ebook img

Zaman Serileri Verileriyle Regresyon Analizi PDF

67 Pages·2009·0.66 MB·Turkish
by  
Save to my drive
Quick download
Download
Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.

Preview Zaman Serileri Verileriyle Regresyon Analizi

Yıldız Teknik Üniversitesi İktisat Bölümü Ekonometri II Ders Notları Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A Modern Approach, 2nd. ed., 2002, Thomson Learning. CChh.. 1100:: Zaman Serileri Verileriyle Regresyon Analizi CH 10 : ZAMAN SERİLERİ VERİLERİYLE REGRESYON Bu Bölüm’de şu konuları ele alacağız : • Zaman serilerinin kullanıldığı doğrusal regresyon modellerinde OLS tahmin edicilerin özellikleri. • Section 10.1 : kesitler-arası (cross-section) ve zaman serileri (time series) verileri arasında kkaavvrraammssaall ffaarrkkllııllııkkllaarr.. • Section 10.2 : En yaygın kullanılan zaman serileri modellerinden örnekler. • Section 10.3 : Klasik varsayımlar altında OLS tahmin edicilerin sonlu (finite) örnek özellikleri. • Hipotez testleri (inference) • Veride trent ve mevsimsel (seasonal) hareket. ZAMAN SERİSİ VERİLERİNİN ÖZELLİKLERİ • Kesitler-arası veriden farklı olarak burada veriler belli bir zaman sıralaması izlemektedir. • Zaman serilerini analiz ederken geçmişin geleceği etkilediğini ama bunun tersinin doğru olmadığını unutmamalıyız. •• KKeessiittlleerr--aarraassıı vveerriiddee öörrnneekk uuyygguunn bbiirr kkiittlleeddeenn rasgele örnekleme (random sampling) ile çekiliyordu. • Her bir ayrı örnekte farklı x ve y değerleri elde edildiği için bu örneklerde OLS tahmin edicileri (betahat’ler) de farklı olabiliyordu. Bu nedenle OLS tahmin edicileri rasgele değişken (random variable) olarak ele alıyorduk. 3 4 • Peki, zaman serilerinde rasgeleliği (randomness) nasıl yorumlayacağız? • Zaman serisi değişkenlerin (GSMH, İMKB indeksi, vs) bir sonraki dönemde hangi değerleri alacaklarını öngöremediğimiz için bu değişkenleri rasgele değişken olarak görebiliriz. •• ZZaammaann ((tt)) iinnddeekkssii ttaaşşııyyaann rraassggeellee değişkenlerin oluşturduğu diziye (sequence) stokastik süreç (stochastic process) ya da zaman serisi süreci (time series process) diyeceğiz. • Stokastik sözcüğü rasgele (random) ile aynı anlamda kullanılmaktadır. 5 • Mevcut bir zaman serisi stokastik sürecin mümkün bir realizasyonu olarak görülebilir. • Zamanda geriye gidip başka bir realizasyon elde edemeyeceğimiz için tüm zaman serileri tek bir realizasyonun ((ggeerrççeekklleeşşmmeenniinn)) ssoonnuuççllaarrııddıırr.. • (cid:4)üphesiz elimizdeki zaman serisi farklı tarihsel koşullar olsaydı farklı olacaktı. • Dolayısıyla, bir zaman serisi sürecinin tüm mümkün gerçekleşmelerinin (outcomes) oluşturacağı küme, burada, kesitler-arası veride kitlenin (population) oynadığı rolü oynayacaktır. 6 • (cid:4)imdi, sosyal bilimlerde en çok kullanılan modellerden örnekler görelim : • Statik model : Eşanlı (contemporaneously) zaman endeksi taşıyan iki serimiz olsun : y ve z. • y ‘yi z ile ilişkilendiren statik bir model şöyle yazılabilir : • Tabii, statik model değişkenlerin birinci farkları (değişmeyi gösterir) arasında da formüle edilebilir : 7 • Statik Phillips eğrisini statik modele bir örnek olarak verebiliriz: • Bu model, doğal işsizlik oranı (natural rraattee ooff uunneemmppllooyymmeenntt)) vvee eennffllaassyyoonn beklentisinin sabit olduğunu varsayar. • inf (t) ile unem (t) değişkenleri arasındaki eşanlı çatışmalı ilişkiyi (contemporaneous tradeoff) bu modelle inceleyebiliriz. 8 ►Sonlu Dağıtılmış Gecikme Modelleri (Finite distributed Lag Models, FDL models) • Bu modellerde y’yi belli bir gecikme (lag) ile etkileyen bir çok değişken olacaktır : • Burada, gfr(t) : doğurganlık oranı (fertility rate), doğurganlık yaşındaki 1000 kadına düşen bebek sayısı; pe(t): doğumu teşvik için verilen reel vergi muafiyeti. • (10.4) deki denklem şu modele bir örnek oluşturur: 9 • Bu “ikinci sıradan” bir FDL modelidir. • z’de t döneminde bir kerelik bir birimlik bir değişme olsun : • Bu değişmenin y’de yaratacağı ceteris paribus etkiye etki çarpanı (çoğaltanı) denir (impact multiplier or impact propensity) ve şöyle hesaplanır : 10

Description:
İktisat Bölümü. Ekonometri II Ders Notları. Ders Kitabı: J.M. Wooldridge, Introductory Econometrics A. Modern Approach zaman serileri (time series) verileri arasında kavramsal .. Çoğu kez zaman serisi regresyonlarının R' 'leri.
See more

The list of books you might like

Most books are stored in the elastic cloud where traffic is expensive. For this reason, we have a limit on daily download.