Semiparametric EIV Regression Model with Unknown Errors in all Variables

Bu makale ile degiskenleri hatali olculmus yari parametrik kismi dogrusal regresyon modelinde hatalarin yogunluklari bilinmediginde kullanilabilecek bir yontem gelistirilmektedir. Bagimsiz degiskenlerin hata bulasmis iki olcumunun mevcudiyeti tanimlamayi saglamak icin kullanilir. Bu yontem, olcum hatalari yogunluklarinin bilindigi varsayimina dayanan kernel dekonvolusyon yontemine benzetilir. Bununla birlikte, bu dekonvolusyon yonteminde, super duzgun hatalarin varliginda bir regresyon fonksiyonunun tahmin edilmesi, yakinsama oranlari cok yavas oldugu icin son derece zordur. Bu durum nedeniyle, literaturde yazarlar sadece hatanin olagan duzgun dagilima sahip oldugu durumlarda calismislardir. Bu problemi Nadaraya-Watson tahmin edicisinin Fourier temsiliyle cozebiliriz, cunku bu yontem hem super duzgun hem de olagan duzgun dagilimlarin ustesinden gelebilir. Literaturde asimptotik normallik gosteriminde de ayni duzlestirme probleminden dolayi zorluk cekilmektedir. Bu calisma ile parametrik kismin asimptotik normalliginin gosterimi de saglanabilinmistir. Uygulama bolumunde, Monte Carlo simulasyon denemeleri ile B  ve g(x*) 'nin performanslari incelenmistir.