10.1. Fonksiyonel Form için EViews Tablosueremrah.com/eviews/10-mkffs.pdf10. BÖLÜM: MODEL KURMA:...

download 10.1. Fonksiyonel Form için EViews Tablosueremrah.com/eviews/10-mkffs.pdf10. BÖLÜM: MODEL KURMA: FONKSİYONEL FORM SEÇİMİ Bu bölümde; Fonksiyonel Form için EViews Tablosu

If you can't read please download the document

Transcript of 10.1. Fonksiyonel Form için EViews Tablosueremrah.com/eviews/10-mkffs.pdf10. BÖLÜM: MODEL KURMA:...

  • 10. BLM: MODEL KURMA: FONKSYONEL FORM

    SEM

    Bu blmde;

    Fonksiyonel Form iin EViews Tablosu

    EViewsta Quasi 2 Hesaplanmas

    EViewsta Dorusal ve Log-Lin Modeller iin Quasi 2 Hesaplanmas

    EViewsta Katsay Kst Testleri

    Chow Yapsal Krlma Testi

    10.1. Fonksiyonel Form iin EViews Tablosu

    Dorusal modeller genellikle teori tarafndan ne srlen fonksiyonel formlara uymas bakmndan

    ok fazla kstl modellerdir.

    Aadaki tablonun son stunu alternatif fonksiyonel formlar iin doru EViews tanmlamalarn

    gstermektedir. Bu tabloyu yardmc olarak kullanabilirsiniz. Ancak unutulmamas gereken nokta

    tabloda Ynin baml deikeni X1 ve X2nin ise bamsz deikenleri gsterdiidir. Dikkat edilmesi

    gereken dier bir nokta teori aksini iddia etse de modellere sabit terim eklenmesi gerektiidir. Bir

    regresyon modeli tanmlamak ve tahmin etmek iin ak bir alma dosyasna ihtiya vardr. alma

    dosyas aldktan sonra EViewsta bir regresyon modeli tanmlamak iin alma dosyas men

    ubuundan Objects/New Object/Equation seilmeli ve Equation Specification ksmna uygun

    EViews tanmlamas girilmelidir1.

    1 Alternatif olarak ana menden Quick/Estimate Equation da seilebilir. Eer bu yntem kullanlmsa

    denklemi saklamak iin isimlendirmek gerekir. Denklem men ubuunda Name seeneini seip Name to identify object ksmna istenen ismi yazdktan sonra OKye tklayn.

    Emrah ER ASBF

    1

  • Fonksiyonel Form Denklem Tanm EViews Tanm

    Lineer = 0 + 11 + 22 y c x1 x2

    Log-Log = 0 + 11 + 22 log(y) c log(x1) log(x2)

    Lin-Log = 0 + 11 + 22 y c log(x1) log(x2)

    Log-Lin = 0 + 11 + 22 log(y) c x1 x2

    Polinom = 0 + 11 + 2(1)2 + 32 y c x1 x1^2 x2

    Ters = 0 + 1(1/1) + 22 y c 1/x1 x2

    Kukla = 0 + 11 + 21 y c x1 d1

    Kukla = 0 + 11 + 21 + 311 y c x1 d1 x1*d1

    10.2. EViewsta Quasi Hesaplanmas

    ki denklem arasnda 2 ve 2 kullanarak uyumun iyilii karlatrmas yaplrken baml

    deikenlerin ayn formda olmas gerekmektedir. rnein, dorusal bir model ile log-log veya log-lin

    bir model karlatrlrken 2 kullanlmas uygun deildir. Ancak dorusal bir model ile lin-log veya

    polinom formda veya ters fonksiyonel formda bir model karlatrlrken 2 kullanlabilir.

    Benzer biimde log-log bir model ile log-lin formundaki bir model karlatrlrken 2 kullanlabilir.

    Bu sreci ve Quasi- 2 hesaplamasn rneklendirmek iin araba ivmelenme verisi (cars7.xls)

    kullanlacaktr.

    Aada yer alan admlar baml deikenin S (arabann 0dan 60 mil hza ka saniyede kt) ve

    baml deikenin log(S) olduu iki farkl modelin uyum iyilii karlatrmasn rneklendirmektedir.

    Her iki modelde de bamsz deikenler ayndr.

    Emrah ER ASBF

    2

  • 10.3. EViewsta Dorusal ve Log-Lin Modeller in Quasi

    Hesaplanmas

    1. ADIM: Cars7.wk1 isimli dosyay an.

    2. ADIM: alma dosyas

    men ubuundan

    Object/New

    Object/Equation seeneini

    sein, Equation

    Specification ksmna

    srasyla S C T E P H yazn ve

    OKye tklayn.

    3. ADIM: Denklem men

    ubuundan Name

    seeneini sein, Name to

    identify object ksmna

    linear yazn ve OKye tklayn.

    linear isimli nesneyi minimize

    edin.

    4. ADIM: alma dosyas

    men ubuundan

    Object/New

    Object/Equation seeneini

    sein, Equation

    Specification ksmna

    srasyla log(S) C T E P H yazn

    ve OKye tklayn.

    Emrah ER ASBF

    3

  • 5. ADIM: Denklem men ubuundan Name seeneini

    sein, Name to identify object ksmna loglin yazn ve OKye tklayn.

    6. ADIM: Denklem men ubuundan

    Forecast seeneini sein, Series to

    forecast2 ksmnda Syi sein, Forecast

    name ksmna SF yazn, Output

    ksmndaki iki kutucuun onayn kaldrn

    (burada ma ngr serisi yaratmaktr,

    ngr yorumlamas yapmak deil) ve

    OKye tklayn. alma dosyas

    penceresinde SF adnda yeni bir seri

    oluacaktr.

    7, 8 ve 9. Admlar, bu regresyon iin Quasi- 2 hesaplamasn yapar.

    7. ADIM: Denklem penceresini minimize edin. alma dosyas men ubuunda Genr seeneini

    sein, Enter equation ksmna numerator=(S-SF)^2 yazn ve OKye tklayn (bu ilem Quasi- 2nin

    paynda yer alan toplanmam deikeni

    yaratmaktadr).

    8. ADIM: alma dosyas men ubuunda Genr

    seeneini sein, Enter equation ksmna

    denominator=(S-@mean(S))^2 yazn ve OKye tklayn

    (bu ilem Quasi- 2nin paydasnda yer alan

    toplanmam deikeni yaratmaktadr).

    9. ADIM: Quasi-2yi hesaplamak iin komut

    penceresine scalar quasir2=1-(@sum(numerator)/@sum(denominator)) komutunu girin ve ENTERa

    basn. quasir2 adnda yeni bir deiken alma dosyas penceresinde grnecektir. Bu deikene ift

    tkladnzda Quasi-2 durum ubuunda 0.783958974 olarak grntlenecektir. 9. Admda

    2 EViewstaki Forecast prosedr dntrlm baml deiken (buradaki durumda LOG(S)) veya orijinal

    deiken (buradaki durumda S) iin ngr yapma seenei sunmaktadr. Burada S seilmektedir nk Quasi-2 hesaplamas LOG(S)nin antilogunun alnarak Sye dntrlmesini gerektir (bu ilem @exp(LOG(S) komutu ile de gerekletirilebilir).

    Emrah ER ASBF

    4

  • hesaplanan Quasi-2 (0.78), 2. Admda dorusal model tahmininden elde edilen 2 (0.71) ile 5.

    Admda log-lin model tahmininden elde edilen 2 (0.81) arasnda bir deerdir.

    10.4. EViewsta Katsay Kst Testleri

    F-testi regresyon katsaylar ile ilgili birok hipotezin test edilmesinde kullanlabilmektedir. rnein,

    bir araba manel anzmana sahip olduunda ivmelenme hz 100 beygir gc eklenmi gibi

    artmaktadr (yani saatte 0dan 100 mile kma sresi azalmaktadr) gibi bir iddia olduunu varsayalm.

    = 9.22 0.79 + 7.9 + 0.00041 0.019 denklemine gre sylersek, ye ait katsaynn

    mutlak deeri ye ait katsaynn mutlak deerinden 100 kat byktr. Tahmin edilmi katsay

    deerlerine bakarak bu hipotezi dorudan reddedebiliriz nk ye ait katsaynn mutlak deeri

    ye ait katsaynn mutlak deerinden 41.5 kat byktr. Ancak bu katsaylar sadece tahmin

    deerleridir. ye ait katsaynn mutlak deeri ye ait katsaynn mutlak deerinden 100 kat

    byktr bo hipotezini F-testi ile test etmek iin aadaki admlar izleyin.

    1. ADIM: Cars7.wk1 isimli dosyay an.

    2. ADIM: Denklem men ubuundan Objects/New Object/Equation seeneini sein, Equation

    Specification ksmna srasyla S C T E P H yazn ve OKye tklayn.

    3. ADIM: Denklem men ubuundan Name seeneini sein, Name to identify object ksmna

    EQ01 yazn ve OKye tklayn.

    3. ADIM: Denklem men ubuundan View/Coefficients Tests/Wald-Coefficient Restrictions

    seeneini sein, Coefficients separated by commas ksmna -C(2)=-100*C(5) yazn ve OKye

    tklayn. Bu ilem aadaki kty oluturacaktr3.

    3 Katsaylar C(1), C(2), vs. eklinde girilmelidir (seri isimleri kullanlmamaldr). oklu katsay kstlar birbirinden

    virgl ile ayrlmaldr ve kstlar tahmin edilmi katsaylar ve/ya sabit terim ieren denklemler eklinde olmaldr.

    Emrah ER ASBF

    5

  • 2. Admda elde edilen tahmin ktsnda ikinci katsay Tye ve beinci katsay ise Hye ait olduundan

    bo hipotez -C(2)=-100*C(5) eklindedir. F-istatistii kstlar geerli ve geersiz olduunda elde edilen

    hata kareleri toplamndan hesaplanmaktadr. Eer kstlar geerli ise F-deeri dk olmaldr. Wald

    Testi Sonu Tablosuna gre %5 anlamllk dzeyinde bo hipotez reddedilemez. Hesaplanan F-

    istatistii 2.49 kritik F-deeri 4.14den kktr. Kritik F-deeri istatistik tablolarda payda 1 serbestlik

    derecesi, payda da ise 33 serbestlik derecesi (30 ile 40 arasnda bir deer) eklinde aranarak veya

    EViewsta deeri hesaplanarak bulunabilir4.

    Rapor edilen istatistik F-testinin marjinal anlamllk dzeyidir. Bu sonu bo hipotezi redderek

    yaplacak hata olaslnn %12.44'den az olacan syler.

    Ki-kare istatistii F-istatistii ile test edilen kst says arpmna eittir. Bu rnekte bir kst vardr

    dolaysyla iki test istatistii de ayndr ve ayn p-deerlerine sahiptir. Her iki istatistik de ye ait

    katsaynn mutlak deeri ye ait katsaynn mutlak deerinden 100 kat byktr bo hipotezini %10

    anlamllk dzeyinde reddedemeyeceimizi syler. 2 iin %10 anlamllk dzeyi kritik deerinin

    istatistiki tablolardan 2.71 olduu grlebilir.

    4 Bu problem iin EViewsta %5 anlamllk dzeyinde kritik F-deerini hesaplamak iin komut penceresine

    =@qfdist(0.95,1,eq01.@regobs-eq01.@ncoefs) komutunu yazn ve ENTERa basn. Bu ilem durum ubuunda kritik deerin grntlenmesini salayacaktr. %10 anlamllk dzeyi iin ise =@qfdist(0.90,1,eq01.@regobs-eq01.@ncoefs) komutunu kullann.

    Emrah ER ASBF

    6

  • 10.5. Chow Yapsal Krlma Testi

    Chow Yapsal Krlma Testi veri iki ayr alt rnekleme bler. Ardndan her alt rneklem iin ayn

    denklemi tahmin edere ve tahmin edilen denklemler arasnda fark olup olmadn inceler. Anlaml bir

    deiiklik, ilikide gerekleen yapsal bir deiime iaret eder.

    1976 ylnda tavuk talebinde yapsal deiim gerekleip gereklemediinin Chow testi uygulanarak

    tespit edilmesi iin aadaki admlar takip edin.

    1. ADIM: Chick6.wf1 isimli dosyay an.

    2. ADIM: Denklem men ubuundan Objects/New Object/Equation seeneini sein, Equation

    Specification ksmna srasyla Y C PC PB YD yazn ve OKye tklayn.

    3. ADIM: Denklem men ubuundan Name seeneini sein, Name to identify object ksmna

    EQ01 yazn ve OKye tklayn.

    4. ADIM: Denklem men ubuundan View/Stability Tests/Chow Breakpoint Test seeneini

    sein, Enter one or more breakpoint dates ksmna 1976 yazn ve OKye tklayn. Bu ilem

    aadaki sonu tablosunu oluturacaktr.

    EViews Chow Yapsal Krlma Testi iin iki test istatistii sunmaktadr. F-istatistii kstl ve kstsz hata

    kareleri toplam zerine kurulmaktadr. EViews F-istatistiini = 12 +1

    1+2 1+222

    formln kullanarak gerekletirmektedir. Buradaki durumda hesaplanan F-istatistii 4.54 kritik F-

    istatistii deeri olan 2.63 amaktadr dolaysyla %5 anlamllk dzeyinde yapsal bir deiim yoktur

    bo hipotezi reddedilir. Kritik F-deeri istatistiki tablolarda payda 4, paydada ise 36 serbestlik derecesi

    iin baklarak bulunabilir. Kritik deer istenirse EViewsta da hesaplanabilir5.

    5 EViewsta %5 anlamllk dzeyinde kritik F-deerini hesaplamak iin komut penceresine

    =@qfdist(0.95,eq01.@ncoef,eq01.@regobs-2*eq01.@ncoef) komutunu yazn ve ENTERa basn. Bu ilem durum ubuunda kritik deerin grntlenmesini salayacaktr

    Emrah ER ASBF

    7

  • Rapor edilen olaslk F-testinin marjinal anlamllk dzeyidir. Bu sonu bo hipotezi redderek yaplacak

    hata olaslnn %0.4498'den az olacan syler.

    Log olabilirlik oran istatistii ise log-olabilirlik fonksiyonun kstl ve kstsz maksimumlarnn

    karlatrlmas zerine kuruludur. LR test istatistii yapsal deiim yoktur bo hipotezi altnda (m-

    1)*(k+1) serbestlik derecesi ile asimptotik 2 dalmna sahiptir (burada m alt rneklem says, k ise

    modelde yer alan bamsz deiken saysdr). Hesaplanan LR istatistii 17.98, %5 anlamllk

    dzeyinde 9.49u, %1 anlamllk dzeyinde ise 13.28i amaktadr. Dolaysyla yapsal deiim

    olmamtr bo hipotezi reddedilebilir.

    Rapor edilen olaslk 2 testinin marjinal anlamllk dzeyidir. Bu sonu bo hipotezi redderek

    yaplacak hata olaslnn %0.1245'den az olacan syler.

    Emrah ER ASBF

    8