Farklı Varyans Var(ui|Xi) = Var(ui) = E(ui2) = s2  Eşit Varyans Y X.

Slides:



Advertisements
Benzer bir sunumlar
İLİŞKİLERİ İNCELEMEYE YÖNELİK ANALİZ TEKNİKLERİ
Advertisements

İstatistik Tahmin ve Güven aralıkları
Farklı Varyans Var(ui|Xi) = Var(ui) = E(ui2) = s2  Eşit Varyans Y X.
Farklı Varyans Var(ui|Xi) = Var(ui) = E(ui2) = s2  Eşit Varyans Y X.
Farklı Varyans Var(ui|Xi) = Var(ui) = E(ui2) = s2  Eşit Varyans Y X.
Farklı Varyans Var(ui|Xi) = Var(ui) = E(ui2) = s2  Eşit Varyans Y X.
Prof. Dr. Hüseyin BAŞLIGİL
KOŞULLU ÖNGÖRÜMLEME.
THY ANALİZLERİ Ki – Kare Testi
Bağımlı Kukla Değişkenler
GÖRÜNÜRDE İLİŞKİSİZ REGRESYON MODELLERİ
ÇOKLU REGRESYON MODELİ
Farklı Varyans Var(u i |X i ) = Var(u i ) = E(u i 2 ) =  2  Eşit Varyans Y X.
Hatalarda Normal Dağılım
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i ’nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.  tahminleri için uygulanan.
EŞANLI DENKLEMLİ MODELLER. Eşanlı denklem sisteminde, Y den X e ve X den Y ye karşılıklı iki yönlü etki vardır. Y ile X arasındaki karşılıklı ilişki nedeniyle.
ÇOKLU DOĞRUSAL BAĞLANTI
İSTATİSTİKTE GÜVEN ARALIĞI VE HATALAR
DOĞRUSAL OLMAYAN REGRESYON MODELLERİ…
İyi Bir Modelin Özellikleri
TOBİT MODELLER.
ÇOKLU DOĞRUSAL BAĞLANTI
Otokorelasyon ut = r ut-1 + et -1 < r < +1 Yt = a + bXt + ut 
OTOKORELASYON.
Otokorelasyon Y t =  +  X t + u t  u t =  u t-1 +  t -1 <  < +1 Birinci dereceden Otokorelasyon Cov (u t,u s )  0  Birinci Dereceden Otoregressif.
OTOKORELASYON.
KUKLA DEĞİŞKENLİ MODELLER
Tüketim Gelir
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Sabit Terimsiz Bağlanım Modeli
Normal Dağılım EKK tahmincilerinin ihtimal dağılımları u i ’nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.  tahminleri için uygulanan testlerin.
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları u i ’nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır.  tahminleri için uygulanan.
Mehmet Vedat PAZARLIOĞLU
…ÇOKLU REGRESYON MODELİ…
Farklı Varyans Var(u i |X i ) = Var(u i ) = E(u i 2 ) =  2  Eşit Varyans Y X 1.
Farklı Varyans Var(u i |X i ) = Var(u i ) = E(u i 2 ) =  2  Eşit Varyans Y X.
HİPOTEZ TESTLERİNE GİRİŞ
Maliye’de SPSS Uygulamaları
İSTATİSTİKTE TAHMİN ve HİPOTEZ TESTLERİ İSTATİSTİK
Bölüm 7 Coklu regresyon.
Bağımlı Kukla Değişkenler
İKİ DEĞİŞKENLİ BASİT DOĞRUSAL REGRESYON MODELİ Regresyon Y ile X (X ler) arasındaki ortalama ilişkinin matematik fonksiyonla ifadesidir. X’e bağlı olarak.
1 KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller.
İSTATİSTİK II Örnekleme Dağılışları & Tahminleyicilerin Özellikleri.
OTOKORELASYON.
Bağımlı Kukla Değişkenler 1 Bağımlı değişken özünde iki değer alabiliyorsa yani bir özelliğin varlığı ya da yokluğu söz konusu ise bu durumda bağımlı kukla.
OLASILIK ve İSTATİSTİK
1 KUKLA DEĞİŞKENLİ MODELLER Bir kukla değişkenli modeller (Varyans Analiz Modelleri) Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller.
PANEL VERİ ANALİZİ.
ZAMAN SERİLERİ EKONOMETRİSİ I : DURAĞANLIK, BİRİM KÖKLER
İKİ DEĞİŞKENLİ BASİT DOĞRUSAL REGRESYON MODELİ
Hatalarda Normal Dağılım
Farklı Varyans Var(ui|Xi) = Var(ui) = E(ui2) = s2  Eşit Varyans Y X.
Hatalarda Normal Dağılım
EŞANLI DENKLEMLİ MODELLER
Öğr. Gör. Zeynep KÖSE Hasan Kalyoncu Üniversitesi İktisat Bölümü
Bağımlı Kukla Değişkenler
5.1 POLİNOMİNAL REGRESSİYON
Bağımlı Kukla Değişkenler
Farklı Varyans Var(ui|Xi) = Var(ui) = E(ui2) = s2  Eşit Varyans Y X.
Tüketim Gelir
Bağımlı Kukla Değişkenler
Tam Logaritmik Fonksiyon
İyi Bir Modelin Özellikleri
…ÇOKLU REGRESYON MODELİ…
Bağımlı Kukla Değişkenler
Normal Dağılımlılık EKK tahmincilerinin ihtimal dağılımları ui’nin ihtimal dağılımı hakkında yapılan varsayıma bağlıdır. b tahminleri için uygulanan testlerin.
Dağıtılmış Gecikme Modeli
Korelasyon testleri Pearson korelasyon testi Spearman korelasyon testi Regresyon analizi Basit doğrusal regresyon Çoklu doğrusal regresyon BBY606 Araştırma.
Sunum transkripti:

Farklı Varyans Var(ui|Xi) = Var(ui) = E(ui2) = s2  Eşit Varyans Y X

Farklı Varyans Var(ui|Xi) = Var(ui) = E(ui2) = si2  Farklı Varyans Hata Zaman

EKKY’nin varsayımlarından biri anakütle regresyon fonksiyonu ui lerin eşit varyanslı olmasıdır. Her hata terimi varyansı bağımsız değişkenlerin verilen değerlerine göre s2 ye eşit aynı (sabit) bir değerdir. Bu nedenle eşit varyansa sabit varyans da denir. i=1,2,3,…N =Eşit varyans =Farklı varyans

Farklı Varyans ile Karşılaşılan Durumlar X değişkeninin değeri arttıkça Yi nin şartlı varyansı sabit değil veya eşit değildir. Farklı Varyans ile Karşılaşılan Durumlar Kesit Verilerinde. Kar dağıtım modellerinde. Sektör modellerinde. Ücret modellerinde. Deneme - Yanılma modellerinde.

Farklı Varyansın Ortaya Çıkardığı Sonuçlar Katsayı tahmincilerine etkisi.(EKKY uygulandığında farklı varyans varsa t ve F testleri doğru olmayan anlamsız katsayı tahminleri verecektir. Standart hatalar olduğundan daha büyük çıkacaktır, elde edilen güven aralıklarına güvenilemeyecektir. Tahminciler doğrusal ve sapmasızdırlar , ancak etkin ve eniyi tahminci olma yani minimum varyanslı olma özelliğini kaybederler. EKKY varyans formülleri kullanılamayacaktır.

Parametre Tahmincilerinin Özellikleri Sapmasızlık Anakütle regresyon modeli Sapma nedeni ile i nin beklenen değeri sıfırdan farklı ise.

Parametre Tahmincilerinin Özellikleri Sapmasızlık

Parametre Tahmincilerinin Özellikleri Etkinlik Modelde sabit varyans varsayımının geçerli olmaması durumunda parametre tahmincileri 0* ve 1* olsun. 0* ve 1* ın varyanslarınn doğrusal sapmasız tahmin yöntemi ile belirlenmesi: Doğrusallık şartı gereği:

Etkinlik in beklenen değeri ve varyansı:

Tutarlılık ’nin tutarlı tahmincisidir.

Tutarlılık

Farklı Varyansın Belirlenmesi Grafik Yöntemle. Sıra Korelasyonu testi ile. Goldfeld-Quandt testi ile. Breusch – Pagan testi ile. Glejser Testi ile. White testi ile. Lagrange çarpanları testi ile Ramsey Reset testi ile Park testi ile.

Grafik Yöntem

Grafik Yöntem

Grafik Yöntem

Sıra Korelasyonu Testi 1.Aşama H0: r = 0 H1: r  0 ttab =? 2.Aşama a = ? s.d.=? 3.Aşama 4.Aşama thes > ttab H0 hipotezi reddedilebilir

Sıra Korelasyonu Testi X e Xs es di2 di 75 88 95 125 115 127 165 172 183 225 80 100 120 140 160 180 200 220 240 260 7.0545 4.7091 -3.6364 11.0182 -14.327 -17.672 4.9818 -3.3636 -7.7091 18.9455 1 2 3 4 5 6 7 8 9 10 5 -4 16 3 -1 1 2 1 1 7 -3 9 8 -3 9 9 -3 9 4 3 9 1 7 49 6 3 9 10 Sdi2=112 Mutlak değerli olarak bulundukları yer itibariyle küçükten büyüğe sıra numarası verilir d=X-e

Sıra Korelasyonu Testi = 0.3212 1.Aşama H0: r = 0 H1: r  0 ttab = 2.306 2.Aşama a = 0.05 s.d.= 8 3.Aşama = 0.9593 4.Aşama thes < ttab H0 hipotezi reddedilemez.

Goldfeld-Quandt Testi Büyük örneklere uygulanan bir F testidir. Bu test s2i nin farklı varyansının bağımsız değişkenlerden biri ile pozitif ilişkili olduğunu varsayar. s2i Xi ile pozitif (aynı yönde) ilişkilidir ve s2i farklı varyansı X’in karesi ile orantılıdır. Yani Xi değerleri arttıkça s2i değeri de artmaktadır.

Goldfeld-Quandt Testi Y = b1 + b2 X2 + b3 X3+ ... + bk Xk + u Y X2s X3 ... Xk I.Alt Örnek n1 YI = b11 + b21 X2 + b31 X3+ ... + bk1 Xk + u Se12=? Çıkarılan Gözlemler n(1/6) < c < n(1/3) II.Alt Örnek n2 YII = b12 + b22 X2 + b32 X3+ ... + bk2 Xk + u Se22=?

Goldfeld-Quandt Testi 1.Aşama H0: Eşit Varyans H1: Farklı Varyans 2.Aşama a = ? Ftab =? 3.Aşama X bağımsız değişkeninin değerleri küçükyen büyüğe doğru ilgili Y bağımlı değişkeninin değerleri de taşınarak sıralanır. Ortadan c kadar gözlem çıkarılır. 4.Aşama Fhes > Ftab H0 hipotezi reddedilebilir

Yıl Tasarruf Gelir 1 264 8777 2 105 9210 3 90 9954 4 131 10508 5 122 10979 6 107 11912 7 406 12747 8 503 13499 9 431 14269 10 588 15522 11 898 16730 12 950 17663 13 779 18575 14 819 19635 15 1222 21163 16 1702 22880 17 1578 24127

Gelir bağımsız değişkenine göre tasarrufu da sıralıyoruz. 1654 Gelir 25604 1400 26500 1829 27670 2200 28300 2017 27430 2105 29560 1600 28150 2250 32100 2420 32500 2570 35250 1720 33500 1900 36000 2100 36200 2300 38200 Gelir bağımsız değişkenine göre tasarrufu da sıralıyoruz.

Ortadan 31/4=8 veya 9 gözlem çıkarılacak. İki alt grup oluşturuldu. Tasarrfuf Gelir n2 1 264 8777 1829 27670 2 105 9210 1600 28150 3 90 9954 2200 28300 4 131 10508 2105 29560 5 122 10979 2250 32100 6 107 11912 2420 32500 7 406 12747 1720 33500 8 503 13499 2570 35250 9 431 14269 1900 36000 10 588 15522 2100 36200 11 898 16730 2300 38200 Gelire göre sırandı. Ortadan 31/4=8 veya 9 gözlem çıkarılacak. İki alt grup oluşturuldu.

(189.4) (0.015) (0.02) (709.8)

f1=f2=(n-c-2k)/2=9 sd de Ftab=3.18

Goldfeld-Quandt Test lnMaas = b1 + b2 Yıl + b3 Yıl2 Dependent Variable: lnMaas Included observations: 222 Variable Coefficient Std. Error t-Statistic Prob. C 3.809365 0.041338 92.15104 0.0000 Yıl 0.043853 0.004829 9.081645 0.0000 Yıl2 -0.000627 0.000121 -5.190657 0.0000 R-squared 0.536179 Mean dependent var 4.325410 Adjusted R-squared 0.531943 S.D. dependent var 0.302511 S.E. of regression 0.206962 Akaike info criterion -0.299140 Sum squared resid 9.380504 Schwarz criterion -0.253158 Log likelihood 36.20452 F-statistic 126.5823 Durbin-Watson stat 1.618981 Prob(F-statistic) 0.000000

Goldfeld-Quandt Test 1.alt örnek sonuçları: Dependent Variable: lnmaas Sample: 1 75 Included observations: 75 Variable Coefficient Std. Error t-Statistic Prob. C 3.954106 0.059538 66.41324 0.0000 Yıl -0.021930 0.021019 -1.043349 0.3003 Yıl2 0.004375 0.001600 2.733929 0.0079 R-squared 0.465625 Mean dependent var 4.031098 Adjusted R-squared 0.450781 S.D. dependent var 0.167536 S.E. of regression 0.124160 Akaike info criterion -1.295318 Sum squared resid 1.109926 Schwarz criterion -1.202619 Log likelihood 51.57443 F-statistic 31.36845 Durbin-Watson stat 1.807774 Prob(F-statistic) 0.000000

Goldfeld-Quandt Test 2.Altörnek Sonuçları: Dependent Variable: lnmaas Sample: 148 222 Included observations: 75 Variable Coefficient Std. Error t-Statistic Prob. C 4.007507 0.976346 4.104598 0.0001 Yıl 0.019928 0.060603 0.328823 0.7432 Yıl2 -0.000102 0.000920 -0.110443 0.9124 R-squared 0.078625 Mean dependent var 4.513929 Adjusted R-squared 0.053031 S.D. dependent var 0.231175 S.E. of regression 0.224962 Akaike info criterion -0.106594 Sum squared resid 3.643762 Schwarz criterion -0.013895 Log likelihood 6.997288 F-statistic 3.072027 Durbin-Watson stat 1.684803 Prob(F-statistic) 0.052446

Goldfeld-Quandt Testi 1.Aşama H0: Eşit Varyans H1: Farklı Varyans 2.Aşama a = 0.05 1.43<Ftab<1.53 = 3.2830 3.Aşama 4.Aşama Fhes > Ftab H0 hipotezi reddedilebilir

Breusch – Pagan Testi Yi = b1 + b2 X2i + b3 X3i+……+ bk Xki +ui (1) 1.Aşama (1) Nolu denklem EKKY ile tahmin edilip. e1. e2. …..en örnek hata terimleri hesaplanır. Bu ei lerden hareketle hesaplanır. 2.Aşama 3.Aşama pi = a1 + a2 Z2i + a3 Z3i+……+ amZmi +vi (2) RBD = ?

Breusch – Pagan Testi pi = a1 + a2 Z2i + a3 Z3i+……+ amZmi +vi (2) 4.Aşama m: (2) nolu denklemdeki parametre sayısı 5.Aşama H0 : a2= a3 =…..=am = 0 (Eşit varyans) H1 : En az biri sıfırdan farklıdır. (Farklı varyans) H0 reddedilir.

Breusch – Pagan Testi IT: İthalat Yıllar GSMH IT et 1971 16.40200 1.171000 5.317850 1981 69.24600 8.933000 -1.520700 1972 20.69800 1.563000 4.522890 1982 63.01400 8.843000 0.111170 1973 26.08100 2.086000 3.558590 1983 59.60700 9.235000 1.444510 1974 35.97600 3.778000 2.516650 1984 58.40200 10.75700 3.299440 1975 44.86500 4.739000 1.021660 1985 65.00800 11.34300 2.060240 1976 51.33100 5.129000 -0.374870 1986 72.86100 11.10500 -0.347510 1977 58.61000 5.796000 -1.719020 1987 83.75300 14.15800 -0.303920 1978 64.86500 4.599000 -4.644250 1988 87.35000 14.33500 -1.120760 1979 88.80100 5.069000 -10.78770 1989 103.7470 15.80000 -4.186170 1980 67.34400 7.909000 -2.019190 1990 145.3810 22.30000 -9.189460 IT: İthalat

Breusch – Pagan Testi 1.Aşama 2.Aşama pi 0.045111 0.018977 0.006813 0.064343 0.004446 0.42876 0.000964 1.914014 0.055765 1.384578 0.266704 0.285573 0.540614 1.163423 2.802939 0.820382 9.764475 0.15752 0.194494 0.080743

Breusch – Pagan Testi 3.Aşama RBD = 4.59 4.Aşama 5.Aşama H0 : a2 = a3 =…..=am = 0 (Eşit varyans) H1 : En az biri sıfırdan farklıdır. (Farklı varyans) H0 reddedilemez.

Glejser Farklı Varyans Testi 1.Aşama: Y ile X (veya X’ler) arasındaki ilişki tahmin edilerek, ilgili örnek hata terimleri e’ler bulunur. 2.Aşama: i2 ile ilişkili olduğu düşünülen bağımsız değişken için aşağıdaki modeller denenmektedir.

Glejser Farklı Varyans Testi 3.Aşama: Korelasyon katsayısı ve a’ların standat hata değerlerine göre en uyun model seçilip H0 : a2 = 0 H1 : a2 ≠ 0 test edilir. 4.Aşama: H0 kabul edilirse eşit varyans gerçeklemiştir sonucuna varılır.

Glejser Farklı Varyans Testi 1.Aşama: Yıllar GSMH IT et 1971 16.40200 1.171000 5.317850 1981 69.24600 8.933000 -1.520700 1972 20.69800 1.563000 4.522890 1982 63.01400 8.843000 0.111170 1973 26.08100 2.086000 3.558590 1983 59.60700 9.235000 1.444510 1974 35.97600 3.778000 2.516650 1984 58.40200 10.75700 3.299440 1975 44.86500 4.739000 1.021660 1985 65.00800 11.34300 2.060240 1976 51.33100 5.129000 -0.374870 1986 72.86100 11.10500 -0.347510 1977 58.61000 5.796000 -1.719020 1987 83.75300 14.15800 -0.303920 1978 64.86500 4.599000 -4.644250 1988 87.35000 14.33500 -1.120760 1979 88.80100 5.069000 -10.78770 1989 103.7470 15.80000 -4.186170 1980 67.34400 7.909000 -2.019190 1990 145.3810 22.30000 -9.189460 IT: İthalat

Glejser Farklı Varyans Testi 2.Aşama: 3.Aşama: H0 : a2 = 0 H1 : a2 ≠ 0 4.Aşama: prob = 0.2058 > 0.05 H0 reddedilemez. Eşit varyans gerçekleşmiştir.

White Testi Y = b1 + b2 X2 + b3 X3+ u White Testi için yardımcı regresyon: u2 = a1 + a2 X2 + a3 X3+ a4 X22 + a5 X32 + a6 X2X3 + v Ry2 = ? White Testi Aşamaları: 1.Aşama H0: a2 = a3 = a4 = a5 = a6=0 H1 : ai’lerin en az bir tanesi anlamlıdır 2.Aşama s.d.= k-1 c2tab=? a = ? 3.Aşama W= n.Ry2 = ? W > c2tab H0 hipotezi reddedilebilir 4.Aşama

White Testi lnMaaş = 3.8094 + 0.0439yıl - 0.0006 yıl2 White Testi için yardımcı regresyon: e2= -0.0018 + 0.0002 Yıl + 0.0007 Yıl2- 0.00003 Yıl3 + 0.0000004Yıl4 Ry2 = 0.0901 1.Aşama H0: a2 = a3 = a4 = a5=0 ; H1 : ai’lerin en az bir tanesi anlamlıdır 2.Aşama a = 0.05 s.d.=5-1=4 c2tab=9.4877 3.Aşama W= n.Ry2 = 222(0.0901)= 20.0022 4.Aşama W > c2tab H0 hipotezi reddedilebilir

Lagrange Çarpanları(LM) Testi Y = b1 + b2 X2 + b3 X3+ u LM testi için yardımcı regresyon: Ry2 = ? LM Testi Aşamaları: 1.Aşama H0: b = 0 H1 : b0 2.Aşama s.d.= 1 c2tab=? a = ? 3.Aşama LM= n.Ry2 = ? LM > c2tab H0 hipotezi reddedilebilir 4.Aşama

Lagrange Çarpanları(LM) Testi lnmaaş = 3.8094 + 0.0439yıl - 0.0006 yıl2 LM Testi için yardımcı regresyon: e2 = -0.2736 + 0.0730 (lnmaas-tah)2 Ry2 = 0.0537 1.Aşama H0: b = 0 H1 : b0 2.Aşama a = 0.05 s.d.=1 c2tab=3.84146 3.Aşama LM= n.Ry2 = 222(0.0537)= 11.9214 4.Aşama LM > c2tab H0 hipotezi reddedilebilir

Ramsey Reset Testi Y = b1 + b2 X2 + b3 X3+…..+bkXk + ui 1.Aşama: Ramsey Reset testi için yardımcı regresyon: 2.Aşama: H0: a2 = 0 (Eşit Varyans) H1: a2 ≠ 0 (Farklı Varyans) Hipotezler  hata payı ile t tablosundan bulunacak değer ile karşılaştırılır. 3.Aşama: thes > ttab H0 reddedilir.

Ramsey Reset Testi 1.Aşama: 2.Aşama: H0: ai = 0 (Eşit Varyans) H1: ai ≠ 0 (Farklı Varyans)

Ramsey Reset Testi ttab = tn-k,a = t20-2, 0.05 = 2.101 3.Aşama: thesap = 0.514 < ttab = 2.101 Ho reddedilemez

Park Testi i2 bilinmediğinden bunun yerine hata kareler toplamı ei2 kullanılır.

Park Testi 1.Aşama: 2.Aşama: H0 :  = 0 (Eşit Varyans) H0 :  ≠ 0 (Farklı Varyans) t hes > t tab H0 reddedilir. 3.Aşama:

Park Testi 1.Aşama: 2.Aşama: H0 :  = 0 (Eşit Varyans) H0 :  ≠ 0 (Farklı Varyans) 3.Aşama: t tab = t 18, 0.01 = 2.878 ???????? t hes < t tab H0 reddedilemez.

UYGULAMA: 32 ailenin yıllık gıda harcamaları (Y) ve aylık ortalama gelirleri (X) aşağıda verilmiştir. Aile Sayısı Y X u 1 2.2 2.8 -0.75464 17 1.5 2 -1.25412 3 3.5 -0.1301 18 5.8 7.2 1.74247 4.1 13.5 -1.53666 19 8.2 18.1 1.41032 4 -0.80818 20 4.3 6.2 0.49313 5 4.2 5.9 0.46833 21 9.4 16.1 3.11164 6 6.3 15.3 0.21216 22 5.1 25.2 -3.46933 7 4.6 9.7 -0.08417 23 2.4 -1.90818 8 8.8 26.4 -0.07012 24 8.1 13.4 2.48841 9 7.3 18.2 0.48526 25 4.9 5.6 1.24352 10 4.4 6.7 0.4678 26 -0.30556 11 11.3 1.61478 27 0.14142 12 4.7 0.06911 28 1.9 -1.2301 13 6.8 26.3 -2.04505 29 2.6 12.4 -2.76094 14 22.3 -0.64243 30 3.9 0.56938 15 3.1 6.1 -0.68181 31 12.9 1.51373 16 3.2 -0.6549 32 11.2 26.5 2.30482

UYGULAMA: Yi = 0 + 1Xi + i modeli için sabit varyans varsayımının geçerli olup olmadığını Grafik Yöntemle. Sıra Korelasyonu testi ile. Goldfeld-Quandt testi ile. Breusch – Pagan testi ile. Glejser Testi ile. White testi ile. Lagrange çarpanları testi ile Ramsey Reset testi ile Park testi ile.

Grafik Yöntem

Sıra Korelasyonu Testi 1.Aşama H0: r = 0 H1: r  0 ttab =? 2.Aşama a = 0.05 s.d.=? 3.Aşama 4.Aşama thes > ttab H0 hipotezi reddedilebilir

Sıra Korelasyonu Testi 1.Aşama H0: r = 0 H1: r  0 ttab = 2.042 2.Aşama a = 0.05 s.d.= 30 = 1.9454 4.Aşama thes < ttab H0 hipotezi reddedilemez.

Goldfeld-Quandt Testi c = 32 / 5 = 6.4 6 gözlem atılacak. (14.-19. gözlemler) 13 gözlemden oluşan iki grup için modeller 1.-13. gözlemler için Yi = 0.5096 + 0.6078Xi 20.-32. gözlemler için Yi = 3.8153 + 0.1723Xi

Goldfeld-Quandt Testi 1.Aşama H0: Eşit Varyans H1: Farklı Varyans 2.Aşama a = 0.05 Ftab =2.82 3.Aşama 4.Aşama Fhes > Ftab H0 hipotezi reddedilebilir

Breusch – Pagan Testi 1.Aşama 2.Aşama

Breusch – Pagan Testi 3.Aşama RBD = 13.12 4.Aşama 5.Aşama H0 : a2 = a3 =…..=am = 0 (Eşit varyans) H1 : En az biri sıfırdan farklıdır. (Farklı varyans) H0 reddedilebilir.

Glejser Farklı Varyans Testi 1.Aşama: 2.Aşama: H0 : a2 = 0 H1 : a2 ≠ 0 3.Aşama:  = 0.05 n –k = 32 – 2 =30 ttab = 2.042 4.Aşama: thes > ttab H0 reddedilebilir. Eşit varyans gerçekleşmemiştir.

White Testi White Testi için yardımcı regresyon: e2= -0.6909 + 0.3498X – 0.0058X2 Ry2 = 0.2296 1.Aşama H0: a2 = a3 = 0 ; H1 : ai’lerin en az bir tanesi anlamlıdır 2.Aşama a = 0.05 s.d.=3-1=2 c2tab=5.99 3.Aşama W= n.Ry2 = 32(0.2296) = 7.3472 4.Aşama W > c2tab H0 hipotezi reddedilebilir

Lagrange Çarpanları(LM) Testi LM Testi için yardımcı regresyon: Ry2 = 0.201 1.Aşama H0: b = 0 H1 : b0 2.Aşama a = 0.05 s.d.=2-1=1 c2tab=3.84146 3.Aşama LM= n.Ry2 = 32(0.201) = 6.432 4.Aşama LM > c2tab H0 hipotezi reddedilebilir

Ramsey Reset Testi 1.Aşama: 2.Aşama: H0: ai = 0 (Eşit Varyans) H1: ai ≠ 0 (Farklı Varyans) 3.Aşama: thes > ttab H0 reddedilir.

Ramsey Reset Testi ttab = tn-k,a = t32-2, 0.05 =2.042 3.Aşama: thesap = 2.753 > ttab = 2.042 H0 reddedilebilir.

Park Testi 1.Aşama: 2.Aşama: H0 :  = 0 (Eşit Varyans) H0 :  ≠ 0 (Farklı Varyans) 3.Aşama: t tab = t 32-2=30, 0.05 = 2.042 t hes < t tab H0 reddedilemez.

FARKLI VARYANSI ORTADAN KALDIRMA YOLLARI Farklı varyans durumunda EKKY tahmincileri etkinlik özelliklerini kaybettiklerinden güvenilir değildirler. Bu sebeple farklı varyans ortadan kaldırılmadan EKKY uygulanmamalıdır. Yi lerin (veya ui lerin) farklı varyansları s2i nin bilinip bilinmemesine göre farklı varyansı kaldıran iki yol vardır: nin BİLİNMESİ HALİ nin BİLİNMEMESİ HALİ

Genelleştirilmiş EKKY(GEKKY) nin BİLİNMESİ HALİ Genelleştirilmiş EKKY(GEKKY) Yi = b1 + b2 Xi + ui

Genelleştirilmiş EKKY(GEKKY) Sabit terimi yoktur. İki tane bağımsız değişken vardır.

Genelleştirilmiş EKKY(GEKKY)

Genelleştirilmiş EKKY(GEKKY)

EKKY ve GEKKY Arasındaki Fark min GEKKY min

nin BİLİNMEMESİ HALİ 1.HAL: LOGARİTMİK DÖNÜŞÜMLER 2 .HAL:

nin BİLİNMEMESİ HALİ 3 .HAL:

nin BİLİNMEMESİ HALİ 4 .HAL: bölünür

nin BİLİNMEMESİ HALİ 5 .HAL:

UYGULAMA: 32 ailenin yıllık gıda harcamaları (Y) ve aylık ortalama gelirleri (X) aşağıda verilmiştir. Aile Sayısı Y X u 1 2.2 2.8 -0.75464 17 1.5 2 -1.25412 3 3.5 -0.1301 18 5.8 7.2 1.74247 4.1 13.5 -1.53666 19 8.2 18.1 1.41032 4 -0.80818 20 4.3 6.2 0.49313 5 4.2 5.9 0.46833 21 9.4 16.1 3.11164 6 6.3 15.3 0.21216 22 5.1 25.2 -3.46933 7 4.6 9.7 -0.08417 23 2.4 -1.90818 8 8.8 26.4 -0.07012 24 8.1 13.4 2.48841 9 7.3 18.2 0.48526 25 4.9 5.6 1.24352 10 4.4 6.7 0.4678 26 -0.30556 11 11.3 1.61478 27 0.14142 12 4.7 0.06911 28 1.9 -1.2301 13 6.8 26.3 -2.04505 29 2.6 12.4 -2.76094 14 22.3 -0.64243 30 3.9 0.56938 15 3.1 6.1 -0.68181 31 12.9 1.51373 16 3.2 -0.6549 32 11.2 26.5 2.30482 75

1.HAL: LOGARİTMİK DÖNÜŞÜMLER 1.Aşama H0: b = 0 H1: b  0 2.Aşama a = 0.05 s.d.=2-1=1 c2tab=3.84146 3.Aşama LM= n.Ry2 = 32(0.0178) = 0.5696 4.Aşama LM < c2tab H0 hipotezi reddedilemez.

2 .HAL: 1.Aşama H0: b = 0 H1: b  0 2.Aşama a = 0.05 s.d.=2-1=1 c2tab=3.84146 3.Aşama LM= n.Ry2 = 32(0.0509) = 1.6288 4.Aşama LM < c2tab H0 hipotezi reddedilemez.

3 .HAL: 1.Aşama H0: b = 0 H1: b  0 2.Aşama a = 0.05 s.d.=2-1=1 c2tab=3.84146 3.Aşama LM= n.Ry2 = 32(0.2365) = 7.568 4.Aşama LM > c2tab H0 hipotezi reddedilebilir.

5 .HAL: 1.Aşama H0: b = 0 H1: b  0 2.Aşama a = 0.05 s.d.=2-1=1 c2tab=3.84146 3.Aşama LM= n.Ry2 = 32(0.0290) = 0.928 4.Aşama LM < c2tab H0 hipotezi reddedilemez.