Poisson Regresyon Modelinde Aşırı Yayılım Durumu ve Negatif Binomial Regresyon Analizinin Türkiye Grev Sayıları Üzerine Bir Uygulaması

Abstract

Sayım verilerinde (Count Data) kullanılan regresyon analizi, ilgilenilen olay sayılarının modellenmesine yöneliktir. Sayım verilerinde en yaygın biçimde kullanılan regresyon yöntemi "Poisson Regresyon Analizi" dir. Bu makalede, Poisson dağılımının varyansının, dağılımının ortalamasından büyük olduğu durumda gerçekleşen aşırı yayılım (overdispersion) sonucunda, parametre tahminlerinin etkinliğini sağlayan Negatif BinomialRegresyon modeli incelenmiştir. 1964-2000 dönemi için Türkiye'de grev sayılarını etkileyen faktörler Poisson Regresyon Modeli aracılığıyla analiz edilmiştir. Analiz sonucunda, verilerde aşırı yayılım saptandığından tahminlerin etkinliğini artırmak amacıyla Negatif Binomial Regresyon modeli uygulanmıştır.

For modelling interested event numbers of count data regression analysis is used. The most widely used regression analysis for count data is ""Poisson Regression Analysis" In this article, Negative Binomial Regression Analysis is used to increase the effectiveness of parameter estimations in cases where poisson dispersion variance is bigger than the dispersion's mean. This situtaion is named as over dispersion. The factors affecting strike numbers in the period of 1964-2000 for Turkey is analyzed by mean: of Poisson Regression Model. Since the analysis mentioned above proves there is an overdispersion in the set of data, negative binomial Regression Model is carried out for the purpose of increasing the-effectiveness as mentioned.