Kucuk hacimli orneklemlerde ikili regresyon model secim kriteri

Bu projede amac,ikili regresyon (İR) analizinin model karsılastırma ve secme asamasinda, ozellikle de kucuk hacimli orneklemlerde kullanılacak, yeni bir yöntem gelistirmektir. AIC gibi yaygın olarak kullanılan bilgi bazli kriterlerin, farkli (dogrusal ve dogrusal olmayan/ sabit etkili veya rassal ya da karma etkili) İR modellerinin karsılastırılması ve uygun olanın secilmesinde ozellikle de orneklem hacminin kucuk oldugu veri kumelerinde, dogru İR modelini yakalamasında problemler oldugu gozlenmistir. Bu projede, coklu İR model seciminde, iki kümelenme arası uzaklık ölçümünü baz alan bir yöntem gelistirilecektir. Yaptıgımız ilk simulasyon deneyleri, onerilen bu yontemin ozellikle de kucuk hacimli orneklerde, halihazirda kullanılan model karsilastirma yontemlerine kiyasla, gercek modele karsi daha duyarli oldugunu gostermistir. Yeni yöntemin asimptotik ve sonlu örneklem özellikleri araştırılacak, elde edilen bulgulara gore, coklu İR modellerinde kullanilacak yeni bir model karsilastirma stratejisi gelistirilecektir. Bu yeni yontemin etki ve performans analizi için kapsamlı bir Monte Carlo simülasyon çalışması yapılacaktır. Son olarak, Türkiye’deki kanser hastası kadınların kanser türleri ve risk faktorleri arasindaki iliskiyi en iyi sekilde yansıtan ve risk tahminlerinde kullanilabilecek bir modelin belirlenmesinde kullanilacaktir