NİTEL TERCİH MODELLERİ

Ebat: px

Şu sayfadan göstermeyi başlat:

Download "NİTEL TERCİH MODELLERİ"

Yavuz Özel
7 yıl önce
İzleme sayısı:

1 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: kentte yaşıyorsa 1, kırda yaşıyorsa 0 calsma =f(anne_egts baba_egts kent c) Doğrusal Olasılık Model: Öncelkle en küçük kareler yöntem kullanılarak parametre tahmnler yapılmakta ve bunun sonucunda da bağımlı ve bağımsız değşkenler arasındak bağıntı elde edlmektedr. Dependent Varable: CALISMA Method: Least Squares Date: 04/11/12 Tme: 23:27 Sample: Included observatons: 2300 Varable Coeffcent Std. Error t-statstc Prob. ANNE_EGTS BABA_EGTS KENT C 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) = anne_egts baba_egts kent 1

2 Modelde %5 anlamlılık sevyesne göre nceleme yaptığımızda değşkenlere lşkn katsayıların anlamlı olduğu sonucuna varırız. Kurulan modele göre bağımsız değşkenler le bağımlı değşken arasında ters yönlü br lşk bulunmaktadır. Annenn eğtm düzey arttıkça çocuğun çalışma olasılığı azalırken, babanın eğtm düzey arttıkça çocuğun çalışma olasılığı %2 azalmaktadır. Kentte yaşayan çocukların, kırda yaşayan çocuklara göre çalışma olasılığı %13 daha azdır. Doğrusal olasılık modellernde hata termler de bağımlı değşken gb k değer alır ve bu nedenle normallk varsayımı geçerl değerldr. Bu modellerde normallk varsayımı sağlanmasa ble parametre tahmnler sapmasız olacaktır. 2

3 Modelde değşen varyans olup olmadığu Whte test le araştırılmıştır. Buna göre; Whte Heteroskedastcty Test: F-statstc Probablty Obs*R-squared Probablty Test Equaton: Dependent Varable: RESID^2 Method: Least Squares Date: 04/12/12 Tme: 00:32 Sample: Included observatons: 2300 Varable Coeffcent Std. Error t-statstc Prob. C ANNE_EGTS ANNE_EGTS^ BABA_EGTS BABA_EGTS^ KENT prob < 0.05 olduğu çn değşen varyans sorunuyla karşılaşılmıştır. Tahmn edlen değerlerne bakıldığında 0-1 aralığı dışında yer alan bazı gözlemler olduğu ve bu gözlemlern sıfırdan küçük olduğu görülmüştür. Değşen varyans sorununu gdermek çn tartılar oluşturulurken negatf değerler sıfır olarak kabul edlmştr. Tartı v Y ˆ (1 Y ˆ ) olarak elde edlmştr. Tartılı en küçük kareler yöntemnn uygulanması le elde edlen model aşağıdak gbdr: 3

4 Dependent Varable: CALISMA/KOKVI Method: Least Squares Date: 04/12/12 Tme: 01:11 Sample (adjusted): Included observatons: 2222 after adjustments Varable Coeffcent Std. Error t-statstc Prob. ANNE_EGTS/KOKVI BABA_EGTS/KOKVI KENT/KOKVI /KOKVI 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 Durbn-Watson stat Bu modelde de değşen varyans sorunu ortadan kaldırılamamış yan 0 sağlanamamıştır. (0 E(Y X) 1) 1 şartı Whte Heteroskedastcty Test: F-statstc Probablty Obs*R-squared Probablty Test Equaton: Dependent Varable: RESID^2 Method: Least Squares Date: 04/12/12 Tme: 01:17 Sample: Included observatons: 2222 Varable Coeffcent Std. Error t-statstc Prob. C ANNE_EGTS/KOKVI (ANNE_EGTS/KOKVI)^ BABA_EGTS/KOKVI (BABA_EGTS/KOKVI)^ KENT/KOKVI (KENT/KOKVI)^ /KOKVI (1/KOKVI)^

5 Logt Model: (0 E(Y X) 1) şartını sağlamak çn gelştrlen model logt modeldr ve model açıklayablmek çn lojstk dağılım fonksyonundan yararlanılmaktadır. En çok benzerlk yöntem kullanılarak parametre tahmnler yapılmış ve 5 terasyon sonucunda parametrelern en çok benzerlk tahmn edcler bulunmuştur. Elde edlen model çıktısı aşağıdak gbdr: Dependent Varable: CALISMA Method: ML - Bnary Logt (Quadratc hll clmbng) Date: 04/12/12 Tme: 18:23 Sample: Included observatons: 2300 Convergence acheved after 5 teratons Covarance matrx computed usng second dervatves Varable Coeffcent Std. Error z-statstc Prob. ANNE_EGTS BABA_EGTS KENT C Mean dependent var S.D. dependent var S.E. of regresson Akake nfo crteron Sum squared resd Schwarz crteron Log lkelhood Hannan-Qunn crter Restr. log lkelhood Avg. log lkelhood LR statstc (3 df) McFadden R-squared Probablty(LR stat) Obs wth Dep= Total obs 2300 Obs wth Dep=1 504 L = anne_egts baba_egts kent Logt modelde katsayılar doğrudan, bağımsız değşkenlerdek br değşmn bağımlı değşkenn beklenen değer üzerndek etks olarak yorumlanamamaktadır. Katsayının şaret bağımsız değşken le olayın gerçekleşme olasılığı arasındak 5

6 lşknn yönünü gösterr. Modelmzdek bağımsız değşkenlern tümü olayın gerçekleşme olasılığı(çocuğun çalışması olasılığı) le ters yönlü br lşk çersndedr. Logt modelde katsayı yorumlarının yapılablmes çn bağımsız değşkenlern ortalamaları değerlendrmeye katılarak aşağıda marjnal etkler hesaplanmıştır: Z= *anne_egts *baba_egts *kent Ortalama değerler se; Anne_egts= baba_egts= kent= olarak heseaplanmıştır. Buna göre marjnal etkler: Z= *( ) *( ) *( ) Z= e -z =e -( ) = Z dp e Z 2 dz (1 e ) ( ) Bu durumda, ortalamalar dkkate alındığında elde edlen marjnal etkler ve yorumları se, ( ) çoçuğun çalışma olasılığı %0.85 azalır, ( ) çocuğun çalışma olasılığı %2.23 azalır, ; annenn eğtm sevyes yükseldkçe ; babanın eğtm sevyes yükseldkçe, ( ) ; kentte yaşayan çocukların, kırda yaşayan çocuklara göre çalışma olasılığı %9.69 azalır, şeklnde yapablrz. Modelde tahmn edlen değerlern tümü ncelendğnde 0-1 aralığı çnde yer aldığı ve doğrusal olasılık modelndek sorunun logt model sayesnde ortadan kalktığı görülmektedr. 6

7 Probt Model: Probt model fayda teorsne ve rasyonel seçm yaklaşımına dayanmaktadır. Rasyonel seçm yaklaşımına göre breyler karşılaştıkları seçenekler arasından kendler çn en çok fayda sağlayacak olanı seçerler. Probt model parametrelern doğrusal olmayan br fonksyonudur. Model normal brkml dağılım fonksyonunu kullanmaktadır. En çok benzerlk yöntem kullanılarak parametre tahmnler yapılmış ve 4 terasyon sonucunda parametrelern en çok benzerlk tahmn edcler bulunmuştur. Elde edlen model çıktısı aşağıdak gbdr: Dependent Varable: CALISMA Method: ML - Bnary Probt (Quadratc hll clmbng) Date: 04/12/12 Tme: 21:02 Sample: Included observatons: 2300 Convergence acheved after 4 teratons Covarance matrx computed usng second dervatves Varable Coeffcent Std. Error z-statstc Prob. ANNE_EGTS BABA_EGTS KENT C Mean dependent var S.D. dependent var S.E. of regresson Akake nfo crteron Sum squared resd Schwarz crteron Log lkelhood Hannan-Qunn crter Restr. log lkelhood Avg. log lkelhood LR statstc (3 df) McFadden R-squared Probablty(LR stat) Obs wth Dep= Total obs 2300 Obs wth Dep=1 504 Z = anne_egts baba_egts kent Logt modeldek gb probt modelnn katsayılarını yorumlamak çn; bağımsız değşkenlern ortalamaları değerlendrmeye katılarak marjnal etkler kullanılmıştır. Buna göre; 7

8 Z = *anne_egts *baba_egts *kent Z = *( ) *( ) *( ) Z = e Z Bu durumda, ortalamalar dkkate alındığında elde edlen marjnal etkler ve yorumları se, ( ) çoçuğun çalışma olasılığı %0.91 azalır, ( ) çocuğun çalışma olasılığı %2.33 azalır, ; annenn eğtm sevyes 1yıl arttığında ; babanın eğtm sevyes 1yıl arttığında, ( ) ; kentte yaşayan çocukların, kırda yaşayan çocuklara göre çalışma olasılığı %10.13 azalır, şeklnde yapablrz. Modelde tahmn edlen değerlern tümü ncelendğnde 0-1 aralığı çnde yer aldığı ve doğrusal olasılık modelndek sorunun probt model sayesnde ortadan kalktığı görülmektedr. Sonuç: Aşağıda elde edlen 3 modele at katsayılar ve marjnal etkler tablo halnde verlmştr: Anne_egts (Marjnal Etk) Baba-egts (Marjnal Etk) Kent (Marjnal Etk) LOGIT PROBİT DOM F(Z)b F(Z)b b ( ) (0.0091) (0.0223) (0.0233) (0.0969) (0.1013) - Logt modeln katsayıları le probt modeln katsayıları aynı olmasa ble marjnal etklerden elde edlen blgler brbrne oldukça yakındır. 8

Benzer belgeler

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.