Gamma Regresyonu (GLM)
Gamma Regression (Generalized Linear Model) · Ayrıca şöyle bilinir: gamma GLM, gamma generalized linear model, Gamma Regresyonu (GLM)
Gamma regresyonu, pozitif, sağa çarpık sürekli bir sonucu modellemek için gama dağılımını kullanan genelleştirilmiş doğrusal bir modeldir. McCullagh ve Nelder (1989) tarafından geliştirilen GLM çerçevesi içinde geliştirilmiş olup, sağlık hizmetleri maliyetleri, süreler ve gelir gibi değişkenler için adi doğrusal regresyona bir alternatiftir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Bağımlı değişken kesinlikle pozitif (sıfırdan büyük) ve sağa çarpık olduğunda ve varyansın katsayısı kabaca sabit olduğunda — yani, varyans ortalamanın karesiyle orantılı olarak büyüdüğünde — gama regresyonunu kullanın. En az yaklaşık 30 gözlemle kesitsel veya panel verilerine uygundur ve normal regresyonun uygun olmadığı maliyetler, süreler ve gelir dağılımları gibi çarpık sürekli sonuçlar için çok uygundur. Sıfır veya negatif olabilen sonuçlar için uygun değildir.
Güçlü yönler & sınırlılıklar
- Yanıtı log-dönüştürmeden pozitif, sağa çarpık sürekli sonuçları doğal olarak modeller.
- Logaritmik bağlantı çarpımsal, yorumlanabilir etkiler verir ve tüm uyumlanmış ortalamaları pozitif tutar.
- Ortalamanın karesiyle ölçeklenen varyans (sabit varyans katsayısı) desenini, adi en küçük karelerden daha iyi ele alır.
- Kesinlikle pozitif bir sonuç gerektirir; sıfıra eşit gözlemler doğrudan modelleneemez.
- Varyansın ortalamanın karesiyle orantılı olduğunu (sabit varyans katsayısı) varsayar; farklı bir varyans deseni modeli yanlış belirtir.
- Kapalı formu olmayan maksimum olabilirlik ile tahmin edilir, bu nedenle iteratif uyuma dayanır ve yeterli bir örneklem (yaklaşık 30 veya daha fazla gözlem) gerektirir.
SSS
Gamma regresyonunu adi doğrusal regresyona ne zaman tercih etmeliyim?
Sonuç kesinlikle pozitif ve sağa çarpık olduğunda ve değişkenliği ortalamasıyla büyüdüğünde — maliyetler, süreler ve gelirler için tipiktir. Adi regresyon sabit varyans varsayar ve gama regresyonunun kaçındığı negatif değerleri tahmin edebilir.
Hangi bağlantı fonksiyonunu kullanmalıyım?
Logaritmik bağlantı genellikle tercih edilir çünkü uyumlanmış ortalamaları pozitif tutar ve katsayıların sonuca çarpımsal olarak etki etmesini sağlar. Ters bağlantı, gama ailesi için kanonik bağlantıdır ancak yorumlanması genellikle daha zordur.
Gamma regresyonu sonuçtaki sıfırları ele alabilir mi?
Hayır. Gama dağılımı yalnızca kesinlikle pozitif değerler için tanımlanmıştır, bu nedenle sıfırlar veya negatif değerler doğrudan modelleneemez. Sıfırların oluştuğu durumlarda engelli veya iki parçalı model gibi farklı bir modele ihtiyaç vardır.
Katsayılar nasıl tahmin edilir?
Maksimum olabilirlik ile. Kapalı form çözümü olmadığından, tahminler iteratif olarak genelleştirilmiş doğrusal modeller için standart uyum algoritması olan iteratif olarak yeniden ağırlıklandırılmış en küçük kareler (IRLS) kullanılarak elde edilir.
Kaynaklar
- McCullagh, P. & Nelder, J. A. (1989). Generalized Linear Models (2nd ed.). Chapman and Hall. DOI: 10.1201/9780203753736 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Gamma Regression (Generalized Linear Model). ScholarGate. https://scholargate.app/tr/statistics/gamma-regression
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Lojistik RegresyonAraştırma istatistiği↔ karşılaştır
- Negatif Binominal RegresyonEkonometri↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Poisson ve Negatif Binom RegresyonuEkonometri↔ karşılaştır