Bu çalışmada doğrusal regresyon analizinin varsayımlarının sağlanmadığı durumlarda kullanılabilecek olan kantil regresyon analizi ile Türkiyede 2000-2020 yılları arasındaki CO2 emisyonu ve birincil enerji tüketimi arasındaki ilişkinin modellenmesi amaçlanmıştır. Çalımanın ilk böümünde uygun regresyon modeli elde edildikten sonra, veri setine aykırı değerler eklenerek bu gözlemlerin varlığında sonuçlar yeniden elde edilmiş ve kantil regresyonun performansı değerlendirilmiştir. Uygun modelin seçiminde hata kareler ortalamasının karekökü (RMSE) ve ortalama mutlak hata (MAE) kriterleri kullanılmıştır. Elde edilen sonuçlara göre; Türkiye’de 2000-2020 yılları arasında ortalama CO2 emisyonu 289.62±68.12 milyon ton ve ortalama birincil enerji tüketimi 4.66±1.21 exajoule olarak belirlenmiştir. CO2 emisyonundaki değişimin %98.74’nün birincil enerji tüketimi ile açıklandığı ve değişen varyans probleminin varlığında kantil regresyon analizinin, doğrusal regresyon analizinden daha güvenilir sonuçlar verdiği elde edilmiştir. Kantil regresyon modeline göre; birincil enerji tüketimindeki bir exajoule’luk artışın CO2 emisyonunun τ=0.50. kantilinde yaklaşık olarak 54.3 milyon ton artışa sebep olacağı belirlenmiştir. Aykırı değerlerin varlığında τ=0.25 ve τ=0.50 için elde edilen kantil regresyon modelleri en uygun modeller olup birbirine oldukça yakın sonuçlar vermiştir. Bu modellerin, CO2 emisyonu ve birincil enerji tüketimi arasındaki ilişkinin modellenmesinde çıkarsama amaçlı kullanılması önerilmektedir.

Bu çalışmada Türkiye’de 2000-2022 yılları arasında kadın intihar oranı, doğurganlık oranı, kadın işsizlik oranı, enflasyon ve gayrisafi yurt içi hasıla arasındaki nedensellik ilişkisinin incelenmesi amaçlanmıştır. Durağanlığın incelenmesinde, Genişletilmiş Dickey ve Fuller (ADF), Phillips-Perron (PP), Kwiatkowsky-Philips-Schmidt-Shin (KPSS) ve Dickey-Fuller genelleştirilmiş en küçük kareler birimkök testlerinin yanısıra Zivot ve Andrews tek yapısal kırılmalı birim kök testi ve nedensellik ilişkisinin araştırılmasında ise Granger nedensellik testi kullanılmıştır. Çalışmada ADF, PP ve KPSS birim kök testi sonuçlarına göre tüm serilerin birinci farklarında durağan olduğu belirlenmiştir. Kadın intihar oranı ile doğurganlık oranı arasında çift yönlü, kadın işsizlik oranından kadın intihar oranı ve doğurganlık oranına doğru tek yönlü bir nedensellik ilişkisi elde edilmiştir. Diğer yandan; kadın intihar oranı, kadın işsizlik oranı ve kişi başına GSYİH’nın enflasyonun bir nedeni olduğu ve bu değişkenlerden enflasyona doğru tek yönlü bir nedensellik ilişkisi olduğu belirlenmiştir. Granger nedensellik test sonuçlarına göre, kadın intihar oranı ile kişi başına GSYİH arasında Granger anlamında nedensellik ilişkisi söz konusu değildir.

Objective: In random experiments, most analyses are based on interpretation of the difference between the means of experiment and control groups. Therefore, studying the variance of the experiment and control groups may also be useful in interpreting the analysis results. This study focuses on interval estimation based on minimum mean-squared error biased estimators for nonnormal population variance. It is aimed that kurtosis coefficient based on trimmed mean is used instead of sample kurtosis coefficient in this study. Material and Methods: With the simulation study in MATLAB R2009a, confidence intervals are obtained for the estimator which is obtained using both kurtosis coefficients. Coverage probabilities and average length widths of these confidence intervals were compared. Results: It was determined that the coverage probabilities of the estimator which was obtained by using the kurtosis coefficient based on trimmed mean is very close to the nominal confidence level in all sample sizes. It was also observed that the average length widths which were obtained by using the kurtosis coefficient based on trimmed mean are narrower than the average widths obtained with biased sample kurtosis coefficient. It was determined that the results are the same when Type I error is different. Using sample kurtosis coefficient for nonnormal populations resulted in obtaining low coverage probabilities. Conclusion: It will be appropriate to prefer interval estimations based on estimator obtained with kurtosis coefficient based on Trimmed Mean since it both provides high coverage probability and narrower confidence interval for nonnormal population variance.

Bu çalışmada, sağlık alanında sayıma dayalı olarak elde edilen anne ölüm sayıları, zaman serisi yöntemleri ile modellenerek bu model üzerinde Klasik Bootstrap ve Hareketli Blok Bootstrap yöntemlerinin performansları karşılaştırılmıştır. Çalışma zaman bağımlılığı içeren sağlık verilerinde bootstrap yöntemlerinin performans karşılaştırmasına yönelik metodolojik bir yaklaşıma dayalı olduğu için analizler tek bir sağlık göstergesi üzerinden gerçekleştirilmiştir. Elde edilen bulgulara göre; Hareketli Blok Bootstrap yönteminin sağlık zaman serisinde bağımlılık yapısını daha iyi koruduğu, bu sayede daha gerçekçi standart hatalar ve güven aralıkları ürettiği ve buna bağlı olarak Poisson Otoregresif modeli ve Klasik Bootstrap yöntemine kıyasla daha gerçekçi belirsizlik tahminleri sunduğu elde edilmiştir. Çalışmanın sonuçları, zaman bağımlılığı içeren sağlık verilerinin analizinde kullanılan istatistiksel yöntemin seçiminin, elde edilen çıkarımların doğruluğu ve güvenilirliği açısından kritik öneme sahip olduğunu göstermektedir.

In this study, it is aimed to examine the relationship between students' statistical self-efficacy beliefs and their attitudes towards statistics and to propose a structural equation model by identifying the factors affecting them. IBM SPSS and AMOS package program were used in the data analysis. Data were collected from 330 university students who took statistics and biostatistics lessons to form the sample of the study. As a result of the analysis, it was concluded that the self-efficacy beliefs and attitudes towards to statistics lesson of students were at a moderate level. A positive and significant correlation was obtained between statistical self-efficacy belief and attitude. It was determined that statistical attitude explains 33% of the statistical self-efficacy belief. We propose to use modified multi-factor first-order and multi-factor first-order models for statistical self-efficacy belief and attitude levels, respectively. This result was supported with the values of goodness of fit indices.