Modellemede veri kaynaklı sapmaların varyans analizi yöntemi ile incelenmesi

Abstract

Bu çalışmada bir araştırma sürecinde modelleme planlamaya temel oluşturan, gözlem değerleri üzerinde meydana gelen ve modellerin yanlı olmasına neden olan nedenler incelenmiştir. Gözlem yapmak, gözlemleri verilere dönüştürmek, verilerden modellere ulaşmak ve nihayet modelleri kullanarak bilgi elde etmek başlı başına önemli süreçlerdir. Bu süreçlerde karşılaşılan en önemli risklerden biri veriler üzerinde meydana gelen değişimlerdir. Bu değişimler doğal yollarla meydana geliyorsa, sorun nispeten basittir. Ancak değişim; kişilerden, aletlerden veya aletlerin yanlış kullanımı ile ortaya çıkıyorsa yanlılık mutlaka giderilmelidir. Bu yanlılıkların güncel bir modelleme yöntemi olan zaman serisi (ARIMA-Auto Regressive Integrated Moving Average) modellerinde ortaya çıkış nedenleri, tespiti ve tespit edilme nedenleri, çok etkenli 3 2 2 3 deney düzeni ile modellenmiş ve önem düzeyleri araştırılmıştır.

In this study, outliers which can cause bias on models in a survey stage using observation values which constitute basement for conducting modelling have been investigated. The processes important for estimation observation, transform to data, modelling from data, and to gain information from models so important by oneself. One of the most important risks we encountered is transformation on data by naturel randomness or derivation by people. If transformation on data is derived by naturel randomness, solution is easy and has to compulsory ultimately. Causes for bias are appeared by time series (ARIMA-Auto Regressive Integrated Moving Average) models, detection, and detection causes on them are modelled by multi factored experimental design with 3 2 2 3 and significance levels have been investigated.