Birinci dereceden Otokorelasyon. Birinci Dereceden Otoregressif Süreç; AR(1) u t. u t nin t döneminde (yıl, ay, gün gibi) aldığı değer u t-1

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Birinci dereceden Otokorelasyon. Birinci Dereceden Otoregressif Süreç; AR(1) u t. u t nin t döneminde (yıl, ay, gün gibi) aldığı değer u t-1"

Transkript

1 OTOKORELASYON

2 Ookorelasyon, anaküle haa erimi u serisi ile ilgili bir konudur. u haa eriminin birbirini izleyen değerleri arasında ilişki olması demekir. Y = a + bx + u Cov (u,u s ) 0 u = r u -1 + e Birinci dereceden Ookorelasyon Birinci Dereceden Ooregressif Süreç; AR(1) u u nin döneminde (yıl, ay, gün gibi) aldığı değer u -1 u nin bir önceki dönemde aldığı değeri gösermekedir.

3 u ile u -1 arasında ookorelasyon; kovaryansların veya beklenen değerlerin sıfıra eşiliği demekir. E(u )=E(u -1 )=0 varsayımı veri iken Cov u Eu u Eu ( u, u 1 ) E 1 1 E( u u ) 0,( 1) 1 Anke verileri için ise E ( u ) i u j 0 ( i j)

4 olmakadır. Ookorelasyon olması durumunda iki değer arasında ilişki vardır ve bu durum aşağıdadır: E ( u u 1) 0 1 Ookorelasyonun en basi durumu AR(1) dir. Burada r ookorelasyon kasayısıdır. u u r r u 1 1 u 1 v r u v AR(1) AR()

5 u = r u -1 + v Birinci dereceden ookorelasyonu göserdiğinde r değeri aşağıdaki gibidir: r u u u 1 1-1<r<1

6 OTOKORELASYON İLE KARŞILAŞILAN DURUMLAR Modele Bazı Bağımsız Değişkenlerin Alınmaması Modelin Maemaiksel Biçiminin Yanlış Seçilmesi, Bağımlı Değişkenin Ölçme Haalı Olması, Verilerin İşlenmesi, Örümcek Ağı Olayı, u nun yanlış anımlanması.

7 OTOKORELASYONU GÖZARDI ETMENİN SONUÇLARI Y gerçek doğru ahminlenmiş doğru X

8 OTOKORELASYONU GÖZARDI ETMENİN SONUÇLARI Hipoez esleri üzerine ekisi, Tahmin edilen kasayı varyansları gerçek varyans değerinden daha küçük elde edilir ve bu varyans değerleri sapmalı ve uarsızdır. Dolayısıyla bunlara bağlı olarak, R değeri olduğundan büyük ahmin edilebilir, elde edilen ve F isaisiklerine ve elde edilen güven aralıklarına güvenilemeyecekir.

9 Öngörümleme üzerine ekisi. Tahminler sapmasız olduğundan, öngörümleme değerleri de sapmasız olacakır. Ancak daha büyük varyanslı olma nedenleriyle ekinlik özelliğini kaybedeceklerdir.

10 OTOKORELASYONUN BELİRLENME YÖNTEMLERİ Grafik Yönem, Durbin-Wason esi, Wallis esi Breusch-Godfrey esi, Engle ARCH esi.

11 GRAFİK YÖNTEM YILLAR

12 GRAFİK YÖNTEM e(-1)

13 DURBİN-WATSON TESTİ H 0 : r = 0 H1: r 0 d (u u u 1 ) Poziif Ookorelasyon Bölgesi. Kararsızlık r=0 Kararsızlık Negaif Ookorelasyon Bölgesi 0 d L d U 4-d U 4-d 4 L d=(1-r)

14 Dependen Variable: Y Sample: Included observaions: 16 DURBİN-WATSON TESTİ Variable Coefficien Sd. Error -Saisic Prob. C X R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) Y= X dw=0.765

15 Y 43 X 80 e e -1 e - e -1 - (e - e -1 ) - e

16 TEST AŞAMALARI 1.Aşama.Aşama d 16 H 0 : Ookorelasyon yokur. H 1 : Ookorelasyon vardır. e 16 1 e e H 0 reddedilir. Poziif ookorelasyon var. 3.Aşama : Poziif Ookorelasyon Bölgesi. Kararsızlık r= Ookorelasyon yok n =16 k = 1 d L =1.106 d U = Kararsızlık Negaif Ookorelasyon Bölgesi

17 DURBİN-WATSON TESTİ Model sabi erimsiz ise, Bağımsız X değişkenleri sokasikse, Ookorelasyonun derecesi 1 den büyük ise, Zaman serisinde ara yıllar noksan ise, Modelde bağımsız değişken olarak gecikmeli bağımlı değişken varsa dw esi uygulanmaz.

18 Wallis Tesi Üçer aylık veriler için ookorelasyon olup olmadığını incelemek amacıyla kullanılır. Tesin uygulanabilmesi için ek koşul bağımsız değişkenlerin esadüfi değişken olmamasıdır. Bu es Durbin-Wason esinin dördüncü dereceden ookorelasyon için düzenlenmiş şeklidir. d 4 ( e e e 4 )

19 TEST AŞAMALARI 1.Aşama.Aşama 3.Aşama : Poziif Ookorelasyon Bölgesi. H 0 : Dördüncü dereceden ookorelasyon yokur. H 1 : Dördüncü dereceden ookorelasyon vardır. n e e 4 5 d4 n e Kararsızlık r=0 1 Kararsızlık Negaif Ookorelasyon Bölgesi 0 d 4,L d 4,U 4- d 4,U 4-d 4, L 4

20 UYGULAMA: ve dönemi için Türkiye nin üçer aylık ihaca ve döviz kuru değerleri verilmişir. Bu verilerden elde edilen am logarimik modelin haa erimleri arasında ookorelasyon olup olmadığını es ediniz.

21 Σ= Σ= 0.190

22 TEST AŞAMALARI 1.Aşama H 0 : Dördüncü dereceden ookorelasyon yokur. H 1 : Dördüncü dereceden ookorelasyon vardır..aşama d n e e n e Aşama a0.05 haa payı ve k = 1 n=4 Wallis ablo değeri d 4,L = ve d 4,U =1.189 dir.

23 KARAR AŞAMASI: 4.Aşama : Poziif Ookorelasyon Bölgesi. Kararsızlık r=0 Kararsızlık H 0 reddedilir. Poziif ookorelasyon var. Negaif Ookorelasyon Bölgesi

24 BREUSCH-GODFREY (B-G) TESTİ(LM) Y = b 1 + b X + b 3 X 3 + e LM esi için yardımcı regresyon: e = b 1 + b X + b 3 X 3 + r 1 e -1 + r e r s e -s + v R y =? B-G Tesi Aşamaları: 1.Aşama H 0 : r 1 = r =... = r s = 0 H 1 : r i 0.Aşama a =? s.d.= s c ab=? 3.Aşama B-G= (n).r y =? 4.Aşama B-G > c ab H 0 hipoezi reddedilebilir

25 BREUSCH-GODFREY (B-G) TESTİ Dependen Variable: HATA Mehod: Leas Squares Sample (adjused): 16 Included observaions: 15 afer adjusmens Variable Coefficien Sd. Error -Saisic Prob. C X HATA(-1) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) Haa= X+0.989Haa -1 Yardımcı regresyon denklemi R y = 0.958

26 TEST AŞAMALARI 1.Aşama.Aşama 3.Aşama 4.Aşama H 0 : r 1 = 0 H 1 : r 1 0 a = 0.05 s.d.= 1 c ab=3.84 B-G= (16)*0.958 = B-G > c ab H 0 hipoezi reddedilebilir

27 Ooregresif Koşullu Farklı Varyans Modeli(ARCH) 7

28 ARCH (Engle, 198) Şarlı varyans zaman içerisinde değişmekedir, Harekeli bir küme de önceden ahmin edilemeyen değerlerdeki büyük (küçük) değişimler, aynı şekilde büyük (küçük) değişimlerin olmasına neden olur. 8

29 UK Sok Fiya İndeksi Varyans Büyük Değişiklikler Gösermekedir 9

30 ENGLE ARCH TEST SÜRECİ Engle Arch es ile sadece haalar arasındaki ardışık bağımlılık değil haa varyanslarındaki değişimler es edilmekedir. Varyansların genelleşirildiği süreç a 0 a 1 u 1... a p u p p dereceli ARCH süreci

31 TEST AŞAMALARI H 0 : a 1 = a =..= a p = 0 hipoezini es edebilmek için aşağıdaki adımlar akip edilir. 1.ADIM Y b b X b X... b 1 modeli ahmin edilir. 3 3.ADIM: Haa erimi u lar ahminlenir. u Y 1 b b X b 3 X Buradan haaların karesi alınıp u 1,u,..., u p 3... b k X k k X k değerleri hesaplanır.

32 3.ADIM: u ; sabi erim, u 1,u,..., u p ile regresyona abi uulur. R y elde edilir. 4.ADIM: c hes = (n - r).r y =? 5.ADIM : a =? s.d.=r c ab=? 6.ADIM: c hes > c ab ise H o reddedilir.

33 UYGULAMA ABD de yılları arasında iskono oranı(r), para arzı (M) ve büçe açığı (D1) değişkenleri kullanılarak elde edilen model aşağıdaki gibidir. (RAMANATHAN Daa 9.) Dependen Variable: r Mehod: Leas Squares Sample: Included observaions: 36 Variable Coefficien Sd. Error -Saisic Prob. C M D R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid 3.79 Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) r= m d 1 Haaların karesi elde edilir.

34 .ADIM: u haa erimleri elde edilip karesi alınır. 3.ADIM: sabi erim, u,u,..., u ile regresyona abi uulur. u, 1 p Dependen Variable: HATAkare Mehod: Leas Squares Sample (adjused): Included observaions: 34 afer adjusmens Variable Coefficien Sd. Error -Saisic Prob. C HATA (-1) HATA (-) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) Haakare= haakare haakare - R =0.848

35 4.ADIM: c hes= (n - r).r y = (36-)*0.848 = ADIM: a =0.05 s.d.= c ab = ADIM: c hes > c ab ise H o reddedilir.

36 IT GSMH Bu denklemden elde edilen haa kareler oplamı u Bu modele ilk farklar uygulandığında IT IT 1 b0 b0 b1gsmh GSMH 1 e IT GSMH

37 Ookorelasyonun Önlenmesi GEKKY, Fonksiyonel Biçimin Değişirilmesi, Genel Dinamik Yapı Tanımlanması, Birinci dereceden Farkların Alınması, Cochrane-Orcu Yönemi, Hildreh Lu Yönemi 37

38 Ookorelasyonun Önlenmesi I. r nin bilinmesi halinde ookorelasyonun önlenmesi yönemi (GEKKY) II. r nin bilinmemesi halinde ookorelasyonun önlenmesi yönemi (GEKKY) 38

39 I.p nin Bilinmesi Halinde Ookorelasyonun Önlenmesi Yönemi (GEKKY) 1 v u u r 1 1 r (1) u X b b Y u X b b Y () u X b b Y r r r r v X X b b Y Y ) ( ) (1 () 1) ( r r r Denklemin GEKK Çözümü 39

40 r nin Bilinmesi Halinde Ookorelasyonun Önlenmesi Yönemi (GEKKY) Y ry 1 b1 ( 1 r) b ( X rx 1) v Genelleşirilmiş Fark Denklemi Y * b * 1 b * X * v r Y r Y Y * 1 b ( 1 r) b 1 * 1 X r X X * * 1 b b 40

41 II. r nin Bilinmemesi Halinde Ookorelasyonun Önlenmesi Yönemi (GEKKY) 1. Birinci Dereceden Farklar Yönemi. Durbin-Wason d isaisiği Yönemi 3. Theil Nagar Yönemi 4. Tekrarlı İki Aşamalı Cochrane Orcu Yönemi 5. Tekrarlı Cochrane Orcu Yönemi 6. Hildreh Lu Yönemi 41

42 1.Birinci Dereceden Farklar Yönemi Birinci dereceden faklar yöneminde; genelleşirilmiş fark denkleminde r=1 alınarak yani poziif ookorelasyon olduğu kabul edilerek şu denklem ahminlenir: Y Y 1 b(x X1) (u u1) Y b X v Birinci Dereceli Fark Denklemi 4

43 UYGULAMA: yılları için Saış ve Kar verileri (Ramanahan Daa 9.4) SATIŞLAR KARLAR SATIŞ(-1) KAR(-1) KAR - KAR(-1) SATIŞ - SATIŞ(-1)

44 Genel Dinamik Yapının Tanımlanması Daa 9-4: Kar= b 1 + b Saış Dependen Variable: Kar Sample: Included observaions: 1 Variable Coefficien Sd. Error -Saisic Prob. C Saış R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) Kar= Saış 44

45 Ookorelasyon Tesi: Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Variable Coefficien Sd. Error -Saisic Prob. C Saış RESID(-1) R-squared Mean dependen var 1.45E-1 Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

46 1.Aşama H 0 : r 1 = r =... = r s = 0 H 1 : r i 0.Aşama a =? s.d.= s c ab= Aşama B-G= (n-1).r y =? 4.Aşama B-G > c ab Haa= Saış haa -1 R = B-G=(1-1)*0.1776=3.55 a=0.10 olsun prob= prob<a H 0 :red

47 Birinci farklar yönemi kullanılarak ookorelasyonun önlenmesi (Kar Kar -1 ) = b (Saış Saış -1 ) + v Dependen Variable: (Kar Kar -1 ) Mehod: Leas Squares Sample(adjused): Included observaions: 0 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. (Saış Saış -1 ) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood Durbin-Wason sa (Kar Kar -1 ) = (Saış Saış -1 ) + v 47

48 Birinci Farklar Yönemi Kullanılarak Ookorelasyonun Önlenmesi Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Variable Coefficien Sd. Error -Saisic Prob. D(SALES) RESID(-1) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) a=0.05 olsun prob>a prob=0.11. H 0 kabul 48

49 .Durbin-Wason d isaisiği Yönemi r 1 d 1 d r 49 v X X b b Y Y ) ( ) 1 ( r r r

50 Uygulama: Daa 9-4: Kar= b 1 + b Saış Dependen Variable: Kar Sample: Included observaions: 1 Variable Coefficien Sd. Error -Saisic Prob. C Saış R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) p 1 d

51 Dependen Variable: (Kar rkar -1 ) Mehod: Leas Squares Sample(adjused): Included observaions: 0 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. C (Saış rsaış -1 ) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

52 Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Variable Coefficien Sd. Error -Saisic Prob. C SALES RESID(-1) R-squared Mean dependen var 1.56E-14 Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) a=0.05 olsun prob>a prob=0.114 H 0 :kabul 5

53 3.Theil Nagar Yönemi p n 1 d k / n k n = Toplam Gözlem Sayısı (Örnek Hacmi) d = DW İsaisiği Değeri k = Tahmin Edilen Kasayı Sayısı 53

54 Uygulama: p n 1 d k / n k n = 1 d = k = p (1) 1 (1.076 ) / (1)

55 55 4. Tekrarlı İki Aşamalı Cochrane Orcu Yönemi 1 v u u r (1) u X b b Y 1 1.Aşama: (1) nolu denklem EKKY ile ahminlenip u örnek haa erimleri hesaplanır ve p değeri ahminlenir: n n u u u 1 1 r.aşama: r değeri Genelleşirilmiş fark denkleminde yerine konur. v X X b b Y Y ) ( ) 1 ( r r r

56 Uygulama: SATIŞLAR KARLAR u u u*u u r r 1 u u u

57 Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Prob>a H 0 :kabul Variable Coefficien Sd. Error -Saisic Prob. C (Saış psaış -1 ) RESID(-1) R-squared Mean dependen var 1.49E-14 Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

58 58 Uygulama : 18 Mar Temmuz 1953 yılları arasında 4 hafalık dönemlerde dondurma alebi için elde edilen model Dependen Variable: DONDURMA TALEBİ Mehod: Leas Squares Sample: 1 30 Included observaions: 30 Variable Coefficien Sd. Error -Saisic Prob. C FIYAT GELIR SICAKLIK R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

59 Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares prob<a H 0 :red Variable Coefficien Sd. Error -Saisic Prob. C FIYAT GELIR SICAKLIK RESID(-1) R-squared Mean dependen var 1.44E-1 Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

60 e e-1 e(e-1) e E E E E E E E E E E-05.4E E E E E E E E E E E E E r r 1 u u u

61 Dependen Variable: CO(TALEP) Mehod: Leas Squares Sample(adjused): 30 Included observaions: 9 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. C CO(FIYAT) CO(GELIR) CO(SICAKLIK) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

62 Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Prob>a H 0 :kabul Variable Coefficien Sd. Error -Saisic Prob. C COFIYAT COGELIR -5.93E COSICAKLIK -3.70E RESID(-1) R-squared Mean dependen var.30e-17 Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

63 6.Hildreh Lu Yönemi Bu yönemde r ye ± 1 arasında değerler verilerek en uygun r değeri seçilmeye çalışılır. r nin belirlenmesinde genelleşirilmiş fark denklemi kullanılır ve bu denklemin haa kareleri oplamını minimum yapan r değeri en uygun r değeri olarak seçilir. 63

64 Uygulama: 18 Mar Temmuz 1953 yılları arasında 4 hafalık dönemlerde dondurma alebi için elde edilen modele HL yönemi uygulanırsa HKT 64

OTOKORELASYON OTOKORELASYON

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

Detaylı

ÇOKLU DOĞRUSAL BAĞLANTI

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.

Detaylı

TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere değişkenlere ait veriler verilmiştir.

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

Detaylı

DEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıtılmış Gecikme ve Otoregresiv Modeller

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

Detaylı

DEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıtılmış Gecikme ve Otoregresiv Modeller

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

Detaylı

Dağıtılmış Gecikme ve Otoregresiv Modeller. Mehmet Vedat PAZARLIOĞLU

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.)

Detaylı

White ın Heteroskedisite Tutarlı Kovaryans Matrisi Tahmini Yoluyla Heteroskedasite Altında Model Tahmini

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

Detaylı

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. 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.

Detaylı

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. 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.

Detaylı

BİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER

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

Detaylı

Dependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20

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

Detaylı

A. Regresyon Katsayılarında Yapısal Kırılma Testleri

A. 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,

Detaylı

Zaman Serisi Modelleri: Birim Kök Testleri, Eşbütünleşme, Hata Düzeltme Modelleri

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

Detaylı

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman

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

Detaylı

KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU

KUKLA 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

Detaylı

ADMIT: Öğrencinin yüksek lisans programına kabul edilip edilmediğini göstermektedir. Eğer kabul edildi ise 1, edilmedi ise 0 değerini almaktadır.

ADMIT: 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

Detaylı

24.05.2010. Birim Kök Testleri. Zaman Serisi Modelleri: Birim Kök Testleri, Eşbütünleşme, Hata Düzeltme Modelleri

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

Detaylı

EŞANLI DENKLEMLİ MODELLER

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

Detaylı

0, model 3 doğruysa a3. Variable Coefficient Std. Error t-statistic Prob.

0, 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

Detaylı

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 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

Detaylı

İyi Bir Modelin Özellikleri

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

Detaylı

Teknolojik bir değişiklik veya üretim arttırıcı bir yatırımın sonucunda ihracatta, üretim miktarında vs. önemli artışlar olabilir.

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

Detaylı

500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ. YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ. Anabilim Dalı: İşletme Mühendisliği

500 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

Detaylı

Birim Kök Testleri 3/24/2016. Bir stokastik sürecin birim kök içerip içermediğini nasıl anlarız? Hatırlarsak aşağıdaki AR(1) sürecinde

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

Detaylı

1. YAPISAL KIRILMA TESTLERİ

1. 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

Detaylı

İSTANBUL MENKUL KIYMETLER BORSASINDA DEĞİŞKENLİĞİN (VOLATİLİTENİN) ARCH-GARCH YÖNTEMLERİ İLE MODELLENMESİ

İSTANBUL MENKUL KIYMETLER BORSASINDA DEĞİŞKENLİĞİN (VOLATİLİTENİN) ARCH-GARCH YÖNTEMLERİ İLE MODELLENMESİ İSTANBUL MENKUL KIYMETLER BORSASINDA DEĞİŞKENLİĞİN (VOLATİLİTENİN) ARCH- YÖNTEMLERİ İLE MODELLENMESİ ÖZET Yard.Doç. Dr. Tülin ATAKAN İsanbul Üniversiesi, İşleme Fakülesi, Finans Anabilim Dalı Bu çalışmada,

Detaylı

EVIEWS KULLANIMI (EVIEWS 8)

EVIEWS 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

Detaylı

Box-Jenkıns Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama

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

Detaylı

Birim Kök Testleri. Random Walk. Bir stokastiksürecin birim kök içerip içermediğini nasıl anlarız? Hatırlarsak aşağıdaki AR(1) sürecinde

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

Detaylı

Yuvalanmamış F testi- Davidson- MacKinnon J sınaması

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

Detaylı

Ch. 12: Zaman Serisi Regresyonlarında Ardışık Bağıntı (Serial Correlation) ve Değişen Varyans

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

Detaylı

EKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ SORULAR

EKONOMETRİ 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

Detaylı

Bağımlı Kukla Değişkenler

Bağımlı 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

Detaylı

9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir?

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.

Detaylı

T.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: 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

Detaylı

Y = 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

Y = 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

Detaylı

DEKENLER ARASINDAK GECKMEL LKLER: Datlm Gecikme ve Otoregresiv Modelleri

DEKENLER ARASINDAK GECKMEL LKLER: Datlm Gecikme ve Otoregresiv Modelleri DEKENLER ARASINDAK GECKMEL LKLER: Dalm Gecikme ve Ooregresiv Modelleri Zaman serisi modellerinde, baml deiken Y nin zamanndaki deerleri, bamsz X deikenlerinin zamanndaki cari deerleri X, daha önceki dönemlerdeki

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

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

Detaylı

SORU SETİ 02 (REVİZE EDİLDİ) FİNAL KONULARI

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 +

Detaylı

Bağımlı Kukla Değişkenler

Bağımlı 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

Detaylı

Bağımlı Kukla Değişkenler

Bağımlı 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

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

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

Detaylı

Kukla Değişken Nedir?

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

Detaylı

Koşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.

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

Detaylı

EKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI

EKONOMETRİDE 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

Detaylı

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans

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

Detaylı

DOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ

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

Detaylı

Dolar Kurundaki Günlük Hareketler Üzerine Bazı Gözlemler

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

Detaylı

T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

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

Detaylı

TÜSİAD - KOÇ ÜNİVERSİTESİ EKONOMİK ARAŞTIRMA FORUMU KONFERANSI. Zafer A. YAVAN - TÜSİAD Yasemin TÜRKER KAYA - BDDK

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

Detaylı

ZAMAN SERİSİ ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRILMASI

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:

Detaylı

EKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran

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

Detaylı

Tek Denklemli Modellerde Uygulanan Testler 1.Yeni Bağımsız Değişkenler Ekleme Testi(s )

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

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

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

Detaylı

İMKB 100 endeksindeki kaldıraç etkisinin ARCH modelleriyle iki alt dönemde incelenmesi

İMKB 100 endeksindeki kaldıraç etkisinin ARCH modelleriyle iki alt dönemde incelenmesi İsanbul Üniversiesi İşleme Fakülesi Dergisi Isanbul Universiy Journal of he School of Business Adminisraion Cil/Vol:41, Sayı/No:, 1, 14-6 ISSN: 133-173 www.ifdergisi.org 1 İMKB 1 endeksindeki kaldıraç

Detaylı

Dependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20

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

Detaylı

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?

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

Detaylı

EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM

EKONOMETRİYE 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:

Detaylı

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2

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

Detaylı

İÇİNDEKİLER 1. GİRİŞ...

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

Detaylı

Murat MAZIBAŞ mmazibas@bddk.org.tr Bankacılık Düzenleme ve Denetleme Kurumu (BDDK) ÖZET

Murat MAZIBAŞ mmazibas@bddk.org.tr Bankacılık Düzenleme ve Denetleme Kurumu (BDDK) ÖZET İMKB Piyasalarındaki Volailienin Modellenmesi ve Öngörülmesi: Asimerik GARCH Modelleri ile bir Uygulama Mura MAZIBAŞ mmazibas@bddk.org.r Bankacılık Düzenleme ve Deneleme Kurumu (BDDK) ÖZET Çalışmada, 5

Detaylı

Çift Üstel Düzeltme (Holt Metodu ile)

Çift Üstel Düzeltme (Holt Metodu ile) Tahmin Yönemleri Çif Üsel Düzelme (Hol Meodu ile) Hol meodu, zaman serilerinin, doğrusal rend ile izlenmesi için asarlanmış bir yönemdir. Yönem (seri için) ve (rend için) olmak üzere iki düzelme kasayısının

Detaylı

ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK

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

Detaylı

Zaman Serileri Verileriyle Regresyon Analizinde Ardışık ZAMAN SERİSİ REGRESYONLARINDA

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

Detaylı

ZAMAN SERİLERİ EKONOMETRİSİ I: DURAĞANLIK, BİRİM KÖKLER

ZAMAN 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,

Detaylı

İstanbul Menkul Kıymetler Borsası nda haftanın günü etkisi ve Ocak ayı anomalilerinin ARCH-GARCH modelleri ile test edilmesi

İstanbul Menkul Kıymetler Borsası nda haftanın günü etkisi ve Ocak ayı anomalilerinin ARCH-GARCH modelleri ile test edilmesi İsanbul Üniversiesi İşleme Fakülesi Dergisi Isanbul Universiy Journal of he School of Business Adminisraion Cil/Vol:37, Sayı/No:2, 2008, 98-110 ISSN: 1303-1732 - www.ifdergisi.org 2008 İsanbul Menkul Kıymeler

Detaylı

PANEL VERİ MODELLERİNİN TAHMİNİNDE PARAMETRE HETEROJENLİĞİNİN ÖNEMİ: GELENEKSEL PHILLIPS EĞRİSİ ÜZERİNE BİR UYGULAMA

PANEL 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

Detaylı

Su Yapıları II Aktif Hacim

Su Yapıları II Aktif Hacim 215-216 Bahar Su Yapıları II Akif Hacim Yrd. Doç. Dr. Burhan ÜNAL Bozok Üniversiesi Mühendislik Mimarlık Fakülesi İnşaa Mühendisliği Bölümü Yozga Yrd. Doç. Dr. Burhan ÜNAL Bozok Üniversiesi n aa Mühendisli

Detaylı

PARANIN TARİHÇESİ TÜRKİYE DE NAKİTSİZ EKONOMİ EKONOMİNİN FAYDALARI

PARANIN 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,

Detaylı

İyi Bir Modelin Özellikleri

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..

Detaylı

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. 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

Detaylı

İÇİNDEKİLER 1. BÖLÜM STATA PAKET PROGRAMINA GİRİŞ

İÇİNDEKİLER 1. BÖLÜM STATA PAKET PROGRAMINA GİRİŞ 3. BASKIYA ÖNSÖZ İleri Panel Veri Analizi kitabının 2012 yılında çıkan ilk baskısının çok hızlı tükenmesi üzerine, 2013 yılında çok daha fazla adetle ikinci baskısı yapılmıştır. Kitabın ikinci baskısı

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

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

Detaylı

14 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

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

Detaylı

Bölüm 3 HAREKETLİ ORTALAMALAR VE DÜZLEŞTİRME YÖNTEMLERİ

Bölüm 3 HAREKETLİ ORTALAMALAR VE DÜZLEŞTİRME YÖNTEMLERİ Bölüm HAREKETLİ ORTALAMALAR VE DÜZLEŞTİRME ÖNTEMLERİ Bu bölümde üç basi öngörü yönemi incelenecekir. 1) Naive, 2)Oralama )Düzleşirme Geçmiş Dönemler Şu An Gelecek Dönemler * - -2-1 +1 +2 + Öngörü yönemi

Detaylı

Ekonometri I VARSAYIMLARI

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:

Detaylı

EANLI DENKLEML MODELLERN ÇÖZÜM YÖNTEMLER I: MATRSSZ ÇÖZÜM:

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

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

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

Detaylı

The Nonlinear Models with Measurement Error and Least Squares Estimation

The Nonlinear Models with Measurement Error and Least Squares Estimation D.Ü.Ziya Gökalp Eğiim Fakülesi Dergisi 5,17-113 5 ÖLÇÜM HATALI LiNEER OLMAAN MODELLER ve EN KÜÇÜK KARELER KESTİRİMİ The Nonlinear Models wih Measuremen Error and Leas Squares Esimaion Öze : u çalışmada,

Detaylı

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. 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

Detaylı

Panel Veri Analizi. Prof. Dr. Recep KÖKK Dr. Nevzat ŞİMŞEK

Panel Veri Analizi. Prof. Dr. Recep KÖKK Dr. Nevzat ŞİMŞEK Panel Veri Analizi Prof Dr Recep KÖKK Dr Nevzat ŞİMŞEK 1 PANEL VERİ ANALİZİ Panel Veri yöntemi, ülkeler, firmalar, hanehalkları, vb kes (cross-section) gözlemlerinin belli bir zaman dönemi içinde bir araya

Detaylı

ÖNGÖRÜ TEKNĐKLERĐ ÖDEV 5 (KEY)

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

Detaylı

Regresyon. Regresyon korelasyon ile yakından ilişkilidir

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

Detaylı

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.

Örneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir. ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri

Detaylı

Konut Primi ve Kira Getiri Büyümesinin Varyans Ayrıştırması. Celil Zurnacı 1, Eray Akgün, Murat Karaöz Akdeniz Üniversitesi

Konut Primi ve Kira Getiri Büyümesinin Varyans Ayrıştırması. Celil Zurnacı 1, Eray Akgün, Murat Karaöz Akdeniz Üniversitesi Social Sciences Research Journal, Volume, Issue, 5-66 (June 15), ISSN: 17-537 5 Konu Primi ve Kira Geiri Büyümesinin Varyans Ayrışırması Celil Zurnacı 1, Eray Akgün, Mura Karaöz Akdeniz Üniversiesi Türkiye

Detaylı

Samuelson-Balassa Hipotezi Ve Reel Döviz Kuru: Türkiye, ABD, İngiltere, Fransa Ve Almanya İçin Sınanması

Samuelson-Balassa Hipotezi Ve Reel Döviz Kuru: Türkiye, ABD, İngiltere, Fransa Ve Almanya İçin Sınanması Finans Politik & Ekonomik Yorumlar 2007 Cilt: 44 Sayı:509 9 Samuelson-Balassa Hipotezi Ve Reel Döviz Kuru: ürkiye, ABD, İngiltere, Fransa Ve Almanya İçin Sınanması Özet Samuelson-Balassa hipotezine göre

Detaylı

Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi (ASEAD) Eurasian Journal of Researches in Social and Economics (EJRSE) ISSN:

Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi (ASEAD) Eurasian Journal of Researches in Social and Economics (EJRSE) ISSN: Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi (ASEAD) Eurasian Journal of Researches in Social and Economics (EJRSE) ISSN:2148-9963 www.asead.com ÖZET HAVAYOLU UÇAK İÇİ İKRAM SATIŞ TAHMİN MODELİ BİR

Detaylı

009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL

Detaylı

Örnek. 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. 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

Detaylı

8. BÖLÜM: DEĞİŞEN VARYANS

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

Detaylı

EM302 YÖNEYLEM ARAŞTIRMASI 2. YARIYILİÇİ SINAVI Y.Doç.Dr. Özgür Kabak SORULAR VE CEVAPLAR

EM302 YÖNEYLEM ARAŞTIRMASI 2. YARIYILİÇİ SINAVI Y.Doç.Dr. Özgür Kabak SORULAR VE CEVAPLAR EM302 YÖNEYLEM ARAŞTIRMASI 2. YARIYILİÇİ SINAVI Y.Doç.Dr. Özgür Kabak 28.12.2012 SORULAR VE LAR 1. Ayşe kırmızı başlığı ile şirin ve yardımsever bir kızdır. Her gün annesinin pişirdiği yemekleri babaannesine

Detaylı

Reel ve Nominal Şokların Reel ve Nominal Döviz Kurları Üzerindeki Etkileri: Türkiye Örneği

Reel ve Nominal Şokların Reel ve Nominal Döviz Kurları Üzerindeki Etkileri: Türkiye Örneği Reel ve Nominal Şokların Reel ve Nominal Döviz Kurları Üzerindeki Ekileri: Türkiye Örneği Öze Ahme Mura ALPER Bu çalışma Türkiye deki reel döviz kuru dalgalanmalarının kaynaklarını açıklamayı amaçlamakadır.

Detaylı

ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ

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

Detaylı

Reel Döviz Kuru Endeksinin Otoregresif Koşullu Değişen Varyanslılığının Analizi: İki Eşikli Tarch Yöntemi İle Modellenmesi

Reel Döviz Kuru Endeksinin Otoregresif Koşullu Değişen Varyanslılığının Analizi: İki Eşikli Tarch Yöntemi İle Modellenmesi Reel Döviz Kuru Endeksinin Ooregresif Koşullu Değişen Varyanslılığının Analizi: İki Eşikli Tarch Yönemi İle Modellenmesi Reel Döviz Kuru Endeksinin Ooregresif Koşullu Değişen Varyanslılığının Analizi:

Detaylı

UYGULAMALAR. Normal Dağılımlılık

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.

Detaylı

AYÇİÇEK VE SOYA YAĞI İTHALAT TALEBİNİN ANALİZİ

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

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojikarastirmalar.com ISSN:XXX-XXX Tekstil Teknolojileri Elektronik Dergisi 2008 (3) 1-12 TEKNOLOJĐK ARAŞTIRMALAR Makale Tekstil ve Demir Çelik Sektörü Đhracatına Döviz Kurları, Enflasyon ve Faiz

Detaylı

8.Ders(EK) Zaman Serileri Analizi

8.Ders(EK) Zaman Serileri Analizi 8.Ders(EK) Zaman Serileri Analizi SPSS Projec: Airline Passengers daa se is used for various analyses in his online raining workshop, which includes: Times series analysis [building ARIMA models] Proje:

Detaylı

KONYA İLİ SICAKLIK VERİLERİNİN ÇİFTDOĞRUSAL ZAMAN SERİSİ MODELİ İLE MODELLENMESİ

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

Detaylı