KUKLA DEĞİŞKENLİ MODELLER
|
|
- Erdem Sezer
- 7 yıl önce
- İzleme sayısı:
Transkript
1 KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin karşılıklı olarak birbirini etkilemeleri Mevsim dalgalanmalarının ölçülmesinde kukla değişkenler 1
2 Harcama Bir Kukla Değişkenli Modeller (Varyans Analiz Modelleri) Meslek Lisesi Devlet Lisesi N Meslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın. Birleştirilmiş Denklem Yıllık Okul Harcaması = b 1 + b 2 ML + u ML = 0 Devlet Lisesi Yıllık Okul Harcaması = b 1 ML= 1 Meslek Lisesi Yıllık Okul Harcaması = b 1 + b 2 2
3 b 1 +b b Devlet Lisesi Meslek Lisesi ML = 0 Devlet Lisesi ML= 1 Meslek Lisesi Yıllık Okul Harcaması = b 1 + b 2 ML + u 3
4 Harcama KUKLA DEĞİŞKENLERİN DİĞER KANTİTATİF DEĞİŞKENLERLE ALINDIĞI MODELLER (KOVARYANS ANALİZİ MODELLER) BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER Meslek Lisesi Devlet Lisesi Harcama:Okul harcaması N N:Öğrenci sayısı Bu kukla değişkenlerin açıklayıcı değişken olarak regresyon denkleminde nasıl yer aldıkları incelenecektir. 4
5 Meslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın. Meslek lisesindeki öğrenciler belirli meslek dallarında yetenek sahibi olmaya çalışırken her meslek grubuna özgü gerekli olan araç ve gereçlerin temini için devlet lisesinde okuyan öğrencilere göre yıl içerisinde daha fazla harcama yapmaları gerekmektedir. Her iki lisede okuyan öğrencilerin harcamaları arasındaki farkı görmek için birinci yol iki grup içinde ayrı ayrı regresyon denklemi oluşturmaktır. Bununla birlikte iki ayrı regresyon denklemi kurmanın bazı sakıncaları olmaktadır. Bu sakıncalardan bir tanesi; büyük bir anakütle ile çalışmak yerine ayrı ayrı küçük örneklemler ile çalışmak katsayı tahminlerinin doğruluğu üzerinde ters etki olmasına neden olacaktır. 5
6 Harcama Meslek Lisesi b 1 ' Devlet Lisesi b 1 OCC = 0 Devlet Lisesi OCC = 1 Meslek Lisesi N Harcama = b 1 + b 2 N + u Harcama= b 1 ' + b 2 N + u İki lise harcamaları arasındaki fark için diğer bir yol ise ; meslek lisesi harcama denkleminin sabit terimi b 1 ' in devlet lisesinden daha büyük olduğunu varsayan bir hipotez kurmaktır. Aslında, bu varsayım ile her iki lise için yıllık marjinal maliyetlerin aynı fakat sabit maliyetlerin farklı olduğu varsayımı yapılmaktadır. Marjinal maliyet varsayımı görünüşte makul gözükmese de, bu varsayım anlatımı kolaylaştırmak için yapılmaktadır. 6
7 Harcama Meslek Lisesi b 1 ' d Devlet Lisesi b 1 N Devlet Lisesi Meslek Lisesi Harcama = b 1 + b 2 N + u Harcama = b 1 ' + b 2 N + u d İki sabit terim arasındaki fark olarak tanımlanabilir: d = b 1 ' - b 1. 7
8 d = b 1 ' - b 1 idi. b 1 ' = b 1 + d olacaktır ve meslek lisesine ait harcama fonksiyonu aşağıdaki gibi yazılabilir: OCC = 0 Devlet Lisesi OCC = 1 Meslek Lisesi Harcama = b 1 + b 2 N + u Harcama = b 1 + d + b 2 N + u Artık iki harcama fonksiyonunu birleştirip kukla değişken ML oluşturulabilir. ML öğrenci devlet lisesine gidiyor ise 0 değerini, meslek lisesine gidiyor ise 1 değerini almaktadır. Birleştirilmiş Denklem ML = 0 Devlet Lisesi ML= 1 Meslek Lisesi Harcama = b 1 + d ML + b 2 N + u Harcama = b 1 + b 2 N + u Harcama = b 1 + d + b 2 N + u 8
9 Harcama b 1 +d d Meslek Lisesi b 1 Devlet Lisesi N Her zaman kukla değişkenler sadece iki değer alırlar; 0 yada 1. Eğer ML 0 değerini alır ise harcama fonksiyonu devlet lisesine giden öğrencilerin harcama fonksiyonu olmakta, yada eğer ML 1 değerini alırsa harcama fonksiyonu meslek lisesine giden öğrencilerin harcama fonksiyonu olmaktadır. Birleştirilmiş Denklem ML = 0 Devlet Lisesi ML= 1 Meslek Lisesi Harcama = b 1 + d ML + b 2 N + u Harcama = b 1 + b 2 N + u Harcama = b 1 + d + b 2 N + u 9
10 Harcama Meslek Lisesi Devlet Lisesi N Bu aşamada bir şehirdeki 74 lise için gerçek veri setini kullanarak regresyon denklemi oluşturulabilir. 10
11 BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER Okul Okul Tipi Okul Harcaması N ML 1 Meslek 345, Meslek 537, Devlet 170, Meslek Devlet 100, Devlet 28, Devlet 160, Meslek 45, Meslek 120, Meslek 61, Tablo ilk 10 okulun verilerini göstermektedir. Yıllık harcama yuan olarak ölçülmüştür. Bir yuan yaklaşık olarak 20 U.S centine eşittir. N okullardaki öğrenci sayısıdır. ML okul tipini gösteren kukla değişkendir. 11
12 BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER. reg Harcama N ML Source SS df MS Number of obs = F( 2, 71) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N ML _cons Her ne kadar ML kukla değişken olsa da yeni bir açıklayıcı değişkenmiş gibi düşünülerek; Harcama değişkeni, N ve ML değişkenleri üzerine regresyona tabi tutulmaktadır. Katsayı yorumları: Regresyon sonuçları eşitlik şeklinde yeniden yazılabilir. ML değişkenine 0 ve 1 değerleri verilerek yeni eşitlikler türetilebilir. 12
13 BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER ^ Harcama = -34, ,000ML + 331N Devlet Lisesi (ML = 0) ^ Harcama = -34, N Eğer ML=0 olursa, devlet lisesine ait eşitlik elde edilir. Buradan yıllık marjinal harcamanın öğrenci başına 331 yuan olduğu ve sabit harcamanın da -34,000 Yuan olduğu ifade edilebilir. Kukla değişkenin katsayısı d ile tahminlenmektedir. Meslek lisesindeki öğrenciler için extra yıllık sabit harcamayı ifade etmektedir. 13
14 BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER ^ Harcama = -34, ,000ML + 331N Devlet Lisesi (ML= 0) ^ Harcama = -34, N Meslek Lisesi (ML = 1) ^ Harcama = -34, , N = 99, N Eğer ML yerine 1 değeri konulursa, meslek lisesi öğrencileri için yıllık sabit harcamayı 99,000 yuan olarak hesaplayabiliriz. Meslek lisesindeki öğrencinin marjinal harcaması ise devlet okulundaki öğrenci ile aynıdır. 14
15 Harcama BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER Meslek Lisesi Devlet Lisesi N Dağılma diyagramı regresyon sonuçlarından elde edilen iki harcama fonksiyonunu göstermektedir. 15
16 . reg Harcama N ML BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER Source SS df MS Number of obs = F( 2, 71) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N ML _cons Kukla değişkeninin katsayısını test etmek için; H 0 : d = 0 ve H 1 : d 0 hipotezleri t testi yardımı ile test edilebilir. Bir başka ifadeyle, H 0 hipotezi iki okul türü arasında sabit harcamalar bakımından fark olmadığını ifade etmektedir. ML nin katsayısının prob değeri 0.05 önem düzeyinden küçük olduğu için H 0 hipotezi reddedilebilmektedir. Yani iki okul türünün sabit harcamaları arasında fark vardır. 16
17 BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER reg Harcama N ML Source SS df MS Number of obs = F( 2, 71) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N ML _cons Benzer şekilde diğer katsayılar içinde t-testi yapabiliriz. İlk olarak N ele alınırsa; N in katsayısının da istatistiksel olarak anlamlı olduğu söylenebilir. Bu da bize marjinal harcamaların istatistiksel olarak sıfırdan oldukça farklı olduğunu göstermektedir. 17
18 BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER. reg Harcama N ML Source SS df MS Number of obs = F( 2, 71) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N ML _cons b 1 = 0 yani sabit terim için t istatistiğine baktığımızda bu katsayının anlamsız olduğu görülmektedir. 18
19 BİRDEN FAZLA KUKLA DEĞİŞKENLİ MODELLER Harcama = b 1 + d T TEK + d N NİT + d Tİ TİC + b 2 N + u Harcama:Okul harcaması Sadece bir D i kukla değişkenli modellerin yanında, D sayısı iki, üç, hatta yirmiye kadar olan modeller de söz konusu olmaktadır. Daha önce devlet lisesi ve meslek liseleri arasındaki harcama fonksiyonu arasındaki farkı belirtmek için kukla değişken kullanmıştık. Şangay da iki tip devlet okulu bulunmaktadır. Bunlardan bir tanesi olağan akademik eğitimin verildiği genel liseler, diğeri ise akademik eğitim ile birlikte ticaret eğitimi veren ticaret liseleridir. 19
20 Harcama = b 1 + d T TEK + d N NİT + d Tİ TİC + b 2 N + u Ticaret okullarının öğretim programı genel liselerden çok az bir farklılık göstermekte, sadece genel liselere göre birkaç ticaret eğitimleri bulunmaktadır. Aynı şekilde iki tip meslek lisesi bulunmaktadır. Teknik eğitim okulları(tek) ve Nitelikli (NİT) öğrenci yetiştiren liselerdir. Sonuçta kalitatif değişkenimiz dört gruba sahiptir. Uygulamada; bir kategori temel sınıf olarak seçilmektedir ve buna bağlı olarak diğer kukla değişkenler tanımlanmaktadır. Genellikle, kategoriler içerisinde en basit ve normal olan kategori temel sınıf olarak seçilmektedir. 20
21 Harcama = b 1 + d T TEK + d N NİT + d Tİ TİC + b 2 N + u Şangay örneğinde genel liseleri temel sınıf olarak seçmek en uygundur. Çünkü genel liseler sayıca çok olan liselerdir ve diğer liseler genel liselerin birer varyasyonlarıdır. Dolayısıyla okul tiplerine bağlı olarak üç tane kukla değişken tanımlayabiliriz. TEK : teknik eğitim okulları için kukla değişken; eğer öğrenci teknik okula gidiyorsa 1, diğer durumda 0 değerini alan kukla değişken. Benzer şekilde NİT ve TİC kukla değişkenleri sırasıyla nitelikli öğrenci yetiştiren ve ticaret eğitimi veren okullar için birer kukla değişkenlerdir. Her bir kukla değişkenin katsayı değeri bulunmaktadır ve bu katsayılar temel kategoriye göre her bir okul için ayrı ayrı ekstra harcama maliyetlerini ifade etmektedir. Dikkat edilirse temel kategori (referans kategori) modelde yer almamaktadır ve çıkarılmış kategori olarak ifade edilir. 21
22 Harcama = b 1 + d T TEK + d N NİT + d Tİ TİC + b 2 N + u Genel Lise Harcama = b 1 + b 2 N + u (TEK = NİT = TİC = 0) Eğer gözlem genel lise ile ilgili ise; diğer kukla değişkenler sıfır değerini almakta ve regresyon modeli en basit duruma indirgenmektedir. 22
23 Harcama = b 1 + d T TEK + d N NİT + d Tİ TİC + b 2 N + u Genel Lise Teknik Lise Harcama = b 1 + b 2 N + u (TEK = NİT = TİC = 0) Harcama = (b 1 + d T ) + b 2 N + u (TEK = 1; NİT= TİC = 0) Eğer gözlem teknik lise ile ilgili ise; TEK değişkeni 1 değerini, diğer kukla değişkenlerde 0 değerini almaktadır. Regresyon denklemi ise yukarıda gösterildiği gibi olmaktadır. 23
24 Harcama = b 1 + d T TEK + d N NİT + d Tİ TİC + b 2 N + u Genel Lise Teknik Lise Nitelikli Öğr. Yet. Lİsesi Ticaret Lisesi Harcama = b 1 + b 2 N + u (TEK = NİT = TİC = 0) Harcama = (b 1 + d T ) + b 2 N + u (TEK = 1; NİT = TİC = 0) Harcama = (b 1 + d N ) + b 2 N + u (NİT= 1; TEK = TİC = 0) Harcama = (b 1 + d Tİ ) + b 2 N + u (TİC = 1; TEK = NİT = 0) Benzer şekilde gözlem nitelikli öğrenci yetiştiren lisesi yada Ticaret lisesi ise, regresyon denklemleri yukarıda gösterildiği gibi oluşturulmaktadır. 24
25 Harcama Teknik b 1 +d T b 1 +d N Nitelikli d N d T Ticaret d Tİ b 1 +d Tİ b 1 Genel N Yukarıdaki diyagram modeli grafiksel olarak göstermektedir. d katsayısı; teknik, nitelikli ve ticaret lisesi için genel liseye göre ekstra gider harcamalarını ifade etmektedir. 25
26 Harcama Teknik b 1 +d T b 1 +d N Nitelikli d N d T Ticaret d Tİ b 1 +d Tİ b 1 Genel Dikkat edilecek olurda d katsayıların büyüklülüğü ve işaretleri için önceden bir varsayımda bulunulmamaktadır. Örnek verilerinden tahminlenecektir. N 26
27 Okul Tip Harcama N TEK NİT TİC 1 Teknik 345, Teknik 537, Genel 170, Nitelikli Genel 100, Ticaret 28, Ticaret 160, Teknik 45, Teknik 120, Nitelikli 61, Yukarıdaki tabloda 74 liseden 10 tanesine ait veriler gösterilmektedir. Her bir kukla değişken TEK, NİT ve TİC kukla değişkenleri okul tiplerine göre oluşturulmuştur. 27
28 Harcama Teknik Lise Ticaret Lisesi Genel Lise Nitelikli Lisesi N Dağılma diyagramı yeni okulların verilerini göstermektedir. 28
29 . reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N TEK NİT TİC _cons Verilere ait regresyon sonuçları tabloda gösterilmiştir. N in katsayısı her bir öğrenci için marjinal harcamayı ifade etmektedir ve yaklaşık 343 yuandır. 29
30 . reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N TEK NİT TİC _cons TEK, NİT ve TİC değişkenlerinin katsayıları 154,000, 143,000, ve 53,000 sırasıyla genel liselere göre ilave yıllık sabit harcamaları ifade etmektedir. 30
31 . reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N TEK NİT TİC _cons Sabit terim genel liselerde sabit harcamaların yuan olduğunu söylemektedir. 31
32 Harcama ^ = -55, ,000TEK + 143,000NİT+ 53,000TİC + 343N En üsteki regresyon sonuçlarını göstermektedir. Her bir okul için harcama fonksiyonları ayrı ayrı gösterilecektir. 32
33 Harcama= ^ -55, ,000TECH + 143,000NİT + 53,000TİC + 343N Genel Lise Harcama ^ = -55, N (TEK= NİT = TİC = 0) Öğrenci başına yıllık marjinal harcama 343 yuandır. Öğrenci başına yıllık sabit harcamalar her bir okul için -55,000 yuan olarak tahmin 33 edilmiştir.
34 ^ Harcama = -55, ,000TEK + 143,000NİT + 53,000TİC + 343N Genel Lise Harcama ^ = -55, N (TEK= NİT = TİC = 0) Teknik Lise Harcama ^ = -55, , N (TEK = 1; NİT = TİC = 0) = 99, N Genel liseye göre teknik lisenin ekstra yıllık sabit harcaması 154,000 yuan olarak tahminlenmiştir. 34
35 Harcama ^ = -55, ,000TEK + 143,000NİT + 53,000TİC + 343N Genel Lise Harcama ^ = -55, N (TEK= NİT = TİC = 0) Teknik Lise Harcama ^ = -55, , N (TEK = 1; NİT = TİC = 0) = 99, N Nitelikli Lisesi Harcama ^ = -55, , N (NİT = 1; TEK = TİC = 0) = 88, N Ticaret Lisesi Harcama ^ = -55, , N (TİC = 1; TEK = NİT = 0) = -2, N Benzer şekilde nitelikli öğrenci yetiştiren ve ticaret okulunun genel liseye göre yıllık ekstra harcaması 143,000 and 53,000 yuandır. 35
36 Harcama ^ = -55, ,000TECH + 143,000NİT + 53,000TİC + 343N Genel Lise Harcama ^ = -55, N (TEK = NİT = TİC = 0) Teknik Lise Harcama ^ = -55, , N (TEK = 1; NİT = TİC = 0) = 99, N Nitelikli Lisesi Harcama ^ = -55, , N (NİT = 1; TEK = TİC = 0) = 88, N Ticaret Lisesi Harcama ^ = -55, , N (TİC = 1; TEK = NİT = 0) = -2, N Dikkat edilirse öğrenci başına yıllık marjinal harcama 343 yuan olarak tahmin edilmiştir. 36
37 Harcama N Teknik Lise Ticaret Lisesi Genel Lise Nitelikli Dört harcama grafiği şekilde gösterilmiştir. 37
38 . reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N TEK NİT TİC _cons Bütün katsayılar için t-testi yapabiliriz. N değişkenin katsayısı için t istatistiği 8.52 ve bu da bize beklenildiği gibi marjinal harcamaların istatistiksel olarak sıfırdan oldukça farklı olduğunu göstermektedir. 38
39 . reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N TEK NİT TİC _cons Ayrıca teknik lise t-istatistiği katsayısı da istatistiksel olarak anlamlıdır. Bunun anlamı ise teknik lise yıllık sabit harcamalarının genel liselerin sabit harcamalarından oldukça büyük olduğunu göstermektedir. 39
40 . reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N TEK NİT TİC _cons Benzer şekilde vasıflı NİT lerin t istatistiği 5.15 olarak bulunmuştur. 40
41 . reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N TEK NİT TİC _cons Bununla birlikte Ticaret lisesinin t istatistiği sadece 1.71 dir ve bu da ticaret lisesi sabit harcamalarının genel lise sabit harcamalarında yeterince farklı olmadığını göstermektedir. Bu sonuç çok şaşırtıcı değil, çünkü ticaret lisesi genel liselerden çok farklı bir eğitime sahip değil. 41
42 . reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N TEK NİT TİC _cons Son olarak kukla değişkenlerin ortak açıklayıcısı gücünü test etmek için F testi yapabiliriz. H 0 : d T = d N = d Tİ = 0 olarak tanımlanabilir. Alternatif hipotez ise en az bir d sıfırdan farklıdır şeklinde kurulmaktadır. 42
43 . reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N TEK NİT TİC _cons Kukla değişkenli modelinde hata kareler toplamı
44 . reg Harcama N Source SS df MS Number of obs = F( 1, 72) = Model e e+11 Prob > F = Residual e e+10 R-squared = Adj R-squared = Total e e+10 Root MSE = 1.1e Harcama Coef. Std. Err. t P> t [95% Conf. Interval] N _cons Kukla değişkensiz modelin hata kareler toplamı
45 . reg Harcama N Source SS df MS Number of obs = F( 1, 72) = Model e e+11 Prob > F = Residual e e+10 R-squared = Adj R-squared = Total e e+10 Root MSE = 1.1e+05. reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = Değişkenlerin katsayılarına 0 sınırlaması konan genel F testi uygulanabilir. 45
46 . reg Harcama N Source SS df MS Number of obs = F( 1, 72) = Model e e+11 Prob > F = Residual e e+10 R-squared = Adj R-squared = Total e e+10 Root MSE = 1.1e+05. reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = ( F( 3,69) / ) / f 1 = c =3 f 2 =n-k=74-5=69 F istatistiğinin payında hesaplanan RSS modeldeki kukla değişken sayısına bölünmektedir. Bir başka ifadeyle, modele eklenen yeni 46 değişken sayısına bölünmektedir.
47 . reg Harcama N Source SS df MS Number of obs = F( 1, 72) = Model e e+11 Prob > F = Residual e e+10 R-squared = Adj R-squared = Total e e+10 Root MSE = 1.1e+05. reg Harcama N TEK NİT TİC Source SS df MS Number of obs = F( 4, 69) = Model e e+11 Prob > F = Residual e e+09 R-squared = Adj R-squared = Total e e+10 Root MSE = ( ) / 3 F( 3,69) F( 3,60) 11 crit, 0.1% / 69 H 0 hipotezi redddilebilir 47
48 KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU 1.HAL: Sabit Terimlerin Farklı Eğimlerin Eşit olması Yi b1 + b2di + b3xi + ui E(Y Di 0,X i) b1 + b3xi E(Y Di 1,X i) b1 + b2 + b3xi = 48
49 KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU 2.HAL: Sabit Terimlerin Eşit, Eğimlerin Farklı Olması Hali Yi b1 + b2dixi + b3xi + ui E(Y Di 0,X i) b1 + b3xi E(Y Di 1,X i) b 1 + (b2 + b 3)Xi = 49
50 Y i E(Y Di 1,X i) b 1 + (b2 + b 3)Xi ) b 2 + b 3 ) b 3 E(Y Di 0,X i) b1 + b3xi b 1 X i 50
51 KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU 3.HAL: Sabit Terim ve Eğimin İki Sınıf İçin Farklı Olması Yi b1 + b2di + b3dixi + b4xi + ui E(Y Di 0,X i) b1 + b4xi E(Y Di 1,X i) (b1 + b 2) + (b3 + b 4)Xi 51
52 Y i E(Y Di 1,X i) (b1 + b 2) + (b3 + b 4)Xi E(Y Di 0,X i) b1 + b4xi b 1 +b 2 ) b 4 ) b 3+b 4 b 1 X i 52
53 İKİ SINIF MODELLERİNİN FARKLILIĞININ KUKLA DEĞİŞKEN YÖNTEMİ İLE TESTİ Y i b1 + b2di + b3 DiXi + b4xi + ui Sabit terim farkı Eğim farkı 1. t testi ne bakılır. b 3 katsayısı anlamsız ve b 2 anlamlı ise 1.durum (sabit terim farklı eğimler aynı) -b 2 katsayısı anlamsız b 3 anlamlı ise 2. durum (sabit terim aynı eğimler farklı) her iki katsayı da anlamlı ise 3. durum (iki fonk. birbirinden farklıdır denir) 2. Chow Testi 53
54 Uygulama: İKİ SINIF MODELLERİNİN FARKLILIĞININ KUKLA DEĞİŞKEN YÖNTEMİ İLE TESTİ Yıllık Sigara Tüketimi Cinsiyet (D i ) (Erkek = 1, Kadın = 0) Yıllık Gelir (X i ) Y b + b D + b D X + b X + u i 1 2 i 3 i i 4 i i 54
55 İKİ SINIF MODELLERİNİN FARKLILIĞININ KUKLA DEĞİŞKEN YÖNTEMİ İLE TESTİ Dependent Variable: Y Method: Least Squares Included observations: 10 Sabit Eğim Terim Farkı Farkı Variable Coefficient Std. Error t-statistic Prob. C D i X i D i X 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)
56 Sonuç olarak İki sınıf tüketim fonksiyonlarının aynı olduğunu söyleyebiliriz. 56
57 BİR MODELDE KUKLA DEĞİŞKENLERİN KARŞILIKLI OLARAK BİRBİRİNİ ETKİLEMELERİ PROBLEMİ Yi b1 + b2d2 + b3d3 + b4xi + ui Y : Tüketim,X : Gelir i i D 2 1, Erkek D3 0, Kadın 1, Şehirde Oturanlar 0, Kırsal Kesimde Oturanlar Y b + b D + b D + b D D + b X + u i i i E Y i D2 0,D3 0,Xi b1 + b5xi E Y D 1,D 1,X b + b + b + b + b X i 2 3 i i Erkeğin Tüketim Farkı Şehirde Oturanların Tüketim Farkı Şehirde Oturan bir Erkeğin Tüketim 57 Farkı
58 b 4 katsayısının t istatistiğine bakılır. Şayet anlamlıysa iki kukla değişkenin modelde birlikte yer alması, bunların bireysel etkilerini azaltabilir veya arttırabilir. Bu durumda bu katsayının modelde yer almaması da spesifikasyon hatalarına yol açabilir. 58
59 MEVSİM DALGALANMALARININ ETKİSİNİN ARINDIRILMASINDA KUKLA DEĞİŞKENLERDEN FAYDALANMA D 2 Üçer Aylar Karlar (Milyon Dolar) Şatışlar (Milyon Dolar) 1965-I II III IV I II III IV , İkinci Üç Aylık Dönem 1, Üçüncü Üç Aylık Dönem D3 0, Diğer Dönemler 0, Diğer Dönemler 1, Dördüncü Üç Aylık Dönem D4 0, Diğer Dönemler D D D
60 MEVSİM DALGALANMALARININ ETKİSİNİN ARINDIRILMASINDA KUKLA DEĞİŞKENLERDEN FAYDALANMA Kar b + b D + b D + b D + b (Satış) + u t t t Dependent Variable: Kar Variable Coefficient Std. Error t-statistic Prob. C D D D Satış R 2 = İstatistiki olarak anlamsız 60
61 MEVSİM DALGALANMALARININ ETKİSİNİN ARINDIRILMASINDA KUKLA DEĞİŞKENLERDEN FAYDALANMA Dependent Variable: Kar Sample: 1965:1 1970:4 VariableCoefficient Std. Error t-statistic Prob. C D Satış R 2 = Mevsim dalgalanmalarının etkisinde 61
62 EŞİK DEĞER ETKİLERİ * *62-81 arası slaytlar, Mustafa SEVÜKTEKİN, Ekonometriye Giriş,
63 Kukla değişkenler arasında nitelik, kategorik, vasıf, özellik, ortaya çıkış ya da gerçekleşme farklılıkları söz konusudur. Gerçek hayatta herhangi bir kukla değişkenin vasıfları veya özellikleri arasındaki geçiş noktaları olarak tanımlanan eşik değerler her zaman kesin sınırlarla belirlenemeyebilir. Bu konuda uygulanabilecek bir yaklaşım, bağımlı değişkenin açıklayıcı değişkenlere göre dağılım diyagramından açıklayıcı değişkenin belli bir spesifik değerinden sonra kesin bir değişimin görülüp görülmediğini incelemektir. Ya da geleneksel uygulamalar yardımıyla benzer gözlemler ile eşik değerler saptanmaya çalışılır. Düzeyler arasındaki farklılıklar eşik değerlerle tanımlanabilir ve kukla değişkenler ile gösterilebilir.
64 Parçalı Kesikli (Spline) Fonksiyonlar Genelde farklı parçaların birleştirilmesiyle oluşan kesikli yapıdaki fonksiyonlara parçalı kesikli (spline) fonksiyon denir. Parçalar farklı eğimli doğru parçaları olabilecekleri gibi, doğrusal olmayan fonksiyonlar da olabilir Fonksiyon, parçalarının birleşme noktasında kırılma gösterir. Bu kırılma noktaları eşik değerler olarak nitelendirilir. Örnek olarak; bireylerin değişen yaşlarının ve eğitim düzeylerinin gelire olan etkileri incelenmiş ve özellikle eğitim düzeyi ile ilgili eşik değerlerden yararlanılmıştır. Eğitim düzeyi ile yaşlar arasında başka bir eşik değer tanımı yapılabilir. Eğitim düzeyi ile ilişkilendirilen yaş eşik değerleri; 20 yaş için lisans öncesi eğitimin, 25 yaş için lisans eğitiminin tamamlandığı şeklinde oluşturulur. Bu tanım yardımı ile kabaca bireyler için gelirin zaman profili çıkarılabilir.
65 Gelir Yaş Eğitim LÖ L YL DO
66 Eğitim değişkeni nitel olarak orta ve lisans öncesi eğitim-öğretim (LÖ); lisans (üniversite, yüksek okul veya M.Y. okulu) (L), yüksek lisans (YL) ve doktora (DO) gibi sınıflandırılsın. Eğitim düzeyine ilişkin bu düzeyler değerlendirilirken lisans öncesi eğitim düzeyi kontrol grubu olarak seçilip 0 değerini, lisan düzeyi 1, yüksek lisans düzeyi 2 ve doktora düzeyi 3 değerini alır. 66
67 Buna göre önce belirlenen yaş eşikleri için tahminler üç yaş grubuna ayrılarak tahmin edilmiştir; Yaş 20 için Gelir1 = Yaş1 20 < Yaş 25 için Gelir2 = Yaş2 Yaş > 25 için Gelir3 = Yaş3 biçiminde elde edilir. (1) Gelir1 = 20 yaşından küçük gelir ve yaş değişkenlerine ait gözlemler kullanılarak elde edilmiştir. Gelir2 = yaş arasındaki gelir ve yaş değişkenlerine ait gözlemler kullanılarak elde edilmiştir. Gelir3 = 25 yaşından büyük gelir ve yaş değişkenlerine ait gözlemler kullanılarak elde edilmiştir.
68 Şekil 1
69 Yukarıda tanımlanan eşik değerle 20 ve 25 yaş sınırları aynı zamanda birer dönme noktaları olarak da adlandırılır. Daha sonra bu dönme noktaları kukla değişken gibi tanımlanacak olursa: D 1 = 1, eğer yaş > y 1 * ise D 2 = 1, eğer yaş > y 2 * ise (2) y 1 * ve y 2 * eşik değerlerdir; y 1 * = 20 ve y 2 * = 25 dir.
70 Yaş D 1 D 2 Yas 1 Yas
71 Denklem (2) eşik değerleri açısından ifade edilecek olursa; D 1 = 1, eğer yaş > 20 ise (3) D 2 = 1, eğer yaş > 25 ise şeklinde yazılır. Denklem (1) e kukla değişkenler dahil ederek aşağıdaki (4) nolu denklem tahmin edilmiştir: Gelir = β 0 + β 1 Yaş + α 1 D 1 + γ 1 D 1 Yaş + α 2 D 2 + γ 2 D 2 Yaş + u (4) Gelir = Yaş 2945 D D 1 Yaş D D 2 Yaş (5)
72 Şekil 2
73 Birinci eşik değer öncesi grup için yani, lisans eğitimi olmayan bireyler için gelir ve yaş ilişkisi; (Yaş 20) = Yaş (6) Lisans eğitimi alan bireyler için gelir ve yaş ilişkisi; (20 < Yaş 25) = Yaş (7) ve lisansüstü (yüksek lisans + doktora) eğitimi alan bireyler için gelir ve yaş ilişkisi; (Yaş > 25) = Yaş (8) Dikkat edilecek olursa denklem (1) de elde edilen sonuçlar ve denklem (5) de elde edilen sonuçlar aynıdır.
74 Parçalı Sürekli (Piecewise) Fonksiyonlar Ekonomik modellerin birçoğunda herhangi bir açıklayıcı değişken ya da değişkenlerde küçük bir değişme olduğunda bağımlı değişken üzerindeki etkinin ölçülmesi gerekir. Dolayısıyla bir ekonomik modelde özellikle niteliksel veya kukla değişken kullanıldığında regresyon modelinin hem sabit, hem eğim, hem de her ikisinde bir kayma ve değişme hesaplanmak istendiğinde temel model yapısı yeniden gözden geçirilmelidir.
75 Daha ayrıntılı analiz için kesikli parçalardan oluşan bir model sürekli olarak tahmin edilmek istenirse bazı kısıtlamalarla bu sağlanabilir. Örnekte bazı kısıtlamalar ile eğitimdeki değişmelere izin verilebilir. Aşağıda gelir ve yaş ilişkisinin grafiği verilmiştir.
76 Şekil 3
77 Şekilde tire çizgili fonksiyonlar üç parçalı ve eğimleri birbirinden farklı olan ve farklı yaş grubundaki kişilere ilişkin gelir fonksiyonlarıdır. Bu fonksiyonların tahminleri denklem (1) ve şekil 1 de verilmiştir. Bu parçalı fonksiyonların spline fonksiyon tahmini denklem (5) ve regresyon doğrusu şekil 2 de verilmiştir. Gelir = Yaş 2945 D D 1 Yaş D D 2 Yaş (5) Farklı yaş grupları açısından regresyon doğruları süreksiz (kesikli) bir yapı gösterse de, yaşın gelir üzerindeki etkisine ilişkin gerçek doğru model, yapısal kırılmalı (eşik değerli) sürekli bir modeldir.
78 Eğer yaşın bir fonksiyonu olarak gelir açıklanmak istenirse, eğitim düzeylerine bağlı olarak bazı eşik değerler dikkate alındığında yapısal kırılmalar ortaya çıkacaktır. Bu durumda fonksiyonda kırılmadan kaynaklanan kesiklilik (veya süreksizlik) söz konusu olur. Yani gelir düzeyinde yıldan yıla kaymalar yaşanabilir.
79 Dolayısıyla fonksiyon üç düz doğrudan oluşan bir parçalı (piecewise) doğrusal modeldir. Parçalı doğrusal modeller oldukça büyük modeller setinin veya spline olarak adlandırılan ilişkilerin özel bir halidir. Spline fonksiyonlar ayrı ayrı fonksiyonlardır, fakat her bir parçayı gösteren eğri sürekli bir fonksiyondur ve düz bir doğru şart değildir.
80 Örnekte yaş değişkeni için aşağıdaki gibi tanımlamalar yapılabilir: Yaş 1 = Yaş Yaş 2 = Yaş 20, Eğer yaş > 20 ise değilse 0 Yaş 3 = Yaş 25, Eğer yaş > 25 ise değilse 0
81 ve denklem (4) bu tanımlamalar ile yeniden yazılırsa; Gelir = β 0 + β 1 Yaş 1 + γ 1 D 1 Yaş 2 + γ 2 D 2 Yaş 3 + u (6) denklemi elde edilir. Denklem (6) tahmin edilerek; Gelir = Yaş D1 Yaş D 2 Yaş 3 (7) sonucu elde edilir. Buna göre parçalı doğrusal modeli aşağıda şekil 4 de görülmektedir. Kırılma (eşik) noktalarında fonksiyonun farkı şekil 2 ile karşılaştırılabilir.
82 Şekil 4
83 ZAMAN SERİSİ VE ÇAPRAZ-KESİT VERİLERİNİN BİRARAYA GETİRİLMESİNDE KUKLA DEĞİŞKENLERİN KULLANIMI UYGULAMA: yıllarına arasında General Motor, Westinghouse ve General Electric firmalarna ait yatırım (Y), firmanın değeri (X 2 ) ve sermaye stoğu (X 3 ) verilerine ait tablo aşağıda verilmiştir. 83
84 ZAMAN SERİSİ VE ÇAPRAZ-KESİT VERİLERİNİN BİRARAYA GETİRİLMESİNDE KUKLA DEĞİŞKENLERİN KULLANIMI Firmaların yatırımları arasında fark olup olmadığını inceleyebilmek için de kukla değişkenlerden yararlanabiliriz. Firmaların ilk üç yıllarına ait veriler ile oluşturulan yeni tablo aşağıdaki gibidir. Yıllar Y X2 X3 D i Firma GM GM GM WE WE WE GE GE GE 84
85 ZAMAN SERİSİ VE ÇAPRAZ-KESİT VERİLERİNİN BİRARAYA GETİRİLMESİNDE KUKLA DEĞİŞKENLERİN KULLANIMI Yi b1 + b2x2 + b3x3 + b4di + ui GM yatırımlarının diğer firma yatırımlarından sabit terim kadar farklı olduğunu ifade etmektedir. D i 1, G.M gözlemleri için 0, Diğerleri için 85
86 ZAMAN SERİSİ VE ÇAPRAZ-KESİT VERİLERİNİN BİRARAYA GETİRİLMESİNDE KUKLA DEĞİŞKENLERİN KULLANIMI Dependent Variable: Y Method: Least Squares Included observations: 60 GM yatırımları, diğer firma yatırımlarından farklı ve fazladır. Variable Coefficient Std. Error t-statistic Prob. C X X D i 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) İstatistiki olarak anlamlı 86
87 ÖRNEKLER 87
88 Örnek: Özel bir üniversitede öğretim üyelerinin yıllık maaşları ile cinsiyetleri arasında önce varyans daha sonra tecrübe değişkeni eklenerek kovaryans modeli oluşturulacaktır: Y i = a + b D i +u i Y i = Öğretim Üyelerinin Yıllık Maaşları D i = 1 Öğretim Üyesi Erkekse = 0 Diğer Durumlar (yani Kadın Öğretim Üyesi) Varyans Analiz Modelleri (ANOVA) Kadın Öğretim Üyelerinin Ortalama Maaşları: E( Y i D i = 0 ) = a Erkek Öğretim Üyelerinin Ortalama Maaşları : E ( Y i D i = 1) = a + b 88
89 Y i = D i (0.32) (0.44) t (57.74)(7.44), R 2 =
90 Y i = a 1 + a 2 D i + b X i + u i Y i = Öğretim Üyelerinin Yıllık Maaşları X i = Öğretim Üyesinin Yıl olarak Tecrübesi D i = 1 Öğretim Üyesi Erkekse = 0 Diğer Durumlar (yani Kadın Öğretim Üyesi) Kadın Öğretim Üyelerinin Ortalama Maaşları : E( Y i X i,d i = 0 ) = a 1 +bx i Erkek Öğretim Üyelerinin Ortalama Maaşları : E ( Y i X i,d i = 1) = (a 1 + a 2 +bx i 90
91 Maaş Cinsiyet Tecrübe
92 Yıllık Maaş Y a 2 Erkek Kadın Y (a 1 + a 2 +bx i Y a 1 +bx i D i = 1 Öğretim Üyesi Erkekse = 0 Öğretim Üyesi Kadınsa a 1 Tecrübe (yıl olarak) X Y i = D i X i s(b) (0.95) (0.44) (0.09) p (0.000) (0.002) (0.020), R 2 =
93 DATA yılları arasında Türkiye deki Sigara Tüketimi Q Yetişkinlerin sigara tüketim miktarı(kg), Range Y GNP(1968) TL, Range P Türkiye deki sigara fiyatları Range ED1 Kayıtlı ortaokul ve lise mezunu nüfus oranı(12-17 yaş) Range ED2 Kayıtlı üniversite mezunu oranı (20-24) Range D82 D86 = 1, 1982 ve sonrası = 1, 1986 ve sonrası 93
94 Dependent Variable: Q Sample: Included observations: 29 Variable Coefficient Std. Error t-statistic Prob. P ED ED D D Y C Katsayılar istatistiki olarak anlamsız 94
95 Dependent Variable: Q Method: Least Squares Sample: Included observations: 29 Variable Coefficient Std. Error t-statistic Prob. ED D D Y C
96 DATA7-2 Belirli bir şirkette çalışan 49 kişinin istihdam durumu ve ücretleri WAGE = Aylık Ücret (Range ) EDUC = 8 yıllık eğitimden sonraki sahip olunan eğitim seviyesi(range 1-11) EXPER =Şirkette çalışma süresi(range 1-23) AGE = Yaş (25-64) GENDER = 1, Erkek ise; 0 kadın ise RACE = 1, beyaz ise; 0 diğerleri CLERICAL = 1 büro memuru ise, 0 diğerleri MAINT = 1 bakım işlerinde çalışıyor ise; 0 diğerleri CRAFTS =1,usta ise; 0 diğerleri Temel sınıf Profesyonel meslek grupları. 96
97 Dependent Variable: WAGE Method: Least Squares Included observations: 49 Variable Coefficient Std. Error t-statistic Prob. C EDUC EXPER GENDER RACE CLERICAL MAINT CRAFTS 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)
98 DATA yılında koleje giriş yapan öğrencilerin ilk yıl başarılarını göstermekte colgpa = 1986 sonbaharındaki ortalamaları (Range ) hsgpa = Lise GPA (Range ) vsat = Sözel derecesi (Range ) msat = Sayısal derecesi (Range ) dsci = 1 Bilim dalı için, 0 diğerleri dsoc = 1 Sosyal bilim dallı için, 0 diğerleri dhum = 1 Beşeri bilimdalı için 0 diğerleri darts = 1 Sanat dalı için, 0 diğerleri dcam = 1 Öğrenci kampüste yaşıyorsa, 0 diğerleri dpub = 1 Genel lise mezunu ise, 0 diğerleri 98
99 Dependent Variable: COLGPA Method: Least Squares Sample: Included observations: 427 Variable Coefficient Std. Error t-statistic Prob. C HSGPA VSAT MSAT DSCI DSOC DHUM DARTS DCAM DPUB Katsayılar istatistiki olarak anlamsız 99
100 Dependent Variable: COLGPA Variable Coefficient Std. Error t-statistic Prob. C HSGPA VSAT MSAT
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
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
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
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
DetaylıKUKLA DEĞİŞKENLİ MODELLER. Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller)
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
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
DetaylıTABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere değişkenlere ait veriler verilmiştir.
EKONOMETRİ II Uygulama - Otokorelasyon TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere Tuketim 58 Gelir 3959 Fiyat 312 değişkenlere ait veriler verilmiştir. 56 3858
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,
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
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
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
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
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.
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
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
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
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.
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
DetaylıRegresyon Analizinde Nitel Bilgi. Nitel Değişkenler: Ders Planı. Nitel Bilgi
1 ÇOKLU REGRESYON ANALİZİNDE NİTEL DEĞİŞKENLER Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 2 Regresyon
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
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
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
Detaylı17 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: TAHMİN Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 17 Ekim 2012 Ekonometri
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
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
Detaylı2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım
2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı
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,
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..
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri
Detaylı500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ. YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ. Anabilim Dalı: İşletme Mühendisliği
İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ 500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ Anabilim Dalı: İşletme Mühendisliği Programı
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
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
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
DetaylıKorelasyon, Korelasyon Türleri ve Regresyon
Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.
DetaylıÖğr. Elemanı: Dr. Mustafa Cumhur AKBULUT
Ünite 10: Regresyon Analizi Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT 10.Ünite Regresyon Analizi 2 Ünitede Ele Alınan Konular 10. Regresyon Analizi 10.1. Basit Doğrusal regresyon 10.2. Regresyon denklemi
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.
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.
Detaylı4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu
4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ 4.1. Katsayıların Yorumu Y i = β 0 + β 1 X 1i + β X i + + β k X ki + u i gibi çok açıklayıcı değişkene sahip bir modelde, anakütle regresyon fonksiyonu, E(Y i X
DetaylıMatris Cebiriyle Çoklu Regresyon Modeli
Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β
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
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
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
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
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
DetaylıÖNGÖRÜ TEKNĐKLERĐ ÖDEV 5 (KEY)
ÖNGÖRÜ TEKNĐKLERĐ ÖDEV (KEY) Aşağıda verilen Y zaman sersisi bir ürünle ilgili satışları,aylar itibariyle, gösteren bir seridir. a) Bu serinin garfiğini çizip serinin taşıdığı desenleri (Trend, mevsimsellik
DetaylıEKONOMETRİ 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
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
DetaylıAppendix C: İstatistiksel Çıkarsama
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.
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.
DetaylıKorelasyon ve Regresyon
Korelasyon ve Regresyon Korelasyon- (lineer korelasyon) Açıklayıcı (Bağımsız) Değişken x çalışma zamanı ayakkabı numarası İki değişken arasındaki ilişkidir. Günlük sigara sayısı SAT puanı boy Yanıt (Bağımlı)
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
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
DetaylıÜSTEL DÜZLEŞTİRME YÖNTEMİ
ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik
DetaylıKORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN
KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin
Detaylı7.Ders Bazı Ekonometrik Modeller. Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla.
7.Ders Bazı Ekonometrik Modeller Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla. Kaynak: TÜĐK dönemler gayri safi yurt içi hasıla düzeyi 1987-1 8680793 1987-2 9929354 1987-3 13560135 1987-4
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
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
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
DetaylıEkonometri I VARSAYIMLARI
Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:
DetaylıKoşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.
Koşullu Öngörümleme Ex - ante (tasarlanan - umulan) öngörümleme söz konusu iken açıklayıcı değişkenlerin hatasız bir şekilde bilindiği varsayımı gerçekçi olmayan bir varsayımdır. Çünkü bazı açıklayıcı
DetaylıBASİT REGRESYON MODELİ
BASİT REGRESYON MODELİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri I: Basit Regresyon
DetaylıYILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir)
1996-1998 YILLARI ARASINDA GÜNEY CAROLINA DA OKUL İÇİ ŞİDDET İSTATİSKLERİ ANALİZİ (Bir Önceki Projeden Devam Edilecektir) Hazırlayan : Süleyman Öğrekçi 1996 ve 1998 yılları arasında Güney Carolina da resmi
DetaylıAppendix B: Olasılık ve Dağılım Teorisi
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
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
DetaylıEŞANLI DENKLEM MODELLERİ
EŞANLI DENKLEM MODELLERİ Eşanlı denklem modelleri, tek denklemli modeller ile açıklanamayan iktisadi olayları açıklamak için kullanılan model türlerinden birisidir. Çift yönlü neden-sonuç ilişkisi söz
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
Detaylı3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI
ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6
Detaylı8. BÖLÜM: DEĞİŞEN VARYANS
8. BÖLÜM: DEĞİŞEN VARYANS Bu bölümde; Değişen Varyans Tespiti için Grafik Çizme Değişen Varyans Testi: Park Testi Değişen Varyans Testi: White Testi Değişen Varyans Probleminin Çözümü: Ağırlıklandırılmış
DetaylıLOJİSTİK REGRESYON ANALİZİ
LOJİSTİK REGRESYON ANALİZİ Lojistik Regresyon Analizini daha kolay izleyebilmek için bazı terimleri tanımlayalım: 1. Değişken (incelenen özellik): Bireyden bireye farklı değerler alabilen özellik, fenomen
DetaylıÇoklu Bağlanım Çıkarsama Sorunu
Çoklu Bağlanım Çıkarsama Sorunu Diğer Sınama ve Konular Ekonometri 1 Konu 27 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported
DetaylıYABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2
Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 5, Sayı:2, 2003 YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI Sibel SELİM 1 Efe SARIBAY
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
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
Detaylıİki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t test) Ölçümle
DetaylıEşanlı Denklem Modelleri
Eşanlı Denklem Modelleri Eşanlı Denklem Yöntemleri Ekonometri 2 Konu 23 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported (CC
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
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.
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
DetaylıARALIK TAHMİNİ (INTERVAL ESTIMATION):
YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta
Detaylı1. Açık Bir Ekonomide Denge Çıktı (Gelir)
IKTI 2 Mayıs 24 DERS NOTU 5 TOPLAM HARCAMALAR VE DENGE ÇIKTI (3) Dersin içeriği:. AÇIK BİR EKONOMİDE DENGE ÇIKTI (GELİR)... A. DENGE İÇİN SIZINTILAR/ENJEKSİYONLAR YAKLAŞIMI... 5 B. DEVLET HARCAMALARI ÇARPANI...
DetaylıÇapraz Tablo ve Diğer Tabloları Oluşturabilmek Bu Tablolara Uygun Çok Yönlü Grafikleri Çizebilmek
Çapraz Tablo ve Diğer Tabloları Oluşturabilmek Bu Tablolara Uygun Çok Yönlü Grafikleri Çizebilmek Marjinal Tablo (Sıklık Tablosu) Gözlemlerin, incelenen herhangi bir değişkenin kategorilerine, değerlerine
DetaylıSANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ
, ss. 51-75. SANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ Sefer YAVUZ * Özet Sanayi İşçilerinin Dini Yönelimleri ve Çalışma Tutumları Arasındaki İlişki - Çorum
DetaylıREGRESYON ANALĐZĐ. www.fikretgultekin.com 1
REGRESYON ANALĐZĐ Regresyon analizi, aralarında sebep-sonuç ilişkisi bulunan iki veya daha fazla değişken arasındaki ilişkiyi belirlemek ve bu ilişkiyi kullanarak o konu ile ilgili tahminler (estimation)
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,
DetaylıZAMAN SERİLERİNDE REGRESYON ANALİZİ
ZAMAN SERİLERİNDE REGRESYON ANALİZİ 1 1. GİRİŞ Trent, serinin genelinde yukarıya ya da aşağıya doğru olan hareketlere denmektedir. Bu hareket bazen düz bir doğru şeklinde olmaktadır. Bu tür harekete sahip
DetaylıSAĞLIK HARCAMALARININ YILLARA GÖRE KARŞILAŞTIRILMASI ve SAĞLIK HARCAMALARINI ETKİLEYEN FAKTÖRLERİN İNCELENMESİ
SAĞLIK HARCAMALARININ YILLARA GÖRE KARŞILAŞTIRILMASI ve SAĞLIK HARCAMALARINI ETKİLEYEN FAKTÖRLERİN İNCELENMESİ Murat KORKMAZ 1, Aysun YILMAZTÜRK 2 1 Güven Grup Finans Yöneticisi 2 Balıkesir Üniversitesi
DetaylıAkdeniz Üniversitesi
F. Ders Tanıtım Formu Dersin Adı Öğretim Dili EKONOMETRİ I Türkçe Dersin Verildiği Düzey Ön Lisans ( ) Lisans (x ) Yüksek Lisans( ) Doktora( ) Eğitim Öğretim Sistemi Örgün Öğretim (x ) İkinci Örgün Öğretim
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
DetaylıÖrneklemden 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
DetaylıNİTEL TERCİH MODELLERİ
NİTEL TERCİH MODELLERİ 2300 gözlem sayısı le verlen değşkenler aşağıdak gbdr: calsma: çocuk çalışıyorsa 1, çalışmıyorsa 0 (bağımlı değşken) Anne_egts: Anne eğtm sevyes Baba_egts: Baba eğtm sevyes Kent:
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
DetaylıNitel Tepki Bağlanım Modelleri
Doğrusal-Dışı Yaklaşım ve Nitel Tepki Bağlanım Modelleri Doğrusal-Dışı Yaklaşım ve Ekonometri 2 Konu 18 Sürüm 2,0 (Ekim 2011) Doğrusal-Dışı Yaklaşım ve UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons
DetaylıBağımsız Örneklemler İçin Tek Faktörlü ANOVA
Bağımsız Örneklemler İçin Tek Faktörlü ANOVA ANOVA (Varyans Analizi) birden çok t-testinin uygulanması gerektiği durumlarda hata varyansını azaltmak amacıyla öncelikle bir F istatistiği hesaplanır bu F
DetaylıOkuldan İşe Geçiş Son Eğilimler
Okuldan İşe Geçiş Son Eğilimler Hakan Ercan OrtaDoğu Teknik Üniversitesi EAF Konferansı 18 Aralık 2010, İstanbul 1 İstihdam sorununun çözümü var mı? Ayda kaç liraya çalışmaya razısınız? Asgari ücrete?
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 5- SONLU FARKLAR VE İNTERPOLASYON TEKNİKLERİ Doç. Dr. Ali Rıza YILDIZ MAK 210 - Sayısal Analiz 1 İNTERPOLASYON Tablo halinde verilen hassas sayısal değerler veya ayrık noktalardan
Detaylı