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

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

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

Transkript

1 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

2 Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım modellernde. Sektör modellernde. Ücret modellernde. Deneme - Yanılma modellernde. 3 Farklı Varyansı Gözardı Etmenn Sonuçlar Tahmnc Özellklerne etks. Tahmncler sapmasız ve tutarlıdırlar. ancak etkn değldrler. Hpotez testler üzerne etks. Tahmncler mnmum varyanslı olma özellklern kaybettklernden. bunlara bağlı olarak elde edlen t ve F statstklerne ve elde edlen güven aralıklarına güvenlemeyecektr. Öngörümleme üzerne etks. Önceden değerler sapmalı olacaktır. 4

3 Parametre Tahmnclernn Özellkler. Sapmasızlık Anakütle regresyon model Y = β + β X + ε 0 Sapma neden le ε nn beklenen değer sıfırdan farklı se. Y = β + β X+ ε o 5 β = β + Parametre Tahmnclernn Özellkler. Sapmasızlık ( X X)( ε ε ) ( X X) β = Y β X Y = β0 + βx+ ε 0 ( ) E( β0) = E β0 + βx + ε βx = β + β X+ E( ε) E( β )X 0 ( X X)( ε ε) ( X X) E( β ) β E = + = β = β0 + βx βx 6 =β 0

4 Parametre Tahmnclernn Özellkler. Etknlk Y = β + β X + ε 0 Modelde sabt varyans varsayımının geçerl olmaması durumunda parametre tahmncler β 0* ve β * olsun. β 0* ve β * ın varyanslarınn doğrusal sapmasız tahmn yöntem le belrlenmes: Doğrusallık şartı gereğ: β n * = ay = 7. Etknlk * β n beklenen değer ve varyansı: * ( β ) ( β 0 + β ) β + β E = E a Y = a X = a a X )Y E(Y ) = ε * ( ) = ( ) =E a [ Y E(Y )] Var β E a Y E a Y 0 )E( ε ) = σ ) E( ε, ε ) = 0 j Var * ( β ) [ ] = E aε =E aε + E aεa jεj < j Var ( β ) = a σ 8 *

5 3. Tutarlılık $, plmθ$ = θ θ θ nn tutarlı tahmncsdr. β = β + ( X X) ( X X) ε plmβ = β + plm ( X X) ( X X) (, ε ) = Cov( X, ε ) Cov X 0 ( ) ε ( X X)( ) ( X X) ε ε ε = = n n X X ε = Tutarlılık 0 plmβ = β+ plm = β ( X X ) 0

6 Farklı Varyansın Tesbt Edlmes Grafk Yöntemle. Sıra Korelasyonu test le. Goldfeld-Quandt test le. Breusch Pagan test le. Glejser Test le. Whte test le. Lagrange çarpanları test le Ramsey Reset test le Park test le. Grafk Yöntem LMAAS YIL

7 Grafk Yöntem E YIL Grafk Yöntem Standardzed Resdual

8 Sıra Korelasyonu Test.Aşama H 0 : ρ = 0 H : ρ 0.Aşama α =? s.d.=? t r n s hes = = rs Σd r = 6 n(n ) s =? t tab =?? t hes >t tab H 0 hpotez reddedleblr 5 Sıra Korelasyonu Test Y X e X s e s d d Σd = 6

9 = 6 Sıra Korelasyonu Test Σd n(n ) rs =.Aşama H 0 : ρ = 0 H : ρ 0.Aşama α = 0.05 s.d.= 8 t hes 6 0(0 ) = 0.3 t tab = = = (0.3) t hes <t tab H 0 hpotez reddedlemez. 7 Y X s X 3... X k Goldfeld-Quandt Test Y = b + b X + b 3 X b k X k + u I.Alt Örnek n Çıkarılan Gözlemler Y I = b + b X + b 3 X b k X k + u Σe =? n(/6) < c < n(/3) II.Alt Örnek n Y II = b + b X + b 3 X b k X k + u Σe =? 8

10 .Aşama Goldfeld-Quandt Test H 0 : Eşt Varyans H : Farklı Varyans.Aşama α =? f = f Σe Σe Fhes = = (n c k) = =?? F tab =? F hes >F tab H 0 hpotez reddedleblr 9 Goldfeld-Quandt Test lnmaas = b + b Yıl + b 3 Yıl Dependent Varable: lnmaas Included observatons: Varable Coeffcent Std. Error t-statstc Prob. C Yıl Yıl R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regresson Akake nfo crteron Sum squared resd Schwarz crteron Log lkelhood F-statstc Durbn-Watson stat.6898 Prob(F-statstc)

11 .alt örnek sonuçları: Goldfeld-Quandt Test Dependent Varable: lnmaas Sample: 75 Included observatons: 75 Varable Coeffcent Std. Errort-Statstc Prob. C Yıl Yıl R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regresson Akake nfo crteron Sum squared resd.0996 Schwarz crteron Log lkelhood F-statstc Durbn-Watson stat Prob(F-statstc) Goldfeld-Quandt Test.Altörnek Sonuçları: Dependent Varable: lnmaas Sample: 48 Included observatons: 75 Varable Coeffcent Std. Error t-statstc Prob. C Yıl Yıl R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regresson Akake nfo crteron Sum squared resd Schwarz crteron Log lkelhood F-statstc Durbn-Watson stat Prob(F-statstc)

12 .Aşama.Aşama Goldfeld-Quandt Test H 0 : Eşt Varyans H : Farklı Varyans α = 0.05 ( 7.3) f = f =.43<F tab <.53 = 7 Σe Σe Fhes = = F hes >F tab? = = H 0 hpotez reddedleblr 3 Breusch Pagan Test Y = b + b X + b 3 X b k X k +u ().Aşama () Nolu denklem EKKY le tahmn edlp. e. e...e n örnek hata termler hesaplanır. Bu e lerden hareketle e n σ = hesaplanır..aşama p e = σ p = a + a Z + a 3 Z a m Z m +v () RBD =? 4

13 Breusch Pagan Test φ = (RBD) φ χm 5.Aşama H 0 : a = a 3 =..=a m = 0 (Eşt varyans) H : En az br sıfırdan farklıdır. (Farklı varyans) χ > χ H 0 reddedlr. hes tab 5 Breusch Pagan Test Yıllar GSMH IT et Yıllar GSMH IT et IT: İthalat IT = GSMH e =.5 6

14 Breusch Pagan Test.Aşama e.5 σ = = = n 0.Aşama p e = σ p p Breusch Pagan Test p = GSMH e = 86.9 R = RBD = 4.59 φ = (RBD) =.95 χ = m χ =, Aşama H 0 : a = a 3 =..=a m = 0 (Eşt varyans) H : En az br sıfırdan farklıdır. (Farklı varyans) χ < χ H 0 reddedlemez. hes tab 8

15 Glejser Farklı Varyans Test.Aşama: Y le X (veya X ler) arasındak lşk tahmn edlerek, lgl örnek hata termler e ler bulunur..aşama: σ le lşkl olduğu düşünülen bağımsız değşken çn aşağıdak modeller denenmektedr. e = a + ax + v e = a + a X + v e = a + ax + v e = a + a + v X e = a + a + v X e = a + a X + v 9 Glejser Farklı Varyans Test : Korelasyon katsayısı ve a ların standat hata değerlerne göre en uyun model seçlp H 0 : a = 0 H : a 0 test edlr. : H 0 kabul edlrse eşt varyans gerçeklemştr sonucuna varılır. 30

16 .Aşama: Glejser Farklı Varyans Test Yıllar GSMH IT et Yıllar GSMH IT et IT: İthalat IT = GSMH e =.5 3 Glejser Farklı Varyans Test.Aşama: e = GSMH t (0.5795) (.35) prob (0.5694) (0.058) : H 0 : a = 0 H : a 0 : Prob = > 0.05 H 0 reddedlemez. Eşt varyans gerçekleşmştr. 3

17 Whte Test Y = b + b X + b 3 X 3 + u Whte Test çn yardımcı regresyon: u = a + a X + a 3 X 3 + a 4 X + a 5 X 3 + a 6 X X 3 + v R y =? Whte Test Aşamaları:.Aşama H 0 : a = a 3 = a 4 = a 5 = a 6 =0 H : a lern en az br tanes anlamlıdır.aşama α =? s.d.= k- χ tab=? W= n.r y =? W > χ tab H 0 hpotez reddedleblr 33 Whte Test lnmaaş = yıl yıl Whte Test çn yardımcı regresyon: e = Yıl Yıl Yıl Yıl 4 R y = Aşama H 0 : a = a 3 = a 4 = a 5 =0 ; H : a lern en az br tanes anlamlıdır.aşama α = 0.05 s.d.=5-=4 χ tab= W= n.r y = (0.090)= 0.00 W > χ tab H 0 hpotez reddedleblr 34

18 Lagrange Çarpanları(LM) Test Y = b + b X + b 3 X 3 + u LM test çn yardımcı regresyon: e = a * + b Ŷ + v LM Test Aşamaları:.Aşama H 0 : b = 0 H : b 0.Aşama α =? s.d.= k- * R y =? χ tab=? LM= n.r y =? LM > χ tab H 0 hpotez reddedleblr 35 Lagrange Çarpanları(LM) Test lnmaaş = yıl yıl LM Test çn yardımcı regresyon: e = lnmaas-tah R y = Aşama H 0 : b = 0 H : b 0.Aşama α = 0.05 s.d.=-= χ tab= LM= n.r y = (0.0537)=.94 LM > χ tab H 0 hpotez reddedleblr 36

19 Ramsey Reset Test Y = b + b X + b 3 X b k X k + u.aşama: Ramsey Reset test çn yardımcı regresyon: e = a + a Yˆ + a Yˆ + a Y ˆ v Aşama: H 0 : a = 0 (Eşt Varyans) H : a 0 (Farklı Varyans) Hpotezler α hata payı le t tablosundan bulunacak değer le karşılaştırılır. : t hes > t tab H 0 reddedlr. 37.Aşama: Ramsey Reset Test IT = GSMH e = Yˆ Yˆ 3 t (-0.) (-0.056) (0.663) prob (0.904) (0.955) (0.870).Aşama: H 0 : a = 0 (Eşt Varyans) H : a 0 (Farklı Varyans) 38

20 Ramsey Reset Test : t tab = t n-k,α = t 0-3, 0.05 =.0 : t hesap = < t tab =.0 H o reddedlemez t hesap = < t tab =.0 H 0 reddedlemez. 39 σ = σ Xe ( ) β v Park Test ln σ = lnσ + β ln X + v σ blnmedğnden bunun yerne hata kareler toplamı e kullanılır. ( ) ln e = lnσ + β ln X + v lnσ ( ) = α ln e = α + β ln X + v 40

21 .Aşama: ( ) Park Test ln e = α + β ln X + v.aşama: H 0 : β = 0 (Eşt Varyans) H 0 : β 0 (Farklı Varyans) : t hes > t tab H 0 reddedlr. 4.Aşama: ( ) Park Test ln e = ln X t (-.867) (.869) prob (0.00) (0.007).Aşama: H 0 : β = 0 (Eşt Varyans) H 0 : β 0 (Farklı Varyans) : t tab = t 8, 0.0 =.878 t hes < t tab H 0 reddedlemez. 4

22 UYGULAMA: 3 alenn yıllık gıda harcamaları (Y) ve aylık ortalama gelrler (X) aşağıda verlmştr. Ale Sayısı Y X u Ale Sayısı Y X u UYGULAMA: Y = β 0 + β X + ε model çn sabt varyans varsayımının geçerl olup olmadığını Grafk Yöntemle. Sıra Korelasyonu test le. Goldfeld-Quandt test le. Breusch Pagan test le. Glejser Test le. Whte test le. Lagrange çarpanları test le Ramsey Reset test le Park test le. 44

23 Grafk Yöntem 45 Sıra Korelasyonu Test.Aşama H 0 : ρ = 0 H : ρ 0.Aşama α = 0.05 s.d.=? t r n s hes = = rs Σd r = 6 n(n ) s =?? t tab =? t hes >t tab H 0 hpotez reddedleblr 46

24 = 6 Sıra Korelasyonu Test Σd n(n ) r 6 s 3630 = 3(3 ).Aşama H 0 : ρ = 0 H : ρ 0.Aşama α = 0.05 s.d.= 30 t tab =.04 t hes = (0.3347) =.9454 t hes <t tab H 0 hpotez reddedlemez. 47 Goldfeld-Quandt Test c = 3 / 5 = gözlem atılacak. (4.-9. gözlemler) 3 gözlemden oluşan k grup çn modeller.-3. gözlemler çn Y = X e = gözlemler çn Y = X e =

25 .Aşama Goldfeld-Quandt Test H 0 : Eşt Varyans H : Farklı Varyans.Aşama α = 0.05 Σe F = = = e 3.60 hes Σ (3 6 * ) f = f = = F tab =.8 F hes >F tab H 0 hpotez reddedleblr 49 Breusch Pagan Test Y = X e = Aşama.Aşama e σ = = =.734 n 3 p e = σ 50

26 Breusch Pagan Test RBD = 3. p = X e = R = 0.96 φ = (RBD) = 6.56 χ = m χ =, Aşama H 0 : a = a 3 =..=a m = 0 (Eşt varyans) H : En az br sıfırdan farklıdır. (Farklı varyans) χ > χ H 0 reddedleblr. hes tab 5 Glejser Farklı Varyans Test.Aşama: e = X t (.0565) (.599).Aşama: H 0 : a = 0 H : a 0 : α = 0.05 n k = 3 =30 t tab =.04 : t hes > t tab H 0 reddedleblr. Eşt varyans gerçekleşmemştr. 5

27 Y = X Whte Test Whte Test çn yardımcı regresyon: e = X X R y = 0.96.Aşama H 0 : a = a 3 = 0 ; H : a lern en az br tanes anlamlıdır.aşama α = 0.05 s.d.=3-= χ tab=5.99 W= n.r y = 3(0.96) = W > χ tab H 0 hpotez reddedleblr 53 Lagrange Çarpanları(LM) Test Y = X LM Test çn yardımcı regresyon: e = Y R y = 0.0.Aşama H 0 : b = 0 H : b 0.Aşama α = 0.05 s.d.=-= χ tab= LM= n.r y = 3(0.0) = 6.43 LM > χ tab H 0 hpotez reddedleblr 54

28 .Aşama: Ramsey Reset Test Y = X e = Yˆ 0.064Yˆ 3 t (-.396) (.6) (-.654) prob (0.73) (0.7) (0.08).Aşama: H 0 : a = 0 (Eşt Varyans) H : a 0 (Farklı Varyans) 55 Ramsey Reset Test : t tab = t n-k,α = t 3-3, 0.05 =.045 : t hesap =.6 < t tab =.045 t hesap = < t tab =.045 H 0 reddedlemez. 56

29 .Aşama: ( ) Park Test ln e = ln X t (-.765) (.33) prob (0.088) (0.997).Aşama: H 0 : β = 0 (Eşt Varyans) H 0 : β 0 (Farklı Varyans) : t tab = t 3-=30, 0.05 =.04 t hes < t tab H 0 reddedlemez. 57 X σ blnmemes durumu Y = b + b X + u σ = σ X Y X u = b + b + X X X X * Y = b + b + u * * Y = b + b X + u σ = σ X Y X u = b + b X + * * * * Y = b + bx + u X X

30 UYGULAMA: 3 alenn yıllık gıda harcamaları (Y) ve aylık ortalama gelrler (X) aşağıda verlmştr. Ale Sayısı Y X u Ale Sayısı Y X u HAL: LOGARİTMİK DÖNÜŞÜMLER ( ) ln Y = ln X t (.569) (8.077) prob (0.7) (0.0000) ( ) R = ln e = ln Y R = Aşama H 0 : b = 0 H : b 0.Aşama α = 0.05 s.d.=-= χ tab = LM= n.r y = 3(0.078) = LM < χ tab H 0 hpotez reddedlemez.

31 .HAL: E( u ) = σ = σ X ( ) Y X =.77 X t (5.5) (8.09) prob (0.000) (0.000) e = Y R = R = Aşama H 0 : b = 0 H : b 0.Aşama α = 0.05 s.d.=-= χ tab = LM= n.r y = 3(0.0509) =.688 LM < χ tab H 0 hpotez reddedlemez. 3.HAL: E( u ) = σ = σ X ( ) Y X =.46 X X t (-4.686) (5.337) prob (0.00) (0.000) R = e = Y.Aşama H 0 : b = 0 H : b 0 R = Aşama α = 0.05 s.d.=-= χ tab = LM= n.r y = 3(0.365) = LM > χ tab H 0 hpotez reddedleblr.

32 E u = σ = σ E Y 5.HAL: ( ) ( ) Y E( Y) = E Y X E Y ( ) ( ( ) ) t (5.630) (7.467) prob (0.0000) (0.0000) R = e = Y R = Aşama H 0 : b = 0 H : b 0.Aşama α = 0.05 s.d.=-= χ tab = LM= n.r y = 3(0.090) = 0.98 LM < χ tab H 0 hpotez reddedlemez.

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

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

Sabit Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = s 2 X Sabt Varyans Y Var(u X ) = Var(u ) = E(u ) = s Eşt Varyans EKKY nn varsayımlarından br anakütle regresyon fonksyonu u lern eşt varyanslı olmasıdır Her hata term varyansı bağımsız değşkenlern verlen değerlerne

Detaylı

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

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

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

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

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

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

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır.

UYUM ĐYĐLĐĞĐ TESTĐ. 2 -n olup. nin dağılımı χ dir ve sd = (k-1-p) dir. Burada k = sınıf sayısı, p = tahmin edilen parametre sayısıdır. UYUM ĐYĐLĐĞĐ TESTĐ Posson: H o: Ver Posson dağılıma sahp br ktleden gelmektedr. H a : Ver Posson dağılıma sahp br ktleden gelmemektedr. Böyle br hpotez test edeblmek çn, önce Posson dağılım parametres

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

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

Bağımlı Kukla Değişkenler

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

Detaylı

Bağımlı Kukla Değişkenler

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

Detaylı

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

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

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

A EKONOMETRİ. n iken de aynı sonuç geçerliyse, β hangi. A) β nın sabit olması. D) Xβ nın normal dağılımlı olması. E) n olması. dur?

A EKONOMETRİ. n iken de aynı sonuç geçerliyse, β hangi. A) β nın sabit olması. D) Xβ nın normal dağılımlı olması. E) n olması. dur? EKONOMETRİ KPSS-AB-PÖ/007 1. 6. SORULARI AŞAĞIDAKİ BİLGİLERE β β β ( ) Y i = 1 + x + + i k x ik+ u i i = 1,, n denkleminin matrislerle ifadesi Y = X + u dur. Y( nx1 ), β ( kx1 ), X( nxk) ve β u nx1 boyutludur

Detaylı

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

7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar

7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar 7. Ders Genel Lineer Modeller Singüler Modeller, Yanlış veya Bilinmeyen Kovaryanslar, Đlişkili Hatalar Y = X β + ε Lineer Modeli pekçok özel hallere sahiptir. Bunlar, ε nun dağılımına, Cov( ε ) kovaryans

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

Farklıserpilimsellik

Farklıserpilimsellik Farklıserpilimsellik Hata Varyansı Sabit Değilse Ne Olur? Yrd. Doç. Dr. A. Talha YALTA Ekonometri 2 Ders Notları Sürüm 2,0 (Ekim 2011) Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial

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

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

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

En Yüksek Olabilirlik Yöntemi. İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar.

En Yüksek Olabilirlik Yöntemi. İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar. En Yüksek Olabilirlik Yöntemi İstatistikte, tüm anakütleler kendilerine karşılık gelen bir olasılık dağılımı ile tanımlanırlar. Basit(sıradan) en küçük kareler yöntemi, özünde olasılık dağılımları ile

Detaylı

Korelasyon analizi. Korelasyon analizinin niteliği. Sınava hazırlanma süresi ile sınavdan alınan başarı arasında ilişki var mıdır?

Korelasyon analizi. Korelasyon analizinin niteliği. Sınava hazırlanma süresi ile sınavdan alınan başarı arasında ilişki var mıdır? Korelasyon analz Korelasyon analz Sınava hazırlanma süres le sınavdan alınan başarı arasında lşk var mıdır? q N sayıda öğrencnn sınava hazırlanma süreler le sınavdan aldıkları puanlar tespt edlr. Reklam

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

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

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

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci

DOĞRUSAL ZAMAN SERİSİ MODELLERİ. Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci DOĞRUSAL ZAMAN SERİSİ MODELLERİ Durağan ARIMA Modelleri: Otoregresiv Modeller AR(p) Süreci Tek Değişkenli Zaman Serisi Modelleri Ekonomik verilerin analizi ile ekonomik değişkenlerin gelecekte alabilecekleri

Detaylı

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler

OLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler 1 SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

Detaylı

Kukla Değişken Nedir?

Kukla Değişken Nedir? Kukla Değişken Nedir? Cinsiyet, eğitim seviyesi, meslek, din, ırk, bölge, tabiiyet, savaşlar, grevler, siyasi karışıklıklar (=darbeler), iktisat politikasındaki değişiklikler, depremler, yangın ve benzeri

Detaylı

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. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri

Detaylı

ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK

ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK BAĞINTI ve DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge

Detaylı

Zaman Serileri Verileriyle Regresyon Analizinde Ardışık ZAMAN SERİSİ REGRESYONLARINDA

Zaman Serileri Verileriyle Regresyon Analizinde Ardışık ZAMAN SERİSİ REGRESYONLARINDA 1 ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK BAĞINTI ve DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge

Detaylı

YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU

YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU Marmara Üniversitesi U.B.F. Dergisi YIL 2005, CİLT XX, SAyı 1 YARI LOGARİTMİK MODELLERDE KUKLA DECİşKENLERİN KA TSA YıLARıNIN YORUMU Yrd. Doç. Dr. Ebru ÇACLAYAN' Arş. Gör. Burak GÜRİş" Büyüme modelleri,

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

Çoklu Bağlanım Çıkarsama Sorunu

Çoklu Bağlanım Çıkarsama Sorunu Çoklu Bağlanım Çıkarsama Sorunu Diğer Sınama ve Konular Ekonometri 1 Konu 27 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported

Detaylı

İstatistiksel Kavramların Gözden Geçirilmesi

İstatistiksel Kavramların Gözden Geçirilmesi İstatistiksel Kavramların Gözden Geçirilmesi İstatistiksel Çıkarsama Ekonometri 1 Konu 3 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike

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

Bölüm 4. Tahmin Sorunu. 4.1 Sıradan En Küçük Kareler Yöntemi. Sıradan En Küçük Kareler Yöntemi

Bölüm 4. Tahmin Sorunu. 4.1 Sıradan En Küçük Kareler Yöntemi. Sıradan En Küçük Kareler Yöntemi Bölüm 4 İk Değşkenl Bağlanım Model - Tahmn Sorunu 4.1 Sıradan En Küçük Kareler Yöntem Sıradan En Küçük Kareler Yöntem Bağlanım çözümlemesnde amaç, örneklem bağlanım şlev (ÖBİ) temel alınarak anakütle bağlanım

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

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

9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir? 9. ARDIŞIK BAĞIMLILIK SORUNU (AUTOCORRELATION) 9.1. Ardışık Bağımlılık Sorunu Nedir? Ardışık bağımlılık sorunu, hata terimleri arasında ilişki olmadığı (E(u i,u j ) = 0, i j) varsayımının geçerli olmamasıdır.

Detaylı

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

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

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır?

A İSTATİSTİK. 4. X kesikli rasgele (random) değişkenin moment çıkaran. C) 4 9 Buna göre, X in beklenen değeri kaçtır? . Br torbada 6 syah, 4 beyaz top vardır. Bu torbadan yerne koyarak top seçlyor. A İSTATİSTİK KPSS/-AB-PÖ/006. Normal dağılıma sahp br rasgele (random) değşkenn varyansı 00 dür. Seçlen topların ksnn de

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

27 Mart Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi

27 Mart Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ZAMAN SERİLERİ VERİLERİYLE REGRESYON ANALİZİNDE EK KONULAR Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (4th ed.) J. Wooldridge

Detaylı

İSTATİSTİK DERS NOTLARI

İSTATİSTİK DERS NOTLARI Balıkesr Ünverstes İnşaat Mühendslğ Bölüü uutokkan@balkesr.edu.tr İSTATİSTİK DERS OTLARI Yrd. Doç. Dr. Uut OKKA Hdrolk Anabl Dalı Balıkesr Ünverstes Balıkesr Ünverstes İnşaat Mühendslğ Bölüü İnşaat Mühendslğ

Detaylı

X = 11433, Y = 45237,

X = 11433, Y = 45237, A.Ü. SBF, IV Malye EKONOMETRİ I ARA SINAVI 4..006 Süre 90 dakkadır..,. ve 3. sorular 0 ar, 4. ve 5. sorular 30 ar pua, ödev 0 pua değerdedr. Tüm formüller ve şlemlerz açıkça gösterz. ) Y = Xβ + u doğrusal

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

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

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

Değişen Varyans (Heteroscedasticity) Sabit Varyans (Homoscedasticity) Varsayımı Altında Basit Regresyon Modeli

Değişen Varyans (Heteroscedasticity) Sabit Varyans (Homoscedasticity) Varsayımı Altında Basit Regresyon Modeli 1 2 Değişen Varyans (Heteroscedasticity) DEĞİŞEN VARYANS Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14

Detaylı

Tahmin Sorunu. Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011)

Tahmin Sorunu. Yrd. Doç. Dr. A. Talha YALTA Ekonometri 1 Ders Notları Sürüm 2,0 (Ekim 2011) İk Değşkenl Bağlanım Model Tahmn Sorunu Yrd. Doç. Dr. A. Talha YALTA Ekonometr 1 Ders Notları Sürüm 2,0 (Ekm 2011) Açık Lsans Blgs İşbu belge, Creatve Commons Attrbuton-Non-Commercal ShareAlke 3.0 Unported

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Bilgisayarla Görüye Giriş

Bilgisayarla Görüye Giriş Blgsayarla Görüye Grş Ders 8 Görüntü Eşleme Alp Ertürk alp.erturk@kocael.edu.tr Panorama Oluşturma Görüntüler eşlememz / çakıştırmamız gerekmektedr Panorama Oluşturma İk görüntüden özntelkler çıkar Panorama

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

Basit Regresyon Modeli BASİT REGRESYON MODELİ. Basit Regresyon Modeli. Basit Regresyon Modeli: y = β 0 + β 1 x + u

Basit Regresyon Modeli BASİT REGRESYON MODELİ. Basit Regresyon Modeli. Basit Regresyon Modeli: y = β 0 + β 1 x + u 1 2 Basit Regresyon Modeli 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

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. ed., 2002, Thomson Learning. Ch. 2: Basit Regresyon Modeli Doç. Dr.

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

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

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

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ

ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇUKUROVA ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ YÜKSEK LİSANS TEZİ Savaş OKUR PARAMETRİK VE PARAMETRİK OLMAYAN BASİT DOĞRUSAL REGRESYON ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRMALI OLARAK İNCELENMESİ ZOOTEKNİ ANABİLİM

Detaylı

SORU SETİ 02 (REVİZE EDİLDİ) FİNAL KONULARI

SORU SETİ 02 (REVİZE EDİLDİ) FİNAL KONULARI Ekonomeri 8 Ocak, 0 Gazi Üniversiesi İkisa Bölümü SORU SETİ 0 (REVİZE EDİLDİ) FİNAL KONULARI PROBLEM Aşağıda verilen avuk ei alebi fonksiyonunu düşününüz (960-98): lny = β + β ln X + β ln X + β ln X +

Detaylı

Rastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble.

Rastgele Süreçler. Rastgele süreç konsepti (Ensemble) Örnek Fonksiyonlar. deney. Zaman (sürekli veya kesikli) Ensemble. 1 Rastgele Süreçler Olasılık taması Rastgele Deney Çıktı Örnek Uzay, S (s) Zamanın Fonksiy onu (t, s) Olayları Tanımla Rastgele süreç konsepti (Ensemble) deney (t,s 1 ) 1 t Örnek Fonksiyonlar (t,s ) t

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

SIRADAN EN KÜÇÜK KARELER (OLS)

SIRADAN EN KÜÇÜK KARELER (OLS) SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge

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

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8

PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER 8 Prof. Dr. Ali ŞEN İki Populasyonun Karşılaştırılması: Eşleştirilmiş Örnekler için Wilcoxon İşaretli Mertebe Testi -BÜYÜK ÖRNEK Bağımsız populasyonlara uygulanan

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

Ch. 2: Basit Regresyon Modeli

Ch. 2: Basit Regresyon Modeli Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 2: Basit Regresyon Modeli

Detaylı

ÇALIŞMA EKONOMİSİ VE ENDÜSTRİ İLİŞKİLERİ. İş Kanunu na göre, işçi ücretleriyle ilgili aşağıdaki ifadelerden hangisi doğrudur? KPSS / AB-PÖ 3. İş

ÇALIŞMA EKONOMİSİ VE ENDÜSTRİ İLİŞKİLERİ. İş Kanunu na göre, işçi ücretleriyle ilgili aşağıdaki ifadelerden hangisi doğrudur? KPSS / AB-PÖ 3. İş ÖSYM T.C. YÜKSEKÖĞRETİM KURULU ÖĞRENCİ SEÇME VE YERLEŞTİRME MERKEZİ A KAMU PERSONEL SEÇME SINAVI (A GRUBU VE ÖĞRETMENLİK) 8 Haziran 009 ALAN BİLGİSİ TESTİ (ÇALIŞMA EKONOMİSİ VE ENDÜSTRİ İLİŞKİLERİ-EKONOMETRİ-İSTATİSTİK-

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

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

İstatistiksel Yorumlama

İstatistiksel Yorumlama İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız

Detaylı

İçindekiler. Ön Söz... xiii

İçindekiler. Ön Söz... xiii İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1

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

YATIRIMLAR VE TÜRKİYE DE ÖZEL SEKTÖR SABİT SERMAYE YATIRIMLARINI ETKİLEYEN UNSURLAR ÜZERİNE EKONOMETRİK MODEL ÇALIŞMASI

YATIRIMLAR VE TÜRKİYE DE ÖZEL SEKTÖR SABİT SERMAYE YATIRIMLARINI ETKİLEYEN UNSURLAR ÜZERİNE EKONOMETRİK MODEL ÇALIŞMASI T.. İSTANBUL ÜNİVERSİTESİ İKTİSAT FAKÜLTESİ EKONOMETRİ BÖLÜMÜ YATIRIMLAR VE TÜRKİYE DE ÖZEL SEKTÖR SABİT SERMAYE YATIRIMLARINI ETKİLEYEN UNSURLAR ÜZERİNE EKONOMETRİK MODEL ÇALIŞMASI Hazırlayanlar 0505020076

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

Çıkarsama, Tahmin, Hipotez Testi

Çıkarsama, Tahmin, Hipotez Testi İSTATİSTİK II: Çıkarsama, Tahmin, Hipotez Testi Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü 23 Eylül 2012 Ekonometri: İstatistiksel Çıkarsama - H. Taştan 1 İstatistik Biliminin Uğraşı

Detaylı

Sansürlenmiş ve Kesikli Regresyon Modelleri

Sansürlenmiş ve Kesikli Regresyon Modelleri TOBİT MODEL 1 Sansürlenmş ve Keskl Regresyon Modeller Sınırlı bağımlı değşkenler: sansürlenmş (censored) ve keskl (truncated) regresyon modeller şeklnde k gruba ayrılır. 2 Sansürlenmş ve Keskl Regresyon

Detaylı