Normal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.
|
|
- Can Özal
- 5 yıl önce
- İzleme sayısı:
Transkript
1 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. Çünkü u i normal dağılıyorsa, EKK b 1 ve b nin tahmincileri de normal dağılır. Normal dağılmış değişkenleri olan bir doğrusal fonksiyonun kendisi de NORMAL DAĞILIR.
2 Normal Dağılımlılık - E(u i )=0 + u i değerleri
3 Jarque-Bera Normallik Testi 1.Aşama H 0 : u i ler normal dağılımlıdır H 1 : u i ler normal dağılımlı değildir.aşama =? Sd=? E 6 ( B 3) 4,sd =? 3.Aşama JB n? JB n 6 ( 3) 4 3 4? 4.Aşama JB >,sd H 0 hipotezi reddedilebilir
4 Jarque-Bera Normallik Testi n e 3 n e 3 4 n e 4 E 3 B 4 3 4
5 Jarque-Bera Normallik Testi Σe = 0 e e e 3 e Σe = Σe 3 = Σe 4 =
6 3 4 Jarque-Bera Normallik Testi n n e n E 3 3 e e 3 e = = = = =-0.03 ( )(10.857) B =.09 ( )( )
7 Jarque-Bera Normallik Testi 1.Aşama H 0 : u i ler normal dağılımlıdır H 1 : u i ler normal dağılımlı değildir.aşama = 0.05 Sd= 3.Aşama E JB n 6 ( B 3) 4,sd =5.991? JB ( 0.03) 10 6 ( ) Aşama JB <,sd H 0 hipotezi reddedilemez.
8 NORMAL DAĞILIM UYGULAMASI On ülkede günlük gazete satış adedi (Y), nüfus (X) ve gayrisafi milli hasıla (X3) verilerden elde edilen doğrusal modelin hata terimlerinin normal dağılıp dağılmadığını test etmek için: i) H0: Hatalar normal dağılıma sahiptir H1: Hatalar normal dağılıma sahip değildir. ii) JB test istatistiği hesaplanır: B E n JB n JB n e n e n e
9 JB iii), iv) JB =19 > 5.99 H0 red Hatalar normal dağılıma sahip değildir.
10 Eviews ile normal dağılımı test edilirse Series: Residuals Sample 1 10 Observations 10 Mean -3.46E-15 Median Maximum Minimum Std. Dev Skewness Kurtosis Jarque-Bera Probability iv) JB =19.06 > 5.99 ya da prob= 0.000< 0.05 H0 red Hatalar normal dağılıma sahip değildir.
11 ÇOKLU DOĞRUSAL BAĞLANTI
12 ÇOKLU DOĞRUSALLIĞIN ANLAMI Çoklu doğrusal bağlantı; Bağımsız değişkenler arasında doğrusal (yada doğrusala yakın) ilişki olmasıdır. 1.. r 1 x x i j parametreler belirlenemez hale gelir. Her bir parametre için ayrı ayrı sayısal değerler bulmak zorlaşır. rx ix 0 ise bu değişkenlere ortogonal değişkenler denir ve j katsayıların tahmininde çoklu doğrusal bağlantı açısından hiçbir sorun yoktur. r 1 3. x x ise tam çoklu doğrusal bağlantı yoktur. i j
13 Çoklu Doğrusal Bağlantı 15 X X r X X3 = 1 Tam Çoklu Doğrusal Bağlantı
14 ÇOKLU DOĞRUSALLIĞIN NEDENLERİ İktisadi değişkenlerin zaman içerisinde birlikte değişme eğiliminde olmaları Bazı açıklayıcı değişkenlerin gecikmeli değerlerinin ilişkide ayrı birer etmen olarak kullanılmasıdır. Genellikle zaman serilerinde görülür.
15 Çoklu Doğrusal Bağlantı x b x x b yx x x b x b yx ˆ ˆ ˆ ˆ Y = b 1 + b X + b 3 X 3 + u y = b x + b 3 x 3 + u X 3 = X x b x x b yx ˆ ˆ 3 ˆ ˆ y( x) b x( x) b( x) 3 ˆ ˆ yx b x b( x)x
16 Çoklu Doğrusal Bağlantı Araba Bakım Masrafları Model Tahminleri Değişkenler Model A Model B Model C Sabit (-5.98) (-5.91) (0.06) Yas (.16) (9.58) Km (18.7) (-7.06) s.d. 55 Düzeltilmiş-R
17 ÇOKLU DOĞRUSALLIĞIN DOĞURDUĞU SONUÇLAR r 1 x x i j a) Katsayıları tahminleri belirlenemez. b)tahminlerin standart hataları sonsuz büyük olur. Yb 0bX 1 1bX u x yx x yx x b x 1 x x 1 x 1 7 X kx 1 x yx x yx x b x1 x x1x k x y x x y x x b k x1 x1 x1x1 b k x1 x1 k x1x1 k x y x k x y x x 0 0
18 İspat a) Y b0 b1x1 bx u X kx 1 x y x x y x x b x 1 x x 1 x k x y x x y x x b k x 1 x 1 x 1 x 1 x y x x y x x b x1 x x1x b k x1 x1 k x1x1 k x y x k x y x x
19 İspat b) var b x 1 u x x x x 1 1 var b x1 u x x x x 1 1 X yerine kx 1 konursa var b k x x 1 u 1 1 u k x 0 1 x1 k x1x1 1 9
20 Çoklu Doğrusal Bağlantının Ortaya Çıkardığı Sonuçlar Regresyon Katsayılarının Değerleri Belirsiz Olur, Regresyon Katsayılarının Varyansları Büyür, t-istatistikleri azalır, Güven Aralıkları Büyür, R Olduğundan Büyük Çıkar, Katsayı Tahmincileri ve Standart Hataları Verilerdeki Küçük değişmelerden Önemli Ölçüde Etkilenirler, Katsayıların işaretleri beklenenlerin aksi çıkabilir.
21 ÇOKLU DOĞRUSAL BAĞLANTININ VARLIĞININ BELİRLENMESİ Varyans Büyütme Modeli Yardımcı Regresyon Modelleri için F testi Klein Kriteri Şartlı Sayı Kriteri Theil-m Ölçüsü 1
22 ÇOKLU DOĞRUSAL BAĞLANTININ BELİRLENMESİ 1.Varyans Büyütme Modeli: Varyans büyütme faktörü; parametre tahminlerinin ve varyanslarının çoklu doğrusal bağlantı nedeni ile gerçek değerlerinden ne derece uzaklaştığını belirlenir. Var b 1 u Xi X 1 R i VIF kriteri VIF 1 1 R i
23 Yi b0 b1x1t bx t... bkxkt t R Y.X X...X 1 k Çoklu doğrusal bağlantı etkisini araştırabilmek için k tane VIF eğeri VIF R X,X...X 1 k VIF R X,X,X...X 1 3 k 5 5Çoklu doğrusal bağlantı önemlidir. VIF 3 1 k 1 R X,X,X...X k 1 k1
24 Yi b0 b1x1t bx t... bkxkt t R Y.X X...X 1 k Çoklu doğrusal bağlantı etkisini araştırabilmek için k tane VIF eğeri VIF R X,X...X 1 k VIF.. VIF R 5 X,X 1,X 3...X Çoklu doğrusal bağlantı k önemlisizdir. 1 k 1 R X,X,X...X k 1 k1
25 ÖRNEK: dönemi için Türkiye nin GSMH(milyar TL), Para Arzı(PA, milyar TL), Dış Ticaret Açığı (DT, milyar TL) ve Toptan Eşya Fiyat Endeksi (TEFE,1987=100) değerleri verilmiştir. Yıllar GSMH PA DT TEFE Varyans Büyütme Faktörü ile çoklu doğrusal bağlantı sorununu araştırınız. 5
26 Bu verilerden elde edilen model; GSMHt PA t DTt TEFE t R Bağımsız değişkenleri sırası ile bağımlı değişken yaparak diğer bağımsız değişkenlerle regresyon modeli tahmin edilir. PAt DTt TEFEt R VIF çoklu doğrusal bağlılık önemlidir DTt PAt TEFE t R VIF çoklu doğrusal bağlılık önemlidir TEFE t DTt PA t R VIF çoklu doğrusal bağlılık önemlidir
27 .Yardımcı Regresyon Modelleri için F testi Bu yöntemde varyans büyütme faktöründe hesapladığımız belirlilik katsayılarından hesaplanır. Sırası ile incelenen modelde yer alan her bir bağımsız değişken ayrı ayrı bağımlı değişken olmak üzere kalan diğer bağımsız değişkenlerle regresyona tabi tutulur. Oluşturulan söz konusu yeni regresyon modellerine yardımcı regresyon modelleri denir. Oluşturulan yardımcı regresyon modellerinin belirlilik katsayıları hesaplanarak F test istatistiği hesaplanır. Bu yöntem için temel hipotez bağımsız değişkenler arasında ilişki yoktur şeklindedir. 7
28 Yi b0 b1x1t bx t... bkxkt t X1t f Xt, X 3t,...,Xkt X.. f X X,...,X t 1t, 3t kt X f X X,...,X kt 1t, t(k 1)t Test istatistiği yukarıdaki her denklem için hesaplanır. F 8 R /(k ) X,X X...X i X,X X...X i 1 k (1 R) /(n k 1) i 1 k k: incelenen modelin tahmin edilen katsayı sayısı
29 UYGULAMA: Aynı örnek için yardımcı regresyon modeli ile çoklu doğrusal bağlantı sorununu inceleyiniz. 1.Aşama: H 0 : Çoklu doğrusal bağlantı yoktur. H 1 : Çoklu doğrusal bağlantı yoktur..aşama: F 0.05,(k-),(n-k+1) = Aşama: PA DT TEFE R t t t /(4 ) Fi ( ) /(13 4 1) 4.Aşama: F hes > F tab H 0 reddedilir. 9
30 DTt PAt TEFE t R /(4 ) Fi ( ) /(13 4 1) F hes > F tab H 0 reddedilir. TEFE t DTt PAt R /(4 ) Fi ( ) /(13 4 1) F hes > F tab H 0 reddedilir. 30
31 Klein Kriteri: Klein, bağımsız değişkenler arasındaki basit korelasyon katsayılarının modelin genel belirlilik katsayısından büyük olmadığı sürece çoklu doğrusallığın zararlı olmadığını savunmaktadır. Modelde k-1 bağımsız değişken var ise bunlardan herhangi ikisi arasındaki basit korelasyon katsayısı modelin yine belirlilik katsayısı ile karşılaştırılır. r R X X Y,X X...X i j 1 k Çoklu doğrusal bağlılık zararlıdır. Klein yukarıdaki kriterine göre küçük bir çoklu doğrusal bağlantı bile parametre tahminlerinde anlamsızlığa yol açabilir. 31
32 Bu durumda basit korelasyon katsayısı yerine yardımcı regresyon modelleri için F testinde açıklandığı gibi, yardımcı regresyon modelleri tahmin edilir ve bunlardan elde edilecek çoklu belirlilik katsayısı ile karşılaştırılarak karar verilebilir.
33 UYGULAMA: Aynı örnek için Klein kriteri ile çoklu doğrusal bağlantı sorununu inceleyiniz. GSMHt PA t DTt TEFE t R Elde edilen yardımcı regresyon modelleri 1. PAt DTt TEFE t R R R Çoklu doğrusal bağlantı zararlı değildir.. DTt PAt TEFE t R R R Çoklu doğrusal bağlantı zararlı değildir. 3. TEFE t DTt PAt R R R Çoklu doğrusal bağlantı zararlı değildir. 33
34 Şartlı Sayı Kriteri: Bu kriterin hesaplanması için bu (X X) matrisinin birim köklerinden (özdeğerlerinden) yararlanılır. (X X) matrisinin en büyük birim kökü ( 1 ) ve en küçük birim kökü ( ) ise şartlı sayı 1 Şartlı Sayı= KARAR: Şartlı Sayı= 30 Çoklu doğrusal bağlantı orta derecedir Şartlı Sayı= 30 Çoklu doğrusal bağlantı yüksek derecedir.
35 Örnek: 1 ailenin aylık gelirleri (Y), gıda harcamaları (X ) ve fert sayısı (X 3 ) verileri aşağıdaki gibidir: Aile Y X X , , Yi X X 3 35
36 Ortalamadan farklar ile bağımsız değişkenler katsayı matrisi; ' X X (X X)(X X)(X X) (X X)(X X)(X X) ' X X Matrisin özdeğerlerinin bulunması için det A 0 ' X X
37 (34) KARAR: Çoklu doğrusal bağlantı düşük derecededir. 1 Şartlı Sayı=
38 Theil-m Ölçüsü Bağımlı değişkenle bağımsız değişkenler arasındaki ilişkiye dayanan bir ölçüdür. Bu ölçü için, modelin genel belirlilik katsayısı ile modelden sırası ile bir tane bağımsız değişkenin çıkarılması ile elde edilecek modellerin çoklu korelasyon katsayıları kullanılır. Y X X... X t 0 1 t1 t k tk t 38 Modelde yer alan tüm bağımsız değişkenler sırası ile modelden çıkarılarak Y Y : : Y f(x,x,...,x) t t t3 tk f(x,x,...,x) t t1 t3 tk f(x,x,...,x) t t1 t t(k 1) Regresyon modelleri tahmin edilir ve her model için çoklu belirlilik katsayıları elde edilir.
39 Theil-m Ölçüsü k i it m R(R R) Olarak hesaplanır. Burada R ibağımsız değişkenlerden biri çıkartıldıktan sonra bağımlı değişken ile diğer bağımsız değişkenlerin regresyonu sonucunda tahmin edilen çoklu belirlilik katsayısını ifade eder. Theil-m ölçüsü çoklu doğrusal bağlılığın önemli olup olmadığı hakkında bilgi vermediğinden, varyans büyütme faktörü ile şartlı sayı daha çok kullanılan ve daha yarar sağlayan kriterlerdir. 39
40 Theil-m Ölçüsü m ölçüsü her regresyon için ayrı ayrı hesaplanmayan genel bir ölçüdür. m ölçüsü negatif çıkabileceği gibi çok yüksek pozitif değer de olabilmektedir. Hesaplanan m ölçüsü sıfıra eşitse bağımsız değişkenler ilişkisizdir. m = 0 bağımsız değişkenler ilişkisizdir 40
41 41 Örnek: Slayt 6 da incelediğimiz model için Theil-m ölçüsünü uygulayalım. GSMHt PAt 1.364DTt TEFE t R Yardımcı regresyon modellerini oluşturalım. GSMHt PAt 1.659DTt R GSMHt PAt 0.818TEFE t R GSMHt DTt 1.06TEFE t R m R R R R R R R m sıfıra yakın bir değer değildir, çoklu doğrusal bağlılık söz konusudur.
42 ÇOKLU DĞRUSAL BAĞLANTI PROBLEMİNİ ORTADAN KALDIRMA YOLLARI 1. Ön Bilgi Yöntemi ile;. Kesit ve Zaman Serisi Verilerinin Birleştirme Yöntemi ile; 3. Bazı değişkenlerin Modelden Çıkarılması Yöntemi ile; 4. Değişkenleri Dönüştürme Yöntemi ile; 5. Ek veya Yeni Örnek Verisi Temini Yöntemi ile; 4
43 ÇOKLU DOĞRUSAL BAĞLANTI PROBLEMİNİ ORTADAN KALDIRMA YOLLARI 1.Ön Bilgi Yöntemi Y = b 1 + b X + b 3 X 3 +b 4 X 4 + u b 3 = 0.b Y = b 1 + b X + 0.b X 3 +b 4 X 4 + u Y = b 1 + b (X + 0. X 3 )+b 4 X 4 + u Y = b 1 + b X*+ b 4 X 4 + u Yukarıdaki hesaplama bağımsız değişkenler arasında çoklu doğrusal bağlantıdan etkilenmemektedir. Katsayılara sınır koyarak iki değişken arasında çoklu doğrusal bağlantı problemi ortadan kaldırılmış oluyor.
44 .Kesit ve Zaman Serilerinin Birleştirilmesi Y:Talep P:Malın fiyatı I:Tüketici geliri t:yıl lny = b 1 + b lnp t + b 3 lni t + u b ve b 3 fiyat ve gelir elastikiyetidir. Zaman serisi P ve I (fiyat ve gelir) değişkenleri arasında genellikle yüksek dereceli ilişki vardır. Çoklu doğrusal bağlantı var. b 3 gelir elastikiyeti (eğer varsa) anket verilerinden ayrıca tahmin edilir. bˆ 3
45 Yukarıdaki regresyon modelinden aşağıdaki gibi yararlanırız: lny - b 3 lni t = b 1 + b lnp t + u lny* = b 1 + b lnp t + u Burada * Y t ln Y b ˆ 3 ln I Gelir değişkeninin etkisi giderildikten sonraki Y değeridir. Bu yöntemde katsayı tahminlerinin yorumu sorundur. Zaman serisi verisi ve kesit serisi verisindeki gelir elastikiyetinin aynı olduğunu kabul ediyoruz.
46 3.Bazı Değişkenlerin Modelden Çıkarılması Modelden bir bağımsız değişken çıkarılırsa spesifikasyon hatası yapma olasılığı artar: Katsayı tahminleri gerçek değerinin üstünde veya altında tahmin edilebilir. 4.Değişkenleri Dönüştürme Yöntemi, 4.Değişkenleri Dönüştürme Yöntemi, Fark denklemi yaratılır: t t t t t u X b X b X b b Y , 4 1 3, 3 1, 1 1 t t t t t u X b X b X b b Y t t t t t t t v X X b X X b b Y Y... ) ( ) ( 1 3, 3 3 1, 1 1
47 Dönüşümlü modelde çoklu doğrusal bağlantı önemli ölçüde azalmış olur. 5.Ek veya Yeni Örnek Verisi Temin Etme, 6.Diğer Yöntemler
48 Örnek Konut Talebi Model Tahminleri Değişkenler Model A Model B Model C Sabit Faiz Nüfus (-.40) (-3.87) 33.8 (3.61) (1.80) (-3.87) (-0.7) (-3.18) (0.41) GSMH s.d. 0 Düzeltilmiş-R (3.64) (0.54) r(gsmh,nüfus)=0.99 r(gsmh,faiz)=0.88 r(nüfus,faiz)= 0.91
49 Örnek Otomobil Bakım Harcamaları Model Tahminleri Değişkenler Model A Model B Model C Sabit (-5.98) (-5.91) (0.06) Yas (.16) (9.58) Km (18.7) (-7.06) s.d. 55 Düzeltilmiş-R
50 ÖRNEK 11 ülkenin 1995 yılı ekonomik büyüme oranlarını, para arzındaki büyüme oranlarını sermaye stokundaki büyüme oranları ile nüfüs büyüme oranları verilmektedir. Söz konusu ülkelerin ekonomik performanslarındaki farklılığın nedenini araştırmak için aşağıdaki regresyon modeli oluşturulmuştur.tahin edilen denklemde çoklu doğrusal bağlantı olup olmadığını araştırınız.
51 Dependent Variable: BUYOR Method: Least Squares Date: 04/08/07 Time: :47 Sample: 1 11 Included observations: 11 Variable Coefficient Std. Error t-statistic Prob. C NUFUSBUYOR PARARZOR SERMSTOKORAN R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Varyans Büyütme Modeli: Bağımsız değişkenleri sırası ile bağımlı değişken yaparak diğer bağımsız değişkenlerle regresyon modeli tahmin edilir.
52 1. nolu yardımcı regresyon modeli Depent Variable: NUFUSBUYOR Method: Least Squares Date: 04/08/07 Time: :53 Sample: 1 11 Included observations: 11 Variable Coefficient Std. Error t-statistic Prob. C PARARZOR SERMSTOKORAN R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion.1061 Sum squared resid Schwarz criterion.8778 Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
53 . nolu yardımcı regresyon modeli V I F 1 1 R Dependent Variable: PARARZOR Method: Least Squares Date: 04/08/07 Time: :54 Sample: 1 11 Included observations: 11 i =13.73 Variable Coefficien t Std. Error t-statistic Prob. C NUFUSBUYOR SERMSTOKORAN R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
54 3. nolu yardımcı regresyon denklemi 1 = V I F 1 R Dependent Variable: SERMSTOKORAN Method: Least Squares Date: 04/08/07 Time: :55 Sample: 1 11 Included observations: 11 i VIF kriterleri 5 ten buyuk çoklu doğrusal bağlantı var diyebiliriz. Variable Coefficient Std. Error t-statistic Prob. C NUFUSBUYOR PARARZOR R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
55 .Yardımcı Regresyon Modelleri için F testi F R /(k ) X,X X...X i X,X X...X i 1 k (1 R) /(n k 1) i 1 k 1. nolu yardımcı regresyon modeli R = nolu yardımcı regresyon modeli R = nolu yardımcı regresyon modeli R = k:4 n:11
56 Klein Kriteri: Yardımcı regresyon modelleri tahmin edilir ve bunlardan elde edilecek çoklu belirlilik katsayısı ile karşılaştırılarak karar verilebilir. Yardımcı modelin R karesi < ana modelin R karesi nden küçükse çoklu doğrusal bağlantı önemli değildir.
57 Ana modelin R-squared nolu modelde önemli değildir. (sermstokor)
58 Theil-m Ölçüsü Modelde yer alan tüm bağımsız değişkenler sırası ile modelden çıkarılarak regresyon modelleri tahmin edilir ve her model için çoklu belirlilik katsayıları elde edilir. k i it m R(R R) Ana modelin R-squared
59 1.nolu model Dependent Variable: BUYOR Method: Least Squares Date: 04/08/07 Time: 3:34 Sample: 1 11 Included observations: 11 Variable Coefficient Std. Error t-statistic Prob. C NUFUSBUYOR PARARZOR R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
60 . nolu model Dependent Variable: BUYOR Method: Least Squares Date: 04/08/07 Time: 3:37 Sample: 1 11 Included observations: 11 Variable Coefficien t Std. Error t-statistic Prob. C PARARZOR SERMSTOKORAN R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
61 3. nolu model Dependent Variable: BUYOR Method: Least Squares Date: 04/08/07 Time: 3:39 Sample: 1 11 Included observations: 11 Variable Coefficient Std. Error t-statistic Prob. C NUFUSBUYOR SERMSTOKORAN R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
62 ÇOKLU DOĞRUSAL BAĞLANTININ BELİRLENMESİ-Örnek.Yardımcı Regresyon Modelleri için F testi Dependent Variable: HOUSING Method: Least Squares Sample: Included observations: 3 Variable Coefficient Std. Error t-statistic Prob. C GNP INTRATE POP UNEMP R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
63 1.Aşama: H 0 : Çoklu doğrusal bağlantı yoktur. H 1 : Çoklu doğrusal bağlantı vardır..aşama: F 0.05,(3),(19) = Aşama: GNP INTRATE 38.53POP 50.79UNEMP R /(5 ) Fi 1577 ( ) /(3 5 1) 4.Aşama: F hes > F tab H 0 reddedilir.
64 1.Aşama: H 0 : Çoklu doğrusal bağlantı yoktur. H 1 : Çoklu doğrusal bağlantı vardır..aşama: F 0.05,(3),(19) = Aşama: INTRATE POP 0.509UNEMP 0.014GNP R /(5 ) Fi ( ) /(3 51) 4.Aşama: F hes > F tab H 0 reddedilir.
65 1.Aşama: H 0 : Çoklu doğrusal bağlantı yoktur. H 1 : Çoklu doğrusal bağlantı vardır..aşama: F 0.05,(3),(19) = Aşama: POP UNEMP 0.05GNP 0.368INTRATE R /(5 ) Fi ( ) /(3 5 1) 4.Aşama: F hes > F tab H 0 reddedilir.
66 1.Aşama: H 0 : Çoklu doğrusal bağlantı yoktur. H 1 : Çoklu doğrusal bağlantı vardır..aşama: F 0.05,(3),(19) = Aşama: UNEMP GNP 0.16INTRATE 0.606POP R /(5 ) Fi 77 (1 0.94) /(3 5 1) 4.Aşama: F hes > F tab H 0 reddedilir.
Normal 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.
DetaylıÇOKLU DOĞRUSAL BAĞLANTI
ÇOKLU DOĞRUSAL BAĞLANTI ÇOKLU DOĞRUSALLIĞIN ANLAMI Çoklu doğrusal bağlanı; Bağımsız değişkenler arasında doğrusal (yada doğrusala yakın) ilişki olmasıdır... r xx i j paramereler belirlenemez hale gelir.
DetaylıTABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere değişkenlere ait veriler verilmiştir.
EKONOMETRİ II Uygulama - Otokorelasyon TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere Tuketim 58 Gelir 3959 Fiyat 312 değişkenlere ait veriler verilmiştir. 56 3858
DetaylıDependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20
ABD nin 1966 ile 1985 yılları arasında Y gayri safi milli hasıla, M Para Arazı (M) ve r faiz oranı verileri aşağıda verilmiştir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatası taşıyıp taşımadığını Ramsey
DetaylıA. Regresyon Katsayılarında Yapısal Kırılma Testleri
A. Regresyon Katsayılarında Yapısal Kırılma Testleri Durum I: Kırılma Tarihinin Bilinmesi Durumu Kırılmanın bilinen bir tarihte örneğin tarihinde olduğunu önceden bilinmesi durumunda uygulanır. Örneğin,
DetaylıKUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU
KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU.HAL: Sabit Terimlerin Farklı Eğimlerin Eşit olması Yi = b+ b2di + b3xi + ui E(Y Di =,X i) = b + b3xi E(Y Di
DetaylıADMIT: Öğrencinin yüksek lisans programına kabul edilip edilmediğini göstermektedir. Eğer kabul edildi ise 1, edilmedi ise 0 değerini almaktadır.
Uygulama-2 Bir araştırmacı Amerika da yüksek lisans ve doktora programlarını kabul edinilmeyi etkileyen faktörleri incelemek istemektedir. Bu doğrultuda aşağıdaki değişkenleri ele almaktadır. GRE: Üniversitelerin
DetaylıBİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER
BİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER Birden çok bağımlı değişkenin yer aldığı modelleri incelemek amacıyla kullanılan modeller Birden Çok Bağımlı Değişkenli Regresyon Modelleri ya da kısaca MRM ler
Detaylı0, model 3 doğruysa a3. Variable Coefficient Std. Error t-statistic Prob.
EKONOMETRİYE GİRİŞ II ÖDEV 2 ÇÖZÜM (Örgün ve İkinci Öğretim için) 1987-2006 yıllarına ait GSYH, YATIRIM ve FAİZ verileri kullanılarak elde edilen sonuçlar şu şekildedir: Yuvalanmamış-F Testi Model 1: YATIRIM
Detaylıİyi Bir Modelin Özellikleri
İyi Bir Modelin Özellikleri 1. Basitlik. Belirlenmişlik Y t = b 1 (1-r)+b X t -rb X t-1 +ry t-1 +e t 3. R ölçüsü 4. Teorik tutarlılık 5. Fonksiyonel Biçim 1 Model Tanımlanması Araştırmada kullanılan modelin
Detaylı1. Basitlik 2. Belirlenmişlik Y t = b 1 (1-r)+b 2 X t -rb 2 X t-1 +ry t-1 +e t 3. R 2 ölçüsü 4. Teorik tutarlılık 5. Doğru Fonksiyonel Biçim
1. Basitlik. Belirlenmişlik Y t = b 1 (1-r)+b X t -rb X t-1 +ry t-1 +e t 3. R ölçüsü 4. Teorik tutarlılık 5. Doğru Fonksiyonel Biçim 1 Model Tanımlanması Araştırmada kullanılan modelin tanımlamasının doğru
DetaylıYuvalanmamış F testi- Davidson- MacKinnon J sınaması
Yuvalanmamış F testi- Davidson- MacKinnon J sınaması Tablo da yer alan verileri kullanarak aşağıdaki ilgili soruları cevaplayınız. Yıllar Yatırım GSYH Faiz 1987 18491 747 45 1988 78 7495 54 1989 5187 8014
DetaylıY = 29,6324 X 2 = 29,0871 X 3 = 28,4473 y 2 = 2,04 x 2 2 = 0,94 x 2 3 = 2,29 yx 2 = 0,19 yx 3 = 1,60 x 2 x 3 = 1,06 e 2 = 0,2554 X + 28,47 X 3-0,53
EKONOMETR DERS ÇALIMA SORULARI SORU : 1 1980-1994 y llar aras ndaki Türkiye Özel Yat r m (Y), Reel Mevduat Faiz Oran (X ) ve GSMH (X 3 ) verilerinden hareketle a*a+ daki ortalamadan farklara göre ara sonuçlar
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri
Detaylı1. YAPISAL KIRILMA TESTLERİ
1. YAPISAL KIRILMA TESTLERİ Yapısal kırılmanın araştırılması için CUSUM, CUSUMSquare ve CHOW testleri bize gerekli bilgileri sağlayabilmektedir. 1.1. CUSUM Testi (Cumulative Sum of the recursive residuals
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri
DetaylıKUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıT.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR:
T.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR: 2120703360 KÜBRA İNAN 2120703321 EDA ZEYNEP KAYA EDİRNE
DetaylıKukla Değişken Nedir?
Kukla Değişken Nedir? Cinsiyet, eğitim seviyesi, meslek, din, ırk, bölge, tabiiyet, savaşlar, grevler, siyasi karışıklıklar (=darbeler), iktisat politikasındaki değişiklikler, depremler, yangın ve benzeri
DetaylıEVIEWS KULLANIMI (EVIEWS 8)
EVIEWS KULLANIMI (EVIEWS 8) BAŞLANGIÇ Yeni bir dosya (workfile) yaratma Adım 1. Ana menüden File/New/Workfile ı seçin Adım 2. Workfile structure type ne tür veri kullandığınızı gösterir. ÖR1. Zaman serisi
DetaylıÇOKLU 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
DetaylıOTOKORELASYON OTOKORELASYON
OTOKORELASYON OTOKORELASYON Y = α + βx + u Cov (u,u s ) 0 u = ρ u -1 + ε -1 < ρ < +1 Birinci dereceden Ookorelasyon Birinci Dereceden Ooregressif Süreç; A R(1) e = ρ e -1 + ε Σe e ˆ ρ = Σ 1 e KARŞILA ILAŞILAN
DetaylıUYGULAMALAR. Normal Dağılımlılık
UYGULAMALAR EKONOMETRİYE GİRİŞ 0.01.008 1 Normal Dağılımlılık Amerika da 195-1941 yılları arasında sığır eti fiyatı ile kişi başı sığır eti tüketimi arasındaki ilişki incelenmiş ve aşağıdaki sonuç bulunmuştur.
Detaylı500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ. YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ. Anabilim Dalı: İşletme Mühendisliği
İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ 500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ Anabilim Dalı: İşletme Mühendisliği Programı
DetaylıDependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20
ABD nin 1966 ile 1985 yllar arasnda Y gayri safi milli hasla, M Para Araz (M) ve r faiz oran verileri a#a$da verilmi#tir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatas ta#yp ta#mad$n Ramsey RESET testi
DetaylıKUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
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
DetaylıEKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI
EKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI Aşağıdaki verileri EVIEWS paket programına aktarınız. Veri setini tanımladıktan sonra aşağıda istenen soruları bu verileri kullanarak
DetaylıEKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ SORULAR
EKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ SORULAR HATİCE ÖZKOÇ HANİFİ VAN ÖZKOÇ VAN 1 1980-2002 dönemine ait tavuk eti talebini incelemek amacıyla aşağıdaki değişkenler elde edilmiştir. Y: Kişi başına
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
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
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
DetaylıKUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
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
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
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
DetaylıSAĞLIK HARCAMALARININ YILLARA GÖRE KARŞILAŞTIRILMASI ve SAĞLIK HARCAMALARINI ETKİLEYEN FAKTÖRLERİN İNCELENMESİ
SAĞLIK HARCAMALARININ YILLARA GÖRE KARŞILAŞTIRILMASI ve SAĞLIK HARCAMALARINI ETKİLEYEN FAKTÖRLERİN İNCELENMESİ Murat KORKMAZ 1, Aysun YILMAZTÜRK 2 1 Güven Grup Finans Yöneticisi 2 Balıkesir Üniversitesi
DetaylıPANEL VERİ MODELLERİNİN TAHMİNİNDE PARAMETRE HETEROJENLİĞİNİN ÖNEMİ: GELENEKSEL PHILLIPS EĞRİSİ ÜZERİNE BİR UYGULAMA
PAEL VERİ MODELLERİİ TAHMİİDE PARAMETRE HETEROJELİĞİİ ÖEMİ: GELEEKSEL PHILLIPS EĞRİSİ ÜZERİE BİR UYGULAMA Selim TÜZÜTÜRK (*) Özet: Panel veri modellerinin tahmininde, örneklem ile ilgili dikkat edilmesi
Detaylıİyi Bir Modelin Özellikleri
İyi Bir Modelin Özellikleri 1. Basitlik. Belirlenmişlik 3. R ölçüsü 4. Teorik tutarlılık 5. Tahmin Gücü 1 Model Tanımlanması Araştırmada kullanılan modelin tanımlamasının doğru olduğu kabul edilmektedir..
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
DetaylıRegresyon. Regresyon korelasyon ile yakından ilişkilidir
Regresyon Regresyona Giriş Regresyon korelasyon ile yakından ilişkilidir Regresyon bir bağımlı değişken ile (DV) bir veya daha fazla bağımsız değişken arasındaki doğrusal ilişkiyi inceler. DV için başka
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
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
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
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
DetaylıPARANIN TARİHÇESİ TÜRKİYE DE NAKİTSİZ EKONOMİ EKONOMİNİN FAYDALARI
PARANIN TARİHÇESİ TÜRKİYE DE NAKİTSİZ EKONOMİ NAKİTSİZ EKONOMİNİN FAYDALARI Para, bir ekonomide genel kabul gören, değişim aracı, değer koruma aracı ve hesap birimi işlevlerine sahip varlıktır. (TDK,
DetaylıK-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.
İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin
DetaylıEKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM
EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:
DetaylıTURİZM SEKTÖRÜNDE TALEP TAHMİN MODELLEMESİ
TURİZM SEKTÖRÜNDE TALEP TAHMİN MODELLEMESİ *Prof. Dr. Münevver TURANLI, Arş. Gör. Elif GÜNEREN 1.Giriş Turizm sektörü; bir yandan ülkeler için önemli bir gelir kaynağı olması, diğer yandan uluslararası
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
DetaylıEVIEWS KULLANIMI (EVIEWS 7.1)
EVIEWS KULLANIMI (EVIEWS 7.1) BAŞLANGIÇ Yeni bir dosya (workfile) yaratma Adım 1. Ana menüden File/New/Workfile ı seçin Adım 2. Workfile structure type ne tür veri kullandığınızı gösterir. ÖR1. Zaman serisi
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
DetaylıÖNGÖRÜ TEKNĐKLERĐ ÖDEV 5 (KEY)
ÖNGÖRÜ TEKNĐKLERĐ ÖDEV (KEY) Aşağıda verilen Y zaman sersisi bir ürünle ilgili satışları,aylar itibariyle, gösteren bir seridir. a) Bu serinin garfiğini çizip serinin taşıdığı desenleri (Trend, mevsimsellik
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
DetaylıAvrasya Sosyal ve Ekonomi Araştırmaları Dergisi (ASEAD) Eurasian Journal of Researches in Social and Economics (EJRSE) ISSN:
Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi (ASEAD) Eurasian Journal of Researches in Social and Economics (EJRSE) ISSN:2148-9963 www.asead.com ÖZET HAVAYOLU UÇAK İÇİ İKRAM SATIŞ TAHMİN MODELİ BİR
DetaylıZAMAN SERİLERİ EKONOMETRİSİ I: DURAĞANLIK, BİRİM KÖKLER
ZAMAN SERİLERİ EKONOMETRİSİ I: DURAĞANLIK, BİRİM KÖKLER ZAMAN SERİLERİ VE TEMEL KAVRAMLAR Bir zaman serisi, bir değişkenin zaman içindeki hareketini gözlemler. Değişkenlere ilişkin değerler aylık, üç aylık,
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)
DetaylıWhite ın Heteroskedisite Tutarlı Kovaryans Matrisi Tahmini Yoluyla Heteroskedasite Altında Model Tahmini
Ekonomeri ve İsaisik Sayı:4 006-1-8 İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ Whie ın Heeroskedisie Tuarlı Kovaryans Marisi Tahmini Yoluyla Heeroskedasie Alında Model Tahmini
Detaylı19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I
19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I Bir dil dershanesinde öğrenciler talep ettikleri takdirde, öğretmenleriyle
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
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
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.
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:
DetaylıEKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran
EKONOMETRİ GRETL Uygulamaları Prof. Dr. Bülent Miran Bornova-2015 İÇİNDEKİLER 1. Gretl da veri dosyasını çağırma:... 3 2. Gretl da Excel veri dosyasını açma:... 4 3. Excel den alınmış verilerin Gretl dosyası
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,
DetaylıOLS Klasik Varsayımlar. Çoklu Regresyon. Çoklu Regresyon Modellemesi. Çoklu Regresyon Modeli. Multiple Regression
OLS Klasik Varsayımlar Çoklu Regresyon Multiple Regression. Lineer regresyon modeli. E(e i )=, ortalama hata sıfırdır. E(X i e i )=, bağımsız değişkenlerle hatalar arasında korelasyon mevcut değildir 4.
DetaylıMeslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
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
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
Detaylı3. BÖLÜM: EN KÜÇÜK KARELER
3. BÖLÜM: EN KÜÇÜK KARELER Bu bölümde; Kilo/Boy Örneği için Basit bir Regresyon EViews Denklem Penceresinin İçeriği Biftek Talebi Örneği için Çalışma Dosyası Oluşturma Beef 2.xls İsimli Çalışma Sayfasından
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
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
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
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
DetaylıYILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir)
1996-1998 YILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir) Hazırlayan : Süleyman Öğrekçi 1996 ve 1998 yılları arasında Güney Carolina da resmi
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
DetaylıİÇİNDEKİLER ÖNSÖZ... Örneklem Genişliğinin Elde edilmesi... 1
İÇİNDEKİLER ÖNSÖZ... v 1. BÖLÜM Örneklem Genişliğinin Elde edilmesi... 1 1.1. Kitle ve Parametre... 1 1.2. Örneklem ve Tahmin Edici... 2 1.3. Basit Rastgele Örnekleme... 3 1.4. Tabakalı Rastgele Örnekleme...
DetaylıUYGULAMA 2. Bağımlı Kukla Değişkenli Modeller
UYGULAMA 2 Bağımlı Kukla Değşkenl Modeller Br araştırmacı Amerka da yüksek lsans ve doktora programlarını kabul ednlmey etkleyen faktörler ncelemek stemektedr. Bu doğrultuda aşağıdak değşkenler ele almaktadır.
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
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
DetaylıÖĞRENCİ SEÇME SINAVI NA HAZIRLANAN ÖĞRENCİLERİN BAŞARILARINI ETKİLEYEN FAKTÖRLERİN BELİRLENMESİ (OLTU ANADOLU LİSESİ ÖĞRENCİLERİ İÇİN BİR UYGULAMA)
ÖĞRENCİ SEÇME SINAVI NA HAZIRLANAN ÖĞRENCİLERİN BAŞARILARINI ETKİLEYEN FAKTÖRLERİN BELİRLENMESİ (OLTU ANADOLU LİSESİ ÖĞRENCİLERİ İÇİN BİR UYGULAMA) Hüseyin ÖZER Adem DEMİR Özet: Bu çalışmanın temel amacı,
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
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.
Detaylı4. BÖLÜM: REGRESYON ANALİZİNİ KULLANMAYI ÖĞRENME
4. BÖLÜM: REGRESYON ANALİZİNİ KULLANMAYI ÖĞRENME Bu bölümde; Bir grup değişkenin çalışma sayfası görüntüsünü görüntüleme Bir grup değişkenin tanımlayıcı istatistiklerini görüntüleme Bir grup içerisindeki
Detaylı8. BÖLÜM: DEĞİŞEN VARYANS
8. BÖLÜM: DEĞİŞEN VARYANS Bu bölümde; Değişen Varyans Tespiti için Grafik Çizme Değişen Varyans Testi: Park Testi Değişen Varyans Testi: White Testi Değişen Varyans Probleminin Çözümü: Ağırlıklandırılmış
Detaylı(AYIRIM) DENLİ. Emre KUZUGÜDENL. Doç.Dr.Serdar CARUS
DİSKRİMİNANT ANALİZİ (AYIRIM) Emre KUZUGÜDENL DENLİ Doç.Dr.Serdar CARUS Bu analiz ile; Bir bireyin hangi gruptan geldiği (p değişkeni kullanarak, bireyi uygun bir gruba atar ) Her bir değişkenin atama
DetaylıAkademik Sosyal Araştırmalar Dergisi, Yıl: 5, Sayı: 61, Aralık 2017, s
Akademik Sosyal Araştırmalar Dergisi, Yıl: 5, Sayı: 61, Aralık 2017, s. 433-457 Yayın Geliş Tarihi / Article Arrival Date Yayınlanma Tarihi / The Publication Date 14.11.2017 14.12.2017 Yrd. Doç. Dr. Alper
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
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
DetaylıBu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur.
Değişen Varyans Örnek Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. 1 Aşağıda yer alan denklemi tahmin edelim; y i = β 0 + β 1 x 1i + β 2 x 2i + u i EViews
DetaylıCHAPTER 6 SIMPLE LINEAR REGRESSION
CHAPTER 6 SIMPLE LINEAR REGRESSION Bu bölümdeki amacımız değişkenler arasındaki ilişkiyi gösteren en uygun eşitliği kurmaktır. Konuya giriş için şu örnekle başlayalım; Diyelim ki Mr. Bump adındaki birisi
DetaylıTEFE VE TÜFE ENDEKSLERİ İLE ALT KALEMLERİNDEKİ MEVSİMSEL HAREKETLERİN İNCELENMESİ* Soner Başkaya. Pelin Berkmen. Murat Özbilgin.
TEFE VE TÜFE ENDEKSLERİ İLE ALT KALEMLERİNDEKİ MEVSİMSEL HAREKETLERİN İNCELENMESİ* Soner Başkaya Pelin Berkmen Murat Özbilgin Erdal Yılmaz 21 Haziran 1999 Araştırma Genel Müdürlüğü *Bu çalışmaya katkılarından
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
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.
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojikarastirmalar.com ISSN:XXX-XXX Tekstil Teknolojileri Elektronik Dergisi 2008 (3) 1-12 TEKNOLOJĐK ARAŞTIRMALAR Makale Tekstil ve Demir Çelik Sektörü Đhracatına Döviz Kurları, Enflasyon ve Faiz
DetaylıPanel Veri Analizi. Prof. Dr. Recep KÖKK Dr. Nevzat ŞİMŞEK
Panel Veri Analizi Prof Dr Recep KÖKK Dr Nevzat ŞİMŞEK 1 PANEL VERİ ANALİZİ Panel Veri yöntemi, ülkeler, firmalar, hanehalkları, vb kes (cross-section) gözlemlerinin belli bir zaman dönemi içinde bir araya
DetaylıİSTATİSTİK VE OLASILIK SORULARI
İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının
Detaylı