4.2 Sayfa 159. Uygulama II Sayfa Sayfa 161

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

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

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

Çok Değişkenli Regresyon Analizi: Çıkarsama. OLS Tahmincilerinin Örnekleme Dağılımları (Sampling Distributions) Distributions)

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

Çok Değişkenli Regresyon Analizi (Multiple Regression Analysis) Çoklu Regresyon Modeli Örnekler. Sınav başarı notu ve aile geliri

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

Ch. 12: Zaman Serisi Regresyonlarında Ardışık Bağıntı (Serial Correlation) ve Değişen Varyans

Ch. 5: SEKK (OLS) nin Asimptotik Özellikleri

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

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

Model Spesifikasyonu ve Veri Sorunları. MODEL KURMA HATALARI ve VERİ SORUNLARI

SIRADAN EN KÜÇÜK KARELER (OLS)

Matris Cebiriyle Çoklu Regresyon Modeli

Regresyon Analizinde Nitel Bilgi. Nitel Değişkenler: Ders Planı. Nitel Bilgi

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

Regresyon Analizi: Ek Konular KONULAR. Ölçü Birimlerinin Tahmin Sonuçlarına Etkisi. Veri ölçeğinin (data scaling) tahminlere etkisi

3. TAHMİN En Küçük Kareler (EKK) Yöntemi 1

Ekonometri I VARSAYIMLARI

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Dönem Sonu Sınavı

Meslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.

KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

2. REGRESYON ANALİZİNİN TEMEL KAVRAMLARI Tanım

BASİT REGRESYON MODELİ

Korelasyon ve Regresyon

Appendix C: İstatistiksel Çıkarsama

Ch. 7: Çoklu Regresyon Modelinde Nitel Değişkenler

MODEL KURMA HATALARI ve VERİ SORUNLARI

3 KESİKLİ RASSAL DEĞİŞKENLER VE OLASILIK DAĞILIMLARI

İÇİNDEKİLER 1. GİRİŞ...

İstatistik ve Olasılık

Örnek. Aşağıdaki veri setlerindeki X ve Y veri çiftlerini kullanarak herbir durumda X=1,5 için Y nin hangi değerleri alacağını hesaplayınız.

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

ISTATISTIK VE OLASILIK SINAVI EKİM 2016 WEB SORULARI

ANADOLU ÜNİVERSİTESİ REGRESYON KATSAYILARININ GÜVEN ARALIĞI = + REGRESYON KATSAYILARININ GÜVEN ARALIĞI

Zaman Serisi Verileriyle Regresyon Analizi

İçindekiler vii Yazarların Ön Sözü xiii Çevirenin Ön Sözü xiv Teşekkürler xvi Semboller Listesi xvii. Ölçme, İstatistik ve Araştırma...

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

Ch. 3: Çok Değişkenli Regresyon Analizi: Tahmin

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

7.Ders Bazı Ekonometrik Modeller. Đktisat (ekonomi) biliminin bir kavramı: gayrisafi milli hasıla.

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

Korelasyon, Korelasyon Türleri ve Regresyon

ZAMAN SERİSİ REGRESYONLARINDA ARDIŞIK

Appendix B: Olasılık ve Dağılım Teorisi

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

PARAMETRİK TESTLER. Tek Örneklem t-testi. 200 öğrencinin matematik dersinden aldıkları notların ortalamasının 70 e eşit olup olmadığını test ediniz.

Öğr. Elemanı: Dr. Mustafa Cumhur AKBULUT

Zaman Serileri Verileriyle Regresyon Analizinde Ardışık ZAMAN SERİSİ REGRESYONLARINDA

BÖLÜM 10 ÖRNEKLEME YÖNTEMLERİ

İçindekiler. Ön Söz... xiii

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Ara Sınavı

Ch. 1: Giriş, Temel Tanımlar ve Kavramlar

QUANTILE REGRESYON * Quantile Regression

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

LOJİSTİK REGRESYON ANALİZİ

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

TOBB Ekonomi ve Teknoloji Üniversitesi İKT351 Ekonometri I, Dönem Sonu Sınavı

Ekonometri Nedir? Ekonometrinin Uğraşı Alanları. Ekonometrinin Bileşenleri

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

Yrd. Doç. Dr. Mehmet Güçlü

BİYOİSTATİSTİK Korelasyon Analizi Yrd. Doç. Dr. Aslı SUNER KARAKÜLAH

KUKLA DEĞİŞKENLİ MODELLER

Ekonometri II (ECON 302T) Ders Detayları

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

6.6. Korelasyon Analizi. : Kitle korelasyon katsayısı

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

Olasılık ve İstatistiğe Giriş-II (STAT 202) Ders Detayları

Akdeniz Üniversitesi

UYGULAMALAR. Normal Dağılımlılık

OLS Klasik Varsayımlar. Çoklu Regresyon. Çoklu Regresyon Modellemesi. Çoklu Regresyon Modeli. Multiple Regression

YTÜ İktisat Bölümü EKONOMETRİ I Ders Notları

İSTATİSTİK VE OLASILIK SORULARI

İÇİNDEKİLER. Birinci Bölüm UYGULAMA VERİLERİ

4. TAHMİN SONUÇLARININ DEĞERLENDİRİLMESİ Katsayıların Yorumu

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

Ch. 4: Çok Değişkenli Regresyon Analizi: Çıkarsama

MATE 211 BİYOİSTATİSTİK DÖNEM SONU SINAVI

YATIRIM. Ders 7: CAPM ve APT. Bölüm 2: Uygulamalar ve Sınamalar

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

ANADOLU ÜNİVERSİTESİ. Hipotez Testleri. ENM317 Mühendislik İstatistiği Prof. Dr. Nihal ERGİNEL

DERS BİLGİLERİ Ders Kodu Yarıyıl T+U Saat Kredi AKTS Çok Değişkenli İstatistik EKO428 Bahar Ön Koşul Dersin Dili

Ekonometri II

MIT OpenCourseWare Ekonomide İstatistiksel Yöntemlere Giriş Bahar 2009

KPSS LİSANS DA UYGULANAN TESTLERİN KAPSAMLARI

KUKLA DEĞİŞKENLİ MODELLER. Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller)

ÇOKLU REGRESYON MODELİ. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.

YABANCI DİL EĞİTİMİ VEREN ÖZEL BİR EĞİTİM KURUMUNDAKİ ÖĞRENCİLERİN BEKLENTİLERİNİN ARAŞTIRILMASI. Sibel SELİM 1 Efe SARIBAY 2

KORELASYON VE REGRESYON ANALİZİ. Doç. Dr. Bahar TAŞDELEN

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

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

Yatırım Analizi ve Portföy Yönetimi 6. Hafta

MURAT EĞİTİM KURUMLARI

İçindekiler. I Varyans Analizi (ANOVA) 1. Önsöz. Simgeler ve Kısaltmalar Dizini

1 PAZARLAMA ARAŞTIRMASI

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

Transkript:

1 2 4.2 Sayfa 159 Uygulama II 1 Selçuk Gül Yildiz Teknik Üniversitesi sgul@yildiz.edu.tr Asagidakilerden hangisi/hangileri, OLS t istatistiklerinin geçersiz olmasina (bos hipotez altinda t dagilimina sahip olmamasina) neden olur? 1. Degisen Varyans 2. Modeldeki iki açiklayici degisken arasindaki korelasyon katsayisinin 0.95 olmasi 3. Önemli bir açiklayici degiskeni model disinda tutmak 20 Kasım 2013 1 Introductory Econometrics: A Modern Approach, 4e, Jeffrey M. Wooldridge 3 4.5 Sayfa 161 Asagidaki basit regresyon modelinde price = β 0 + β 1 assess + u. price: evin fiyati assess: eve bicilen fiyat (ev satilmadan once) eger β 1 = 1 ve β 0 = 0 ise eve bicilen fiyat rasyoneldir. Tahmin edilen regresyon price = 14.47 (16.27) + 0.976 (0.049) assess n = 88 R 2 = 0.820 SSR = 165644.51 4 4.5 Sayfa 161 H 0 : β 0 = 0 ve H 0 : β 1 = 1 hipotezlerini cift tarafli alternatiflerine karsi test ediniz. Ne sonuca varirsiniz? H 0 : β 2 = 0, β 3 = 0 ve β 4 = 0 hipotezini asagidaki model cercevesinde test ediniz price = β 0 + β 1 assess + +β 2 lotsize + β 1 sqrft + β 1 bdrms + u. bu modelin ayni 88 ev icin tahmini sonucunda R-kare 0.829 bulunmustur. price degiskeninin varyansi assess, lotsize, sqrf t veya bdrms degiskenleri ile birlikte degisseydi bir onceki kisimda yaptigimiz F testi hakkinda ne soylenebilirdi?

5 4.7 Sayfa 162 Problem 4.7 6 4.8 Sayfa 162 Problem 4.8 colgpa = 1.39 + 0.412 (0.33) (0.094) hsgpa + 0.015 ACT 0.083 skipped (0.011) (0.026) n = 141 R 2 = 0.234 ŝleep = 3638.25 0.148 totwrk 11.13 educ + 2.20 age (112.28) (0.017) (5.88) (1.45) n = 706 R 2 = 0.113 7 colgpa=üniversite not ortalamasi, hsgpa=lise not ortalamasi, ACT=üniversite giris sinavi, skipped= haftalik ortalama kaçirilan ders sayisi β hsgp A için % 95 güven araligini bulunuz. H 0 : β hsgp A = 0.4 bos hipotezini çift-tarafli alternatifine karsi reddedebilir misiniz? H 0 : β hsgp A = 1 bos hipotezini çift-tarafli alternatifine karsi reddedebilir misiniz? 4.8 Sayfa 162 Ilk modeldeki educ ve age degiskenleri %5 anlamlilik düzeyinde birlikte anlamli midir? sleep denklemi degisen varyans içeriyor olsun. Ilk iki seçenekteki testlerle ilgili ne söylenebilir? 8 educ veya age degiskenleri %5 düzeyinde çift tarafli alternatiflerine karsi istatistiksel olarak anlamli midir? educ ve age degiskenleri denklemden atilip asagidaki regresyon hesaplaniyor. 4.9 Sayfa 162 ŝleep = 3586.38 0.151 totwrk (38.91) (0.017) n = 706 R 2 = 0.103 Ögrenci Nufusu ve Kira Oranlari log(rent) = β 0 + β 1 log(pop) + β 2 log(avginc) + β 3 pctstu + u rent: sehirdeki aylik ortalama kira pop: sehrin toplam nufusu avginc: sehirde yasayanlarin ortalama geliri pctstu: ögrenci nufusunun toplam nufusa orani (ögrenci yogunlugu) Ögrenci yogunlugunun, ceteris paribus, aylik ortalama kira üzerinde etkisi olmadigini iddia eden bos hipotez ile etkisi oldugunu iddia eden karsi hipotezi yaziniz. β 1 ve β 2 için isaret beklentiniz nasildir açiklayiniz. Ilgili modelin regresyonu 1990 verisi ile hesaplanmistir. Diger sorulari bu regresyona göre cevaplayiniz.

9 4.9 Sayfa 162 Ögrenci Nufusu ve Kira Oranlari 10 4.10 Sayfa 163 Asagidaki uc degiskenli coklu regresyonu goz onunde bulunduralim (MLR.1-MLR.6 varsayimlari altinda): log(rent) = 0.043 0.066 (0.844) (0.039) log(pop) 0.507 log(avginc) + 0.0056 pctstu (0.081) (0.0017) n = 64 R 2 = 0.485 log(pop) degiskeninin katsayisini yorumlayiniz. Nufusta, ceteris paribus, % 10 artis ortalama kiralarda ne kadar artisa neden olur? Sorunun ilk seçenegindeki hipotezi % 1 anlamlilik düzeyinde test ediniz. y = β 0 + β 1 x 1 + β 2 x 2 + β 3 x 3 + u. H 0 : β 1 3β 2 = 1 hipotezini test etmek istiyorsunuz. ˆβ1 ve ˆβ 2, β 1 ve β 2 nin OLS tahmin edicileridir. V ar( ˆβ 1 3 ˆβ 2 ) yi ˆβ1 ve ˆβ 2 nin varyanslari ve aralarindaki kovaryans cinsinden bulunuz. ˆβ1 3 ˆβ 2 nin standart hatasi nedir? H 0 : β 1 3β 2 = 1 icin t istatistigi ifadesini yaziniz. θ 1 = β 1 3β 2 ve ˆθ 1 = ˆβ 1 3 ˆβ 2 tanimlansin. β 0, θ 1, β 2 ve β 3 ü iceren ve ˆθ 1 ve standart hatasini elde edebilecegimiz bir esitlik yaziniz. 11 4.11 Sayfa 163 Problem 4.11 12 Example 5.3 Sayfa 178 Suçun Iktisadi Analizi rdintens = 0.472 + 0.321 (1.369) (0.216) n = 32 R 2 = 0.099 logsales + 0.050 (0.046) profmarg rdintens=r&d harcamalari (satislarin % si), profmarg=kar (satislarin % si), satislar milyon cinsinden. logsales in katsayisini yorumlayiniz. Satislar %10 artarsa, rdintens de ki beklenen % puan degisimi nedir? Bu degisim iktisadi olarak anlamli midir? R&D harcamalarinin satislardan etkilenmedigi bos hipotezini, satislarla birlikte arttigi alternatif hipotezine karsi test ediniz. Testi %5 ve %10 anlamlilik düzeyinde tekrarlayiniz. profmarg degiskeninin rdintens degiskeni üzerinde istatistiksel narr86 = β 0 +β 1 pcnv+β 2 avgsen+β 3 tottime+β 4 ptime86+β 5 qemp86+u narr86: bir kisinin tutuklanma sayisi pcnv: önceki tutuklanmalardan mahkumiyetle sonuçlananlarin orani avgsen: önceki tutuklanmalardan ortalama hapis cezasi tottime: 1986 öncesi 18 yasina kadar ki toplam hapiste geçen süre ptime86: 1986 da hapiste geçen ay sayisi qemp86: 1986 da resmen çalistigi çeyrek sayisi LM istatistigini kullanarak, avgsen ve tottime in diger etkenler sabitken narr86 üzerinde anlamli etkisi olmadigini iddia eden bos hipotesi test ediniz. Yardimci Bilgiler: n=2725 için narr86 nin pcnv, ptime86 ve qemp86 üzerine regresyonundan elde edilen kalintilar û olsun. û in pcnv, ptime86, qemp86, avgsen ve tottime üzerine

13 Example 6.3 Sayfa 216 Ebeveynlerin Egitimi ve Egitimin Getirisi log(wage) = β 0 +β 1 educ+β 2 educ pareduc+β 3 exper+β 4 tenure+u Modelde, bir yil fazladan egitimin getirisinin log(wage)/ educ = β 1 + β 2 pareduc oldugunu gösterin. β 2 için isaret beklentiniz nedir? Açiklayiniz. Modelin Tahmini log(wage) = 5.65 + 0.047 (0.13) (0.010) educ + 0.00078 educ* pareduc (0.00021) +0.019 exper + 0.010 tenure (0.004) (0.003) n = 722 R 2 = 0.169 14 Example 6.3 Sayfa 216 Etkilesim teriminin katsayisini yorumlayiniz. Bunun için pareduc=32, her ikisi de üniversite mezunu ve pareduc=24 her ikiside lise mezunu olarak düsünelim. pareduc modele dahil edildiginde log(wage) = 4.94 + 0.097 (0.38) (0.027) educ + 0.033 (0.017) +0.020 exper + 0.010 tenure (0.004) (0.003) n = 722 R 2 = 0.174 pareduc 0.0016 educ* pareduc (0.0012) Egitimin getirisi ebeveynlerin egitimi ile dogru orantili midir? Egitimin getirisinin ebeveynlerin egitim düzeyine bagli olmadigi yönündeki bos hipotezi test ediniz. 15 6.5 Sayfa 217 Problem 6.5 16 7.1 Sayfa 255 Problem 7.1 rdintens = 2.613 + 0.00030 (0.429) (0.00014) n = 32 R 2 = 0.1484 sales 0.0000000070 (0.0000000037) sales2 Hangi noktadan sonra satislarin R&D harcamalari üzerine marjinal etkisi negatif olur? Karesel terimi modelde tutar misiniz? Açiklayiniz. salesbil = sales/1000 ve salesbil 2 = sales 2 /1000 2 olsun. Modeli salesbil ve salesbil 2 açiklayici degiskenleri ile tekrar yaziniz. Standart hatalar ve R 2 nasil degisir? Sonuçlari sunma amaciyla hangi modeli tercih edersiniz? ŝleep = 3840.83 0.163 totwrk 11.71 educ 8.70 age (235.11) (0.018) (5.86) (11.21) +0.128 (0.134) age2 + 87.75 (34.33) male n = 706 R 2 = 0.123 R2 = 0.117 Diger tüm faktörler sabitken, erkeklerin kadinlardan çok uyudugu yönünde kanit var midir? Çalismak ve uyumak arasinda istatistiksel olarak anlamli bir ödünlesme var midir? Beklenen ödünlesme nedir? Diger tüm faktörler sabitken yasin uyku süresi üzerinde etkisi olmadigi yönündeki bos hipotezi test etmek için hangi regresyona ihtiyacimiz vardir?

17 7.3 Sayfa 256 Problem 7.3 18 7.3 Sayfa 256 Problem 7.3 ŝat = 1028.10 (6.29) + 19.30 hsize 2.19 (3.83) (0.53) hsize2 45.09 female (4.29) 169.81 black + 62.31 female*black (12.71) (18.15) n = 4137 R 2 = 0.0858 ŝat = 1028.10 (6.29) + 19.30 hsize 2.19 (3.83) (0.53) hsize2 45.09 female (4.29) 169.81 black + 62.31 female*black (12.71) (18.15) n = 4137 R 2 = 0.0858 SAT=üniversite giris sinav puani, hsize=mezun olunan lisenin mevcudu, female= kadinsa 1, black = siyahi ise 1 hsize 2 nin modele eklenmesi yönünde güçlü kanit var midir? Bu modele göre optimal lise mevcudu nedir? hsize sabit tutuldugunda siyah olmayan kadinlar ile siyah olmayan erkeklerin beklenen SAT puanlarinin farki nedir? Bu beklenen fark istatistiksel olarak anlamli midir? Siyah olmayan erkekler ile siyah erkekler arasinda beklenen SAT puani farki nedir? Puanlari arasinda fark olmadigini iddia eden bos hipotezi oldugu yönündeki alternatifine göre test ediniz. Siyah kadinlar ile siyah olmayan kadinlar arasinda beklenen SAT puani farki nedir? Istatistiksel olarak anlamli fark olup olmadigini test etmek için ne yapmamiz gerekmektedir?