ÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.
|
|
- Onur Candemir
- 5 yıl önce
- İzleme sayısı:
Transkript
1 ÇOKLU REGRESYON MODELİ Bir ağımlı değişkene etki eden çok sayıda ağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanailir. Y= u Y= k k + u EKKY varsayımları çoklu regresyon analizinde de geçerlidir.
2 ÇOKLU REGRESYON MODELİ Tütün Miktarı Gelir Fiyat
3 ÖRNEK REGRESYON DENKLEMİ Ŷ i ˆ ˆ ˆ Katsayıların Tahmini Normal Denklemler ile, Ortalamadan Farklar ile,
4 NORMAL DENKLEMLER Y nˆ Y Y ˆ ˆ ˆ ˆ ˆ ˆ ˆ ˆ SY=?, n, S =?, S =?,SY =?, SY =?, S =?, S =?, S =?
5 Tütün Miktarı Y Gelir Fiyat SY=67.0 S =0.40 S =7.90 Y Y SY = SY =95.64
6 S = S = S =95.64
7 NORMAL DENKLEMLER ˆ ˆ ˆ 0.40ˆ 7.90ˆ ˆ ˆ ˆ 850.6ˆ
8 NORMAL DENKLEMLER -.04/ ˆ 0.40ˆ 0.40ˆ ˆ 7.90ˆ ˆ ˆ ˆ 778.8ˆ ˆ ˆ ˆ ˆ 76.9 ˆ
9 NORMAL DENKLEMLER -.79/ ˆ 7.90ˆ 0.40ˆ ˆ 7.90ˆ 850.6ˆ ˆ ˆ ˆ ˆ 47.64ˆ 850.6ˆ ˆ 4.99 ˆ
10 NORMAL DENKLEMLER -5.6 / ˆ ˆ 76.9ˆ 4.99ˆ ˆ ˆ 76.9ˆ 76.9ˆ ˆ ˆ 0.895
11 NORMAL DENKLEMLER ( 0.895) 76.9ˆ ˆ ˆ ˆ 0.978
12 NORMAL DENKLEMLER ˆ (0.895) 7. 90( ) ˆ ˆ ˆ 6.
13 ÖRNEK REGRESYON DENKLEMİ Yˆ i
14 ORTALAMADAN FARKLAR YOLUYLA Y ˆ ˆ ˆ y=?, x =?, x =?? Y? x x x yx x x x yx ˆ ˆ ˆ ˆ? Syx =?, Syx =?, Sx x =?, Sx =?, Sx =?
15 ORTALAMADAN FARKLAR Tütün Miktarı Y Gelir Fiyat y x x SY=67.0 S =0.40 S =7.90 Y
16 ORTALAMADAN FARKLAR yx yx x x x x Syx =500. Syx =5.79 Sx x = Sx =878. Sx =4.99
17 ORTALAMADAN FARKLAR -5.6 / ˆ 769. ˆ 769. ˆ 499. ˆ ˆ ˆ 769. ˆ 769. ˆ ˆ ˆ 0.895
18 ORTALAMADAN FARKLAR ( ) 76. 9ˆ ˆ ˆ ˆ 0.978
19 ORTALAMADAN FARKLAR ˆ 67. ( )(. 04) ( )(. 79 ) ˆ 6.
20 ÖRNEK REGRESYON DENKLEMİ Yˆ i Tütün miktarı Gelir Fiyat
21 ELASTİKİYETLERİN HESAPLANMASI E yx i Y / Y lim x 0 / i i Y i. i Y Nokta Elastikiyet Ortalama Elastikiyet
22 NOKTA ELASTİKİYET 0 = 40 0 = 8 Yˆ i ( 40) ( 8) Yˆ
23 NOKTA ELASTİKİYET Y E Y. 0 Yˆ 0 ˆ. Yˆ Y E 0 Tütünün gelir elastikiyeti
24 NOKTA ELASTİKİYET Y E Y. 0 Yˆ 0 ˆ. Yˆ Y E 0 Tütünün fiyat elastikiyeti
25 E i Yi EY ORTALAMA ELASTİKİYET Y ˆ EY Y i i. ˆ i. i Y Y = = Y 67. ; 04. ; 79.
26 ÖRNEK REGRESYON DENKLEMİ Ŷ i ˆ ˆ ˆ Yˆ i
27 ÇOKLU REGRESYON MODELİNDE TAHMİNİN STANDART HATASI s Se i Y ˆ i? ˆ S( Yi Yi ) Sei? n k Yˆ i
28 VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ ) Tek açıklayıcı değişkenli model var ˆ u x ) İki açıklayıcı değişkenli model var var ˆ ˆ x x x xx u x x x xx u Y u Y u Bu ifadeler determinantla şöyle yazılailir.
29 VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ Sapmalar içiminde yazılmış iki açıklayıcı değişkenli modelin normal denklemleri şöyledir. x y ˆ ( x ) ˆ ( x x ) ˆ ( ) ˆ ( ) x y xx x () () Parantez içindeki terimler, örnek gözlemlerinden hesaplanmış determinantlardır ˆ ve ˆ ise ilinmeyenlerdir.
30 VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ () ve () nolu denklemin sağ tarafında yer alan ilinenler, determinant kalıında yazılailir. x x x x x x A Her ir parametrenin varyansı, u parametreye ilişkin minör determinantının (ütün) determinanta ölümünün u İle çarpımıdır. Yani
31 Ve.. VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ x y ˆ ( x ) ˆ ( x x ) ˆ ( ) ˆ ( ) x y xx x () () var ˆ için x x x ˆ xx x x x var u u u x A xx x xx xx x xx x
32 VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ var ˆ için x x x ˆ xx x x x var u u u x A xx x xx xx x xx x
33 VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ ) Üç açıklayıcı değişkenli model Y 4 4 Normal denklemin sağ tarafında görülen ilinen terimlerin determinantı şöyledir: x x x x x x x x x x B x x x x x
34 VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ Y 4 4 Daha önce iki açıklayıcı değişkenli model için açıklanan işlemleri urada da yenilersek varyansları determinant cinsinden şöyle yazailiriz. var ˆ için: 4 xx x xx 4 x xx4 var x ˆ x 4 xx 4 x 4 x x 4 x4 u u x x x x x B B
35 VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ 4 xx x xx 4 x xx4 var x ˆ x 4 xx 4 x 4 x x 4 x4 u u x x x x x B B
36 VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ 4 xx x xx 4 x xx var x ˆ x 4 xx 4 x 4 x x x 4 u u x x x x x B B
37 VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ Katsayı tahminlerinin varyanslarını gösteren daha önceki ifadeler incelenecek olursa, şu genelleme yapılailir. k sayıda açıklayıcı değişken içeren ir modelin tahminlerinin varyansı iki determinantın iririne oranından hesaplanailir.
38 VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ Örneğin ˆk nın varyansı aşağıdaki ifadedir. var ˆ k u x x x x x x x x x x x x x x x x k k k x x x x x x x x x x x x x x x x k k k k k k k
39 Çoklu Regresyon Modelinde Tahminin Standart Hatası Tütün Y SY=67.0 Gelir Fiyat Ŷ SŶ 67.6 e e Se = Se = 5.68
40 Çoklu Regresyon Modelinde Tahmincilerin Standart Hataları Sei 5.68 s =.954 n k 0 s( ˆ ) s Sx Sx Sx ( Sx x ) =0.067 (878.8)(4.99) (76.9)
41 Çoklu Regresyon Modelinde Tahmincilerin Standart Hataları s( ˆ ) s Sx Sx Sx ( Sx x ) (878.8)(4.99) (76.9) =0.47 Var( ). x x x x s n x x ( xx )
42 Çoklu Belirlilik Katsayısı R RBD TD Sŷ Sy Syx Sy Syx R 0.895(500.) ( 0.978)(5.79) = HBD Se TD S y 5.68 = R HBD TD Se Sy = 0.
43 Düzeltilmiş Belirlilik Katsayısı R değeri yeni ağımsız değişken eklendiğinde daima artar, R de payın değeri artarken payda aynı kalır. Bu sakıncayı ortadan kaldırailmek için aşağıdaki düzeltilmiş elirlilik katsayısı hesaplanailir: R ( R ) n n k 0 ( 0.89) 0 = 0.86 R R Çoklu korelasyon katsayısı (R) : Y ağımlı değişkeni ile ağımsız değişkenleri arasındaki ilişkinin derecesini göstermektedir.
44 Basit Korelasyon Katsayıları r yx r Syx Sx Sy 500. = (878.8)(8.90) r yx x x r r Sx Sx Syx Sx x Sy Sx 5.79 (4.99)(8.90) 76.9 (878.8)(4.99) = = x x r Sx Sx x Sx 76.9 (4.99)(878.8) = 0.964
45 Kısmi Korelasyon Katsayıları x ˆ x x ˆ yx x x ˆ x ˆ yx ˆ ˆ x x yx x x x ˆ x ˆ yx x İfadenin her iki yanı ölünürse
46 Kısmi Korelasyon Katsayıları ˆ yx x x ˆ x x nin Y ye Toplam Etkisi ˆ ˆ ˆ ˆ nin Y ye Doğrudan Etkisi = - nin Y ye Dolaylı Etkisi ( 0.978)(0.768)
47 Kısmi Korelasyon Katsayıları ) r )( r ( r r r r. ) r )( r ( r r r r. ) r )( r ( r r r r. ] (0.964) ][ (0.7490) [ (0.7490)(0.964) =0.86 ] (0.964) ][ (0.877) [ (0.877)(0.964) = ] (0.7490) ][ (0.877) [ (0.877)(0.7490) =0.96
48 Kısmi Regresyon Parametrelerinin Ayrı Ayrı Testi.Aşama H 0 : = 0 H : 0.Aşama a =? = 0.05 ; S.d.=? = n-k =0- = 7 t a,sd =? t 0.05,7 =? =.65.Aşama t hes ˆ s(ˆ ) *? = Aşama t hes = > t ta =.65 H 0 hipotezi reddedileilir
49 Kısmi Regresyon Parametrelerinin Ayrı Ayrı Testi.Aşama H 0 : = 0 H : 0.Aşama a =? = 0.05 ; S.d.=? = n-k =0- = 7 t a,sd =? t 0.05,7 =? =.65.Aşama t hes ˆ s(ˆ ) *? = Aşama t hes =-.86 > t ta =.65 H 0 hipotezi reddedileilir
50 Regresyon Parametrelerinin Topluca Testi Y= u (Sınırlandırılmamış Model)(SM) Y= + u (SR) (Sınırlandırılmış Model)(SR).Aşama H 0 : = = 0 H : i 0.Aşama a =? = 0.05 ; f =? = k- = -= f =? = n-k =0-=7 F a,f,f =? F 0.05,,7 =? =4.74
51 Regresyon Parametrelerinin Topluca Testi.Aşama R /(k ) ( R ) /(n Fhes k)? /( ) ( ) /(0 ) =7.7 4.Aşama F hes = 7.7 > F ta = 4.74 H 0 hipotezi reddedileilir
52 Varyans Analiz Talosu Değişkenlik SKT sd SKTO Fhes F-Anlamlılık RBD HBD TD [0.0005]
53 Güven Aralıkları ˆ t s(ˆ a/ ) = (0.067) 0.70 < < 0.48 ˆ t s(ˆ ) = (0.47) a/ < <
54 Sait Terimsiz Bağlanım(Regresyon) Modeli Y i i u i Y i i u i Sait Terimsiz Bağlanım Modeli Y i i i s( ) s i 0< <
55 Sait Terimsiz Bağlanım Modeli Sait Terimsiz Bağlanım Modelinin Özellikleri ) Sait terimsiz regresyonda Σei lerin sıfıra eşit olması şart değildir. ) Sait terimsiz regresyonda r elirlilik katsayısı uygun ir ölçü değildir. Çünkü u katsayının sait terimsiz regresyonda negatif değer alması söz konusu olailmektedir.
56 Sait Terimsiz Bağlanım Model Örnekleri İmalat Sanayi Mamülleri Üretim Fonksiyonları Üretim faktörleri girdileri sıfırken çıktı yani üretim de sıfır olmalıdır. Orijinden Geçen Uzun Dönem Tüketim Fonksiyonu saitinin pozitif değeri ize ekonomik irimlerin gelir seviyeleri sıfırken daha önce yaptıkları tasarrufları tükettiklerini ve daha önceki dönemlerde üretilmiş mallardan faydalandıklarını ifade etmektedir. Kapalı ir ekonominin daha önce ürettiği tüketim malları stoku yoksa, değeri sıfırdan üyük olamaz. Bu halde gelir seviyesi sıfıra indiğinde tüketim geliri aşacak, u da negatif ir tasarrufa karşılık gelecektir.
57 Sait Terimsiz Bağlanım Model Örnekleri Gelirden ağımsız ve kısıtlanması mümkün olmayan tüketim seviyesi 'e ağımsız tüketim harcamaları denir. Bu durum kısa dönemde söz konusu olur. Buna karşılık, daha önceki irikmiş tasarruflara ağlı olarak elli ir tüketim seviyesi in varlığının kaulünün uzun dönemde hiç ir anlamı olmaz.
58 Sait Terimsiz Bağlanım Model Örnekleri Portföy Teorisi Bir yatırım projesinin toplam riski, iki riskten oluşur: Sistematik risk veya piyasa riski ve sistematik olmayan risk. Sistematik olmayan risk firmanın yönetim şartları, firmalar arası rekaet, grevler ve tüketici davranışlarındaki değişmeler gii faktörlere ağlıdır. Sistematik risk, Piyasa faiz oranlarının değişmesi, enflasyon riski, finansal piyasalardaki değişmeler gii faktörlere ağlıdır
59 Sait Terimsiz Bağlanım Model Örnekleri Finansal Varlıkları Fiyatlama Modelinin Beta Katsayısı, projelerin sistematik riskini ölçmeye yarar. Finansal Varlıklar Fiyatlama Modeli : R i - r f = ß i (R m - r f ) + u i R i = i finansal varlığı verim oranı R m = Piyasa portföyü verim oranı (riskli varlıklardan oluşan) r f = Risksiz piyasa verim oranı (hazine onosunun 90 günlük verim oranı gii) ß i = Finansal varlığın sistematik riski (Beta katsayısı) u i = hata terimi
60 Sait Terimsiz Bağlanım Model Örnekleri Y i = a i + ß i i + u i Y i = Şirketin yıllık verimlilik oranı (%) i = Piyasa portföyü yıllık verimlilik oranı (%) ß i = Eğim katsayısı, portföy teorisinde Beta katsayısı (Sistematik Risk) Y i =.0899 i s ( i ): (0.96), Se = t (5.6884) Y i = i s (i) (7.6886) (0.8) t = (0.664) (4.4860)
61 DOĞRUSAL OLMAYAN REGRESYON MODELLERİ Tam Logaritmik Modeller Yarı-Logaritmik Model *Log-Doğ Model(Üstel Model) *Yarı-Logaritmik Model Doğ - Log Model Polinomial Model
62 Tam Logaritmik Model Y > 0< < Y <0 Y ( sait tutulduğunda)
63 Tam Logaritmik Model(Üslü model-log-log Modeller-Sait Elastikiyetli Modeller) Y veya. logy log log log u logy Y * log * log * Y * * * ˆ * ˆ ve ˆ tahminler i sapmasızdı r tahmini eğrinin heryerinde aynıdır. * antilog ˆ tahmini sapmalıdır.
64 E Y. Y Y dy d lim. yx 0 Y Y ' dy d. Y nin eşiti üstteki denklemde yerine konursa E Y...
65 Tam Logaritmik Model Birden fazla ağımsız değişken olduğunda Y.. k. k lny =ln + ln + ln k ln k + u lne Y * = * + * + * k k * + u SY S Y * * * * Y ˆ nˆ * * S ˆ ˆ e u * * ˆ * S e * ˆ ˆ *? ˆ? S *
66 . Y Y '...(. ) Y. E yx Y Y Y. Y Y
67 Y Uygulama 4. (07-0)
68 LNY Uygulama 4. (07-0) LN
69 Uygulama 4. (07-0) Hanehalkı Y * =lny * =ln * Y * =ln() ln(y) * =[ln()] Y * =[ln(y)]
70 Uygulama 4. (07-0) * Y * Y * n * n = = Σx = Σ - n (Σ) Sx * = Σxy = ΣY - n (4.074) =7.986 (Σ) (ΣY) Sy * x * = (4.074) (0.449) =.69
71 Uygulama 4. (07-0) ˆ * x y x * * = 0.67 * = * * Y - = (0.67) =.4 * Ŷ = * ln Ŷ = ln Ŷ = [ln(9.4046) =.4]
72 Üretim Fonksiyonu Y Y. Y Y Y Y= Üretim =Emek ; =Sermaye = Emeğin Marjinal Verimliliği = Sermayenin Marjinal Verimliliği lny = ln ln (t) (-.4) (.87) (4.8) n=5 Düz-R = 0.878
73 Yarı-Logaritmik Model Log-Doğ Model(Üstel Model) Y e e e A e Y Y = Ae Y Y = Ae A >0 A <0 (a) ()
74 Yarı-Logaritmik Fonksiyon Log-Doğ Model(Üstel Model) lny = + + u Yarı Logaritmik Modele ait elastikiyet Y e E Y dy d Y e. e.. E Y.
75 lny = + t + u Artış Hızı Modeli Log-Doğ Model(Üstel Model) r = (Antilog - ). 00 Y= İş hacmi(98-988) ln Y = t r = (Antilog 0. - ). 00 = ( ). 00 = (0.997). 00 = % 4
76 Örnek yıllarına ait GSMH verileri aşağıdadır. Buna göre üyüme hızını ulunuz. Y t logy logy*t t Ytahmin e os GSMH YIL LOGGSMH LOGGSMH_YIL YILKARE YTAHMIN HATA
77 lny = + t + u LOG(GSMH)= YIL t (46.004) (6.640) Pro (0.0000) (0.0000) = (Antilog - ). 00 r = (Antilog ). 00
78 Ücret Modeli Log-Doğ Model(Üstel Model) Aşağıdaki ücret modeli Uygulama 9. den alınmıştır.(s.47) Modelde: Y:Haftalık Kazanç ($) ; : Tecrüe ; : Eğitim Kategorisi lny =
79 Yarı-Logaritmik Fonksiyon Doğ - Log Model Y = + ln+ u Y Y Y = + ln Y = + ln >0 <0 (a) ()
80 Yarı-Logaritmik Fonksiyon Doğ - Log Model Yarı Logaritmik Modele ait elastikiyet Y ln dy d Y.. Y E Y. E Y Y Y
81 Y = + ln + ln + u Hedonik Model Doğ - Log Model Fiyat = ln(m ) ln(yatakoda) (t) (-6.8) (7.5) (-.7) Pro. [0.48] Düz-R = 0.86 sd=
82 Polinomial Fonksiyonlar Y = k+ k + u Kuadratik Model: Y = u dy = + = 0 0 = - / d d d Y = Eğer <0 ise 0 noktası maksimumdur Eğer >0 ise 0 noktası minimumdur
83 Polinomial Fonksiyonlar Kuadratik Model OM= Ortalama Maliyet ; Çıktı =Üretimİndeksi GMİ= Girdi Maliyetleri İndeksi OM = Çıktı (Çıktı) GMİ (t) (4.) (-9.7) (7.8) (4.45) Düz-R =0.978 sd=6
84 Polinomial Fonksiyonlar Küik Model TM= Toplam Maliyet ;Q =Üretim Miktarı TM Q (adet) Y (T oplam Maliyet) (Üretim)
85 Polinomial Fonksiyonlar Küik Model Y = u > 0, > 0 < 0 < 4 TM = Q -.96 Q Q s( i ) (6.7) (4.78) (0.98) (0.059) R =0.998 sd=6
86 En Yüksek Olailirlik Yöntemi İstatistikte, tüm anakütleler kendilerine karşılık gelen ir olasılık dağılımı ile tanımlanırlar. Basit(sıradan) en küçük kareler yöntemi, özünde olasılık dağılımları ile ilgili herhangi ir varsayım içermez. Bu yüzden, çıkarsama yapmada BEK tek aşına ir işe yaramaz. BEK, genel ir tahmin yaklaşımından çok regresyon doğrularını ulmada kullanılailecek ir hesaplama yöntemi olarak görülmelidir. 86
87 BEK yönteminden daha güçlü kuramsal özellikler gösteren ir aşka nokta tahmincisi EYO, yani en yüksek olailirlik (maximum likelihood) yöntemidir. En yüksek olailirlik yönteminin ardında yatan temel ilke şu eklentidir: Rassal ir olayın gerçekleşmesi, o olayın, gerçekleşme olasılığının en yüksek olay olmasındandır. Bu yöntem, 90 li yıllarda Ingiliz istatistikçi Sir Ronald A. Fisher (890-96) tarafından ulunmuştur. Ki-kare testi, ayesgil yöntemler ve çeşitli ölçüt modelleri gii irçok istatistiksel çıkarım yöntemi, temelde EYO yaklaşımına dayanmaktadır. 87
88 EYO yöntemini anlayailmek için, elimizde dağılım katsayıları ilinen farklı anakütleler ve rassal olarak elirlenmiş ir örneklem olduğunu varsayalım: Bu örneklemin farklı anakütlelerden gelme olasılığı farklı ve azı ana kütlelerden gelme olasılığı diğerlerine göre daha yüksektir. Elimizdeki örneklem, eğer u anakütlelerden irinden alınmışsa, alınma olasılığı en yüksek anakütleden alınmış olmalıdır diye düşünüleilir. 88
89 Kısaca:. Anakütlenin olasılık dağılımı elirlenir veya u yönde ir varsayımda ulunulur.. Eldeki örneklem verilerinin, hangi katsayılara sahip anakütleden gelmiş olma olasılığının en yüksek olduğu ulunur. YALTA ( Ders Notları) 89
90 Regresyon Katsayılarının En Yüksek Olailirlik Tahminleri Y + i i Y = + + u modelinde katsayıların en yüksek olailirlik tahminleri yapılmadan önce modelde hata terimi olmadığını ifade edelim. Nokta ile gösterilen yerde Y değerine karşılık gelen değerinin i değerine eşit olduğu görülmektedir. 90
91 Y + i Eğer modele hata terimini eklersek hataların elli ir ortalama ve varyansa ağlı olarak normal dağıldığını varsayailiriz. i 9
92 Y + i i Şekilde gösterilen dağılış hata teriminin önceden tahmin edilen dağılışıdır. Gerçekte hata teriminin dağılışının elli ir değere ağlı olarak modelde normal dağıldığını varsayailiriz. 9
93 Y + i i Ayrıca yatay eksene göre akıldığında; şekilde gösterilen dağılış = i durumunda Y nin tahmini dağılımını da ifade etmektedir. 9
94 Y + i i Y değeri + i e yaklaştıkça göreceli olarak daha yüksek yoğunluğa sahip olmaktadır. 94
95 Y + i i Bununla irlikte + i den uzaklaştıkça yoğunluk azalmaktadır. 95
96 Y + i i Y i nin ortalama değeri + i ve hata terimlerinin standart sapması da s, olduğunu varsayarsak. 96
97 Y f ( Y i ) e Y i i + i i Y i lerin olasılık yoğunluk fonksiyonları f(y i ) fonksiyonu ile ifade edileilir. 97
98 İki Değişkenli Basit Regresyon Modelinin En Yüksek Olailirlik Yöntemi İle Tahmini Tek denklemli ekonometrik modellerin tahmininde EKKY dışında kullanılan alternatif yöntem En Yüksek Olailirlik Yöntemidir. Büyük örneklerde her iki yöntemde yakın sonuçlar vermektedir. Küçük örneklerde ise EYOBY de s e / n olup sapmalıdır. EKKY de ise s e / n sapmasızdır. 98
99 EYOBY nin regresyon modeline uygulanışı şöyledir: Y i i u i Y ağımlı değişkeninin E( Yi ) i ortalamalı var( Y i ) s varyanslı normal ve Y i değerlerinin ağımsız dağıldığı varsayılmaktadır. Yani Y i N(,s i ) () 99
100 Bu ortalama ve varyansla Y i nin Y, Y,,Y n değerlerinin ileşik olasılık yoğunluk fonksiyonu şöyledir: f ( Y, Y,..., Yn i, s ) Y ler iririnden ağımsız olduğundan, u ileşik olasılık yoğunluk fonksiyonu, n tane ireysel yoğunluk fonksiyonunun çarpımı olarak yazılailecektir. (Y,Y,...,Y,s ) f (Y,s ).f (Y,s ) n i...f (Y n n,s ) () () deki f(y i ), () deki ortalama ve varyanslı normal dağılımlı yoğunluk fonksiyonu olup şöyle ifade edilir: 00
101 ) ( Y i i Y i e f... ) (... ) ( Y n n Y n e e Y f Y f () () ü () deki her Y i yerine koyarak aşağıdaki ifadeyi elde ederiz: (4) (4) de Y i ler ilindiğinde ve, ve s ler ilinmediğinde (4) ifadesine en yüksek olailirlik fonksiyonu adı verilir ve L(,,s) şeklinde gösterilir. Ortak yoğunluk fonksiyonları her ir yoğunluk fonksiyonunun çarpımına eşittir. 0
102 Y β β Yn β βn σ σ n (5) L β,β,σ Y,...,Y e... e σ π σ π L,, Yii ( ) e n n ( ) En yüksek olailirlik yöntemi ilinmeyen i parametrelerinin, verilen Y nin gözlenme olasılığının ençok(maksimum) olacak tarzda tahmini esasına dayanır. Bu seepten lerin EYOBY ile tahmin için (5) fonksiyonunun maksimumunun araştırılması gerekir. Bu türevdir, türev için en kısa yol alınmasıdır. (5) in log. nın 0
103 Y Y n n e... e ln ln L i Y ln n ln n L ln 0 Y * ln L i 0 Y * ln L i i i i i n Y i i i i Y 0
104 4 i Y ** n ln L 0 Y n ln L i n Y i 04
ÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.
ÇOKLU REGRESYON MODELİ Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir. Y=b 1 + b X + b X + u Y=b 1 + b X + b X +...+ b k X k + u
DetaylıEn Yüksek Olabilirlik Yöntemi. İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar.
En Yüksek Olabilirlik Yöntemi İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar. Basit(sıradan) en küçük kareler yöntemi, özünde olasılık dağılımları ile
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
DetaylıDOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ
DOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL SINIRLAMALARIN TESTİ t testi F testi Diğer testler: Chow testi MWD testi DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ Benzerlik Oranı Testi Lagrange Çarpanı
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
DetaylıTek Denklemli Modellerde Uygulanan Testler 1.Yeni Bağımsız Değişkenler Ekleme Testi(s )
Tek Denklemli Modellerde Uygulanan Testler 1.Yeni Bağımsız Değişkenler Ekleme Testi(s.285-293) Y=β 1 + β 2 X 2 + β 3 X 3 + u (SR) Y=β 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + u 1.Aşama (SM) H 0 : β
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
DetaylıEkonometri I VARSAYIMLARI
Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:
DetaylıYatırım Analizi ve Portföy Yönetimi 6. Hafta
Yatırım Analizi ve Portföy Yönetimi 6. Hafta Dr. Mevlüt CAMGÖZ 1 Dr. Mevlüt CAMGÖZ İçerik Karakteristik Doğru ve Beta Katsayısı Karakteristik Doğrunun Tahmini Beta Katsayısının Hesaplanması Agresif ve
Detaylıortalama ve ˆ ˆ, j 0,1,..., k
ÇOKLU REGRESYONDA GÜVEN ARALIKLARI Regresyon Katsayılarının Güven Aralıkları y ( i,,..., n) gözlemlerinin, xi ortalama ve i k ve normal dağıldığı varsayılsın. Herhangi bir ortalamalı ve C varyanslı normal
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
DetaylıNormallik Varsayımı ve Ençok Olabilirlik Yöntemi
Normallik Varsayımı ve Ençok Olabilirlik Yöntemi Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011) Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial
DetaylıYatırım Analizi ve Portföy Yönetimi 5. Hafta
Yatırım Analizi ve Portföy Yönetimi 5. Hafta Dr. Mevlüt CAMGÖZ 1 Dr. Mevlüt Camgöz İçerik Tek Endeks / Pazar Modeli Sistematik Risk Sistematik Olmayan Risk Sermaye Varlıklarını Fiyatlandırma Modeli (SVFM)
Detaylı4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu
4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ 4.1. Katsayıların Yorumu Y i = β 0 + β 1 X 1i + β X i + + β k X ki + u i gibi çok açıklayıcı değişkene sahip bir modelde, anakütle regresyon fonksiyonu, E(Y i X
DetaylıYARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU
Marmara Üniversitesi U.B.F. Dergisi YIL 2005, CİLT XX, SAyı 1 YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU Yrd. Doç. Dr. Ebru ÇACLAYAN' Arş. Gör. Burak GÜRİş" Büyüme modelleri,
DetaylıRegresyon Modelinin Uzantılar
Bölüm m 6:İki Degişkenli Dogrusal Regresyon Modelinin Uzantılar ları İki degişkenli modellere paralel olarak Sıfır r noktasından ndan geçen en regresyonu yani β 1 yok iken... Ölçü birimleri sorunu ve Y
Detaylı14 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri I: Değişen Varyans
DetaylıKONULAR. 14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
ÇOKLU REGRESYON ANALİZİNDE EK KONULAR Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri
DetaylıKORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN
KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
DetaylıDOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci
DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıİÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37
İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar
DetaylıNormallik Varsayımı ve Ençok Olabilirlik Yöntemi
Normallik Varsayımı ve Ençok Olabilirlik Yöntemi EO Açıklayıcı Örnekler Ekonometri 1 Konu 14 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike
DetaylıÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ
ÖRNEKLEME DAĞILIŞLARI VE TAHMİNLEYİCİLERİN ÖZELLİKLERİ TEMEL KAVRAMLAR PARAMETRE: Populasyonun sayısal açıklayıcı bir ölçüsüdür ve anakütledeki tüm elemanlar dikkate alınarak hesaplanabilir. Ana kütledeki
DetaylıNormal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. b tahminleri için uygulanan testlerin geçerliliği u i nin normal dağılmasına bağlıdır.
DetaylıÖğr. Elemanı: Dr. Mustafa Cumhur AKBULUT
Ünite 10: Regresyon Analizi Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT 10.Ünite Regresyon Analizi 2 Ünitede Ele Alınan Konular 10. Regresyon Analizi 10.1. Basit Doğrusal regresyon 10.2. Regresyon denklemi
DetaylıCh. 5: SEKK (OLS) nin Asimptotik Özellikleri
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik
DetaylıDoç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ
I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA
DetaylıİÇİNDEKİLER 1. GİRİŞ...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri
DetaylıGruplanmış serilerde standart sapma hesabı
Gruplanmış serilerde standart sapma hesabı Örnek: Verilen gruplanmış serinin standart sapmasını bulunuz? Sınıflar f i X X X m i f i. m i m i - (m i - ) f i.(m i - ) 0 den az 3 4 den az 7 4 6 dan az 4 6
DetaylıANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI
ANADOLU ÜNİVERSİTESİ Deney Tasarımı ve Regresyon Analizi Regresyonda Güven Aralıkları ve Hipotez Testleri Doç. Dr. Nihal ERGİNEL-2015 REGRESYON KATSAYILARININ GÜVEN ARALIĞI + in güven aralığı : i-) n 30
DetaylıFinansal Yatırım ve Portföy Yönetimi. Ders 5
Finansal Yatırım ve Portföy Yönetimi Ders 5 FİNANSIN TEMEL SORULARI: Riski nasıl tanımlarız ve ölçeriz? Farklı finansal ürünlerin riskleri birbirleri ile nasıl alakalıdır? Riski nasıl fiyatlarız? RİSK
DetaylıKoşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.
Koşullu Öngörümleme Ex - ante (tasarlanan - umulan) öngörümleme söz konusu iken açıklayıcı değişkenlerin hatasız bir şekilde bilindiği varsayımı gerçekçi olmayan bir varsayımdır. Çünkü bazı açıklayıcı
Detaylı2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK
Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki
DetaylıMIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009
MIT OpenCourseWare http://ocw.mit.edu 14.30 Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009 Bu materyale atıfta bulunmak ve kullanım koşulları için http://ocw.mit.edu/terms sayfasını ziyaret ediniz.
Detaylıİstatistiksel Kavramların Gözden Geçirilmesi
İstatistiksel Kavramların Gözden Geçirilmesi İstatistiksel Çıkarsama Ekonometri 1 Konu 3 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike
DetaylıDers 9: Kitle Ortalaması ve Varyansı için Tahmin
Ders 9: Kitle Ortalaması ve Varyansı için Tahmin Kitle ve Örneklem Örneklem Dağılımı Nokta Tahmini Tahmin Edicilerin Özellikleri Kitle ortalaması için Aralık Tahmini Kitle Standart Sapması için Aralık
Detaylı17 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: TAHMİN Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 17 Ekim 2012 Ekonometri
DetaylıCh. 12: Zaman Serisi Regresyonlarında Ardışık Bağıntı (Serial Correlation) ve Değişen Varyans
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri II Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 12: Zaman Serisi Regresyonlarında
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen
Detaylıİki Değişkenli Bağlanım Çıkarsama Sorunu
İki Değişkenli Bağlanım Çıkarsama Sorunu Aralık Tahmini Ekonometri 1 Konu 15 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported
Detaylı13. Olasılık Dağılımlar
13. Olasılık Dağılımlar Mühendislik alanında karşılaşılan fiziksel yada fiziksel olmayan rasgele değişken büyüklüklerin olasılık dağılımları için model alınabilecek çok sayıda sürekli ve kesikli fonksiyon
DetaylıAppendix C: İstatistiksel Çıkarsama
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama
DetaylıÖrnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.
Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.
DetaylıRastgele Değişkenlerin Dağılımları. Mühendislikte İstatistik Yöntemler
Rastgele Değişkenlerin Dağılımları Mühendislikte İstatistik Yöntemler Ayrık Rastgele Değişkenler ve Olasılık Dağılımları Yapılan çalışmalarda elde edilen verilerin dağılışı ve dağılış fonksiyonu her seferinde
DetaylıKARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005
KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:
DetaylıBir Normal Dağılım Ortalaması İçin Testler
Bir Normal Dağılım Ortalaması İçin Testler İÇERİK o Giriş ovaryansı Bilinen Bir Normal Dağılım Ortalaması İçin Hipotez Testler P-değerleri: II. Çeşit hata ve Örnekleme Büyüklüğü Seçimi Örnekleme Büyüklüğü
Detaylı14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri
DetaylıYapılan alan araştırması sonucunda aşağıdaki sonuçlar elde edilmiştir. ( ) ( ) ( ) ( )
İKİ DEĞİŞKENLİ OLASILIK Rassal bir deneme yapılmakta ve farklı iki olay ile ilgilenilmektedir. A 1, A 2,,A i olayları bağdaşmaz ve bütünü kapsayıcıdır. B 1, B 2,,B j olayları bağdaşmaz ve bütünü kapsayıcıdır.
DetaylıTemel İstatistik. Y.Doç.Dr. İbrahim Turan Mart Tanımlayıcı İstatistik. Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri
Temel İstatistik Tanımlayıcı İstatistik Dağılımları Tanımlayıcı Ölçüler Dağılış Ölçüleri Y.Doç.Dr. İbrahim Turan Mart 2011 DAĞILIM / YAYGINLIK ÖLÇÜLERİ Verilerin değişkenlik durumu ve dağılışın şeklini
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Korelasyon- (lineer korelasyon) Açıklayıcı (Bağımsız) Değişken x çalışma zamanı ayakkabı numarası İki değişken arasındaki ilişkidir. Günlük sigara sayısı SAT puanı boy Yanıt (Bağımlı)
Detaylı7.Ders Bazı Ekonometrik Modeller. Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla.
7.Ders Bazı Ekonometrik Modeller Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla. Kaynak: TÜĐK dönemler gayri safi yurt içi hasıla düzeyi 1987-1 8680793 1987-2 9929354 1987-3 13560135 1987-4
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık - I Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kes1rim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmak7r. ü Bu anlamda, anakütleden çekilen
Detaylı009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL
DetaylıNormal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. β tahminleri için uygulanan testlerin geçerliliği u i nin normal dağılmasına bağlıdır.
Detaylıİçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma...
İçindekiler İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii BÖLÜM 1 Ölçme, İstatistik ve Araştırma...1 Ölçme Nedir?... 3 Ölçme Süreci... 3 Değişkenler
DetaylıProf. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I
Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının
DetaylıÖrneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.
ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
Detaylı6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM. Yazan SAYIN SAN
6. HAFTA DERS NOTLARI İKTİSADİ MATEMATİK MİKRO EKONOMİK YAKLAŞIM Yazan SAYIN SAN SAN / İKTİSADİ MATEMATİK / 2 A.5. Doğrusal olmayan fonksiyonların eğimi Doğrusal fonksiyonlarda eğim her noktada sabittir
DetaylıKorelasyon, Korelasyon Türleri ve Regresyon
Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
Detaylı9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir?
9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir? Ardışık bağımlılık sorunu, hata terimleri arasında ilişki olmadığı (E(u i,u j ) = 0, i j) varsayımının geçerli olmamasıdır.
DetaylıÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ
ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ 1. ÇOKLU REGRESYON ANALİZİ VE VARSAYIMALARDAN SAPMALAR 1.1. Çoklu Regresyon modeli Varsayımları 1.2. Tahmincilerin anlamlılığının sınanması
DetaylıNitel Tepki Bağlanım Modelleri
Doğrusal-Dışı Yaklaşım ve Nitel Tepki Bağlanım Modelleri Doğrusal-Dışı Yaklaşım ve Ekonometri 2 Konu 18 Sürüm 2,0 (Ekim 2011) Doğrusal-Dışı Yaklaşım ve UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons
DetaylıBASİT REGRESYON MODELİ
BASİT REGRESYON MODELİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri I: Basit Regresyon
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
DetaylıEME 3117 SİSTEM SIMÜLASYONU. Girdi Analizi. Özet İstatistikler ve Histogram (Minitab)(1) Örnek: Eczane İçin Servis Süreleri
EME 3117 1 2 Girdi Analizi SİSTEM SIMÜLASYONU Modellenecek sistemi (prosesi) dokümante et. Veri toplamak için bir plan geliştir. Veri topla. Verilerin grafiksel ve istatistiksel analizini yap. Girdi Analizi-I
Detaylıaltında ilerde ele alınacaktır.
YTÜ-İktisat İstatistik II Nokta Tahmin Yöntemleri 1 NOKTA TAHMİN YÖNTEMLERİ Şimdiye kadar verilmiş tahmin edicilerin sonlu örneklem ve asimptotik özelliklerini inceledik. Acaba bilinmeyen anakütle parametrelerini
DetaylıOlasılık ve Normal Dağılım
Olasılık ve Normal Dağılım P = 0 İmkansız P =.5 Yarı yarıya P = 1 Kesin Yazı-Tura 1.5 2 1.5 2.5.5.25 Para atışı 10 kere tekrarlandığında Yazı Sayısı f % 0 3 30 1 6 60 2 1 10 Toplam 10 100 Atış 1000 kere
DetaylıNokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş
Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Nokta Tahmini
DetaylıOLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler
1 SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge
Detaylı15.433 YATIRIM. Ders 7: CAPM ve APT. Bölüm 2: Uygulamalar ve Sınamalar
15.433 YATIRIM Ders 7: CAPM ve APT Bölüm 2: Uygulamalar ve Sınamalar Bahar 2003 Öngörüler ve Uygulamalar Öngörüler: - CAPM: Piyasa dengesinde yatırımcılar sadece piyasa riski taşıdıklarında ödüllendirilir.
DetaylıSVFM. Ders 11 Finansal Yönetim 15.414
SVFM Ders 11 Finansal Yönetim 15.414 SVFM Riski ölçmek Sistematik risk, dağıtılabilir risk Risk ve getiri arasındaki denge Bugün Okuma Brealey ve Myers, Bölüm 8.2-8.5 Tekrar Çeşitlendirme Çeşitlendirme,
DetaylıRİSK ANALİZİ VE AKTÜERYAL MODELLEME
SORU 1: Bir hasar sıklığı dağılımının rassal değişken olan ortalaması (0,8) aralığında tekdüze dağılmaktadır. Hasar sıklığı dağılımının Poisson karma dağılıma uyduğu bilindiğine göre 1 ya da daha fazla
Detaylıistatistik El 10 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre Al 4 Bl 6 cı 7 Dl 8 Al 5 B) 12 CL 27 D) 28 E) 35 2Q 10 BS 4200-A
2Q 10 BS 4200- İstatistik sorulannın cevap l anmasında gerekli olabilecek tablolar ve f ormüller bu kita p ç ığın sonunda ver-ilmiştir. 1_ ve 2_ sorular a Ş3 gldakl bilgilere göre cevaplandırılacaktır
DetaylıFinansal Yatırım ve Portföy Yönetimi. Ders 7 Modern Portföy Teorisi
Finansal Yatırım ve Portföy Yönetimi Ders 7 Modern Portföy Teorisi Kurucusu Markowitz dir. 1990 yılında bu çalışmasıyla Nobel Ekonomi ödülünü MertonH. Miller ve William F. Sharpe ilepaylaşmıştır. Modern
DetaylıZaman Serisi Verileriyle Regresyon Analizi
Zaman Serisi Verileriyle Regresyon Analizi Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi Iktisat Bölümü Textbook: Introductory Econometrics (4th ed.) J. Wooldridge 13 Mart 2013 Ekonometri II: Zaman Serisi
DetaylıARALIK TAHMİNİ (INTERVAL ESTIMATION):
YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta
DetaylıÇoklu Bağlanım Çıkarsama Sorunu
Çoklu Bağlanım Çıkarsama Sorunu Diğer Sınama ve Konular Ekonometri 1 Konu 27 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported
DetaylıAppendix B: Olasılık ve Dağılım Teorisi
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım
Detaylı12. HAFTA (RİSK VE GETİRİ) Prof. Dr. Yıldırım B. ÖNAL
12. HAFTA (RİSK VE GETİRİ) Prof. Dr. Yıldırım B. ÖNAL GETİRİ VE RİSK SUNUM İÇERİĞİ MENKUL KIYMETLERDE GETİRİ VE RİSK YATIRIM YAPILIRKEN GÖZ ÖNÜNDE BULUNDURULAN ETMENLER BEKLENEN GETİRİ VARYANS STANDART
DetaylıDİNAMİK PANEL VERİ MODELLERİ. FYT Panel Veri Ekonometrisi 1
DİNAMİK PANEL VERİ MODELLERİ FYT Panel Veri Ekonometrisi 1 Dinamik panel veri modeli (tek gecikme için) aşağıdaki gibi gösterilebilir; y it y it 1 x v it ' it i Gecikmeli bağımlı değişkenden başka açıklayıcı
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıSIRADAN EN KÜÇÜK KARELER (OLS)
SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge
DetaylıBÖLÜM 12 STUDENT T DAĞILIMI
1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık -II Prof. Dr. İrfan KAYMAZ İki Ortalama Farkının Güven Aralığı Anakütle Varyansı Biliniyorsa İki ortalama arasındaki farkın dağılımına ilişkin Z değişkeni: Güven aralığı ifadesinde
Detaylı0,5749. Menkul Kıymet Getirisi ve Riskinin Hesaplanması Tek dönemlik basit getiri (Kesikli getiri)
Menkul Kıymet Getirisi ve Riskinin Hesaplanması Tek dönemlik basit getiri (Kesikli getiri) R t : t dönemlik basit getiri P t : t dönemdeki fiyat P t-1 : t dönemden önceki fiyat Örneğin, THYAO hisse senedinin
DetaylıPortföy Yönetimi. Yatırım Kumar Adil Oyun
Portföy Yönetimi 1 Yatırım Kumar Adil Oyun 2 1 Risk ve Getiri Kavramı Genel Kural: Getiriyi Sev, Riskten Kaç Faydayı Maksimize Et! 3 Getiri Kavramı Hisse Senedinde getiri iki kaynaktan oluşur. : Sermaye
DetaylıYatırım Kumar Adil Oyun
Portföy Yönetimi Yatırım Kumar Adil Oyun 1 2 Getiri Kavramı Risk ve Getiri Kavramı Genel Kural: Getiriyi Sev, Riskten Kaç Faydayı Maksimize Et! Hisse Senedinde getiri iki kaynaktan oluşur. : Sermaye Kazancı
DetaylıYatırım Kumar Adil Oyun
Portföy Yönetimi 1 Yatırım Kumar Adil Oyun 2 Risk ve Getiri Kavramı Genel Kural: Getiriyi Sev, Riskten Kaç Faydayı Maksimize Et! 3 Getiri Kavramı Hisse Senedinde getiri iki kaynaktan oluşur. : Sermaye
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 Prof. Dr. Nihal ERGİNEL 2 ÖRNEKLEME Anakütleden n birimlik örnek alınması ve anakütle parametrelerinin örnekten tahmin edilmesidir. 3 ÖRNEKLEME ALMANIN NEDENLERİ Anakütleye
DetaylıEşanlı Denklem Modelleri
Eşanlı Denklem Modelleri Eşanlı Denklem Yöntemleri Ekonometri 2 Konu 23 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported (CC
DetaylıİÇİNDEKİLER. Ön Söz Saymanın Temel Kuralları Permütasyon (Sıralama) Kombinasyon (Gruplama) Binom Açılımı...
İÇİNDEKİLER Ön Söz... Saymanın Temel Kuralları... Permütasyon (Sıralama)... 8 Kombinasyon (Gruplama)... 6 Binom Açılımı... Olasılık... 9 İstatistik... 8... Dağılımlar... 5 Genel Tarama Sınavı... 6 RASTGELE
Detaylı