OTOKORELASYON OTOKORELASYON
|
|
- Can Sarıgül
- 5 yıl önce
- İzleme sayısı:
Transkript
1 OTOKORELASYON OTOKORELASYON Y = α + βx + u Cov (u,u s ) 0 u = ρ u -1 + ε -1 < ρ < +1 Birinci dereceden Ookorelasyon Birinci Dereceden Ooregressif Süreç; A R(1) e = ρ e -1 + ε Σe e ˆ ρ = Σ 1 e
2 KARŞILA ILAŞILAN ILAN DURUMLAR Modele Bazı Bağımsız Değişkenlerin Alınmaması Modelin Maemaiksel Kalıbın Yanlış Seçilmesi, Bağımlı Değişkenin Ölçme Haalı Olması, Verilerin İşlenmesi, Örümcek Ağı Olayı, u nun yanlış anımlanması. OTOKORELASYONU GÖZARDI G ETMENİN SONUÇLARI Y gerçek doğru ahminlenmiş doğru X
3 OTOKORELASYONU GÖZARDI G ETMENİN SONUÇLARI Hipoez esleri üzerine ekisi, Tahmin edilen kasayı varyansları gerçek varyans değerinden daha küçük elde edilir. Ve bu varyans değerleri sapmalı ve uarsızdır. Dolayısıyla bunlara bağlı olarak elde edilen ve F isaisiklerine ve elde edilen güven aralıklarına güvenilemeyecekir. Öngörümleme üzerine ekisi. Taminler sapmasız olduğundan, öngörümleme değerleride sapmasız olacakır. Ancak daha büyük varyanslı olma nedenleriyle ekinlik özelliğini kaybedeceklerdir. OTOKORELASYONUN TESBİT T EDİLMES LMESİ Grafik Yönemle, Durbin-Wason esi ile, Breusch-Godfrey esi ile, Berenblu Webb esi ile, Engle ARCH esi ile.
4 GRAFİK K YÖNTEM Y e haa erimi YILLAR GRAFİK K YÖNTEM Y e() e(-1)
5 DURBİN-WATSON TESTİ H 0 : ρ = 0 H 1 : ρ 0 d Σ(u u 1 = Σu ) Poziif Ookorelasyon Bölgesi. Kararsızlık ρ=0 Kararsızlık Negaif Ookorelasyon Bölgesi 0 d L d U 4-d U 4-d 4 L d=(1-ρ) Dependen Variable: Y Sample: Included observaions: 16 DURBİN-WATSON TESTİ Variable Coefficien Sd. Error -Saisic Prob. C X R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)
6 Y X DURBIN-WATSON TESTİ e e e -e Σ (e -e -1 ) e DURBIN-WATSON TESTİ Model sabi erimsiz ise, Bağımsız X değişkenleri sokasikse, Ookorelasyonun derecesi 1 den büyük ise, Zaman serisinde ara yıllar noksan ise, Modelde bağımsız değişken olarak gecikmeli bağımlı değişken varsa,
7 BREUSCH-GODFREY (B-G) TESTİ Y = b 1 + b X + b 3 X 3 + u LM esi için yardımcı regresyon: u = b 1 + b X + b 3 X 3 + ρ 1 u -1 + ρ u ρ s u -s + v R y =? B-G Tesi Aşamaları: 1.Aşama H 0 : ρ 1 = ρ =... = ρ s = 0 H 1 : ρ i 0.Aşama α =? s.d.= s χ ab =? 3.Aşama B-G= (n-s).r y =? 4.Aşama B-G > χ ab H 0 hipoezi reddedilebilir BREUSCH-GODFREY (B-G) TESTİ Dependen Variable: HATA Mehod: Leas Squares Sample (adjused): 16 Included observaions: 15 afer adjusmens Variable Coefficien Sd. Error -Saisic Prob. C X HATA(-1) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)
8 u = X u -1 R y = TEST AŞAMALARI 1.Aşama H 0 : ρ 1 = 0 H 1 : ρ 1 0.Aşama α = 0.05 s.d.= 1 χ ab = Aşama B-G= (16-1)*0.958 = Aşama B-G > χ ab H 0 hipoezi reddedilebilir GEKKY, Fonksiyonel Biçimin Değişirilmesi, Genel Dinamik Yapı Tanımlanması, Birinci dereceden Farkların Alınması, Cochrane-Orcu Yönemi, Hildreh Lu Yönemi 16
9 p nin bilinmesi halinde ookorelasyonun önlenmesi yönemi (GEKKY) p nin bilinmemesi halinde ookorelasyonun önlenmesi yönemi (GEKKY) 17 p nin Bilinmesi Halinde Ookorelasyonun Önlenmesi Yönemi (GEKKY) u ρ + v 1 < ρ < 1 = u 1 Y = b1 + bx + u (1) Denkleminin GEKK Çözümü Y 1 = b1 + bx 1 + u 1 py 1 = pb1 + pbx 1 + pu 1 () ( 1) () Y py = b (1 p) + b (X px ) + v
10 p nin Bilinmesi Halinde Ookorelasyonun Önlenmesi Yönemi (GEKKY) Y py = b (1 p) + b (X px ) + v Genelleşirilmiş Fark Denklemi * * 1 Y = b + b X + v * * Y py = Y 1 * * 1(1 p) b 1 b = X px = X 1 * b = b * 19 p nin Bilinmemesi Halinde Ookorelasyonun Önlenmesi Yönemi (GEKKY) Birinci Dereceden Farklar Yönemi Durbin-Wason d isaisiği Yönemi Theil Nagar Yönemi Tekrarlı İki Aşamalı Cochrane Orcu Yönemi Tekrarlı Cochrane Orcu Yönemi Hildreh Lu Yönemi 0
11 Birinci Dereceden Farklar Yönemi Birinci dereceden faklar yöneminde; genelleşirilmiş fark denkleminde p = 1 alınarak yani poziif ookorelasyon olduğu kabul edilerek şu denklem ahminlenir: Y Y 1 = + b (X X 1) + (u u 1) ΔY = b ΔX + v Birinci Dereceli Fark Denklemi 1 UYGULAMA: yılları için Saış ve Kar verileri (Ramanahan Daa 9.4) SATIŞLAR KARLAR KAR KAR( 1) 1)0 SATIŞ SATIŞ( 1) SATIŞ( 1) KAR( 1)
12 Daa 9-4: Kar= b 1 + b Saış Dependen Variable: Kar Sample: Included observaions: 1 Variable Coefficien Sd. Error -Saisic Prob. C Saış R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) Ookorelasyon Tesi: Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Variable Coefficien Sd. Error -Saisic Prob. C Saış RESID(-1) R-squared Mean dependen var 1.45E-1 Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)
13 Birinci Farklar Yönemi kullanılarak ookorelasyonun önlenmesi (Kar Kar -1 ) = b 1 + b (Saış Saış -1 ) + v Dependen Variable: (Kar Kar -1 ) Mehod: Leas Squares Sample(adjused): Included observaions: 0 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. (Saış Saış -1 ) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood Durbin-Wason sa Birinci Farklar Yönemi kullanılarak ookorelasyonun önlenmesi Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Variable Coefficien Sd. Error -Saisic Prob. D(SALES) RESID(-1) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)
14 Durbin-Wason d isaisiği Yönemi = 1 p d p = 1 ( d ) Y py = b (1 p) + b (X px ) + v Uygulama: Daa 9-4: Kar= b 1 + b Saış Dependen Variable: Kar Sample: Included observaions: 1 Variable Coefficien Sd. Error -Saisic Prob. C Saış R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) ( d ) = 1 ( ) p = 1 = 8
15 Dependen Variable: (Kar pkar -1 ) Mehod: Leas Squares Sample(adjused): Included observaions: 0 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. C (Saış psaış -1 ) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Variable Coefficien Sd. Error -Saisic Prob. C SALES RESID(-1) R-squared Mean dependen var 1.56E-14 Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)
16 Theil Nagar Yönemi p = [ n ( 1 d ) + k ]/( n k ) n = Toplam Gözlem Sayısı (Örnek Hacmi) d = DW İsaisiği Değeri k = Tahmin Edilen b Kasayısı Sayısı 31 Uygulama: p = [ n ( 1 d ) + k ]/( n k ) n = 1 d = k = p = [(1) ( 1 (1.076 ) ) + ]/((1) ) =
17 Tekrarlı İki Aşamalı Cochrane Orcu Yönemi u + v = ρu 1 Y = b1 + bx + u (1) 1.Aşama: (1) nolu denklem EKKY ile ahminlenip u örnek haa erimleri hesanır ve p değeri ahminlenir: p = n u u = n u = 1 1.Aşama: p değeri Genelleşirilmiş fark denkleminde yerine konur. Y py = b (1 p) + b (X px ) + v Uygulama: SATIŞLAR KARLAR u u u*u u p = 1 u u = 1 u = p = =
18 Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Variable Coefficien Sd. Error -Saisic Prob. C (Saış psaış -1 ) RESID(-1) R-squared Mean dependen var 1.49E-14 Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) Uygulama : 18 Mar Temmuz 1953 yılları arasında 4 hafalık periyolarda dondurma alebi için elde edilen model Dependen Variable: TALEP Mehod: Leas Squares Sample: 1 30 Included observaions: 30 Variable Coefficien Sd. Error -Saisic Prob. C FIYAT GELIR SICAKLIK R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)
19 Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Variable Coefficien Sd. Error -Saisic Prob. C FIYAT GELIR SICAKLIK RESID(-1) R-squared Mean dependen var 1.44E-1 Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) e e 1 e(e 1) e E E E E E E E E E E 05.4E E E E E E E E E E E E E u u = p = 1 u = p = =
20 Dependen Variable: CO(TALEP) Mehod: Leas Squares Sample(adjused): 30 Included observaions: 9 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. C CO(FIYAT) CO(GELIR) CO(SICAKLIK) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) Breusch-Godfrey Serial Correlaion LM Tes: F-saisic Probabiliy Obs*R-squared Probabiliy Tes Equaion: Dependen Variable: RESID Mehod: Leas Squares Variable Coefficien Sd. Error -Saisic Prob. C COFIYAT COGELIR -5.93E COSICAKLIK -3.70E RESID(-1) R-squared Mean dependen var.30e-17 Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)
21 Hildreh Lu Yönemi Bu yönemde p ye ± 1 arasında değerler verilerek en uygun p değeri seçilmeye çalışılır. p nin belirlenmesinde genelleşirilmiş fark denklemi kullanılır ve bu denklemin arıkları kareleri oplamını minimum yapan p değeri en uygun p değeri olarak seçilir. 41 Uygulama: 18 Mar Temmuz 1953 yılları arasında 4 hafalık periyolarda dondurma alebi için elde edilen modele HL yönemi uygulanırsa HKT 4
22 Berenblu Webb Tesi Ookorelasyon olması durumunda ookorelasyonun düzelilmesi için kullanılacak yönemlerden biri de ilk farklar yönemidir. İlk farklar yönemi uygulandıkan sonra oluşacak modellerde sabi erim olmayacağından bu modellerde ookorelasyon esi için Durbin- Wason esi kullanılamayacakır. Berenblu - Webb esi ilk farkları alınmış modellerde ookorelasyon olup olmadığının araşırılması için kullanılır. TEST AŞAMALARI 1. Adım: H H 0 1 : ρ = 0 : ρ 0.Adım: Tes isaisiğinin hesaplanması g = n = n = 1 e u Fark Denkleminin Haaları İlk Denklemin Haaları 3.Adım: Hesaplanan es isaisiği Durbin-Wason ablo değerleri ile karşılaşırılır.
23 UYGULAMA dönemi için Türkiye nin GSMH ve ihala (İT) değerleri aşağıdaki gibidir. Bu verilerden elde edilen doğrusal model IT = GSMH Bu denklemden elde edilen haa kareler oplamı u = Bu modele ilk farklar uygulandığında ( IT IT 1 ) = β0 β0 + β1( GSMH GSMH 1 ) + e IT = GSMH 46
24 Haa kareler oplamı e = TEST AŞAMALARI H H 0 1 : ρ = 0 : ρ 0 Birinci dereceden ookorelasyon yokur. Birinci dereceden ookorelasyon vardıo. g = n = n = 1 e u = = n= 3 d L = 1.16 k = 1 d U = 1.8 Poziif Ookorelasyon Bölgesi. Kararsızlık ρ=0 Kararsızlık H 0 reddedilir. Poziif ookorelasyon var. Negaif Ookorelasyon Bölgesi
TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere değişkenlere ait veriler verilmiştir.
EKONOMETRİ II Uygulama - Otokorelasyon TABLO I: Bağımlı değişken; Tüketim,- bağımsız değişkenler; gelir ve fiyat olmak üzere Tuketim 58 Gelir 3959 Fiyat 312 değişkenlere ait veriler verilmiştir. 56 3858
DetaylıÇOKLU DOĞRUSAL BAĞLANTI
ÇOKLU DOĞRUSAL BAĞLANTI ÇOKLU DOĞRUSALLIĞIN ANLAMI Çoklu doğrusal bağlanı; Bağımsız değişkenler arasında doğrusal (yada doğrusala yakın) ilişki olmasıdır... r xx i j paramereler belirlenemez hale gelir.
DetaylıDEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıtılmış Gecikme ve Otoregresiv Modeller
DEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıılmış Gecikme ve Ooregresiv Modeller 1 Saik Model Y = b 0 + b 1 X + u, (=1,2,,n.) Saik Model, Y ve X arasında aynı dönemde yani döneminde oraya çıkan ilişkiden
DetaylıWhite 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
DetaylıDEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıtılmış Gecikme ve Otoregresiv Modeller
DEĞİŞKENLER ARASINDAKİ GECİKMELİ İLİŞKİLER: Dağıılmış Gecikme ve Ooregresiv Modeller 1 Zaman serisi modellerinde, bağımlı değişken Y nin zamanındaki değerleri, bağımsız X değişkenlerinin zamanındaki cari
DetaylıDağıtılmış Gecikme ve Otoregresiv Modeller. Mehmet Vedat PAZARLIOĞLU
Dağıılmış Gecikme ve Ooregresiv Modeller Mehme Veda PAZARLIOĞLU Saik Model Nedir? Saik Model, Y ve X arasında aynı dönemde yani döneminde oraya çıkan ilişkiden gelmekedir. Y = b 0 + b 1 X + u, (=1,2,,n.)
DetaylıBİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER
BİRDEN ÇOK BAĞIMLI DEĞİŞKENİ OLAN MODELLER Birden çok bağımlı değişkenin yer aldığı modelleri incelemek amacıyla kullanılan modeller Birden Çok Bağımlı Değişkenli Regresyon Modelleri ya da kısaca MRM ler
DetaylıNormal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. β tahminleri için uygulanan testlerin geçerliliği u i nin normal dağılmasına bağlıdır.
DetaylıNormal Dağılımlılık. EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. b tahminleri için uygulanan testlerin geçerliliği u i nin normal dağılmasına bağlıdır.
DetaylıFarklı Varyans. Var(u i X i ) = Var(u i ) = E(u i2 ) = σ i2. Eşit Varyans. Hata. Zaman
Farklı Varyans Var(u X ) = Var(u ) = E(u ) = σ Eşt Varyans Y X Farklı Varyans Hata Var(u X ) = Var(u ) = E(u ) = σ Farklı Varyans Zaman Farklı Varyans le Karşılaşılan Durumlar Kest Verlernde. Kar dağıtım
DetaylıDependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20
ABD nin 1966 ile 1985 yılları arasında Y gayri safi milli hasıla, M Para Arazı (M) ve r faiz oranı verileri aşağıda verilmiştir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatası taşıyıp taşımadığını Ramsey
DetaylıA. Regresyon Katsayılarında Yapısal Kırılma Testleri
A. Regresyon Katsayılarında Yapısal Kırılma Testleri Durum I: Kırılma Tarihinin Bilinmesi Durumu Kırılmanın bilinen bir tarihte örneğin tarihinde olduğunu önceden bilinmesi durumunda uygulanır. Örneğin,
DetaylıKUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU
KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU.HAL: Sabit Terimlerin Farklı Eğimlerin Eşit olması Yi = b+ b2di + b3xi + ui E(Y Di =,X i) = b + b3xi E(Y Di
DetaylıTeknolojik bir değişiklik veya üretim arttırıcı bir yatırımın sonucunda ihracatta, üretim miktarında vs. önemli artışlar olabilir.
YAPISAL DEĞİŞİKLİK Zaman serileri bazı nedenler veya bazı fakörler arafından ekilenerek zaman içinde değişikliklere uğrayabilirler. Bu değişim ikisadi kriz, ikisa poliikalarında yapılan değişiklik, eknolojik
Detaylıİyi Bir Modelin Özellikleri
İyi Bir Modelin Özellikleri 1. Basitlik. Belirlenmişlik Y t = b 1 (1-r)+b X t -rb X t-1 +ry t-1 +e t 3. R ölçüsü 4. Teorik tutarlılık 5. Fonksiyonel Biçim 1 Model Tanımlanması Araştırmada kullanılan modelin
Detaylı1. Basitlik 2. Belirlenmişlik Y t = b 1 (1-r)+b 2 X t -rb 2 X t-1 +ry t-1 +e t 3. R 2 ölçüsü 4. Teorik tutarlılık 5. Doğru Fonksiyonel Biçim
1. Basitlik. Belirlenmişlik Y t = b 1 (1-r)+b X t -rb X t-1 +ry t-1 +e t 3. R ölçüsü 4. Teorik tutarlılık 5. Doğru Fonksiyonel Biçim 1 Model Tanımlanması Araştırmada kullanılan modelin tanımlamasının doğru
DetaylıADMIT: Öğrencinin yüksek lisans programına kabul edilip edilmediğini göstermektedir. Eğer kabul edildi ise 1, edilmedi ise 0 değerini almaktadır.
Uygulama-2 Bir araştırmacı Amerika da yüksek lisans ve doktora programlarını kabul edinilmeyi etkileyen faktörleri incelemek istemektedir. Bu doğrultuda aşağıdaki değişkenleri ele almaktadır. GRE: Üniversitelerin
Detaylı0, model 3 doğruysa a3. Variable Coefficient Std. Error t-statistic Prob.
EKONOMETRİYE GİRİŞ II ÖDEV 2 ÇÖZÜM (Örgün ve İkinci Öğretim için) 1987-2006 yıllarına ait GSYH, YATIRIM ve FAİZ verileri kullanılarak elde edilen sonuçlar şu şekildedir: Yuvalanmamış-F Testi Model 1: YATIRIM
DetaylıBirim Kök Testleri. Random Walk. Bir stokastiksürecin birim kök içerip içermediğini nasıl anlarız? Hatırlarsak aşağıdaki AR(1) sürecinde
Yıldız Teknik Üniversiesi İkisa Bölümü Ekonomeri II Ders Noları Ders Kiabı: J.M. Wooldridge, Inroducory Economerics A Modern Approach, 2nd. ed., 02, Thomson Learning. Zaman Serisi Modelleri: Birim Kök
DetaylıSORU 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 +
Detaylı500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ. YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ. Anabilim Dalı: İşletme Mühendisliği
İSTANBUL TEKNİK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ 500 BÜYÜK SANAYİ KURULUŞUNDA ÜRETİM, KÂRLILIK VE İSTİHDAM İLİŞKİLERİ YÜKSEK LİSANS TEZİ Müh. Özlem KÖSTEKLİ Anabilim Dalı: İşletme Mühendisliği Programı
DetaylıYuvalanmamış F testi- Davidson- MacKinnon J sınaması
Yuvalanmamış F testi- Davidson- MacKinnon J sınaması Tablo da yer alan verileri kullanarak aşağıdaki ilgili soruları cevaplayınız. Yıllar Yatırım GSYH Faiz 1987 18491 747 45 1988 78 7495 54 1989 5187 8014
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri
DetaylıBirim Kök Testleri 3/24/2016. Bir stokastik sürecin birim kök içerip içermediğini nasıl anlarız? Hatırlarsak aşağıdaki AR(1) sürecinde
Yıldız Teknik Üniversiesi İkisa Bölümü Ekonomeri II Ders Noları Ders Kiabı: J.M. Wooldridge, Inroducory Economerics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Zaman Serisi Modelleri: Birim Kök
Detaylı9. 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.
DetaylıZaman Serisi Modelleri: Birim Kök Testleri, Eşbütünleşme, Hata Düzeltme Modelleri
Yıldız Teknik Üniversiesi İkisa Bölümü Ekonomeri II Ders Noları Ders Kiabı: J.M. Wooldridge, InroducoryEconomericsA Modern Approach, 2nd. ed., 2002, Thomson Learning. Zaman Serisi Modelleri: Birim Kök
Detaylı1. YAPISAL KIRILMA TESTLERİ
1. YAPISAL KIRILMA TESTLERİ Yapısal kırılmanın araştırılması için CUSUM, CUSUMSquare ve CHOW testleri bize gerekli bilgileri sağlayabilmektedir. 1.1. CUSUM Testi (Cumulative Sum of the recursive residuals
Detaylı24.05.2010. Birim Kök Testleri. Zaman Serisi Modelleri: Birim Kök Testleri, Eşbütünleşme, Hata Düzeltme Modelleri
Yıldız Teknik Üniversiesi İkisa Bölümü Ekonomeri II Ders Noları Ders Kiabı: J.M. Wooldridge, Inroducory Economerics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Zaman Serisi Modelleri: Birim Kök
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri
DetaylıEVIEWS KULLANIMI (EVIEWS 8)
EVIEWS KULLANIMI (EVIEWS 8) BAŞLANGIÇ Yeni bir dosya (workfile) yaratma Adım 1. Ana menüden File/New/Workfile ı seçin Adım 2. Workfile structure type ne tür veri kullandığınızı gösterir. ÖR1. Zaman serisi
DetaylıBağımlı Kukla Değişkenler
Bağımlı Kukla Değişkenler Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla değişkenler söz konusudur. Bu durumdaki modelleri
DetaylıDEKENLER ARASINDAK GECKMEL LKLER: Datlm Gecikme ve Otoregresiv Modelleri
DEKENLER ARASINDAK GECKMEL LKLER: Dalm Gecikme ve Ooregresiv Modelleri Zaman serisi modellerinde, baml deiken Y nin zamanndaki deerleri, bamsz X deikenlerinin zamanndaki cari deerleri X, daha önceki dönemlerdeki
DetaylıTek Denklemli Modellerde Uygulanan Testler 1.Yeni Bağımsız Değişkenler Ekleme Testi(s )
Tek Denklemli Modellerde Uygulanan Testler 1.Yeni Bağımsız Değişkenler Ekleme Testi(s.285-293) Y=β 1 + β 2 X 2 + β 3 X 3 + u (SR) Y=β 1 + β 2 X 2 + β 3 X 3 + β 4 X 4 + β 5 X 5 + u 1.Aşama (SM) H 0 : β
DetaylıA 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
DetaylıT.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR:
T.C. TRAKYA ÜNİVERSİTESİ İKTİSADİ VE İDARİ BİLİMLER FAKÜLTESİ İKTİSAT BÖLÜMÜ GENEL EKONOMİK SORUNLAR TÜFE NİN İŞSİZLİK ÜZERİNE ETKİSİ HAZIRLAYANLAR: 2120703360 KÜBRA İNAN 2120703321 EDA ZEYNEP KAYA EDİRNE
DetaylıCh. 12: Zaman Serisi Regresyonlarında Ardışık Bağıntı (Serial Correlation) ve Değişen Varyans
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri II Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 12: Zaman Serisi Regresyonlarında
DetaylıEKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ SORULAR
EKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ SORULAR HATİCE ÖZKOÇ HANİFİ VAN ÖZKOÇ VAN 1 1980-2002 dönemine ait tavuk eti talebini incelemek amacıyla aşağıdaki değişkenler elde edilmiştir. Y: Kişi başına
DetaylıY = 29,6324 X 2 = 29,0871 X 3 = 28,4473 y 2 = 2,04 x 2 2 = 0,94 x 2 3 = 2,29 yx 2 = 0,19 yx 3 = 1,60 x 2 x 3 = 1,06 e 2 = 0,2554 X + 28,47 X 3-0,53
EKONOMETR DERS ÇALIMA SORULARI SORU : 1 1980-1994 y llar aras ndaki Türkiye Özel Yat r m (Y), Reel Mevduat Faiz Oran (X ) ve GSMH (X 3 ) verilerinden hareketle a*a+ daki ortalamadan farklara göre ara sonuçlar
DetaylıTÜSİAD - KOÇ ÜNİVERSİTESİ EKONOMİK ARAŞTIRMA FORUMU KONFERANSI. Zafer A. YAVAN - TÜSİAD Yasemin TÜRKER KAYA - BDDK
Üreim Fonksiyonu Yaklaşımına Vurguyla Poansiyel Çıkı Açığı Tahmin Eme Yönemleri ve Yapısal İşsizlik Öğesi: Lieraür Değerlendirmesi ve Türkiye Örneği TÜSİAD - KOÇ ÜNİVERSİTESİ EKONOMİK ARAŞTIRMA FORUMU
DetaylıKUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıEŞANLI DENKLEMLİ MODELLER
EŞANLI DENKLEMLİ MODELLER EŞANLI DENKLEMLİ MODELLER Eşanlı denklem siseminde, Y den X e ve X den Y ye karşılıklı iki yönlü eki vardır. Y ile X arasındaki karşılıklı ilişki nedeniyle ek denklemli bir model
DetaylıZAMAN 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,
DetaylıPanel 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
DetaylıİSTANBUL MENKUL KIYMETLER BORSASINDA DEĞİŞKENLİĞİN (VOLATİLİTENİN) ARCH-GARCH YÖNTEMLERİ İLE MODELLENMESİ
İSTANBUL MENKUL KIYMETLER BORSASINDA DEĞİŞKENLİĞİN (VOLATİLİTENİN) ARCH- YÖNTEMLERİ İLE MODELLENMESİ ÖZET Yard.Doç. Dr. Tülin ATAKAN İsanbul Üniversiesi, İşleme Fakülesi, Finans Anabilim Dalı Bu çalışmada,
DetaylıKukla Değişken Nedir?
Kukla Değişken Nedir? Cinsiyet, eğitim seviyesi, meslek, din, ırk, bölge, tabiiyet, savaşlar, grevler, siyasi karışıklıklar (=darbeler), iktisat politikasındaki değişiklikler, depremler, yangın ve benzeri
DetaylıEKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI
EKONOMETRİDE BİLGİSAYAR UYGULAMLARI EVİEWS UYGULAMA SORULARI VE CEVAPLARI Aşağıdaki verileri EVIEWS paket programına aktarınız. Veri setini tanımladıktan sonra aşağıda istenen soruları bu verileri kullanarak
DetaylıEKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM
EKONOMETRİYE GİRİŞ II ÖDEV 4 ÇÖZÜM (Örgün e İknc Öğretm çn) 1. 754 hanehalkına at DOMerset sml Excel dosyasında yer alan erler kullanarak tahmnlenen DOM sonuçları: Dependent Varable: CALISANKADIN Sample:
DetaylıDependent Variable: Y Method: Least Squares Date: 03/23/11 Time: 16:51 Sample: Included observations: 20
ABD nin 1966 ile 1985 yllar arasnda Y gayri safi milli hasla, M Para Araz (M) ve r faiz oran verileri a#a$da verilmi#tir. a) Y= b 1 +b M fonksiyonun spesifikasyon hatas ta#yp ta#mad$n Ramsey RESET testi
DetaylıPANEL VERİ MODELLERİNİN TAHMİNİNDE PARAMETRE HETEROJENLİĞİNİN ÖNEMİ: GELENEKSEL PHILLIPS EĞRİSİ ÜZERİNE BİR UYGULAMA
PAEL VERİ MODELLERİİ TAHMİİDE PARAMETRE HETEROJELİĞİİ ÖEMİ: GELEEKSEL PHILLIPS EĞRİSİ ÜZERİE BİR UYGULAMA Selim TÜZÜTÜRK (*) Özet: Panel veri modellerinin tahmininde, örneklem ile ilgili dikkat edilmesi
DetaylıEKONOMETRİ. GRETL Uygulamaları. Prof. Dr. Bülent Miran
EKONOMETRİ GRETL Uygulamaları Prof. Dr. Bülent Miran Bornova-2015 İÇİNDEKİLER 1. Gretl da veri dosyasını çağırma:... 3 2. Gretl da Excel veri dosyasını açma:... 4 3. Excel den alınmış verilerin Gretl dosyası
DetaylıİÇİNDEKİLER 1. GİRİŞ...
İÇİNDEKİLER 1. GİRİŞ... 1 1.1. Regresyon Analizi... 1 1.2. Uygulama Alanları ve Veri Setleri... 2 1.3. Regresyon Analizinde Adımlar... 3 1.3.1. Problemin İfadesi... 3 1.3.2. Konu ile İlgili Potansiyel
DetaylıBox-Jenkıns Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama
Kocaeli Üniversiesi Sosyal Bilimler Ensiüsü Dergisi (6) 2003 / 2 : 49-62 Box-Jenkıns Modelleri ile Aylık Döviz Kuru Tahmini Üzerine Bir Uygulama Hüdaverdi Bircan * Yalçın Karagöz ** Öze: Bu çalışmada geleceği
DetaylıZaman 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
DetaylıÇift Üstel Düzeltme (Holt Metodu ile)
Tahmin Yönemleri Çif Üsel Düzelme (Hol Meodu ile) Hol meodu, zaman serilerinin, doğrusal rend ile izlenmesi için asarlanmış bir yönemdir. Yönem (seri için) ve (rend için) olmak üzere iki düzelme kasayısının
DetaylıÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.
ÇOKLU REGRESYON MODELİ Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir. Y=b 1 + b X + b X + u Y=b 1 + b X + b X +...+ b k X k + u
DetaylıZAMAN 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
DetaylıKUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıKUKLA DEĞİŞKENLİ MODELLER
KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller) Kukla değişkenlerin
DetaylıAvrasya Sosyal ve Ekonomi Araştırmaları Dergisi (ASEAD) Eurasian Journal of Researches in Social and Economics (EJRSE) ISSN:
Avrasya Sosyal ve Ekonomi Araştırmaları Dergisi (ASEAD) Eurasian Journal of Researches in Social and Economics (EJRSE) ISSN:2148-9963 www.asead.com ÖZET HAVAYOLU UÇAK İÇİ İKRAM SATIŞ TAHMİN MODELİ BİR
DetaylıPARANIN TARİHÇESİ TÜRKİYE DE NAKİTSİZ EKONOMİ EKONOMİNİN FAYDALARI
PARANIN TARİHÇESİ TÜRKİYE DE NAKİTSİZ EKONOMİ NAKİTSİZ EKONOMİNİN FAYDALARI Para, bir ekonomide genel kabul gören, değişim aracı, değer koruma aracı ve hesap birimi işlevlerine sahip varlıktır. (TDK,
DetaylıSabit 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
DetaylıFarklı 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
Detaylı3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1
3. TAHMİN 3.1. En Küçük Kareler (EKK) Yöntemi 1 En Küçük Kareler (EKK) yöntemi, regresyon çözümlemesinde en yaygın olarak kullanılan, daha sonra ele alınacak bazı varsayımlar altında çok aranan istatistiki
DetaylıKoşullu Öngörümleme. Bu nedenle koşullu öngörümleme gerçekleştirilmelidir.
Koşullu Öngörümleme Ex - ante (tasarlanan - umulan) öngörümleme söz konusu iken açıklayıcı değişkenlerin hatasız bir şekilde bilindiği varsayımı gerçekçi olmayan bir varsayımdır. Çünkü bazı açıklayıcı
DetaylıÖrnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.
Örnek Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız. i. ii. X 1 2 3 4 1 2 3 4 Y 2 3 4 5 4 3 2 1 Örnek Aşağıdaki veri
DetaylıNedensel 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
DetaylıDOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ
DOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR DOĞRUSAL SINIRLAMALARIN TESTİ t testi F testi Diğer testler: Chow testi MWD testi DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ Benzerlik Oranı Testi Lagrange Çarpanı
Detaylıİyi Bir Modelin Özellikleri
İyi Bir Modelin Özellikleri 1. Basitlik. Belirlenmişlik 3. R ölçüsü 4. Teorik tutarlılık 5. Tahmin Gücü 1 Model Tanımlanması Araştırmada kullanılan modelin tanımlamasının doğru olduğu kabul edilmektedir..
DetaylıEkonometri I VARSAYIMLARI
Ekonometri I ÇOK DEĞİŞKENLİ REGRESYON MODELİNİN VARSAYIMLARI Hüseyin Taştan Temmuz 23, 2006 İçindekiler 1 Varsayım MLR.1: Parametrelerde Doğrusallık 1 2 Varsayım MLR.2: Rassal Örnekleme 1 3 Varsayım MLR.3:
DetaylıThe Nonlinear Models with Measurement Error and Least Squares Estimation
D.Ü.Ziya Gökalp Eğiim Fakülesi Dergisi 5,17-113 5 ÖLÇÜM HATALI LiNEER OLMAAN MODELLER ve EN KÜÇÜK KARELER KESTİRİMİ The Nonlinear Models wih Measuremen Error and Leas Squares Esimaion Öze : u çalışmada,
DetaylıSamuelson-Balassa Hipotezi Ve Reel Döviz Kuru: Türkiye, ABD, İngiltere, Fransa Ve Almanya İçin Sınanması
Finans Politik & Ekonomik Yorumlar 2007 Cilt: 44 Sayı:509 9 Samuelson-Balassa Hipotezi Ve Reel Döviz Kuru: ürkiye, ABD, İngiltere, Fransa Ve Almanya İçin Sınanması Özet Samuelson-Balassa hipotezine göre
DetaylıREGRESYON ANALİZİ BÖLÜM 3-4
REGRESYON ANALİZİ BÖLÜM 3-4 Yayın arihi: 17-08-008 ÇOK DEĞİŞKENLİ DOĞRUSAL REGRESYON FONKSİYONU 3. ÇOK DEĞİŞKENLİ DOĞRUSAL REGRESYON Çok değişkenli regresyon modelinde bir y bağımlı değişkeni, k adet bağımsız
Detaylı14 Ekim Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
DEĞİŞEN VARYANS 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: Değişen Varyans
DetaylıİMKB 100 endeksindeki kaldıraç etkisinin ARCH modelleriyle iki alt dönemde incelenmesi
İsanbul Üniversiesi İşleme Fakülesi Dergisi Isanbul Universiy Journal of he School of Business Adminisraion Cil/Vol:41, Sayı/No:, 1, 14-6 ISSN: 133-173 www.ifdergisi.org 1 İMKB 1 endeksindeki kaldıraç
Detaylı7. 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
DetaylıYılları Arasında Bist 30 Endeksi ve BİST
Marmara Üniversitesi İktisadi ve İdari Bilimler Dergisi Cilt: 39 Sayı: 1 Haziran 2017, ISSN: 2149-1844, ss/pp. 171-194 DOI: 10.14780/muiibd.329920 2011-2015 Yılları Arasında Bist 30 Endeksi ve BİST 30
DetaylıAtatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 3-4,
Atatürk Üniversitesi İktisadi ve İdari Bilimler Dergisi, Cilt: 25, Sayı: 3-4, 2011 65 GÖÇ-TİCARET İLİŞKİSİ: TÜRKİYE NİN TÜKETİM MALI İHRACATI ÜZERİNE BİR UYGULAMA Özge BUZDAĞLI (*) Alaattin KIZILTAN (**)
DetaylıZAMAN SERİSİ ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRILMASI
EGE ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ (YÜKSEK LİSANS TEZİ) ZAMAN SERİSİ ANALİZ YÖNTEMLERİNİN KARŞILAŞTIRILMASI Sibel OĞHAN Tez Danışmanı: Prof. Dr. Hülya ATIL Zooekni Anabilim Dalı Bilim Dalı Kodu:
DetaylıTOBB 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
Detaylıİstanbul Menkul Kıymetler Borsası nda haftanın günü etkisi ve Ocak ayı anomalilerinin ARCH-GARCH modelleri ile test edilmesi
İsanbul Üniversiesi İşleme Fakülesi Dergisi Isanbul Universiy Journal of he School of Business Adminisraion Cil/Vol:37, Sayı/No:2, 2008, 98-110 ISSN: 1303-1732 - www.ifdergisi.org 2008 İsanbul Menkul Kıymeler
DetaylıDOĞRUSAL 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
DetaylıEVIEWS KULLANIMI (EVIEWS 7.1)
EVIEWS KULLANIMI (EVIEWS 7.1) BAŞLANGIÇ Yeni bir dosya (workfile) yaratma Adım 1. Ana menüden File/New/Workfile ı seçin Adım 2. Workfile structure type ne tür veri kullandığınızı gösterir. ÖR1. Zaman serisi
DetaylıEŞANLI DENKLEM MODELLERİ
EŞANLI DENKLEM MODELLERİ Eşanlı denklem modelleri, tek denklemli modeller ile açıklanamayan iktisadi olayları açıklamak için kullanılan model türlerinden birisidir. Çift yönlü neden-sonuç ilişkisi söz
DetaylıKORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN
KORELASYON VE REGRESYON ANALİZİ Doç. Dr. Bahar TAŞDELEN Günlük hayattan birkaç örnek Gelişim dönemindeki bir çocuğun boyu ile kilosu arasındaki ilişki Bir ailenin tükettiği günlük ekmek sayısı ile ailenin
DetaylıRegresyon. Regresyon korelasyon ile yakından ilişkilidir
Regresyon Regresyona Giriş Regresyon korelasyon ile yakından ilişkilidir Regresyon bir bağımlı değişken ile (DV) bir veya daha fazla bağımsız değişken arasındaki doğrusal ilişkiyi inceler. DV için başka
Detaylı7. BÖLÜM: ARDIŞIK BAĞIMLILIK
7. BÖLÜM: ARDIŞIK BAĞIMLILIK Bu bölümde; Regresyon Modelinden Artık Serileri Oluşturma Ardışık Bağımlılık Tespiti İçin Artıkların Grafiğini Çizme Regresyonu Kullanarak Birinci Sıra Ardışık Bağımlılık Katsayısını
DetaylıDolar Kurundaki Günlük Hareketler Üzerine Bazı Gözlemler
Dolar Kurundaki Günlük Harekeler Üzerine Bazı Gözlemler Türkiye Bankalar Birliği Ekonomi Çalışma Grubu Toplanısı 28 Nisan 2008, İsanbul Doç. Dr. Cevde Akçay Koç Finansal Hizmeler Baş ekonomis cevde.akcay@yapikredi.com.r
DetaylıT.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ
T.C. SELÇUK ÜNİVERSİTESİ FEN BİLİMLERİ ENSTİTÜSÜ ÇOK DEĞİŞKENLİ EŞİKSEL OTOREGRESİF MODELLER ÜZERİNE BİR ÇALIŞMA Ümran Münire KAHRAMAN DOKTORA TEZİ İsaisik Anabilim Dalı 2012 KONYA Her Hakkı Saklıdır TEZ
DetaylıCHAPTER 6 SIMPLE LINEAR REGRESSION
CHAPTER 6 SIMPLE LINEAR REGRESSION Bu bölümdeki amacımız değişkenler arasındaki ilişkiyi gösteren en uygun eşitliği kurmaktır. Konuya giriş için şu örnekle başlayalım; Diyelim ki Mr. Bump adındaki birisi
DetaylıEn 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
DetaylıEANLI DENKLEML MODELLERN ÇÖZÜM YÖNTEMLER I: MATRSSZ ÇÖZÜM:
EANLI DENKLEML MODELLERN ÇÖZÜM YÖNTEMLER I: MATRSSZ ÇÖZÜM: DOLAYLI EKKY AAMALI EKKY SINIRLI BLG LE EÇBY Eanl denklemli modelin her hangi bir denklemi Basi EKKY ile çözüldüünde sapmal uarsz ahminler elde
DetaylıDİNAMİK PANEL VERİ MODELLERİ. FYT Panel Veri Ekonometrisi 1
DİNAMİK PANEL VERİ MODELLERİ FYT Panel Veri Ekonometrisi 1 Dinamik panel veri modeli (tek gecikme için) aşağıdaki gibi gösterilebilir; y it y it 1 x v it ' it i Gecikmeli bağımlı değişkenden başka açıklayıcı
Detaylı21. ULUSLARARASI İKTİSAT ÖĞRENCİLERİ KONGRESİ. Ege Üniversitesi İktisadi ve İdari Bilimler Fakültesi. Nakitsiz Ekonomi: Türkiye Örneği
21. ULUSLARARASI İKTİSAT ÖĞRENCİLERİ KONGRESİ DİJİTAL DÖNÜŞÜM: SANAYİ 4.0 İzmir, Nisan 25-27, 2018 Ege Üniversitesi İktisadi ve İdari Bilimler Fakültesi Nakitsiz Ekonomi: Türkiye Örneği Berk Duran Kayabalı
DetaylıÖrneklemden elde edilen parametreler üzerinden kitle parametreleri tahmin edilmek istenmektedir.
ÇIKARSAMALI İSTATİSTİKLER Çıkarsamalı istatistikler, örneklemden elde edilen değerler üzerinde kitleyi tanımlamak için uygulanan istatistiksel yöntemlerdir. Çıkarsamalı istatistikler; Tahmin Hipotez Testleri
DetaylıAkademik Sosyal Araştırmalar Dergisi, Yıl: 5, Sayı: 61, Aralık 2017, s
Akademik Sosyal Araştırmalar Dergisi, Yıl: 5, Sayı: 61, Aralık 2017, s. 433-457 Yayın Geliş Tarihi / Article Arrival Date Yayınlanma Tarihi / The Publication Date 14.11.2017 14.12.2017 Yrd. Doç. Dr. Alper
DetaylıANADOLU ÜNİVERSİTESİ. ENM 317 Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 Prof. Dr. Nihal ERGİNEL 2 ÖRNEKLEME Anakütleden n birimlik örnek alınması ve anakütle parametrelerinin örnekten tahmin edilmesidir. 3 ÖRNEKLEME ALMANIN NEDENLERİ Anakütleye
Detaylı19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I
19. BÖLÜM BİRBİRİYLE İLİŞKİLİ OLAN İKİ DEĞİŞKENDEN BİRİSİNDEKİ DEĞİŞİME GÖRE DİĞERİNİN ALACAĞI DEĞERİ YORDAMA (KESTİRME) UYGULAMA-I Bir dil dershanesinde öğrenciler talep ettikleri takdirde, öğretmenleriyle
DetaylıDeğişen 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
DetaylıÖğr. Elemanı: Dr. Mustafa Cumhur AKBULUT
Ünite 10: Regresyon Analizi Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT 10.Ünite Regresyon Analizi 2 Ünitede Ele Alınan Konular 10. Regresyon Analizi 10.1. Basit Doğrusal regresyon 10.2. Regresyon denklemi
Detaylı