Bu çalışmada, pozitif sayım verilerinin modellenmesinde en sık kullanılan zero-truncated regresyon modellerinden ikisi Sıfır değer kesilmiş Poisson, Sıfır değer kesilmiş Negatif Binom ile klasik Poisson ve Negatif Binom regresyon modelleri karşılaştırılmış ve bağımlı değişkenin ortalamasının model seçimindeki rolü incelenmiştir. Öncelikle bağımlı değişken için farklı ortalama değerleri kullanılarak simülasyonlar gerçekleştirilmiş, ardından iki farklı gerçek veri seti üzerinden model performansları karşılaştırılmıştır. Gerçek veri setleri, Türkiye İstatistik Kurumu (TÜİK) tarafından yayımlanan suç verileri kullanılarak oluşturulmuştur. En uygun modelin belirlenmesinde AIC, BIC ve residual grafikleri kullanılmıştır. Bağımlı değişkenin ortalamasının 5’ten küçük olduğu durumlarda, sıfır değer kesilmiş modellerin daha üstün bir performans sergilediği tespit edilmiştir.
In this study, two of the most commonly used zero-truncated regression models for modeling positive count data, namely Zero Truncated Poisson and Zero Truncated Negative Binomial, are compared with the classical Poisson and Negative Binomial regression models. The role of the mean of the dependent variable in model selection is examined. Simulations were first conducted using different mean values for the dependent variable, followed by a comparison of model performances using two different real data sets. The real data sets were constructed using crime data published by Turkish Statistical Institude (TSI). AIC, BIC, and residual plots were utilized to determine the most suitable model. The study found that zero-truncated models perform better when the mean of the dependent variable is below 5, compared to classical models.
