidir. Ekonometrik, toplanan verileri kullanarak iktisat kuramlarını sınar. Ekonometri kuramsal ve uygulamalı olmak üzere iki ana dalda incelenir
Bu video, bir konuşmacının EKK (En Küçük Kareler) yöntemi kullanarak istatistiksel modelleme sürecini adım adım anlattığı bir eğitim içeriğidir.. Video, EKK yöntemi ile katsayı tahmin etme, model oluşturma ve yorumlama sürecini kapsamaktadır. İçerikte öncelikle serilerin durağanlık testleri (ADF ve PP testleri), ardından 2003-2020 dönemi için aylık veriler kullanılarak model oluşturma, kukla değişkenlerin (2008 krizi için) eklenmesi ve modelin varsayımsal testlerinin (normallik, auto korelasyon ve değişen varyans) nasıl yapılacağı anlatılmaktadır.. Eğitim, Ruchan Goldfrey testi kullanarak değişen varyans varsayımının nasıl kontrol edileceğini, kriz değişkeninin modelin varsayımsal testlerine etkisini ve otokorelasyon durumunda modelin nasıl iyileştirilebileceğini de içermektedir. Video, istatistiksel modelleme ve yorumlama konusunda temel bilgiler sunmaktadır.
Regresyon, değişkenler arasındaki ilişkiyi inceleyen istatistiksel tekniktir. Bağımlı değişken Y, bağımsız değişkenler X ile gösterilir. Regresyonda α sabit, β ise doğrusal fonksiyonun eğimini gösterir
Bu video, bir eğitmen tarafından sunulan istatistiksel modelleme ve programlama eğitimidir. Eğitmen, R ve MATLAB programlama dillerinde istatistiksel analiz uygulamalarını göstermektedir.. Video üç ana bölümden oluşmaktadır: İlk bölümde R'de Mars (Multivariate Adaptive Regression Splines) regresyon analizi uygulaması, veri setinin yüklenmesi ve farklı derecelerde model oluşturma gösterilmektedir. İkinci bölümde Mars modelinin derece ayarlaması, interaksiyonların yapılandırılması ve modelin performansını değerlendirmek için istatistiksel ölçüleri hesaplama anlatılmaktadır. Son bölümde ise MATLAB'da script kullanımı, fonksiyonlar ve matematiksel işlemler gösterilmektedir.. Eğitim içeriğinde laktasyon süt verimi, hız laktasyon periyodu gibi değişkenler kullanılarak Mars regresyon analizi yapılmakta ve modelin uyum iyiliğini artırmak için cross validation, penalty değeri ve eleminasyon yöntemleri gibi parametreler ayarlanmaktadır. Ayrıca MATLAB'da "maximum" fonksiyonu kullanımı, desimal sayıları yönetme ve sonuçları yorumlama konuları da ele alınmaktadır.
Bu video, bir konuşmacının E-Usta programında düzenleyici analiz uygulamasını adım adım gösterdiği kapsamlı bir eğitim içeriğidir.. Video, düzenleyici analizin üç temel aşamasını kapsamaktadır: kavramsal model oluşturma, istatistiksel modelin oluşturulması ve sonuçların yorumlanması. Konuşmacı, mobbing uygulamalarının işyerinde psikolojik sorunlara etkisini yıpranma düzeyi düzenleyici olarak kullanarak, E-Usta programında değişkenlerin standardize edilmesi, model kurulumu ve sonuçların grafiksel yorumlanması gibi adımları detaylı olarak anlatmaktadır.. Eğitim içeriğinde ayrıca Jeremy Dansın Slops uygulaması kullanılarak iki yönlü doğrusal etkileşimi gösteren Excel tablosu oluşturma, bağımsız değişken, düzenleyici değişken ve bağımlı değişken arasındaki ilişkiler, standartize regresyon katsayıları, kesme noktaları ve varyans-kovaryans değerlerinin nasıl kullanılacağı da açıklanmaktadır. Video, düşük ve yüksek yıpranma durumlarında mobbing uygulamalarının psikolojik sorunlara etkisini grafiksel yorumlamalarla göstermektedir.
Bu video, bir eğitmen tarafından sunulan Mplus programının kullanımı ve istatistiksel model analizi konulu bir eğitim içeriğidir. Eğitmen, öğrencilere yönelik bilgiler vermektedir.. Video, Mplus programının çalıştırılması, kod dosyasının kaydedilmesi ve çıktı dosyasının yorumlanması üzerine odaklanmaktadır. Model uyum indeksleri (RMSC, CR, SRMR, Chi-Square, CPT) ve bunların kabul edilebilir değerleri detaylı olarak açıklanmaktadır. Ayrıca, model uyumunu artırmak için maddelerin birleştirilmesi gibi modifikasyonların nasıl yapılacağı da gösterilmektedir.. Videoda ayrıca raporlamayı nasıl yapacağınız adım adım anlatılmakta ve bir sonraki aşamada grafik çizimi konusunun ele alınacağı belirtilmektedir.
Regresyon, değişkenlerin grup ortalamasına doğru çekilmesidir. Galton 19. yüzyılda regresyon yöntemini geliştirmiştir. Pearson korelasyon katsayısını geliştirerek regresyon denklemini oluşturmuştur
Bu video, bir eğitim içeriği olup, değişken türleri hakkında bilgi vermektedir. Konuşmacı, araştırmalarda kullanılan iki önemli değişken türünü açıklamaktadır.. Video, aracı (mediator) ve düzenleyici (moderator) değişkenlerin tanımlarını ve kullanım alanlarını detaylı şekilde ele almaktadır. Her iki değişken türü için örnek modeller, hipotezler ve grafiksel gösterimler sunulmaktadır. Aracı değişken, bağımlı ve bağımsız değişken arasındaki ilişkiyi açıklayan değişken; düzenleyici değişken ise bu ilişkinin yönünü ve büyüklüğünü etkileyen değişkendir. Video, değişkenlerin nasıl tanımlanacağını ve modellerde nasıl gösterileceğini açıklamakta, ayrıca düzenleyici değişkenlerin üç farklı etkisi (ilişkinin gücünü artırma, azaltma ve yönünü değiştirme) hakkında bilgi vermektedir.
Bu video, bir eğitim setinin bir parçası olup, konuşmacı data mining konusunda bilgi vermektedir.. Video, lineer regresyon konusunu ele almaktadır. Konuşmacı, regresyonun temel tanımını yaparak, iki değişken arasındaki ilişkiye göre denklem elde etme sürecini açıklamaktadır. Lineer regresyonun sürekli değerleri tahmin etme amacıyla kullanıldığı, model değerlendirmesi için minimum kare hata yönteminin kullanıldığı ve gradient descent ile çoklu regresyonda nasıl uygulandığı anlatılmaktadır. Video, bir sonraki derste tanımlayıcı metotlardan curie sing, associ role ve summerlization'ın anlatılacağı bilgisiyle sonlanmaktadır.
Poisson dağılımı, sabit zaman aralığında meydana gelme olasılığını ifade eder. Dağılımın beklenen değeri λ ve varyansı λ'dır. Olaylar arasındaki zaman farkları önceki olaylardan bağımsızdır. Poisson süreci ile birlikte ortaya çıkar
Bu video, bir eğitmen tarafından sunulan Python programlama dilinde regresyon analizi konulu bir eğitim içeriğidir. Eğitmen, Caner Erdem'in sayfasından da faydalanmaktadır.. Video, regresyonun temel kavramlarını açıklayarak başlıyor ve Python'da basit ve çoklu regresyon analizlerinin nasıl yapılacağını adım adım gösteriyor. İçerikte sklearn, matplotlib ve pandas gibi gerekli kütüphanelerin yüklenmesi, veri setinin işlenmesi, regresyon modelinin oluşturulması ve sonuçların yorumlanması detaylı olarak anlatılıyor.. Eğitimde matematik notlarını etkileyen faktörleri analiz eden bir örnek ve diyabet verisi kullanılarak yapılan bir örnek üzerinden regresyon analizi gösteriliyor. Ayrıca R-kare, ortalama mutlak hata, karesel hata ve RMS gibi istatistiksel değerlerin anlamları açıklanıyor ve katsayıların p değerleri ile anlamlılık seviyeleri değerlendiriliyor.
VIF measures variance increase in regression coefficients due to collinearity. Cuthbert Daniel invented concept but didn't name it
Seasonality refers to regular trends in time series less than a year. Seasonal patterns differ from cyclical patterns, which extend beyond a year. Seasonal variations can be caused by weather, vacations, and holidays
Bu video, bir konuşmacının E-Paket programında düzenleyici etki analizi yapma sürecini adım adım anlattığı bir eğitim içeriğidir.. Video, güçün başarıya etkisini ve gelir düzeyinin bu etkideki düzenleyici rolünü incelemektedir. İçerik, model oluşturma, regresyon ağırlıklarını belirleme, verileri gruplandırma ve analiz sonuçlarını yorumlama aşamalarını kapsamaktadır. Konuşmacı, gelir düzeyine göre beş farklı gruba ayrılan verilerin nasıl analiz edileceğini ve düzenleyici etkinin anlamlı olup olmadığını belirlemek için kritik rasyo for diferance değerinin nasıl inceleneceğini açıklamaktadır.. Videoda ayrıca E-Paket'in Proses Makro'ya göre daha fazla grup (dört veya beş) için analiz yapabilme imkanı sunduğu vurgulanmakta ve düzenleyici etkinin anlamlı olup olmadığını belirlemek için parametre karşılaştırma tablosundaki standardize z değerlerinin 1.96'dan büyük olması gerektiği belirtilmektedir.
Bu video, bir eğitmen tarafından sunulan Minitab programında çoklu regresyon analizi yapma eğitimidir.. Video, çoklu regresyon analizinin tanımı ve basit regresyon analizinden farklarıyla başlayıp, dört temel varsayımın (gözlemlerin bağımsızlığı, hata bileşeninin normal dağılımı, sabit varyansı ve değişkenler arasındaki mantıklı ilişki) detaylı açıklamasını içermektedir. Daha sonra Minitab programında veri hazırlama, regresyon modeli kurma, korelasyon analizi yapma ve p değerlerine göre anlamlı değişkenleri seçme adımları adım adım gösterilmektedir.. Eğitim, hayvanların uyku sürelerini tahmin etmek için bir veri seti üzerinde uygulamalı olarak ilerlemekte ve "total sleep" değişkenini etkileyen en anlamlı üç değişkeni bulma sürecini kapsamaktadır. Ayrıca, elle çözüm için gerekli formüller de paylaşılmakta, ancak dersin ana odak noktası bu formülleri kullanmak yerine, p değerlerinin 0,05'ten küçük olana kadar değişkenleri çıkararak en anlamlı modeli kurmaktır.
Bu video, bir eğitmen tarafından sunulan Python ile zaman serisi analizi konulu eğitim içeriğidir.. Video, zaman serisi analizinde kullanılan toplamsal ve çarpımsal modellerin performans istatistiklerini hatırlatarak başlıyor ve ardından logaritmik dönüşüm konusuna geçiyor. Eğitmen, logaritmik dönüşümün temel mantığını lise matematiğinden örneklerle açıklıyor, bu dönüşümün gürültüden arındırma ve normallik varsayımını sağlama gibi iki temel kullanım alanını gösteriyor.. Video ayrıca gelir verilerinin logaritmik dönüşümünü yaparak gürültüden arındırma etkisini göstermekte ve histogram grafikleri üzerinden normallik varsayımını sağlama yöntemini açıklamaktadır. Eğitmen, veri analizinde ezbere gitmek yerine mantığın anlaşılmasının önemini vurgulamaktadır.
Bu video, bir eğitmen tarafından sunulan istatistik dersidir. Eğitmen, gama dağılımını detaylı bir şekilde anlatmaktadır.. Video, gama dağılımının tanımı ve özellikleri ile başlayıp, yoğunluk fonksiyonunun formülünü açıklamaktadır. Eğitmen, gama dağılımının üst üste dağılımın özel bir durumu olduğunu göstermekte ve gama fonksiyonunun faktöriyel mantığına benzer şekilde çalıştığını anlatmaktadır. Daha sonra, bir böcek türünün yaşam süresi örneği üzerinden gama dağılımının nasıl kullanıldığını ve olasılık hesaplamasını adım adım göstermektedir.
Bu video, Salih Fırat tarafından sunulan bir eğitim içeriğidir. Konuşmacı, Just programı kullanarak iki faktörlü ANOVA (2x2 ANOVA) analizini adım adım anlatmaktadır.. Videoda, alkol miktarı ve face type (yakışıklı/çirkin) faktörlerinin algılanan çekicilik üzerindeki etkileri incelenmektedir. İlk bölümde programın tanıtımı yapılarak analiz başlatılırken, ikinci bölümde farklı dozlardaki alkol ve plasebo etkilerinin görsel algılanma farklılıkları grafik üzerinden karşılaştırılmaktadır.. Analiz sonucunda, alkolün tek başına etkisi olmadığı, ancak face type'ın (özellikle çekici kişilerin) algılanan çekicilik üzerindeki etkisinin arttığı ve alkol dozunun bu etkileşimde rol oynadığı gösterilmektedir. Video, Andyfield'ın kitaplarında kullanılan eğlenceli bir veri seti üzerinde yapılmakta ve bir sonraki bölümde raporlama konusuna geçileceği belirtilmektedir.
Bu video, bir eğitim dersi formatında olup, bir eğitmen tarafından Poisson dağılımı konusu anlatılmaktadır.. Videoda Poisson dağılımının ne olduğu, hangi durumlarda kullanıldığı ve formülü açıklanmaktadır. Eğitmen, Poisson dağılımının belirli bir zaman aralığında nadir rastlanan olayların olası dağılımlarını modellemek için kullanıldığını örneklerle anlatmaktadır. Daha sonra, bir hastanenin acil servisine gelen hasta sayıları üzerinden Poisson dağılımının nasıl uygulanacağı adım adım bir örnek soru çözümüyle gösterilmektedir.
Bu video, bir eğitmen tarafından sunulan istatistiksel modelleme konulu bir eğitim dersidir. Eğitmen, Furkan Hoca'nın ilk dönem anlattığı teorik bilgilerin uygulamalı kısmını göstermektedir.. Videoda, döviz kuru serisi üzerinde çeşitli istatistiksel modellerin uygulanması ele alınmaktadır. İçerikte mevsimsellik ve trend analizi, simple exponential smoothing, hold winter (mevsimsellik olmayan) modeli, üstten düzgünleştirme (logaritma dönüşümü) ve doğrusal trend modeli gibi yöntemler gösterilmektedir. Video, bir serinin üç parçasından biri olup, sonraki derste arma modeli ve son derste öngörü yapımı anlatılacağı belirtilmektedir.