EKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran

Save this PDF as:
 WORD  PNG  TXT  JPG

Ebat: px
Şu sayfadan göstermeyi başlat:

Download "EKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran"

Transkript

1 EKONOMETRİ GRETL Uygulamaları Prof. Dr. Bülent Miran Bornova-2015

2 İÇİNDEKİLER 1. Gretl da veri dosyasını çağırma: Gretl da Excel veri dosyasını açma: Excel den alınmış verilerin Gretl dosyası olarak saklanması: Gretl da EKK tahminlemesi: Menü yardımıyla bir değişkenin logaritmasının alınması: Yeni değişken tanımlama yoluyla bir değişkenin logaritmasının alınması: EKK Modelinin saklanması EKK modelleri ve verilerin Gretl oturumu olarak saklanması Gretl oturumunun açılması Adım adım EKK modellemesi: İhmal edilen değişken testi: Değişkenleri kategorilere ayırma: Gereksiz değişken belirleme: Ters fonksiyon tahminlemesi: Gretl ile Lin-log Tahmini Gretl ile Ters Fonksiyon Tahmini Gretl ile Log-log model tahmini: İkinci dereceden (kuadratik) fonksiyon tahminlemesi: Ramsey Reset testi Kukla değişken tanımlama: Otokorelasyon (Durbin Watson testi: Otokorelasyon testi (LM) Logit Model Trend modeli tahminleme Doğrusal trend denklemi: Kuadratik trend denklemi:... 60

3 1. Gretl da veri dosyasını çağırma: Open data/user file.. 1. Gretl veri dosyasının bulunduğu klasörü bul 2. Dosya tipi olarak Excel files (*.gdt) seç 3. Open düğmesine bas

4 2. Gretl da Excel veri dosyasını açma:

5 Open data/user file..

6 4. Excel dosyanın bulunduğu klasörü bul 5. Dosya tipi olarak Excel files (*.xlsx) seç 6. Open düğmesine bas 1 3 2

7 Çalışmak istediğiniz Excel dosyanın üzerine çift tıklayın:

8 Eğer yatay kesit verisi ise: Excel deki verileriniz Gretl a aktarıldığında aşağıdaki ekran görüntüsü elde edilir: Eğer zaman serisi ise:

9 yılları arasındaki veriler 3. Excel den alınmış verilerin Gretl dosyası olarak saklanması:

10 4. Gretl da EKK tahminlemesi:

11 Bağımlı değişkenin (dependent variable) seçilmesi: 1 2

12 Bağımsız değişken(ler)in (Regressors) seçilmesi: 1 2 3

13 Gözlem aralığı (1-20) Bağımlı değişken: Talep Tahminci (Katsayı) St Hata t istatistiği p değeri Sabit * α=0.10 için önemli ** α=0.05 için önemli *** α=0.01 için önemli Bağımlı değişken ortalaması Bağımlı değişken st sapması Hata kareleri toplamı Regresyon st hatası R-kare Düzeltilmiş R-kare F(1, 18) P-değeri (F) 0, Log-olabilirlik Akaike ölçütü a Schwarz ölçütü a Hannan-Quinn a aschwarz ölçütü, Akaike ölçütü ve Hannan-Quinn değerleri ne kadar küçükse, model o kadar iyidir.

14 p-değeri < 0.10 veya p-değeri < 0.05 veya p-değeri < 0.01 ise H 0 hipotezi reddedilir (Tahminci veya katsayı istatistiki açıdan anlamlıdır). p-değeri < 0.10 veya p-değeri < 0.05 veya p-değeri < 0.01 ise H 0 hipotezi reddedilir (Model istatistiki açıdan anlamlıdır).

15 Gerçek (actual), tahmin (fitted) ve hata (residual) değerlerinin gösterilmesi:

16 İstatistik (İngilizce) İstatistik (Türkçe) Anlamı Mean Error Ortalama hata Sıfır olmalı Mean Squared Error Ortalama hata kareleri Ne kadar küçükse o kadar iyi Root Mean Squared Error Ortalama hata kareleri kökü Ne kadar küçükse o kadar iyi Mean Absolute Error Ortalama mutlak hata Ne kadar küçükse o kadar iyi Mean Percentage Error Ortalama yüzde hata Ne kadar küçükse o kadar iyi Mean Absolute Percentage Error Ortalama yüzde mutlak hata Ne kadar küçükse o kadar iyi Theil U nun yorumu Theil s U Yorum 1 den küçükse Regresyon analizi, rastgele konuşmaktan daha iyidir 1 Regresyon analizi, rastgele konuşmakla aynıdır More than 1 Rastgele konuşmak, regresyon analizinden daha iyidir Tahmin değerlerinin değişken olarak elde edilmesi: Hata değerlerinin değişken olarak elde edilmesi:

17

18

19 5. Menü yardımıyla bir değişkenin logaritmasının alınması:

20

21 6. Yeni değişken tanımlama yoluyla bir değişkenin logaritmasının alınması:

22 7. EKK Modelinin saklanması Tahmin edilen EKK modeli, daha sonra ulaşmak üzere saklanabilir. Bunun için File/Save as icon and close menüsünden yararlanılabilir. Tahmin edilen modellerin her birini bu şekilde saklayıp, daha sonra session icon view i tıklayarak ulaşmak mümkündür. Tahmin ettiğimiz EKK modeli, Model 2 (tahmin edilen model numarası) olarak saklanmıştır. Tıklandığında sakladığınız EKK modelini tekrar sunacaktır.

23 8. EKK modelleri ve verilerin Gretl oturumu olarak saklanması Gretl da üzerinde çalıştığınız verileri ve modelleri saklayıp daha sonra kullanabilirsiniz. Oturum saklandığında hem veriler hem de modeller saklanacağından ayrıca verileri saklamaya ihtiyaç duyulmaz.

24 9. Gretl oturumunun açılması

25 10. Adım adım EKK modellemesi: Başlangıç modelimizin EKK tahmini:

26 11. İhmal edilen değişken testi: İhmal edilen değişken testi, Tests/Add variables menüsünden yapılır. İhmal edilen değişkenimizi işaretleyip Add -> düğmesini tıklayarak seçelim. İhmal edilen değişkenin EKK tahminindeki katsayısı istatistiki açıdan anlamlıdır. Başlangıç modeli (Model 1) ve gelir değişkeninin eklendiği Model 2 karşılaştırması, F testi ile yapılmaktadır. Sıfır hipotezi, eklenen değişken(ler)in katsayı(sı/ları)nın sıfır olduğunu kabul eder. Örneğimizde üç model seçim kriterinden üçü iyileşmiştir mesajıylala birlikte, F testi, sıfır hipotezini reddetmektedir. O halde Gelir ihmal edilen değişkendir. Bir başka ifadeyle, Gelir mutlaka modelde yer almalıdır.

27 12. Değişkenleri kategorilere ayırma: Gelir değişkeni bazen kategorik olarak modele girebilir. Özellikle bağımlı değişkenin gelir kategorilerine göre değişimi incelemek gerektiğinde, gelir değişkeni belli kıstaslar kullanılarak kategorize edilebilir. Biz burada gelir kategorilerinin daha önceden belirlendiğini varsayacağız. Buna göre gelir 0 ile 1000 arasında ise 1. kategori, 1001 ile 1500 arasında ise 2. kategori, 1500 den büyükse 3. kategori olarak tanımlanmış olsun. Gretl bu işlemi basit bir komutla gerçekleştirebilir. Bunun için önce Add/Define new variable seçeği tıklanır:

28 Ardından gelir kategorisi değişkenini temsil eden gelkat değişkeni aşağıdaki formülle tanımlanır: gelkat = (gelir>=0) + (gelir >= 1001) + (gelir >= 1501) Kategori 1 Kategori 2 Kategori 3

29 13. Gereksiz değişken belirleme:

30 EKK tahminimiz SEF değişkeninin gereksiz olduğunu doğrulamaktadır. SEF değişkeninin gereksiz olup olmadığı Tests/Omit variables menüsünden test edilir.

31 SEF değişkeni gereksiz değişken olarak seçilir. Başlangıç modeli (Model 1) ve SEF değişkeninin çıkarıldığı Model 2 karşılaştırması, F testi ile yapılmaktadır. Sıfır hipotezi, çıkarılan değişken(ler)in katsayı(sı/ları)nın sıfır olduğunu kabul eder. Örneğimizde üç model seçim kriterinden üçü iyileşmiştir mesajıylala birlikte, F testi, sıfır hipotezini reddetmemektedir. O halde SEF sıfırdır; yani gereksiz değişkendir. Bir başka ifadeyle, SEF modelden çıkarılmalıdır.

32 14. Ters fonksiyon tahminlemesi: Açılan metin kutusuna aşağıdaki formül yazılır:

33 XT1= 1 / X XT1, X değişkeninin çarpmaya göre tersini temsil eden değişkendir. Son duruma göre Gretl değişken listemize XT1 değişkenini eklemiş olduk: 15. Gretl ile Lin-log Tahmini Lin-log fonksiyonu Gretl yardımıyla tahmin etmek için X değişkeninin logaritmasını almamız gerekir. Bunun için, X değişkeni işaretliylen Add menüsü açılır ve Logs of selected variables seçeneği tıklanır.

34 Bu işlemde, X değişkeninin e tabanına göre logaritması alınır ve l_x değişkenine atanır.

35 Elde edilen l_x değişkeni lin-log modelin tahmin edilmesi sırasında bağımsız değişken olarak kullanılır. 16. Gretl ile Ters Fonksiyon Tahmini Log-lin fonksiyonu Gretl yardımıyla tahmin edebilmek için bu kez Y değişkeninin logaritmasını almamız gerekir. Bunun için, Y değişkeni işaretliyken Add menüsü açılır ve Logs of selected variables seçeneği tıklanır. Bu işlemde, Y değişkeninin e tabanına göre logaritması alınır ve l_y değişkenine atanır.

36 17. Gretl ile Log-log model tahmini: Log-log fonksiyonu Gretl yardımıyla tahmin edebilmek için bu kez hem Y hem de X değişkeninin logaritmasını almamız gerekir. Bunun için, Y ve X değişkenleri aynı anda işaretliyken Add menüsü açılır ve Logs of selected variables seçeneği tıklanır. Bu işlemde, gerek Y gerekse X değişkeninin e tabanına göre logaritması alınır ve sırasıyla l_y ve l_x değişkenlerine atanır.

37 18. İkinci dereceden (kuadratik) fonksiyon tahminlemesi: Tüm bunları Gretl yardımıyla yapmamız mümkündür. Değişkenlerimiz sadece y ve x tir. x'in karesini menü yardımıyla yapabiliriz:

38 x'in küpünü Define new variable yardımıyla alabiliriz:

39 Önce kuadratik fonksiyonu tahmin edelim:

40 Üçüncü dereceden (kübik) fonksiyon tahminlemesi Şimdi de kübik fonksiyonu tahmin edelim:

41 19. Ramsey Reset testi Model değişkenlerimiz sadece Y ve X tir. Bağımlı değişken olarak Y yi bağımsız değişken olarak X i atıyoruz.

42 Doğrusal modelimizin EKK tahmin sonuçları: Ramsey RESET testi için, Tests/Ramsey s RESET menü dizisini kullanmamız gerekiyor.

43 Ramsey RESET testi; kareli ve küplü (squares and cubes), sadece kareli terim (squares only), sadece küplü terim (cubes only) ve tüm kombinasyonlar (all variants) seçenekleri için yapılabilir. Biz şimdi sadece kareli terimi seçeceğiz: Sıfır hipotezi, kareli terimin sıfır olduğunu, yani kareli terimin modele dahil edilmemesi gerektiğini savunur. Buna göre F testi, sıfır hipotezinin reddedilmesini önerir. Bir başkka ifadeyle, kareli terim modele dahil edilmelidir. Şimdi de kareli ve küplü terimlerin birlikte modele alınması durumunu test edeceğiz.

44 Sıfır hiptezi, kareli ve küplü terimin her ikisinin birden sıfır olduğunu savunur. F testi, sıfır hipotezinin reddedilmesini önerir. O halde, ikinci ve üçüncü dereceden terimlerden en az birinin modele alınması gerekmektedir. Örneğimizde her ikisinin birden modele alınması gerektiğini, yhat^2 ve yhat^3 terimlerinin istatistiki açıdan anlamlı olmasından anlıyoruz. 20. Kukla değişken tanımlama: Gretl daki işlem süreci, Add/Define new variable ile başlar:

45 Amacımız gelirin e eşit veya daha büyük olduğu durum için 1, daha küçük olduğu durum için 0 olarak temsil edildiği kukla değişkeni hazırlamaksa: gelkuk = gelir>= şeklinde tanımlamamız gerekir: Bu tanımlamadaki gelir>= mantıksal bir ifadedir; o nedenle, ifade doğru ise 1, yanlış ise 1 sonucu ortaya çıkacaktır: Eğer elimizdeki veri setinde kategorik değişken varsa, Gretl her kategori için bir kukla değişken tanımı yapabilir. Örneğin daha once gelir değişkenini; 0 ile 1000 arasında ise 1. kategori, 1001 ile 1500 arasında ise 2. kategori, 1500 den büyükse 3. kategori olarak tanımlamış ve bu değişkene gelkat adını vermiştik.

46 İzleyen adımda, Gretl ın gelkat değişkenini kesikli değişken olarak tanımasını sağlamamız gerekiyor. Bunun için, gelkat değişkeni üzerindeyden sağ kliği tıkladığımızda açılan menüden Edit attributes seçeneğini tıklamalıyız: Sağ klik Aşağıda görülen Edit attributes ekranında Treat this variable as discrete seçeneğine onay işareti koyup, OK düğmesine basmamız gerekiyor.

47 Artık gelkat değişkeninden kukla değişkenler elde etmeye hazırız. gelkat değişkeni işaretli iken Add/Dummies for selected variables menü dizisi izlenir. Bunun üzerine karşımıza: çıkacaktır. Encode all values seçeneğini işaretleyip OK düğmesine basarsak, 3 farklı gelir kategorisinin herbiri için birer kukla değişken hazırlanacak ve bu değişkenlere sırasıyla Dgelkat_1, Dgelkat_2 ve Dgelkat_3 adları verilecektir.

48 Skip the lowest value seçeneğini işaretleyip OK düğmesine basarsak, ilk kategori hariç diğer 2 gelir kategorisinin herbiri için birer kukla değişken hazırlanacak ve bu değişkenlere sırasıyla Dgelkat_2 ve Dgelkat_3 adları verilecektir. Skip the highest value seçeneğini işaretleyip OK düğmesine basarsak, son kategori hariç diğer 2 gelir kategorisinin herbiri için birer kukla değişken hazırlanacak ve bu değişkenlere sırasıyla Dgelkat_1 ve Dgelkat_2 adları verilecektir..

49 Farklı varyans (White testi)

50 21. Otokorelasyon (Durbin Watson testi:

51

52 22. Otokorelasyon testi (LM)

53

54 23. Logit Model

55 24. Trend modeli tahminleme Önce trend değişkenini oluşturalım: Trend değişkeni, time adıyla değişken listesine kaydedilmiş olmalıdır:

56 Doğrusal trend denklemi: Y t =b o +b ı t

57

58 Şimdi yılları arasındaki veri setimizi, 2005 yılına kadar genişletelim:

59

60 Kuadratik trend denklemi: Y t =b o +b ı t+b 2 t 2 Önce trend değişkeninin karesini alalım:

61 Kuadratik trend denklemini tahmin edelim:

62

63

64 t Tablosu Sd Tek Yanlı Çift Yanlı

65 Ki Kare Tablosu Sd\

66 F Tablosu =0.10 v 1 v

67 =0.05 için F Tablosu v 1 v

68 =0.01 için F Tablosu v 2/v

69 Durbin-Watson d istatistiği (α=0.05) N: Dönem, k: Bağımsız değişken sayısı (Sabit hariç) obs. k'=1 k'=2 k'=3 k'=4 k'=5 k'=6 k'=7 k'=8 N dl du dl du dl du dl du dl du dl du dl du dl du

70

Data View ve Variable View

Data View ve Variable View SPSS i çalıştırma 0 SPSS İlk Açılışı 1 Data View ve Variable View 2 Değişken Tanımlama - 1 3 Değişken Tanımlama - 2 4 Boş Veri Sayfası 5 Veri Girişi - 1 6 Veri Girişi - 2 7 Dosya Kaydetme 1 2 3 8 File

Detaylı

Excel dosyasından verileri aktarmak için Proc/Import/Read Text-Lotus-Excel menüsüne tıklanır.

Excel dosyasından verileri aktarmak için Proc/Import/Read Text-Lotus-Excel menüsüne tıklanır. ZAMAN SERİSİ MODEL Aşağıdaki anlatım sadece lisans düzeyindeki temel ekonometri bilgisine göre hazırlanmıştır. Bir akademik çalışmanın gerektirdiği birçok ön ve son testi içermemektedir. Bu dosyalar ilk

Detaylı

3. BÖLÜM: EN KÜÇÜK KARELER

3. BÖLÜM: EN KÜÇÜK KARELER 3. BÖLÜM: EN KÜÇÜK KARELER Bu bölümde; Kilo/Boy Örneği için Basit bir Regresyon EViews Denklem Penceresinin İçeriği Biftek Talebi Örneği için Çalışma Dosyası Oluşturma Beef 2.xls İsimli Çalışma Sayfasından

Detaylı

Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur.

Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. Değişen Varyans Örnek Bu örnekte kullanılan veri 200 gözleme sahiptir ve örnek için özel olarak oluşturulmuştur. 1 Aşağıda yer alan denklemi tahmin edelim; y i = β 0 + β 1 x 1i + β 2 x 2i + u i EViews

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

A. Regresyon Katsayılarında Yapısal Kırılma Testleri

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

Detaylı

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

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

Detaylı

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

01.02.2013. Statistical Package for the Social Sciences

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

Detaylı

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

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

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37

İÇİNDEKİLER. BÖLÜM 1 Değişkenler ve Grafikler 1. BÖLÜM 2 Frekans Dağılımları 37 İÇİNDEKİLER BÖLÜM 1 Değişkenler ve Grafikler 1 İstatistik 1 Yığın ve Örnek; Tümevarımcı ve Betimleyici İstatistik 1 Değişkenler: Kesikli ve Sürekli 1 Verilerin Yuvarlanması Bilimsel Gösterim Anlamlı Rakamlar

Detaylı

3.SUNUM. Yrd. Doç. Dr. Sedat Şen

3.SUNUM. Yrd. Doç. Dr. Sedat Şen 3.SUNUM 1 Daha önce gösterdiğimiz gibi SPSS e manual olarak (elle) veri girişi yapabildiğimiz gibi daha önce başka bir dosyaya girilmiş olan bir veriyi de SPSS e file>open >data seçeneklerini kullanarak

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

Yeni Adrese Tebligat Gönderim İşlemleri

Yeni Adrese Tebligat Gönderim İşlemleri Yeni Adrese Tebligat Gönderim İşlemleri Yeni Adrese Tebligat Gönderim İşlemleri İÇİNDEKİLER Yeni Adrese Tebligat Gönderilme Aşamaları (Barkodsuz)... 3 YENİ ADRESE TEBLİGAT GÖNDERİLMESİ... 3 1- Tebliğ Durumu

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

4. BÖLÜM: REGRESYON ANALİZİNİ KULLANMAYI ÖĞRENME

4. BÖLÜM: REGRESYON ANALİZİNİ KULLANMAYI ÖĞRENME 4. BÖLÜM: REGRESYON ANALİZİNİ KULLANMAYI ÖĞRENME Bu bölümde; Bir grup değişkenin çalışma sayfası görüntüsünü görüntüleme Bir grup değişkenin tanımlayıcı istatistiklerini görüntüleme Bir grup içerisindeki

Detaylı

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

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

Detaylı

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

MODEL KURMA HATALARI ve VERİ SORUNLARI

MODEL KURMA HATALARI ve VERİ SORUNLARI MODEL KURMA HATALARI ve VERİ SORUNLARI Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri

Detaylı

8. BÖLÜM: DEĞİŞEN VARYANS

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

Detaylı

BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ

BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ BAĞIMLI KUKLA DEĞİŞKENLİ MODELLER A- KADININ İŞGÜCÜNE KATILIM MODELİ NİN DOM İLE E-VIEWS DA ÇÖZÜMÜ Modeldeki değişken tanımları aşağıdaki gibidir: IS= 1 i.kadının bir işi varsa (ya da iş arıyorsa) 0 Diğer

Detaylı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı TOBB Ekonomi ve Teknoloji Üniversitesi Öğr.Gör.: Yrd. Doç. Dr. A. Talha YALTA Ad, Soyad: Açıklamalar: Bu sınav toplam 100 puan değerinde 4 sorudan oluşmaktadır. Sınav süresi 90 dakikadır ve tüm soruların

Detaylı

2. BÖLÜM: REGRESYON ANALİZİ

2. BÖLÜM: REGRESYON ANALİZİ 2. BÖLÜM: REGRESYON ANALİZİ Bu bölümde; Basit bir Regresyon Analizi EViews çalışma dosyası oluşturma EViews çalışma dosyasına veri girme EViews ta grup oluşturma EViews ta grafik çizme EViews ta yeni değişken

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

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

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

Detaylı

Yeni İşyeri Aktarma. Örnek Excel dosyası aşağıdaki gibi olmalıdır.

Yeni İşyeri Aktarma. Örnek Excel dosyası aşağıdaki gibi olmalıdır. Yeni İşyeri Aktarma Örnek Excel dosyası aşağıdaki gibi olmalıdır. Excel dosyası hazırlandıktan sonra Hukuk Partner e giriş yapın. Uyap İşlemleri menü başlığı altından Yeni İşyeri Aktarma menüsünü seçin.

Detaylı

Epi Info Kullanımı AMACI: Epi Info Programı ile veri tabanı hazırlayabilme ve veri girişi yapabilme becerisi kazanmak ÖĞRENİM HEDEFLERİ Epi Info bileşenlerini tanımlayabilmek Epi Info Make View programında

Detaylı

Mühendislikte Veri Tabanları Dersi Uygulamaları (ArcGIS-SQL)

Mühendislikte Veri Tabanları Dersi Uygulamaları (ArcGIS-SQL) Mühendislikte Veri Tabanları Dersi Uygulamaları (ArcGIS-SQL) İstanbul Teknik Üniversitesi, İnşaat Fakültesi, Geomatik Mühendisliği Bölümü 2014 2015 Güz Yarıyılı Uygulama 2 ArcGIS Yazılımı ile Mekânsal

Detaylı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı

REGRESYON ANALİZİ VE UYGULAMA. Yrd. Doç. Dr. Hidayet Takcı REGRESYON ANALİZİ VE UYGULAMA Yrd. Doç. Dr. Hidayet Takcı htakci@cumhuriyet.edu.tr Sunum içeriği Bu sunumda; Lojistik regresyon konu anlatımı Basit doğrusal regresyon problem çözümleme Excel yardımıyla

Detaylı

9. BÖLÜM: MODEL KURMA: BAĞIMSIZ DEĞİŞKEN SEÇİMİ

9. BÖLÜM: MODEL KURMA: BAĞIMSIZ DEĞİŞKEN SEÇİMİ Emrah ER 9. BÖLÜM: MODEL KURMA: BAĞIMSIZ DEĞİŞKEN SEÇİMİ Bu bölümde; EKK Modeline Değişken Ekleme veya Modelden Değişken Çıkarma EKK Modelinde Gecikmeli Değişkenler Ek: İlave Belirleme Kriteri Ramsey Model

Detaylı

Barkod, Tebligat ve Tebliğ Masrafı Yönetimi

Barkod, Tebligat ve Tebliğ Masrafı Yönetimi Barkod, Tebligat ve Tebliğ Masrafı Yönetimi Barkod, Tebligat ve Tebliğ Masrafı Yönetimi İÇİNDEKİLER BARKOD, TEBLİGAT ve Tebliğ Masrafı YÖNETİMİ... 3 HAZIRLIK... 3 ORTAK SEÇENEKLER... 3 ORTAK MENÜ YETKİLERİ...

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

EVIEWS KULLANIMI (EVIEWS 7.1)

EVIEWS KULLANIMI (EVIEWS 7.1) EVIEWS KULLANIMI (EVIEWS 7.1) BAŞLANGIÇ Yeni bir dosya (workfile) yaratma Adım 1. Ana menüden File/New/Workfile ı seçin Adım 2. Workfile structure type ne tür veri kullandığınızı gösterir. ÖR1. Zaman serisi

Detaylı

UYAP VERİ AKTARMA İŞLEMLERİ

UYAP VERİ AKTARMA İŞLEMLERİ UYAP VERİ AKTARMA İŞLEMLERİ UYAP VERİ AKTARMA MODÜLÜ İÇİNDEKİLER UYAP VERİ AKTARMA İŞLEMLERİ... 3 Yeni Araç Aktarma... 3 UYAP İşlemleri (Yazışmaları) İçin İş Emri Düzenlemeleri... 4 Süreç Yönetimi... 5

Detaylı

SPPS. Verileri Düzenleme ve Değiştirme 3 - Data Menüsü. Y. Doç. Dr. İbrahim Turan Nisan 2011

SPPS. Verileri Düzenleme ve Değiştirme 3 - Data Menüsü. Y. Doç. Dr. İbrahim Turan Nisan 2011 SPPS Verileri Düzenleme ve Değiştirme 3 - Data Menüsü Y. Doç. Dr. İbrahim Turan Nisan 2011 Data Menüsü 1- Define Variable 1- Properties (Değişken Özelliklerini Tanımlama) Değişken özelliklerini tanımlamak

Detaylı

UYGULAMA 2 TABLO YAPIMI

UYGULAMA 2 TABLO YAPIMI 1 UYGULAMA 2 TABLO YAPIMI Amaç: SPSS 10 istatistiksel paket programında veri girişi ve tablo yapımı. SPSS 10 istatistiksel paket programı ilk açıldığında ekrana gelen görüntü aşağıdaki gibidir. Bu pencere

Detaylı

UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI

UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI 1 UYGULAMA 4 TANIMLAYICI İSTATİSTİK DEĞERLERİNİN HESAPLANMASI Örnek 1: Ders Kitabı 3. konuda verilen 100 tane yaş değeri için; a. Aritmetik ortalama, b. Ortanca değer, c. Tepe değeri, d. En küçük ve en

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

OPERATÖR SERVİSLERİ. Kullanıcı Kılavuzu

OPERATÖR SERVİSLERİ. Kullanıcı Kılavuzu OPERATÖR SERVİSLERİ Kullanıcı Kılavuzu Versiyon Tarih Yazan Tanım 1.0 01-08-2013 Burcu Kayacık Yalman Turkcell Servisleri 2.0 08-10-2014 Burak Şanlı Vodafone Servisleri 2.1 17-10-2014 Gül GÖNLÜBEYAZ Düzenlemeler

Detaylı

Eviews ve Veri Girişi

Eviews ve Veri Girişi Eviews ve Veri Girişi Eviews görsel yollar ile klavyeden yada kayıtlı dosyalardan veri girişi için kolaylıklar sağlamaktadır. Eski serilerden yeni seri oluşturmak, serilerin çıktısını almak yada seriler

Detaylı

ÜSTEL DÜZLEŞTİRME YÖNTEMİ

ÜSTEL DÜZLEŞTİRME YÖNTEMİ ÜSEL DÜLEŞİRME YÖNEMİ ÜSEL DÜLEŞİRME YÖNEMİ Bu bölüme kadar anlatılan yöntemler zaman içinde değişmeyen parametre varsayımına uygun serilerin tahminlerinde kullanılmaktaydı. Bu tür seriler deterministik

Detaylı

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

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

Detaylı

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can

SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER. Abdullah Can SPSS E GİRİŞ SPSS TE TEMEL İŞLEMLER SPSS in üzerinde işlem yapılabilecek iki ana ekran görünümü vardır. DATA VIEW (VERİ görünümü) VARIABLE VIEW (DEĞİŞKEN görünümü) 1 DATA VIEW (VERİ görünümü) İstatistiksel

Detaylı

R ile Regresyon Analizi. EM 320 İleri Regresyon Analizi Ders Notları. Dr. Hüseyin GÜLER

R ile Regresyon Analizi. EM 320 İleri Regresyon Analizi Ders Notları. Dr. Hüseyin GÜLER Dr. Hüseyin Güler 27 Şubat 2015 Çukurova Üniversitesi Adana hguler@cu.edu.tr R ile Regresyon Analizi EM 320 İleri Regresyon Analizi Ders Notları Dr. Hüseyin GÜLER Dr. Hüseyin GÜLER / R ile Regresyon Analizi

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

Hukuk Parter ile SMS Yönetimi

Hukuk Parter ile SMS Yönetimi Hukuk Parter ile SMS Yönetimi Hukuk Partner ile SMS Yönetimi İÇİNDEKİLER Hukuk Partner ile SMS Yönetimi... 3 SMS Gönderimi ile ilgili Tanımlamalar... 3 SMS Gönderimine ilişkin yetkiler... 3 SMS Hesabı

Detaylı

Bağımsız Örneklemler İçin Tek Faktörlü ANOVA

Bağımsız Örneklemler İçin Tek Faktörlü ANOVA Bağımsız Örneklemler İçin Tek Faktörlü ANOVA ANOVA (Varyans Analizi) birden çok t-testinin uygulanması gerektiği durumlarda hata varyansını azaltmak amacıyla öncelikle bir F istatistiği hesaplanır bu F

Detaylı

Kullanıcı Giriş Ekranı

Kullanıcı Giriş Ekranı KULLANIM KILAVUZU Kullanıcı Giriş Ekranı Programı ilk defa kurduysanız kullanıcı adınız ve şifreniz palmiye dir. Server a bağlanmak için server yazan kutuya tıklayınız. IP Numarası olarak Server IP Numarası

Detaylı

Uyapı Veri Aktarma İşlemleri

Uyapı Veri Aktarma İşlemleri Uyapı Veri Aktarma İşlemleri Uyap Veri Aktarma Modülü İÇİNDEKİLER UYAP VERİ AKTARMA İŞLEMLERİ... 3 Yeni Araç Aktarma... 3 UYAP İşlemleri (Yazışmaları) İçin İş Emri Düzenlemeleri... 4 Süreç Yönetimi...

Detaylı

Açılan programın pencere görünümü aşağıdaki gibidir. 2. Araç Çubuğundan kaydet düğmesi ile

Açılan programın pencere görünümü aşağıdaki gibidir. 2. Araç Çubuğundan kaydet düğmesi ile POWERPOINT PROGRAMI Powerpoint bir sunu hazırlama programıdır. Belirli bir konu hakkında bilgi vermek için, derslerle ilgili bir etkinlik hazırlamak için, dinleyicilere görsel ortamda sunum yapmak için

Detaylı

5.HAFTA. Yrd. Doç. Dr. Sedat ŞEN Harran Üniversitesi

5.HAFTA. Yrd. Doç. Dr. Sedat ŞEN Harran Üniversitesi 5.HAFTA Yrd. Doç. Dr. Sedat ŞEN Harran Üniversitesi Bu sunumda kullanılan verimizde bulunan değişkenler: İsim CİNSİYET KİTAP YAŞ VİZE VİZE2 FİNAL DÖNEMSONUNOTU Bu dersimizde daha önce hesapladığımız basit

Detaylı

10. BÖLÜM: MODEL KURMA: FONKSİYONEL FORM SEÇİMİ

10. BÖLÜM: MODEL KURMA: FONKSİYONEL FORM SEÇİMİ 10. BÖLÜM: MODEL KURMA: FONKSİYONEL FORM SEÇİMİ Bu bölümde; Fonksiyonel Form için EViews Tablosu EViews ta Quasi R 2 Hesaplanması EViews ta Doğrusal ve Log-Lin Modeller için Quasi R 2 Hesaplanması EViews

Detaylı

İstatistik ve Olasılık

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

Detaylı

19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I

19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I 19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I Bir dil dershanesinde öğrenciler talep ettikleri takdirde, öğretmenleriyle

Detaylı

DÖNEM İÇİ NOT GİRİŞİ KULLANMA KILAVUZU

DÖNEM İÇİ NOT GİRİŞİ KULLANMA KILAVUZU DÖNEM İÇİ NOT GİRİŞİ KULLANMA KILAVUZU A) NOT KATEGORİLERİN TANIMLANMASI Not kategorisi formunu kullanmak için akademik portal üzerinden, ( http://newportal.emu.edu.tr) Akademik işler sekmesinin altından,

Detaylı

BİLGİSAYAR PROGRAMLAMA. Yrd. Doç. Dr. Beytullah EREN beren@sakarya.edu.tr 0264 295 5642

BİLGİSAYAR PROGRAMLAMA. Yrd. Doç. Dr. Beytullah EREN beren@sakarya.edu.tr 0264 295 5642 BİLGİSAYAR PROGRAMLAMA Yrd. Doç. Dr. Beytullah EREN beren@sakarya.edu.tr 0264 295 5642 EXCEL DE GRAFİK UYGULAMA GRAFİKLER Grafikler, çok sayıda verinin ve farklı veri serileri arasındaki ilişkinin anlaşılmasını

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

EŞANLI DENKLEM MODELLERİ

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

Detaylı

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

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

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

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

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

Detaylı

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI ÖNSÖZ İÇİNDEKİLER III Bölüm 1 İSTATİSTİK ve SAYISAL BİLGİ 11 1.1 İstatistik ve Önemi 12 1.2 İstatistikte Temel Kavramlar 14 1.3 İstatistiğin Amacı 15 1.4 Veri Türleri 15 1.5 Veri Ölçüm Düzeyleri 16 1.6

Detaylı

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

KONULAR. 14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi ÇOKLU REGRESYON ANALİZİNDE EK KONULAR Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri

Detaylı

LOGO PARTNER MEETING

LOGO PARTNER MEETING LOGO PARTNER MEETING Aşağıda görseller ile desteklenen anlatım, logopartnermeeting.com web sitesinin kullanımı için hazırlanmıştır. Yukarıda gördüğünüz görselde bulunan işaretli alanlar aşağıda sırasıyla

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

Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER

Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER Prof. Dr. Özkan ÜNVER Prof. Dr. Hamza GAMGAM Doç. Dr. Bülent ALTUNKAYNAK SPSS UYGULAMALI TEMEL İSTATİSTİK YÖNTEMLER Gözden Geçirilmiş ve Genişletilmiş 8. Baskı Frekans Dağılımları Varyans Analizi Merkezsel

Detaylı

Course Online. Güncelleme: Haziran 24, 2013

Course Online. Güncelleme: Haziran 24, 2013 Course Online Güncelleme: Haziran 24, 2013 Course Online, Campus Online ile birlikte hocaların kullanımına açık, verdikleri derslerle ilgili çeşitli değişiklikleri ve bildirimleri yapabilecekleri web tabanlı

Detaylı

Teknik Resim Çıkartılması

Teknik Resim Çıkartılması Teknik Resim Çıkartılması Open komutuna tıklayarak daha önce çizmiş olduğumuz D2-Revolved Feature isimli part dosyamızı açalım. New komutuna tıklayarak yeni bir Drawing dokümanı oluşturalım. Karşımıza

Detaylı

1. GİRİŞ Kılavuzun amacı. Bu bölümde;

1. GİRİŞ Kılavuzun amacı. Bu bölümde; 1. GİRİŞ Bu bölümde; Kılavuzun amacı EViews Yardım EViews Temelleri ve Nesneleri EViews ta Matematiksel İfadeler EViews Ana Ekranındaki Alanlar 1.1. Kılavuzun amacı Ekonometri A. H. Studenmund tarafından

Detaylı

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım 2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI 2.1. Tanım Regresyon analizi, bir değişkenin başka bir veya daha fazla değişkene olan bağımlılığını inceler. Amaç, bağımlı değişkenin kitle ortalamasını, açıklayıcı

Detaylı

--------------------------------------------------------------------------------------------------------------------------------------

-------------------------------------------------------------------------------------------------------------------------------------- freedcamp.com internet üzerinde online olarak proje yönetimini sağlayan bir sistemdir. Kullanıcılara değişik yetkilerin verilebildiği, görevler atanabildiği, dosya paylaşımının ve tartışma ortamlarının

Detaylı

11. BÖLÜM: EŞANLI DENKLEM SİSTEMLERİ

11. BÖLÜM: EŞANLI DENKLEM SİSTEMLERİ 11. BÖLÜM: EŞANLI DENKLEM SİSTEMLERİ Bu bölümde; Yapısal denklemleri kullanarak vergiler ve net ihracatın zaman serilerini oluşturma EKK ile CO tahmini EViews TSLS metodu ile iki aşamalı EKK regresyon

Detaylı

www.elektrikogretmenleri.com

www.elektrikogretmenleri.com FIREWORKS (MENU OLUŞ TURMA) 1 Önce Başlat menüsü Programlar Adobe Web Premium CS3 Adobe Fireworks CS3 kısayol simgesi ile Fireworks programı açılır. 2 Fireworks programı açıldığında Karşımıza gelen Yeni

Detaylı

NAZMİYE DEMİREL ORTAOKULU BİLİŞİM TEKNOLOJİLERİ DERSİ 1. DÖNEM 6. SINIFLAR DERS NOTU EXCEL 2007 DERS NOTLARI

NAZMİYE DEMİREL ORTAOKULU BİLİŞİM TEKNOLOJİLERİ DERSİ 1. DÖNEM 6. SINIFLAR DERS NOTU EXCEL 2007 DERS NOTLARI EXCEL 2007 DERS NOTLARI Bir hesap tablosu programıdır. Excel, her türlü veriyi (özellikle sayısal verileri) tablolar ya da listeler halinde tutma ve bu verilerle ilgili ihtiyaç duyacağınız tüm hesaplamaları

Detaylı

MS WORD 4.BÖLÜM. Bölüm Adı: NESNE EKLEME Bölümün Amacı: Belgeye nesne ekleme işlemlerini gerçekleştirmek.

MS WORD 4.BÖLÜM. Bölüm Adı: NESNE EKLEME Bölümün Amacı: Belgeye nesne ekleme işlemlerini gerçekleştirmek. MS WORD 4.BÖLÜM Bölüm Adı: NESNE EKLEME Bölümün Amacı: Belgeye nesne ekleme işlemlerini gerçekleştirmek. Neler Öğreneceksiniz? Bu bölümü bitiren kişi: 1. Ekle sekmesini tanır. 2. Kapak sayfası oluşturabilir.

Detaylı

2000 de Programlarla Çalışmalar

2000 de Programlarla Çalışmalar Windows 2000 de Programlarla Çalışmalar 24 3 Windows 2000 de Programlarla Çalışmalar Programları Başlatmak Programları başlat menüsünü kullanarak, başlatmak istediğiniz programın simgesini çift tıklayarak

Detaylı

İşletme Fakültesi Bil. Kullanımı Ders notları 2

İşletme Fakültesi Bil. Kullanımı Ders notları 2 İşletme Fakültesi Bil. Kullanımı Ders notları 2 Öğr.Gör.Ali ATALAY EXCEL PAKET PROGRAMI Günümüzde hesap tablosu, veri analizi, kod yazımı, grafik çizimi, veri tabanı oluşturma gibi bir çok özelliği olan

Detaylı

T.C. BAŞBAKANLIK ATATÜRK KÜLTÜR, DİL VE TARİH YÜKSEK KURUMU PROJE TAKİP VE YÖNETİM SİSTEMİ KULLANICI KILAVUZU

T.C. BAŞBAKANLIK ATATÜRK KÜLTÜR, DİL VE TARİH YÜKSEK KURUMU PROJE TAKİP VE YÖNETİM SİSTEMİ KULLANICI KILAVUZU T.C. BAŞBAKANLIK ATATÜRK KÜLTÜR, DİL VE TARİH YÜKSEK KURUMU PROJE TAKİP VE YÖNETİM SİSTEMİ KULLANICI KILAVUZU I. İçindekiler 1. PROJE SİSTEMİ WEB ADRESİ... 2 2. GİRİŞ EKRANI... 2 3. KAYIT VE SİSTEME GİRİŞ...

Detaylı

Gerekli bağlantıları yapıp, ACS420 V3.03 programını çalıştırınız. Program açıldığında, LMS14 ün içindeki parametrelerin okunmasını bekleyiniz.

Gerekli bağlantıları yapıp, ACS420 V3.03 programını çalıştırınız. Program açıldığında, LMS14 ün içindeki parametrelerin okunmasını bekleyiniz. Gerekli bağlantıları yapıp, ACS420 V3.03 programını çalıştırınız. Program açıldığında, LMS14 ün içindeki parametrelerin okunmasını bekleyiniz. Aşağıdaki pencereyi gördükten sonra cihazınız parametre ayarı

Detaylı

Programın Tanıtımı 2-4- 1-3- 8-9- 10-11- 12- 13-

Programın Tanıtımı 2-4- 1-3- 8-9- 10-11- 12- 13- ISIS VERİ YÖNETİMİ Programın Tanıtımı 1-3- 2-4- 6-7- 5-8- 9-10- 11-12- 13-1- Bu bölüme aranacak sorgu için 2 tarih arası bilgi gün / ay / yıl / saat / dakika cinsinden girilir. 2- Arama kriterlerinden

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

WINDOWS VE PARDUS İÇİN İMZAGER KURULUM TALİMATI

WINDOWS VE PARDUS İÇİN İMZAGER KURULUM TALİMATI Doküman Kodu Yayın Numarası Yayın Tarihi TALM-001-053 0 03.01.2012 DEĞİŞİKLİK KAYITLARI Yayın No Yayın Nedeni Yayın Tarihi 0 İlk Çıkış 03.01.2012 TALM-001-053 03.01.2012 2/15 İÇİNDEKİLER 1 Giriş...4 2

Detaylı

Vodafone Akıllı Bas Konuş Servisi Masaüstü Uygulaması Kullanım Kılavuzu

Vodafone Akıllı Bas Konuş Servisi Masaüstü Uygulaması Kullanım Kılavuzu Vodafone Akıllı Bas Konuş Servisi Masaüstü Uygulaması Kullanım Kılavuzu Versiyon 1 Güncelleme Tarihi 29 Ocak 2013 Güncelleme Nedeni - PC Uygulaması, Windows platformundaki masaüstü PC ler üzerinde çalışır.

Detaylı

Ekonometrik Modelleme

Ekonometrik Modelleme Ekonometrik Modelleme Modellemeye İlişkin Konular Ekonometri 2 Konu 16 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported (CC

Detaylı

ALIŞTIRMA 2 GSYİH. Toplamsal Ayrıştırma Yöntemi

ALIŞTIRMA 2 GSYİH. Toplamsal Ayrıştırma Yöntemi ALIŞTIRMA 2 GSYİH Bu çalışmamızda GSYİH serisinin toplamsal ve çarpımsal ayrıştırma yöntemine göre modellenip modellenemeyeceği incelenecektir. Seri ilk olarak toplamsal ayrıştırma yöntemine göre analiz

Detaylı

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

Hukuk Parter Rapor Modülü (Q-Biz Viewer) Kullanım Klavuzu

Hukuk Parter Rapor Modülü (Q-Biz Viewer) Kullanım Klavuzu Hukuk Parter Rapor Modülü (Q-Biz Viewer) Kullanım Klavuzu Hukuk Partner Rapor Modülü (Q-Biz Viewer) Kullanım Klavuzu İÇİNDEKİLER Hukuk Partner Rapor Modülü... 3 Bir Raporu Çalıştırmak... 4 Rapor Serbest

Detaylı

2. BASİT DOĞRUSAL REGRESYON 12

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

Detaylı

Kişisel Web Sayfası Tasarım Sistemi

Kişisel Web Sayfası Tasarım Sistemi Kişisel Web Sayfası Tasarım Sistemi Kullanım Kılavuzu Faik Demirbaş Ankara 2010 2 Kişisel Web Sayfası Tasarım Sistemi İçindekiler Giriş... 3 Kişisel Web Sayfası Tasarım Sistemine Giriş... 3 Menü İşlemleri...

Detaylı

SPSS (Statistical Package for Social Sciences)

SPSS (Statistical Package for Social Sciences) SPSS (Statistical Package for Social Sciences) SPSS Data Editor: Microsoft Excel formatına benzer satır ve sütunlardan oluşan çalışma sayfası (*sav) Data Editör iki arayüzden oluşur. 1. Data View 2. Variable

Detaylı

İNTERNET EXPLORER 7.0 TÜRKÇE AYARLARI

İNTERNET EXPLORER 7.0 TÜRKÇE AYARLARI İNTERNET EXPLORER 7.0 TÜRKÇE AYARLARI GEÇİCİ DOSYALARIN TEMİZLENMESİ: Araçlar menüsü altındaki internet özellikleri seçeneğine girilir. Göz atma geçmişi başlığı altındaki Sil butonu tıklanır. GEÇİCİ DOSYALARIN

Detaylı

A1FX MT4 İşlem Platformu Kullanma Kılavuzu

A1FX MT4 İşlem Platformu Kullanma Kılavuzu A1FX MT4 İşlem Platformu Kullanma Kılavuzu İçindekiler: 1- Demo Hesap Açılışı (Gerçek Hesap Girişi) 2- Genel Görünüm 3- Alım-Satım İşlemleri 4- Stop-Limit İşlemleri 5- Pozisyon Kapatma 6- Grafiklerin Kullanımı

Detaylı

Excel de çalışma alanı satır ve sütunlardan oluşur. Satırları rakamlar, sütunları ise harfler temsil eder. Excel çalışma sayfası üzerinde toplam

Excel de çalışma alanı satır ve sütunlardan oluşur. Satırları rakamlar, sütunları ise harfler temsil eder. Excel çalışma sayfası üzerinde toplam Microsoft Excel Microsoft Office paket programı ile bizlere sunulan Excel programı bir hesap tablosu programıdır. her türlü veriyi tablolar yada listeler halinde tutmak ve bu veriler üzerinde hesaplamalar

Detaylı

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3

BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 KİTABIN İÇİNDEKİLER BÖLÜM-1.BİLİM NEDİR? Tanımı...1 Bilimselliğin Ölçütleri...2 Bilimin İşlevleri...3 BÖLÜM-2.BİLİMSEL ARAŞTIRMA Belgesel Araştırmalar...7 Görgül Araştırmalar Tarama Tipi Araştırma...8

Detaylı

Koordinat Dönüşümleri (V )

Koordinat Dönüşümleri (V ) KOORDİNAT DÖNÜŞÜMLERİ ve FARKLI KOORDİNAT SİSTEMLERİ İLE ÇALIŞMA FieldGenius ile birden fazla koordinat sistemi arasında geçiş yaparak çalışmak mümkündür. Yaygın olarak kullanılan masaüstü harita ve CAD

Detaylı

OYAK YATIRIM FX Meta İşlem Platformu Kullanma Kılavuzu

OYAK YATIRIM FX Meta İşlem Platformu Kullanma Kılavuzu İçindekiler: FX Meta İşlem Platformu Kullanma Kılavuzu 1- Demo Hesap Açılışı 2- Genel Görünüm 3- Alım-Satım İşlemleri 4- Stop-Limit İşlemleri 5- Pozisyon Kapatma 6- Grafiklerin Kullanımı 7- Göstergeler

Detaylı

1. VERİ TABANI KAVRAMLARI VE VERİ TABANI OLUŞTUMA

1. VERİ TABANI KAVRAMLARI VE VERİ TABANI OLUŞTUMA BÖLÜM15 D- VERİ TABANI PROGRAMI 1. VERİ TABANI KAVRAMLARI VE VERİ TABANI OLUŞTUMA 1.1. Veri Tabanı Kavramları Veritabanı (DataBase) : En genel tanımıyla, kullanım amacına uygun olarak düzenlenmiş veriler

Detaylı

LOJİSTİK REGRESYON ANALİZİ

LOJİSTİK REGRESYON ANALİZİ LOJİSTİK REGRESYON ANALİZİ Lojistik Regresyon Analizini daha kolay izleyebilmek için bazı terimleri tanımlayalım: 1. Değişken (incelenen özellik): Bireyden bireye farklı değerler alabilen özellik, fenomen

Detaylı