Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Y.2008, C.13, S.1 s

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Y.2008, C.13, S.1 s.111-131."

Transkript

1 Süleyman Demrel Ünverstes İktsad ve İdar Blmler Fakültes Y.008, C.3, S. s.-3. BİREYSEL EMEKLİLİK FONLARINDA FON YAPILARININ KARMA DENEMELER YÖNTEMİ İLE İNCELENMESİ EXAMINING THE STRUCTURE OF FUNDS BY MIXTURE EXPERIMENTS METHOD IN PRIVATE PENSION FUNDS Yrd.Doç.Dr.Bahadtn RÜZGAR * ÖZET Breysel emekllk fonlarının çerkler çeştl yatırım araçlarının elrl oranlarda kullanılmasından oluşmaktadır. Bu özellkler le fonlar, karma (karışım) denemeler çn uygun r yapı oluşturmaktadırlar. Karma denemeler, karışımı oluşturan leşenlern mktarlarına ağlı olmaksızın, oranlarına ağlı olan denemelerdr. Bu çalışmada, Karma denemeler yöntem le fonu oluşturan yatırım araçları leşenlernn ağıl oranları kullanılarak, azı matematksel denklem formları le fonu oluşturan yatırım araçlarının ağlılığı modellenmştr. ABSTRACT We can defne the prvate penson plans as the comnaton of ratos of varous nvestment nstruments. Wth these propertes, the structures of funds can e applcale for mture eperments method that uses percentages of components, not the uanttes. In ths work, the mture eperments method was used for modelng nvestment nstruments of funds wth mathematcal euatons. Breysel emekllk fonları, Karma denemeler, Çoklu regresyon, Scheffé modeller, Varyans üyütme faktörü (VIF) Prvate penson plans, Mture eperments, Multple regresson, Scheffé models, Varance nflaton factor (VIF). GİRİŞ Günlük yaşamımızda hemen hemen her alanda sık sık kullandığımız leşenler topluluğu, statstk lteratürüne 953 yılında karma denemeler olarak Quenoulle le grmş, ancak gerçek tanımı lk olarak 958 de Scheffé tarafından yapılmıştır. Yaşamımızın her alanında kullandığımız nesneler * Marmara Ünverstes Bankacılık Sgortacılık Yüksekokulu Aktuerya Bölümü Öğretm Üyes

2 RÜZGAR 008 çeştl maddelern elrl oranlarda karışımından oluşmaktadır. Örneğn, saun, ekmek, enzn, yatırım portföyü, reysel emekllk fonu v. g. Karma denemeler nesney oluşturan leşenlern mktarlarına değl, ağıl oranlarına ağlı denemelerdr. Herhang r yatırım portföyü hang mktarda olursa olsun, r ütün olarak düşünülüp çerğn oluşturan yatırım araçlarının ağıl oranları le ele alındığında, yapısal olarak r karma deneme model çn uygun r durum oluşturmaktadır. Ekonomk ve sosyal yaşantımıza Eylül 003 te gren Breysel Emekllk Sstem (BES) yapısal durumu le çerkler farklı yatırım enstrümanlarından oluşan fonlardan oluşmaktadır. Br reysel emekllk yatırımcısı, yaptırdığı reysel emekllk le yatırımlarını çeştl fonlara yatırarak değerlendrelr. Bunun yanında reysel emekllk şrketler oluşturdukları fonlar le yatırımları çeştl pyasa enstrümanları aracılığı le değerlendrmektedrler. Breysel emekllk şrketlernce çıkarılan reysel emekllk fonları (Ocak 005 tarı le 8 adettr.), fon ç tüzüklernde elrtlen oranlar doğrultusunda pyasadak yatırım araçlarından oluşmaktadır. Örneğn, r şrketn reysel emekllk çn, İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonunun çerğ; Türk Hsse Senetler en az % 80, en fazla % 00, Kamu Borçlanma Senetler en az % 0, en fazla % 0, Türk Özel Sektör Borçlanma Senetler en az % 0, en fazla % 0, Ters Repo en az % 0, en fazla % 0, Repo en az % 0, en fazla % 0, Vadel Mevduat (TL) en az % 0, en fazla % 0, Vadesz Mevduat (TL) en az % 0, en fazla % 0, Vadel Mevduat (Dövz) en az % 0, en fazla % 0, Vadesz Mevduat (Dövz) en az % 0, en fazla % 0, Borsa Para Pyasası İşlemler en az % 0, en fazla % 0 ve Yatırım Fonu Katılma Belgeler en az % 0, en fazla % 0 dan oluşmaktadır. Ayrıca u fon çn fon endeks kapsamındak varlıklara fon portföyünün en az % 80 n yatırır ve az alınan endeks le fonun rm pay değer arasında en az % 90 korelasyon sağlamayı hedefler. Örneğn, Para Pyasası-Lkt Kamu Emekllk Yatırım fonunun çerğ se; Kamu Borçlanma Senetler en az % 0, en fazla % 00, Ters Repo en az % 0, en fazla % 00 ve Borsa Para Pyasası İşlemler en az % 0, en fazla % 0 den oluşmaktadır. Bu yapıları le akıldığında portföyler, reysel emekllk fonları g yatırım araçlarının karma denemeler çn son derece uygun yapılar oldukları görülmektedr. Bu çalışmada r şrkete at İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonu ve Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu karma denemeler çn uygulama olarak ncelenmştr.. KARMA DENEMELER Karma denemeler, karışımı oluşturan leşenlern (değşkenlern) mktarlarına ağlı olmaksızın, leşenlern (değşkenlern) ağıl oranlarını kullanan modellerdr. Scheffé tarafından (958) önerlen karma denemelern amacı, kalte karakterstğn ya da yanıtı (y), karışım oranları termler cnsnden ( değşkenler) temsl edecek r model (genellkle polnom) ulmaktır. Karma denemelerde değşkenler leşenlerden oluşmaktadır. Br karışım leşenden oluştuğunda, -nc leşenn oranını göstermek üzere

3 C.3, S. Breysel Emekllk Fonlarında Fon Yapılarının Karma 0,,3,..., ve... () olmak zorundadır, 3. () koşulu, karma denemelerde oranlar üzerndek temel kısıttır. Bu durumda ele alınan deney ölges - oyutlu r smplekstr. Karışımı oluşturan değşkenlern oranları toplamı olduğundan lern herhang rndek r değşm deney ölgesnde en azından r leşenn değşmesne neden olacaktır. Karma denemey oluşturan değşken sayısı sadece se u modele tek leşenl karma model ya da saf karma model denr. Karma modeller üzernde çalışmanın k neden vardır. Brncs, karışımı oluşturan maddelern hang orandak karışımlarının en y olduğunu elrlemektr. İkncs se, karışımı oluşturan leşen oranlarını değştrerek tüm sstem çn en y ya da optmum durumu elrlemektr. Karma denemelerde çoğu zaman karışımı oluşturan değşkenlern değşm aralığı 0 le arasında olmayalr. Bazı ya da tüm değşkenler çn [0,] aralığından, daha dar r aralıkta değşkenlern alt ve üst kısıtları olalr. Örneğn, -nc leşene at değşken üzernde öyle r kısıtlama söz konusu se, L -nc leşene at alt sınır, U -nc leşene at üst sınır olmak üzere 0 L U () şeklnde yazılalr. Bu kısıtlamalar ayrıca sstem oluşturan leşenlern lneer komnasyonları şeklnde de olalr. -nc durumdak değşkenler arasındak koşulda, K lneer komnasyonlardak kısıtların alt sınırı ve M lneer komnasyonlardak kısıtların üst sınırı olmak üzere, K... M (3) şeklnde yazılalr 4, 5. Scheffé karma denemelernn yanıt yüzeylern modellemek çn çeştl derecelerde kanonk polnomlar gelştrlmştr. Tam smpleks ölges üzernde gösterlen yanıt yüzey le polnom denklem arasındak uyumu sağlamak çn, noktaları tüm smpleks çarpan uzayına eşt olarak yayılan r tasarım doğal r seçmdr. Br smpleks üzernde noktaların r düzgün uzayda dağılımlarından oluşan sıralı düzen kafes (lattce) olarak adlandırılır. Kafes, noktaların sıralanmasından söz etmek çn kullanılmaktadır. Ayrıca, kafes r özel polnom denklemne karşılık gelelr. Örneğn, smpleks B. R. Croser, Mture Eperments: Geometry and Pseudocomponents Technometrcs, Vol. 6, 984, 09 S. H. Stener and M. Hamada, Makng Mture Roust to Nose Factors and Mng Measurement Errors, Journal of Qualty Technology, Vol. 9, 997, 44 G. F. Pepel, Defnng Consstent Regons n Mture Eperments, Technometrcs, Vol. 5, 983, 97 Orkun Coşkuntuncel ve H. Erol, Karma Denemelerde, Tasarımlarda ve Modellerde Kötü Koşulluluk Prolem, Yüksek Lsans Tez, 00:-, MAKALE/KARMA0DENEMELERDE.pdf.,

4 RÜZGAR 008 leşenl m nc dereceden r polnom denklemne uydurmak çn, leşen oranlarına (4) le tanımlanan {,m} smpleks kafes karşılık gelr. Her r leşenlern oranları (m eş uzaklıktak değerler) 0 dan e kadar değerler alır. Yan {,m} smpleks kafes 0, / m, / m,...,,,3,..., (4) leşenlern ütün olası karışımlarından oluşmaktadır. (4) oranları her r leşen çn olağandır. Ancak {,m} smpleks kafeste karışımlar m leşenden oluşmaktadır. Örneğn {3,} smpleks kafes tasarımında leşen oranları 0, ½,,, 3 şeklnde oluşmaktadır. Noktalar (,, 3 ) şeklnde gösterlmek üzere {3,} smpleks kafes Şekl. le gösterlmştr. Şekl : {3,} Smpleks kafes tasarımı (,,0 ) (,0,0) (, 0, ) (,, ) ( 0,,0 ) ( 0,, ) ( 0,0,) {,m} smpleks kafesnde tasarım noktalarının sayısı m m komnasyonunun sayısına eşt olacaktır 6. Br {,m} smpleks kafesnn noktalarından toplanmış gözlem değerlerne uygulanalr en genel m nc dereceden denklem formu aşağıdak şeklde gösterlelr. y 0... k k k (5) Scheffé (958) de yaptığı çalışmalarında genel olarak lnen regresyon denklem üzerne 3... kısıtlamasını getrerek {,m} smpleks kafes çn uygun kanonk polnomları ulmuştur. Örneğn m çn (5) denklem, y 0 (6) 6 U. K. Akay, Karma Denemelerde Tasarımların ve Modellern Karşılaştırılması, Yüksek Lsans Tez, 003,

5 Breysel Emekllk Fonlarında Fon Yapılarının Karma 5 C.3, S. şeklndedr. Bu denklemde... 3 le 0 termnn çarpılması sonucu elde edlen yen denklem, y * 0 (7) olur. Burada ütün,, 3,, çn * 0 dr. (7) denklemndek termlern sayısının olması durumunda {,} kafesndek noktaların sayısı ulunmuş olur. değşkenl knc dereceden polnom, y 0 (8) dr. Eğer (8) denklemnde 0,... 3 le çarpılır ve lgl term yerne fades konur se m çn, ( ) y * * 0 (9) dr. Benzer şeklde üçüncü dereceden r {,3} polnomu veya tam kük polnom, ( ) k k k c y * * * (0) şeklnde olur. Özel kük polnomlar çn c ( - ) termler ncelenmez. Bu durumda özel kük polnom, k k k y * * * () şeklnde olur. Burada *, *, k * parametrelerndek yıldızlar kaldırılıp tüm {,m} polnomları çn,, k parametreler ve ε hata term kullanılır se (7), (9), (0) ve () denklemler, ε y () ε y (3)

6 RÜZGAR 008 y y c ( ) k k k olacaktır. Burada hata term ε nun ~ ( 0, σ ) k ε (4) k ε k (5) ε N olduğu ve karışımı oluşturan faktörlerden ağımsız olduğu varsayılmaktadır. Br kanonk polnomlardak parametre sayısı Talo. de görülmektedr 7, 8. leşen sayısı Talo : Kanonk polnomlarda term sayısı.dereceden polnom.dereceden polnom 3.dereceden polnom M M M M M Q ( ) ( )( ) 6 Özel 3.dereceden polnom ( 5 ) Karma denemelerde polnomlar genellkle ek kısıtlara maruz kaldıklarında ç lşk ya da kötü koşulluluk olarak lnen stenmeyen durumlar ortaya çıkar. Bağımsız değşkenler arasında çoklu ç lşknn oluşmasının temel olarak 3 neden vardır.. Deney tasarımında yeternce planlama yapılmamıştır ya da araştırma zayıf gözlemsel verlerden oluşmaktadır.. Bağımsız değşkenlern kuvvetler (,,... g) ya da çarpımları (, 3,... g) g matematksel şlemler sonucu oluşturulan yen değşkenlerle ortaya çıkan modellern seçlmesnden oluşmaktadır.. Bağımsız değşkenler üzerndek kısıtlamalardan oluşmaktadır. Eğer, karma denemelerde, ağımsız değşkenler arasında ç lşk varsa regresyon denklemnn katsayıları eklenenden daha üyük çıkar. Ayrıca tahmn edlen parametrelern şaret eklenenden farklı olalr ve u parametreler modeln yapısında küçük değşklklere üyük tepkler verrler. İç lşk olan modellerde, y ağımlı değşkennn, ağımsız değşkenlere göre Scheffé karma modellernden yararlanarak ulunan R değer üyüktür. Gorman (970) R 0,99 se ç lşknn prolem olmadığını elrlemştr. Regresyon denklemnde -R tolerans payı dğer değşkenlerle açıklanamayan değşkenlern varyanslarının oranıdır. İç lşky gösteren C. Özler ve L. Şenyay, Karışım Deneyler Üzerne Br İnceleme, IV. Ulusal Ekonometr ve İstatstk Sempozyumu, 999, 964. J. A. Cornell, Eperments Wth Mtures, Second Edton, New York, John Wley & Sons, 990,

7 C.3, S. Breysel Emekllk Fonlarında Fon Yapılarının Karma dğer r parametre Maruardt (970) 9 tarafından önerlen varyans üyütme faktörü (VIF) dr. Varyans üyütme faktörler VIF ler Scheffé karma modelnde ağımsız değşkenler matrs çn ( ) matrsnn köşegen elemanlarıdır (VIF/(-R )). VIF lern herhang rnn 0 dan üyük olması durumunda en küçük kareler kestrclernn kullanılması le elde edlen tahmnlern kararlı olmadıkları (VIF0 çn en küçük kareler kestrclernn geçerl olduğu) unun yerne alternatf modellern oluşturulması gerektğ ya da alternatf tahmn edclern kullanılması gerektğ elrtlmştr. Dğer r deyşle, ağımsız değşkenler matrs çn ( ) matrsnn köşegen elemanları toplamının değşken sayısının 0 katından küçük olması gerekr. Gorman ın (970) 0 R >0,99 le elrttğ ç lşk VIF>00 le aynı anlama gelmektedr. İç lşknn varlığını gösteren r dğer fade ( ) matrsnn öz değerlerdr. Sıfırdan farklı öz değerlern sayısı matrsn rankını verr. ( ) matrsnn öz değerlernden r sıfıra eşt se ( ) matrs sngülerdr (det ( ) 0) ve değşkenler arasında lneer ağımlılık, yan a 0 kısıdı vardır. λöz değerler ( λ 0,00) çok küçük se yne değşkenler arasında ç lşk vardır. Öz değerler elde edldkten sonra, en üyük öz değer le en küçük öz değern oranına matrsnn koşul sayısı denr (koşul sayısıλ mak /λ mn ). Belsley ve ark. (980) koşul sayısının 5 ten küçük olması durumunda ç lşknn olmadığını, aks halde araştırılması gereken durumun söz olduğunu elrtmşlerdr. Genel olarak koşul sayısı 00 den küçük se, çoklu ç lşk prolemnn öneml oyutlarda olmadığı, 00 le 000 arasında se, güçlü r ç lşk prolemnn olduğu, 000 den üyük se çok cdd r ç lşk prolemnn olduğu söylenr,. Ele alınan ver kümes çn karma deneme modeller le çoklu regresyon modeller karşılaştırması yapılır se, ver kümesne r çoklu regresyon modelnn uygulanalmes çn, ver kümesnn aşağıdak 4 varsayımı sağlaması gerekr. göstermeldr.. y ağımlı değşken ( ) y ~ N σ µ parametrel normal dağılım. Bağımsız değşkenler (,,..., n ) hatasız ölçülmüş olmalı ve aralarında çoklu doğrusal ağımlılık, yan ç lşk (multcollnearty) ulunmamalıdır. y, 9 0 D. W. Maruart, Generlazed Inverses Rdge Regresson Based Lnear Estmaton and Nonlnear Estmaton, Technometrcs, Vol., 970, J. W. Gorman, Fttng Euatons to Mture Data wth Restrants on Compostons, Journal of Qualty Technology, Vol., 970, Coşkuntuncel, 3-4. Cornell, 475,487. 7

8 RÜZGAR 008. Hata termler (ε) sıfır ortalamalı ve σ dağılıma sahp olmalıdır ( ~ N( 0, σ ) ε ). varyanslı normal v. Ver kümesnde gözlemler arasında ardışık ağımlılık (otokorelasyon) ulunmamalıdır. Bu koşuları sağlamayan ver kümesne çoklu regresyon analz uygulanamaz 3, 4. Çoklu regresyon denklemnn katsayılarının α0,05 anlam düzeynde anlamlılığı sınandığında p0,05 çn değşkenlern öneml, p>0,05 çn değşkenlern önemsz olduğuna karar verlr. Çoklu regresyon denklem le rlkte standart hatalar, t-değerler (H 0 :B0), p değerler ve α0,05 anlam düzeynde değşkenlern katsayılarının anlamlılık sınamaları ulunduğunda çoklu regresyon le lgl öneml lglere ulaşılmış olur. Bununla rlkte verlere uygun modeln açıklayıcılık yüzdes olan R nn e yakın ve yukarıdak karma denemeler çn geçerl olan kuralların çoklu regresyon çnde geçerl olması, modeldek ç lşksnn varlığının da göstergesdr. F değer, y ağımlı değşken le ağımsız değşkenler (,,..., n ) arasındak lşky açıklamada öneml r ulgudur. Ver kümesne r çoklu regresyon modelnn uygulanalmes çn öncelkle y ağımlı değşkennn normal dağılıma sahp olması gerekldr. Normallk test çn azı testler yapılalr. Bunlardan rncs, çarpıklık ve asıklık katsayılarını ulup normal dağılımın çarpıklık (çk0) ve asıklık (k3) katsayıları le karşılaştırmaktır. İkncs, y değerlerne Kolmogorov- Smrnov testn uygulamaktır. Üçüncüsü, y değerler çn K-Kare uygunluk testn yapmaktır. Dördüncüsü, Sharpro-Wlk W test ve eşncs Anderson- Darlng test uygulamaktır. Bunların dışında normallk çn daha aşka testlerde yapılalr. Çoklu regresyonda oluşan ç lşk çn (multcollnearty) geçerl kurallar, karma denemelerde ç lşknn elrlenmes çn geçerl kurallarla aynıdır. Dolayısıyla karma denemelerde ç lşky elrlemek çn ulunan varyans üyütme faktörü (VIF), öz değerler (λ ) ve koşul sayıları çoklu regresyon modeller çnde ulunmalıdır. Ayrıca karma denemelerde ç lşknn varlığı çn geçerl olan varyans üyütme faktörü, öz değer ve koşul sayısının özellkler, çoklu regresyon modeller çn de geçerldr. Ayrıca çoklu ç lşknn olmaması çn hata termler (ε) dağılımının normal dağılım olması gerekr. Yukarıda elrtlen normallk testler hata termler çn de geçerldr. Son olarak, ver kümesnde gözlemler arasında ardışık ağımlılık (otokorelasyon) olmamalıdır. Ardışık ağımlılık standardze hataların (standardze hatalar, her rmn hatasının regresyon denklemnn standart hatasına ölünmes le (ε /S) elde edlr.) ağımsız değşkene veya zamana göre çzlen grafkler veya Durn-Watson test le ortaya çıkarılır. DW test H 0 :R0 ve H :Verler. dereceden ardışık ağımlıdır hpotezn test etmey amaçlamaktadır. DW statstğ, 3 4 Özdamar, K., Paket Programlar le İstatstksel Ver Analz, 5. Baskı, Eskşehr, Kaan Ktapev, 004, Orhunlge, N., Uygulamalı Regresyon ve Korelasyon Analz, İstanul, İ.Ü. İşletme Fakültes Yayınları, Avcıol Basım-Yayın, 996,

9 C.3, S. Breysel Emekllk Fonlarında Fon Yapılarının Karma n ( ε ε ) d (6) n ε değer le hesaplanır 5, 6. Model, Model 3, Model 5 ve Model 6 da rnc satır regresyon denklemn, knc satır değşkenlere at katsayıların standart hatalarını, üçüncü satır t-değerlern (H 0 : B0), dördüncü satır p değerlern ve eşnc satır α0,05 anlam düzeynde H 0 hpotez le lgl kararı göstermektedr. 3. UYGULAMA Breysel emekllk fonları (Ocak 005 tarı le 8 adettr.), ç tüzüklernde elrttkler krterler doğrultusunda yatırım araçlarını kullanmaktadırlar. Fonları yöneten fon yönetcler ç tüzükte elrtlen kısıtlar dışında fonlardak rkmler kullanamazlar. Breysel emekllk fonları çn yapılan değerlendrmelerde, aylık fon çerklerne yapılan yatırımların % lk oranları hesaplanmakta ve ç tüzük doğrultusunda yatırım yapılıp yapılmadığı araştırılmaktadır. Breysel emekllk gözetm merkez, reysel emekllk fonları le lgl denetm ve gözetm yapmaktadır. Bu çalışmada, r reysel emekllk şrketne at adet reysel emekllk fonunun lk kurulduğu Eylül 003 ten Ocak 005 e kadar ay sonu rmsel fon fyatı le fonu oluşturan yatırım araçlarının ağıl oranları kullanılarak karma denemeler yöntem le modeller kurulmuştur. Talo. de İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonu çn ay sonu rmsel fon fyatları le u fona yapılan yatırımların oranları gösterlmştr. Fon ç tüzüğüne göre İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonuna yapılan yatırımların değerlendrldğ yatırım araçlarına; Ters Repo en az % 0, en fazla % 0, Türk Hsse Senetler en az % 80, en fazla % 00, BPP en az % 0, en fazla % 0 ve Kuponlu Devlet Tahvl en az % 0, en fazla % 0 oranları arasında yatırım yapılalr. Ayrıca yapılan yatırımların toplamı % 00 ü oluşturmalı, yatırıma yönelmemş r oran olmamalıdır. Bu koşullar altında Scheffé karma modeller çn gelştrlen Desgn-Epert paket programı le çözümler yapılalr 7. () denklemne uygun Scheffé karma modeln Model. le gösterr ve en y model ulmak çn ay sonu rmsel fon fyatına çeştl dönüşümler uygular sek, dönüşümler sonunda Model. n R ve düzeltlmş R değerler le dönüşümler Talo 3. de verldğ g ulunmuştur. 5 Özdamar, K., Orhunlge, N., Desgn-Epert Software, Educatonal Verson 6.0, Stat-Ease, Inc., ISBN: , Octoer

10 RÜZGAR 008 Aylar Talo. İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonu Ay Sonu Brmsel Fon Fyatı (y) Ters Repo ( ) Hsse Senetler Türk ( ) BPP ( 3 ) Kuponlu Devlet Tahvl ( 4 ) Eylül ,00 0,0800 0,900 0,0000 0,0000 Ekm ,00 0,353 0,8647 0,0000 0,0000 Kasım ,00 0,306 0,8694 0,0000 0,0000 Aralık ,00 0,08 0,988 0,0000 0,0000 Ocak ,00 0,0000 0,9 0,0879 0,0000 Şuat ,00 0,0000 0,944 0,0756 0,0000 Mart ,00 0,0000 0,953 0,0468 0,0000 Nsan ,00 0,0000 0,8575 0,45 0,0000 Mayıs ,00 0,0000 0,9059 0,094 0,0000 Hazran ,00 0,0000 0,930 0,0698 0,0000 Temmuz ,00 0,0000 0,948 0,059 0,0000 Ağustos ,00 0,00 0,9458 0,0000 0,05 Eylül ,00 0,0000 0,9483 0,057 0,0000 Ekm ,00 0,0000 0,9475 0,055 0,0000 Kasım ,00 0,0000 0,9304 0,0696 0,0000 Aralık ,00 0,0000 0,9468 0,053 0,0000 Kaynak: Talo 3: Ay sonu rmsel fon fyatına yapılan dönüşümlere göre Model. çn ulunan R ve düzeltlmş R değerler Dönüşümler Dönüşüm formu R Düzeltlmş R Parametreler Lneer y * y 0,605 0,506 k0 Kare kök y * y k 0,66 0,533 k0 Doğal Logartma y * ln( y k ) 0,647 0,558 k0 0 Taanında Logartma y* log 0 ( y k ) 0,647 0,558 k0 Ters Kare Kök Ters y * y * y k 0,666 0,58 k0 y k 0,684 0,605 k0, n - Talo 3. e göre R ve düzeltlmş R değerler en yüksek değer oluşturan model ay sonu rmsel fon fyatına Ters Dönüşüm uygulanarak ulunan modeldr. Yen ağımlı değşken (/fon fyatı) olarak tanımlayarak Scheffé karma denemeler çn () denklem le tanımlanan rnc dereceden Scheffé karma modeln uygular sek; Model : /y 0,00033* 0,000065* 0,00003* 3 0,00009* 4 (0, ) (0, ) (0,000009) (0,000093) denklem ulunmuş olur. Bu model çn R 0,684 ve düzeltlmş R 0,605 dr. R 0,99 olduğu çn ç lşk öneml değldr. ağımsız değşkenler 0

11 C.3, S. Breysel Emekllk Fonlarında Fon Yapılarının Karma matrsnden elde edlen ( ) matrsnn köşegen elemanları toplamı 3,4 (3,440) ve katsayılar matrsnn koşul sayısı 3,7 (3,75) dr. Dolayısıyla Model. İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonu çn koşul kısıtları altında uygun r model oluşturmaktadır. Talo. de verlen İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonu değerlernn koşul kısıtları dkkate alınmaksızın, yapılan yatırımların sonucunda ay sonu rmsel fon fyatlarının oluştuğu düşünülerek çoklu regresyon model kurulalr m? sorusuna yanıt aradığımızda durumun farklı r oyut sergledğn görürüz. Model öncelkle herhang r dönüşüm uygulamadan sat termsz r çoklu regresyon model olarak tanımlar sek yapılan statstksel şlemler sonucunda Model elde edlr. Model : y -536,74* 5449,7* 7053,55* ,07* 4 (9087,53) (939,446) (436,83) (806,9) (-,7870) (6,4450) (-,49) (-0,8465) (0,0644) (0,0000) (0,675) (0,4384) (H 0 red) (H 0 red) (H 0 kaul) (H 0 kaul) şeklnde olur. Bu model çn, R 0,9936, düzeltlmş R 0,990 dr. F statstğ F(4,)467,8, p0,000 dr. Bu model, y (fon fyatı) le,, 3 ve 4 değşkenler arasındak lşky açıklamada öneml r modeldr. Bu model çn ve değşkenlernn katsayıları öneml (p0,05), 3 ve 4 değşkenlernn katsayıları önemsz (p>0,05) ulunmuştur. y ağımlı değşken, çarpıklık (çk,94, p0,335 ve H 0 kaul) ve asıklık (k- 0,0747, p0,9405 ve H 0 kaul) katsayıları açısından normal dağılıma sahptr. Ayrıca, y ağımlı değşken, Kolmogorov-Smrnov (0,0944), Shapro-Wlk W (0,9789) ve Anderson-Darlng (0,85) testler çnde normal dağılıma sahptr. Çoklu ç lşky ncelemek çn ulunan varyans üyütme faktörler (VIF) sırasıyla çn,593, çn 0,009530, 3 çn, ve 4 çn,45707 dr. λ öz değerler se, λ,87794, λ,435583, λ 3 0,6963 ve λ 4 0, olarak ulunur. Ayrıca koşul sayıları,,30,,7 ve 0000 dr. Bazı koşul sayılarının 000 den üyük olması çoklu ç lşk çn cdd r prolemdr. Burada R çok yüksek olduğu halde, varyans üyütme faktörler 0 dan küçüktür. Fakat, sıfırdan farklı öz değern 3 ve koşul sayısının 000 den üyük olması ağımsız değşkenler arasında ç lşknn olduğunu gösterr. Ayrıca, hata termler (ε) dağılımının normal dağılım olduğu ve gözlemler arasındak ardışık ağımlılığı gösteren Durn-Watson test değernn (0,943) kararsız ölgede çıkmasına karşın, standardze hataların zamana göre grafklernden otokorelasyon çıkmadığı görülür. Dolayısıyla, Model. nn çoklu regresyon varsayımlarını sağladığı halde, İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonu çn uygun r model olmadığı ve aşka modellern araştırılması gerektğ sonucuna varılır. Talo. de verlen İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonu değerlernn koşul kısıtları dkkate alınmaksızın, yapılan yatırım

12 RÜZGAR 008 araçlarına göre sat terml çoklu regresyon modeln ay sonu rmsel fon fyatına (y) herhang r dönüşüm yapmadan uygulandığında, yapılan statstksel şlemler sonucunda Model 3. ulunacaktır. Model 3: y 3755,07 57,67* 3904,4* 670,59* 3 (436,83) (7693,3) (303,9) (384,87) (-0,805) (-0,060) (,309) (0,694) (0,43486) (0,953) (0,66) (0,7959) (H 0 kaul) (H 0 kaul) (H 0 kaul) (H 0 kaul) Bu modelde, 4 değşken sstem dışı kalacak ve R 0,605 ve düzeltlmş R 0,506 olacaktır. F statstğ F(3,)6,, p0,009 dur. Bu model, y (fon fyatı) le, ve 3 değşkenler arasındak lşky açıklamada öneml r modeldr. Bu model çn, ve 3 değşkenlernn katsayıları önemsz (p>0,05) ulunmuştur. y ağımlı değşken, çarpıklık (çk,94, p0,335 ve H 0 kaul) ve asıklık (k-0,0747, p0,9405 ve H 0 kaul) katsayıları açısından normal dağılıma sahptr. Ayrıca, y ağımlı değşken, Kolmogorov-Smrnov (0,0944), Shapro-Wlk W (0,9789) ve Anderson- Darlng (0,85) testler çnde normal dağılıma sahptr. Çoklu ç lşky ncelemek çn ulunan varyans üyütme faktörler (VIF) sırasıyla çn 6,766, çn 8,854, 3 çn 0,68 ve 4 çn 0,000 dır. λ öz değerler se, λ,873, λ,436, λ 3 0,69 ve λ 4 0,000 olarak ulunur. Ayrıca koşul sayıları,,30,,7 ve 0000 dr. Bazı koşul sayılarının 000 den üyük olması çoklu ç lşk çn cdd r prolemdr. Burada R düşük olduğu halde, varyans üyütme faktörlernden ks 0 dan üyüktür. Fakat, sıfırdan farklı öz değern 3 ve koşul sayısının 000 den üyük olması ağımsız değşkenler arasında ç lşknn olduğunu gösterr. Ayrıca, hata termler (ε) dağılımının normal dağılım olduğu ve gözlemler arasındak ardışık ağımlılığı gösteren Durn-Watson test değernn (0,943) kararsız ölgede çıkmasına karşın, standardze hataların zamana göre grafklernden otokorelasyon çıkmadığı görülür. Dolayısıyla, Model 3. ün çoklu regresyon varsayımlarını sağladığı halde, İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonu çn uygun r model olmadığı ve aşka modellern araştırılması gerektğ sonucuna varılır. Model. ve Model 3. çn uygulanan çoklu regresyon şlem ay sonu rmsel fon fyatına (y) Talo 3. tek dönüşümler uygulandığı durumda da enzer sonuçlar vermektedr. Yatırım araçlarının koşul kısıtlarının alınmadığı durumda tüm leşenlern kullanılması durumunda çoklu regresyon modellernn geçerl olmamasına karşın, rnc dereceden Scheffé karma modelnn geçerl r çözüm ürettğ görülmektedr. Model. çn tasarımın standart hataları ve artık termlern normal grafğ Şekl. de gösterlmştr.

13 C.3, S. Breysel Emekllk Fonlarında Fon Yapılarının Karma Şekl : Model. n standart hataları ve artık termlern normal grafğ StdErr of Desgn X A: TERSREPO X B: HISSENTURK X3 C: BPP.0/(FONFIYATI) 99.0 Normal Plot of Resduals Actual Component D: KUPDEVTAH StdErr of Desgn X (0.50) Normal % Proalty X3 (0.000) X (0.800).00 X (0.950) X (0.000) X3 (0.50) Studentzed Resduals Tasarımın standart hataları Artık termlern normal grafğ Model. le oluşan /y (y ay sonu rmsel fon fyatı) değerler çn rnc dereceden Scheffé karma model yanıt yüzey Şekl 3. de gösterlmştr. Şekl 3: Ay sonu rmsel fon fyatının yanıt yüzeyler.0/(fonfiyati) X A: TERSREPO X B: HISSENTURK X3 C: BPP Actual Component D: KUPDEVTAH A: TERSREPO E E /(FONFIYATI) X A: TERSREPO X B: HISSENTURK X3 C: BPP Actual Component D: KUPDEVTAH E-005.0/(FO NFIYATI) 8.46E E E B: HISSENTURK C: BPP.0/(FONFIYATI) X (0.950) X3 (0.000) X (0.000) X (0.50) X (0.800) X3 (0.50) Brnc dereceden Scheffé karma model çn ay sonu rmsel fon fyatlarının standart hatalarının yanıt yüzeyler Şekl 4. de gösterlmştr. 3

14 RÜZGAR 008 Şekl 4: Ay sonu rmsel fon fyatının standart hatalarının yanıt yüzeyler StdErr of FONFIYATI X A: TERSREPO X B: HISSENTURK X3 C: BPP Actual Component D: KUPDEVTAH A: TERSREPO 0.50 StdErr of FONFIYATI X A: TERSREPO X B: HISSENTURK X3 C: BPP Actual Component D: KUPDEVTAH E-005.0E E E E E-006.0E B: HISSENTURK C: BPP StdErr of FONFIYATI 9.4E-006 StdErr of FO NFIYATI 7.80E E-006 X3 (0.000) X (0.950) X (0.000) X (0.50) X (0.800) X3 (0.50) Model. n yapısı altında /y y mnmum yapmak (y y maksmum) çn İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonunu oluşturan yatırım araçlarından Ters Repoya en az % 0, en fazla % 3,5, Türk Hsse Senetlerne en az % 85,7, en fazla % 95,3, BPP ye en az % 0, en fazla % 4, ve Kuponlu Devlet Tahvlne en az % 0, en fazla % 5, oranları arasında yatırım yapılmalıdır. Bu yapılan yatırımların değşm aralığı sonucunda /y en az 0, ve en fazla 0,0000 arasında (y, ay sonu rmsel fon fyatı çn en az 9804 ve en fazla 605) değerler alacaktır. Optmum olarak ay sonu rmsel fon fyatını göstermek çn oluşan yanıt yüzey ve u yüzey üzernde daha öncek aylarda yapılan yatırımların gerçekleşme noktaları Şekl 5. de gösterlmştr. Şekl 5: /(Ay sonu fon fyatı) model yanıt yüzey.0/(fonfiyati) Desgn Ponts X A: TERSREPO X B: HISSENTURK X3 C: BPP Actual Component D: KUPDEVTAH A: TERSREPO /(FONFIYATI) X A: TERSREPO X B: HISSENTURK X3 C: BPP Actual Component D: KUPDEVTAH E E-005 Predc 7.0E E E E-005.0/(FONFIYATI) 7.66E E-005 X3 (0.000) X (0.00) B: HISSENTURK C: BPP.0/(FONFIYATI) X (.00) X (0.000) X (0.800) X3 (0.00) 4

15 C.3, S. Breysel Emekllk Fonlarında Fon Yapılarının Karma Talo 4. de Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu çn ay sonu rmsel fon fyatları le u fona yapılan yatırımların oranları gösterlmştr. Aylar Talo 4. Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu Ay Sonu Hazne Ters Kuponlu Devlet Fon Bonosu Repo Devlet Tahvl ( Fyatı (y) ( ) ( ) 3 ) Tahvl ( 4 ) BPP ( 5 ) Eylül ,00 0,844 0,586 0,0000 0,0000 0,0000 Ekm ,00 0,3945 0,353 0,80 0,0000 0,0000 Kasım ,00 0,4550 0,48 0,30 0,0000 0,0000 Aralık ,00 0,0000 0,4009 0,599 0,0000 0,0000 Ocak ,00 0,64 0,78 0,078 0,0000 0,0000 Şuat ,00 0,5830 0,0935 0,05 0,73 0,0000 Mart ,00 0,6755 0,0830 0,093 0,49 0,0000 Nsan ,00 0,6604 0,3 0,0709 0,0474 0,0000 Mayıs ,00 0,403 0,35 0,038 0,0338 0,0000 Hazran ,00 0, 0,5673 0,850 0,055 0,0000 Temmuz ,00 0,08 0,5837 0,007 0,0075 0,0000 Ağustos ,00 0,856 0,579 0,35 0,0000 0,0000 Eylül 004,00 0,59 0,5769 0,307 0,0000 0,0000 Ekm ,00 0,559 0,555 0,83 0,043 0,084 Kasım ,00 0,774 0,496 0,739 0,0689 0,50 Aralık ,00 0,0000 0,4496 0,04 0,86 0,538 Kaynak: Fon ç tüzüğüne göre Para Pyasası-Lkt Kamu Emekllk Yatırım Fonuna yapılan yatırımların değerlendrldğ yatırım araçlarına; Hazne Bonosu en az % 0, en fazla % 00, Ters Repo en az % 0, en fazla % 00, Devlet Tahvl en az % 0, en fazla % 00, Kuponlu Devlet Tahvl en az % 0, en fazla % 00 ve BPP en az % 0, en fazla % 0 oranları arasında yatırım yapılalr. Ayrıca yapılan yatırımların toplamı % 00 ü oluşturmalı, yatırıma yönelmemş r oran olmamalıdır. Bu koşullar altında Scheffé karma modeller çn gelştrlen Desgn-Epert paket programı le çözümler yapılalr. Talo 5: Ay sonu rmsel fon fyatına yapılan dönüşümlere göre Model 4. çn ulunan R ve düzeltlmş R değerler Dönüşümler Dönüşüm formu R Düzeltlmş R Parametreler Lneer y * y 0,879 0,835 Kare kök y * y k 0,875 0,89 k0 Doğal Logartma y * ln( y k ) 0,87 0,84 k0 0 taanında logartma y* log0 (y k) 0,87 0,84 k0 Ters Kare Kök Ters y * y * y k 0,866 0,87 k0 y k 0,86 0,8 k0, n - 5

16 RÜZGAR 008 Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu çn () denklemne uygun rnc dereceden Scheffé karma modeln Model 4. le gösterr ve en y model ulmak çn ay sonu rmsel fon fyatına çeştl dönüşümler uygular sek, dönüşümler sonunda Model 4. ün R ve düzeltlmş R değerler le dönüşümler Talo 5. de verldğ g ulunmuş olacaktır. Talo 5. e göre R ve düzeltlmş R değerler en yüksek değer oluşturan model ay sonu rmsel fon fyatına çn kend modeldr. Scheffé karma denemeler çn () denklem le tanımlanan rnc dereceden Scheffé karma modeln Para Pyasası-Lkt Kamu Emekllk Yatırım Fonuna uygular sek Model 4 elde edlr. Model 4: y 0000* 3900* 8040* 3 400* 4 600* 5 (84) (447) (659) (80) (50) şeklnde ulunmuş olur. Bu model çn R 0,879 ve düzeltlmş R 0,835 dr. R 0,99 olduğu çn ç lşk öneml değldr. ağımsız değşkenler matrsnden elde edlen ( ) matrsnn köşegen elemanları toplamı 5,85 (5,85>50) ve katsayılar matrsnn koşul sayısı 9, (9,5) dr. Dolayısıyla, Model 4. Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu çn koşul kısıtları altında uygun r model oluşturmaktadır. Talo 4. de verlen Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu değerlernn koşul kısıtları dkkate alınmaksızın, yapılan yatırımların sonucunda ay sonu rmsel fon fyatının oluştuğu düşünülerek çoklu regresyon model kurulalr m? sorusuna yanıt aradığımızda se durumun tekrar farklı r oyut oluşturduğunu görürüz. Model öncelkle herhang r dönüşüm uygulamadan sat termsz r çoklu regresyon model olarak tanımlar sek yapılan statstksel şlemler sonucunda Model 5. ulunur. Model 5: y 005,6* 387,08* 804,335* 3 44,4* 4 639,9* 5 (83,7933) (446,9453) (658,875) (8,69) (54,38) (35,359) (3,0353) (,046) (9,6784) (7,497) (0,00000) (0,00000) (0,00000) (0,0000) (0,0000) (H 0 red) (H 0 red) (H 0 red) (H 0 red) (H 0 red) şeklnde olur. Bu model çn, R 0, ve düzeltlmş R 0,999 dr. F statstğ F(5,)33,94, p0,000 dr. Bu model, y (fon fyatı) le,, 3, 4 ve 5 değşkenler arasındak lşky açıklamada öneml r modeldr. Bu model çn,, 3, 4, ve 5 değşkenlernn katsayıları öneml (p0,05), ulunmuştur. y ağımlı değşken, çarpıklık (çk-,058, p0,90 ve H 0 kaul) ve asıklık (k0,53, p0,595 ve H 0 kaul) katsayıları açısından normal dağılıma sahptr. Ayrıca, y ağımlı değşken, Kolmogorov-Smrnov (0,09), Shapro-Wlk W (0,94) ve Anderson-Darlng (0,30) testler çnde normal dağılıma sahptr. Çoklu ç lşky ncelemek çn ulunan varyans üyütme faktörler (VIF) sırasıyla çn 0,64359, çn 0,8536, 3 çn,0547, 4 çn,33834 ve 5 çn,505 dr. λ öz değerler se, 6

17 C.3, S. Breysel Emekllk Fonlarında Fon Yapılarının Karma λ,456404, λ,50496, λ 3 0,6407, λ 4 0,4099 ve λ 5 0, olarak ulunur. Ayrıca koşul sayıları,,64, 3,84 ve 0000 dr. Bazı koşul sayılarının 000 den üyük olması çoklu ç lşk çn cdd r prolemdr. Burada R çok yüksek olduğu halde, varyans üyütme faktörler 0 dan küçüktür. Fakat, sıfırdan farklı öz değern 4 ve koşul sayısının 000 den üyük olması ağımsız değşkenler arasında ç lşknn olduğunu gösterr. Ayrıca, hata termler (ε) dağılımının normal dağılım olduğu ve gözlemler arasındak ardışık ağımlılığı gösteren Durn-Watson test değernn (,5) kararsız ölgede çıkmasına karşın, standardze hataların zamana göre grafklernden otokorelasyon çıkmadığı görülür. Dolayısıyla, Model 5. n çoklu regresyon varsayımlarını sağladığı halde, Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu çn uygun r model olmadığı ve aşka modellern araştırılması gerektğ sonucuna varılır. Talo 4. de verlen Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu değerlernn koşul kısıtları dkkate alınmaksızın, yapılan yatırım araçlarına göre sat terml çoklu regresyon modeln ay sonu rmsel fon fyatına (y) herhang r dönüşüm yapmadan uygular sek, yapılan statstksel şlemler sonucunda Model 6. elde edlr. Model 6: y 639,9 64,65* 68,84* 8098,58* 3 375,5* 4 (59,53) (56,65) (470,75) (304,6) (378,00) (7,430) (-,8353) (-0,983) (-3,54) (-,73) (0,00003) (0,0769) (0,38009) (0,00559) (0,685) (H 0 red) (H 0 red) (H 0 kaul) (H 0 red) (H 0 kaul) şeklnde olacaktır. Bu modelde, 5 değşken sstem dışı kalacak, R 0,879 ve düzeltlmş R 0,835 olacaktır. F statstğ F(4,)9,986, p0,000 dr. Bu model, y (fon fyatı) le,, 3 ve 4 değşkenler arasındak lşky açıklamada öneml r modeldr. Bu model çn, ve 3, değşkenlernn katsayıları öneml (p0,05), ve 4 değşkenlernn katsayıları önemsz (p>0,05) ulunmuştur. y ağımlı değşken, çarpıklık (çk-,058, p0,90 ve H 0 kaul) ve asıklık (k0,53, p0,595 ve H 0 kaul) katsayıları açısından normal dağılıma sahptr. Ayrıca, y ağımlı değşken, Kolmogorov-Smrnov (0,09), Shapro-Wlk W (0,94) ve Anderson-Darlng (0,30) testler çnde normal dağılıma sahptr. Çoklu ç lşky ncelemek çn ulunan varyans üyütme faktörler (VIF) sırasıyla çn 33,7849, çn,5735, 3 çn,4050, 4 çn 7,338 ve 5 çn 0,0000 dır. λ öz değerler se, λ,4567, λ,505, λ 3 0,640, λ 4 0,409 ve λ 5 0,0000 olarak ulunur. Ayrıca koşul sayıları,,64, 3,84 ve 0000 dr. Bazı koşul sayılarının 000 den üyük olması çoklu ç lşk çn cdd r prolemdr. Burada R üyük olduğu halde, varyans üyütme faktörlernden üçü de 0 dan üyüktür. Fakat, sıfırdan farklı öz değern 4 ve koşul sayısının 000 den üyük olması ağımsız değşkenler arasında ç lşknn olduğunu gösterr. Ayrıca, hata termler (ε) dağılımının normal dağılım olduğu ve gözlemler arasındak ardışık ağımlılığı gösteren Durn-Watson test değernn (,5) kararsız ölgede çıkmasına karşın, standardze hataların zamana göre grafklernden 7

18 RÜZGAR 008 otokorelasyon çıkmadığı görülür. Dolayısıyla, Model 6. nın çoklu regresyon varsayımlarını sağladığı halde, Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu çn uygun r model olmadığı ve aşka modellern araştırılması gerektğ sonucuna varılır. Yatırım araçlarının koşul kısıtlarının alınmadığı durumda çoklu regresyon modellernn geçerl olmamasına karşın, koşul kısıtları altında rnc dereceden Scheffé karma model, Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu çn geçerl r çözüm üretmektedr. Şekl 6: Model 4. n standart hataları ve artık termlern normal grafğ StdErr of Desgn X A: HAZBONO X B: TERSREPO X3 C: DEVTAH FONFIYATI 99.0 Normal Plot of Resduals Actual Components D: KUPDEVTAH 0.38 E: BPP S tde rr of Desgn X (0.74) 0.65 X3 (0.000) X (0.000) Normal % P roalty X (0.74) X (0.000) X3 (0.74) Studentzed Resduals Tasarımın standart hataları Artık termlern normal grafğ Şekl 7. Ay sonu rmsel fon fyatının yanıt yüzeyler FONFIYATI X A: HAZBONO X B: TERSREPO X3 C: DEVTAH Actual Components D: KUPDEVTAH 0.38 E: BPP A: HAZBONO 0.74 FONFIYATI X A: HAZBONO X B: TERSREPO X3 C: DEVTAH Actual Components D: KUPDEVTAH E004 E: BPP E004.09E E004.E004.0E004.5E004.04E004 FO N FIY A TI 9.37E003.9E004 X (0.74) X3 (0.000) X (0.000) 0.74 B: TERSREPO C: DEVTAH FONFIYATI X (0.74) X (0.000) X3 (0.74) Brnc dereceden Scheffé karma Model olarak oluşturulan Model 4. çn tasarımın standart hataları ve artık termlern normal grafğ Şekl 6. da, Model 4. le oluşan y değerler yanıt yüzey olarak da Şekl 7. de gösterlmştr. Ay sonu rmsel fon fyatlarının standart hatalarının yanıt 8

19 C.3, S. Breysel Emekllk Fonlarında Fon Yapılarının Karma yüzeyler Şekl 8. de ve ay sonu rmsel fon fyatı model yanıt yüzeyler de Şekl 9. da gösterlmştr. Şekl 8: Ay sonu rmsel fon fyatının standart hatalarının yanıt yüzeyler StdErr of FONFIYATI X A: HAZBONO X B: TERSREPO X3 C: DEVTAH Actual Components D: KUPDEVTAH 0.38 E: BPP A: HAZBONO 0.74 StdErr of FONFIYATI X A: HAZBONO X B: TERSREPO X3 C: DEVTAH Actual Components D: KUPDEVTAH 0.38 E: BPP S td E rr o f FO N FIY A TI X3 (0.000) X (0.74) X (0.000) 0.74 B: TERSREPO C: DEVTAH StdErr of FONFIYATI X (0.74) X (0.000) X3 (0.74) Şekl 9: Ay sonu rmsel fon fyatı model yanıt yüzey FONFIYATI X A: HAZBONO X B: TERSREPO X3 C: DEVTAH Actual Components D: KUPDEVTAH 0.50 E: BPP 0.37 A: HAZBONO 0.73 FONFIYATI X A: HAZBONO X B: TERSREPO X3 C: DEVTAH Actual Components.40E004 D: KUPDEVTAH 0.50 E: BPP E004.8E E004.0E Predc.30E004.6E004.08E004 F O N F IY A T I 9.7E003.34E004.0E004 X3 (0.000) X (0.73) 0.73 B: TERSREPO C: DEVTAH FONFIYATI X (0.73) X (0.000) X (0.000) X3 (0.73) Model 4. ün yapısı altında y y maksmum yapmak çn Para Pyasası-Lkt Kamu Emekllk Yatırım Fonunu oluşturan yatırım araçlarından Hazne Bonosuna en az % 0, en fazla % 84,, Ters Repoya en az % 8,3, en fazla % 58,4, Devlet Tahvlne en az % 0, en fazla % 59,9, Kuponlu Devlet Tahvlne en az % 0, en fazla % 7,7 ve BPP ye en az % 0, en fazla % 5,4 oranları arasında yatırım yapılmalıdır. Bu yapılan yatırımların değşm aralığı sonucunda ay sonu rmsel fon fyatı en az 0000 ve en fazla 700 değerlern alacaktır. Optmum ay sonu rmsel fon fyatını elrlemek çn oluşan yanıt yüzey Şekl 9. de gösterlmştr. 9

20 RÜZGAR SONUÇ Türkye ekonomsnn gelecek 5-0 yıl çersnde en üyük kaynaklarından r halne gelecek olan Breysel Emekllk Fonları üzerne yapılacak çalışmalar her gün hızla artacak ve fonlar üzerne modeller kurulmaya çalışılacaktır. Fon yönetcler, mevcut fonların yapılarına göre reylern reysel emekllk rkmlern çeştl yatırım araçlarında değerlendrerek en y getry oluşturmaya çalışırken gerekl lmsel çalışmaları da yapmak zorundadırlar. Bu nedenle Breysel Emekllk Fonları üzerne yapılan çalışmalar üyük önem taşımaktadır. İncelenen modeller doğrultusunda Breysel Emekllk Fonlarının çerğn oluşturan yatırım araçlarının karşılıklı çarpımlarından oluşan (3), (4) ve (5) denklemler le verlen knc dereceden, üçüncü dereceden ve özel üçüncü dereceden Scheffé karma modeller uygun modeller oluşturmasına karşın, () denklem le verlen rnc dereceden Scheffé karma model uygun model oluşturmaktadır. Fon çerklern oluşturan yatırım araçlarının karşılıklı çarpımlarından oluşan yen değşkenl Scheffé karma modeller çn de çoklu regresyonda oluşturulan modellerde olduğu g, ç lşk oluşmakta ve modeller geçersz kılmaktadır. Breysel emekllk fonları yatırım araçları açısından yoğun kısıtlara sahp olduklarından ancak rnc dereceden Scheffé karma modeller çn uygun yapılar oluşturmaktadırlar. Dğer yandan, fonların yatırım yapıldığı yatırım araçlarına at kısıtlar dkkate alınmaksızın çoklu lneer regresyon modeller le (sat terml veya sat termsz) modeller kurulmaya çalışıldığında se ç lşknn olduğu, yan u tür modellern kurulamayacağı görülmektedr. Bu nedenle, örnek olarak ncelenen k adet Para Pyasası-Lkt Kamu Emekllk Yatırım Fonu ve İhtsaslaşmış İMKB Ulusal 30 Endeks Emekllk Yatırım Fonu doğrultusunda rnc dereceden Scheffé karma modellernn Breysel Emekllk Fonlarının modellenmes çn uygun yapılar oluşturdukları ve modellemelerde kullanılalecekler görülmektedr. KAYNAKLAR. Aczel, A. D., Complete Busness Statstcs, Second Edton, Boston, Irwın, 99, Akay, U. K., Karma Denemelerde Tasarımların ve Modellern Karşılaştırılması, Yüksek Lsans Tez, 003, Cornell, J. A., Eperments Wth Mtures, Second Edton, New York, John Wley & Sons, 990, 4-30, 475, Coşkuntuncel, O. Ve Erol, H., Karma Denemelerde, Tasarımlarda Ve Modellerde Kötü Koşulluluk Prolem, Yüksek Lsans Tez, 00, 5. df., Croser, B. R., Mture Eperments: Geometry and Pseudocomponents, Technometrcs, Vol. 6, 984,

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU

ÇOKLU REGRESYON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESYON ÇÖZÜMLEMESİ,REGRES-YON KATSAYILARININ YORUMU 6.07.0 ÇOKLU REGRESON MODELİ, ANOVA TABLOSU, MATRİSLERLE REGRESON ÇÖZÜMLEMESİ,REGRES-ON KATSAILARININ ORUMU ÇOKLU REGRESON MODELİ Ekonom ve şletmeclk alanlarında herhang br bağımlı değşken tek br bağımsız

Detaylı

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI

ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN SINANMASI V. Ulusal Üretm Araştırmaları Sempozyumu, İstanbul Tcaret Ünverstes, 5-7 Kasım 5 ENDÜSTRİNİN DEĞİŞİK İŞ KOLLARINDA İHTİYAÇ DUYULAN ELEMANLARIN YÜKSEK TEKNİK EĞİTİM MEZUNLARINDAN SAĞLANMASINDAKİ BEKLENTİLERİN

Detaylı

Muhasebe ve Finansman Dergisi

Muhasebe ve Finansman Dergisi Muhasebe ve Fnansman Dergs Ocak/2012 Farklı Muhasebe Düzenlemelerne Göre Hazırlanan Mal Tablolardan Elde Edlen Fnansal Oranlar İle Şrketlern Hsse Sened Getrler Ve Pyasa Değerler Arasındak İlşk Ahmet BÜYÜKŞALVARCI

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

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011)

SEK Tahmincilerinin Arzulanan Özellikleri. SEK Tahmincilerinin Arzulanan Özellikleri. Ekonometri 1 Konu 9 Sürüm 2,0 (Ekim 2011) SEK Tahmnclernn Arzulanan Özellkler İk Değşkenl Bağlanım Model SEK Tahmnclernn Arzulanan Özellkler Ekonometr 1 Konu 9 Sürüm 2,0 (Ekm 2011) http://www.ackders.org.tr SEK Tahmnclernn Arzulanan Özellkler

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Gülesen ÜSTÜNDAĞ BAZI PARAMETRİK OLMAYAN İSTATİSTİKSEL YÖNTEMLERİN İNCELENMESİ İSTATİSTİK ANABİLİM DALI ADANA, 005 ÇUKUROVA ÜNİVERSİTESİ

Detaylı

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının

X, R, p, np, c, u ve diğer kontrol diyagramları istatistiksel kalite kontrol diyagramlarının 1 DİĞER ÖZEL İSTATİSTİKSEL KALİTE KONTROL DİYAGRAMLARI X, R, p, np, c, u ve dğer kontrol dyagramları statstksel kalte kontrol dyagramlarının temel teknkler olup en çok kullanılanlarıdır. Bu teknkler ell

Detaylı

HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER

HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER İstanbul Ünverstes İktsat Fakültes Malye Araştırma Merkez Konferansları 47. Ser / Yıl 005 Prof. Dr. Türkan Öncel e Armağan HİSSE SENETLERİNİN BEKLENEN GETİRİ VE RİSKLERİNİN TAHMİNİNDE ALTERNATİF MODELLER

Detaylı

FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ

FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ Anadolu Tarım Blm. Derg., 2009,24(2):98-102 Anadolu J. Agrc. Sc., 2009,24(2):98-102 Araştırma Research FAKTÖR A ALĐZ SKORLARI KULLA ILARAK KARAYAKA KUZULARI DA CA LI AĞIRLIK TAHMĐ Đ Soner ÇA KAYA* Aydın

Detaylı

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011)

SEK Yönteminin Güvenilirliği Sayısal Bir Örnek. Ekonometri 1 Konu 11 Sürüm 2,0 (Ekim 2011) İk Değşkenl Bağlanım Model SEK Yöntemnn Güvenlrlğ Ekonometr 1 Konu 11 Sürüm,0 (Ekm 011) UADMK Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported (CC BY-NC-SA 3.0)

Detaylı

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA

YÖNETİM VE EKONOMİ Yıl:2006 Cilt:13 Sayı:1 Celal Bayar Üniversitesi İ.İ.B.F. MANİSA YÖNETİM VE EKONOMİ Yıl:2006 Clt:3 Sayı: Celal Bayar Ünverstes İ.İ.B.F. MANİSA Bulanık Araç Rotalama Problemlerne Br Model Öners ve Br Uygulama Doç. Dr. İbrahm GÜNGÖR Süleyman Demrel Ünverstes, İ.İ.B.F.,

Detaylı

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225

Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 1, 2011 225 Atatürk Ünverstes İktsad ve İdar Blmler Dergs, Clt: 25, Sayı:, 20 225 FİNANSAL ANALİZDE KULLANILAN ORANLAR VE HİSSE SENEDİ GETİRİLERİ ARASINDAKİ İLİŞKİ: EKONOMİK KRİZ DÖNEMLERİ İÇİN İMKB İMALAT SANAYİ

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

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI

Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI C.Ü. İktsad ve İdar Blmler Dergs, Clt 4, Sayı 1, 3 6 Kİ-KARE VE KOLMOGOROV SMİRNOV UYGUNLUK TESTLERİNİN SİMULASYON İLE ELDE EDİLEN VERİLER ÜZERİNDE KARŞILAŞTIRILMASI H. BİRCAN, Y. KARAGÖZ ve Y. KASAPOĞLU

Detaylı

ANE - AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF

ANE - AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU FON KURULU ÜÇÜNCÜ 3 AYLIK FAALİYET RAPORU Bu rapor AEGON Emekllk ve Hayat A.Ş Dengel Emekllk Yatırım Fonu nun 01.07.2011 30.09.2011 dönemne

Detaylı

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI Ki-Kare Analizleri

Kİ KARE ANALİZİ. Doç. Dr. Mehmet AKSARAYLI  Ki-Kare Analizleri Kİ KAR ANALİZİ 1 Doç. Dr. Mehmet AKSARAYLI www.mehmetaksarayl K-Kare Analzler OLAY 1: Genelde br statstk sınıfında, öğrenclern %60 ının devamlı, %30 unun bazen, %10 unun se çok az derse geldkler düşünülmektedr.

Detaylı

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler

BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER İki Boyutlu Rasgele Değişkenler BÖLÜM 5 İKİ VEYA DAHA YÜKSEK BOYUTLU RASGELE DEĞİŞKENLER 5.. İk Boyutlu Rasgele Değşkenler Br deney yapıldığında, aynı deneyle lgl brçok rasgele değşkenn aynı andak durumunu düşünmek gerekeblr. Böyle durumlarda

Detaylı

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE

YAYILI YÜK İLE YÜKLENMİŞ YAPI KİRİŞLERİNDE GÖÇME YÜKÜ HESABI. Perihan (Karakulak) EFE BAÜ Fen Bl. Enst. Dergs (6).8. YAYII YÜK İE YÜKENİŞ YAPI KİRİŞERİNDE GÖÇE YÜKÜ HESABI Perhan (Karakulak) EFE Balıkesr Ünverstes ühendslk marlık Fakültes İnşaat üh. Bölümü Balıkesr, TÜRKİYE ÖZET Yapılar

Detaylı

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre

bir yol oluşturmaktadır. Yine i 2 , de bir yol oluşturmaktadır. Şekil.DT.1. Temel terimlerin incelenmesi için örnek devre Devre Analz Teknkler DEE AAĐZ TEKĐKEĐ Bu zamana kadar kullandığımız Krchoffun kanunları ve Ohm kanunu devre problemlern çözmek çn gerekl ve yeterl olan eştlkler sağladılar. Fakat bu kanunları kullanarak

Detaylı

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

Farklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 Eşit Varyans Farklı Varyans Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans Y X 1 Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = s Farklı Varyans Zaman EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern

Detaylı

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet

ALGILANAN HİZMET KALİTESİ VE LOJİSTİK REGRESYON ANALİZİ İLE HİZMET TERCİHİNE ETKİSİNİN BELİRLENMESİ. Özet Dokuz Eylül Ünverstes Sosyal Blmler Ensttüsü Dergs Yayın Gelş Tarh: 18.02.2011 Clt: 13, Sayı: 1, Yıl: 2011, Sayfa: 21-37 Yayına Kabul Tarh: 17.03.2011 ISSN: 1302-3284 ALGILANAN HİZMET KALİTESİ VE LOJİSTİK

Detaylı

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim.

Standart Model (SM) Lagrange Yoğunluğu. u, d, c, s, t, b. e,, Şimdilik nötrinoları kütlesiz Kabul edeceğiz. Kuark çiftlerini gösterelim. SM de yer alacak fermyonlar Standart Model (SM) agrange Yoğunluğu u s t d c b u, d, c, s, t, b e e e,, Şmdlk nötrnoları kütlesz Kabul edeceğz. Kuark çftlern gösterelm. u, c ve t y u (=1,,) olarak gösterelm.

Detaylı

KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ

KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM TALEP SİSTEMİ YAKLAŞIMIYLA ANALİZİ Süleyman Demrel Ünverstes Sosyal Blmler Ensttüsü Dergs Yıl: 2007/2, Sayı: 6 Journal of Suleyman Demrel Unversty Insttue of Socal Scences Year: 2007/2, Number: 6 KIRMIZI, TAVUK VE BEYAZ ET TALEBİNİN TAM

Detaylı

Tek Yönlü Varyans Analizi

Tek Yönlü Varyans Analizi Tek Yönlü Varyan Analz Nedr ve hang durumlarda kullanılır? den fazla grupların karşılaştırılmaı öz konuu e, çok ayıda t-tet nn kullanılmaı, Tp I hatanın artmaına yol açar; Örneğn, eğer 5 grubu kşerl olarak

Detaylı

Merkezi Eğilim (Yer) Ölçüleri

Merkezi Eğilim (Yer) Ölçüleri Merkez Eğlm (Yer) Ölçüler Ver setn tanımlamak üzere kullanılan ve genellkle tüm elemanları dkkate alarak ver setn özetlemek çn kullanılan ölçülerdr. Ver setndek tüm elemanları temsl edeblecek merkez noktasına

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

Hasar sıklıkları için sıfır yığılmalı kesikli modeller

Hasar sıklıkları için sıfır yığılmalı kesikli modeller www.statstkcler.org İstatstkçler Dergs 5 (01) 3-31 İstatstkçler Dergs Hasar sıklıkları çn sıfır yığılmalı keskl modeller Sema Tüzel Hacettepe Ünverstes Aktüerya Blmler Bölümü 06800-Beytepe, Ankara, Türkye

Detaylı

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3

( ) 3.1 Özet ve Motivasyon. v = G v v Operasyonel Amplifikatör (Op-Amp) Deneyin Amacı. deney 3 Yıldız Teknk Ünverstes Elektrk Mühendslğ Bölümü Deneyn Amacı İşlemsel kuvvetlendrcnn çalışma prensbnn anlaşılması le çeştl OP AMP devrelernn uygulanması ve ncelenmes. Özet ve Motvasyon.. Operasyonel Amplfkatör

Detaylı

Calculating the Index of Refraction of Air

Calculating the Index of Refraction of Air Ankara Unversty Faculty o Engneerng Optcs Lab IV Sprng 2009 Calculatng the Index o Reracton o Ar Lab Group: 1 Teoman Soygül Snan Tarakçı Seval Cbcel Muhammed Karakaya March 3, 2009 Havanın Kırılma Đndsnn

Detaylı

1. KEYNESÇİ PARA TALEBİ TEORİSİ

1. KEYNESÇİ PARA TALEBİ TEORİSİ DERS NOTU 07 KEYNESÇİ PARA TALEBİ TEORİSİ, LM EĞRİSİ VE PARA TALEBİ FAİZ ESNEKLİĞİ Bugünk dersn çerğ: 1. KEYNESÇİ PARA TALEBİ TEORİSİ... 1 1.1 İŞLEMLER (MUAMELELER) TALEBİ... 2 1.2 ÖNLEM (İHTİYAT) TALEBİ...

Detaylı

Sorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat

Sorunun varlığı durumunda hata terimi varyans-kovaryans matrisi Var, Cov(u) = E(uu') = σ 2 I n şeklinde yazılamıyor fakat 8. DEĞİŞEN VARYANS SORUNU (HETEROSCEDASTICITY) 8.. Değşen Varyans Sorunu Nedr? Matrslerle yan Y = β u Y = β β β 3 3 β k k u, = n genel doğrusal modeln ele alalım. Hata term çn yapılan varsayımlardan brs

Detaylı

Basel II Geçiş Süreci Sıkça Sorulan Sorular

Basel II Geçiş Süreci Sıkça Sorulan Sorular Basel II Geçş Sürec Sıkça Sorulan Sorular Soru No: 71 Cevaplanma Tarh: 06.03.2012 İlgl Hüküm: --- Konu: Gayrmenkul İpoteğyle Temnatlandırılmış Alacaklar İçn KR510AS Formunun Doldurulmasına İlşkn Örnek

Detaylı

Deney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı

Deney No: 2. Sıvı Seviye Kontrol Deneyi. SAKARYA ÜNİVERSİTESİ Dijital Kontrol Laboratuvar Deney Föyü Deneyin Amacı SRY ÜNİVERSİESİ Djtal ontrol Laboratuvar Deney Föyü Deney No: 2 Sıvı Sevye ontrol Deney 2.. Deneyn macı Bu deneyn amacı, doğrusal olmayan sıvı sevye sstemnn belrlenen br çalışma noktası cvarında doğrusallaştırılmış

Detaylı

YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS

YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS YAŞAM ÇÖZÜMLEMESİNDE AYKIRI DEĞERLER OUTLIERS IN SURVIVAL ANALYSIS NURAY TUNCER PROF. DR. DURDU KARASOY Tez Danışmanı Hacettepe Ünverstes Lsansüstü Eğtm-Öğretm Yönetmelğnn İstatstk Anablm Dalı İçn Öngördüğü

Detaylı

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ

FARKLI VERİ YAPILARINDA KULLANILABİLECEK REGRESYON YÖNTEMLERİ Anadolu Tarım Blm. Derg., 203,28(3):68-74 Anadolu J Agr Sc, 203,28(3):68-74 do: 0.76/anaas.203.28.3.68 URL: htt://dx.do.org/0.76/anaas.203.28.3.68 Derleme Revew FARKLI VERİ YAPILARINDA KULLANILABİLECEK

Detaylı

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI

TRANSPORT PROBLEMI için GELIsTIRILMIs VAM YÖNTEMI Yönetm, Yl 9, Say 28, Ekm - 1997,5.20-25 TRANSPORT PROBLEMI ÇIN GELIsTIRILMIs VAM YÖNTEMI Dr. Erhan ÖZDEMIR I.Ü. Teknk Blmler M.Y.O. L.GIRIs V AM transport problemlerne en düsük malyetl baslangç çözüm

Detaylı

DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI

DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI DEĞİŞKEN DÖVİZ KURLARI ORTAMINDA GLOBAL BİR ŞİRKETTEKİ ESNEKLİĞİN DEĞERİ VE OPTİMUM KULLANIMI Mehmet Aktan Atatürk Ünverstes, Endüstr Mühendslğ Bölümü, 25240, Erzurum. Özet: Dövz kurlarındak değşmler,

Detaylı

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES

AKADEMİK YAKLAŞIMLAR DERGİSİ JOURNAL OF ACADEMIC APPROACHES Konut Sahplğnn Belrleycler: Hanehalkı Resler Üzerne Br Uygulama Halm TATLI 1 Özet İnsanların barınma htyacını sağlayan konut, temel htyaçlar arasında yer almaktadır. Konut sahb olmayan ve krada oturan

Detaylı

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği *

Şiddet-Süre-Frekans Bağıntısının Genetik Algoritma ile Belirlenmesi: GAP Örneği * İMO Teknk Derg, 28 4393-447, Yazı 29 Şddet-Süre-Frekans Bağıntısının Genetk Algortma le Belrlenmes: GAP Örneğ * Hall KARAHAN* M. Tamer AYVAZ** Gürhan GÜRARSLAN*** ÖZ Bu çalışmada, Genetk Algortma (GA)

Detaylı

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ

İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Türkye İnşaat Mühendslğ, XVII. Teknk Kongre, İstanbul, 2004 İÇME SUYU ŞEBEKELERİNİN GÜVENİLİRLİĞİ Nur MERZİ 1, Metn NOHUTCU, Evren YILDIZ 1 Orta Doğu Teknk Ünverstes, İnşaat Mühendslğ Bölümü, 06531 Ankara

Detaylı

MÜŞTERİ MEMNUNİYET İNDEKSLERİ VE CEP TELEFONU SEKTÖRÜNDE BİR PLOT UYGULAMA ÖZET

MÜŞTERİ MEMNUNİYET İNDEKSLERİ VE CEP TELEFONU SEKTÖRÜNDE BİR PLOT UYGULAMA ÖZET MÜŞTERİ MEMNUNİYET İNDEKSLERİ VE CEP TELEFONU SEKTÖRÜNDE BİR PLOT UYGULAMA Al Türkyılmaz Fath Ünverstes, Endüstr Mühendslğ Bölümü, 34900 Büyükçekmece İstanbul Tel: (212) 8890810 1094 Fax: (212) 8890906

Detaylı

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre

DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME. Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cinemre 1 DOĞRUSAL HEDEF PROGRAMLAMA İLE BÜTÇELEME Hazırlayan: Ozan Kocadağlı Danışman: Prof. Dr. Nalan Cnemre 2 BİRİNCİ BÖLÜM HEDEF PROGRAMLAMA 1.1 Grş Karar problemler amaç sayısına göre tek amaçlı ve çok amaçlı

Detaylı

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ Berrn GÜLTAY YÜKSEK LİSANS TEZİ ÇOKLU İÇ İLİŞKİ VE EKOLOJİK REGRESYON İSTATİSTİK ANABİLİM DALI ADANA, 9 ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOKLU

Detaylı

REGRESYON ANALİZİ BÖLÜM 5-6

REGRESYON ANALİZİ BÖLÜM 5-6 REGRESYON ANALİZİ BÖLÜM 5-6 Yayın Tarh: 03-11-2007 Revzyon No:0 1 5. E.K.K. REGRESYONUNDA KARŞILAŞILAN PROBLEMLER VE BAZI KONU BAŞLIKLARI 2 1 EN KÜÇÜK KARELERDE KARŞILAŞILAN PROBLEMLER EKK da karşılaşılan

Detaylı

2.7 Bezier eğrileri, B-spline eğrileri

2.7 Bezier eğrileri, B-spline eğrileri .7 Bezer eğrler, B-splne eğrler Bezer eğrler ve B-splne eğrler blgsaar grafklernde ve Blgsaar Destekl Tasarım (CAD) ugulamalarında çok kullanılmaktadır.. B-splne eğrler sadece br grup ver noktası çn tanımlanan

Detaylı

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ

ALTERNATİF AKIM DEVRE YÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ BÖLÜM 6 ALTERNATİF AKIM DEVRE ÖNTEM VE TEOREMLER İLE ÇÖZÜMÜ 6. ÇEVRE AKIMLAR ÖNTEMİ 6. SÜPERPOZİSON TEOREMİ 6. DÜĞÜM GERİLİMLER ÖNTEMİ 6.4 THEVENİN TEOREMİ 6.5 NORTON TEOREMİ Tpak GİRİŞ Alternatf akımın

Detaylı

TEKNOLOJİ, PİYASA REKABETİ VE REFAH

TEKNOLOJİ, PİYASA REKABETİ VE REFAH TEKNOLOJİ, PİYASA REKABETİ VE REFAH Dr Türkmen Göksel Ankara Ünverstes Syasal Blgler Fakültes Özet Bu makalede teknoloj sevyesnn pyasa rekabet ve refah sevyes üzerndek etkler matematksel br model le ncelenecektr

Detaylı

Türkiye deki Đşsizlik Oranının Bulanık Doğrusal Regresyon Analiziyle Tahmini

Türkiye deki Đşsizlik Oranının Bulanık Doğrusal Regresyon Analiziyle Tahmini İstatstkçler Dergs: İstatstk & Aktüerya Journal of Statstcans: Statstcs and Actuaral Scences IDIA 8, 5, -6 Gelş/Receved:6.4.5, Kabul/Accepted: 3.6.5 www.statstkcler.org Türkye dek Đşszlk Oranının Bulanık

Detaylı

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN

ADJUSTED DURBIN RANK TEST FOR SENSITIVITY ANALYSIS IN BALANCED INCOMPLETE BLOCK DESIGN SAÜ Fen Edebyat Dergs (2010-I) F.GÖKPINAR v.d. DENGELİ TAMAMLANMAMIŞ BLOK TASARIMINDA, DUYUSAL ANALİZ İÇİN DÜZELTİLMİŞ DURBİN SIRA SAYILARI TESTİ Fkr GÖKPINAR*, Hülya BAYRAK, Dlşad YILDIZ ve Esra YİĞİT

Detaylı

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences

Pamukkale Üniversitesi Mühendislik Bilimleri Dergisi Pamukkale University Journal of Engineering Sciences Pamukkale Ünverstes Mühendslk Blmler Dergs, Clt 0, Sayı 3, 04, Sayfalar 85-9 Pamukkale Ünverstes Mühendslk Blmler Dergs Pamukkale Unversty Journal of Engneerng Scences PREFABRİK ENDÜSTRİ YAPIARININ ARMONİ

Detaylı

Finansal Riskten Korunma Muhasebesinde Etkinliğin Ölçülmesi

Finansal Riskten Korunma Muhasebesinde Etkinliğin Ölçülmesi Fnansal Rskten Korunma Muhasebesnde Etknlğn Ölçülmes Dr. Fahreddn OKUDAN * Fath Ünverstes, İİBF. Özet Bu makalenn amacı, etknlk test yöntemlernn ncelenmesdr. TMS 39, rskten korunma muhasebes uygulanablmes

Detaylı

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests

Obtaining Classical Reliability Terms from Item Response Theory in Multiple Choice Tests Ankara Unversty, Journal of Faculty of Educatonal Scences, year: 26, vol: 39, no: 2, 27-44 Obtanng Classcal Relablty Terms from Item Response Theory n Multple Choce Tests Hall Yurdugül * ABSTRACT: The

Detaylı

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ

4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Ünsal M.; Varol, A.: Soğutma Kulelernn Boyutlandırılması İçn Br Kuramsal 8 Mayıs 990, S: 8-85, Adana 4.5. SOĞUTMA KULELERİNİN BOYUTLANDIRILMASI İÇİN BİR ANALIZ Asaf Varol Fırat Ünverstes, Teknk Eğtm Fakültes,

Detaylı

Regresyon ve Korelasyon Analizi. Regresyon Analizi

Regresyon ve Korelasyon Analizi. Regresyon Analizi Regresyo ve Korelasyo Aalz Regresyo Aalz Regresyo Aalz Regresyo aalz, aralarıda sebep-souç lşks bulua k veya daha fazla değşke arasıdak lşky belrlemek ve bu lşky kullaarak o kou le lgl tahmler (estmato)

Detaylı

TEKNOLOJĐK ARAŞTIRMALAR

TEKNOLOJĐK ARAŞTIRMALAR www.teknolojkarastrmalar.com ISSN:134-4141 Makne Teknolojler Elektronk Dergs 28 (1) 61-68 TEKNOLOJĐK ARAŞTIRMALAR Kısa Makale Tabakalı Br Dskn Termal Gerlme Analz Hasan ÇALLIOĞLU 1, Şükrü KARAKAYA 2 1

Detaylı

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2

KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ. Dr. Ali Rıza AKTAŞ 1 Dr. Selim Adem HATIRLI 2 Journal of Yasar Unversty 2010 3294-3319 KENTSEL ALANDA ET TALEP ANALİZİ: BATI AKDENİZ BÖLGESİ ÖRNEĞİ Dr. Al Rıza AKTAŞ 1 Dr. Selm Adem HATIRLI 2 ÖZET Bu çalışmada, Batı Akdenz Bölges kent merkezlernde

Detaylı

TEMEL DEVRE KAVRAMLARI VE KANUNLARI

TEMEL DEVRE KAVRAMLARI VE KANUNLARI TDK Temel Devre Kavramları ve Kanunları /0 TEMEL DEVRE KAVRAMLARI VE KANUNLARI GĐRĐŞ: Devre analz gerçek hayatta var olan fzksel elemanların matematksel olarak modellenerek gerçekte olması gereken sonuçların

Detaylı

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ

BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ BANKACILIKTA ETKİNLİK VE SERMAYE YAPISININ BANKALARIN ETKİNLİĞİNE ETKİSİ Yrd. Doç. Dr. Murat ATAN - Araş. Gör. Gaye KARPAT ÇATALBAŞ 2 ÖZET Bu çalışma, Türk bankacılık sstem çnde faalyet gösteren tcar bankaların

Detaylı

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI

DENEY 4: SERİ VE PARALEL DEVRELER,VOLTAJ VE AKIM BÖLÜCÜ KURALLARI, KIRCHOFF KANUNLARI A. DNYİN AMACI : Bast ser ve bast paralel drenç devrelern analz edp kavramak. Voltaj ve akım bölücü kurallarını kavramak. Krchoff kanunlarını deneysel olarak uygulamak. B. KULLANILACAK AAÇ V MALZML : 1.

Detaylı

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi

Antalya Đlinde Serada Domates Üretiminin Kâr Etkinliği Analizi Tarım Blmler Dergs Tar. Bl. Der. Derg web sayfası: www.agr.ankara.edu.tr/derg Journal of Agrcultural Scences Journal homepage: www.agr.ankara.edu.tr/journal TARIM BİLİMLERİ DERGİSİ JOURNAL OF AGRICULTURAL

Detaylı

TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Faik YNAM ÖZET

TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Faik YNAM ÖZET TÜRKYE'DE TRAFK KAZALARININ MODELLENMES K. Selçuk ÖÜT A. Fak YNAM stanbul Teknk Ünverstes stanbul Teknk Ünverstes ÖZET Trafk kazaları, ülkemz gündemn sürekl olarak gal eden konularıdan brdr. Üzernde çok

Detaylı

THOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM

THOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM Osmangaz Ünverstes Müh.Mm.Fak.Dergs C.XVII, S., 004 Eng.&Arch.Fac.Osmangaz Unversty, Vol.XVII, No :, 004 THOMAS-FİERİNG MODELİ İLE SENTETİK AKIŞ SERİLERİNİN HESAPLANMASINDA YENİ BİR YAKLAŞIM Recep BAKIŞ,

Detaylı

PORTFÖY OPTİMİZASYONU. Doç.Dr.Aydın ULUCAN

PORTFÖY OPTİMİZASYONU. Doç.Dr.Aydın ULUCAN PORTFÖY OPTİMİZASYOU Doç.Dr.Aydın ULUCA KARAR VERME Karar verme, ş dünyasının çalışmasını sağlayan temel unsurlardandır. Tüm yönetcler, bulundukları faalyet alanı ve kademelernden bağımsız olarak stratejk

Detaylı

Kısa Vadeli Sermaye Girişi Modellemesi: Türkiye Örneği

Kısa Vadeli Sermaye Girişi Modellemesi: Türkiye Örneği Dokuz Eylül Ünverstes İktsad ve İdar Blmler Fakültes Dergs, Clt:24, Sayı:1, Yıl:2009, ss.105-122. Kısa Vadel Sermaye Grş Modellemes: Türkye Örneğ Mehmet AKSARAYLI 1 Özhan TUNCAY 2 Alınma Tarh: 04-2008,

Detaylı

= P 1.Q 1 + P 2.Q P n.q n (Ürün Değeri Yaklaşımı)

= P 1.Q 1 + P 2.Q P n.q n (Ürün Değeri Yaklaşımı) A.1. Mll Gelr Hesaplamaları ve Bazı Temel Kavramlar 1 Gayr Saf Yurtç Hâsıla (GSYİH GDP): Br ekonomde belrl br dönemde yerleşklern o ülkede ekonomk faalyetler sonucunda elde ettkler gelrlern toplamıdır.

Detaylı

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ

ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE TEK ÇARPIMSAL SİNİR HÜCRELİ YAPAY SİNİR AĞI MODELİNİN EĞİTİMİ İÇİN ABC VE BP YÖNTEMLERİNİN KARŞILAŞTIRILMASI ÖZ ANADOLU ÜNİVERSİTESİ Blm ve Teknoloj Dergs A-Uygulamalı Blmler ve Mühendslk Clt: 14 Sayı: 3 013 Sayfa: 315-38 ARAŞTIRMA MAKALESİ/RESEARCH ARTICLE Faruk ALPASLAN 1, Erol EĞRİOĞLU 1, Çağdaş Hakan ALADAĞ,

Detaylı

ANE-AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF

ANE-AEGON EMEKLİLİK VE HAYAT A.Ş.DENGELİ EYF AEGON EMEKLĐLĐK VE HAYAT A.Ş. DENGELĐ EMEKLĐLĐK YATIRIM FONU FON KURULU ÜÇÜNCÜ 3 AYLIK FAALĐYET RAPORU Bu rapor Aegon Emekllk ve Hayat A.Ş Dengel Emekllk Yatırım Fonu nun 01.07.2009 30.09.2009 dönemne

Detaylı

Communication Theory

Communication Theory Communcaton Theory ENFORMASYON TEORİSİ KODLAMA Doç. Dr. Hakan Doğan ENFORMASYON DEYİMİ NEDEN KULLANILMIŞ? Kaynaklarn, kanalların,alıcıların blg karakterstklern ncelemek. Blgnn letmn optmze etmek çn İletmn

Detaylı

Hisse Senedi Fiyatları ve Fiyat/Kazanç Oranı Đlişkisi: Panel Verilerle Sektörel Bir Analiz *

Hisse Senedi Fiyatları ve Fiyat/Kazanç Oranı Đlişkisi: Panel Verilerle Sektörel Bir Analiz * Busness and Economcs Research Journal Volume. umber. 0 pp. 65-84 ISS: 309-448 www.berjournal.com Hsse Sened Fyatları ve Fyat/Kazanç Oranı Đlşks: Panel Verlerle Sektörel Br Analz * Mehmet argelecekenler

Detaylı

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case

SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estimating of Crime Database with Logistic Regression Analysis: Bursa Case SUÇ VERİ TABANININ LOJİSTİK REGRESYON ANALİZİ İLE TAHMİNİ: BURSA ÖRNEĞİ Estmatng of Crme Database wth Logstc Regresson Analyss: Bursa Case Mehmet NARGELEÇEKENLER * B Özet u çalışmada, Bursa Emnyet Müdürlüğünden

Detaylı

AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU

AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU AEGON EMEKLİLİK VE HAYAT A.Ş. DENGELİ EMEKLİLİK YATIRIM FONU FON KURULU ÜÇÜNCÜ 3 AYLIK FAALİYET RAPORU Bu rapor AEGON Emekllk ve Hayat A.Ş. Dengel Emekllk Yatırım Fonu nun 01.07.2012-30.09.2012 dönemne

Detaylı

FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ

FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ FARKLI REGRESYON YÖNTEMLERİ İLE BETA KATSAYISI ANALİZİ M.Ensar YEŞİLYURT (*) Flz YEŞİLYURT (**) Özet: Özellkle uzak verlere sahp ver setlernn analz edlmesnde en küçük kareler tahmnclernn kullanılması sapmalı

Detaylı

BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8

BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 BAŞKENT ÜNİVERSİTESİ MAKİNE MÜHENDİSLİĞİ BÖLÜMÜ MAK - 402 MAKİNE MÜHENDİSLİĞİ LABORATUVARI DENEY - 8 FARKLI YÜZEY ÖZELLİKLERİNE SAHİP PLAKALARIN ISIL IŞINIM YAYMA ORANLARININ HESAPLANMASI BAŞKENT ÜNİVERSİTESİ

Detaylı

TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME

TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME Ġstanbul Ünverstes Ġktsat Fakültes Malye AraĢtırma Merkez Konferansları 46. Ser / Yıl 2004 Prof. Dr. Salh Turhan'a Armağan TÜKETĠCĠLERĠN FĠYAT BĠLĠNCĠ ÜZERĠNDE ETKĠLĠ OLAN FAKTÖRLERE ĠLĠġKĠN BĠR ĠNCELEME

Detaylı

REGRESYON ANALİZİ BÖLÜM 1-2

REGRESYON ANALİZİ BÖLÜM 1-2 REGRESYON ANALİZİ BÖLÜM 1- Yayın Tarh: 17-08-008 REGRESYON ANALİZİ NEDİR? MODELLEME 1. GİRİŞ İstatstk blmnn temel lg alanlarından br: br şans değşkennn davranışının br model kullanılarak tahmnlenmesdr.

Detaylı

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ

YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Özet YARIPARAMETRİK KISMİ DOĞRUSAL PANEL VERİ MODELLERİYLE ULUSLAR ARASI GÖÇ Atıf EVREN *1 Elf TUNA ** Yarı parametrk panel ver modeller parametrk ve parametrk olmayan modeller br araya getren; br kısmı

Detaylı

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY

PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ. χ 2 Kİ- KARE TESTLERİ. Doç.Dr. Ali Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIBAY PARAMETRİK OLMAYAN HİPOTEZ TESTLERİ Kİ- KARE TESTLERİ Doç.Dr. Al Kemal ŞEHİRLİOĞLU Araş.Gör. Efe SARIAY Populasyonun nceledğmz br özellğnn dağılışı blenen dağılışlardan brsne, Normal Dağılış, t Dağılışı,

Detaylı

KALĐTE ARTIŞLARI VE ENFLASYON: TÜRKĐYE ÖRNEĞĐ

KALĐTE ARTIŞLARI VE ENFLASYON: TÜRKĐYE ÖRNEĞĐ Central Bank Revew Vol. 11 (January 2011), pp.1-9 ISSN 1303-0701 prnt / 1305-8800 onlne 2011 Central Bank of the Republc of Turkey http://www.tcmb.gov.tr/research/revew/ KALĐTE ARTIŞLARI VE ENFLASYON:

Detaylı

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK HEDONİK REGRESYON. Gökalp Kadri YENTÜR İSTATİSTİK ANABİLİM DALI ANKARA 2011

ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK HEDONİK REGRESYON. Gökalp Kadri YENTÜR İSTATİSTİK ANABİLİM DALI ANKARA 2011 ANKARA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ BULANIK HEDONİK REGRESYON Gökalp Kadr YENTÜR İSTATİSTİK ANABİLİM DALI ANKARA 011 Her hakkı saklıdır ÖZET Yüksek Lsans Tez BULANIK HEDONİK

Detaylı

Üniversite Öğrencilerinin Kredi Kartı Sahipliğini Belirleyen Faktörler

Üniversite Öğrencilerinin Kredi Kartı Sahipliğini Belirleyen Faktörler Ünverste Öğrenclernn Kred Kartı Sahplğn Belrleyen Faktörler H. Dlara KESKİN Yrd. Doç. Dr., Karadenz Teknk Ünverstes, İİBF İşletme Bölümü dlarakeskn@yahoo.com Emrah KOPARAN Öğr. Gör., Amasya Ünverstes Merzfon

Detaylı

SESSION 1B: Büyüme ve Gelişme 279

SESSION 1B: Büyüme ve Gelişme 279 SESSION 1B: Büyüme ve Gelşme 279 Türkye de Hanehalkı Tüketm Harcamaları: Pseudo Panel Ver le Talep Sstemnn Tahmn The Consumpton Expendture of Households n Turkey: Demand System Estmaton wth Pseudo Panel

Detaylı

Türkiye Cumhuriyet Merkez Bankası Sayı: 2010-17 / 20 Aralık 2010 EKONOMİ NOTLARI. Kalite Artışları ve Enflasyon: Türkiye Örneği

Türkiye Cumhuriyet Merkez Bankası Sayı: 2010-17 / 20 Aralık 2010 EKONOMİ NOTLARI. Kalite Artışları ve Enflasyon: Türkiye Örneği Türkye Cumhuryet Merkez Bankası Sayı: 2010-17 / 20 Aralık 2010 EKONOMİ NOTLARI Kalte Artışları ve Enflasyon: Türkye Örneğ Yavuz Arslan Evren Certoğlu Abstract: In ths study, average qualty growth and upward

Detaylı

JFM316 Elektrik Yöntemler ( Doğru Akım Özdirenç Yöntemi)

JFM316 Elektrik Yöntemler ( Doğru Akım Özdirenç Yöntemi) JFM316 Elektrk Yöntemler ( Doğru Akım Özdrenç Yöntem) yeryüzünde oluşturacağı gerlm değerler hesaplanablr. Daha sonra aşağıdak formül kullanılarak görünür özdrenç hesaplanır. a K I K 2 1 1 1 1 AM BM AN

Detaylı

Şekil 1. Bir oda ısıtma sisteminin basitleştirilmiş blok diyagram gösterimi. 1. Kontrol Sistemlerindeki Blok Diyagramlarının Temel Elemanları:

Şekil 1. Bir oda ısıtma sisteminin basitleştirilmiş blok diyagram gösterimi. 1. Kontrol Sistemlerindeki Blok Diyagramlarının Temel Elemanları: Blok yaraları: araşık teler, rok alt ten rrne uyun şeklde ağlanaından oluşur. Blok dyaraları, her r alt te araındak karşılıklı ağlantıyı öterek n kullanılır. Blok dyaralarında her r alt ten fonkyonu ve

Detaylı

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data

Sıfır Ağırlıklı Sayma ile Elde Edilen Veriler İçin Çok Seviyeli ZIP Regresyon * Multilevel ZIP Regression for Zero-Inflated Count Data Yüzüncü Yıl Ünverstes Fen Blmler Ensttüsü Dergs/ Journal of The Insttute of Natural & Appled Scences 18 (1-):01-08, 013 Araştırma Makales/Research Artcle Sıfır Ağırlıklı Sayma le Elde Edlen Verler İçn

Detaylı

FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ

FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ FLYBACK DÖNÜŞTÜRÜCÜ TASARIMI VE ANALİZİ 1 Nasır Çoruh, Tarık Erfdan, 3 Satılmış Ürgün, 4 Semra Öztürk 1,,4 Kocael Ünverstes Elektrk Mühendslğ Bölümü 3 Kocael Ünverstes Svl Havacılık Yüksekokulu ncoruh@kocael.edu.tr,

Detaylı

Mut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri

Mut Orman İşletmesinde Karaçam, Sedir ve Kızılçam Ağaç Türleri İçin Dip Çap Göğüs Çapı İlişkileri Süleyman Demrel Ünverstes, Fen Blmler Ensttüsü, 9-3,(5)- Mut Orman İşletmesnde Karaçam, Sedr ve Kızılçam Ağaç Türler İçn Dp Çap Göğüs Çapı İlşkler R.ÖZÇELİK 1 Süleyman Demrel Ünverstes Orman Fakültes Orman

Detaylı

2. LİNEER PROGRAMLAMA

2. LİNEER PROGRAMLAMA İÇİNDEKİLER ÖZE... ABSRAC... EŞEKKÜR..... ŞEKİLLER DİZİNİ..... v. GİRİŞ.... Motvasyon...... emel anım ve Kavramlar...... Konvekslk ve lneer eştszlkler....3. Ekstrem Noktalar..... 0.4. Lneer Eştszlkler...

Detaylı

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*)

İyi Tarım Uygulamaları Ve Tüketici Davranışları (Logit Regresyon Analizi)(*) Gazosmanpaşa Ünverstes Zraat Fakültes Dergs Journal of Agrcultural Faculty of Gazosmanpasa Unversty http://zraatderg.gop.edu.tr/ Araştırma Makales/Research Artcle JAFAG ISSN: 1300-2910 E-ISSN: 2147-8848

Detaylı

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007

ENERJİ. Isı Enerjisi. Genel Enerji Denklemi. Yrd. Doç. Dr. Atilla EVCİN Afyon Kocatepe Üniversitesi 2007 Yrd. Doç. Dr. Atlla EVİN Afyon Kocatepe Ünverstes 007 ENERJİ Maddenn fzksel ve kmyasal hal değşm m le brlkte dama enerj değşm m de söz s z konusudur. Enerj değşmler mler lke olarak Termodnamğn Brnc Yasasına

Detaylı

ÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI

ÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI Bölüm 6 ÇOK DEĞİŞKENLİ OLASILIK DAĞILIMLARI Öncek bölümlerde tek-boutlu örnek uzalarla lgl rastgele değşkenler ve bu değşkenlern olasılık dağılımları ncelenmştr. Başka br anlatımla "br tek" rastgele değşkenle

Detaylı

ANOVA. CRD (Completely Randomized Design)

ANOVA. CRD (Completely Randomized Design) ANOVA CRD (Completely Randomzed Desgn) Örne Problem: Kalte le blgnn, ortalama olara, br urumun üç farlı şehrde çalışanları tarafından eşt olara algılanıp algılanmadığını test etme amacıyla, bu üç şehrde

Detaylı

YATIRIM PROJELERi ANALiziNDE BLACK-SCHOLES OPSiYON FiYATLAMA MODELiNiN KULLANIMI

YATIRIM PROJELERi ANALiziNDE BLACK-SCHOLES OPSiYON FiYATLAMA MODELiNiN KULLANIMI YATIRIM PROJELER ANALzNDE BLACK-SCHOLES OPSYON FYATLAMA MODELNN KULLANIMI Yrd. Doç. Dr. Erkan Uysal Ankara Ünverstes Syasal Blgler Fakültes Özet Bu çalışmada, fnansal opsyon fyatlama modellernn yatınm

Detaylı

Türkiye den Yurt Dışına Beyin Göçü: Ampirik Bir Uygulama

Türkiye den Yurt Dışına Beyin Göçü: Ampirik Bir Uygulama ERC Workng Paper n Economc 04/02 January 2004 Türkye den Yurt Dışına Beyn Göçü: Amprk Br Uygulama Aysıt Tansel İktsat Bölümü Orta Doğu Teknk Ünverstes atansel@metu.edu.tr Nl Demet Güngör İktsat Bölümü

Detaylı

ERS-2 Raw Datası için Dönüşüme Dayalı Sıkıştırma

ERS-2 Raw Datası için Dönüşüme Dayalı Sıkıştırma ERS- Raw Datası çn Dönüşüme Dayalı Sııştırma. Göhan. KASAPOĞLU, İrahm. PAPİLA, Bngül YAZGA, Sedef KET İstanul Ten Ünverstes, Eletr-Eletron Faültes, Eletron ve Haerleşme Mühendslğ, 066, Masla, İstanul Tel:

Detaylı

Dip - Zirve Relatif Performans Piyasa Çarpanları Değerlemeler TTKOM IPEKE SAHOL BIMAS TTRAK DOHOL. Düşüşü Sürenler ASELS

Dip - Zirve Relatif Performans Piyasa Çarpanları Değerlemeler TTKOM IPEKE SAHOL BIMAS TTRAK DOHOL. Düşüşü Sürenler ASELS BİST 30 Son Fyat Bu Hafta Geçen Hafta AKBNK 8,92-10,35% -2,93% ARCLK 13,55-4,24% 4,04% ASELS 10,30-7,52% -4,24% ASYAB 2,01-5,19% -0,93% BIMAS 87,75-3,31% -1,39% DOHOL 1,07-4,46% -2,61% EKGYO 3,09-4,92%

Detaylı

Prof. Dr. Nevin Yörük - Yrd. Doç. Dr. S. Serdar Karaca Yrd. Doç. Dr. Mahmut Hekim - Öğr. Grv. İsmail Tuna

Prof. Dr. Nevin Yörük - Yrd. Doç. Dr. S. Serdar Karaca Yrd. Doç. Dr. Mahmut Hekim - Öğr. Grv. İsmail Tuna Anadolu Ünverstes Sosyal Blmler Dergs Anadolu Unversty Journal of Socal Scences Sermaye Yapısını Etkleyen Faktörler ve Fnansal Oranlar le Hsse Getrs Arasındak İlşknn ANFIS Yöntem le İncelenmes: İMKB de

Detaylı

Bölüm 3. Tanımlayıcı İstatistikler

Bölüm 3. Tanımlayıcı İstatistikler Bölüm 3 Tanımlayıcı İstatstkler Tanımlayıcı İstatstkler Br ver setn tanımak veya brden fazla ver setn karşılaştırmak çn kullanılan ve ayrıca örnek verlernden hareket le frekans dağılışlarını sayısal olarak

Detaylı

DOĞRUSAL OLMAYAN PROGRAMLAMA -III- Çok değişkenli doğrusal olmayan karar modelinin çözümü

DOĞRUSAL OLMAYAN PROGRAMLAMA -III- Çok değişkenli doğrusal olmayan karar modelinin çözümü DOĞRUSAL OLMAYAN PROGRAMLAMA -III- Çok değşkenl doğrusal olmayan karar modelnn çözümü Hazırlayan Doç. Dr. Nl ARAS Anadolu Ünverstes, Endüstr Mühendslğ Bölümü İST8 Yöneylem Araştırması Ders - Öğretm Yılı

Detaylı

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46

2005 Gazi Üniversitesi Endüstriyel Sanatlar Eğitim Fakültesi Dergisi Sayı:16, s31-46 2005 Gaz Ünverstes Endüstryel Sanatlar Eğtm Fakültes Dergs Sayı:16, s31-46 ÖZET BANKALARDA MALİ BAŞARISIZLIĞIN ÖNGÖRÜLMESİ LOJİSTİK REGRESYON VE YAPAY SİNİR AĞI KARŞILAŞTIRMASI 31 Yasemn KESKİN BENLİ 1

Detaylı