İstanbul Sağlık ve Teknoloji Üniversitesi
| Biyoistatistik (Tezli) | |||||
| Yüksek Lisans | TYYÇ: 7. Düzey | QF-EHEA: 2. Düzey | EQF-LLL: 7. Düzey | ||
Course General Introduction Information
| Ders Kodu: | BYI001 | ||||
| Course Name: | Regresyon Çözümlemesi | ||||
| Ders Yarıyılı: | Bahar | ||||
| Ders Kredileri: |
|
||||
| Öğretim Dili: | TR | ||||
| Ders Koşulu: | |||||
| Ders İş Deneyimini Gerektiriyor mu?: | Hayır | ||||
| Dersin Türü: | |||||
| Dersin Seviyesi: |
|
||||
| Dersin Veriliş Şekli: | Yüz yüze | ||||
| Dersin Koordinatörü: | Dr.Öğr.Üyesi AYHAN PARMAKSIZ | ||||
| Dersi Veren(ler): | Prof Dr C. Reha Alpar, Dr. Öğr. Üyesi Ayhan Parmaksız | ||||
| Dersin Yardımcıları: |
Dersin Amaç ve İçeriği
| Dersin Amacı: | Basit ve çoklu doğrusal regresyon modellerinin ne amaçla kullanıldığını, modellerin nasıl kurulduğunu, nasıl çözümlendiğini ve yorumlandığını, çeşitli istatistiksel yazılımlar yardımıyla bu çözümlemelerin nasıl yapıldığı öğretmek. Doğrusal olmayan regresyon modelleri konusunda da belirli düzeyde bilgi sahibi olmalarını sağlamak. |
| Dersin İçeriği: | - Doğrusal regresyonun amaçları - Doğrusal regresyonun kullanım yerleri - Doğrusal regresyonun varsayımları - Basit doğrusal regresyon - Doğrusal olmayan regresyon modelleri - Çoklu doğrusal regresyon - Modellerin yeterlik ölçüleri - Niteliksel bağımsız değişkenler olduğunda regresyon modelleri. - Değişken seçim yöntemleri - Temel bileşenler regresyonu - Regresyon modellerinin geçerliği |
Öğrenme Kazanımları
|
Bu dersi başarıyla tamamlayabilen öğrenciler;
1) Öğrenci basit ve çoklu doğrusal regresyon modellerinin ne amaçla kullanıldığını bilir. 2) Öğrenci basit ve çoklu doğrusal regresyon modellerinin nasıl kurulduğunu bilir. 3) Öğrenci basit ve çoklu doğrusal regresyon modellerinin nasıl çözümlendiğini bilir. 4) Öğrenci çeşitli istatistiksel yazılımlar yardımıyla çözümlemeleri yapar. 5) Öğrenci basit ve çoklu doğrusal regresyon modelleri ilgili sorunları kendi başlarına çözer. 6) Öğrenci regresyon çözümlemesine ilişkin çıktıları yorumlar. 7) Öğrenci doğrusal olmayan regresyon modelleri konusunda da belirli düzeyde bilgi sahibi olur. |
Ders Akış Planı
| Hafta | Konu | Ön Hazırlık |
| 1) | Doğrusal regresyonun amacı, kullanım yerleri, özellikleri, varsayımları, değişik istatistiksel yazılımların regresyon ile ilgili modülleri. | |
| 2) | Hafta Basit doğrusal regresyon analizi, katsayıların elde edilmesi, standart hataları, katsayıların ve kestirimlerin güven aralıkları ve hipotez testleri. | |
| 3) | Doğrusal olmayan regresyon modelleri ve doğrusallaştırılabilen doğrusal olmayan modeller. | |
| 4) | Hafta Çoklu doğrusal regresyon analizi, katsayıların elde edilmesi, standart hataları, katsayılar ve kestirimler için güven aralıkları ve hipotez testleri. | |
| 5) | Hafta Regresyon modellerinin yeterliği ile ilgili ölçüler; artıkların incelenmesi (ham artıklar, standartlaştırılmış artıklar, student türü artıklar, vb.) ve artıklara ilişkin grafik çizimleri. | |
| 6) | Regresyon modellerinin yeterliği ile ilgili ölçüler (Cook uzaklığı, gözlem uzaklığı, Mahalanobis uzaklığı, DFBETA, DFITS, vb.) ve grafik çizimleri. | |
| 7) | Hafta Regresyonda değişen varyanslılık sorunu, belirlenmesi ve giderilmesi. Regresyonda çoklubağlantı sorunu, belirlenmesi ve giderilmesi. | |
| 8) | Artıkların normalliği ve özilişki sorunu. Özilişki (otokorelasyon) sorununun giderilmesi. Modelin geçerliği ile ilgili ölçüler (PRESS istatistiği, vb.) | |
| 9) | Modelde nitelik değişkenin varlığında göstermelik (kukla) değişkenlerin kullanımı. | |
| 10) | Değişken seçim yöntemleri, temel bileşenler regresyonu. | |
| 11) | Tıp literatüründen makale inceleme | |
| 12) | Binary Lojistik Regresyon | |
| 13) | Ordinal Lojistik Regresyon | |
| 14) | Multinomial Lojistik Regresyon |
Kaynaklar
| Ders Notları / Kitaplar: | |
| Diğer Kaynaklar: | 1. Daniel, Wayne W., Chad L. Cross. Biostatistics: a foundation for analysis in the health sciences. 10th Edition, John Wiley&Sons, 2018. 2. Montgomery D.C., Peck E.A., Vining G. G. Introduction to Linear Regression Analysis. 5th Edition, John Wiley-Sons, Inc. Publications, New Jersey, 2012. 3. Kleinbaum D. G., Kupper L. L., Nizam A., Muller K. E., Rosenberg, E.S. Applied Regression Analysis and Other Multivariable Methods. 5th Edition, Cengage Learning, 2013. 4. Chatterjee S. and Hadi A. S. Regression Analysis by Example. 5th Edition, John Wiley-Sons, Inc. Publications, New Jersey, 2012. 5. Alpar R. Çok Değişkenli İstatistiksel Yöntemler, Detay Yayıncılık, Ankara, 2021. |
Ders - Öğrenme Kazanımı İlişkisi
| Etkisi Yok | 1 En Düşük | 2 Orta | 3 En Yüksek |
| Dersin Program Kazanımlarına Etkisi | Katkı Payı |
Öğrenme Etkinliği ve Öğretme Yöntemleri
| Anlatım | |
| Bireysel çalışma ve ödevi | |
| Ders | |
| Okuma | |
| Ödev | |
| Soru cevap/ Tartışma | |
| Uygulama (Modelleme, Tasarım, Maket, Simülasyon, Deney vs.) |
Ölçme ve Değerlendirme Yöntemleri ve Kriterleri
| Yazılı Sınav (Açık uçlu sorular, çoktan seçmeli, doğru yanlış, eşleştirme, boşluk doldurma, sıralama) | |
| Sözlü sınav | |
| Ödev | |
| Uygulama |
Ölçme ve Değerlendirme
| Yarıyıl İçi Çalışmaları | Aktivite Sayısı | Katkı Payı |
| Ödev | 1 | % 40 |
| Final | 1 | % 60 |
| Toplam | % 100 | |
| YARIYIL İÇİ ÇALIŞMALARININ BAŞARI NOTU KATKISI | % 40 | |
| YARIYIL SONU ÇALIŞMALARININ BAŞARI NOTUNA KATKISI | % 60 | |
| Toplam | % 100 | |
İş Yükü ve AKTS Kredisi Hesaplaması
| Aktiviteler | Aktivite Sayısı | Aktiviteye Hazırlık | Aktivitede Harçanan Süre | Aktivite Gereksinimi İçin Süre | İş Yükü | ||
| Ders Saati | 14 | 3 | 42 | ||||
| Sınıf Dışı Ders Çalışması | 10 | 3 | 30 | ||||
| Ödevler | 10 | 1 | 10 | ||||
| Ara Sınavlar | 1 | 30 | 30 | ||||
| Final | 1 | 50 | 50 | ||||
| Toplam İş Yükü | 162 | ||||||