ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU

... konulu sunumlar: "ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU"— Sunum transkripti:

1 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
İlk denklemde, Y’nin X’e bağlı olan basit regresyonu görülmektedir ve hata terimi u, AR(1) sürecine tabidir. 1

2 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Static Model AR(1) Model Model, Yt; Xt, Yt-1, Xt-1 ve hata terimi et ye bağlı olacak şekilde düzenlenerek yeniden yazılabilir. Burada hata terimi otokorelasyonlu değildir. 2

3 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Bu model parametreler açısından doğrusal değildir. Çünkü Xt-1’ in katsayısı, eksi ve Xt’nin katsayısı ile Yt-1’ in katsayısının çarpımına eşittir. 3

4 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Yukarıdaki denklem, bazı değişkenlerin bulunduğu genel bir modelin özel durumu olarak düşünülebilir. 4

5 Sınırlandırılmış Model
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlandırılmış Model Sınırlandırılmamış Model l1=r l2=b2 AR(1) Sürecindeki Kısıt Burada iki durum bulunmaktadır: İlk olarak, modelde sınırlama mevcuttur. Biçimsel olarak bakıldığında, oluşturulan denklem, daha genel bir modelin sınırlandırılmış versiyonudur. 5

6 Sınırlandırılmış Model
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlandırılmış Model Sınırlandırılmamış Model l1=r l2=b2 AR(1) Sürecindeki Kısıt İkinci olarak, Yt-1 in katsayısı üzerine yorumlama getirmektedir. Ancak bu geçerli olmayabilir. 6

7 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Eğer asıl spesifikasyon, iki değişkenli çoklu regresyon modeli ise ve hata terimi AR(1) sürecine tabi ise, model biraz daha karmaşık bir hal almaktadır. 7

8 Sınırlandırılmış Model Sınırlanmamış Model
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlandırılmış Model Sınırlanmamış Model l1=r l2=b2 Burada ifade edilen AR(1) modeli ise genel bir modelin sınırlandırılmış versiyonudur. 8

9 Sınırlanmış Model Sınırlanmamış Model AR(1) Sürecindeki Kısıtlar
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlanmış Model Sınırlanmamış Model AR(1) Sürecindeki Kısıtlar l1=r l2=b2 l1=r l4=b3 Bu durumda, sınırlandırılmış modele bir sınırlama daha dahil edilmiştir. 9

10 Sınırlanmış Model Sınırlanmamış Model AR(1) Sürecindeki Kısıtlar
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlanmış Model Sınırlanmamış Model AR(1) Sürecindeki Kısıtlar l1=r l2=b2 l1=r l4=b3 Genel olarak, AR(1) modelindeki sınırlamaların sayısı açıklayıcı değişkenlerin sayısına eşittir. 10

11 Sınırlandırılmış Model
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlandırılmış Model Sınırlandırılmamış Model AR(1) Sürecindeki Kısıtlar l1=r l2=b2 l1=r l4=b3 Sınırlamaların geçerliliği test edilmek istenebilir. Bu test ortak faktör testi olarak bilinmektedir. 11

12 Sınırlandırılmış Model RSSR
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlandırılmış Model RSSR Sınırlandırılmamış Model RSSU AR(1) Sürecindeki Kısıtlar l1=r l2=b2 l1=r l4=b3 Bu test, sınırlandırılmış RSSR ve sınırlandırılmamış modellerdeki hata kareler toplamının RSSU karşılaştırılmasını içermektedir. 12

13 Sınırlandırılmış Model RSSR
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlandırılmış Model RSSR Sınırlandırılmamış Model RSSU l1=r l2=b2 l1=r l4=b3 AR(1) Sürecindeki Kısıtlar Sınırlandırılmış modelin hata kareler toplamı, sınırlandırılmamış modelin hata kareler toplamından küçük değildir ve uygulamalarda ise daha büyük olacağı görülecektir. Çünkü genelde sınırlamaların dahil edilmesi iyi uyum eksikliği meydana getirmektedir. Buradaki önemli olan soru iyi uyum eksikliğinin anlamlı olup olmadığıdır. 13

14 Sınırlandırılmış Model RSSR
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlandırılmış Model RSSR Sınırlandırılmamış Model RSSU AR(1) Sürecindeki Kısıtlar l1=r l2=b2 l1=r l4=b3 Eğer bir sınırlamanın uygulanması bozulmaya neden oluyorsa bu sınırlamaların geçersiz olduğu şeklinde yorumlanır. 14

15 AR(1) SürecindekiKısıtlar
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Test istatistiği: Sınırlanmış Model RSSR Sınırlanmamış Model RSSU l1=r l2=b2 AR(1) SürecindekiKısıtlar l1=r l4=b3 Sınırlamalar doğrusal olmadığı için F testi uygun olmamaktadır. Bunun yerine aşağıda gösterildiği gibi test istatistiği oluşturulmuştur. n, regresyondaki gözlem sayısı ve log ise doğal logaritmayı göstermektedir. 15

16 AR(1) Sürecindeki Kısıtlar
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Test istatistiği: Sınırlanmış Model RSSR Sınırlanmamış Model RSSU l1=r l2=b2 AR(1) Sürecindeki Kısıtlar l1=r l4=b3 Sınırlamaların geçerli olduğu sıfır hipotezi altında, test istatistiği sınırlama sayısına eşit serbestlik dereceli Ki-kare dağılımına sahip büyük örneklem testidir. 16

17 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Dependent Variable is LGHOUS Sample: Included observations: 36 ============================================================= Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Burada logaritmik hanehalkı harcamalarının, logaritmik gelir ve logaritmik göreli fiyatlar üzerindeki regresyonu gösterilmiştir. Durbin-Watson istatistiği hata terimlerinin pozitif korelasyonlu olduğunu göstermektedir. 17

18 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================ LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Convergence achieved after 24 iterations Variable CoefficienStd. Errort-Statistic Prob. C LGDPI LGPRHOUS AR(1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) AR(1) tahmin yöntemi kullanılarak aynı model yeniden uyarlanmış olup sonuçları yukarıda gösterilmektedir. Burada hata kareler toplamını bir kenara not edelim. (RSSR = ) 18

19 Sınırlandırılmış Model
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlandırılmış Model Uyarlanmış model yukarıda gösterilmektedir. Parametre tahminlerinde iki sınırlama gerçekleşmiştir. Bunlardan biri gelir değişkenlerini içermekte… 19

20 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Restricted model …ve diğeri fiyat değişkenlerini içermektedir. 20

21 Sınırlandırılmış Model Sınırlandırılmamış Model
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Sınırlandırılmış Model Sınırlandırılmamış Model l1=r l4=b3 l1=r l2=b2 Parametreler üzerinde sınırlamaların olmadığı modele en küçük kareler yöntemi uygulanmaktadır. 21

22 Sınırlandırılmamış model
============================================================= LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) LGDPI(-1) LGPRHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Burada sınırlandırılmamış modelden elde edilen çıktı yer almaktadır. RSSU =

23 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints ============================================================= Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) LGDPI(-1) LGPRHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Herhangi bir işlem yapmadan önce, sınırlandırılmamış modelin otokorelasyonlu olup olmadığı kontrol edilmelidir. h istatistiği biraz yüksek olmasına rağmen %5 anlamlılık düzeyinde kritik değerden daha küçüktür. 23

24 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. ================================================================= C LGDPI(X2t) LGPRHOUS (X3t) LGHOUS(-1)(Yt-1) LGDPI(-1) (X2t-1) LGPRHOUS(-1) (X3t-1) ==================================================================== R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Testi gerçekleştirmeden önce, sınırlamaların uygun olduğunu görmek açısından sınırlandırılmamış regresyondaki katsayıları değerlendirmek gerekmektedir. 24

25 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Variable Coefficient Std. Error t-Statistic Prob. ================================================================= C LGDPI(X2t) LGPRHOUS (X3t) LGHOUS(-1)(Yt-1) LGDPI(-1) (X2t-1) LGPRHOUS(-1) (X3t-1) ==================================================================== R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) -0.73 x 0.30 = -0.22 Sınırlamaların dahil edildiği durumda gelir katsayıları tatmin edici görünmemektedir. (0.73 x0.30) ‘den gecikmeli gelir katsayısının olduğu görünmektedir. 25

26 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) LGDPI(-1) LGPRHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) -0.73 x = 0.14 l1=r l4=b3 Göreli fiyat için (-0.73x(-0.19))=0.14 değerine eşittir. Bu değerin, gecikmeli göreli fiyatın katsayısına oldukça yakın olduğu görülmektedir. 26

27 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) LGDPI(-1) LGPRHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) AR(1) regresyonunda hata kareler toplamı RSSR= dır ve sınırlandırılmamış modelde en küçük kareler yöntemi uygulandığında elde edilen hata kareler toplamının ise RSSU= olarak belirlendiği görülmektedir. 27

28 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Test istatistiği 14.2 dir. %1 önem düzeyinde 2 serbestlik dereceli Ki-Kare kritik tablo değeri ise 13.8 dir. 28

29 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Bu nedenle sınırlamalar reddedilmektedir. Böylece, hata teriminin AR(1) sürecine tabi olduğunu varsaymak yerine daha genel bir model seçilmelidir. 29

30 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) LGDPI(-1) LGPRHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Gelir ve göreli fiyatlar üzerindeki hanehalkı harcamalarının regresyonunun en küçük kareler yöntemi ile olan tahmininde otokorelasyon olduğu kolayca görülebilmektedir. Bu nedenle gecikmeli değişkenlerin modelden çıkarılması gerekmektedir. 30

31 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) LGDPI(-1) LGPRHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Örnekte görüldüğü üzere hem gelir hem de göreli fiyat değişkenlerine ait gecikmeli değişkenlerinin katsayıları anlamsızdır. 31

32 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Bu değişkenler olmaksızın regresyonu yeniden yaptığımızda yukarıdaki model çıktısı elde edilmektedir. 32

33 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) h istatistiği, otokorelasyon olmadığını söyleyen sıfır hipotezinin modelin bu biçiminde reddedilemediğini göstermektedir. 33

34 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) En küçük kareler yönteminin uygulandığı asıl regresyon denkleminde gecikmeli bağımlı değişkenin ihmal edilmesinin gözle görülür bir otokorelasyona neden olduğu şeklinde sonuç çıkarılmaktadır. 34

35 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) C LGDPI LGPRHOUS LGHOUS(-1) LGDPI(-1) LGPRHOUS(-1) Gecikmeli gelir ve göreli fiyat değişkenleri modelden çıkarıldığında, katsayılarda bir artış yaşanmakta ve daha küçük standart hatalar elde edilmektedir. 35

36 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Son model bir önceki slaytta ilk sırada yer alan model ile tam olarak aynıdır. Değişkenler ve hataların grafiğinin incelenmesi ile söz konusu model kullanılmıştır.. 36

37 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
============================================================= LS // Dependent Variable is LGHOUS Sample(adjusted): Included observations: 35 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C LGDPI LGPRHOUS LGHOUS(-1) R-squared Mean dependent var Adjusted R-squared S.D. dependent var S.E. of regression Akaike info criter Sum squared resid Schwarz criterion Log likelihood F-statistic Durbin-Watson stat Prob(F-statistic) Burada AR(1) modelinin yetersiz olduğunu ortaya çıkaran ortak faktör testi ile aynı sonuca ulaşılmıştır. 37

38 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Yöntemsel olarak, model seçimi için özelden genele süreci takip edilmektedir. Bu durum ciddi bir eleştiriye açıktır. Eğer iyi belirlenmemiş bir model ile çalışılırsa, hata terimi ile ilgili varsayımların bir kısmı gerçekleşmeyecektir. 38

39 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Bu nedenle daima bir risk söz konusudur. Model eksik belirlenmiş olmasına rağmen, araştırmacı modeli yeterli görebilir. 39

40 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Bu tehlikeden kaçınmak için genelden özele yaklaşımı uygulanmalıdır. Eksik belirlenme problemlerinden kaçınmak için yeterince genel bir modelle çalışmaya başlanmalıdır. 40

41 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Bağımlı Değişken Gecikmeli Model Bizim örneğimizde, başlangıç noktası tüm gecikmeli değişkenlerin olduğu model olmalıdır. 41

42 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Eğer gecikmeli değişkenler ayrı ayrı veya bir grup olarak anlamlı açıklayıcı güce sahip değilse, statik model elde etmek için basitleştirilebilir. 42

43 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Eğer gecikmeli değişkenler anlamlı açıklayıcı bir güce sahip değilse, ortak faktör testi gerçekleştirebilir ve AR(1) spesifikasyonu için modelin basitleştirilebildiği görülmektedir. 43

44 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Eğer diğer değişkenlerin açıklama gücü önemli ölçüde eksik ise, bazen gecikmeli bağımlı değişkenin yer aldığı dinamik yapıya sahip bir model bulunabilir. 44

45 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Biz ise hanehalkı harcaması örneğinde tersini yaptık yani statik model ile çalışmaya başladık. 45

46 Daha sonra AR(1) modeline çevirdik.
ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Daha sonra AR(1) modeline çevirdik. 46

47 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Ortak faktör testi AR(1) modelinin yetersiz olduğunu ortaya çıkardığında daha genel modele döndük. 47

48 ORTAK FAKTÖR TESTİ VE DİNAMİK MODEL SPESİFİKASYONU
Gecikmeli Değişkenli Genel Model Static Model AR(1) Model Gecikmeli Bağımlı Değişkenli Model Sonuç olarak, gecikmeli bağımlı değişkenin yer aldığı model ile sonlandırdık. 48

49 Copyright Christopher Dougherty 1999-2002
Copyright Christopher Dougherty This slideshow may be freely copied for personal use.