Kukla Değişken Nedir?

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Kukla Değişken Nedir?"

Transkript

1 Kukla Değişken Nedir? Cinsiyet, eğitim seviyesi, meslek, din, ırk, bölge, tabiiyet, savaşlar, grevler, siyasi karışıklıklar (=darbeler), iktisat politikasındaki değişiklikler, depremler, yangın ve benzeri nitel değişkenlerin ekonometrik bir modelde ifade edilme şeklidir.

2 Kukla Değişkenlerin Modelde Kullanımı Kukla Değişken/lerin Modelde bağımsız değişken olarak yer alması Kukla Değişkenin Modelde Bağımlı Değişken olarak yer alması

3 Bağımsız Kukla Değişkenler Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin ve Sayısal değişkenlerin Birlikte yer aldığı Modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin karşılıklı olarak birbirini etkilemeleri Mevsim dalgalanmalarının ölçülmesinde kukla değişkenler Parçalı Doğrusal Regresyon

4 Bir kukla değişkenli modeller 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

5 Bir kukla değişkenli modeller Maaş Cinsiyet Y i = D i (0.32) (0.44) t (57.74)(7.44), R 2 =0.8737

6 Bir kukla değişkenli modeller Y i = D i (0.32) (0.44) t (57.74)(7.44), R 2 = Kadın Öğretim Üyelerinin Ortalama Maaşları: E( Y i D i = 0 ) = 18 Erkek Öğretim Üyelerinin Ortalama Maaşları : E ( Y i D i = 1) = = Erkek ve Kadın Öğretim Üyelerinin Ortalama Maaş Farkı : 3.28

7 Bir kukla değişkenli modeller Y i = D i (0.32) (0.44) t (57.74)(7.44), R 2 =0.8737

8 Kukla değişken ve Sayısal Değişkenli Model 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

9 Kukla değişken ve Sayısal Değişkenli Model Maaş Cinsiyet Tecrübe Y i = D i X i s(b) (0.95) (0.44) (0.09) (t) (15.843) (5.088) (3.211) p (0.000) (0.002) (0.020) R 2 =0.949

10 Kukla değişken ve Sayısal Değişkenli Model Y i = D i X i (t) (15.843) (5.088) (3.211) p (0.000) (0.002) (0.020) Kadın Öğretim Üyelerinin Maaş Fonksiyonu: E( Y i D i = 0 ) = X i Erkek Öğretim Üyelerinin Maaş Fonksiyonu: E( Y i D i = 1 ) = X i = X i Erkek ve Kadın Öğretim Üyelerinin Ortalama Maaş Farkı : 2.239

11 Kukla değişken ve Sayısal Değişkenli Model E( Y i D i = 0 ) = X i E( Y i D i = 1 ) = X i = X i

12 Birden Fazla Kukla Değişkenli Modeller Y i = b 1 + b 2 D 2 + b 3 D 3 + b 4 X i + u i Y i = Sigara Tüketimi D 2 = 1 Sigara Tüketen Erkek D 3 = 1 Şehirde oturanların sigara tüketimi = 0 Sigara Tüketen Kadın = 0 Kırsalda oturanların sigara tüketimi X i = Gelir Kırdaki Kadınların Sigara Tüketimi: E( Y i D 2 =0,Y i D 3 =0) = b 1 + b 4 X i Kırdaki Erkeklerin Sigara Tüketimi : E (Y i D 2 =1,Y i D 3 =0) = b 1 + b 2 D 2 + b 4 X i Kentteki Kadınların Sigara Tüketimi: E( Y i D 2 =0,Y i D 3 =1 ) = b 1 + b 3 D 3 + b 4 X i Kentteki Erkeklerin Sigara Tüketimi: E( Y i D 2 =1,Y i D 3 =1 ) = b 1 + b 2 D 2 + b 3 D 3 + b 4 X i

13 Birden Fazla Kukla Değişkenli Modeller Yıllık Sigara Tüketimi Y i (100 TL) Cinsiyet(D 3 ) Şehir(D 3 ) Yıllık Gelir (X i )(100 TL)

14 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 14

15 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 15

16 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 16

17 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. 17

18 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. 18

19 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. 19

20 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. 20

21 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 21

22 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 22

23 Harcama N Meslek Lisesi Devlet Lisesi Bu aşamada bir şehirdeki 74 lise için gerçek veri setini kullanarak regresyon denklemi oluşturulabilir. 23

24 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. 24

25 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. 25

26 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. 26

27 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. 27

28 Harcama BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER Meslek Lisesi Devlet Lisesi N Dağılma diyagramı regresyon sonuçlarından elde edilen iki harcama fonksiyonunu göstermektedir. 28

29 . 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. 29

30 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. 30

31 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. 31

32 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. 32

33 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. 33

34 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. 34

35 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. 35

36 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. 36

37 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. 37

38 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. 38

39 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 39

40 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. 40

41 Harcama Teknik Lise Ticaret Lisesi Genel Lise Nitelikli Lisesi N Dağılma diyagramı yeni okulların verilerini göstermektedir. 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 Verilere ait regresyon sonuçları tabloda gösterilmiştir. N in katsayısı her bir öğrenci için marjinal harcamayı ifade etmektedir ve yaklaşık 343 yuandır. 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 TEK, NİT ve TİC değişkenlerinin katsayıları 154,000, 143,000, ve 53,000 sırasıyla genel liselere göre ilave yıllık sabit harcamaları ifade etmektedir. 43

44 . 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. 44

45 Harcama ^ = -55, ,000TEK + 143,000NİT+ 53,000TİC + 343N En üsteki regresyon sonuçlarını göstermektedir. Her bir okul için harcama fonksiyonları ayrı ayrı gösterilecektir. 45

46 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 46 edilmiştir.

47 ^ 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. 47

48 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. 48

49 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. 49

50 Harcama N Teknik Lise Ticaret Lisesi Genel Lise Nitelikli Dört harcama grafiği şekilde gösterilmiştir. 50

51 . 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. 51

52 . 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. 52

53 . 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. 53

54 . 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. 54

55 . 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. 55

56 . 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

57 . 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

58 . 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. 58

59 . 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 59 değişken sayısına bölünmektedir.

60 . 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 60

61 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 = 61

62 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 = 62

63 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 63

64 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 64

65 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 65

66 İKİ SINIF MODELLERİNİN FARKLILIĞININ KUKLA DEĞİŞKEN YÖNTEMİ İLE TESTİ Y b + b D + b D X + b X + u ) i 1 2 i 3 i i 4 i i 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 66

67 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 67

68 İKİ SINIF MODELLERİNİN FARKLILIĞININ KUKLA DEĞİŞKEN YÖNTEMİ İLE TESTİ Dependent Variable: Y Method: Least Squares Included observations: 10 Sabit Terim Farkı Eğim 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)

69 Sonuç olarak İki sınıf tüketim fonksiyonlarının aynı olduğunu söyleyebiliriz. 69

70 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 D 0,D 0,X b + b X ) i 2 3 i 1 5 i 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 70Farkı

71 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. 71

72 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

73 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 73

74 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 74

75 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. 75

76 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 76

77 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 77

78 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 78

79 Satış Komisyonları Y Parçalı Doğrusal Regresyon I II X * X Bir sigorta şirketi satış temsilcilerinin belli bir satış hacmini geçmesi durumunda çalışanlarına komisyon ödemektedir. Şirket içerisinde gerçekleştirilen satış komisyon ücretleri belli bir satış hacmi(x * ) eşik düzeyine kadar doğrusal artmakta ve bu eşik düzeyinden sonra ise daha dik bir oranla satışlarla doğrusal olarak arttığı varsayılmaktadır. Bu durumda I ve II olarak numaralandırılmış iki parçadan oluşan parçalı doğrusal regresyona ve eşik düzeyinde eğimin değiştiği komisyon fonksiyonuna sahip olmuş oluruz. 79

80 Satış Komisyonları Parçalı Doğrusal Regresyon Y Y i = a 1 + b 1 X i + b 2 (X i -X * )D i +u i Y i = Satış Komisyonları X i = Satış Miktarı X * = Satışlarda Prim Eşik Değeri D i = 1 Eğer X i > X * X * Satışlar X = 0 Eğer X i < X * E(Y i D i =0,X i, X * ) = a 1 +b 1 X i E(Y i D i =1,X i, X * ) = a 1 - b 2 X * +(b 1 + b 2 )X i 80

81 Satış Komisyonları Parçalı Doğrusal Regresyon Y 1 b 1 +b 2 1 b 1 a 1 a 1 -b 2 X * X * Satışlar X 81

82 Örnek Bir şirket satış temsilcilerinin belli bir satış hacmini geçmesi durumunda çalışanlarına prim ödemektedir. Total Cost($) TC Output (units) Q D i Dependent Variable: TC Included observations: 10 Variable CoefficientStd. Error t-statistic Prob. C Q (Q-5500)*DI R 2 = F-statistic= [ ] İstatistiki olarak anlamsız Satışlardaki artışlar prim değerini arttırmamaktadır. 82

KUKLA DEĞİŞKENLİ MODELLER

KUKLA DEĞİŞKENLİ MODELLER KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

Meslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.

Meslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın. KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

KUKLA DEĞİŞKENLİ MODELLER KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

KUKLA DEĞİŞKENLİ MODELLER. Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller)

KUKLA DEĞİŞKENLİ MODELLER. Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

KUKLA DEĞİŞKENLİ MODELLER

KUKLA DEĞİŞKENLİ MODELLER KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin

Detaylı

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

KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU.HAL: Sabit Terimlerin Farklı Eğimlerin Eşit olması Yi = b+ b2di + b3xi + ui E(Y Di =,X i) = b + b3xi E(Y Di

Detaylı

A. Regresyon Katsayılarında Yapısal Kırılma Testleri

A. Regresyon Katsayılarında Yapısal Kırılma Testleri A. Regresyon Katsayılarında Yapısal Kırılma Testleri Durum I: Kırılma Tarihinin Bilinmesi Durumu Kırılmanın bilinen bir tarihte örneğin tarihinde olduğunu önceden bilinmesi durumunda uygulanır. Örneğin,

Detaylı

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

Dependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20 ABD nin 1966 ile 1985 yılları arasında Y gayri safi milli hasıla, M Para Arazı (M) ve r faiz oranı verileri aşağıda verilmiştir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatası taşıyıp taşımadığını Ramsey

Detaylı

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

ADMIT: Öğrencinin yüksek lisans programına kabul edilip edilmediğini göstermektedir. Eğer kabul edildi ise 1, edilmedi ise 0 değerini almaktadır. Uygulama-2 Bir araştırmacı Amerika da yüksek lisans ve doktora programlarını kabul edinilmeyi etkileyen faktörleri incelemek istemektedir. Bu doğrultuda aşağıdaki değişkenleri ele almaktadır. GRE: Üniversitelerin

Detaylı

T.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR:

T.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR: T.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR: 2120703360 KÜBRA İNAN 2120703321 EDA ZEYNEP KAYA EDİRNE

Detaylı

Bağımlı Kukla Değişkenler

Bağımlı Kukla Değişkenler Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri

Detaylı

1. YAPISAL KIRILMA TESTLERİ

1. YAPISAL KIRILMA TESTLERİ 1. YAPISAL KIRILMA TESTLERİ Yapısal kırılmanın araştırılması için CUSUM, CUSUMSquare ve CHOW testleri bize gerekli bilgileri sağlayabilmektedir. 1.1. CUSUM Testi (Cumulative Sum of the recursive residuals

Detaylı

İÇİNDEKİLER 1. GİRİŞ...

İÇİNDEKİLER 1. GİRİŞ... İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel

Detaylı

Bağımlı Kukla Değişkenler

Bağımlı Kukla Değişkenler Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri

Detaylı

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

500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ. YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ. Anabilim Dalı: İşletme Mühendisliği İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ 500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ Anabilim Dalı: İşletme Mühendisliği Programı

Detaylı

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1 3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki

Detaylı

İyi Bir Modelin Özellikleri

İyi Bir Modelin Özellikleri İyi Bir Modelin Özellikleri 1. Basitlik. Belirlenmişlik 3. R ölçüsü 4. Teorik tutarlılık 5. Tahmin Gücü 1 Model Tanımlanması Araştırmada kullanılan modelin tanımlamasının doğru olduğu kabul edilmektedir..

Detaylı

İstatistik ve Olasılık

İstatistik ve Olasılık İstatistik ve Olasılık KORELASYON ve REGRESYON ANALİZİ Doç. Dr. İrfan KAYMAZ Tanım Bir değişkenin değerinin diğer değişkendeki veya değişkenlerdeki değişimlere bağlı olarak nasıl etkilendiğinin istatistiksel

Detaylı

Regresyon Analizinde Nitel Bilgi. Nitel Değişkenler: Ders Planı. Nitel Bilgi

Regresyon Analizinde Nitel Bilgi. Nitel Değişkenler: Ders Planı. Nitel Bilgi 1 ÇOKLU REGRESYON ANALİZİNDE NİTEL DEĞİŞKENLER Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 2 Regresyon

Detaylı

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri

Detaylı

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

Dependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20 ABD nin 1966 ile 1985 yllar arasnda Y gayri safi milli hasla, M Para Araz (M) ve r faiz oran verileri a#a$da verilmi#tir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatas ta#yp ta#mad$n Ramsey RESET testi

Detaylı

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

PANEL VERİ MODELLERİNİN TAHMİNİNDE PARAMETRE HETEROJENLİĞİNİN ÖNEMİ: GELENEKSEL PHILLIPS EĞRİSİ ÜZERİNE BİR UYGULAMA PAEL VERİ MODELLERİİ TAHMİİDE PARAMETRE HETEROJELİĞİİ ÖEMİ: GELEEKSEL PHILLIPS EĞRİSİ ÜZERİE BİR UYGULAMA Selim TÜZÜTÜRK (*) Özet: Panel veri modellerinin tahmininde, örneklem ile ilgili dikkat edilmesi

Detaylı

UYGULAMA 2. Bağımlı Kukla Değişkenli Modeller

UYGULAMA 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.

Detaylı

7.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. 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

Detaylı

ANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI

ANADOLU 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

Detaylı

19. 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 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

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. 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

Detaylı

OLS Klasik Varsayımlar. Çoklu Regresyon. Çoklu Regresyon Modellemesi. Çoklu Regresyon Modeli. Multiple Regression

OLS 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.

Detaylı

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

17 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

Detaylı

Korelasyon ve Regresyon

Korelasyon ve Regresyon Korelasyon ve Regresyon Korelasyon- (lineer korelasyon) Açıklayıcı (Bağımsız) Değişken x çalışma zamanı ayakkabı numarası İki değişken arasındaki ilişkidir. Günlük sigara sayısı SAT puanı boy Yanıt (Bağımlı)

Detaylı

ÖĞRENCİ 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) 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,

Detaylı

ZAMAN SERİLERİ EKONOMETRİSİ I: DURAĞANLIK, BİRİM KÖKLER

ZAMAN SERİLERİ EKONOMETRİSİ I: DURAĞANLIK, BİRİM KÖKLER ZAMAN SERİLERİ EKONOMETRİSİ I: DURAĞANLIK, BİRİM KÖKLER ZAMAN SERİLERİ VE TEMEL KAVRAMLAR Bir zaman serisi, bir değişkenin zaman içindeki hareketini gözlemler. Değişkenlere ilişkin değerler aylık, üç aylık,

Detaylı

EKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI

EKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI EKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI Aşağıdaki verileri EVIEWS paket programına aktarınız. Veri setini tanımladıktan sonra aşağıda istenen soruları bu verileri kullanarak

Detaylı

EKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran

EKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran EKONOMETRİ GRETL Uygulamaları Prof. Dr. Bülent Miran Bornova-2015 İÇİNDEKİLER 1. Gretl da veri dosyasını çağırma:... 3 2. Gretl da Excel veri dosyasını açma:... 4 3. Excel den alınmış verilerin Gretl dosyası

Detaylı

Matris Cebiriyle Çoklu Regresyon Modeli

Matris Cebiriyle Çoklu Regresyon Modeli Matris Cebiriyle Çoklu Regresyon Modeli Hüseyin Taştan Mart 00 Klasik Regresyon Modeli k açıklayıcı değişkenden oluşan regresyon modelini her gözlem i için aşağıdaki gibi yazabiliriz: y i β + β x i + β

Detaylı

EKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ SORULAR

EKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ SORULAR EKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ SORULAR HATİCE ÖZKOÇ HANİFİ VAN ÖZKOÇ VAN 1 1980-2002 dönemine ait tavuk eti talebini incelemek amacıyla aşağıdaki değişkenler elde edilmiştir. Y: Kişi başına

Detaylı

4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu

4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu 4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ 4.1. Katsayıların Yorumu Y i = β 0 + β 1 X 1i + β X i + + β k X ki + u i gibi çok açıklayıcı değişkene sahip bir modelde, anakütle regresyon fonksiyonu, E(Y i X

Detaylı

Bağımsız Örneklemler İçin Tek Faktörlü ANOVA

Bağımsız 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

Detaylı

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN

KORELASYON 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

Detaylı

Korelasyon, Korelasyon Türleri ve Regresyon

Korelasyon, Korelasyon Türleri ve Regresyon Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.

Detaylı

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

Tek Denklemli Modellerde Uygulanan Testler 1.Yeni Bağımsız Değişkenler Ekleme Testi(s ) Tek Denklemli Modellerde Uygulanan Testler 1.Yeni Bağımsız Değişkenler Ekleme Testi(s.285-293) Y=β 1 + β 2 X 2 + β 3 X 3 + u (SR) Y=β 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + u 1.Aşama (SM) H 0 : β

Detaylı

PARAMETRİK TESTLER. Tek Örneklem t-testi. 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz.

PARAMETRİK TESTLER. Tek Örneklem t-testi. 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz. PARAMETRİK TESTLER Tek Örneklem t-testi 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz. H0 (boş hipotez): 200 öğrencinin matematik dersinden aldıkları

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL 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

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 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

Üstel modeli, iki tarafın doğal logaritması alınarak aşağıdaki gibi yazılabilir.

Üstel 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

Detaylı

Appendix B: Olasılık ve Dağılım Teorisi

Appendix B: Olasılık ve Dağılım Teorisi Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi

Detaylı

Yaşlı Sorunları Araştırma Dergisi, 2008 (1): 50-61 Yaşlıların gelir ve tüketim tercihlerinin belirlenmesi: Cep telefonu sahipliğine yönelik ekonometrik model uygulaması AYDIN SARI 1 Pamukkale Üniversitesi

Detaylı

SANAYİ İŞÇİLERİNİN DİNİ YÖNELİMLERİ VE ÇALIŞMA TUTUMLARI ARASINDAKİ İLİŞKİ - ÇORUM ÖRNEĞİ

SANAYİ 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

Detaylı

İÇİNDEKİLER ÖNSÖZ... Örneklem Genişliğinin Elde edilmesi... 1

İÇİNDEKİLER ÖNSÖZ... Örneklem Genişliğinin Elde edilmesi... 1 İÇİNDEKİLER ÖNSÖZ... v 1. BÖLÜM Örneklem Genişliğinin Elde edilmesi... 1 1.1. Kitle ve Parametre... 1 1.2. Örneklem ve Tahmin Edici... 2 1.3. Basit Rastgele Örnekleme... 3 1.4. Tabakalı Rastgele Örnekleme...

Detaylı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.

Detaylı

NİTEL TERCİH MODELLERİ

NİTEL 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:

Detaylı

DOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ

DOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ DOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL SINIRLAMALARIN TESTİ t testi F testi Diğer testler: Chow testi MWD testi DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ Benzerlik Oranı Testi Lagrange Çarpanı

Detaylı

ALIŞTIRMA 2 GSYİH. Toplamsal Ayrıştırma Yöntemi

ALIŞTIRMA 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

Detaylı

Pazarlama Araştırması Grup Projeleri

Pazarlama Araştırması Grup Projeleri Pazarlama Araştırması Grup Projeleri Projeler kapsamında öğrencilerden derlediğiniz 'Teknoloji Kullanım Anketi' verilerini kullanarak aşağıda istenilen testleri SPSS programını kullanarak gerçekleştiriniz.

Detaylı

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

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım

Detaylı

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012)

H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) H.Ü. Bilgi ve Belge Yönetimi Bölümü BBY 208 Sosyal Bilimlerde Araştırma Yöntemleri II (Bahar 2012) SPSS Ders Notları II (19 Nisan 2012) Aşağıdaki analizlerde lise öğrencileri veri dosyası kullanılmıştır.

Detaylı

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

White ın Heteroskedisite Tutarlı Kovaryans Matrisi Tahmini Yoluyla Heteroskedasite Altında Model Tahmini Ekonomeri ve İsaisik Sayı:4 006-1-8 İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ VE İSTATİSTİK DERGİSİ Whie ın Heeroskedisie Tuarlı Kovaryans Marisi Tahmini Yoluyla Heeroskedasie Alında Model Tahmini

Detaylı

KSUY 5117 KENTSEL SEYAHAT TALEBİ MODELLEMESİ. Doç.Dr. Darçın AKIN

KSUY 5117 KENTSEL SEYAHAT TALEBİ MODELLEMESİ. Doç.Dr. Darçın AKIN Bahçeşehir Üniversitesi, Fen Bilimleri Enstitüsü Kentsel Sistemler ve Ulaştırma Yönetimi Yüksek Lisans Programı KSUY 5117 KENTSEL SEYAHAT TALEBİ MODELLEMESİ Doç.Dr. Darçın AKIN PROJE 2 UTOWN 2 (Yolculuk

Detaylı

YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2

YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2 Dokuz Eylül Üniversitesi Sosyal Bilimler Enstitüsü Dergisi Cilt 5, Sayı:2, 2003 YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI Sibel SELİM 1 Efe SARIBAY

Detaylı

3. BÖLÜM: EN KÜÇÜK KARELER

3. 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

Detaylı

Çalıştığı kurumun prestij kaynağı olup olmaması KIZ 2,85 ERKEK 4,18

Çalıştığı kurumun prestij kaynağı olup olmaması KIZ 2,85 ERKEK 4,18 1 * BAĞIMSIZ T TESTİ (Independent Samples t test) ÖRNEK: Yapılan bir anket çalışmasında katılımcılardan, çalıştıkları kurumun kendileri için bir prestij kaynağı olup olmadığını belirtmeleri istenmiş. 30

Detaylı

TEFE 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. 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

Detaylı

The International New Issues In SOcial Sciences

The International New Issues In SOcial Sciences Number: 4 pp: 89-95 Winter 2017 SINIRSIZ İYİLEŞMENİN ÖRGÜT PERFORMANSINA ETKİSİ: BİR UYGULAMA Okan AY 1 Giyesiddin NUROV 2 ÖZET Sınırsız iyileşme örgütsel süreçlerin hiç durmaksızın örgüt içi ve örgüt

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT352 Ekonometri II, Dönem Sonu Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT352 Ekonometri II, Dönem Sonu Sınavı TOBB Ekonomi ve Teknoloji Üniversitesi Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sınav toplam 100 puan değerinde 5 sorudan oluşmaktadır. Sınav süresi 90 dakikadır ve tüm soruların

Detaylı

KSUY 5117 KENTSEL SEYAHAT TALEBİ MODELLEMESİ. Doç.Dr. Darçın AKIN

KSUY 5117 KENTSEL SEYAHAT TALEBİ MODELLEMESİ. Doç.Dr. Darçın AKIN Bahçeşehir Üniversitesi, Fen Bilimleri Enstitüsü Kentsel Sistemler ve Ulaştırma Yönetimi Yüksek Lisans Programı KSUY 5117 KENTSEL SEYAHAT TALEBİ MODELLEMESİ Doç.Dr. Darçın AKIN UTOWN Hazırlayan Müge GÜRSOY

Detaylı

VERİ MADENCİLİĞİ. Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL

VERİ MADENCİLİĞİ. Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL VERİ MADENCİLİĞİ Karar Ağacı Algoritmaları: SPRINT algoritması Öğr.Gör.İnan ÜNAL SPRINT Algoritması ID3,CART, ve C4.5 gibi algoritmalar önce derinlik ilkesine göre çalışırlar ve en iyi dallara ayırma kriterine

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Dönem Sonu Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Dönem Sonu Sınavı TOBB Ekonomi ve Teknoloji Üniversitesi Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklama ve uyarılar: Bu sınav toplam 100 puan değerinde 6 sorudan oluşmaktadır. Sınav süresi 90 dakikadır ve tüm

Detaylı

BASİT REGRESYON MODELİ

BASİT 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

Detaylı

EŞANLI DENKLEM MODELLERİ

EŞANLI DENKLEM MODELLERİ EŞANLI DENKLEM MODELLERİ Eşanlı denklem modelleri, tek denklemli modeller ile açıklanamayan iktisadi olayları açıklamak için kullanılan model türlerinden birisidir. Çift yönlü neden-sonuç ilişkisi söz

Detaylı

2. BASİT DOĞRUSAL REGRESYON 12

2. BASİT DOĞRUSAL REGRESYON 12 1. GİRİŞ 1 1.1 Regresyon ve Model Kurma / 1 1.2 Veri Toplama / 5 1.3 Regresyonun Kullanım Alanları / 9 1.4 Bilgisayarın Rolü / 10 2. BASİT DOĞRUSAL REGRESYON 12 2.1 Basit Doğrusal Regresyon Modeli / 12

Detaylı

01.02.2013. Statistical Package for the Social Sciences

01.02.2013. Statistical Package for the Social Sciences Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat... Her istatistik teknik her tür analize elverişli değildir. Modele veya hipoteze uygun test istatistiği

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 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

Detaylı

LOJİSTİK REGRESYON ANALİZİ

LOJİSTİK 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

Detaylı

BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH Ege Üniversitesi, Tıp Fakültesi, Biyoistatistik ve Tıbbi Bilişim AD. Web: www.biyoistatistik.med.ege.edu.tr 1 Bir değişkenin değerinin,

Detaylı

8. BÖLÜM: DEĞİŞEN VARYANS

8. BÖLÜM: DEĞİŞEN VARYANS 8. BÖLÜM: DEĞİŞEN VARYANS Bu bölümde; Değişen Varyans Tespiti için Grafik Çizme Değişen Varyans Testi: Park Testi Değişen Varyans Testi: White Testi Değişen Varyans Probleminin Çözümü: Ağırlıklandırılmış

Detaylı

Nitel Tepki Bağlanım Modelleri

Nitel 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

Detaylı

Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat...

Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat... Hipotezlerin test edilip onaylanması için çeşitli istatistiksel testler kullanılmaktadır. Fakat... Her istatistik teknik her tür analize elverişli değildir. Modele veya hipoteze uygun test istatistiği

Detaylı

Nedensel Modeller Y X X X

Nedensel Modeller Y X X X Tahmin Yöntemleri Nedensel Modeller X 1, X 2,...,X n şeklinde tanımlanan n değişkenin Y ile ilgili olmakta; Y=f(X 1, X 2,...,X n ) şeklinde bir Y fonksiyonu tanımlanmaktadır. Fonksiyon genellikle aşağıdaki

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

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

Detaylı

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

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

Detaylı

ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ

ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ ÇOKLU REGRESYON ANALİZİNDE VARSAYIMLARDAN SAPMALARIN İNCELENMESİ 1. ÇOKLU REGRESYON ANALİZİ VE VARSAYIMALARDAN SAPMALAR 1.1. Çoklu Regresyon modeli Varsayımları 1.2. Tahmincilerin anlamlılığının sınanması

Detaylı

Kocaeli Üniversitesi Öğrencilerinin Gelir ve Tüketim İlişkisi Üzerine Ekonometrik Bir İnceleme

Kocaeli Üniversitesi Öğrencilerinin Gelir ve Tüketim İlişkisi Üzerine Ekonometrik Bir İnceleme Kocaeli Üniversitesi Sosyal Bilimler Enstitüsü Dergisi (11) 2006 / 1 :168-179 Kocaeli Üniversitesi Öğrencilerinin Gelir ve Tüketim İlişkisi Üzerine Ekonometrik Bir İnceleme Recep Tarı Şadan Çalışkan **

Detaylı

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

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

Detaylı

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 3-4,

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 3-4, Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 3-4, 2011 65 GÖÇ-TİCARET İLİŞKİSİ: TÜRKİYE NİN TÜKETİM MALI İHRACATI ÜZERİNE BİR UYGULAMA Özge BUZDAĞLI (*) Alaattin KIZILTAN (**)

Detaylı

14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

14 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

Detaylı

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ

Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA

Detaylı

ortalama ve ˆ ˆ, j 0,1,..., k

ortalama ve ˆ ˆ, j 0,1,..., k ÇOKLU REGRESYONDA GÜVEN ARALIKLARI Regresyon Katsayılarının Güven Aralıkları y ( i,,..., n) gözlemlerinin, xi ortalama ve i k ve normal dağıldığı varsayılsın. Herhangi bir ortalamalı ve C varyanslı normal

Detaylı

UYGULAMALAR. Normal Dağılımlılık

UYGULAMALAR. Normal Dağılımlılık UYGULAMALAR EKONOMETRİYE GİRİŞ 0.01.008 1 Normal Dağılımlılık Amerika da 195-1941 yılları arasında sığır eti fiyatı ile kişi başı sığır eti tüketimi arasındaki ilişki incelenmiş ve aşağıdaki sonuç bulunmuştur.

Detaylı

değiştirdiğini gösterir. Marjinal Hasıla Bir malın satışından elde edilen toplam hasıla (TR), malın fiyatı (P) ile satılan mal miktarının (Q) çarpımına eşittir: Toplam hasıla fonksiyonu monopol piyasasında

Detaylı

ARALIK TAHMİNİ (INTERVAL ESTIMATION):

ARALIK 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

Detaylı

Okuldan İşe Geçiş Son Eğilimler

Okuldan 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?

Detaylı

EKONOMETRİK MODEL TANIMLAMADA KULLANILAN SINAMA YÖNTEMLERİ VE

EKONOMETRİK MODEL TANIMLAMADA KULLANILAN SINAMA YÖNTEMLERİ VE EKONOMETRİK MODEL TANIMLAMADA KULLANILAN SINAMA YÖNTEMLERİ VE BU AMAÇLA GELİŞTİRİLMİŞ BİR YAZILIM Bülent Sedef Akgüngör34 1. GİRİŞ Ekonomik bir ilişkinin gerçeğe en uygun bir şekilde modellenmesi için,

Detaylı

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005

KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:

Detaylı

MAK 210 SAYISAL ANALİZ

MAK 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

ÜNİVERSİTE ÖĞRENCİLERİNİN CEP TELEFONU HAT TERCİH OLASILIĞININ BELİRLENMESİ: ATATÜRK ÜNİVERSİTESİ ÖRNEĞİ

ÜNİVERSİTE ÖĞRENCİLERİNİN CEP TELEFONU HAT TERCİH OLASILIĞININ BELİRLENMESİ: ATATÜRK ÜNİVERSİTESİ ÖRNEĞİ ÜNİVERSİTE ÖĞRENCİLERİNİN CEP TELEFONU HAT TERCİH OLASILIĞININ BELİRLENMESİ: ATATÜRK ÜNİVERSİTESİ ÖRNEĞİ Hüseyin ÖZER (1) M. Suphi ÖZÇOMAK () Erkan OKTAY (3) Özet: Bilinçli bir tüketici grubunu oluşturan

Detaylı

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI SORU- 1 : ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI X ve Y birbirinden bağımsız iki rasgele değişken olmak üzere, sırasıyla aşağıdaki moment çıkaran fonksiyonlarına sahiptir: 2 2 M () t = e,

Detaylı

Çapraz 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 Çapraz Tablo ve Diğer Tabloları Oluşturabilmek Bu Tablolara Uygun Çok Yönlü Grafikleri Çizebilmek Marjinal Tablo (Sıklık Tablosu) Gözlemlerin, incelenen herhangi bir değişkenin kategorilerine, değerlerine

Detaylı

AMOS (Analysis of Moment Structures) ve Yapısal Eşitlik Modeli

AMOS (Analysis of Moment Structures) ve Yapısal Eşitlik Modeli AMOS (Analysis of Moment Structures) ve Yapısal Eşitlik Modeli Veri seti bulunur Değişkenler sürüklenerek kutucuklara yerleştirilir Hata terimi eklenir Mouse sağ tıklanır ve hata terimi tanımlanır.

Detaylı