The finite distributed lag models include highly correlated variables as well as lagged and unlagged values of the same variables. Some problems are faced for this model when applying the ordinary least squares (OLS) method or econometric models such as Almon and Koyck models. The primary aim of this study is to compare performances of alternative estimators to the OLS estimator defined by combining the Almon estimator with some estimators using Almon (1965) data. A simulation study with different model parameters is performed and the estimators are compared according to the root mean square error (RMSE) and prediction mean square error (PMSE).
The finite distributed lag models include highly correlated variables as well as lagged and unlagged values of the same variables. Some problems are faced for this model when applying the ordinary least squares (OLS) method or econometric models such as Almon and Koyck models. The primary aim of this study is to compare the performances of alternative estimators to the OLS estimator defined by combining the Almon estimator with some other estimators according to the mean square error (MSE) criterion. We use Almon [2] data to illustrate our theoretical results.
Günümüzde bireysel ve gönüllü göçmenlerin önemli bir kısmını Uluslararası Öğrenciler (UÖ), oluşturmaktadır. UÖ dolaşımı küreselleşme ve teknolojik iletişim ağlarının getirdiği kolaylıklar, ikili anlaşmalar ve uluslararası destekler ile sürekli artmaktadır. Günümüzde gelişmekte olan ülkeler de bu hareketlilikten pozitif olarak yaralanmaktadır. Bu çalışmada ÇOMÜ'yü tercih eden UÖ'lerin tercih sebepleri, uyrukları, eğitim sonrası hedefleri, kalıcılıkları ve iç-dış göç potansiyelleri incelenmiştir. Araştırmada iki tür veri kullanılmıştır: (i)Resmi kayıt ve istatistikler, (ii)ÇOMÜ'deki UÖ'lere uygulanan anket. Öğrencilerin geldikleri ülkeler çalışmanın en önemli parametresi olmasından dolayı Tabakalı Örnekleme yöntemi seçilmiştir. Bu yöntem ile öğrencilerin geldiği 64 ülke 6 grupta tabakalandırılmıştır (Ortadoğu, Asya, BDT, Balkanlar, Afrika ve Diğer). 0,10 duyarlılık seviyesinde mevcut öğrencilerin %30'una uygulanan 45 sorudan oluşan anketten elde edilen veriler Ki-Kare ve Varyans Analizi ile değerlendirilmiştir. Ayrıca seçilen bazı değişkenlerle ülke tabakalarına göre sınıflandırmalar yapabilmek için Çok Boyutlu Ölçekleme (MDS) yapılmıştır. Sonuç olarak, UÖ'lerin lisansüstü eğitime devam durumları, mezunların hangi ülkelere dağılacağı, kalıcılıkları ve göç potansiyelleri ortaya çıkarılmıştır. ÇOMÜ'deki öğrencilerin önemli bir kısmı YL/DR için farklı bir ülkeye gitme planı vardır. Dolayısıyla bu öğrencilerin potansiyel nitelikli göçmeler olarak ülkemize ve dünyaya katkıları devam edecektir. Ankete katılan öğrencilerin yaklaşık yarısı Türkiye'de YL/DR eğitimi ve çalışma olanaklarını değerlendirmeyi düşünmektedir. Öğrencilerin iş olanakları ve kültürel uyumları burada kalma kararlarını etkileyen önemli faktörlerdir.
Genel lineer regresyon modelinde parametrelerin tahmin edilebilmesi için stokastik düzgün önbilgi (önsel) kullanımı son yıllarda önemli bir çözümleme tekniği olarak karşılaşılmaktadır. Bu yöntemi en etkili ve en anlamlı şekilde uygulamanın yolu ise Bayesyen yaklaşımını kullanarak mümkündür. Bayesyen regresyon analizinin karakteristiğini yansıtan özellik, analizde ön bilgiye yer verilmesidir. Bayesyen yaklaşımda, denemeler yapılmadan önce parametreye ilişkin sahip olunan ön bilgi ön olasılık yoğunluk fonksiyonu sayesinde analize dahil edilir. Bu çalışmada da Bayesyen regresyon modelindeki parametreleri tahmin etmek için stokastik ön bilgi olması durumunda kullanılabilecek teorik çıkarımlar ele alınmıştır.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.