İyi Bir Modelin Özellikleri
|
|
- Altan Hayrettin
- 5 yıl önce
- İzleme sayısı:
Transkript
1 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
2 Model Tanımlanması Araştırmada kullanılan modelin tanımlamasının doğru olduğu kabul edilmektedir.. Doğru modele ulaşmak için R, t, F, DW-d vb. İstatistik ve ekonometrik testler kullanılır. Eğer model hala tatmin edici değilse, araştırmacı tanımlama hatalarından ya da seçilen modeldeki sapmalardan kaygılanmaya başlamaktadır. - Yanlış Fonsiyonel Biçim, -Gerekli Değişkenin Gözardı Edilmesi, -Gereksiz Değişkenin Modelde Yer Alması, - Değişkenlerin Ölçme Hatalı Olması.
3 Yanlış Fonksiyonel biçim Y Y = b + b X 1 (b >0, r>0) Y = b + b X 1 (b <0, r<0) Y X X (a) Do rusal ili½ki halleri (b) Menfi e risel ili½ki (c) Müsbet e risel ili½ki Y b Y = b 1 + X (Üslü Model) Y Y = 1 b 1 + b X b <0 3 Y=b 1 +b X+b X 3 X X X (d) Müsbet e risel ili½ki (e) Parabol halleri (f) Hiç ili½ki olmama hali b 3>0 Y Y X Y = b + b 1 (logy=b 1 +Xlogb ) b >0 (Üstel veya yar log. model) r=0 hali 0 X 3
4 Gerekli Değişkenin Gözardı Edilmesi Y i = b 1 + b X i + b 3 X 3i + u i Y = a 1 + a X i + v i v i = b 3 X 3i + u i X 3 Değişkenini gözardı etmenin sonuçları 1. a 1 ve a üzerine etkisi (r 3 0), a 1 ve a sapmalı ve tutarsız olacaktır.. a 1 e etkisi (r 3 =0), a sapmasız iken a 1 hala sapmalı olacaktır. 3. Hata varyansına etkisi s, 4
5 Gerekli Değişkenin Gözardı Edilmesi 4. a nin varyansına etkisi, a nin varyansı b nin varyansının sapmalı bir tahmin edicisidir. 5. Güven aralıkları ve hipotez testlerine etkisi. 5
6 Gereksiz Değişkenin Modelde Yer Alması Y i = b 1 + b X i + u i Y = a 1 + a X i + b 3 X 3i +v i u i = b 3 X 3i + v i Gereksiz Değişkenin Modelde Yer Almasının Sonuçları 1. Bu tür modeldeki EKK tahmincileri tutarlı ve sapmasızdır. 6
7 Gereksiz Değişkenin Modelde Yer Almasının Sonuçları Gereksiz Değişkenin Modelde Yer Almasının Sonuçları. Hata varyansı s doğru tahmin edilmiştir. 3. Güven aralıkları ve hipotez testleri hala geçerlidir, 4. Tahmini a lar etkin değildirler. 7
8 Tanımlama Hatası Sonuçları Gereksiz Değişkenin Modelde Yer Alması, Y i = b 1 + b X i + u i Y = a 1 + a X i + b 3 X 3i +v i u i = b 3 X 3i + v i Gereksiz Değişkenin Modelde Yer Almasının Sonuçları 1. Bu tür modeldeki EKK tahmincileri tutarlı ve sapmasızdır.. Hata varyansı s doğru tahmin edilmiştir. 3. Güven aralıkları ve hipotez testleri hala geçerlidir, 4. Tahmini a lar etkin değildirler. 8
9 Tahmini model Tanımlama Sonuçları Doğru Model Y b 1 b X u Y b1 bx b3x 3 u Y=α ˆ ˆ1+αˆ X Doğru tanımlama. Problem yok Tahminciler yanlı, standart hatalar geçersiz. Y=α ˆ ˆ1+αˆ X ˆ +α3x3 Tahminciler sapmasızdır, fakat etkin değildir. Doğru tanımlama. Problem yok. 9
10 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI. reg S ASVABC SM Source SS df MS Number of obs = F(, 567) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = S Coef. Std. Err. t P> t [95% Conf. Interval] ASVABC SM _cons Örneğimizde eğitim süresi (S), yetenek puanı (ASVABC) ve anne eğitim düzeyine (SM) ilişkilendirilecektir. 10
11 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI eğitim süresi (S), yetenek puanı (ASVABC) ve anne eğitim düzeyi (SM). reg S ASVABC SM Source SS df MS Number of obs = F(, 567) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = S Coef. Std. Err. t P> t [95% Conf. Interval] ASVABC SM _cons S b1 basvabc b3sm u E( b ) b b 3 Cov( ASVABC, SM ) Var( ASVABC ) Daha sonra anne eğitim düzeyini (SM) yi modelden çıkararak tahminleyeceğiz. 11
12 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI eğitim süresi (S), yetenek puanı (ASVABC) ve anne eğitim düzeyi (SM). reg S ASVABC SM Source SS df MS Number of obs = F(, 567) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = S Coef. Std. Err. t P> t [95% Conf. Interval] ASVABC SM _cons S b1 basvabc b3sm u E( b ) b b 3 Cov( ASVABC, SM ) Var( ASVABC ) B 3 ün pozitif olduğunu, sağduyuya dayanarak kabul etmek makul olacaktır. Bu varsayım çoklu regresyonun pozitif ve yüksek derecede anlamlı olduğu tahmin gerçeğiyle kuvvetli olarak desteklenmektedir. 1
13 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI. reg S ASVABC SM. cor SM ASVABC Source SS df MS (obs=570) Number of obs = F(, 567) = Model Prob > F SM ASVABC = Residual R-squared = SM Adj R-squared = Total ASVABC Root MSE = S Coef. Std. Err. t P> t [95% Conf. Interval] ASVABC SM _cons S b1 basvabc b3sm E( b ) b b 3 u Cov( ASVABC, SM ) Var( ASVABC ) ASVABC ve SM arasındaki korelasyon pozitif olduğundan kovaryansı da pozitif olacaktır. Var(ASVABC) da otomatik olarak pozitif olacaktır. Bundan dolayı sapma da pozitif olacaktır. 13
14 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI eğitim süresi (S), yetenek puanı (ASVABC) ve anne eğitim düzeyi (SM). reg S ASVABC Source SS df MS Number of obs = F( 1, 568) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = S Coef. Std. Err. t P> t [95% Conf. Interval] ASVABC _cons SM nin ihmal edildiği regresyon yukarıda yer almaktadır. 14
15 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI eğitim süresi (S), yetenek puanı (ASVABC) ve anne eğitim düzeyi (SM). reg S ASVABC SM S Coef. Std. Err. t P> t [95% Conf. Interval] ASVABC SM _cons reg S ASVABC S Coef. Std. Err. t P> t [95% Conf. Interval] ASVABC _cons Gördüğünüz gibi, ASVABC nin katsayısı SM ihmal edildiğinde gerçektende daha yüksek olmaktadır. Farkın bir kısmı tam değişime bağlı olabilir, fakat fark sapmaya atfolunabilir. 15
16 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI eğitim süresi (S), yetenek puanı (ASVABC) ve anne eğitim düzeyi (SM). reg S SM Source SS df MS Number of obs = F( 1, 568) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = S Coef. Std. Err. t P> t [95% Conf. Interval] SM _cons S b1 basvabc b3sm u E( b3 ) b 3 b Cov( ASVABC, SM ) Var( SM ) SM yerine ASVABC in ihmal edilmesiyle elde edilen regresyon yukarıda yer almaktadır. b 3 nin yukarı doğru sapma yapması beklenir. b nin pozitif olmasını bekleriz ve sapma ifadesinde yer alan hem kovaryans hem de varyans pozitif olduğunu biliyoruz. 16
17 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI eğitim süresi (S), yetenek puanı (ASVABC) ve anne eğitim düzeyi (SM). reg S ASVABC SM S Coef. Std. Err. t P> t [95% Conf. Interval] ASVABC SM _cons reg S SM S Coef. Std. Err. t P> t [95% Conf. Interval] SM _cons Yukarıdaki örnekte sapma gerçekten çarpıcıdır. SM katsayısı iki katından daha fazladır. (Büyük sonucun sebebi Var(SM), Var(ASVABC) den daha küçükken, b ve b 3 nin tahminlerinin aynı boyutta olmasıdır.) 17
18 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI. reg S ASVABC SM Source SS df MS Number of obs = F(, 567) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = reg S ASVABC Source SS df MS Number of obs = F( 1, 568) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.015. reg S SM Source SS df MS Number of obs = F( 1, 568) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.305 Sonuç olarak, R bir değişken ihmal edildiğinde nasıl davranış gösterdiğini inceledik. S nin ASVABC deki basit regresyonundaki, R değeri 0.33, ve S nin SM deki basit regresyonundaki R değeri 0.13 dir. 18
19 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI. reg S ASVABC SM Source SS df MS Number of obs = F(, 567) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = reg S ASVABC Source SS df MS Number of obs = F( 1, 568) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.015. reg S SM Source SS df MS Number of obs = F( 1, 568) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.305 Yukarıdaki örnek ASVABC nin 33% of the S deki değişimin % 33 ünü ve SM dekinin ise % 13 ünü açıkladığını ifade etmekte midir? Hayır çünkü, çoklu regresyon ortak açıklama gücünün 0.46 değil 0.36 olduğunu göstermektedir. 19
20 GEREKLİ BİR DEĞİŞKENİN MODELE ALINMAMASI. reg S ASVABC SM Source SS df MS Number of obs = F(, 567) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE = reg S ASVABC Source SS df MS Number of obs = F( 1, 568) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.015. reg S SM Source SS df MS Number of obs = F( 1, 568) = Model Prob > F = Residual R-squared = Adj R-squared = Total Root MSE =.305 İkinci regresyonda, ASVABC SM için kısmen vekil gibi davranmakta, ve bu görünen açıklayıcı değişkeni şişirmektedir. Benzer olarak, üçüncü regresyonda, SM ASVABC için vekil gibi davranmaktadır, tekrardan görünen açıklayıcı değişkeni şişirmektedir.. 0
21 Tanımlama Hatası Testleri Gereksiz değişkenlerin varlığının araştırılması, Basit t testi Değişkenin gerekli olup olmadığı F testi Gerekli değişkenlerin gözardı edilmesinin ve yanlış fonksiyonel biçimin test edilmesi: 1. Hataların İncelenmesi. The Durbin-Watson d istatistiği(-) 3. Ramsey in RESET testi 4. Eklenen Değişkenler için Lagrange Multiplier (LM) testi 5. Hausman Testi 1
22 Hataların İncelenmesi Y b b X u i 1 i i 3 Y b b X b X u Y b b X b X b X b X u i 1 i 3 i i i 1 i 3 i 3 i 4 i i Y Residuals Y Residuals Y Residuals
23 Ramsey in RESET testi 1. Adım: Y i = b 1 + b X i + u i Ŷdeğerleri elde edilir. Adım: û ve Yˆ arasındaki dağılma diyagramı çizilerek ilişkinin fonksiyonel yapısına karar verilir. Eğer ilişki; parabol ise; Y a a X a Yˆ v kübik ise; i 1 3 i Y a a X b Yˆ a Yˆ v 3 i i değişkenler eklenerek yeni regresyon modeli tahmin edilir. 3
24 Ramsey in RESET testi 3. Adım: H 0 : Model spesifikasyonu doğrudur. H 1 : Model spesifikasyonu yanlıştır. F tab =F a,, f 1 f =? f 1 : Yeni Değişken Sayısı f : n yeni model katsayı sayısı F R R / f Yeni Eski 1 hes 1 R Yeni / f F hes > F tab H 0 reddedilebilir. 4
25 Ramsey in RESET testi Uygulaması Türkiye nin dönemi için İhracatı (IHR, milyar $) ile ABD Döviz Kurları (1/ 1000 TL) değerleri aşağıda verilmiştir. YILLAR DK IHR YILLAR DK IHR
26 Ramsey in RESET testi Uygulaması 1. Adım: ln(ihr ) ln(DK ) t t (71.59) (3.503) t. Adım: R e eski t 3 ln(ihr t) ln(DK t) 3.993ln(IHR t) 0.43ln(IHR t) t (.561) (.53) (-.185) (.301) R e yeni t 6
27 Ramsey in RESET testi Uygulaması 3. Adım: H 0 : Model spesifikasyonu doğrudur. H 1 : Model spesifikasyonu yanlıştır. f 1 : f : 0-4 F tab =F 0.05,,0-4 = / Fhes /(0 4) F hes > F tab H 0 reddedilebilir. 7
28 Lagrange Multiplier (LM) testi Y b b X b X b X u 3 i 1 i 3 i 4 i i Sınırlandırılmamış Model Y a a X v i 1 i i Sınırlandırılmış Model 1. Adım: Sınırlandırılmış model EKK ile tahminlenip u i elde edilir. 3. Adım: u b b X b X b X w R i y 1 i 3 i 4 i i 8
29 Lagrange Multiplier (LM) testi 3. Adım: H 0 : Model spesifikasyonu doğrudur. H 1 : Model spesifikasyonu yanlıştır. c: sınırlama sayısı tab c nr hes y hes > tab H 0 reddedilebilir. 9
30 Lagrange Multiplier (LM) testi uygulaması Kısa dönemde bir malın üretimiyle toplam üretimi gösteren veriler aşağıda verilmiştir. Üretim (X) Toplam Maliyet $ (Y)
31 Lagrange Multiplier (LM) testi uygulaması 1. Adım: Yt X t (8.751) (6.50) R Adım: u X X X i t (-3.87) (9.11) (-13.15) (15.89) R y
32 Lagrange Multiplier (LM) testi uygulaması 3. Adım: H 0 : Model spesifikasyonu doğrudur. H 1 : Model spesifikasyonu yanlıştır. c =, sınırlama sayısı tab 5.99 hes 10(0.9895) hes > tab H 0 reddedilebilir. 3
33 Hausman Tanımlama Testi Hausman testinde temel hipotez tanımlama hatası olmadığını, alternatif hipotez ise tanımlama hatası olduğunu ifade etmektedir. Bağımsız değişkenlerle hata terimleri arasında ilişki yoksa tanımlama hatası olmayacak, ilişki varsa tanımlama hatası söz konusu olacaktır. Bu nedenle sıfır hipotezi bağımsız değişkenlerle hatalar ilişkisiz, alternatif hipotez ise bağımsız değişkenlerle hatalar ilişkilidir şeklinde kurulur. Basit regresyon modelinin sabit katsayısı H 0 hipotezinin doğruluğu altında tutarlı ve etkin, H 1 hipotezinin doğruluğu altında tutarsızdır. Bağımsız değişkenin katsayısı ise H 0 ve H 1 hipotezlerinin doğruluğu altında tutarlı, H 0 hipotezinin geçerliliği altında etkin değildir. 33
34 Hausman Tanımlama Testi H 0 : Model spesifikasyonu doğrudur. H 1 : Model spesifikasyonu yanlıştır. Test istatistiği 1 serbestlik dereceli ki kare dağılımıdır. qr ˆ m Var ( ˆ b ) 1 r 0 m tab H 0 reddedilebilir. 34
35 Hausman Tanımlama Testi m ˆ q Vq ( ˆ) qˆ ˆ 1 r Var( b0 ) r qr ˆ Var( ˆ b ) 1 0 r En Küçük Kareler yöntemi ile tahminlenen model: Tutarlı Tahminlenen model:(araç Değişken ile) Y Y a b X i 0 0 i i a b Z i 1 1 i i ˆq ˆ b ˆ b 1 0 Var ( qˆ ) Var ( ˆ b ) Var ( ˆ b )
36 Hausman Tanımlama Testi Uygulaması İhracat modeli: EKK ile tahmin edilen model ln(ihr ) ln(dk ) t s b ( ) ( ) i t (71.59) (3.503) t Var ( b 0 ) Araç (alet) değişkeni kullanılarak elde edilen model: ln(ihr ) ln(GSMH ) t t (-4.149) (8.67) qˆ ˆ b ˆ b t 36
37 Hausman Tanımlama Testi Uygulaması Var b0 ( ) rdk,gsmh qr ˆ (0.9916) ( ) m Var ˆ ( b ) 1 r ( )
38 Hausman Tanımlama Testi Uygulaması 1. Adım: H 0 : Model spesifikasyonu doğrudur. H 1 : Model spesifikasyonu yanlıştır.. Adım: Test İstatistiği: m qˆ ˆ 1 r Var ( b0 ) r Adım: 1 = Adım: m > 1 H o reddedilebilir. 38
39 UYGULAMA: dönemine ait Türkiye nin İthalat(IT, 10Milyar $), Para Arzı (PA, Milyar$) ve Döviz Kuru (DK, 1/1000 YTL) verileri verilmiştir. Yıllar IT PA DK GSMH
40 UYGULAMA: RESET Testi İthalat ve para arzı arasındaki regresyon denklemi aşağıdaki gibi tahmin edilmiştir. ln(it) t ln(PA) R t (0.013) (4.573) Bu modelden elde edilen tahminler ile hata terimleri arasındaki grafik çizildiğinde eğrinin parabolik bir yapı gösterdiği görülmüş ve aşağıdaki model elde edilmiştir. ln(it) t ln(PA) 6.535ln(IT) R t (-0.604) (-0.445) (0.61) 40
41 UYGULAMA: RESET Testi 3. Adım: 4. Adım: H 0 : Model spesifikasyonu doğrudur. H 1 : Model spesifikasyonu yanlıştır. F tab =F a, 1, 13-3 =4.96 f 1 : Yeni Değişken Sayısı f : n yeni model katsayı sayısı 5. Adım: /1 Fhes /(13 3) 6. Adım: F hes < F tab H 0 reddedilemez. 41
42 UYGULAMA: LM Testi İthalatı açıklamada sadece para arzı değişkeninin kullanılmasıyla modelde spesifikasyon hatası yapılıp yapılmadığını test etmek için bu modelden elde edilen hata terimi para arzı(pa) ve döviz kuru(dk) değişkeniyle yeniden modellenmiş ve aşağıdaki yardımcı regresyon denklemi elde edilmiştir. ln(u) l n(pa) 0.019ln(DK) R t (0.333) (-0.597) (0.053) 4
43 UYGULAMA: LM Testi 3. Adım: H 0 : Model spesifikasyonu doğrudur. H 1 : Model spesifikasyonu yanlıştır. c: 1, sınırlama sayısı tab 3.84 hes 13(0.318) hes < tab H 0 reddedilemez
44 UYGULAMA: Hausman Testi İthalatı açıklarken PA ve Döviz kuru ile kurduğumuz modelde Döviz kuru yerine GSMH değişkenini araç değişken olarak kullanarak elde edilen model sonucu aşağıdaki gibidir. ln(it) l n(pa) 0.108ln(DK) R 0.83 s (0.795) (0.55) (0.033) t (.89) (1.407) (3.57) ln(it) l n(pa) ln(gsmh) R s (.597) (0.99) (0.637) t (-1.406) (303) (1.471) r 0.14 DK,GSMH 44
45 UYGULAMA: Hausman Testi qˆ ˆ b ˆ b Var b0 (0.033) qr ˆ (0.89) (0.14) m Var ˆ ( b ) 1 r ( )
46 UYGULAMA: Hausman Testi 1. Adım: H 0 : Model spesifikasyonu doğrudur. H 1 : Model spesifikasyonu yanlıştır.. Adım: m qˆ ˆ 1 r Var( b0 ) r Adım: 1 = Adım: m > 1 H o reddedilebilir. 46
47 Ölçme Hataları 1. Bağımsız Değişkendeki Ölçme Hataları. Bağımlı Değişkendeki Ölçme Hataları 3. Hem Bağımlı Hem de Bağımsız Değişkendeki Ölçme Hataları 47
48 1.Bağımsız Değişkendeki Ölçme Hataları Basit doğrusal regresyon denklemi Y b bx e i 0 1 i (1) Bağımsız değişken X de toplamsal ölçme hatası olsun. Bu hata v i ile ifade edilirse, ölçme hatalı bağımsız değişken: X X v * i i i () Ölçme Hatası Burada v i, temel varsayımları sağlamakta, e i ile v i nin bağımsız olduğu varsayılmaktadır. 48
49 1.Bağımsız Değişkendeki Ölçme Hataları Varyanslar pozitif olduğundan; b bs 1 v 1 b1 sx sv tahmin edilecektir. b 1 pozitif ise b 1 b 1 negatif ise b 1 daha küçük daha büyük 49
50 50 1.Bağımsız Değişkendeki Ölçme Hataları 1 v 1 1 X v bs b b s s v 1 1 X v 1 s b b s s X v v 1 1 X v s s s b b s s (16) X 1 X v s b s s 1 v X 1 1 b s s v X 1 A 1 s s (17) 0 < A < 1 1, b b 1 in sapmalı tahmincisidir.
51 1.Bağımsız Değişkendeki Ölçme Hataları b Yb X 0 1 b sapmalı olduğundan 1 0 b da sapmalı olacaktır. b 1 in en küçük kareler tahmincisi bˆ 1 tutarlı değildir. Aynı durum 0 ˆb için de geçerlidir. Bağımsız değişkenin ölçme hatalı olması durumunda, ölçme hatasız modeller için yapılan tüm açıklamalar geçersizdir. 51
52 .Bağımlı Değişkendeki Ölçme Hataları Doğru Model Y i = a + bx i +e i Y * i = Y i + w i su var(ˆ) b x i Ölçme Hatası Yanlış Model Y * i = (a + bx i +e i ) + w i Y * i = a + bx i +v i var( bˆ ) s s s v u w xi xi Bağımlı değişkende ölçme hatası olması durumunda modelin tahmini ile ilgili bir sorun yoktur. Çünkü e ile v aynı özelliklere sahiptir. Bu nedenle en küçük kareler tahmincileri sapmasız ve tutarlıdır. Tahmin edilen varyanslar ölçme hatasının bulunmadığı duruma göre daha büyüktür. 5
53 3.Bağımlı ve Bağımsız Değişkendeki Ölçme Hataları Parametre tahmincileri Sapmalı Tutarsız olacaktır. Eğer ölçme hataları sadece bağımlı değişkende ise, EKK tahmin edicileri sapmasız, tutarlı ama daha az etkindir. Eğer ölçme hataları bağımsız değişkende ise, EKK tahmincileri hem sapmalı, hem tutarsızdır. 1. s s EKK uygulanabilir. v X. Alet (Araç-Vekil) Değişken Yöntemi 53
54 Leamer in Model Seçim Yaklaşımı Leamer e göre, model kurma arayışına girmek için 6 neden vardır: Hipotez Testi Yorumlama Basitleştirme İkame Değişken arama Veri seçme Yeni model ilave etme. 54
55 Leamer in Model Seçim Yaklaşımı Bir malın talebinin belirlenmesi; En basit şekilde talep kuramına göre; her şey aynı iken, bir malın talep edilen miktarı tüketicinin geliri ile o malın fiyatına bağlıdır. Y: Talep edilen miktar (Portakal), I: Gelir; P: Fiyat İlk olarak Log-log model ile başlandığı varsayılsın; logy = logi 0.67 logp R =0.15 s(b i ) (1.1) (0.1) (0.13) n=150 55
56 Leamer in Model Seçim Yaklaşımı Y: Talep edilen miktar (Portakal), I: Gelir; P: Fiyat Hipotez test ile arayışta fiyat esnekliği katsayısınının -1 olduğu varsayımı; logy = logi 0.67 logp R =0.15 s(b i ) (1.1) (0.1) (0.13) n=150 (Sınırlı regresyon tahmini) logy + logp = logi R =0.14 s(b i ) (1.0) (0.0) t (4.8) n=150 F testi sonucu fiyat esnekliği katsayısının -1 olduğu hipotezi reddedilir. H : b 1 b H 56 1 : 3
57 Leamer in Model Seçim Yaklaşımı Y: Talep edilen miktar (Portakal), I: Gelir; P: Fiyat N: Kuzey S:Güney Veri seçme veri setinin güneş alan ve almayan bölgeler olarak ayrılması; logy N = logi N 0.60 logp N R =0.18 s(b i ) (1.9) (0.41) (0.5) t (.17) (.4) n=65 logy S = logi S 1.10 logp S R =0.19 s(b i ) (.) (0.31) (0.6) t (.64) (4.3) n= 85 Gelir ve fiyat değişkenlerinin bölgesel katsayıları aynıdır hipotezi ile veri seçme arayışı gerçekleştirilebilir. 57
58 Leamer in Model Seçim Yaklaşımı İkame değişken arama; Gelir (I) yerine Harcama ( E) değişkeninin kullanılması Y: Talep edilen miktar (Portakal), I: Gelir; P: Fiyat logy = loge 0.45 logp R =0.18 S(b i ) (1.0) (0.18) (0.16) n=150 Yeni bir model kurma İşaretleri yanlış logy = loge logp 0.56 loggp R =0.0 S(b i ) (1.0) (0.83) (0.13) (0.60) n=150 GP: İkame mal fiyatı (Mandalina Fiyatı) 58
59 Leamer in Model Seçim Yaklaşımı Y: Talep edilen miktar (Portakal), I: Gelir; P: Fiyat E:Harcama Yorumlama GP: İkame mal fiyatı (Mandalina Fiyatı) İşaretleri doğru Harcama yerine gelir değişkeni alınırsa logy = logi logp loggp R =0.19 S(b i ) (0.9) (0.19) (0.14) (0.31) n=150 Basitleştirme logy = log(e/p) R =0.19 S(b i ) (0.8) (0.18) n=150 59
60 Hendry in Model Seçim Yaklaşımı 1. Veri alabilmeli,. Teoriye uygun olmalı, 3. Zayıf dışsal açıklayıcı değişkenler olmalı, 4. Katsayılar değişmez olmalı, 5. Hata terimi beyaz gürültülü olmalı, 6. Kapsayıcı olmalı. Genelden özele yaklaşımı 60
61 Hendry in Model Seçim Yaklaşımı GNP:Gelir INTRATE:Faiz oranı POP:Nufus UNEMP:İşsizlik 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)
62 Hendry in Model Seçim Yaklaşımı Dependent Variable: HOUSING Method: Least Squares Sample: Included observations: 3 İşareti yanlış Variable Coefficient Std. Error t-statistic Prob. C GNP INTRATE 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 Hendry in Model Seçim Yaklaşımı Dependent Variable: HOUSING Method: Least Squares Sample: Included observations: 3 Variable Coefficient Std. Error t-statistic Prob. C GNP INTRATE 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)
64 Seçilmiş Hipotez Testleri 1. Yuvalanmış Model Testleri. Yuvalanmamış Model Testleri Model A: Y = b 1 + b X + b 3 X 3 + b 4 X 4 + u Model B: Y = b 1 + b X + b 3 X 3 Model C: Y = a 1 + a X Model D: Y = b 1 + b Z Model E: Y = c 1 + c X + c 3 Z + u + u + v + u 64
65 Yuvalanmış Model Testleri Model A: Y = b 1 + b X + b 3 X 3 + b 4 X 4 + u Model B: Y = b 1 + b X + b 3 X 3 + u B modeli, A modeli içinde yuvalanmıştır. Hipotez testleri: H 0 : b 4 = 0 test edilerek hipotez kabul edilirse A modeli B modeline indirgenir. 65
66 Yuvalanmamış Model Testleri Model C: Y = a 1 + a X Model D: Y = b 1 + b Z + u + v C ve D yuvalanmamış modellerdir. 66
67 Yuvalanmamış Model Testleri 1. Ayırdedici Yaklaşım, Belirlilik Katsayıları Akaike AIC Schwartz SC 67
68 Yuvalanmamış Hipotez Testleri Farklı Model Bilgisiyle Ayırdedici Yaklaşım Yuvalanmamış- F testi Davidson-MacKinnon testi 68
69 Yuvalanmamış-F testi Model E: Y = c 1 + c X + c 3 Z + u Model C: Y = a 1 + a X + u Model D: Y = b 1 + b Z + v C modeli doğru ise c 3 = 0 D modeli doğru ise c = 0 olacaktır. Katsayılar t ya da F testi ile test edilirler 69
70 Yuvalanmamış-F testi Uygulama: yılları verisi ile Vadeli Mevduat (VM), Para arzı(pa) ve GSMH verileri YILLAR VM PA GSMH
71 Yuvalanmamış-F testi Model E: Model E: VM = c 1 + c GSMH + c 3 PA + u Dependent Variable: VM Method: Least Squares Sample (adjusted): Included observations: 13 after adjustments Sadece t testi uygulayarak H 1 :c 3 0 H 0 : c = 0 Variable Coefficient Std. Error t-statistic Prob C GSMH PA R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterio Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)
72 Yuvalanmamış-F testi Model C: VM = f(gsmh) Dependent Variable: VM Method: Least Squares Sample (adjusted): Included observations: 13 after adjustments Variable Coefficient Std. Error t-statistic Prob. C GSMH 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)
73 Yuvalanmamış-F testi Model D: VM = f(pa) Dependent Variable: VM Method: Least Squares Sample (adjusted): Included observations: 13 after adjustments Variable Coefficient Std. Error t-statistic Prob. C PA 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)
74 1. Adım: Yuvalanmamış-F testi Model E: VM = c 1 + c GSMH + c 3 PA+ u Model D: VM = b 1 + b PA + v VM = f(gsmh, PA) Sınırlandırılmamış Model VM = f(pa) Sınırlandırılmış Model H 0 : c = 0 (GSMH değişkeni modele eklenmemelidir.) (t testinde anlamsız çıkmıştı) H 1 : En az biri sıfırdan farklıdır. (Değişken modele eklenmelidir.).adım hes 1 R f yeni R yeni Reski f F Adım F 1, 10, 0.05 = Adım F hes < F tab H 0 reddedilemez. 74
75 Davidson-MacKinnon J Sınaması Model C: Y = a 1 + a X + u Model D: Y = b 1 + b Z + v C modelini, D modeliyle karşılaştırmak istediğimizi düşünelim; 1. Adım: D modelini tahmin et, tahmin edilmiş Y değerleri ˆ D Y i bul.. Adım: ˆ D Y i değerini, C modeline ek bir açıklayıcı değişken olarak koy, aşağıdaki modeli tahmin et. Y a a X a Yˆ u D t 1 i 3 i i Kapsayıcılık İlkesi 3. Adım: t testini kullanarak a3 0 testi yapılır. 4. Adım: Eğer a3 0 hipotezi reddedilmez ise, C modelini doğru model olarak kabul ederiz. C Modeli, D Modelini kapsamaktadır. 75
76 Davidson-MacKinnon J Sınaması Model C: Y = a 1 + a X + u Model D: Y = b 1 + b Z + v D modelini, C modeliyle karşılaştırmak istediğimizi düşünelim; 1. Adım: C modelini tahmin et, tahmin edilmiş Y değerleri ˆ C Y i bul.. Adım: ˆ C Y i değerini D modeline ek bir açıklayıcı değişken olarak koy, aşağıdaki modeli tahmin et. Y b b Z b Yˆ u C t 1 i 3 i i Kapsayıcılık İlkesi 3. Adım: t testini kullanarak b testi yapılır Adım: Eğer b3 0 hipotezi reddedilmez ise, D modelini doğru model olarak kabul ederiz. D Modeli, C Modelini kapsamaktadır. 76
77 Davidson-MacKinnon J Sınaması Y a a X a Yˆ u D t 1 i 3 i i Y b b Z b Yˆ u C t 1 i 3 i i a 3 =0 Hipotezi b 3 =0 Hipotezi Reddetmeyin Reddedin Reddetmeyin Hem C hem de D yi D i kabul et, C i reddet kabul et Reddedin C i kabul et, D i reddet Hem C i hem de D i reddet 77
78 Davidson-MacKinnon J Sınaması Uygulaması Uygulama: yılları verisi ile Vadeli Mevduat (VM), Para arzı(pa) ve GSMH verileri YILLAR VM PA GSMH
79 Davidson-MacKinnon J Sınaması Model C: VM = a 1 + a PA + u Model D: VM = b 1 + b GSMH + v 79
80 Davidson-MacKinnon J Sınaması Model C: VM = a 1 + a PA + u Dependent Variable: VM Method: Least Squares Sample: Included observations: 13 H 0 reddedilemez Variable Coefficient Std. Error t-statistic Prob. C PA YD 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) C modeli, D modelini kapsamaktadır. 80
81 Davidson-MacKinnon J Sınaması Model D: Y = b 1 + b GSMH + v Dependent Variable: VM Method: Least Squares Sample (adjusted): Included observations: 13 after adjustments H 0 red. Variable Coefficient Std. Error t-statistic Prob. C GSMH YC R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterio Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) D modeli, C modelini kapsamamaktadır. 81
1. 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
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 3. R ölçüsü 4. Teorik tutarlılık 5. Tahmin Gücü 1 Model Tanımlanması Araştırmada kullanılan modelin tanımlamasının doğru olduğu kabul edilmektedir..
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.
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
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
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
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.
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
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
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
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,
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
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
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
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
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
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
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
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
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.
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
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
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
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
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
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
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
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
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
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
DetaylıKUKLA DEĞİŞKENLİ MODELLER. Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller)
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
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
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
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
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
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
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
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:
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
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
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
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
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
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
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
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
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
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
DetaylıEŞANLI DENKLEM MODELLERİ
EŞANLI DENKLEM MODELLERİ Eşanlı denklem modelleri, tek denklemli modeller ile açıklanamayan iktisadi olayları açıklamak için kullanılan model türlerinden birisidir. Çift yönlü neden-sonuç ilişkisi söz
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.
DetaylıA EKONOMETRİ. n iken de aynı sonuç geçerliyse, β hangi. A) β nın sabit olması. D) Xβ nın normal dağılımlı olması. E) n olması. dur?
EKONOMETRİ KPSS-AB-PÖ/007 1. 6. SORULARI AŞAĞIDAKİ BİLGİLERE β β β ( ) Y i = 1 + x + + i k x ik+ u i i = 1,, n denkleminin matrislerle ifadesi Y = X + u dur. Y( nx1 ), β ( kx1 ), X( nxk) ve β u nx1 boyutludur
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)
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,
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
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
DetaylıMODEL KURMA HATALARI ve VERİ SORUNLARI
MODEL KURMA HATALARI ve VERİ SORUNLARI Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri
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
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
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
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,
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
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
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
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
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,
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
DetaylıRegresyon Analizinde Nitel Bilgi. Nitel Değişkenler: Ders Planı. Nitel Bilgi
1 ÇOKLU REGRESYON ANALİZİNDE NİTEL DEĞİŞKENLER Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 2 Regresyon
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern
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.
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
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.
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
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.
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.
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
DetaylıModel Spesifikasyonu ve Veri Sorunları. MODEL KURMA HATALARI ve VERİ SORUNLARI
1 2 Model Spesifikasyonu ve Veri Sorunları MODEL KURMA HATALARI ve VERİ SORUNLARI Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach
DetaylıÇok Değişkenli Regresyon Analizi (Multiple Regression Analysis) Çoklu Regresyon Modeli Örnekler. Sınav başarı notu ve aile geliri
1 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 2
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
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
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...
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
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
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
DetaylıZaman Serileri Verileriyle Regresyon Analizinde Ardışık ZAMAN SERİSİ REGRESYONLARINDA
1 ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK BAĞINTI ve DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge
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:
DetaylıBağımsız Örneklemler İçin Tek Faktörlü ANOVA
Bağımsız Örneklemler İçin Tek Faktörlü ANOVA ANOVA (Varyans Analizi) birden çok t-testinin uygulanması gerektiği durumlarda hata varyansını azaltmak amacıyla öncelikle bir F istatistiği hesaplanır bu F
DetaylıEditörler Prof.Dr. Ömer Yılmaz & Doç.Dr. Nihat Işık EKONOMETRİ
Editörler Prof.Dr. Ömer Yılmaz & Doç.Dr. Nihat Işık EKONOMETRİ Yazarlar Prof. Dr. Hüseyin Özer Prof.Dr. Murat Karagöz Doç.Dr. H. Bayram Işık Doç.Dr. Mustafa Kemal Beşer Doç.Dr. Nihat Işık Doç.Dr. Selçuk
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
DetaylıBasit Regresyon Modeli BASİT REGRESYON MODELİ. Basit Regresyon Modeli. Basit Regresyon Modeli: y = β 0 + β 1 x + u
1 2 Basit Regresyon Modeli 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
DetaylıSabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2
X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne
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:
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,
DetaylıTOBB Ekonomi ve Teknoloji Üniversitesi İKT352 Ekonometri II, Dönem Sonu Sınavı
TOBB Ekonomi ve Teknoloji Üniversitesi Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sınav toplam 100 puan değerinde 5 sorudan oluşmaktadır. Sınav süresi 90 dakikadır ve tüm soruların
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
DetaylıZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK
ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK BAĞINTI ve DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge
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.
Detaylı