EKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ SORULAR
|
|
- Irmak Tarhan
- 7 yıl önce
- İzleme sayısı:
Transkript
1 EKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ SORULAR HATİCE ÖZKOÇ HANİFİ VAN ÖZKOÇ VAN 1
2 dönemine ait tavuk eti talebini incelemek amacıyla aşağıdaki değişkenler elde edilmiştir. Y: Kişi başına tavuk eti tüketimi X2: Kişi başına reel harcanabilir gelir ($) X3: Tavuk eti fiyatı ($) X4: Balık eti fiyatı X5: Kırmızı et fiyatı X6: Tavuk eti yerine geçebilecek besinlerin bileşik reel fiyatı Y X2 X3 X4 X5 X Kaynak: Gujarati, D. (1999). Temel Ekonometri (ss:228). ÖZKOÇ VAN 2
3 Bu işlem yapıldıktan karşınıza yeni bir pencere gelecektir. Yeni çalışma sayfası oluşturulmadan önce aşağıdaki pencerede verimiz zaman serisi ve yıllık olduğundan aşağıdaki işlemler yapılır. Zaman aralığı ÖZKOÇ VAN 3
4 Veri girişi yapmak için aşağıda işlem uygulanır. Yeni ÖZKOÇ VAN 4
5 Yeni açılan bu sayfaya veriler kopyalanıp yapıştırılır.(evews ondalık olarak nokta (.) işaritini kullanmaktır virgül (,) olması durumunda hata verecektir.) Bu serilerin logaritmasını almak için aşağıdaki formül yazılır ve enter tuşuna basılır. Logararitma almanın 2. bir yolu: ÖZKOÇ VAN 5
6 log( y) = β1+ β2log( x2) + β3log( x3) + β4log( x4) + β5log( x5) modelini kurmak için 1. yol: önce bağımlı değişken(y ) seçilir daha sonra ctrl tuşu basılı iken diğer değişkenler seçilir. Ve farenin sağ tuşu tıklanarak as Equation seçilir. ÖZKOÇ VAN 6
7 ÖZKOÇ VAN 7
8 Tamam dendikten sonra 2. yol: ÖZKOÇ VAN 8
9 Takip eden soruları cevaplayınız. ÖZKOÇ VAN 9
10 SORU 1) Tavuk eti talep fonksiyonu aşağıdaki biçimde elde edilmiştir. Dependent Variable: LOG(Y) Method: Least Squares Date: 11/09/10 Time: 11:55 Sample: Included observations: 23 Variable Coefficient Std. Error t-statistic Prob. C LOG(X2) LOG(X3) LOG(X4) LOG(X5) MODEL A 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) Elde edilen bu modelde Balık eti fiyatının (X4) ve Kırmızı et fiyatının (X5) gerçektende modelde olması gerekip gerekmediğini araştırmak için aşağıdaki ikinci model elde edilmiştir. Verilen her iki modeli dikkate alarak talep fonksiyonunda bu değişkenin bulunup bulunmamasını test ediniz, sonucu yorumlayınız. Dependent Variable: LOG(Y) Method: Least Squares Sample: Included observations: 23 Variable Coefficient Std. Error t-statistic Prob. C LOG(X2) LOG(X3) MODEL B 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) ÖZKOÇ VAN 10
11 MODEL A sınırlanmamış modeldir. MODEL B ise sınırlanmış modeldir. LOG(X4) ve LOG(X5) değişkenlerinin gerekliliği F testi ile sınanacaktır. H0 : β4 = β5 = 0 H : β 0 1 i α = 0.05 f1 = 2 f2 = 23 5 = 18 F = ,1,19 F hes R R f = = = = (1 ) / f ( ) / SM SR 2 RSM / / F hes < F tab H 0 hipotezi red edilemez. Yani Modelde X4 ve X5 değişkenleri gereksiz bulunmuştur. ÖZKOÇ VAN 11
12 SORU 2) Tavuk eti talep fonksiyonu MODEL A ile verilen biçimde elde edilmiştir. Talep fonksiyonunda yer alan balık eti fiyatı (X4) ve kırmızı et fiyatının (X5) tavuk eti tüketimini aynı düzeyde etkilediği düşünülmektedir. Bu düşünceyi gerekli hipotez testi ile test edip yorumlayınız. Katsayılara ilişkin varyans kovaryans matrisi aşağıda verilmektedir. C LOG(X2) LOG(X3) LOG(X4) LOG(X5) C LOG(X2) LOG(X3) LOG(X4) LOG(X5) LOG(X4) ve LOG(X5) değişkenlerinin parametrelerinin eşitliği t-testi ile sınanacaktır. H : β = β H : β β α = 0.05 sd :23 5= 18 t 0.05,18 = t hes ( bˆ bˆ ) ( ) sb ( ˆ bˆ ) (0.005) = = = = t hes < t tab 0 H hipotezi red edilemez. Yani Modelde X4 ve X5 değişkenlerinin parametreleri eşit çıkmıştır. Tavuk eti talebine balık ve kırmızı et fiyatları aynı düzeyde etki etmektedir. ÖZKOÇ VAN 12
13 SORU 3) 1997 yılında yaşanan ilk kuş gribi vakasının tavuk eti talebi üzerine etkilerini incelemek amacıyla aşağıdaki iki model elde edilmiştir. Buna göre tavuk eti talebi bu süreçten etkilenmiş midir? Gerekli testi yaparak yorumlayınız. Dependent Variable: LOG(Y) Method: Least Squares Sample: Included observations: 17 Variable Coefficient Std. Error t-statistic Prob. C LOG(X2) LOG(X3) LOG(X4) LOG(X5) MODEL C 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) Dependent Variable: LOG(Y) Method: Least Squares Sample: Included observations: 6 Variable Coefficient Std. Error t-statistic Prob. C LOG(X2) LOG(X3) LOG(X4) LOG(X5) MODEL D 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) ÖZKOÇ VAN 13
14 MODEL A tüm dönemi kapsamaktadır MODEL C dönemini kapsamaktadır MODEL D dönemini kapsamaktadır H H : İki denklem birbirinin aynıdır : İki denklem birbirinden farklıdır α = 0.05 f f F = 5 = = ,5,13 = 3.03 F hes Σe ( Σ e +Σe ) / f = ( Σ e +Σe )/ f p [ + ] ( ) / = = = ( ) / F hes < F tab 0 H hipotezi red edilemez. Yani yaşanan sürecin tavuk talebi üzerinde herhangi bir etkisi olmamıştır. ÖZKOÇ VAN 14
15 SORU 4) dönemine ait tavuk talebi fonksiyonu elde edilmek istenmektedir. Ancak 4 gözlemin olduğu bu süreçte 5 parametreli bir model tahmin edilememektedir. Bunun yerine dönemine ait aşağıdaki model elde edilmiştir. Buna göre her iki sürece ait modelin aynı olup olmadığını gerekli testi yaparak araştırınız ve yorumlayınız. Dependent Variable: LOG(Y) Method: Least Squares Sample: Included observations: 19 Variable Coefficient Std. Error t-statistic Prob. C LOG(X2) LOG(X3) LOG(X4) LOG(X5) MODEL E 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) MODEL A tüm dönemi kapsamaktadır MODEL E uzun dönemi (yani ) dönemini kapsamaktadır. H0 : İki denklem birbirinin aynıdır H : İki denklem birbirinden farklıdır 1 α = 0.05 f1 = 4 f2 = 19 5 = 14 F = ,4,14 F hes 2 2 ( Σep Σeu) f1 ( ) / / 4 = = = Σe / f /14 2 u 2 F hes < F tab H 0 hipotezi red edilemez. Yani her iki dönem denklemleri aynıdır. ÖZKOÇ VAN 15
16 SORU 5) dönemine ait tavuk talebi fonksiyonunu ele alalım. Araştırmacı talep fonksiyonunda talep edilen katsayıların kararlılığını incelemektedir dönemine ait model tahmini aşağıdaki gibi bulunmuştur. Buna göre örnek büyüklüğü arttırıldığında modelin aynı kalıp kalmadığını test edip, yorumlayınız. Dependent Variable: LOG(Y) Method: Least Squares Sample: Included observations: 19 Variable Coefficient Std. Error t-statistic Prob. C LOG(X2) LOG(X3) LOG(X4) LOG(X5) MODEL E 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) H 0 1 : b = β (Parametreler değişmemiştir) i i i i H : b β (Parametreler değişmiştir) α = 0.05 f f 1 F 2 = 4 = 19 5 = ,12,6 = 3.11 F hes 2 2 ( Σe Σe1 ) f1 ( ) / /12 = = = Σe / f / F hes < F tab H 0 hipotezi red edilemez. Yani her iki dönem denklemleri aynıdır. ÖZKOÇ VAN 16
17 NORMAL DAĞILIM SORU 6) Aşağıda verilen regresyon modeli tahminlenmiş ve hatalara ilişkin eğiklik ile basıklık katsayıları elde edilmiştir. Buna göre hataların normal dağılıp dağılmadığını test ediniz. log( y) = β + β log( x ) + β log( x ) + β log( x ) + β log( x ) E = μ = σ 3 4 B = μ = σ 4 H 0 1 : u 'ler normal dağılımlıdır i i H : u 'ler normal dağılımlı değildir [ ] ( 0.421) E ( B 3) ( ) JB = n + = = = JB = 1.06 > χ = H 0 hipotezi reddedilemez, hata terimleri normal dağılıma sahiptir. ÖZKOÇ VAN 17
18 ÖZKOÇ VAN 18
19 ÖZKOÇ VAN 19
20 SORU 7: Aşağıda verilen regresyon modelinde çoklu doğrusal bağlantı sorunu olup olmadığını varyans büyütme faktörü yardımıyla inceleyiniz. log( y) = β + β log( x ) + β log( x ) + β log( x ) + β log( x ) ÖZKOÇ VAN 20
21 1 1 VIF = R = = > 1 2 X 2,X3X4X5 Çoklu doğrusal bağlılık önemlidir. ÖZKOÇ VAN 21
22 1 1 VIF = R = = > 2 2 X 3,X2X4X5 Çoklu doğrusal bağlılık önemlidir. 1 1 VIF = R = = > 3 2 X 4,X2X3X5 Çoklu doğrusal bağlılık önemlidir. ÖZKOÇ VAN 22
23 1 1 VIF = R = = > 4 2 X 5,X2X3X4 Çoklu doğrusal bağlılık önemlidir. ÖZKOÇ VAN 23
24 SORU 8) Aynı örnek için çoklu doğrusal bağlantı sorununu yardımcı regresyon modelleri yardımıyla inceleyiniz. H H 0 1 : Çoklu doğrusal bağlantı yoktur : Çoklu doğrusal bağlantı vardır F F F 0.05,( k 2),( n k+ 1) = 0.05,(5 2),( ) = 0.05,3,19 = 3.13 R /(k 2) 2 X,XX i Xk i = 2 X,XX i Xk F (1 R ) /(n k + 1) 0.985/(5 2) F = = > F ( ) /( ) 2 tab H 0 reddedilir, çoklu doğrusal bağlantı var /(5 2) F = = = > F ( ) /( ) tab H 0 reddedilir, çoklu doğrusal bağlantı var /(5 2) F = = = 325> F ( ) /( ) tab H 0 reddedilir, çoklu doğrusal bağlantı var /(5 2) F = = = 325 > F ( ) /( ) tab H 0 reddedilir, çoklu doğrusal bağlantı var. ÖZKOÇ VAN 24
25 SORU 9) Aynı örnek için çoklu doğrusal bağlantı sorununu Klein kriteri yardımıyla inceleyiniz. Daha sonra yardım regresyon denklemi kurulur. Yardımcı regresyon denklemi için daha önce bağımsız değişken olan X2 bağımlı değişken olarak seçilir ve daha sonra Ctrl tuşu basılıyken X3, X4 ve X5 seçilir. ÖZKOÇ VAN 25
26 0.985>0.982 Çoklu doğrusal bağlantı önemli 0.943<0.982 Çoklu doğrusal bağlantı önemli değil ÖZKOÇ VAN 26
27 0.976 < Çoklu doğrusal bağlantı önemli değil ÖZKOÇ VAN 27
28 0.976 < Çoklu doğrusal bağlantı önemli değil ÖZKOÇ VAN 28
29 SORU 10) Aynı örnek için çoklu doğrusal bağlantı sorununu Theil m ölçüsü yardımıyla inceleyiniz. X2 değişkeni modelden çıkarıldıktan sonra model tekrar kurulur. X3 değişkeni modelden çıkarıldığında ÖZKOÇ VAN 29
30 ÖZKOÇ VAN 30
31 ( 1) ( 2) ( 3) ( 4) m= R R R + R R + R R + R R ( ) ( ) ( ) ( ) = = m sıfıra yakın bir değer olmadığı için çoklu doğrusal bağlantı söz konusudur. ÖZKOÇ VAN 31
32 FARKLI VARYANS SORU 13) Model A ile adlandırılan regresyon modelinden elde edilen log( y ) ve e 2 grafik üzerinde aşağıdaki gibi yer almaktadır. Buna göre değişen varyans olup olmadığı hakkında ne söylenebilir? log( y) = β + β log( x ) + β log( x ) + β log( x ) + β log( x ) ANAMODELHATA KARE LOGYTAHMIN Bu grafiği elde etmek için ilk model kurulmalı ardından hata terimleri ve y tahmin değerleri oluşturulmalıdır. ÖZKOÇ VAN 32
33 1. aşama: 2. aşama ÖZKOÇ VAN 33
34 ÖZKOÇ VAN 34
35 ÖZKOÇ VAN 35
36 ÖZKOÇ VAN 36
37 ÖZKOÇ VAN 37
38 Grup penceresi kapatılır. Bu grubu silmek istiyor musunuz? sorusuna evet cevap verdikten sonra anamodelhata ve logytahmin değişkenlerimiz oluşmuştur. 3.aşama Anamodelhakare değişkeninin karesini olmak için aşağıdaki işlem yapılır. ÖZKOÇ VAN 38
39 Yeni değişken ÖZKOÇ VAN 39
40 ÖZKOÇ VAN 40
41 ÖZKOÇ VAN 41
42 Grafiğe göre değişen varyans söz konusudur. ÖZKOÇ VAN 42
43 SORU 14) Aşağıda verilen modelde farklı varyans olup olmadığını sıra korelasyonu testi ile araştırınız. bu işlem excel ile yapılmıştır ÖZKOÇ VAN 43
44 LOGY LOGX3 SIRAHATA LOGX3SIRA SIRAHATASIRA Di Di^ H 0 1 : ρ = 0 H : ρ 0 α = 0.05 = 2 = 23 2 = 21 = 2.08 sd n t tab r s 2 Σd i 2630 = = = 2 nn ( 1) 23(23 1) t hes rs n = = = r 1 ( 0.299) 2 s t hes < ttab 0 gerçekleşmektedir. H hipotezi reddedilemez, farklı varyans yoktur, eşit varyans varsayımı ÖZKOÇ VAN 44
45 SORU 15) Aşağıda verilen modelde farklı varyans olup olmadığını Goldfeld Quandt testi ile araştırınız. ÖZKOÇ VAN 45
46 logy logx ANOVA Birinci alt grup df SS MS F Regresyon Fark Toplam ANOVA Çıkarılan gözlemler İkinci alt grup df SS MS F Regresyon Fark Toplam H 0 1 : u'ler eşit varyanslıdır i i H : u'ler eşit varyanslı değildir ( ) f1 = f2 = n c 2 k / 2 = ( ) = 14 F = 2.46 tab F hes Σe = = = < Ftab = 2.46 e Σ 0 varyans yoktur, eşit varyans varsayımı gerçekleşmektedir. H hipotezi reddedilemez, farklı ÖZKOÇ VAN 46
47 UYGULAMA II döneminde ABD nin Oregon eyaletinin kereste üretimine ilişkin elde edilen veriler aşağıda verilmektedir. HARVEST EXPORTS HOUSTART INDPROD PRODPRIC TIMBPRIC Kaynak: Ramanathan, R. Introductory Econometrıcs Wıth Applıcatıons (Data 6-5) Harvest: Exports: Houstart: Indprod: Timbpric: Prodpric: Takip eden soruları cevaplayınız. ÖZKOÇ VAN 47
48 SORU 1) Aşağıda verilen regresyon modelinde farklı varyans sorunu olup olmadığını Breusch Pagan Testi yardımıyla inceleyiniz. H : a = a = = a = 0 (Eşit varyans) i m H : a 0 (i=2,3,...,m)(farklı varyans) 2 e 2 i σ = = = n 31 bölünmelidir. bu değeri elde etmek için hatakareler değeri n sayısına ÖZKOÇ VAN 48
49 Toplam hata kareler 2 σ = sigmakare ÖZKOÇ VAN 49
50 ÖZKOÇ VAN 50
51 p i 2 ei = 2 σ Pi değerini elde etmek için: (ei yerine hata denilmiştir.) ÖZKOÇ VAN 51
52 pi pi Pi değişkeni elde edildikten sonra bu değişkenin bağımlı değişkenin olduğu aşağıdaki model oluşturulur. p = a + a Z + a Z + + a Z + v Z = X i 1 2 2i 3 3i m mi i i i p = a + a log( houstart) + a log( indprod) + a log( timbpric) + v i i ÖZKOÇ VAN 52
53 -elde ettiğimiz pi değeri bağımlı değişken yapılarak model tekrar elde edilir. ÖZKOÇ VAN 53
54 R 2 2 e = RBD = = 0.48 φ = 1 2(RBD) = χ 2 = 2 m 1 χ = 3, χ > χ hes tab H reddedilir, farklı varyans söz konusudur. SORU 2) Aynı örneği Glejser Farklı varyans testi ile yapınız. (Ek Bilgi: Indpro bağımsız değişkeni ile σ arasında ilişki olduğu düşünülmektedir.) 2 i ÖZKOÇ VAN 54
55 Yeni oluşturulacak e seriye = a vermek + a log(indpro) + v i i 2 i istediğiniz isim Yapılacak işlem (mutlak Son olarak enter tuşuna basıldığında yeni seri oluşacaktır Mutlak değeri alınmak istenen seri prob = < 0.05 H 0 reddedilir, farklı varyans söz konusudur. H : a = H : a ÖZKOÇ VAN 55
56 SORU 3) Aynı örneği White testi ile yapınız. e = a + a log( houstart) + a log( indprod) + a log( timbpric) + a log( houstart) 2 2 i log( ) log( ) ( log( ) log( )) ( log( ) log( )) ( log( ) log( )) + a indprod + a timbpric + a houstart indprod a houstart timbpric + a indprod timbpric + v 9 10 i H : a = a = = a = H : a 0( i= 2,3,...,10) 1 i ÖZKOÇ VAN 56
57 2 W = nr = = α = 0.05 sd = k 1 = 10 1 = 9 2 χ tab = < W = SORU 4) Aynı örneği LM TESTİ ile yapınız. H reddedilir, farklı varyans söz konusudur. Dependent Variable: LOG(HARVEST) Variable Coefficient Std. Error t-statistic Prob. LOG(HOUSTART) LOG(INDPROD) LOG(TIMBPRIC) C 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 Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) ÖZKOÇ VAN 57
58 2 * * 2 e = a + b log( harvest) + v i H 0 1 : b= 0 H : b 0 Dependent Variable: HATAKARE Variable Coefficient Std. Error t-statistic Prob. HARVESTTAHMIN C 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 Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) LM = nr = = α = 0.05 sd = 1 2 χ tab = 3.84 < LM = H 0 reddedilir, farklı varyans söz konusudur. Eviews 5 LM testi uygulaması: ÖZKOÇ VAN 58
59 ÖZKOÇ VAN 59
60 Prob eğeri: < olduğundan H 0 reddedilir yani farklı varyans söz konusudur. 2 SORU 7) σ i nin bilinmediği göz önüne alındığında farklı varyansı ortadan kaldırmak için ne yapılabilir, gösteriniz. Farklı varyansın şekline göre orijinal veriler üzerinde bir dönüşüm yapılması gerekmektedir. Ancak dönüşümde hangi bağımsız değişkenin kullanılacağının belirlenmesi gerekmektedir. Birden fazla bağımsız değişkenli modellerde hangi değişkenin verilerin dönüşümünde kullanılması gerektiğine grafik yöntemiyle karar verilebilir. Aşağıdaki grafik incelendiğinde Log(indprod) değişkeninin diğerlerine göre en fazla farklı varyans arzeden bağımsız değişken olduğu görülmektedir. ÖZKOÇ VAN 60
61 ÖZKOÇ VAN 61
62 ÖZKOÇ VAN 62
63 ( ) E u = σ = σ log(indprod) i i i harvest b b houstart b indprod b timbpric u log( ) = 1+ 2log( ) + 3log( ) + 4log( ) + i Orijinal modelin her iki tarafı log(indprod) değişkenine bölünür. log( harvest) b1+ b2log( houstart) + b3log( indprod) + b4log( timbpric) + ui = log( indprod) log( indprod) log( harvest) 1 log( houstart) log( timbpric) = b1 + b2 + b3+ b4 + vi log( indprod) log( indprod) log( indprod) log( indprod) log( harvest) 1 log( houstart) log( timbpric) = b3+ b1 + b2 + b4 + vi log( indprod) log( indprod) log( indprod) log( indprod) ÖZKOÇ VAN 63
64 Yapılan bu dönüşümün farklı varyansı ortadan kaldırıp kaldırmadığını test ediniz. ÖZKOÇ VAN 64
65 Prob. değeri ten küçük olduğu için H 0 : rededilebilir. Yani farklı varyans vardır. Yaptığımız bu işlem farklı varyansı ortadan kaldırmamıştır ÖZKOÇ VAN 65
66 OTOKORELASYON SORU 8) Aynı modelde otokorelasyon olup olmadığını grafik yöntemiyle inceleyiniz..2 BREUSCHHATATERIMI ,950 1,960 1,970 1,980 1,990 ZAMAN Grafiğe göre modelde pozitif otokorelasyon söz konusudur. ÖZKOÇ VAN 66
67 SORU 9) Aynı modelde otokorelasyon olup olmadığını Durbin Watson Testi yardımıyla inceleyiniz. ÖZKOÇ VAN 67
68 Gecikmesi alınacak seri ve kaçıncı gecikmesinin alındığını gösterir. hata hatakare hata(-1) hata-hata(-1) (hata-hata(-1))^ ÖZKOÇ VAN 68
69 H H 0 1 : ρ = 0 (otokorelasyon yoktur) : ρ 0(otokorelasyon vardır) d 31 ( e e ) t t 1 t= 2 = = = et t= n = 31 k = k 1= 3 1= 2 d L = d = U Pozitif otokorelasyon Kararsızlık Bölgesi Otokorelasyon Yoktur Kararsızlık Bölgesi Negatif otokorelasyon H 0 reddedilir, pozitif otokorelasyon vardır. ÖZKOÇ VAN 69
70 SORU 10) Aynı modelde otokorelasyon olup olmadığını Breusch Godfrey testi yardımıyla inceleyiniz. ÖZKOÇ VAN 70
71 ÖZKOÇ VAN 71
72 e = b + b log( houstart) + b log( indprod) + b log( timbpric) + ρ e + v i t 1 t ÖZKOÇ VAN 72
73 H H : ρ = 0 (otokorelasyon yoktur) : ρ 0 (otokorelasyon vardır) ( ) 2 BG = n s R = (31 1) 0.64 = 19.2 H 0 hipotezi reddedilir. SORU 11) Aynı modelde otokorelasyon olup olmadığını ARCH testi yardımıyla inceleyiniz. H H : α = : α ÖZKOÇ VAN 73
74 e = α + α e 2 2 t 0 1 t 1 ÖZKOÇ VAN 74
75 ( ρ) 2 2 χhes = n R = (31 1) 0.33 = 9.9 α = = ρ = χ = sd 1 tab 3.84 χ 2 2 hes > χtab 0 H reddedilir. ÖZKOÇ VAN 75
76 SORU 12) ρ nun bilinmediği göz önüne alındığında aşağıda verilen modelde otokorelasyonu birinci dereceden farklar yöntemiyle önleyiniz. Dependent Variable: LOG(HARVEST) Variable Coefficient Std. Error t-statistic Prob. LOG(HOUSTART) LOG(INDPROD) LOG(TIMBPRIC) C 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 Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) u = ρu + v 1< ρ < 1 t t 1 t log Harvest = b + b log houstart + b log indprod + b log timbpric + u t 1 2 t 3 t 4 t t log Harvest = b + b log houstart + b log indprod + b log timbpric + u t t 1 3 t 1 4 t 1 t 1 ρ log Harvest = ρb + ρb log houstart + ρb log indprod + ρb log timbpric + ρu t t 1 3 t 1 4 t 1 t 1 ( ) ( ) log Harvestt ρlog Harvestt 1 = b1 ρb1 + b2log houstartt ρb2log houstartt 1 + ( b3log indprodt ρb3log indprodt 1) + ( b4log timbprict ρb4log timbprict 1) + ut ρu t 1 vt ρ = 1 kabul edilir ve aşağıdaki birinci dereceli fark denklemi tahminlenir. ÖZKOÇ VAN 76
77 ( ) log Harvest log Harvest = b log houstart b log houstart t t 1 2 t 2 t 1 ( b log indprod b log indprod ) + 3 t 3 t 1 + ( b4logtimbprict b4log timbprict 1) + ut u t 1 vt Δ log Harvest = b Δ log houstar + b Δ log indprod + b Δlo timbpric + v t 2 t 3 t 4 g t t ÖZKOÇ VAN 77
78 Birinci dereceden farkları alınmış modelde otokorelasyon olup olmadığı Breusch Godfrey testi ile araştırılır ve test sonucunda da otokorelasyonun önlemiş olduğu görülür. ÖZKOÇ VAN 78
79 ÖZKOÇ VAN 79
80 Prob değeri 0.05 ten büyük olduğundan H 0 : Kabul yani otokorelasyon yoktur. SORU 13) ρ nun bilinmediği göz önüne alındığında aynı modelde otokorelasyonu Durbin Watson d istatistiği yöntemiyle önleyiniz. ÖZKOÇ VAN 80
81 d = 2 1 ρ ρ = 1 ( d ) 2 ( ) ( ) log Harvest ρlog Harvest = b ρb + b log houstart ρb log houstart t t t 2 t 1 ( b log indprod ρb log indprod ) + 3 t 3 t 1 + ( b4log timbprict ρb4log timbprict 1) + ut ρu t 1 vt ( d ) ( ) p = 1 = 1 = ( ) ( ) log Harvest log Harvest = b 0.794b + b log houstart 0.794b log houstart t t t 2 t 1 ( b log indprod 0.794b log indprod ) + 3 t 3 t 1 + ( b4logtimbprict 0.794b4logtimbprict 1) + ut u t 1 vt ÖZKOÇ VAN 81
82 ÖZKOÇ VAN 82
83 Oluşturulan bu modelde otokorelasyon olup olmadığı Breusch Godfrey testi ile araştırılır ve test sonucunda da otokorelasyonun önlemiş olduğu görülür. ÖZKOÇ VAN 83
84 Prob:0.36>0.05 H 0 :Kabul Otokorelasyon yok. SORU 14) ρ nun bilinmediği göz önüne alındığında aynı modelde otokorelasyonu Theil- Nagar yöntemiyle önleyiniz. Dependent Variable: LOG(HARVEST) Variable Coefficient Std. Error t-statistic Prob. LOG(HOUSTART) LOG(INDPROD) LOG(TIMBPRIC) C 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 Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) ( 1 2 ) / ( ) 31 ( ) 4 / ( 31 4 ) p= n d + k n k = + = /945 = ÖZKOÇ VAN 84
85 ( ) ( ) log Harvest log Harvest = b 0.824b + b log houstart 0.824b log houstart t t t 2 t 1 ( b log indprod 0.824b logindprod ) + 3 t 3 t 1 + ( b4log timbprict 0.824b4log timbprict 1) + ut u t 1 vt ÖZKOÇ VAN 85
86 Oluşturulan bu modelde otokorelasyon olup olmadığı Breusch Godfrey testi ile araştırılır ve test sonucunda da otokorelasyonun önlemiş olduğu görülür. ÖZKOÇ VAN 86
87 ÖZKOÇ VAN 87
88 SORU 15) ρ nun bilinmediği göz önüne alındığında aynı modelde otokorelasyonu Tekrarlı Tek Aşamalı Cochrane Orcut yöntemiyle önleyiniz. Dependent Variable: LOG(HARVEST) Variable Coefficient Std. Error t-statistic Prob. LOG(HOUSTART) LOG(INDPROD) LOG(TIMBPRIC) C 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 Hannan-Quinn criter F-statistic Durbin-Watson stat Prob(F-statistic) Ana modelden hatalar çekilir ve ρ değeri tahminlenir. ÖZKOÇ VAN 88
89 hata hata(-1) hata * hata(- 1) hata(-1)^ TOPLAM n uu t t 1 t= ρ = = = n u t= 2 2 t 1 ( ) ( ) log Harvest 0.735log Harvest = b 0.735b + b log houstart 0.735b log houstart + ( b3log indprodt 0.735b3log indprodt 1) + ( b4logtimbprict 0.735b4log timbprict 1) + ut u t 1 vt t t t 2 t 1 ÖZKOÇ VAN 89
90 ÖZKOÇ VAN 90
91 Oluşturulan bu modelde otokorelasyon olup olmadığı Breusch Godfrey testi ile araştırılır ve test sonucunda da otokorelasyonun önlemiş olduğu görülür. ÖZKOÇ VAN 91
92 Prob:0.29>0.05 H 0 :Kabul Otokorelasyon yok. ÖZKOÇ VAN 92
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
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.
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.
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
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
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
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
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,
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
DetaylıADMIT: Öğrencinin yüksek lisans programına kabul edilip edilmediğini göstermektedir. Eğer kabul edildi ise 1, edilmedi ise 0 değerini almaktadır.
Uygulama-2 Bir araştırmacı Amerika da yüksek lisans ve doktora programlarını kabul edinilmeyi etkileyen faktörleri incelemek istemektedir. Bu doğrultuda aşağıdaki değişkenleri ele almaktadır. GRE: Üniversitelerin
DetaylıBİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER
BİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER Birden çok bağımlı değişkenin yer aldığı modelleri incelemek amacıyla kullanılan modeller Birden Çok Bağımlı Değişkenli Regresyon Modelleri ya da kısaca MRM ler
DetaylıDependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20
ABD nin 1966 ile 1985 yllar arasnda Y gayri safi milli hasla, M Para Araz (M) ve r faiz oran verileri a#a$da verilmi#tir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatas ta#yp ta#mad$n Ramsey RESET testi
DetaylıKUKLA DEĞİŞKENLİ 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
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
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
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 MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıTEFE VE TÜFE ENDEKSLERİ İLE ALT KALEMLERİNDEKİ MEVSİMSEL HAREKETLERİN İNCELENMESİ* Soner Başkaya. Pelin Berkmen. Murat Özbilgin.
TEFE VE TÜFE ENDEKSLERİ İLE ALT KALEMLERİNDEKİ MEVSİMSEL HAREKETLERİN İNCELENMESİ* Soner Başkaya Pelin Berkmen Murat Özbilgin Erdal Yılmaz 21 Haziran 1999 Araştırma Genel Müdürlüğü *Bu çalışmaya katkılarından
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
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri
Detaylı1. 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
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.
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 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
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
Detaylıİyi Bir Modelin Özellikleri
İyi Bir Modelin Özellikleri 1. Basitlik. Belirlenmişlik Y t = b 1 (1-r)+b X t -rb X t-1 +ry t-1 +e t 3. R ölçüsü 4. Teorik tutarlılık 5. Fonksiyonel Biçim 1 Model Tanımlanması Araştırmada kullanılan modelin
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..
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
Detaylı6.6. Korelasyon Analizi. : Kitle korelasyon katsayısı
6.6. Korelasyon Analizi : Kitle korelasyon katsayısı İki ya da daha çok değişken arasındaki ilişkiyi gösterir. Korelasyon çözümlemesinin amacı değişkenler arasındaki ilişkinin derecesini ve yönünü belirlemektir.
DetaylıİÇİNDEKİLER 1. GİRİŞ...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
DetaylıEVIEWS KULLANIMI (EVIEWS 7.1)
EVIEWS KULLANIMI (EVIEWS 7.1) BAŞLANGIÇ Yeni bir dosya (workfile) yaratma Adım 1. Ana menüden File/New/Workfile ı seçin Adım 2. Workfile structure type ne tür veri kullandığınızı gösterir. ÖR1. Zaman serisi
DetaylıBİYOİSTATİSTİK Uygulama 7 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH
BİYOİSTATİSTİK Uygulama 7 Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 1. Pearson Korelasyon Katsayısı
DetaylıKORELASYON VE TEKLİ REGRESYON ANALİZİ-EN KÜÇÜK KARELER YÖNTEMİ
KORELASYON VE TEKLİ REGRESYON ANALİZİ-EN KÜÇÜK KARELER YÖNTEMİ 1 KORELASYON ANALİZİ İki değişken arasındaki doğrusal ilişkinin gücünü(derecesini) ve yönünü belirlemek için hesaplanan bir sayıdır. Belirli
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
DetaylıTEKNOLOJĐK ARAŞTIRMALAR
www.teknolojikarastirmalar.com ISSN:XXX-XXX Tekstil Teknolojileri Elektronik Dergisi 2008 (3) 1-12 TEKNOLOJĐK ARAŞTIRMALAR Makale Tekstil ve Demir Çelik Sektörü Đhracatına Döviz Kurları, Enflasyon ve Faiz
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,
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
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.
DetaylıİSTATİSTİK-II. Korelasyon ve Regresyon
İSTATİSTİK-II Korelasyon ve Regresyon 1 Korelasyon ve Regresyon Genel Bakış Korelasyon Regresyon Belirleme katsayısı Varyans analizi Kestirimler için aralık tahminlemesi 2 Genel Bakış İkili veriler aralarında
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
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
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
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
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.
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,
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
DetaylıExcel dosyasından verileri aktarmak için Proc/Import/Read Text-Lotus-Excel menüsüne tıklanır.
ZAMAN SERİSİ MODEL Aşağıdaki anlatım sadece lisans düzeyindeki temel ekonometri bilgisine göre hazırlanmıştır. Bir akademik çalışmanın gerektirdiği birçok ön ve son testi içermemektedir. Bu dosyalar ilk
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel
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,
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
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.
DetaylıTÜRKİYE DE PARA POLİTİKALARININ BANKALARIN KARLILIKLARI ÜZERİNE ETKİSİ
TÜRKİYE DE PARA POLİTİKALARININ BANKALARIN KARLILIKLARI ÜZERİNE ETKİSİ Orhan ÇOBAN * Selcen ŞAHİN ** ÖZET Bu çalışmada 1990-2010 dönemi dikkate alınarak Türkiye de Merkez Bankası tarafından yürütülen para
DetaylıTürkiye nin Dış Turistik Tanıtımının Turizm Talebine Etkisi: 2001-2012 Dönemi 1 Aytuğ ARSLAN 2
Çankırı Karatekin Üniversitesi Sosyal Bilimler Enstitüsü Dergisi 5(1): 181-192 Türkiye nin Dış Turistik Tanıtımının Turizm Talebine Etkisi: 2001-2012 Dönemi 1 Aytuğ ARSLAN 2 Özet Türkiye son yıllarda uluslararası
DetaylıVadeli İşlem Sözleşmelerinde Vade Etkisi: Türkiye Örneği
EGE AKADEMİK BAKIŞ / EGE ACADEMIC REVIEW Cilt: 15 Sayı: 3 Temmuz 2015 ss. 421-433 Vadeli İşlem Sözleşmelerinde Vade Etkisi: Türkiye Örneği Maturity Effect In Future Contracts: Evidence from Turkey Eyüp
DetaylıHİPOTEZ TESTLERİ. Yrd. Doç. Dr. Emre ATILGAN
HİPOTEZ TESTLERİ Yrd. Doç. Dr. Emre ATILGAN Hipotez Nedir? HİPOTEZ: parametre hakkındaki bir inanıştır. Parametre hakkındaki inanışı test etmek için hipotez testi yapılır. Hipotez testleri sayesinde örneklemden
DetaylıBu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur.
Değişen Varyans Örnek Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. 1 Aşağıda yer alan denklemi tahmin edelim; y i = β 0 + β 1 x 1i + β 2 x 2i + u i EViews
DetaylıSamuelson-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
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
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
DetaylıKIRGIZİSTAN DA ENFLASYON DİNAMİKLERİ, 1998-2006
Sosyal Bilimler Dergisi Sayı: 20 2008 KIRGIZİSTAN DA ENFLASYON DİNAMİKLERİ, 1998-2006 Arş. Gör., Cunus GANİYEV Kırgızistan-Türkiye Manas Üniversitesi, İktisadi ve İdari Bilimler Fakültesi, İktisat Bölümü
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
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
DetaylıEdited by Foxit PDF Editor Copyright (c) by Foxit Software Company, 2004-2007 For Evaluation Only. Enerji Modellemesi
Edited by Foxit PDF Editor Copyright (c) by Foxit Software Company, 2004-2007 For Evaluation Only. Enerji Modellemesi Baris Sanli - barissanli@gmail.com 2005 GĐRĐŞ Eviews ve Vensim e Giriş Birinci dereceden
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
DetaylıEn Yüksek Olabilirlik Yöntemi. İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar.
En Yüksek Olabilirlik Yöntemi İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar. Basit(sıradan) en küçük kareler yöntemi, özünde olasılık dağılımları ile
DetaylıRegresyon ve İnterpolasyon. Rıdvan YAKUT
Regresyon ve İnterpolasyon Rıdvan YAKUT Eğri Uydurma Yöntemleri Regresyon En Küçük Kareler Yöntemi Doğru Uydurma Polinom Uydurma Üstel Fonksiyonlara Eğri Uydurma İnterpolasyon Lagrange İnterpolasyonu (Polinomal
Detaylı3. TÜRKİYE NİN SOSYO-EKONOMİK DURUMU, ANALİZİ VE GELİŞME ÖNGÖRÜLERİ
3. TÜRKİYE NİN SOSYO-EKONOMİK DURUMU, ANALİZİ VE GELİŞME ÖNGÖRÜLERİ 1980 sonrası Türkiye ye bakıldığında; ekonominin dünya ile bütünleşmesinin arttığı, ithalat ve ihracatın dünyada ticareti yapılır mallara
DetaylıTURİZM SEKTÖRÜNDE TALEP TAHMİN MODELLEMESİ
TURİZM SEKTÖRÜNDE TALEP TAHMİN MODELLEMESİ *Prof. Dr. Münevver TURANLI, Arş. Gör. Elif GÜNEREN 1.Giriş Turizm sektörü; bir yandan ülkeler için önemli bir gelir kaynağı olması, diğer yandan uluslararası
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
DetaylıBAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ
BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ Modeldeki değişken tanımları aşağıdaki gibidir: IS= 1 i.kadının bir işi varsa (ya da iş arıyorsa) 0 Diğer
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
DetaylıBingöl İli Bal Üretimi. Honey Productıon in Bingol. Iğdır University Journal of the Institute of Science and Technology
Araştırma Makalesi / Research Article Iğdır Üni. Fen Bilimleri Enst. Der. / Iğdır Univ. J. Inst. Sci. & Tech. 5(2): 25-31, 2015 Bingöl İli Bal Üretimi Iğdır Üniversitesi Fen Bilimleri Enstitüsü Dergisi
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
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
DetaylıHipotez Testinin Temelleri
Hipotez Testleri Hipotez Testinin Temelleri Tanımlar: Hipotez teori, önerme yada birinin araştırdığı bir iddiadır. Boş Hipotez, H 0 popülasyon parametresi ile ilgili şu anda kabul edilen değeri tanımlamaktadır.
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
DetaylıEğitim / Danışmanlık Hizmetinin Tanımı
Eğitim / Danışmanlık Hizmetinin Tanımı 1. Proje Kapsamında Eğitim Talep Edilmiş ise, Eğitimin İçeriği Hakkında bilgi veriniz. Ekonometri alanı iktisat teorisi, işletme, matematik ve istatistiğin birleşmesiyle
DetaylıTürkiye deki Bankaların Sektörler Bazında Kullandırdıkları Krediler İle Ekonomik Büyüme Arasındaki İlişki: 1999-2011
Muhasebe ve Finansman Dergisi Temmuz/2015 Türkiye deki Bankaların Sektörler Bazında Kullandırdıkları Krediler İle Ekonomik Büyüme Arasındaki İlişki: 1999-2011 Selahattin KOÇ ÖZET Türkiye de finansal yapı
Detaylı11. BÖLÜM: EŞANLI DENKLEM SİSTEMLERİ
11. BÖLÜM: EŞANLI DENKLEM SİSTEMLERİ Bu bölümde; Yapısal denklemleri kullanarak vergiler ve net ihracatın zaman serilerini oluşturma EKK ile CO tahmini EViews TSLS metodu ile iki aşamalı EKK regresyon
Detaylı28-30 APRIL 2015 ISTANBUL PROCEEDINGS
7 TH ATMOSPHERIC SCIENCES SYMPOSIUM 28-30 APRIL 2015 ISTANBUL PROCEEDINGS EDITORS DOÇ.DR. ALİ DENİZ BAHTİYAR EFE BİHTER DURNA PELİN CANSU ÇAVUŞ Chairs Assoc. Prof. Dr. Ali DENİZ, İstanbul Technical University
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
DetaylıPazarlama Araştırması Grup Projeleri
Pazarlama Araştırması Grup Projeleri Projeler kapsamında öğrencilerden derlediğiniz 'Teknoloji Kullanım Anketi' verilerini kullanarak aşağıda istenilen testleri SPSS programını kullanarak gerçekleştiriniz.
DetaylıÇoklu Regresyon Korelasyon Analizinde Varsayımdan Sapmalar ve Çimento Sektörü Üzerine Uygulama *
Çoklu Regresyon Korelasyon Analizinde Varsayımdan Sapmalar ve Çimento Sektörü Üzerine Uygulama * Erkan SEVİNÇ ** Giriş Bu çalışmada İMKB de taş ve toprağa dayalı sanayi altında işlem gören şirketlerin
DetaylıÜstel modeli, iki tarafın doğal logaritması alınarak aşağıdaki gibi yazılabilir.
5. FONKSİYON KALIPLARI VE KUKLA DEĞİŞKENLER 5.1. Fonksiyon Kalıpları Bölüm 4.1 de doğrusal bir modelin katsayılarının yorumu ele alınmıştır. Bu bölümde farklı fonksiyon kalıpları olması durumunda katsayıların
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:
DetaylıPROF. DR. ŞÜKRÜ KIZILOT
PROF. DR. ŞÜKRÜ KIZILOT Çorum doğumlu olan Şükrü Kızılot, Maliye Bakanlığı nda 8 yıl çalıştıktan sonra, önce Adana İktisadi ve İdari Bilimler Fakültesi nde, daha sonra da Ankara İktisadi ve Ticari İlimler
DetaylıTÜRKİYE DE 1980 SONRASI SATIN ALMA GÜCÜ PARİTESİ YAKLAŞIMI
Marmara Üniversitesi İ.İ.B.F. Dergisi YIL 2007, CİLT XXIII, SAYI 2 TÜRKİYE DE 1980 SONRASI SATIN ALMA GÜCÜ PARİTESİ YAKLAŞIMI Prof. Dr. Nurdan ASLAN 1 Ayşe Nesligül KANBUR 2 Özet Bu çalışmanın amacı, Satın
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
Detaylı21. ULUSLARARASI İKTİSAT ÖĞRENCİLERİ KONGRESİ. Ege Üniversitesi İktisadi ve İdari Bilimler Fakültesi. Nakitsiz Ekonomi: Türkiye Örneği
21. ULUSLARARASI İKTİSAT ÖĞRENCİLERİ KONGRESİ DİJİTAL DÖNÜŞÜM: SANAYİ 4.0 İzmir, Nisan 25-27, 2018 Ege Üniversitesi İktisadi ve İdari Bilimler Fakültesi Nakitsiz Ekonomi: Türkiye Örneği Berk Duran Kayabalı
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.
DetaylıŞekil 2. Azalan f fonksiyonunun grafiği
3. ÖLÇÜLEBİLİR FONKSİYONLAR SORU 1: f : R R azalan fonksiyon ise f fonksiyonu Borel ölçülebilir midir? ÇÖZÜM 1: Şekil 2. Azalan f fonksiyonunun grafiği α R için f 1 ((α, )) := {x R : f (x) > α} B (R) olduğunu
DetaylıALIŞTIRMA 2 GSYİH. Toplamsal Ayrıştırma Yöntemi
ALIŞTIRMA 2 GSYİH Bu çalışmamızda GSYİH serisinin toplamsal ve çarpımsal ayrıştırma yöntemine göre modellenip modellenemeyeceği incelenecektir. Seri ilk olarak toplamsal ayrıştırma yöntemine göre analiz
Detaylı9. BÖLÜM: MODEL KURMA: BAĞIMSIZ DEĞİŞKEN SEÇİMİ
Emrah ER 9. BÖLÜM: MODEL KURMA: BAĞIMSIZ DEĞİŞKEN SEÇİMİ Bu bölümde; EKK Modeline Değişken Ekleme veya Modelden Değişken Çıkarma EKK Modelinde Gecikmeli Değişkenler Ek: İlave Belirleme Kriteri Ramsey Model
Detaylıİstatistik Yöntemleri ve Hipotez Testleri
Sağlık Araştırmalarında Kullanılan Temel İstatistik Yöntemleri ve Hipotez Testleri Yrd. Doç. Dr. Emre ATILGAN BİYOİSTATİSTİK İstatistiğin biyoloji, tıp ve diğer sağlık bilimlerinde kullanımı biyoistatistik
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
Detaylı7. BÖLÜM: ARDIŞIK BAĞIMLILIK
7. BÖLÜM: ARDIŞIK BAĞIMLILIK Bu bölümde; Regresyon Modelinden Artık Serileri Oluşturma Ardışık Bağımlılık Tespiti İçin Artıkların Grafiğini Çizme Regresyonu Kullanarak Birinci Sıra Ardışık Bağımlılık Katsayısını
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
Detaylı