| dc.contributor.advisor | Karasoy, Duru | |
| dc.contributor.author | Karakaş, İdil | |
| dc.date.accessioned | 2019-10-21T12:03:14Z | |
| dc.date.issued | 2019 | |
| dc.date.submitted | 2019-06-17 | |
| dc.identifier.uri | http://hdl.handle.net/11655/9296 | |
| dc.description.abstract | Survival analysis is a collection of statistical methods developed to examine the time elapsed until a given event occurs. The fact that the exact time of occurrence of the event is not known is defined as a discrete-time survival analysis, whereas a clear determination of the event time is defined as a continuous-time survival analysis. Although Cox regression model is the most known continuous-time survival analysis model, parametric distributions can also be used.
In addition to the observed variables, structural equation models have become a different method developed by adding hidden variables to analysis. Since the covariance relationship between the hidden and observed variables is based on the structural equation model, the fact that the margin of error is low has led to more reliable solution results. The effect of hidden variables that are not included in survival analysis has led to more comprehensive analyzes thanks to structural equation models. In addition, it is advantageous that discrete and continuous time separations, which are survival analysis approaches, can be used in structural equation models.
In this study, detailed information about survival analysis, structural equation model and structural equation models in survival analysis is given. In order to demonstrate the applicability of structural equation models in survival analysis, it was applied and interpreted on the data set obtained from breastfeeding from 187 mothers of at least 6 months old infants who applied to Gazimağusa Medical Center Hospital Children's Polyclinics. | tr_TR |
| dc.description.tableofcontents | ÖZET i
ABSTRACT iii
TEŞEKKÜR v
İÇİNDEKİLER vi
ÇİZELGELER viii
ŞEKİLLER ix
SİMGELER VE KISALTMALAR x
1. GİRİŞ 1
2. YAŞAM ÇÖZÜMLEMESİ 3
2.1. Sürekli Zamanlı Yaşam Modelleri 4
2.2. Kesikli Zamanlı Yaşam Modelleri 5
2.3. En Çok Olabilirlik Fonksiyonu 6
2.4. Cox Regresyon Modeli 7
2.5. Orantılı Tehlikeler Varsayımı 8
2.6. Parametrik Dağılımlar 10
2.6.1. Üstel Dağılım 11
2.6.2. Weibull Dağılımı 12
2.6.3. Log-Normal Dağılım 13
2.6.4. Log-Lojistik Dağılım 14
2.6.5. Gamma ve Genelleştirilmiş Gamma Dağılımı 15
3. YAPISAL EŞİTLİK MODELLERİ 17
3.1.Yapısal Eşitlik Modelleri Stratejileri 17
3.1.1. Doğrulayıcı Modelleme Stratejisi 18
3.1.2. Alternatif Modeller Stratejisi 18
3.1.3. Model Geliştirme Stratejisi 18
3.2. Gizli ve Gözlenen Değişkenler 22
3.2.1. Dışsal ve İçsel Gizli Değişkenler 23
3.3. Faktör Analitik Modeli 23
3.4. İstatistiksel Modellemenin Genel Amacı ve Süreci 24
3.5. Genel Yapısal Eşitlik Modelleri Sembol Gösterimi 25
3.6. Yol Diyagramı 26
3.7. Yapısal Denklemler 27
3.8. Gizli Ortalama Yapıları Test Etme 27
3.9. Model Tanımlama 27
4. YAŞAM ÇÖZÜMLEMESİNDE YAPISAL EŞİTLİK MODELLERİ 27
4.1. Kesikli Zamanlı Yaşam Çözümlemesinde Yapısal Eşitlik Modelleri 27
4.1.1. En Çok Olabilirlik Tahmini 27
4.2. Sürekli Zamanlı Yaşam Çözümlemesinde Yapısal Eşitlik Modelleri 27
5. UYGULAMA 27
5.1. Hızlandırılmış Başarısızlık Süresi Modellerinin Uygulanması 27
5.2. Hızlandırılmış Başarısızlık Süresi Yapısal Eşitlik Modelleri Uygulaması 27
6. SONUÇLAR 27
KAYNAKLAR 27
ÖZGEÇMİŞ 27 | tr_TR |
| dc.language.iso | tur | tr_TR |
| dc.publisher | Fen Bilimleri Enstitüsü | tr_TR |
| dc.rights | info:eu-repo/semantics/openAccess | tr_TR |
| dc.subject | Yapısal eşitlik modelleri | tr_TR |
| dc.subject | Yaşam çözümlemesi | tr_TR |
| dc.subject | Yol diyagramı | tr_TR |
| dc.subject | Gizli değişken | tr_TR |
| dc.subject | İçsel değişken | tr_TR |
| dc.subject | Dışsal değişken | tr_TR |
| dc.subject.lcsh | Konu Başlıkları Listesi::Bilim | tr_TR |
| dc.title | Yaşam Çözümlemesinde Yapısal Eşitlik Modelleri | tr_TR |
| dc.title.alternative | Structural Equation Models In Survival Analysis | tr_eng |
| dc.type | info:eu-repo/semantics/masterThesis | tr_TR |
| dc.description.ozet | Yaşam çözümlemesi, belirlenmiş bir olay gerçekleşene kadar geçen sürenin incelenmesi için geliştirilmiş istatistiksel yöntemler topluluğudur. Olayın ortaya çıkma zamanının tam olarak bilinmemesi kesikli zamanlı yaşam çözümlemesi olarak tanımlanırken, olay zamanının açık bir şekilde tespit edilebilmesi sürekli zamanlı yaşam çözümlemesi olarak tanımlanır. En çok bilinen sürekli zamanlı yaşam çözümlemesi modeli Cox regresyon modeli olmasına rağmen parametrik dağılımlar da kullanılabilmektedir.
Yapısal eşitlik modelleri ise gözlemlenen değişkene ek olarak gizli değişkenleri de çözümlemeye katarak zamanla gelişmiş, farklı bir yöntem haline gelmiştir. Yapısal eşitlik modelinde gizli ve gözlenen değişkenler arasındaki kovaryans ilişkisi esas alındığından hata payının az çıkması daha güvenilir çözüm sonuçlarına neden olmuştur. Yaşam çözümlemesinde yer almayan gizli değişkenlerin etkisi yapısal eşitlik modelleri sayesinde daha kapsamlı çözümlemelerin yapılmasını sağlamıştır. Ayrıca yaşam çözümlemesi yaklaşımları olan kesikli ve sürekli zaman ayrımlarının yapısal eşitlik modelleri içinde kullanılabilir olması avantaj sağlamaktadır.
Bu çalışmada, yaşam çözümlemesi, yapısal eşitlik modeli ve yaşam çözümlemesinde yapısal eşitlik modelleri hakkında ayrıntılı bilgi verilmiştir. Yaşam çözümlemesinde yapısal eşitlik modellerinin uygulanabilirliğini göstermek için Gazimağusa Tıp Merkezi Hastanesi Çocuk Poliklinikleri’ne başvuran, en az 6 aylık bebeği olan 187 anneden anne sütü ile beslenmeyle ilgili elde edilmiş veri seti üzerinde uygulanmış ve yorumlanmıştır. | tr_TR |
| dc.contributor.department | İstatistik | tr_TR |
| dc.embargo.terms | Acik erisim | tr_TR |
| dc.embargo.lift | - | |
