Sunum yükleniyor. Lütfen bekleyiniz

Sunum yükleniyor. Lütfen bekleyiniz

GÖRÜNÜRDE İLİŞKİSİZ REGRESYON MODELLERİ 1.  Klasik doğrusal regresyon modelinin varsayımları geçerli iken, tek denklemli modellerin “En Küçük Kareler.

Benzer bir sunumlar


... konulu sunumlar: "GÖRÜNÜRDE İLİŞKİSİZ REGRESYON MODELLERİ 1.  Klasik doğrusal regresyon modelinin varsayımları geçerli iken, tek denklemli modellerin “En Küçük Kareler."— Sunum transkripti:

1 GÖRÜNÜRDE İLİŞKİSİZ REGRESYON MODELLERİ 1

2  Klasik doğrusal regresyon modelinin varsayımları geçerli iken, tek denklemli modellerin “En Küçük Kareler Yöntemi” (EKKY) ile tahmin edilmesi sonucu sapmasız, tutarlı ve etkin tahmin ediciler elde edilebilir.  Klasik doğrusal regresyon, modelin spefikasyonunun doğru olduğunu kabul eder.  Modelin tahmininde kullanılabilecek bazı diğer bilgiler varsa ve dikkate alınmıyorsa tahmin ediciler klasik doğrusal regresyon modelinin tahmin edicilerle ilgili özelliklerini sağlamayabilir. 2

3 GİR modelinde çoklu regresyon denklemlerinin bir kümesi ele alınmaktadır. Bu regresyon denklemler kümesi, eşanlı bir denklemler kümesi biçiminde değildir. Yani herhangi bir denklemde bağımlı değişken olarak bulunan bir değişken bir başka denklemde bağımsız değişken olarak bulunmamaktadır. Zellner, GİR modelini meydana getiren denklemlerin hata terimlerinin ilişkili olduğu, ancak farklı denklemlerdeki bağımsız değişkenler arasında yüksek derecede ilişki olmadığı durumlarda GİR tahmin edicisinin Basit En Küçük Kareler (BEKK) tahmin edicisine göre daha etkin olduğunu göstermiştir(Sezer, 2006). 3

4  Bu sistemi meydana getiren çoklu regresyon denklemleri yapısal olarak ilişkisiz gibi görünseler de (eşanlı denklem sistemi özelliğinde olmasalar da) aşağıdaki sebeplerden dolayı istatistiksel olarak ilişkili olabilirler: Bazı katsayılar denklemler arasında ortak kullanılmaktadır. Aynı zaman noktasında, denklemlerdeki karşılıklı hata terimleri ilişkilidir. Denklemlerdeki bağımlı ve bağımsız değişkenler aynıdır, bununla beraber gözlem değerleri aynı değildir. Denklemlerin bir çok ortak yönü mevcuttur. 4

5 Sistemde yer alan denklemlerin birbirleri ile ilişkileri, denklemlere ait hata terimlerinin ilişkili olmasından kaynaklanmaktadır. Karşılıklı hataları ilişkili olan denklem sisteminin parametre tahminleri elde edilirken sistem bir bütün olarak ele alınır. Bu yöntem Zellner(1962) tarafından öne sürülen “Görünürde İlişkisiz Regresyon(GİR)” yöntemidir. GİR yönteminin temeli Genelleştirilmiş En Küçük Kareler yöntemine dayanır. 5

6 İlişkili olan denklemler sistemine ayrı ayrı basit EKK yöntemi uygulanırsa  sapmasız ve tutarlı  ancak etkin olmayan tahminciler elde edilir. Hata terimleri ilişkili denklemler sisteminin parametre tahminlerini yaparken sistemi bir bütün olarak ele alan ve hata varyans-kovaryans matrisini de regresyona dahil eden GİR yöntemini kullanmak  sapmasız,  tutarlı ve  etkin tahmin ediciler elde edilmesini sağlar (Doğan,1998). 6

7 Görünürde İlişkisiz regresyon denklemlerine  Çeşitli malların talep fonksiyonları veya çeşitli endüstri dallarının üretim fonksiyonlarında  Bağımlı ve bağımsız değişken verilerinin zaman serisi veya anket verisi olduğu durumlarda  Biyokimya, göç, tarım ve nüfus hareketleri, farmakoloji vb. gibi konularda karşılaşılmaktadır. 7

8 G ö r ü n ü rde İlişkisiz Regresyonlar… Aynı T zaman dönemi boyunca gözlenmiş ve aynı alanı ilgilendiren iki denklemi (ekonomik göstergeler, yatırım ilişkileri gibi…) göz önüne alalım: (1) (2) Y: bağımlı değişkenler X,Z: açıklayıcı değişkenler 8

9 …G ö r ü n ü rde İlişkisiz Regresyonlar… Hatalar ile ilgili olarak basit En Küçük Kareler (BEKK) varsayımlarını kabul edelim: (1) ve (2) ile verilen her iki denklemin hata varyansları farklıdır. Her iki denklemdeki hatalar eşit varyanslı ve birbiriyle ilişkisizdir. Bu varsayımlar altında EKK’in en iyi tahmin tekniği olması (minimum varyanslı, sapmasız) beklenir. (1) (2) (3) (4) 9

10 …G ö r ü n ü rde İlişkisiz Regresyonlar… M, modeldeki denklem sayısını, t zamanı ve n denklemlerdeki gözlem sayısını göstermek üzere görünürde ilişkisiz regresyon modelinde hata terimleri üzerindeki varsayımlar: 1.Kov (e it,, e jt ) = E(e it,, e jt ) =  ij i≠j, t = 1, 2, …, n i, j=1,…..,M varsayıma göre, aynı zaman dönemindeki denklemlerin hata terimleri arasında ilişki vardır. İki denklemli bir sistem için eşitlik tekrar yazılırsa Kov (e 1t,, e 2t ) = E(e 1t,, e 2t ) =  12 t = 1, 2, …, n şeklinde olacaktır 10

11 …G ö r ü n ü rde İlişkisiz Regresyonlar… 2. Kov (e it,, e it ) = Var(e it ) =  ii varsayıma göre, modeli meydana getiren her bir denklemde sabit varyans varsayımı geçerlidir. İki denklemli bir sistem için eşitlik tekrar yazılırsa Kov (e 1t,, e 1t ) = Var(e 1t ) =  11 Kov (e 2t,, e 2t ) = Var(e 2t ) =  22 11

12 …G ö r ü n ü rde İlişkisiz Regresyonlar… 3.Kov (e it,, e js ) = E(e it,, e js ) = 0 t≠s varsayıma göre, farklı zaman dönemindeki denklemlerin hata terimleri arasında ilişki yoktur. İki denklemli bir sistem için eşitlik tekrar yazılırsa Kov (e 1t,, e 2s ) = E(e 1t,, e 2s ) = 0 t≠s elde edilir. 4. Her bir denklemin hata terimleri normal dağılıma sahiptir. 5. Her bir denklemin hata terimlerinin beklenen değeri sıfıra eşittir. 12

13 Hataların farklı zaman dönemlerinde birbirleriyle ilişkisiz oldukları varsayımı altında …G ö r ü n ü rde İlişkisiz Regresyonlar… 1., 2. ve 3. varsayımların geçerliliği ile iki denklemli bir sistemde 1. ve 2. denklemlerin hata vektörü için e 1 ve e 2 yi içeren kovaryans matrisi (5) iki denklemin hataları birbirinden bağımsızdır. (6) 13

14 …G ö r ü n ü rde İlişkisiz Regresyonlar… Farklı denklemlerdeki hataların ilişkili olduğu durumda matrisin sağdan köşegen değerleri sıfır olamaz. 0 (7) Farklı dönemlerde hatalar arasında ilişki yoktur. (Varsayım 3) 14

15 …G ö r ü n ü rde İlişkisiz Regresyonlar… (8) (9) Aynı zaman dönemindeki denklemlerin hata terimleri arasında ilişki vardır. Farklı zaman dönemlerinde denklemlerin hataları birbirinden bağımsızdır. 15 Hata terimleri varyans-kovaryans matrisinin kösegen olmaması denklemler arasında istatistiksel olarak bir ilişki olduğunu gösterir.

16 Farklı eşitlikteki hataların dağılımı aşağıdaki şekillerde gösterilebilir: …G ö r ü n ü rde İlişkisiz Regresyonlar… ve (10) Zellner bu tip denklemleri hata ilişkili regresyon denklemleri olarak adlandırmıştır. veya 16

17 Eşzamanlı Korelasyonun Test Edilmesi… GİR modelinde hata terimi varyans kovaryans matrisinin köşegen olması denklemlerdeki hata terimleri arasında bir ilişkinin olmadığını gösterir. Bu durumda parametre tahminlerinin GİR yöntemi ile elde edilmesinin bir kazancı olmayacaktır. Bu amaçla varyans kovaryans matrisinin köşegenliginin araştırılması gerekir. ► Varyans-kovaryans matrisinin köşegen olup olmadığı genel olarak Olabilirlik Oranı (LR) ve Lagrange Çarpanı (LM) ile test edilmektedir.

18 ♦ M tane denklemden oluşan denklem seti için LM testinin sıfır ve alternatif hipotezleri aşağıdaki gibidir: …Eşzamanlı Korelasyonun Test Edilmesi… Testlerin uygulanması sonucu, LR ve LM’ e ait sıfır hipotez kabul edilirse her bir denklemin “En Küçük Kareler Yöntemi” (EKKY) ile tahmin edilmesi gerekmektedir. 18

19 …Eşzamanlı Korelasyonun Test Edilmesi… Normal doğrusal model kabulü altında uygun test istatistiği r 2 korelasyon karesi, T:Gözlem sayısı :Test istatistiği, M: denklem sayısı, M(M-1)/2 serbestlik derecesinde asimtotik dağılıma sahiptir. 19

20 …Eşzamanlı Korelasyonun Test Edilmesi…  Eğer tanımlanan anlamlılık seviyesinde dağılımının kritik değerinden büyükse H o hipotezi reddedilir ve eş zamanlı korelasyonlu olduğu söylenebilir. Örneğin iki denklemlerden oluşan bir sistemde eş zamanlı korelasyon testi için H 0 ve H 1 hipotezi şu şekilde kurulabilir. Test istatistiği: 20

21 M(M-1)/2 serbestlik derecesinde tablo değerine bakılır. H 0 reddedilemez. Her iki denklemin hataları arasında bir ilişki yoktur ve denklem tahminleri için EKKY uygulanabilir.

22 UYGULAMA 1: TARIMSAL ÜRETİM SEKTÖRÜ yılları arasında tarım sektöründe ortak özellikleri bulunan benzer iki ürünün fonksiyonları karşılaştırılmak istenmiştir. Buğday ve arpa verimlerine etki eden faktörlerin de aynı olduğu varsayımından hareketle denklem sistemleri arasında görünürde bir ilişkinin olup olmadığını araştırınız. 22

23 Bağımlı Değişken Yıllar Arpa Verimi Kg / hektar Arpa Ekili alanı Bin hektar Arpa Üretimi Bin Ton Bağımlı Değişken Buğday Verimi Kg / hektar Buğday Ekili alanı Bin hektar Buğday Üretimi Bin Ton Tahmin edilecek modeller log (arpa_verim) = f (logarpa_alan, logarpa_uretimi) log (bugday_verim) = f (logbugday_alan, logbugday_uretimi) 23

24 ADIMLAR 1) Denklemlere EKKY uygulanır. a) Birinci Denkleme Ait EKKY Model Tahmin Sonuçları. Dependent Variable: LOG(ARPA_VERIM) Method: Least Squares Sample: Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C LOG(ARPA_ALAN) LOG(ARPA_URETIM) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid1.85E-05 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

25 b) Otokorelasyon Testi EKK yöntemi ile tahmin edilen modelde otokorelasyon olup olmadığı incelendiğinde yapılan test sonucuna göre hatalar arasında otokorelasyon olmadığını söyleyen H 0 hipotezi kabul edilebilir. Breusch-Godfrey Serial Correlation LM Test: F-statistic Probability Obs*R-squared Probability

26 a) İkinci Denkleme Ait EKKY Model Tahmin Sonuçları Dependent Variable: LOG(BUGDAY_VERIM) Method: Least Squares Sample: Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C LOG(BUGDAY_ALAN) LOG(BUGDAY_URETIM) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

27 b) Otokorelasyon Testi Benzer şekilde buğday verim modelinde hatalar arasında otokorelasyon olup olmadığı incelendiğinde hatalar arasında otokoreasyon olmadığına karar verilebilir. Breusch-Godfrey Serial Correlation LM Test: F-statistic Probability Obs*R-squared Probability

28 System: SYS01 Estimation Method: Seemingly Unrelated Regression Sample: Included observations: 10 Total system (balanced) observations 20 Linear estimation after one-step weighting matrix CoefficientStd. Errort-Statistic Prob. C LOG(ARPA_ALAN) LOG(ARPA_URETIM) C LOG(BUGDAY_ALAN) LOG(BUGDAY_URETIM) Determinant residual covariance2.61E-11 28

29 Observations: 10 R-squared Mean dependent var Adjusted R- squared S.D. dependent var S.E. of regression Sum squared resid1.87E-05 Durbin-Watson stat Observations: 10 R-squared Mean dependent var Adjusted R- squared S.D. dependent var S.E. of regression Sum squared resid Durbin-Watson stat

30 3) Denklemlerin hataları arasında ilişki olup olmadığını araştırmak için eş zamanlı kovaryans testi yapılması gerekmektedir. Eviews programından elde edilen hataların kovaryans matrisi aşağıdaki gibidir. LOG(ARPA_VERIM)LOG(BUGDAY_VERIM) LOG(ARPA_VERIM)1.867e e-06 LOG(BUGDAY_VERIM)1.341e e-05 Matris notasyonu ile gösterimi:  12 =0 hipotezinin test edilebilmesi r 2 12 katsayısının hesaplanması gerekmektedir. 30

31 1. Adım 2. Adım 3. Adım M(M-1)/2 serbestlik derecesinde tablo değerine bakılır. 31

32 4. Adım H 0 reddedilemez Her iki denklemin hataları arasında bir ilişki olmadığı görülmüştür. Bu durumda iki tarım ürününe ilişkin verimlerin birbirinden etkilenmedikleri yorumu yapılabilir ve denklem tahminleri için EKKY uygulanabilir. EKKY ve SUR Model Sonuçlarının Karşılaştırılması Yöntem EKKY SUR KatsayıStd.HataKatsayıStd.Hata C LOG(ARPA_ALAN) LOG(ARPA_URETIM) C LOG(BUGDAY_ALAN) LOG(BUGDAY_URETIM)

33 UYGULAMA 1: TARIMSAL ÜRETİM SEKTÖRÜNDE (Çavdar ve Yulaf) Aşağıdaki tablolarda yılları arasında tarım sektöründen benzer iki ürünün fonksiyonları karşılaştırılmak istenmiştir. Çavdar ve yulaf verimlerine etki eden faktörlerin aynı olduğu varsayımından hareketle denklemler sistemleri arasında görünürde bir ilişkin olup olmadığını araştırınız. 33

34 Bağımlı Değişken Yıllar Çavdar Verimi Kg / hektar Çavdar Ekili alanı Bin/ hektar Çavdar Üretimi Bin/ Ton Bağımlı Değişken Yulaf Verimi Kg / hektar Yulaf Ekili alanı Bin / hektar Yulaf Üretimi Bin / Ton Tahmin edilecek modeller log (cavdar_verim) = f (cavdar _uretim, cavdar _alan) log (yulaf _verim) = f (yulaf _uretim, yulaf_alan) 34

35 ADIMLAR 1) Denklemlere EKKY uygulanır. a) Birinci Denkleme Ait EKKY Model Tahmin Sonuçları. Dependent Variable: LOG(CAVDAR_VERIM) Method: Least Squares Sample: Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C LOG(CAVDAR_ALAN) LOG(CAVDAR_URETIM) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

36 b) Otokorelasyon Testi EKK yöntemi ile tahmin edilen modelde otokorelasyon olup olmadığı incelendiğinde yapılan test sonucuna göre hatalar arasında otokorelasyon olmadığını söyleyen H 0 hipotezi kabul edilebilir. Breusch-Godfrey Serial Correlation LM Test: F-statistic Probability Obs*R-squared Probability

37 a) İkinci Denkleme Ait EKKY Model Tahmin Sonuçları Dependent Variable: LOG(YULAF_VERIM) Method: Least Squares Sample: Included observations: 10 VariableCoefficientStd. Errort-StatisticProb. C LOG(YULAF_ALAN) LOG(YULAF_URETIM) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criterion Sum squared resid1.95E-06 Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic)

38 b) Otokorelasyon Testi EKK yöntemi ile tahmin edilen modelde otokorelasyon olup olmadığı incelendiğinde yapılan test sonucuna göre hatalar arasında otokorelasyon olmadığını söyleyen H 0 hipotezi kabul edilebilir. Breusch-Godfrey Serial Correlation LM Test: F-statistic Probability Obs*R-squared Probability

39 2) Denklemlerin SUR ile tahmini aşağıdaki gibidir. System: SYS01 Estimation Method: Seemingly Unrelated Regression Sample: Included observations: 10 Total system (balanced) observations 20 Linear estimation after one-step weighting matrix CoefficientStd. Errort-StatisticProb. C LOG(CAVDAR_ALAN) LOG(CAVDAR_URETIM) C LOG(YULAF_ALAN) LOG(YULAF_URETIM) Determinant residual covariance5.26E-13 39

40 Equation:LOG(CAVDAR_VERIM) =C(1)+C(2)*LOG(CAVDAR_ALAN) +C(3)*LOG(CAVDAR_URETIM) Observations: 10 R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid Durbin-Watson stat Equation: LOG(YULAF_VERIM) =C(4) +C(5)*LOG(YULAF_ALAN) + C(6)*LOG(YULAF_URETIM) Observations: 10 R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Sum squared resid2.03E-06 Durbin-Watson stat

41 3) Denklemlerin hataları arasında ilişki olup olmadığını araştırmak için eş zamanlı kovaryans testi yapılması gerekmektedir. Eviews programından elde edilen hataların kovaryans matrisi aşağıdaki gibidir. LOG(CAVDAR_VERIM)LOG(YULAF_VERIM) LOG(CAVDAR_VERIM)8.052e e-06 LOG(YULAF_VERIM)3.973e e-07 Matris notasyonu ile gösterimi  12 = 0 hipotezinin test edilebilmesi r 2 12 katsayısının hesaplanması gerekmektedir. 41

42 1. Adım 3. Adım M(M-1)/2 serbestlik derecesinde tablo değerine bakılır. 42

43 4. Adım Her iki denklemin hataları arasında bir ilişki olduğu görülmüştür. Bu durumda iki tarım ürününe ilişkin verimlerin birbirinden etkilendikleri yorumu yapılabilir ve denklem tahminleri için GİR uygulanabilir. 43


"GÖRÜNÜRDE İLİŞKİSİZ REGRESYON MODELLERİ 1.  Klasik doğrusal regresyon modelinin varsayımları geçerli iken, tek denklemli modellerin “En Küçük Kareler." indir ppt

Benzer bir sunumlar


Google Reklamları