VEKTÖR OTOREGRESİF MODELLERİN ETKİ TEPKİ FONKSİYONLARININ GÜVEN ARALIKLARININ GÜVENİRLİLİĞİ
|
|
- Zeki Altıntop
- 8 yıl önce
- İzleme sayısı:
Transkript
1 VEKTÖR OTOREGRESİF MODELLERİN ETKİ TEPKİ FONKSİYONLARININ GÜVEN ARALIKLARININ GÜVENİRLİLİĞİ Yrd.Doç Dr. Bülent Güloğlu 1 Abstract : In this study, we firstly focus on the construction of confidence interval for impulse response functions by using different bootstrap methods. Then we compare bootstrap based confidence intervals with asymptotic ones. In doing so we utilise real economic data and allow for very large VAR models with more than four lags and more than three variables. Keywords : Impulse Responses, Structural VAR, Bias Corrected Bootstrap, Percentile and Percentile t Confidence Interval, Asymptotic Standard Errors Özet : Bu çalışmada ilk olarak, değişik bootstrap metotları kullanılarak, etki tepki fonsksiyonlarının güven aralıklarının oluşturulmasıyla ilgilenilmektedir. Daha sonra, bootstrap yöntemine dayanan güven aralıkları, asimtotik güven aralıklarıyla karşılaştırılmaktadır. Bunu yaparken, gerçek veriler kullanılmakta ve dörtten fazla gecikmeli ve üç taneden fazla değişkenli VAR modelleri kullanılmaktadır. Anahtar Kelimeler : Etki Tepkiler, Yapısal VAR, Sapması düzeltilmiş bootstrap,yüzdelik ve Yüzdelik t Güven Aralıkları, Asimtotik Standard Hatalar. I.Giriş Vektör otoregresif (VAR) modeller, ekonomik değişkenler arasındaki ilişkileri inceleyen standard araçlar haline gelmişlerdir. VAR modellerinden elde edilen etki tepki fonksiyonları, sıklıkla, sistemdeki değişkenlerden birisine gelen şokun, sistemdeki diğer değişkenler üzerindeki etkilerini incelemek için kullanılırlar. Başka bir ifadeyle etki tepki fonksiyonları VAR modelindeki her bir değişkenin, yapısal şoklar ortaya çıktığında, bu şoklara karşı dinamik tepkisini gösterirler. Etki tepki katsayıları VAR modelinin katsayılarından hareketle hesaplanmaktadır. Ancak VAR modelinin katsayılarının asimptotik dağılımı normal olasa da, özellikle küçük örneklemlerde sapmalı ve dağılımlarının çarpık olduğu kabul edilmektedir(kilian,1998). Dahası etki tepkiler VAR katsayılarının doğrusal bir fonksiyonu olmadıklarından, onların gerçek değerleri bilinemez. Bu yüzden etki tepki katsayılarının istatistiksel özelliklerinin bilinmesi araştırmacılar için önem arzeder. Etki tepki katsayılarının istatistiksel belirsizliğini azaltmak için, güven aralıklarının kullanılması oldukça yaygın bir uygulamadır. Böylelikle belirli bir olasılıkla etki tepki katsayılarının anakütle değerleri belirli bir aralık içinde bulunacaktır. Etki tepki katsayılarının elde edilmesiyle ve güven aralıklarının hesaplanmasıyla ilgili değişik yöntemler mevcuttur. Örneğin Runkle(1987) bootstrap yöntemiyle etki tepki katsayılarının ampirik dağılımının elde edilerek, çarpıklık sorununun üstesinden gelinebileceğini işaret 1 Pamukkale Üniversitesi İ.İ.B.F Kınıklı Kampüsü, KINIKLI/ DENİZLİ
2 etmiştir. Kilian ise, hem çarpıklık sorununu ortadan kaldıran, hem de sapmayı düzelten bir bootstrap tekniği geliştirmiştir. Bu çalışmanın amacı analitik ve bootstrap yöntemleriyle elde edilen etki tepki katsayılarını karşılaştırmak ve bu katsayılar için hesaplanan güven aralıklarının ne kadar güvenilir olduğunu göstermektedir. Genelikle tek bir gecikmeli VAR modelleriyle yapılan diğer çalışmaların aksine, bu çalışmada yüksek dereceden VAR modelleriyle çalışılmış ve kü.ük örneklem ve büyük örneklem için sonuçlar karşılaştırılmıştır. II. Etki Tepki fonksiyonlarının Hesaplanması II.a Geleneksel Yöntemler Etki tepki fonksiyonlarının hesaplanmasını ve yorumlanmasını göstermek için n değişkenli p.gecikmeye sahip durağan yapısal VAR modelinin şu şekilde olduğunu varsayalım: A 0 y t = c+a 1 y t-1 + A 2 y t A p y t-p + u t (1) Yukarıdaki denklemin her iki tarafı A 0 matrisinin tersiyle çarpılırsa, indirgenmiş formda VAR(p) modeli elde edilir: y t = d+φ 1 y t-1 + φ 2 y t φ p y t-p + ε t (2) Yapısal VAR modeliyle indirgenmiş formda VAR modeli arasındaki ilişkiler ise şu şekildedir: -1 d = A 0 c -1 φ k = A 0 A k k=1,2...p ε t = A 0-1 u t Eğer yapısal VAR modelindeki u t vektörü beyaz gürültü özelliklerini taşıyorsa, ε t vektörü de beyaz gürültü vektörü olacaktır(hamilton,1994). Bunun ötesinde, eğer y süreci durağan bir süreçse, 2. denklem Wold hareketli ortalama ya da VAR hareketli ortalama süreci (VMA) olarak şu şekilde ifade edilebilir(lutkepohl,2001): y t = ϕ 0 ε t + ϕ 1 ε t -1 +ϕ 2 ε t (3) Burada ϕ 0 =I n ve ϕ s = s ϕs-1 φ i s=1,2... i= 1 Yukarıdaki denklemdeki ϕ s katsayıları etki tepki katsayılarını göstermektedir. Buna göre örneğin ϕ s matrisinin 1.satır 2. sutunundaki elemanı, y t nin tüm geçmiş değerleri sabit tutulduğunda, y 2t deki bir birimlik değişmeye, y 1t+s nin tepkisini göstermektedir. Y nin geçmiş
3 değerleri sabitken, y 1t deki değişme ε 1t deki değişmeyle ölçüldüğünden, ϕ s matrisinin elemanları, y t nin, ε t daki değişmelerle ilgili bileşenlerinin etki tepkilerini göstermektedir. Ayrıca ε t ler bir aşamalı öngörü hataları olduğundan, bu etki tepkilere aynı zamanda öngürü hatası etki tepki katsayıları(forecast error impulse response) da denmektedir. Ancak belirtmek gerekir ki, ε t ler arasındaki eşdönemli korelasyondan dolayı, 3. denklemden elde edilen ϕ s katsayıları, bir değişkenin belirli bir şoka karşı tepkisini değilde, ilgili bütün şoklar karşı tepkisini gösterirler.bu sorunun üstesinden gelmek için, VAR modelindeki ε t ler ilişkisiz hale getirilir.(dikeyleştirilir.) Bu dikeyleştirme işlemi, genellikle denklem 2 den elde edilen varyans kovaryans matrisinin(σ ε ), Cholesky ayrıştırmasına tabii tutulmasıyla yapılır. C ye düşük üçgen matrisi dersek, Σ ε =CC olur. Bu durumda dikeyleştirilmiş hatalar ε t = A -1 0 u t ilişkisinden elde edilebilir. Bundan dolayı VAR modeli durağansa, 3. denklemden şu ilişki elde edilecektir: y t = γ 0 u t + γ 1 u t -1 +γ 2 u t (4) Burada γ 0 = C γ j =ϕ i C j=0,1,2... Bu durumda birinci değişkendeki bir yapısal şok bütün değişkenler üzerinde eşdönemli bir etkiye sahip olurken, ikinci değişkende ortaya çıkan bir şok, y 1t üzerinde eşdönemli etkiye sahip olmazken, diğer değişkenler üzerinde etkilidir. Choleski ayrıştırması, uygulamada yaygın olmasına karşın, y vektöründeki değişkenlerin sıralaması değiştiğinde, etki tepki katsayılarının da değişmesine yol açacağından dikkatle kullanılmalıdır. Yani, değişkenlerin sıralaması değiştiğinde etki tepki fonksiyonlarının önemli derece de değişip değişmediğine bakılmalıdır. Sims(1981), denklem 1 deki A 0 matrisini, ekonomik teorinin öngürdüğü hipotezlerle kısıtlayarak yapısal VAR modelinin elde edilmesini tavsiye etmiştir. Bu çalışmada Choleski ayrıştırmasından yararlanıldığından yapısal VAR modeline değinilmeyecektir. II.b Bootstrap Yöntemleri Efron(1979) tarafından öne sürülen bootstrap yöntemi, parametre tahminlerinde, istatistiklerin ampirik dağılımlarının bulunmasında ve güven aralıklarının hesaplanmasında son yıllarda sıklıkla kullanılmaktadır. Bu yöntem verilerin iadeli örnekleme yöntemiyle oluşturulmasına, bu şekilde oluşturulan her bir örneklem için ilgili istatistiklerin tahmin edilmesine dayanan ve birkaç defa tekrar eden bir süreçtir.
4 VAR modelleri çerçevesinde bootstrap yöntemleri etki tepki fonksiyonlarının güven aralıklarının oluşturulması amacıyla kullanılmaktadır. Etki tepki katsayılarının güven aralıklarını oluşturmak için, VAR modelinin katsayıları değişik iadeli örnekleme tekniklerinden birisi kullanarak, birkaç defa EKK ile tahmin edilir. Daha sonra VAR modeli VMA şekline dönüştürülerek etki tepki fonksiyonları yukarıda gösterildiği gibi bulunur. Son aşamada etki tepki katsayılarının ampirik dağılımları bulunarak, güven aralıklarının alt ve üst sınırları oluşturulur. Güven aralıklarının oluşturulmasında, standard yüzdelik(standard percentile) metodu ile, Hall(1992) in yüzdelik ve yüzdelik t yöntemleri kullanılabilir. Etki tepki fonksyonlarının hesaplanmasında Diebold ve diğerleri (1998) tarafından geliştirilen Cholesky faktör bootstrap ile Runkle ve Kilian ın bootstrap yöntemleri kullanılmaktadır. II.b.1 Cholesky Faktör Bootstrap Diebold ve diğerleri tarafından geliştirlen Cholesky Faktör Bootstrap yöntemi şu şekilde uygulanmaktadır: Y, T döneminde gözlenen n tane değişkenden oluşan bir vektör şu şekilde iade edilmiş olsun: Y=Cε (5) Burada C matrisi, nt,nt boyutunda, ε ise nt,1 boyutunda bir vektördür.cholesky faktör bootstrap yöntemi aşağıdaki aşamaları içermektedir: 1) Y nin varyans covaryans matrisi(σ) tahmin edilir 2) Σ matrisinin Cholesky ayrıştırması elde edilir: CC =Σ 3) ε* N(0,I) olacak şekilde rassal sayılar elde edilir 4) y*=cε* kullanılarak yapay y* değerleri elde edilir. 5) Etki tepki katsayıları hesaplanır 6) 3 ile 5 arası aşamalar birçok defa tekrar edilerek etki tepki katsayılarının ampirik dağılımları bulunur ve güven aralıkları oluşturulur. II.b.2 Runkle metodolojisi Runkle bootstrap yöntemi başlangıçta VAR modelinden elde edilen hata terimlerini kullanan bir yöntemdir.şu aşamaları içerir: 1) Model 2 EKK yöntemiyle tahmin edilerek, hata terimleri(ε) ve otoregressif katsayılar(φ) elde edilir.
5 2) Tahmin edilen hata terimleri anakütle olarak kabul edilerek, iadeli tesadüfi örnekleme yöntemiyle t büyüklüğünde örneklem çekilir.bu şekilde elde edilen hata terimleri ε* olsun. 3) Tahmin edilen φ katsayıları ve ε* kullanılarak y*değerleri elde edilir. 4) y* değerleri kullanılarak yeni otoregresif katsayılar(φ*) elde edilir. 5) 2 ile 4 arası aşamalar tekrar edilerek etki tepki katsayıları ve onlar için güven aralıkları hesaplanır. Bu yöntemin en önemli avantajı, hata terimleri için herhangi bir dağılım empoze etmeden, φ* katsayılarının küçük örneklem dağılımının tahmini vermesidir.ancak hata terimlerinin iadeli örnekleme tabii tutulması ve buna dayanarak elde edilen yeni y* değerlerinin, yapısal katsayılarının elde edilmesi sırasındaki yakınsama sürecine zarar verebilmesi, bu yöntemin en önemli eksikliğidir. II.b.3 Sapması düzeltilmiş bootstrap yöntemi Kilian tarafından öne sürülen bu yöntemin en önemli avantajı, otoregresif katsayıların sapmalı tahminini düzeltmesi ve daha sonra VMA katsayılarını tahmin etmesidir. Bu yöntem şu şekilde uygulanabilir: 1)Y= d+φ 1 y t-1 + φ 2 y t φ p y t-p + ε t modeli EKK ile tahmin edilir. 2) Parametrik olmayan bootstrap tekniklerden birisi kullanılarak yapay y* değerleri elde edilir. 3) y* değerleri kullanılarak bootstrap katsayıları (φ*) hesaplanır. 4) Bu süreç 1000 kez tekrarlanarak 1000 tane bootstrap katsayısı (φ*) hesaplanır. 5) (φ*) katsayıların ortalaması alınarak φ değeri bulunur 6) EKK ile elde edilen VAR modelinin companion matrisi elde edilir. 7) Companion matrisinin en büyük köklerinin modulus değerleri (m(φ)) bulunur. 8) Eğer m( φ) 1 ise, sapması düzeltilmiş katsayı değeri φ c =φ kabul edilir. 9) Eğer m(φ)<1 ise, φ c =φ -ψˆ. Burada ψˆ =φ -φ dir. 10) Eğer m( φ c ) 1 ise, ψˆ 1=ψˆ ve δ 1 =1 kabul edilerek, ψˆ i+j =δ i ψˆ i ve δ i+1 =δ i değerleri tanımlanır. 11) i=1,2,... için, yinelemeli olarak φ c i=φ-ψˆ i değerleri, m(φ c i )<1 oluncaya kadar bulunur. 12) m(φ c i )<1 olduğunda, φ c =φ c i olarak alınır.
6 13) İndirgenmiş VAR modelindeki φ katsayıları yerine düzeltilmiş katsayılar(φ c ) bulunur tekrarla yeni φ * değerleri hsaplanır ve 4-13 arası basamaklar tekrar edilerek yeni φ c değerleri bulunur. 14) Bulunan φ c değerleri kullanılarak etki tepki katsayıları ve bunların güven aralıkları bulunur. III.Bootstrap Güven Aralıkları Etki tepki katsayıları,bootstrap yöntemlerinden birisi kullanılarak hesaplandıktan sonra, güven aralıklarının oluşturulması gerekir. Bootstrap güven aralıkları birkaç değişik yöntemle oluşturulabilir. Bunlardan en yaygın kullanılanları, standard yüzdelik güven aralığı ile, Hall(1992) in yüzdelik ve yüzdelik t yöntemleridir. III.a. Standard yüzdelik güven aralığı Etki tepki katsayıları için en yaygın kullanılan güven aralığı olup, hesaplanması oldukça kolaydır. CI s = [Q* α/2,q* (1-α/2) ] Burada Q* α/2 ve Q* (1-α)/2 sırasıyla l(ϕ* y-p+1,...y 0,...y T) dağılımının α/2 ve (1-α)/2 bootstrap yüzdelikleridir. III.b. Hall yüzdelik güven aralığı Etki tepki katsayıları için Hall bootstrap yüzdelik güven aralıkları, bootstrap yöntemiyle ve standard yöntemlerle elde edilen etki tepki katsayılarının farkının(ϕ*-ϕ) dağılımına dayanmaktadır. Bootstrap yöntemiyle elde edilen etki tepki katsayılarına ϕ* ve standard yöntemlerle elde edilenlere ϕ dersek, o zaman Hall yüzdelik güven aralığı şu şekilde oluşturulabilir: CI H = [ϕ s* ( 1-α/2),ϕ -s* α/2 ] Burada s*( 1-α/2) ve s* α/2, l(ϕ*-ϕ y-p+1,...y 0,...y T) dağılımının (1-α)/2 ve α/2 bootstrapyüzdelikleridir. III.c. Hall yüzdelik t güven aralığı Hall yüzdelik t güven aralığı şu şekilde hesaplanır: CI t = [ϕ t* ( 1-α/2) s(ϕ), ϕ -t* α/2 s(ϕ)]
7 Burada s(ϕ), etki tepki katsayılarının asimtotik standard hatalarını,t*( 1-α/2) ve t* α/2 ise, ( ϕ*- ϕ)/s(ϕ*)) dağılımının yüzdeliklerini göstermektedir. IV. Ampirik Karşılaştırma Standard yöntemler kullanılarak elde edilen etki tepki katsayılarının güven aralıklarıyla, bootstrap yüzdelik güven aralıkları Lutkepohl un veri seti kullanılarak karşılaştırılmış. Veriler 1960:Q1-1982:Q4 döneminde doğal logaritması alınmış yatırım(y1) gelirin(y2) ve tüketimi(y3) kapsamaktadır. Standard yöntemlerle hesaplanmış etki tepki katsayılarının %95 güven aralıkları ile Runkle parametrik olmayan bootstrap yöntemiyle hesaplanmış etki tepki katsayılarının Hall yüzdelik güven aralıkları sırasıyla şekil1 ve şekil2 de verilmiştir. Şekil1 ve şekil2 karşılaştırıldığında asimtotik standard hatalara dayanan % 95 güven aralığı ve Runkle bootstrap yöntemine dayanarak hesaplanan Hall yüzdelik güven aralığı arasında önemli bir fark görülmemektedir. Ancak her iki güven aralığıyla elde edilmiş sonuçlar yanıltıcı olabilir. Bu yüzden sonuçların sapması düzeltilmiş bootstrap yöntemiyle de tekrarlanması gerekebilir. V.Sonuç Bu çalışmada VAR modellerinden elde edilen etki tepki katsayılarının güven aralıklarının güvenirliği incelenmiştir. Değişik yöntemler arasından asimtotik standard hatalara dayanan % 95 güven aralığı ile Runkle bootstrap algoritmasına dayanarak hesaplanan etki tepki katsayılarının Hall yüzdelik güven aralıkları karşılaştırılmıştır. Örneklem büyüklüğü (76 gözlem) göz önüne alındığında bu iki yöntem arasında büyük örneklemler için fark olmadığı görülebilir. Kaynakça Efron B.(1979) Bootstrap Methods: Another Look at the Jacknife, Annals of Statistics, 9, Hamilton J.(1994) Time Series Analysis, Princeton University Press Hall P.(1992) The Bootstrap and Edgeworth Expansion, Springer, New York Runkle D. (1987) Vector Autoregression and Reality, Journal of Business and Economics Statistics, 5, Kilian L.(1998) Small Sample Confidence Intervals for Impulse Response Functions Review of Economics and Statistics, 80, Lutkepohl H.(2001) Vector Autoregressive and Vector Error Correction Models, mimeo
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
DetaylıDERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar Ön Koşul Dersin Dili
DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar 3+0 3 3 Ön Koşul Yok Dersin Dili Türkçe Dersin Seviyesi Lisans Dersin Türü Seçmeli Dersi Veren Öğretim Elemanı
DetaylıİÇİNDEKİLER. 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
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
DetaylıİÇİNDEKİLER ÖN SÖZ...
İÇİNDEKİLER ÖN SÖZ... v GİRİŞ... 1 1. İSTATİSTİK İN TARİHÇESİ... 1 2. İSTATİSTİK NEDİR?... 3 3. SAYISAL BİLGİDEN ANLAM ÇIKARILMASI... 4 4. BELİRSİZLİĞİN ELE ALINMASI... 4 5. ÖRNEKLEME... 5 6. İLİŞKİLERİN
DetaylıÖrnek 4.1: Tablo 2 de verilen ham verilerin aritmetik ortalamasını hesaplayınız.
.4. Merkezi Eğilim ve Dağılım Ölçüleri Merkezi eğilim ölçüleri kitleye ilişkin bir değişkenin bütün farklı değerlerinin çevresinde toplandığı merkezi bir değeri gösterirler. Dağılım ölçüleri ise değişkenin
Detaylıİstatistik 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
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.
DetaylıBKİ farkı Standart Sapması (kg/m 2 ) A B BKİ farkı Ortalaması (kg/m 2 )
4. SUNUM 1 Gözlem ya da deneme sonucu elde edilmiş sonuçların, rastlantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HİPOTEZ TESTLERİ denir. Sonuçların rastlantıya bağlı
DetaylıKARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK. Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005
KARŞILAŞTIRMA İSTATİSTİĞİ, ANALİTİK YÖNTEMLERİN KARŞILAŞTIRILMASI, BİYOLOJİK DEĞİŞKENLİK Doç.Dr. Mustafa ALTINIŞIK ADÜTF Biyokimya AD 2005 1 Karşılaştırma istatistiği Temel kavramlar: Örneklem ve evren:
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
DetaylıBÖLÜM-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
DetaylıMeslek 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
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
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:
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
DetaylıK-S Testi hipotezde ileri sürülen dağılımla örnek yığılmalı dağılım fonksiyonunun karşılaştırılması ile yapılır.
İstatistiksel güven aralıkları uygulamalarında normallik (normal dağılıma uygunluk) oldukça önemlidir. Kullanılan parametrik istatistiksel tekniklerin geçerli olabilmesi için populasyon şans değişkeninin
DetaylıMAK 210 SAYISAL ANALİZ
MAK 210 SAYISAL ANALİZ BÖLÜM 6- İSTATİSTİK VE REGRESYON ANALİZİ Doç. Dr. Ali Rıza YILDIZ 1 İSTATİSTİK VE REGRESYON ANALİZİ Bütün noktalardan geçen bir denklem bulmak yerine noktaları temsil eden, yani
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
Detaylıİçindekiler. Ön Söz... xiii
İçindekiler Ön Söz.................................................... xiii Bölüm 1 İstatistiğe Giriş....................................... 1 1.1 Giriş......................................................1
DetaylıYARI 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,
DetaylıBÖLÜM 12 STUDENT T DAĞILIMI
1 BÖLÜM 12 STUDENT T DAĞILIMI 'Student t dağılımı' ya da kısaca 't dağılımı'; normal dağılım ve Z dağılımının da içerisinde bulunduğu 'sürekli olasılık dağılımları' ailesinde yer alan dağılımlardan bir
DetaylıARALIK TAHMİNİ (INTERVAL ESTIMATION):
YTÜ-İktisat İstatistik II Aralık Tahmini I 1 ARALIK TAHMİNİ INTERVAL ESTIMATION): Nokta tahmininde ilgilenilen anakütle parametresine ilişkin örneklem bilgisinden hareketle tek bir sayı üretilir. Bir nokta
Detaylı2. 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
Detaylı2. 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
DetaylıMatris 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
DetaylıCh. 5: SEKK (OLS) nin Asimptotik Özellikleri
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik
DetaylıQUANTILE REGRESYON * Quantile Regression
QUANTILE REGRESYON * Quantile Regression Fikriye KURTOĞLU İstatistik Anabilim Dalı Olcay ARSLAN İstatistik Anabilim Dalı ÖZET Bu çalışmada, Lineer Regresyon analizinde kullanılan en küçük kareler yöntemine
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri
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
DetaylıOlasılık ve Normal Dağılım
Olasılık ve Normal Dağılım P = 0 İmkansız P =.5 Yarı yarıya P = 1 Kesin Yazı-Tura 1.5 2 1.5 2.5.5.25 Para atışı 10 kere tekrarlandığında Yazı Sayısı f % 0 3 30 1 6 60 2 1 10 Toplam 10 100 Atış 1000 kere
Detaylı26.12.2013. Farklı iki ilaç(a,b) kullanan iki grupta kan pıhtılaşma zamanları farklı mıdır?
26.2.23 Gözlem ya da deneme sonucu elde edilmiş sonuçların, raslantıya bağlı olup olmadığının incelenmesinde kullanılan istatistiksel yöntemlere HĐPOTEZ TESTLERĐ denir. Sonuçların raslantıya bağlı olup
DetaylıDoç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ
I Doç. Dr. Dilek ALTAŞ İSTATİSTİKSEL ANALİZ II Yayın No : 2845 Teknik Dizisi : 158 1. Baskı Şubat 2013 İSTANBUL ISBN 978-605 - 377 868-4 Copyright Bu kitabın bu basısı için Türkiye deki yayın hakları BETA
DetaylıÖrneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı
Örneklem Dağılımları & Hipotez Testleri Örneklem Dağılımı Ortalama veya korelasyon gibi istatistiklerin dağılımıdır Çıkarımsal istatistikte örneklem dağılımı temel fikirlerden biridir. Çıkarımsal istatistik
DetaylıProf. Dr. Aydın Yüksel MAN 504T Yön. için Finansal Analiz & Araçları Ders: Risk-Getiri İlişkisi ve Portföy Yönetimi I
Risk-Getiri İlişkisi ve Portföy Yönetimi I 1 Giriş İşlenecek ana başlıkları sıralarsak: Finansal varlıkların risk ve getirisi Varlık portföylerinin getirisi ve riski 2 Risk ve Getiri Yatırım kararlarının
Detaylıİçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma...
İçindekiler İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii BÖLÜM 1 Ölçme, İstatistik ve Araştırma...1 Ölçme Nedir?... 3 Ölçme Süreci... 3 Değişkenler
DetaylıAppendix C: İstatistiksel Çıkarsama
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama
DetaylıVERİ SETİNE GENEL BAKIŞ
VERİ SETİNE GENEL BAKIŞ Outlier : Veri setinde normal olmayan değerler olarak tanımlanır. Ders: Kantitatif Yöntemler 1 VERİ SETİNE GENEL BAKIŞ Veri setinden değerlendirme başlamadan çıkarılabilir. Yazım
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix C: İstatistiksel Çıkarsama Doç.
DetaylıNicel / Nitel Verilerde Konum ve Değişim Ölçüleri. BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014
Nicel / Nitel Verilerde Konum ve Değişim Ölçüleri BBY606 Araştırma Yöntemleri 2013-2014 Bahar Dönemi 13 Mart 2014 1 Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl?
Detaylı(AYIRIM) DENLİ. Emre KUZUGÜDENL. Doç.Dr.Serdar CARUS
DİSKRİMİNANT ANALİZİ (AYIRIM) Emre KUZUGÜDENL DENLİ Doç.Dr.Serdar CARUS Bu analiz ile; Bir bireyin hangi gruptan geldiği (p değişkeni kullanarak, bireyi uygun bir gruba atar ) Her bir değişkenin atama
DetaylıKi- Kare Testi ANADOLU ÜNİVERSİTESİ. ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM 317 MÜHENDİSLİK İSTATİSTİĞİ İYİ UYUM TESTİ Prof.Dr. Nihal ERGİNEL İYİ UYUM TESTİ Rassal değişkenin olasılık yoğunluk fonksiyonunun ve parametresinin bilinmediği, ancak belirli
DetaylıRASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI. Yrd. Doç. Dr. Emre ATILGAN
RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Yrd. Doç. Dr. Emre ATILGAN 1 RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI Olasılığa ilişkin olayların çoğunluğunda, deneme sonuçlarının bir veya birkaç yönden incelenmesi
DetaylıPARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN 1 ANAKÜTLE Anakütle kavramı insan, yer ve şeyler toplulugunu ifade etmek için kullanır. İlgi alanına gore, araştırmacı hangi topluluk üzerinde
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. Tanım Hipotez, bir veya daha fazla anakütle hakkında ileri sürülen, ancak doğruluğu önceden bilinmeyen iddialardır. Ortaya atılan iddiaların, örnekten elde edilen
Detaylı8. 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
Detaylı0.04.03 Standart Hata İstatistikte hesaplanan her istatistik değerin mutlaka hatası da hesaplanmalıdır. Çünkü hesaplanan istatistikler, tahmini bir değer olduğu için mutlaka hataları da vardır. Standart
Detaylı009 BS 400- İstatistik sonılannın cevaplanmasında gerekli olabilecek tablolar ve formüller bu kitapçığın sonunda verilmiştir. 1. şağıdakilerden hangisi doğal birimdir? l TV alıcısı Bl Trafik kazası CL
DetaylıBölüm 3. Tanımlayıcı İstatistikler
Bölüm 3 Tanımlayıcı İstatistikler 1 Tanımlayıcı İstatistikler Bir veri setini tanımak veya birden fazla veri setini karşılaştırmak için kullanılan ve ayrıca örnek verilerinden hareket ile frekans dağılışlarını
DetaylıKullanılacak İstatistikleri Belirleme Ölçütleri. Değişkenin Ölçek Türü ya da Yapısı
ARAŞTIRMA MODELLİLERİNDE KULLANILACAK İSTATİSTİKLERİ BELİRLEME ÖLÇÜTLERİ Parametrik mi Parametrik Olmayan mı? Kullanılacak İstatistikleri Belirleme Ölçütleri Değişken Sayısı Tek değişkenli (X) İki değişkenli
Detaylıİstatistiksel Yorumlama
İstatistiksel Yorumlama Amaç, popülasyon hakkında yorumlamalar yapmaktadır. Populasyon Parametre Karar Vermek Örnek İstatistik Tahmin 1 Tahmin Olaylar hakkında tahminlerde bulunmak ve karar vermek zorundayız
DetaylıSIRADAN EN KÜÇÜK KARELER (OLS)
SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge
DetaylıYrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü
Mühendislikte İstatistiksel Yöntemler Yrd. Doç. Dr. Fatih TOSUNOĞLU Erzurum Teknik Üniversitesi Mühendislik Fakültesi İnşaat Mühendisliği Bölümü 1 Araştırma sonuçlarının açıklanmasında frekans tablosu
DetaylıBÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ
1 BÖLÜM 6 MERKEZDEN DAĞILMA ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel
DetaylıKonum ve Dağılım Ölçüleri. BBY606 Araştırma Yöntemleri Güleda Doğan
Konum ve Dağılım Ölçüleri BBY606 Araştırma Yöntemleri Güleda Doğan Konum ölçüleri Merkezi eğilim ölçüleri Verilerin ortalamaya göre olan gruplanması nasıl? Yakın, uzak? Sıklık dağılımlarının karşılaştırılması
DetaylıİSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications*
Ç.Ü. Fen Bilimleri Enstitüsü Yıl:010 Cilt:-1 İSTATİSTİKSEL DARALTICI (SHRINKAGE) MODEL VE UYGULAMALARI * A Statistical Shrinkage Model And Its Applications* Işıl FİDANOĞLU İstatistik Anabilim Dalı Fikri
DetaylıKONULAR. 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
DetaylıZaman Serileri Ekonometrisine Giriş
Zaman Serileri Ekonometrisine Giriş Yöney Özbağlanım Modeli Ekonometri 2 Konu 27 Sürüm 2,0 (Ekim 2011) UADMK Açık Lisans Bilgisi İşbu belge, Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported
DetaylıBİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ
SAKARYA ÜNİVERSİTESİ BİLİŞİM TEKNOLOJİLERİ İÇİN İŞLETME İSTATİSTİĞİ Hafta 12 Yrd. Doç. Dr. Halil İbrahim CEBECİ Bu ders içeriğinin basım, yayım ve satış hakları Sakarya Üniversitesi ne aittir. "Uzaktan
Detaylı1: DENEYLERİN TASARIMI VE ANALİZİ...
İÇİNDEKİLER Bölüm 1: DENEYLERİN TASARIMI VE ANALİZİ... 1 1.1. Deneyin Stratejisi... 1 1.2. Deneysel Tasarımın Bazı Tipik Örnekleri... 11 1.3. Temel Kurallar... 16 1.4. Deneyleri Tasarlama Prensipleri...
DetaylıDuyarlılık analizi, bir doğrusal programlama probleminde belirlenen katsayı değerlerinin
DUYARLILIK ANALİZİ Duyarlılık analizi, bir doğrusal programlama probleminde belirlenen katsayı değerlerinin değişmesinin problemin optimal çözümü üzerine etkisini incelemektedir. Oluşturulan modeldeki
Detaylı4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu
4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ 4.1. Katsayıların Yorumu Y i = β 0 + β 1 X 1i + β X i + + β k X ki + u i gibi çok açıklayıcı değişkene sahip bir modelde, anakütle regresyon fonksiyonu, E(Y i X
DetaylıMEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU
MEÜ. SAĞLIK BĠLĠMLERĠ ENSTĠTÜSÜ DERS TANIMI FORMU Dersin Adı-Kodu: BİS 601 Örnek Genişliği ve Güç Programın Adı: Biyoistatistik Dersin düzeyi Doktora Ders saatleri ve Teori Uyg. Lab. Proje/Alan Çalışması
DetaylıNokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş
Nokta ve Aralık Tahmini Merkezi Limit Teoremi Örneklem Dağılımı Hipotez Testlerine Giriş Doç. Dr. Ertuğrul ÇOLAK Eskişehir Osmangazi Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı Nokta Tahmini
DetaylıTANIMLAYICI İSTATİSTİKLER
TANIMLAYICI İSTATİSTİKLER Tanımlayıcı İstatistikler ve Grafikle Gösterim Grafik ve bir ölçüde tablolar değişkenlerin görsel bir özetini verirler. İdeal olarak burada değişkenlerin merkezi (ortalama) değerlerinin
DetaylıÜSTEL 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
DetaylıOLS Yönteminin Asimptotik (Büyük Örneklem) Özellikleri SIRADAN EN KÜÇÜK KARELER (OLS) Asimptotik Özellikler: Tutarlılık. Asimptotik Özellikler
1 SIRADAN EN KÜÇÜK KARELER (OLS) YÖNTEMİNİN ASİMPTOTİK ÖZELLİKLERİ Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge
Detaylı2016 YILI AKTÜERLİK SINAVLARI: İSTATİSTİK OLASILIK
Soru 1 X rassal değişkeninin olasılık yoğunluk fonksiyonu x x, x> f ( x) = 0, dy. 1 werilmiş ve Y = rassal değişkeni tanımlamış ise, Y değişkenin 0< 1 X 1 y için olasılık yoğunluk fonksiyonu aşağıdaki
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Ders 8: Prof. Dr. İrfan KAYMAZ Tanım Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır. Bu anlamda, anakütleden çekilen
Detaylı14 Ekim 2012. Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge. 1 Yıldız Teknik Üniversitesi
ÇOK DEĞİŞKENLİ REGRESYON ANALİZİ: ÇIKARSAMA Hüseyin Taştan 1 1 Yıldız Teknik Üniversitesi İktisat Bölümü Ders Kitabı: Introductory Econometrics: A Modern Approach (2nd ed.) J. Wooldridge 14 Ekim 2012 Ekonometri
DetaylıANADOLU ÜNİVERSİTESİ. ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL
ANADOLU ÜNİVERSİTESİ ENM317 Mühendislik İstatistiği İSTATİSTİKSEL TAHMİN Prof. Dr. Nihal ERGİNEL İSTATİSTİKSEL TAHMİN Örnekten anakütle parametrelerinin tahmin edilmesidir. İki tür tahminleme yöntemi vardır:
DetaylıPARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER
PARAMETRİK OLMAYAN İSTATİSTİKSEL TEKNİKLER Prof. Dr. Ali ŞEN 1 Tek Örneklem İşaret Testi İşaret Testi parametrik olmayan prosedürler içinde en eski olanıdır. Analiz yapılırken serideki verileri artı ve
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
DetaylıMühendislikte İstatistiksel Yöntemler
Mühendislikte İstatistiksel Yöntemler BÖLÜM 7 TAHMİNLER Yrd. Doç. Dr. Fatih TOSUNOĞLU 1 Tahmin (kestirim veya öngörü): Mevcut bilgi ve deneylere dayanarak olayın bütünü hakkında bir yargıya varmaktır.
DetaylıLOJİSTİK 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
DetaylıİLERİ ARAŞTIRMA SORU HAVUZU
1 ) Bir ölçümde bağımlı değişkenlerdeki farklılıkların bağımsız değişkenlerdeki farklılıkları nasıl etkilediğini aşağıdakilerden hangisi ölçer? A) Bağımlı Değişken B) Bağımsız Değişken C) Boş Değişken
DetaylıBÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ
İÇİNDEKİLER BÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ I. ÖRNEKLEME... 1 II. ÖRNEKLEMENİN SAFHALARI... 2 III. ÖRNEK ALMA YÖNTEMLERİ 5 A. RASYONEL ÖRNEK ALMA... 5 B. TESADÜFİ ÖRNEK ALMA... 6 C. KADEMELİ ÖRNEK ALMA...
DetaylıMühendislikte İstatistik Yöntemler
.0.0 Mühendislikte İstatistik Yöntemler İstatistik Parametreler Tarih Qma.3.98 4..98 0.3.983 45 7..984 37.3.985 48 0.4.986 67.4.987 5 0.3.988 45.5.989 34.3.990 59.4.99 3 4 34 5 37 6 45 7 45 8 48 9 5 0
DetaylıİSTATİSTİK STATISTICS (2+0) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI
İSTATİSTİK STATISTICS (+) Yrd.Doç.Dr. Nil TOPLAN SAÜ.MÜH. FAK. METALURJİ VE MALZEME MÜH. BÖLÜMÜ ÖĞRETİM ÜYESİ ÖĞRETİM YILI KONU BAŞLIKLARI :. İSTATİSTİĞE GİRİŞ. VERİLERİN DÜZENLENMESİ. MERKEZİ EĞİLİM ÖLÇÜLERİ.
DetaylıÖRNEKLEME TEORİSİ. Prof.Dr.A.KARACABEY Doç.Dr.F.GÖKGÖZ
ÖRNEKLEME TEORİSİ 1 Bir popülasyonu istatistiksel açıdan incelemek ve işlemler yapabilmek için popülasyon içerisinden seçilen örneklemlerden yararlandığımızı söylemiştik. Peki popülasyonun istatistiksel
Detaylıİki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı
İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t Test) Ankara Üniversitesi Tıp Fakültesi Biyoistatistik Anabilim Dalı İki Ortalama Arasındaki Farkın Önemlilik Testi (Student s t test) Ölçümle
DetaylıBootstrap Metodu ve Uygulanışı Üzerine Bir Çalışma 2. Güven Aralıkları, Hipotez Testi ve Regresyon Analizinde Bootstrap Metodu
Ege Üniv. Ziraat Fak. Derg., 2006, 43(2):63-72 ISSN 1018-8851 Bootstrap Metodu ve Uygulanışı Üzerine Bir Çalışma 2. Güven Aralıkları, Hipotez Testi ve Regresyon Analizinde Bootstrap Metodu Çiğdem TAKMA
DetaylıAppendix B: Olasılık ve Dağılım Teorisi
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıYTÜ İktisat Bölümü EKONOMETRİ I Ders Notları
Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri I Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. edition, Thomson Learning Appendix B: Olasılık ve Dağılım Teorisi
DetaylıBÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ
1 BÖLÜM 5 MERKEZİ EĞİLİM ÖLÇÜLERİ Gözlenen belli bir özelliği, bu özelliğe ilişkin ölçme sonuçlarını yani verileri kullanarak betimleme, istatistiksel işlemlerin bir boyutunu oluşturmaktadır. Temel sayma
DetaylıBoosting. Birol Yüceoğlu Migros T.A.Ş.
Boosting Birol Yüceoğlu Migros T.A.Ş. www.veridefteri.com biroly@migros.com.tr İçerik Karar ağaçları Bagging Boosting Ana fikir Boosting vs. Bagging LightGBM Scikit-learn AdaBoost Calibration Gradient
DetaylıREGRESYON ANALĐZĐ. www.fikretgultekin.com 1
REGRESYON ANALĐZĐ Regresyon analizi, aralarında sebep-sonuç ilişkisi bulunan iki veya daha fazla değişken arasındaki ilişkiyi belirlemek ve bu ilişkiyi kullanarak o konu ile ilgili tahminler (estimation)
DetaylıÇOK DEĞĐŞKENLĐ ĐSTATĐSTĐKLERĐN ARAŞTIRMALARDA KULLANIMI
ÇOK DEĞĐŞKENLĐ ĐSTATĐSTĐKLERĐN ARAŞTIRMALARDA KULLANIMI Araştırmalarda incelenen olaylar göstermektedir ki tek değişkenli istatistiklerin kullanılması problemi açıklamakta yetersiz ve eksik kalmaktadır.
DetaylıYANLILIK. Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır.
AED 310 İSTATİSTİK YANLILIK Yanlılık örneklem istatistiği değerlerinin evren parametre değerinden herhangi bir sistematik sapması olarak tanımlanır. YANLILIK Yanlı bir araştırma tasarımı uygulandığında,
DetaylıİÇİNDEKİLER 1. BÖLÜM STATA PAKET PROGRAMINA GİRİŞ
3. BASKIYA ÖNSÖZ İleri Panel Veri Analizi kitabının 2012 yılında çıkan ilk baskısının çok hızlı tükenmesi üzerine, 2013 yılında çok daha fazla adetle ikinci baskısı yapılmıştır. Kitabın ikinci baskısı
Detaylıİstatistik ve Olasılık
İstatistik ve Olasılık Örnekleme Planlar ve Dağılımları Prof. Dr. İrfan KAYMAZ Tanım İncelenen olayın ait olduğu anakütlenin bütünüyle dikkate alınması zaman, para, ekipman ve bunun gibi nedenlerden dolayı
Detaylı1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN. Ders No:5 Rassal Değişken Üretimi
1203608-SIMÜLASYON DERS SORUMLUSU: DOÇ. DR. SAADETTIN ERHAN KESEN Ders No:5 RASSAL DEĞIŞKEN ÜRETIMI Bu bölümde oldukça yaygın bir biçimde kullanılan sürekli ve kesikli dağılımlardan örneklem alma prosedürleri
DetaylıKorelasyon, Korelasyon Türleri ve Regresyon
Korelasyon, Korelasyon Türleri ve Regresyon İçerik Korelasyon Korelasyon Türleri Korelasyon Katsayısı Regresyon KORELASYON Korelasyon iki ya da daha fazla değişken arasındaki doğrusal ilişkiyi gösterir.
DetaylıİSTATİSTİK VE OLASILIK SORULARI
İSTATİSTİK VE OLASILIK SORULARI SORU 1 Meryem, 7 arkadaşı ile bir voleybol maçına katılmayı planlamaktadır. Davet ettiği arkadaşlarından herhangi bir tanesinin EVET deme olasılığı 0,8 ise, en az 3 arkadaşının
DetaylıTekrarlı Ölçümler ANOVA
Tekrarlı Ölçümler ANOVA Repeated Measures ANOVA Aynı veya ilişkili örneklemlerin tekrarlı ölçümlerinin ortalamalarının aynı olup olmadığını test eder. Farklı zamanlardaki ölçümlerde aynı (ilişkili) kişiler
DetaylıSÜREKLİ ŞANS DEĞİŞKENLERİ. Üstel Dağılım Normal Dağılım
SÜREKLİ ŞANS DEĞİŞKENLERİ Üstel Dağılım Normal Dağılım 1 Üstel Dağılım Meydana gelen iki olay arasındaki geçen süre veya bir başka ifadeyle ilgilenilen olayın ilk defa ortaya çıkması için geçen sürenin
DetaylıKazanımlar. Z puanları yerine T istatistiğini ne. zaman kullanacağını bilmek. t istatistiği ile hipotez test etmek
T testi Kazanımlar Z puanları yerine T istatistiğini ne 1 zaman kullanacağını bilmek 2 t istatistiği ile hipotez test etmek 3 Cohen ind sini ve etki büyüklüğünü hesaplamak 1 9.1 T İstatistiği: zalternatifi
DetaylıBeklenti Anketi ne İlişkin Yöntemsel Açıklama
Beklenti Anketi ne İlişkin Yöntemsel Açıklama İstatistik Genel Müdürlüğü Reel Sektör Verileri Müdürlüğü İçindekiler I- Amaç... 3 II- Kapsam... 3 III- Yöntem... 3 IV- Tanımlar ve Hesaplamalar... 3 V- Yayımlama...
Detaylı