Bağımlı ve bağımsız değişkenler arasındaki doğrusal ya da doğrusal olmayan bir ilişkiyi modellemede, regresyon analizi yaygın olarak kullanılan istatistiksel yöntemlerden biridir. Klasik regresyon çözümlemesi, modelde yer alan bağımsız değişkenlerin herhangi bir ölçüm hatası içermediği varsayımı altında çözümleme yapmaktadır. Tip II regresyon ise bu varsayımın sağlanmadığı durumlarda kullanılabilecek bir regresyon tekniğidir. Bağımsız değişken(ler)’in de hata içerdiği durumlarda, uygun model parametrelerini tahmin etmek için benimsenebilecek bir yol, değişkenleri sırası ile bağımlı ve bağımsız olarak ele almak ve elde edilen iki regresyon denklemini beraber dikkate alan yeni bir model belirlemek olabilir. Bu çalışmanın amacı, simülasyon uygulamasıyla farklı örneklem hacimleri ve farklı dağılış biçimlerinde doğrusal olmayan Tip II regresyon tekniğinin performansını klasik doğrusal olmayan regresyon tekniği ile karşılaştırmaktır. Çalışmada, değişkenler sırasıyla bağımlı ve bağımsız olarak dikkate alınarak klasik regresyon analizi yardımıyla iki farklı model elde edilmiştir. Daha sonra bağımsız değişkendeki ölçüm hatasını da dikkate almak için elde edilen her bir gözlem değerinin ortalaması alınmıştır. Böylece daha önceki değerlerden farklı ve bağımsız değişkendeki hatayı da dikkate alan yeni değerler elde edilmiştir. Model parametreleri elde edilen bu yeni gözlem değerleri üzerinden tahmin edilmiştir. Doğrusal olmayan Tip II regresyonun performansı HKO (Hata Kareler Ortalaması) değeri ile belirlenmiştir. Simülasyon çalışması olarak yapılan tüm bu analizler MATLAB paket programı ile gerçekleştirilmiştir.

Regression analysis is one of the widely used statistical methods to model the linear or nonlinear relation between dependent and independent variables. Classical regression analysis, work under the assumption that the independent variables do not include any measurement error. Type II regression can be used when this assumption is not met. When the independent variables include some error, to estimate the appropriate model parameters one way can be considering each of the variables dependent and independent respectively and obtain a new model which considers the errors of two regression equations. The aim of this study is to compare the performance of classical nonlinear regression analysis and nonlinear Type II regression analysis for different sample sizes and distribution types via a simulation application. In study, by the help of classical regression analysis, two models are obtained by considering the variables dependent and independent respectively. Then to consider the measurement errors of independent variable, the means of the each new observations are calculated. Thus, new observations which also include the error terms of independent variables and different than the first values are obtained. Model parameters are estimated via these new values. The performance of nonlinear Type II regression is designated by MSE (Mean Square Error) value. These analysis are performed via MATLAB software as a simulation study.