İyi Bir Modelin Özellikleri
|
|
|
- Berker Adem
- 5 yıl önce
- İzleme sayısı:
Transkript
1 İyi Bir Modelin Özellikleri. Basilik. Belirlenmişlik. R ölçüsü 4. Teorik uarlılık 5. Tahmin Gücü Model Tanımlanması Araşırmada kullanılan modelin anımlamasının doğru olduğu kabul edilmekedir.. Doğru modele ulaşmak için R,, F, DW-d vb. İsaisik ve ekonomerik esler kullanılır. Eğer model hala amin edici değilse, araşırmacı anımlama haalarından ya da seçilen modeldeki sapmalardan kaygılanmaya başlamakadır. -Yanlış Fonsiyonel Biçim, - Gereksiz Değişkenin Modelde Yer Alması, -Gerekli Değişkenin Gözardı Edilmesi, -Değişkenlerin Ölçme Haalı Olması.
2 Tanımlama Haası Tipleri Y + X + X + 4 X + u lny + X + X + 4 X + u Yanlış Fonksiyonel biçim Y λ + λ X + λ X + λ 4 X + u Y λ + λ X + λ X + λ 4 X + λ 5 X 4 + v v u - λ 5 X 4 Gereksiz Değişkenin Modelde Yer Alması, Tanımlama Haası Tipleri Y + X + X + 4 X + u Y α + α X + α X + v v 4 X + u Gerekli Değişkenin Gözardı Edilmesi, Y i* * + * X i* + * X i * + 4* X i * + u i * Y i* Y i + ε i X i* X i + w i Ölçme Haası Sapması 4
3 Tanımlama Haası Sonuçları Gerekli Değişkenin Gözardı Edilmesi Y i + X i + X i + u i Y α + α X i + v i v X i + u X Değişkenini gözardı emenin sonuçları. α ve α üzerine ekisi (r 0), α ve α sapmalı ve uarsız olacakır.. (r 0) ise α sapmasız olacak, α hala sapmalı olacakır.. Haa varyansına ekisi ise σ yanlış ahmin edilmiş olur. 5 Tanımlama Haası Sonuçları Gereksiz Değişkenin Modelde Yer Alması, Y i + X i + u i Y α + α X i + X i +v i u i X i + v i Gereksiz Değişkenin Modelde Yer Almasının Sonuçları. Bu ür modeldeki EKK ahmincileri uarlı ve sapmasızdır.. Haa varyansı σ doğru ahmin edilmişir.. Güven aralıkları ve hipoez esleri hala geçerlidir, 4. α lar ekin değildirler. 6
4 Yanlış anımlamanın sonuçları Doğru model Y + X + u Y + X + X + u Tahmini model Y ˆ b + b X Yˆ b + b X + b X Şimdi modele alınması gereken değişkenlerin alınmaması sonucunda oraya çıkabilecekleri arışacağız. 7 Yanlış anımlamanın sonuçları Doğru model Y + X + u Y + X + X + u Tahmini model Y ˆ b + b X Yˆ b + b X + b X Analizimizde iki durum söz konusudur. Y sadece X ile ya da X ve X ile ilişkilendirilecekir. 8
5 Yanlış anımlamanın sonuçları Doğru model Y + X + u Y + X + X + u Tahmini model Y ˆ b + b X Yˆ b + b X + b X Doğru anımlama. Problem yok Y sadece X ile ilişkilendirilirse problem söz konusu olmayacakır. 9 Yanlış anımlamanın sonuçları Doğru model Y + X + u Y + X + X + u Tahmini model Y ˆ b + b X Yˆ b + b X + b X Doğru anımlama. Problem yok Doğru anımlama. Problem yok. Y hem X ve hem X ile ilişkilendirilirse yine problem söz konusu olmayacakır 0
6 Yanlış anımlamanın sonuçları Doğru model Y + X + u Y + X + X + u Tahmini model Y ˆ b + b X Yˆ b + b X + b X Doğru anımlama. Problem yok Doğru anımlama. Problem yok. Doğru model, çok açıklayıcılı model iken, ek açıklayıcılı model ahmin emenin sonuçlarını inceleyeceğiz. Yanlış anımlamanın sonuçları Doğru model Y + X + u Y + X + X + u Tahmini model Y ˆ b + b X Doğru anımlama. Problem yok Doğru anımlama. Problem yok. Daha sonra da doğru model, ek açıklayıcılı model iken, çok açıklayıcılı model ahmin emenin sonuçlarını inceleyeceğiz.
7 Yanlış anımlamanın sonuçları Y + X + u Y + X + X + u Tahmini model Y ˆ b + b X Yˆ b + b X + b X Doğru anımlama. Problem yok Tahminciler sapmalı, sandar haalar geçersiz. Doğru anımlama. Problem yok. Gerekli bir açıklayıcı değişkenin modele alınmaması, modeldeki ahmincilerin sapmalı ve sandar haalarının geçersiz olmasına yol açacakır. Y + X + X + u Y ˆ b + b X Cov( X, X ) E( b ) + Var( X ) Bu durumda X, b nin Cov(X, X )/Var(X ) kadar yanlı olmasına neden olacakır. 4
8 Y + X + X + u Y ˆ b + b X Cov( X, X ) E( b ) + Var( X ) X sabiken X nin doğrudan ekisi Y X ün ekisi X gibi davranan X nin görünen ekisi X X doğrudan ekisine ek olarak X, modele alınmayan X ün vekili gibi davranıp dolaylı ekiye de sahip olacakır. 5 X sabiken X nin Y üzerindeki doğrudan ekisi Y + X + X + u Y ˆ b + b X Cov( X, X ) E( b ) + Var( X ) Y X ün ekisi X gibi davranan X nin görünen ekisi X X Vekil ekisi iki faköre bağlı olacakır: X ün Y üzerine ekisinin gücü ( ) ve X ninx ü akli eme yeeneği. 6
9 Y + X + X + u Y ˆ b + b X Cov( X, X ) E( b ) + Var( X ) X sabiken X nin doğrudan ekisi Y X ün ekisi X gibi davranan X nin görünen ekisi X X X nin X ü akli eme yeeneği X ile X ilişkilendirildiğinde elde edilen eğim elde edilir. 7. reg S ASVABC SM Source SS df MS Number of obs F(, 567) 56.8 Model Prob > F Residual R-squared Adj R-squared 0.59 Toal Roo MSE.9805 S Coef. Sd. Err. P> [95% Conf. Inerval] ASVABC SM _cons Örneğimizde eğiim süresi (S), yeenek puanı (ASVABC) ve annenin eğiim düzeyine (SM) ilişkilendirilecekir. 8
10 . reg S ASVABC SM Source SS df MS Number of obs F(, 567) 56.8 Model Prob > F Residual R-squared Adj R-squared 0.59 Toal Roo MSE.9805 S Coef. Sd. Err. P> [95% Conf. Inerval] ASVABC SM _cons S + ASVABC + SM + u Cov( ASVABC, SM ) E( b ) + Var( ASVABC ) Daha sonra SM yi modelden çıkararak ahminleyeceğiz. 9. reg S ASVABC SM Source SS df MS Number of obs F(, 567) 56.8 Model Prob > F Residual R-squared Adj R-squared 0.59 Toal Roo MSE.9805 S Coef. Sd. Err. P> [95% Conf. Inerval] ASVABC SM _cons S + ASVABC + SM + u Cov( ASVABC, SM ) E( b ) + Var( ASVABC ) Β ün poziif olduğunu, sağduyuya dayanarak kabul emek makul olacakır. Bu varsayım çoklu regresyonun poziif ve yüksek derecede anlamlı olduğu ahmin gerçeğiyle kuvveli olarak deseklenmekedir. 0
11 . reg S ASVABC SM. cor SM ASVABC Source SS df MS (obs570) Number of obs F(, 567) 56.8 Model Prob > F SM ASVABC Residual R-squared SM Adj R-squared Toal ASVABC Roo 0.89 MSE S Coef. Sd. Err. P> [95% Conf. Inerval] ASVABC SM _cons S + ASVABC + SM + u Cov( ASVABC, SM ) E( b ) + Var( ASVABC ) ASVABC ve SM arasındaki korelasyon poziif olduğundan kovaryansı da poziif olacakır. Var(ASVABC) da oomaik olarak poziif olacakır. Bundan dolayı sapma da poziif olacakır.. reg S ASVABC Source SS df MS Number of obs F(, 568) Model Prob > F Residual R-squared Adj R-squared 0.9 Toal Roo MSE.05 S Coef. Sd. Err. P> [95% Conf. Inerval] ASVABC _cons SM nin ihmal edildiği regresyon yukarıda yer almakadır.
12 . reg S ASVABC SM S Coef. Sd. Err. P> [95% Conf. Inerval] ASVABC SM _cons reg S ASVABC S Coef. Sd. Err. P> [95% Conf. Inerval] ASVABC _cons Gördüğünüz gibi, ASVABC nin kasayısı SM ihmal edildiğinde gerçekende daha yüksek olmakadır. Farkın bir kısmı am değişime bağlı olabilir, faka fark sapmaya af olunabilir.. reg S SM Source SS df MS Number of obs F(, 568) 8.59 Model Prob > F Residual R-squared Adj R-squared 0.67 Toal Roo MSE.05 S Coef. Sd. Err. P> [95% Conf. Inerval] SM _cons S + ASVABC + SM + u Cov( ASVABC, SM ) E( b ) + Var( SM ) SM yerine ASVABC in ihmal edilmesiyle elde edilen regresyon yukarıda yer almakadır. b nin yukarı doğru sapma yapması beklenir. nin poziif olmasını bekleriz ve sapma ifadesinde yer alan hem kovaryans hem de varyans poziif olduğunu biliyoruz. 4
13 . reg S ASVABC SM S Coef. Sd. Err. P> [95% Conf. Inerval] ASVABC SM _cons reg S SM S Coef. Sd. Err. P> [95% Conf. Inerval] SM _cons Yukarıdaki örneke sapma gerçeken çarpıcıdır. SM kasayısı iki kaından daha fazladır. (Büyük sonucun sebebi Var(SM), Var(ASVABC) den daha küçükken, ve nin ahminlerinin aynı boyua olmasıdır.) 5. reg S ASVABC SM Source SS df MS Number of obs F(, 567) 56.8 Model Prob > F Residual R-squared Adj R-squared 0.59 Toal Roo MSE reg S ASVABC Source SS df MS Number of obs F(, 568) Model Prob > F Residual R-squared Adj R-squared 0.9 Toal Roo MSE.05. reg S SM Source SS df MS Number of obs F(, 568) 8.59 Model Prob > F Residual R-squared Adj R-squared 0.67 Toal Roo MSE.05 Sonuç olarak, R bir değişken ihmal edildiğinde nasıl davranış göserdiğini inceledik. Snin ASVABC deki basi regresyonundaki, R değeri 0., ve S nin SM deki basi regresyonundaki R değeri 0. dir. 6
14 . reg S ASVABC SM Source SS df MS Number of obs F(, 567) 56.8 Model Prob > F Residual R-squared Adj R-squared 0.59 Toal Roo MSE reg S ASVABC Source SS df MS Number of obs F(, 568) Model Prob > F Residual R-squared Adj R-squared 0.9 Toal Roo MSE.05. reg S SM Source SS df MS Number of obs F(, 568) 8.59 Model Prob > F Residual R-squared Adj R-squared 0.67 Toal Roo MSE.05 Yukarıdaki örnek S Deki değişimin %5 i yeenek puanı(asvabc) i ve SM ile, % ünü sadece yeenek puanı(asvabc) ve % üde annenin eğiim yılı (SM) ile açıklanmakadır. 7. reg S ASVABC SM Source SS df MS Number of obs F(, 567) 56.8 Model Prob > F Residual R-squared Adj R-squared 0.59 Toal Roo MSE reg S ASVABC Source SS df MS Number of obs F(, 568) Model Prob > F Residual R-squared Adj R-squared 0.9 Toal Roo MSE.05. reg S SM Source SS df MS Number of obs F(, 568) 8.59 Model Prob > F Residual R-squared Adj R-squared 0.67 Toal Roo MSE.05 8
15 Tanımlama Haası Tesleri Gereksiz değişkenlerin varlığının araşırılması, Basi esi Değişken gerekli olup olmadığı F esi Gerekli değişkenlerin gözardı edilmesinin ve yanlış fonksiyonel biçimin es edilmesi:. Haaların İncelenmesi. The Durbin-Wason d isaisiği(-). Ramsey in RESET esi 4. Eklenen Değişkenler için Lagrange Muliplier (LM) esi 5. Hausman Tesi 9 Haaların İncelenmesi Y Residuals Y Residuals Y Residuals 0
16 Ramsey in RESET esi Modelde anımlama haası olup olmadığını araşırmak için. Adım: Y i + X i + u i Ŷ. Adım: ˆ û ve Y arasındaki dağılma diyagramı çizilerek n Ŷ derecesi belirlenir. (n,,..,) değişkenleri eklenerek yardımcı regresyon modeli yeniden ahminlenir: Dağılma dayagramından yola çıkarak grafik parabolik ise; Y b + b X + Y ˆ + u i i Grafik kübik ise; Y b + b X + Yˆ + Yˆ + v i i
17 Ramsey in RESET esi. Adım: 4. Adım: 5. Adım: H 0 : Model spesifikasyonu doğrudur. H : Model spesifikasyonu yanlışır. F ab F α, f, f? f : Yeni Değişken Sayısı f : n yeni modeldeki kasayı sayısı F ( ) ( R )/f R R /f Yeni Eski hes Yeni 6. Adım: F hes > F ab H 0 reddedilebilir. Ramsey in RESET esi Uygulama: Türkiye nin dönemi için İhracaı (IHR,milyar $) ile ABD Döviz Kurları (/ 000 YTL) değerleri aşağıda verilmişir. YILLAR DK IHR YILLAR DK IHR
18 Ramsey in RESET esi. Adım: ln(ihr ) ln(dk ) (7.59) (.50) R eski e Adım: Yardımcı regresyon modeli ahmin edilir. + + ln(ihr ) ln(DK ).99ln(IHR ) 0.4ln(IHR ) (.56) (.5) (-.85) (.0) R yeni e Ramsey in RESET esi. Adım: H 0 : Model spesifikasyonu doğrudur. H : Model spesifikasyonu yanlışır. 4. Adım: F ab F α,, α Adım: f : Yeni Değişken Sayısı f : n yeni modeldeki kasayı sayısı ( ) ( R )/f Yeni Eski hes Yeni ( ) ( ) R R /f / F /(0 4) 6. Adım: F hes > F ab H 0 reddedilebilir. Model spesifikasyonu doğru değildir. 6
19 Lagrange Muliplier (LM) esi Y + X + X + X + v i i i 4 i i Y α + α X + u i i i Sınırlandırılmamış Model Sınırlandırılmış Model. Adım:Sınırlandırılmış model EKK ile ahminlenip $ u i elde edilir.. Adım: $ u + X + X + X + w i i i 4 i i R 7 Lagrange Muliplier (LM) esi. Adım: H 0 : Model spesifikasyonu doğrudur. H : Model spesifikasyonu yanlışır. 4. Adım: χ nr hes 5. Adım: χ c c: sınırlama sayısı ab 6. Adım: χ hes > χ ab H 0 reddedilebilir. 8
20 Lagrange Muliplier (LM) esi Uygulama: Kısa dönemde bir malın üreimiyle oplam üreim maliyeini göseren veriler aşağıda verilmişir. Üreim (X) Toplam Maliye $ (Y) Lagrange Muliplier (LM) esi 40
21 Lagrange Muliplier (LM) esi. Adım: Ŷ X (8.75) (6.50) R Adım: Y + X + X + X + u Teorik olarak u$ X.965X X i i i i 4 i i sınırlandırılmamış model (-.87) (9.) (-.5) (5.89) R Lagrange Muliplier (LM) esi. Adım: H 0 : Model spesifikasyonu doğrudur. H : Model spesifikasyonu yanlışır. 4. Adım: χ hes 0(0.9895) Adım: χab 5.99 c (sınırlama sayısı) 6. Adım: χ hes > χ ab H 0 reddedilebilir. 4
22 Hausman Tanımlama Tesi Basi regresyon modeli için Hausman es isaisiği ˆ q m m: serbeslik dereceli ki kare dağılımıdır. Vq ( ˆ) Gerçek model: Tahminlenen model: (Araç Değişkenli Model) Y Y α + X + ε i 0 0 i i α + Z + υ i i i ˆq ˆ ˆ Var( qˆ ) Var( ˆ ˆ ) Var( 0) 0 4 Araç değişken yönemi ile uarlı ahminciler elde edilebilir. Araç değişken Z ise araç değişken ahmincisi; YZ ˆ ˆ + XZ ˆq ˆ ˆ 0 εz XZ Var( ˆ ) Var( qˆ ) Var( ˆ ) Var( ˆ ) 0 Z σ σ XZ X Z σ XZ r: X ve Z arasındaki korelasyon kasayısı ˆ r Var( 0 ) r 44
23 Hausman Tanımlama Tesi ˆ q m Vq ( ˆ) qr ˆ m Var ( ˆ ) r 0 45 Hausman Tanımlama Tesi. Adım: H 0 : Model spesifikasyonu doğrudur. H : Model spesifikasyonu yanlışır. m: serbeslik dereceli ki kare dağılımıdır.. Adım: Tes İsaisiği: qr ˆ m Var ( ˆ ) r 0. Adım: m: serbeslik dereceli ki kare dağılımı göserir. 4. Adım: H hipoezi alında m > χ H o reddedilebilir. 0 ˆ uarsızdır. 46
24 Hausman Tanımlama Tesi Uygulama: İhraca modelini Hausman esi ile es edelim. EKK ile ahmin edilen model ln(ihr ) ln(dk ) ( ) s b (0.0048) ( ) i (7.59) (.50) s( 0 ) Araç değişkeni kullanılarak elde edilen model: ln(ihr ).88+.7ln(GSMH ) (-4.49) (8.67) 47 Hausman Tanımlama Tesi qˆ ˆ ˆ Var ( 0 )( ) rln DK,ln GSMH qr ˆ (0.996) (0.8689) m Var ( ˆ ) r ( ) 0 ( ) ( ) ( ) 48
25 Hausman Tanımlama Tesi. Adım: H 0 : Model spesifikasyonu doğrudur. H : Model spesifikasyonu yanlışır.. Adım: Tes İsaisiği: qr ˆ m Var ˆ ( ) r 0 4. Adım: χ Adım: m > χ H o reddedilebilir. 49
İyi 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
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
OTOKORELASYON 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
İyi 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..
ÇOKLU 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.
SORU SETİ 02 (REVİZE EDİLDİ) FİNAL KONULARI
Ekonomeri 8 Ocak, 0 Gazi Üniversiesi İkisa Bölümü SORU SETİ 0 (REVİZE EDİLDİ) FİNAL KONULARI PROBLEM Aşağıda verilen avuk ei alebi fonksiyonunu düşününüz (960-98): lny = β + β ln X + β ln X + β ln X +
Teknolojik bir değişiklik veya üretim arttırıcı bir yatırımın sonucunda ihracatta, üretim miktarında vs. önemli artışlar olabilir.
YAPISAL DEĞİŞİKLİK Zaman serileri bazı nedenler veya bazı fakörler arafından ekilenerek zaman içinde değişikliklere uğrayabilirler. Bu değişim ikisadi kriz, ikisa poliikalarında yapılan değişiklik, eknolojik
Meslek 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
DEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıtılmış Gecikme ve Otoregresiv Modeller
DEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıılmış Gecikme ve Ooregresiv Modeller 1 Zaman serisi modellerinde, bağımlı değişken Y nin zamanındaki değerleri, bağımsız X değişkenlerinin zamanındaki cari
KUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
Kukla 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
Dağıtılmış Gecikme ve Otoregresiv Modeller. Mehmet Vedat PAZARLIOĞLU
Dağıılmış Gecikme ve Ooregresiv Modeller Mehme Veda PAZARLIOĞLU Saik Model Nedir? Saik Model, Y ve X arasında aynı dönemde yani döneminde oraya çıkan ilişkiden gelmekedir. Y = b 0 + b 1 X + u, (=1,2,,n.)
KUKLA 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
ÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.
ÇOKLU REGRESYON MODELİ Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir. Y=b 1 + b X + b X + u Y=b 1 + b X + b X +...+ b k X k + u
Farklı 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
Dependent 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
DEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıtılmış Gecikme ve Otoregresiv Modeller
DEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıılmış Gecikme ve Ooregresiv Modeller 1 Saik Model Y = b 0 + b 1 X + u, (=1,2,,n.) Saik Model, Y ve X arasında aynı dönemde yani döneminde oraya çıkan ilişkiden
KUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
Zaman Serisi Modelleri: Birim Kök Testleri, Eşbütünleşme, Hata Düzeltme Modelleri
Yıldız Teknik Üniversiesi İkisa Bölümü Ekonomeri II Ders Noları Ders Kiabı: J.M. Wooldridge, InroducoryEconomericsA Modern Approach, 2nd. ed., 2002, Thomson Learning. Zaman Serisi Modelleri: Birim Kök
EŞANLI DENKLEMLİ MODELLER
EŞANLI DENKLEMLİ MODELLER EŞANLI DENKLEMLİ MODELLER Eşanlı denklem siseminde, Y den X e ve X den Y ye karşılıklı iki yönlü eki vardır. Y ile X arasındaki karşılıklı ilişki nedeniyle ek denklemli bir model
White 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
24.05.2010. Birim Kök Testleri. Zaman Serisi Modelleri: Birim Kök Testleri, Eşbütünleşme, Hata Düzeltme Modelleri
Yıldız Teknik Üniversiesi İkisa Bölümü Ekonomeri II Ders Noları Ders Kiabı: J.M. Wooldridge, Inroducory Economerics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Zaman Serisi Modelleri: Birim Kök
KUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
Birim Kök Testleri 3/24/2016. Bir stokastik sürecin birim kök içerip içermediğini nasıl anlarız? Hatırlarsak aşağıdaki AR(1) sürecinde
Yıldız Teknik Üniversiesi İkisa Bölümü Ekonomeri II Ders Noları Ders Kiabı: J.M. Wooldridge, Inroducory Economerics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Zaman Serisi Modelleri: Birim Kök
Birim Kök Testleri. Random Walk. Bir stokastiksürecin birim kök içerip içermediğini nasıl anlarız? Hatırlarsak aşağıdaki AR(1) sürecinde
Yıldız Teknik Üniversiesi İkisa Bölümü Ekonomeri II Ders Noları Ders Kiabı: J.M. Wooldridge, Inroducory Economerics A Modern Approach, 2nd. ed., 02, Thomson Learning. Zaman Serisi Modelleri: Birim Kök
Tek 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
OLS 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
Ch. 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
3. 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
Ekonometri 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:
KONYA İLİ SICAKLIK VERİLERİNİN ÇİFTDOĞRUSAL ZAMAN SERİSİ MODELİ İLE MODELLENMESİ
KONYA İLİ SICAKLIK VERİLERİNİN ÇİFTDOĞRUSAL ZAMAN SERİSİ MODELİ İLE MODELLENMESİ İsmail KINACI 1, Aşır GENÇ 1, Galip OTURANÇ, Aydın KURNAZ, Şefik BİLİR 3 1 Selçuk Üniversiesi, Fen-Edebiya Fakülesi İsaisik
DOĞRUSAL 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
REGRESYON ANALİZİ BÖLÜM 3-4
REGRESYON ANALİZİ BÖLÜM 3-4 Yayın arihi: 17-08-008 ÇOK DEĞİŞKENLİ DOĞRUSAL REGRESYON FONKSİYONU 3. ÇOK DEĞİŞKENLİ DOĞRUSAL REGRESYON Çok değişkenli regresyon modelinde bir y bağımlı değişkeni, k adet bağımsız
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.
Matris 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
İÇİNDEKİLER 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
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. β tahminleri için uygulanan testlerin geçerliliği u i nin normal dağılmasına bağlıdır.
Ch. 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
YTÜ 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
YTÜ 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
En 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
14 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
BİRDEN 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
EŞANLI 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
SIRADAN 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
Box-Jenkıns Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama
Kocaeli Üniversiesi Sosyal Bilimler Ensiüsü Dergisi (6) 2003 / 2 : 49-62 Box-Jenkıns Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama Hüdaverdi Bircan * Yalçın Karagöz ** Öze: Bu çalışmada geleceği
EANLI DENKLEML MODELLERN ÇÖZÜM YÖNTEMLER I: MATRSSZ ÇÖZÜM:
EANLI DENKLEML MODELLERN ÇÖZÜM YÖNTEMLER I: MATRSSZ ÇÖZÜM: DOLAYLI EKKY AAMALI EKKY SINIRLI BLG LE EÇBY Eanl denklemli modelin her hangi bir denklemi Basi EKKY ile çözüldüünde sapmal uarsz ahminler elde
UYGULAMALAR. 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.
Zaman 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
ZAMAN SERİSİ ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRILMASI
EGE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ (YÜKSEK LİSANS TEZİ) ZAMAN SERİSİ ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRILMASI Sibel OĞHAN Tez Danışmanı: Prof. Dr. Hülya ATIL Zooekni Anabilim Dalı Bilim Dalı Kodu:
ÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.
ÇOKLU REGRESYON MODELİ Bir ağımlı değişkene etki eden çok sayıda ağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanailir. Y= + + + u Y= + + +...+ k k + u EKKY varsayımları çoklu regresyon
Dolar Kurundaki Günlük Hareketler Üzerine Bazı Gözlemler
Dolar Kurundaki Günlük Harekeler Üzerine Bazı Gözlemler Türkiye Bankalar Birliği Ekonomi Çalışma Grubu Toplanısı 28 Nisan 2008, İsanbul Doç. Dr. Cevde Akçay Koç Finansal Hizmeler Baş ekonomis cevde.akcay@yapikredi.com.r
Yatırım Analizi ve Portföy Yönetimi 6. Hafta
Yatırım Analizi ve Portföy Yönetimi 6. Hafta Dr. Mevlüt CAMGÖZ 1 Dr. Mevlüt CAMGÖZ İçerik Karakteristik Doğru ve Beta Katsayısı Karakteristik Doğrunun Tahmini Beta Katsayısının Hesaplanması Agresif ve
Regresyon 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
ADINIZ :... SOYADINIZ :... T.C. KİMLİK NUMARANIZ :... SINAV SALON NO. :... SORU KİTAPÇIĞI TÜRÜ A B C D. Paraf Paraf Paraf Paraf
ÖSYM T.C. YÜKSEKÖĞRETİM KURULU ÖĞRENCİ SEÇME VE YERLEŞTİRME MERKEZİ KMU PERSONEL SEÇME SINVI (KPSS) LİSNS 9 Haziran 008 LN BİLGİSİ TESTİ (ÇLIŞM EKONOMİSİ VE ENDÜSTRİ İLİŞKİLERİ-EKONOMETRİ-İSTTİSTİK- KMU
Yuvalanmamış 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
A 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
DİNAMİK 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
Öğr. 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
EKONOMETRİ. 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
ÖNGÖRÜ 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
ZAMAN 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
Dependent 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
AYÇİÇEK VE SOYA YAĞI İTHALAT TALEBİNİN ANALİZİ
AKDENİZ ÜNİVERSİTESİ ZİRAAT FAKÜLTESİ DERGİSİ,, 15(),71-79 AYÇİÇEK VE SOYA YAĞI İTHALAT TALEBİNİN ANALİZİ Selim Adem HATIRLI Vecdi DEMİRCAN Ali Rıza AKTAŞ Süleyman Demirel Üniversiesi Ziraa Fakülesi Tarım
Türkiye nin Kabuklu Fındık Üretiminde Üretim-Fiyat İlişkisinin Koyck Yaklaşımı İle Analizi
TÜRK TARIM ve DOĞA BİLİMLERİ DERGİSİ TURKISH JOURNAL of AGRICULTURAL and NATURAL SCIENCES www.urkjans.com Türkiye nin Kabuklu Fındık Üreiminde Üreim-Fiya İlişkisinin Koyck Yaklaşımı İle Analizi Şenol ÇELİK*
Farklı 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
İstatistik 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
Model 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
TABLO 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
DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci
DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri
Korelasyon 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)
8. 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
YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2
Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 5, Sayı:2, 2003 YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI Sibel SELİM 1 Efe SARIBAY
ÇOKLU 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
ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI
SORU- 1 : ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI X ve Y birbirinden bağımsız iki rasgele değişken olmak üzere, sırasıyla aşağıdaki moment çıkaran fonksiyonlarına sahiptir: 2 2 M () t = e,
4. 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
Koşullu 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
ortalama 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
TÜSİAD - KOÇ ÜNİVERSİTESİ EKONOMİK ARAŞTIRMA FORUMU KONFERANSI. Zafer A. YAVAN - TÜSİAD Yasemin TÜRKER KAYA - BDDK
Üreim Fonksiyonu Yaklaşımına Vurguyla Poansiyel Çıkı Açığı Tahmin Eme Yönemleri ve Yapısal İşsizlik Öğesi: Lieraür Değerlendirmesi ve Türkiye Örneği TÜSİAD - KOÇ ÜNİVERSİTESİ EKONOMİK ARAŞTIRMA FORUMU
Çok 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
Regresyon. 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
Doğrusal Bağlanım Modeline Dizey Yaklaşımı
Doğrusal Bağlanım Modeline Dizey Yaklaşımı Yrd Doç Dr A Talha YALTA Ekonometri Ders Notları Sürüm,0 (Ekim 011) Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 30
9. 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.
BİRİM KÖK TESTLERİNDE YAPISAL KIRILMA ZAMANININ İÇSEL OLARAK BELİRLENMESİ PROBLEMİ: ALTERNATİF YAKLAŞIMLARIN PERFORMANSLARI
BİRİM KÖK TESTLERİNDE YAPISAL KIRILMA ZAMANININ İÇSEL OLARAK BELİRLENMESİ PROBLEMİ: ALTERNATİF YAKLAŞIMLARIN PERFORMANSLARI Arş. Gör. Furkan EMİRMAHMUTOĞLU Yrd. Doç. Dr. Nezir KÖSE Arş. Gör. Yeliz YALÇIN
İki Değişkenli Bağlanım Çıkarsama Sorunu
İki Değişkenli Bağlanım Çıkarsama Sorunu Aralık Tahmini Ekonometri 1 Konu 15 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported
İstatistiksel Yorumlama
İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız
YARI 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,
İçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
İÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
Basit 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
Harrod-Nötr Teknolojik Gelişme Varsayımı Altında Türkiye de Büyümenin Kaynakları
EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Cil: 5 Sayı: 4 Ekim 205 ss. 495-508 Harrod-Nör Teknolojik Gelişme Varsayımı Alında Türkiye de Büyümenin Kaynakları Sources of Growh in Turkey Under Harrod-Neural
Appendix B: Olasılık ve Dağılım Teorisi
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım
YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOK DEĞİŞKENLİ EŞİKSEL OTOREGRESİF MODELLER ÜZERİNE BİR ÇALIŞMA Ümran Münire KAHRAMAN DOKTORA TEZİ İsaisik Anabilim Dalı 2012 KONYA Her Hakkı Saklıdır TEZ
Doç. 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
MEH535 Örüntü Tanıma. Örneklerden Sınıf Öğrenme
MEH535 Örünü Tanıma 3. Deneimli Öğrenme Doç.Dr. M. Kemal GÜLLÜ Elekronik ve Haberleşme Mühendisliği Bölümü web: hp://akademikpersonel.kocaeli.edu.r/kemalg/ E-posa: kemalg@kocaeli.edu.r Örneklerden Sınıf
Sabit 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
ALIŞTIRMALAR. Sayısal Bilginin Özetlenmesi:
İSTATİSTİK I ALIŞTIRMALAR Y.Doç.Dr. Hüseyin Taştan AÇIKLAMA: N: P. Newbold, İşletme ve İktisat için İstatistik, 4. basımdan çeviri. Çift sayılı alıştırmalar için kitabın arkasındaki çözümlere bakabilirsiniz.