Kuantil Regresyonu (Parametrik Olmayan Varyantlar)
Quantile Regression (Nonparametric Variants) · Ayrıca şöyle bilinir: quantile regression, median regression, distribution-free quantile regression, Kantil Regresyon (Nonparametric Varyantlar)
Kuantil regresyonu, Koenker ve Bassett tarafından 1978'de tanıtılmış olup, sürekli bir sonucun ortalaması yerine seçilen bir koşullu kuantilini (medyan veya 25. ve 75. yüzdelikler gibi) modeller. Parametrik olmayan varyantları, hatalar için bir dağılım varsaymadan bu kuantil ilişkilerini uydurur, bu da onları çarpık verilerde ortalama tabanlı regresyona sağlam bir tamamlayıcı yapar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Sonuç sürekli olduğunda ve ortalamadan fazlasıyla ilgilendiğinizde — örneğin yayılım, kuyruklar veya etkilerin yanıtın düşük ve yüksek değerleri boyunca nasıl farklılaştığı — kuantil regresyonunu kullanın. Özellikle çarpık dağılımlar ve aykırı değerlere sahip veriler için uygundur, burada ortalama regresyonuna dağılımdan bağımsız bir alternatif olarak hizmet eder. Makul bir örneklem gereklidir (yaklaşık 50 gözlem veya daha fazla); düzgün doğrusal olmayan varyantlar için bant genişliği seçimi kritiktir ve çok küçük örneklemler kuantil tahminlerini kararsız hale getirir.
Güçlü yönler & sınırlılıklar
- Hatalar hakkında herhangi bir dağılım varsayımı gerektirmez, bu nedenle çarpık verilerde ve aykırı değerlere karşı sağlamdır.
- Öngörücülerin etkilerini sadece ortalama ile değil, tüm koşullu dağılım boyunca tahmin eder, ilişkilerin alt ve üst kuyruklarda nasıl farklılaştığını ortaya çıkarır.
- Medyanında mutlak sapmaları minimize eder, aşırı gözlemlerin etkisine direnen sağlam bir merkezi eğilim uydurması sağlar.
- Sağlam kuantil tahminleri için makul bir örneklem büyüklüğü (yaklaşık 50 veya daha fazla) gerektirir.
- Düzgün doğrusal olmayan kuantil eğrileri için bant genişliği seçimi kritiktir ve sonucu güçlü bir şekilde etkiler.
- Küçük örneklemlerde (n < 30) parametrik olmayan bant genişliği seçimi güvenilmez hale gelir ve yaklaşık 20 gözlemin altında kuantil tahminleri kararsızdır.
SSS
Kuantil regresyonu sıradan regresyondan nasıl farklıdır?
Sıradan regresyon sonucun koşullu ortalamasını modellerken, kuantil regresyonu seçilen bir koşullu kuantili — medyan veya herhangi bir yüzdeliği — modeller. Bu, öngörücülerin dağılımın alt, orta ve üst kısımlarını nasıl etkilediğini, sadece ortalamasını değil, görmenizi sağlar.
τ ne anlama gelir ve hangi değerleri seçmeliyim?
τ (tau), 0 ile 1 arasında modellenen kuantildir. τ = 0.5 medyanı verir; yaygın seçimler alt çeyrek, medyan ve üst çeyreği yakalamak için 0.25, 0.5 ve 0.75'tir. Sorunuzla ilgili herhangi bir kuantil kümesini uyarlayabilirsiniz.
Neden normallik varsayımı gerektirmez?
Kuantil regresyonu, karesel hata yerine asimetrik bir mutlak hata (kontrol) kaybını minimize ederek katsayıları tahmin eder, bu nedenle belirli bir hata dağılımı varsaymaz. Parametrik olmayan varyantlar daha da ileri giderek tamamen bir dağılım formundan kaçınır, bu nedenle çarpık verilerde ve aykırı değerlere karşı sağlamdırlar.
Ne kadar örneklem büyüklüğüne ihtiyacım var?
Sağlam tahminler için yaklaşık 50 veya daha fazla gözlem önerilir. Yaklaşık 30'un altında parametrik olmayan varyantlar için bant genişliği seçimi güvenilmez hale gelir ve yaklaşık 20'nin altında kuantil tahminleri kararsızdır, bu nedenle medyan tabanlı bir tahminci olan Theil-Sen tercih edilir.
Kaynaklar
- Koenker, R. & Bassett, G. (1978). Regression Quantiles. Econometrica, 46(1), 33-50. DOI: 10.2307/1913643 ↗
- Koenker, R. (2005). Quantile Regression. Cambridge University Press. ISBN: 978-0521608275
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Quantile Regression (Nonparametric Variants). ScholarGate. https://scholargate.app/tr/statistics/quantile-regression-np
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Çekirdek Yoğunluk Tahmini ve Dağılım Testi (KDE)İstatistik↔ karşılaştır
- Lasso RegresyonuMakine öğrenmesi↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Ridge Regression (Sırt Regresyonu)Makine öğrenmesi↔ karşılaştır
- Theil-Sen Tahmincisiİstatistik↔ karşılaştır