EKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ...
Transcript of EKONOMETRİ I E-VİEWS UYGULAMALI VE ÇÖZÜMLÜ...
ÖZKOÇ –VAN 1
EKONOMETRİ I
E-VİEWS UYGULAMALI VE
ÇÖZÜMLÜ SORULAR
HATİCE ÖZKOÇ – HANİFİ VAN
ÖZKOÇ –VAN 2
1980-2002 dönemine ait tavuk eti talebini incelemek amacıyla aşağıdaki değişkenler elde edilmiştir. Y: Kişi başına tavuk eti tüketimi X2: Kişi başına reel harcanabilir gelir ($) X3: Tavuk eti fiyatı ($) X4: Balık eti fiyatı X5: Kırmızı et fiyatı X6: Tavuk eti yerine geçebilecek besinlerin bileşik reel fiyatı Y X2 X3 X4 X5 X6 27.8 397.5 42.2 50.7 78.3 65.8 29.9 413.3 38.2 52 79.2 66.9 29.8 439.2 40.3 54 79.2 67.8 30.8 459.7 39.5 55.3 79.2 69.6 31.2 492.9 37.3 54.7 77.4 68.7 33.3 528.6 38.1 63.7 80.2 73.6 35.6 560.3 39.3 69.8 80.4 76.3 36.4 624.6 37.8 65.9 83.9 77.2 36.7 666.4 38.4 64.5 85.5 78.1 38.4 717.8 40.1 70 93.7 84.7 40.4 768.2 38.6 73.2 106.1 93.3 40.3 843.3 39.8 67.8 104.8 89.7 41.8 911.6 39.7 79.1 114 100.7 40.4 931.1 52.1 95.4 124.1 113.5 40.7 1021.5 48.9 94.2 127.6 115.3 40.1 1165.9 58.3 123.5 142.9 136.7 42.7 1349.6 57.9 129.9 143.6 139.2 44.1 1449.4 56.5 117.6 139.2 132 46.7 1575.5 63.7 130.9 165.5 132.1 50.6 1759.1 61.6 129.8 203.3 154.4 50.1 1994.2 58.9 128 219.6 174.9 51.7 2258.1 66.4 141 221.6 180.8 52.9 2478.7 70.4 168.2 232.6 198.4 Kaynak: Gujarati, D. (1999). Temel Ekonometri (ss:228).
ÖZKOÇ –VAN 3
Bu işlem yapıldıktan karşınıza yeni bir pencere gelecektir. Yeni çalışma sayfası oluşturulmadan önce aşağıdaki pencerede verimiz zaman serisi ve yıllık olduğundan aşağıdaki işlemler yapılır.
Zaman aralığı
ÖZKOÇ –VAN 4
Veri girişi yapmak için aşağıda işlem uygulanır.
Yeni
ÖZKOÇ –VAN 5
Yeni açılan bu sayfaya veriler kopyalanıp yapıştırılır.(Evews ondalık olarak nokta (.) işaritini kullanmaktır virgül (,) olması durumunda hata verecektir.) Bu serilerin logaritmasını almak için aşağıdaki formül yazılır ve “enter” tuşuna basılır. Logararitma almanın 2. bir yolu:
ÖZKOÇ –VAN 6
1 2 2 3 3 4 4 5 5log( ) log( ) log( ) log( ) log( )y x x x xβ β β β β= + + + + modelini kurmak için 1. yol: önce bağımlı değişken(Y ) seçilir daha sonra “ctrl” tuşu basılı iken diğer
değişkenler seçilir. Ve farenin sağ tuşu tıklanarak “as Equation” seçilir.
ÖZKOÇ –VAN 7
ÖZKOÇ –VAN 8
Tamam dendikten sonra…
2. yol:
ÖZKOÇ –VAN 9
Takip eden soruları cevaplayınız.
ÖZKOÇ –VAN 10
SORU 1) Tavuk eti talep fonksiyonu aşağıdaki biçimde elde edilmiştir. Dependent Variable: LOG(Y) Method: Least Squares Date: 11/09/10 Time: 11:55 Sample: 1980 2002 Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 2.190951 0.155851 14.05794 0.0000LOG(X2) 0.341437 0.083383 4.094818 0.0007LOG(X3) -0.505020 0.110919 -4.553055 0.0002LOG(X4) 0.148854 0.099674 1.493416 0.1527LOG(X5) 0.092528 0.100875 0.917249 0.3711
R-squared 0.982325 Mean dependent var 3.663887Adjusted R-squared 0.978397 S.D. dependent var 0.187659S.E. of regression 0.027582 Akaike info criterion -4.153655Sum squared resid 0.013694 Schwarz criterion -3.906809Log likelihood 52.76704 F-statistic 250.0983Durbin-Watson stat 1.826937 Prob(F-statistic) 0.000000
Elde edilen bu modelde Balık eti fiyatının (X4) ve Kırmızı et fiyatının (X5) gerçektende modelde olması gerekip gerekmediğini araştırmak için aşağıdaki ikinci model elde edilmiştir. Verilen her iki modeli dikkate alarak talep fonksiyonunda bu değişkenin bulunup bulunmamasını test ediniz, sonucu yorumlayınız. Dependent Variable: LOG(Y) Method: Least Squares Sample: 1980 2002 Included observations: 23
Variable Coefficient Std. Error t-Statistic Prob.
C 2.033097 0.116223 17.49301 0.0000LOG(X2) 0.451310 0.024662 18.29993 0.0000LOG(X3) -0.371890 0.063413 -5.864561 0.0000
R-squared 0.980074 Mean dependent var 3.663887Adjusted R-squared 0.978081 S.D. dependent var 0.187659S.E. of regression 0.027783 Akaike info criterion -4.207672Sum squared resid 0.015438 Schwarz criterion -4.059565Log likelihood 51.38823 F-statistic 491.8487Durbin-Watson stat 1.877339 Prob(F-statistic) 0.000000
MODEL B
MODEL A
ÖZKOÇ –VAN 11
MODEL A sınırlanmamış modeldir. MODEL B ise sınırlanmış modeldir. LOG(X4) ve LOG(X5) değişkenlerinin gerekliliği F testi ile sınanacaktır.
0 4 5
1
: 0: 0i
HH
β ββ
= =≠
1
2
0.05,1,19
0.05223 5 18
4.41
ffF
α === − =
=
2 2
12
2
/ 0.982 0.980 / 2 0.001 1(1 ) / (1 0.982) /18 0.001
SM SRhes
SM
R R fFR f− −
= = = =− −
hes tabF F<
0H hipotezi red edilemez. Yani Modelde X4 ve X5 değişkenleri gereksiz bulunmuştur.
ÖZKOÇ –VAN 12
SORU 2) Tavuk eti talep fonksiyonu MODEL A ile verilen biçimde elde edilmiştir. Talep fonksiyonunda yer alan balık eti fiyatı (X4) ve kırmızı et fiyatının (X5) tavuk eti tüketimini aynı düzeyde etkilediği düşünülmektedir. Bu düşünceyi gerekli hipotez testi ile test edip yorumlayınız. Katsayılara ilişkin varyans – kovaryans matrisi aşağıda verilmektedir. C LOG(X2) LOG(X3) LOG(X4) LOG(X5)
C 0.024 -0.0079 -0.015 0.010 0.007 LOG(X2) -0.007 0.007 0.006 -0.007 -0.007 LOG(X3) -0.015 0.006 0.012 -0.008 -0.007 LOG(X4) 0.010 -0.007 -0.008 0.010 0.005 LOG(X5) 0.007 -0.007 -0.007 0.005 0.010
LOG(X4) ve LOG(X5) değişkenlerinin parametrelerinin eşitliği t-testi ile sınanacaktır.
0 4 5
1 4 5
::
HH
β ββ β
=≠
0.05,18
0.05: 23 5 18
2.101sdt
α =− ==
4 5
4 5
ˆ ˆ( ) (0.148854 0.092528) 0.0563 0.563ˆ ˆ 0.10.010 0.010 2(0.005)( )hesb bt
s b b− −
= = = =+ −−
hes tabt t<
0H hipotezi red edilemez. Yani Modelde X4 ve X5 değişkenlerinin parametreleri eşit çıkmıştır. Tavuk eti talebine balık ve kırmızı et fiyatları aynı düzeyde etki etmektedir.
ÖZKOÇ –VAN 13
SORU 3) 1997 yılında yaşanan ilk kuş gribi vakasının tavuk eti talebi üzerine etkilerini incelemek amacıyla aşağıdaki iki model elde edilmiştir. Buna göre tavuk eti talebi bu süreçten etkilenmiş midir? Gerekli testi yaparak yorumlayınız. Dependent Variable: LOG(Y) Method: Least Squares Sample: 1980 1996 Included observations: 17
Variable Coefficient Std. Error t-Statistic Prob.
C 2.365249 0.263757 8.967519 0.0000LOG(X2) 0.341588 0.106272 3.214286 0.0074LOG(X3) -0.565370 0.142329 -3.972287 0.0019LOG(X4) 0.176540 0.121262 1.455852 0.1711LOG(X5) 0.077456 0.147414 0.525429 0.6089
R-squared 0.974561 Mean dependent var 3.581609Adjusted R-squared 0.966081 S.D. dependent var 0.139213S.E. of regression 0.025639 Akaike info criterion -4.249483Sum squared resid 0.007888 Schwarz criterion -4.004420Log likelihood 41.12060 F-statistic 114.9284Durbin-Watson stat 2.007920 Prob(F-statistic) 0.000000
Dependent Variable: LOG(Y) Method: Least Squares Sample: 1997 2002 Included observations: 6
Variable Coefficient Std. Error t-Statistic Prob.
C 1.762689 0.559641 3.149677 0.1957LOG(X2) -0.041296 0.172134 -0.239906 0.8501LOG(X3) 0.144439 0.341005 0.423568 0.7449LOG(X4) 0.030058 0.294270 0.102144 0.9352LOG(X5) 0.322854 0.126463 2.552947 0.2377
R-squared 0.982395 Mean dependent var 3.897006Adjusted R-squared 0.911977 S.D. dependent var 0.068583S.E. of regression 0.020348 Akaike info criterion -5.076794Sum squared resid 0.000414 Schwarz criterion -5.250327Log likelihood 20.23038 F-statistic 13.95075Durbin-Watson stat 3.623840 Prob(F-statistic) 0.197856
MODEL C
MODEL D
ÖZKOÇ –VAN 14
MODEL A tüm dönemi kapsamaktadır MODEL C 1980-1996 dönemini kapsamaktadır MODEL D 1997-2002 dönemini kapsamaktadır
0
1
: İki denklem birbirinin aynıdır: İki denklem birbirinden farklıdır
HH
1
2
0.05,5,13
0.05517 6 2 5 13
3.03
ffF
α === + − × =
=
[ ]
2 2 21 2 1
2 21 2 2
( ) /( ) /
0.013694 (0.007888 0.000414) / 5 0.001 1.566(0.007888 0.000414) /13 0.00006
phes
e e e fF
e e f
⎡ ⎤Σ − Σ +Σ⎣ ⎦=Σ + Σ
− += = =
+
hes tabF F<
0H hipotezi red edilemez. Yani yaşanan sürecin tavuk talebi üzerinde herhangi bir etkisi olmamıştır.
ÖZKOÇ –VAN 15
SORU 4) 1980-1983 dönemine ait tavuk talebi fonksiyonu elde edilmek istenmektedir. Ancak 4 gözlemin olduğu bu süreçte 5 parametreli bir model tahmin edilememektedir. Bunun yerine 1984-2002 dönemine ait aşağıdaki model elde edilmiştir. Buna göre her iki sürece ait modelin aynı olup olmadığını gerekli testi yaparak araştırınız ve yorumlayınız. Dependent Variable: LOG(Y) Method: Least Squares Sample: 1984 2002 Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob.
C 2.133660 0.189135 11.28112 0.0000LOG(X2) 0.307787 0.102914 2.990716 0.0097LOG(X3) -0.403603 0.172891 -2.334437 0.0350LOG(X4) 0.082593 0.136064 0.607014 0.5536LOG(X5) 0.133600 0.124976 1.069006 0.3032
R-squared 0.967102 Mean dependent var 3.722341Adjusted R-squared 0.957702 S.D. dependent var 0.148287S.E. of regression 0.030497 Akaike info criterion -3.921417Sum squared resid 0.013021 Schwarz criterion -3.672880Log likelihood 42.25346 F-statistic 102.8888Durbin-Watson stat 1.517474 Prob(F-statistic) 0.000000
MODEL A tüm dönemi kapsamaktadır MODEL E uzun dönemi (yani 1984 - 2002) dönemini kapsamaktadır.
0
1
: İki denklem birbirinin aynıdır: İki denklem birbirinden farklıdır
HH
1
2
0.05,4,14
0.05419 5 14
3.11
ffF
α === − =
=
( ) ( )2 2
12
2
/ 0.013694 0.013021 / 40.181
/ 0.013021/14p u
hesu
e e fF
e fΣ −Σ −
= = =Σ
hes tabF F<
0H hipotezi red edilemez. Yani her iki dönem denklemleri aynıdır.
MODEL E
ÖZKOÇ –VAN 16
SORU 5) 1980-2002 dönemine ait tavuk talebi fonksiyonunu ele alalım. Araştırmacı talep fonksiyonunda talep edilen katsayıların kararlılığını incelemektedir. 1984-2002 dönemine ait model tahmini aşağıdaki gibi bulunmuştur. Buna göre örnek büyüklüğü arttırıldığında modelin aynı kalıp kalmadığını test edip, yorumlayınız. Dependent Variable: LOG(Y) Method: Least Squares Sample: 1984 2002 Included observations: 19
Variable Coefficient Std. Error t-Statistic Prob.
C 2.133660 0.189135 11.28112 0.0000LOG(X2) 0.307787 0.102914 2.990716 0.0097LOG(X3) -0.403603 0.172891 -2.334437 0.0350LOG(X4) 0.082593 0.136064 0.607014 0.5536LOG(X5) 0.133600 0.124976 1.069006 0.3032
R-squared 0.967102 Mean dependent var 3.722341Adjusted R-squared 0.957702 S.D. dependent var 0.148287S.E. of regression 0.030497 Akaike info criterion -3.921417Sum squared resid 0.013021 Schwarz criterion -3.672880Log likelihood 42.25346 F-statistic 102.8888Durbin-Watson stat 1.517474 Prob(F-statistic) 0.000000
0
1
: (Parametreler değişmemiştir): (Parametreler değişmiştir)
i i
i i
H bH b
ββ
=≠
1
2
0.05,12,6
0.05419 5 14
3.11
ffF
α === − =
=
( ) ( )2 2
1 121 2
/ 0.013694 0.013021 /120.026
/ 0.013021/ 6hes
e e fF
e fΣ −Σ −
= = =Σ
hes tabF F<
0H hipotezi red edilemez. Yani her iki dönem denklemleri aynıdır.
MODEL E
ÖZKOÇ –VAN 17
NORMAL DAĞILIM SORU 6) Aşağıda verilen regresyon modeli tahminlenmiş ve hatalara ilişkin eğiklik ile basıklık katsayıları elde edilmiştir. Buna göre hataların normal dağılıp dağılmadığını test ediniz.
1 2 2 3 3 4 4 5 5log( ) log( ) log( ) log( ) log( )y x x x xβ β β β β= + + + +
33 0.421E μ
σ= =
44 2.368B μ
σ= =
0
1
: ' ler normal dağılımlıdır: ' ler normal dağılımlı değildir
i
i
H uH u
( )
[ ]
22 2 20.421( 3) (2.368 3)236 24 6 24
23 0.0295 0.0166 1.0603
E BJB n⎡ ⎤⎡ ⎤− −
= + = +⎢ ⎥⎢ ⎥⎢ ⎥⎣ ⎦ ⎣ ⎦
= + =
221.06 5.99JB χ= > =
0H hipotezi reddedilemez, hata terimleri normal dağılıma sahiptir.
ÖZKOÇ –VAN 18
ÖZKOÇ –VAN 19
ÖZKOÇ –VAN 20
SORU 7: Aşağıda verilen regresyon modelinde çoklu doğrusal bağlantı sorunu olup olmadığını varyans büyütme faktörü yardımıyla inceleyiniz.
1 2 2 3 3 4 4 5 5log( ) log( ) log( ) log( ) log( )y x x x xβ β β β β= + + + +
ÖZKOÇ –VAN 21
2 3 4 5
1 2X ,X X X
1 1VIF 66.67 51 R 1 0.985
= = = >− −
Çoklu doğrusal bağlılık önemlidir.
ÖZKOÇ –VAN 22
3 2 4 5
2 2X ,X X X
1 1VIF 17.54 51 R 1 0.943
= = = >− −
Çoklu doğrusal bağlılık önemlidir.
4 2 3 5
3 2X ,X X X
1 1VIF 41.67 51 R 1 0.976
= = = >− −
Çoklu doğrusal bağlılık önemlidir.
ÖZKOÇ –VAN 23
5 2 3 4
4 2X ,X X X
1 1VIF 41.67 51 R 1 0.976
= = = >− −
Çoklu doğrusal bağlılık önemlidir.
ÖZKOÇ –VAN 24
SORU 8) Aynı örnek için çoklu doğrusal bağlantı sorununu yardımcı regresyon modelleri yardımıyla inceleyiniz.
0
1
: Çoklu doğrusal bağlantı yoktur: Çoklu doğrusal bağlantı vardır
HH
0.05,( 2),( 1) 0.05,(5 2),(23 5 1) 0.05,3,19 3.13k n kF F F− − + − − += = =
i 1 2 k
i 1 2 k
2X ,X X ...X
i 2X ,X X ...X
R /(k 2)F
(1 R ) /(n k 1)−
=− − +
2 tab0.985 /(5 2)F 415.467 F
(1 0.985) /(23 5 1)−
= = >− − +
0H reddedilir, çoklu doğrusal bağlantı var.
3 tab0.943/(5 2) 0.314F 104.67 F
(1 0.943) /(23 5 1) 0.003−
= = = >− − + 0H reddedilir, çoklu doğrusal bağlantı var.
4 tab0.976 /(5 2) 0.325F 325 F
(1 0.976) /(23 5 1) 0.001−
= = = >− − + 0H reddedilir, çoklu doğrusal bağlantı var.
5 tab0.976 /(5 2) 0.325F 325 F
(1 0.976) /(23 5 1) 0.001−
= = = >− − + 0H reddedilir, çoklu doğrusal bağlantı var.
ÖZKOÇ –VAN 25
SORU 9) Aynı örnek için çoklu doğrusal bağlantı sorununu Klein kriteri yardımıyla inceleyiniz.
Daha sonra yardım regresyon denklemi kurulur.
Yardımcı regresyon denklemi için daha önce bağımsız değişken olan X2 bağımlı değişken olarak seçilir ve daha sonra “Ctrl” tuşu basılıyken X3, X4 ve X5 seçilir.
ÖZKOÇ –VAN 26
0.985>0.982 Çoklu doğrusal bağlantı önemli
0.943<0.982 Çoklu doğrusal bağlantı önemli değil
ÖZKOÇ –VAN 27
0.976 < 0.982 Çoklu doğrusal bağlantı önemli değil
ÖZKOÇ –VAN 28
0.976 < 0.982 Çoklu doğrusal bağlantı önemli değil
ÖZKOÇ –VAN 29
SORU 10) Aynı örnek için çoklu doğrusal bağlantı sorununu Theil – m ölçüsü yardımıyla inceleyiniz.
X2 değişkeni modelden çıkarıldıktan sonra model tekrar kurulur.
X3 değişkeni modelden çıkarıldığında
ÖZKOÇ –VAN 30
ÖZKOÇ –VAN 31
( ) ( ) ( ) ( )( ) ( ) ( ) ( )
2 2 2 2 2 2 2 2 21 2 3 4m R R R R R R R R R
0.982 0.982 0.966 0.982 0.962 0.982 0.980 0.982 0.981
0.943
⎡ ⎤= − − + − + − + −⎣ ⎦= − − + − + − + −⎡ ⎤⎣ ⎦=
m sıfıra yakın bir değer olmadığı için çoklu doğrusal bağlantı söz konusudur.
ÖZKOÇ –VAN 32
FARKLI VARYANS SORU 13) Model A ile adlandırılan regresyon modelinden elde edilen log( )y ve 2e grafik üzerinde aşağıdaki gibi yer almaktadır. Buna göre değişen varyans olup olmadığı hakkında ne söylenebilir?
1 2 2 3 3 4 4 5 5log( ) log( ) log( ) log( ) log( )y x x x xβ β β β β= + + + +
.0000
.0004
.0008
.0012
.0016
.0020
.0024
3.3 3.4 3.5 3.6 3.7 3.8 3.9 4.0
LOGYTAHMIN
ANAM
OD
ELH
ATA
KAR
E
Bu grafiği elde etmek için ilk model kurulmalı ardından hata terimleri ve y tahmin değerleri oluşturulmalıdır.
ÖZKOÇ –VAN 33
1. aşama:
2. aşama
ÖZKOÇ –VAN 34
ÖZKOÇ –VAN 35
ÖZKOÇ –VAN 36
ÖZKOÇ –VAN 37
ÖZKOÇ –VAN 38
Grup penceresi kapatılır. Bu grubu silmek istiyor musunuz ? sorusuna evet cevap verdikten sonra anamodelhata ve logytahmin değişkenlerimiz oluşmuştur. 3.aşama Anamodelhakare değişkeninin karesini olmak için aşağıdaki işlem yapılır.
ÖZKOÇ –VAN 39
Yeni değişken
ÖZKOÇ –VAN 40
ÖZKOÇ –VAN 41
ÖZKOÇ –VAN 42
Grafiğe göre değişen varyans söz konusudur.
ÖZKOÇ –VAN 43
SORU 14) Aşağıda verilen modelde farklı varyans olup olmadığını sıra korelasyonu testi ile araştırınız.
bu işlem excel ile yapılmıştır
ÖZKOÇ –VAN 44
LOGY LOGX3 SIRAHATA LOGX3SIRA SIRAHATASIRA Di Di^23.3250 3.7424 -0.0833 13 1 12 144 3.3979 3.6428 -0.0229 4 9 -5 25 3.3945 3.6964 -0.0458 12 3 9 81 3.4275 3.6763 -0.0274 8 7 1 1 3.4404 3.6190 -0.0368 1 5 -4 16 3.5056 3.6402 0.0060 3 14 -11 121 3.5723 3.6712 0.0541 7 21 -14 196 3.5946 3.6323 0.0416 2 18 -16 256 3.6028 3.6481 0.0290 5 16 -11 121 3.6481 3.6914 0.0505 11 20 -9 81 3.6988 3.6533 0.0796 6 23 -17 289 3.6964 3.6839 0.0472 10 19 -9 81 3.7329 3.6814 0.0588 9 22 -13 169 3.6988 3.9532 0.0180 15 15 0 0 3.7062 3.8898 -0.0043 14 13 1 1 3.6914 4.0656 -0.0614 18 2 16 256 3.7542 4.0587 -0.0455 17 4 13 169 3.7865 4.0342 -0.0360 16 6 10 100 3.8437 4.1542 -0.0055 21 12 9 81 3.9240 4.1207 0.0395 20 17 3 9 3.9140 4.0758 -0.0106 19 11 8 64 3.9455 4.1957 -0.0190 22 10 12 144 3.9684 4.2542 -0.0259 23 8 15 225
2630
0
1
: 0: 0
HH
ρρ=≠
0.05α = 2 23 2 21 2.08tabsd n t= − = − = =
2
2 2
26301 6 1 6 0.299( 1) 23(23 1)
is
drn n⎡ ⎤⎧ ⎫ ⎡ ⎤Σ
= − = − = −⎨ ⎬⎢ ⎥ ⎢ ⎥− −⎩ ⎭ ⎣ ⎦⎣ ⎦
2
2 0.299 21 1.2011 ( 0.299)1
shes
s
r ntr− −
= = = −− −−
hes tabt t< 0H hipotezi reddedilemez, farklı varyans yoktur, eşit varyans varsayımı gerçekleşmektedir.
ÖZKOÇ –VAN 45
SORU 15) Aşağıda verilen modelde farklı varyans olup olmadığını Goldfeld – Quandt testi ile araştırınız.
ÖZKOÇ –VAN 46
logy logx3 3.4404 3.6190 3.5946 3.6323 3.5056 3.6402 3.3979 3.6428 3.6028 3.6481 3.6988 3.6533 3.5723 3.6712 3.4275 3.6763 3.7329 3.6814
Birinci alt grup ANOVA
df SS MS F Regresyon 1 0.015756695 0.015757 1.134843963 Fark 7 0.097191215 0.013884 Toplam 8 0.112947909
3.6964 3.6839 3.6481 3.6914 3.3945 3.6964 3.3250 3.7424 3.7062 3.8898
Çıkarılan gözlemler
3.6988 3.9532 3.7865 4.0342 3.7542 4.0587 3.6914 4.0656 3.9140 4.0758 3.9240 4.1207 3.8437 4.1542 3.9455 4.1957 3.9684 4.2542
İkinci alt grup ANOVA
df SS MS F Regresyon 1 0.060451 0.060451 13.29846 Fark 7 0.03182 0.004546 Toplam 8 0.092271
0
1
: 'ler eşit varyanslıdır: 'ler eşit varyanslı değildir
i
i
H uH u
( )1 2 2 / 2 (23 5 2 2) 14
2.46tab
f f n c kF= = − − = − − × =
=
2221
0.032 0.330 2.460.097hes tab
eF Fe
Σ= = = < =Σ 0H hipotezi reddedilemez, farklı
varyans yoktur, eşit varyans varsayımı gerçekleşmektedir.
ÖZKOÇ –VAN 47
UYGULAMA II. 1959 – 1989 döneminde ABD’nin Oregon eyaletinin kereste üretimine ilişkin elde edilen veriler aşağıda verilmektedir. HARVEST EXPORTS HOUSTART INDPROD PRODPRIC TIMBPRIC5.121 1.757 1.554 4.750 3.160 3.680 5.160 1.836 1.296 4.930 3.170 3.200 5.679 1.877 1.365 5.520 3.160 2.760 6.329 1.469 1.493 5.520 3.170 2.480 6.795 2.974 1.635 5.840 3.160 2.800 7.742 3.712 1.561 6.200 3.160 3.810 8.018 2.829 1.510 6.660 3.230 4.260 7.865 3.886 1.196 7.190 3.330 5.000 7.714 5.023 1.322 7.200 3.340 4.170 7.425 6.526 1.545 7.590 3.420 6.730 7.859 5.615 1.500 8.190 3.560 8.220 7.166 6.369 1.469 8.100 3.690 4.190 8.047 5.174 2.085 8.450 3.810 4.910 8.426 7.299 2.379 9.190 3.980 7.170 8.374 8.059 2.058 9.840 4.500 13.810 7.551 7.658 1.353 9.760 5.350 20.240 7.126 7.981 1.171 8.480 5.840 16.950 7.929 9.441 1.548 9.640 6.110 17.620 8.102 8.887 1.990 10.000 6.490 22.590 8.015 9.314 2.023 10.680 6.990 25.030 7.694 9.836 1.749 11.080 7.870 34.430 6.639 9.327 1.313 11.060 8.980 43.220 5.695 6.713 1.100 11.240 9.800 35.020 5.758 9.709 1.072 10.040 10.000 11.820 7.464 8.517 1.713 11.980 10.130 16.160 7.550 9.331 1.756 12.720 10.370 13.290 8.127 11.125 1.745 12.760 10.320 12.620 8.743 10.415 1.805 13.650 10.020 16.070 8.215 11.041 1.621 14.440 10.280 10.020 8.615 13.874 1.488 15.030 10.690 25.600 8.186 12.572 1.550 15.570 10.870 38.980 Kaynak: Ramanathan, R. Introductory Econometrıcs Wıth Applıcatıons (Data 6-5) Harvest: Exports: Houstart: Indprod: Timbpric: Prodpric: Takip eden soruları cevaplayınız.
ÖZKOÇ –VAN 48
SORU 1) Aşağıda verilen regresyon modelinde farklı varyans sorunu olup olmadığını Breusch – Pagan Testi yardımıyla inceleyiniz.
0 2 3
1
: 0 (Eşit varyans): 0 (i=2,3,...,m)(Farklı varyans)
m
i
H a a aH a
= = = =∀ ≠
2i2 e 0.288 0.009
n 31σ = = =∑
bu değeri elde etmek için hatakareler değeri n sayısına
bölünmelidir.
ÖZKOÇ –VAN 49
2σ = sigmakare
Toplam hata kareler
ÖZKOÇ –VAN 50
ÖZKOÇ –VAN 51
2i
i 2
epσ
=
Pi değerini elde etmek için:
(ei yerine “hata” denilmiştir.)
ÖZKOÇ –VAN 52
pi pi 4.24 0.83 2.45 1.44 1.48 0.86 0.20 0.09 0.02 0.00 1.83 0.01 2.71 0.13 4.27 2.37 1.98 2.39 0.30 0.77 1.20 1.36 0.02 0.17 0.04 0.02 0.06 0.37 0.10 0.33 0.00 Pi değişkeni elde edildikten sonra bu değişkenin bağımlı değişkenin olduğu aşağıdaki model oluşturulur.
1 2 2 3 3
1 2 3 4log( ) log( ) log( )
i i i m mi i
i i
i i
p a a Z a Z a Z vZ Xp a a houstart a indprod a timbpric v
= + + + + +
== + + + +
ÖZKOÇ –VAN 53
-elde ettiğimiz pi değeri bağımlı değişken yapılarak model tekrar elde edilir.
ÖZKOÇ –VAN 54
2
2
23.6021.78
0.48
eRBD
R
⎫= ⎪ =⎬= ⎪⎭
∑
1 2(RBD) 10.89φ = =
2 2m 1 3,0.05 7.81χ χ− = =
2 2hes tabχ χ> 0H reddedilir, farklı varyans söz konusudur.
SORU 2) Aynı örneği Glejser Farklı varyans testi ile yapınız. (Ek Bilgi: Indpro bağımsız değişkeni ile 2
iσ arasında ilişki olduğu düşünülmektedir.)
ÖZKOÇ –VAN 55
i i 2 ie a a log(Indpro) v= + +
0 2
1 2
: 0: 0
H aH a
=≠
Yeni oluşturulacak seriye vermek istediğiniz isim
Mutlak değeri alınmak istenen seri
Yapılacak işlem (mutlak
Son olarak “enter” tuşuna basıldığında yeni seri oluşacaktır
0.0078 0.05prob = <
0H reddedilir, farklı varyans söz konusudur.
ÖZKOÇ –VAN 56
SORU 3) Aynı örneği White testi ile yapınız.
( )( ) ( )
2 21 2 3 4 5
2 26 7 8
9 10
log( ) log( ) log( ) log( )
log( ) log( ) log( ) log( )
log( ) log( ) log( ) log( )
i
i
e a a houstart a indprod a timbpric a houstart
a indprod a timbpric a houstart indprod
a houstart timbpric a indprod timbpric v
= + + + +
+ + + ×
+ × + × +
0 2 3 10
1
: 0: 0( 2,3,...,10)i
H a a aH a i
= = = =∀ ≠ =
ÖZKOÇ –VAN 57
2 31 0.67 20.77W nR= = × = 0.05 1 10 1 9sd kα = = − = − =
2 16.919 20.77tab Wχ = < = 0H reddedilir, farklı varyans söz konusudur. SORU 4) Aynı örneği LM TESTİ ile yapınız. Dependent Variable: LOG(HARVEST)
Variable Coefficient Std. Error t-Statistic Prob.
LOG(HOUSTART) 0.326907 0.104507 3.128095 0.0042LOG(INDPROD) 0.336960 0.107979 3.120621 0.0043LOG(TIMBPRIC) -0.053396 0.039783 -1.342177 0.1907
C 1.229208 0.159936 7.685639 0.0000
R-squared 0.568454 Mean dependent var 1.990118Adjusted R-squared 0.520504 S.D. dependent var 0.149260S.E. of regression 0.103356 Akaike info criterion -1.581365Sum squared resid 0.288425 Schwarz criterion -1.396334Log likelihood 28.51116 Hannan-Quinn criter. -1.521050F-statistic 11.85523 Durbin-Watson stat 0.411777Prob(F-statistic) 0.000039
ÖZKOÇ –VAN 58
2 * * 2log( )ie a b harvest v= + +
0
1
: 0: 0
H bH b
=≠
Dependent Variable: HATAKARE
Variable Coefficient Std. Error t-Statistic Prob.
HARVESTTAHMIN -0.065088 0.013619 -4.779129 0.0000C 0.138837 0.027146 5.114496 0.0000
R-squared 0.440587 Mean dependent var 0.009304Adjusted R-squared 0.421297 S.D. dependent var 0.011035S.E. of regression 0.008395 Akaike info criterion -6.660103Sum squared resid 0.002044 Schwarz criterion -6.567588Log likelihood 105.2316 Hannan-Quinn criter. -6.629946F-statistic 22.84007 Durbin-Watson stat 1.067810Prob(F-statistic) 0.000047
2 31 0.44 13.64LM nR= = × = 0.05 1sdα = =
2 3.84 13.64tab LMχ = < = 0H reddedilir, farklı varyans söz konusudur. Eviews 5 LM testi uygulaması:
ÖZKOÇ –VAN 59
ÖZKOÇ –VAN 60
SORU 7) 2
iσ ’nin bilinmediği göz önüne alındığında farklı varyansı ortadan kaldırmak için ne yapılabilir, gösteriniz. Farklı varyansın şekline göre orijinal veriler üzerinde bir dönüşüm yapılması gerekmektedir. Ancak dönüşümde hangi bağımsız değişkenin kullanılacağının belirlenmesi gerekmektedir. Birden fazla bağımsız değişkenli modellerde hangi değişkenin verilerin dönüşümünde kullanılması gerektiğine grafik yöntemiyle karar verilebilir. Aşağıdaki grafik incelendiğinde Log(indprod) değişkeninin diğerlerine göre en fazla farklı varyans arzeden bağımsız değişken olduğu görülmektedir.
Prob eğeri: 0.000044< 0.005 olduğundan H0 reddedilir yani farklı varyans söz konusudur.
ÖZKOÇ –VAN 61
ÖZKOÇ –VAN 62
ÖZKOÇ –VAN 63
( )2 2 2 2
i i iE u log(indprod)σ σ= =
1 2 3 4log( ) log( ) log( ) log( ) iharvest b b houstart b indprod b timbpric u= + + + + Orijinal modelin her iki tarafı log(indprod) değişkenine bölünür.
1 2 3 4
1 2 3 4
log( ) log( ) log( )log( )log( ) log( )
log( ) 1 log( ) log( )log( ) log( ) log( ) log( )
log(
i
i
b b houstart b indprod b timbpric uharvestindprod indprod
harvest houstart timbpricb b b b vindprod indprod indprod indprod
harve
+ + + +=
= + + + +
3 1 2 4) 1 log( ) log( )
log( ) log( ) log( ) log( ) ist houstart timbpricb b b b v
indprod indprod indprod indprod= + + + +
ÖZKOÇ –VAN 64
Yapılan bu dönüşümün farklı varyansı ortadan kaldırıp kaldırmadığını test ediniz.
ÖZKOÇ –VAN 65
Prob. değeri 0.005’ten küçük olduğu için H0: rededilebilir. Yani farklı varyans vardır. Yaptığımız bu işlem farklı varyansı ortadan kaldırmamıştır
ÖZKOÇ –VAN 66
OTOKORELASYON SORU 8) Aynı modelde otokorelasyon olup olmadığını grafik yöntemiyle inceleyiniz.
-.2
-.1
.0
.1
.2
1,950 1,960 1,970 1,980 1,990
ZAMAN
BREU
SCH
HAT
ATER
IMI
Grafiğe göre modelde pozitif otokorelasyon söz konusudur.
ÖZKOÇ –VAN 67
SORU 9) Aynı modelde otokorelasyon olup olmadığını Durbin – Watson Testi yardımıyla inceleyiniz.
ÖZKOÇ –VAN 68
hata hatakare hata(-1) hata-hata(-1) (hata-hata(-1))^2-0.195 0.038 -0.149 0.022 -0.195 0.047 0.002 -0.116 0.013 -0.149 0.033 0.001 -0.042 0.002 -0.116 0.073 0.005 -0.013 0.000 -0.042 0.029 0.001 0.128 0.017 -0.013 0.142 0.020 0.156 0.024 0.128 0.028 0.001 0.196 0.038 0.156 0.040 0.002 0.134 0.018 0.196 -0.062 0.004 0.052 0.003 0.134 -0.081 0.007 0.104 0.011 0.052 0.052 0.003 -0.014 0.000 0.104 -0.118 0.014 -0.018 0.000 -0.014 -0.004 0.000 -0.023 0.001 -0.018 -0.005 0.000 0.030 0.001 -0.023 0.053 0.003 0.087 0.007 0.030 0.057 0.003 0.114 0.013 0.087 0.027 0.001 0.088 0.008 0.114 -0.026 0.001 0.029 0.001 0.088 -0.060 0.004 -0.004 0.000 0.029 -0.033 0.001 0.007 0.000 -0.004 0.011 0.000 -0.034 0.001 0.007 -0.041 0.002 -0.146 0.021 -0.034 -0.112 0.013 -0.147 0.022 -0.146 -0.001 0.000 -0.083 0.007 -0.147 0.063 0.004 -0.111 0.012 -0.083 -0.027 0.001 -0.039 0.001 -0.111 0.072 0.005 0.014 0.000 -0.039 0.052 0.003 -0.058 0.003 0.014 -0.071 0.005 0.054 0.003 -0.058 0.112 0.013 0.000 0.000 0.054 -0.054 0.003
Gecikmesi alınacak seri ve kaçıncı gecikmesinin alındığını gösterir.
ÖZKOÇ –VAN 69
0
1
: 0 (otokorelasyon yoktur): 0(otokorelasyon vardır)
HH
ρρ=≠
( )31
21
231
2
1
0.119 0.4130.288
t tt
tt
e ed
e
−=
=
−= = =∑
∑
311 3 1 2
1.297 1.570L U
nk kd d
=′ = − = − == =
0 42
Poz
itif
otok
orel
asyo
n
Neg
atif
otok
orel
asyo
n
Kar
arsı
zlık
Böl
gesi
Kar
arsı
zlık
Böl
gesi
Oto
kore
lasy
on
Yok
tur
1 .297 1.570 2.43 2.7030.413
0H reddedilir, pozitif otokorelasyon vardır.
ÖZKOÇ –VAN 70
SORU 10) Aynı modelde otokorelasyon olup olmadığını Breusch – Godfrey testi yardımıyla inceleyiniz.
ÖZKOÇ –VAN 71
ÖZKOÇ –VAN 72
1 2 3 4 1 1log( ) log( ) log( )i t te b b houstart b indprod b timbpric e vρ −= + + + + +
ÖZKOÇ –VAN 73
0 1
1 1
: 0 (otokorelasyon yoktur): 0 (otokorelasyon vardır)
HH
ρρ
=≠
( ) 2 (31 1) 0.64 19.2BG n s R= − = − × = 0H hipotezi reddedilir.
SORU 11) Aynı modelde otokorelasyon olup olmadığını ARCH testi yardımıyla inceleyiniz.
0 1
0 1
: 0: 0
HH
αα
=≠
ÖZKOÇ –VAN 74
2 2
0 1 1t te eα α −= +
ÖZKOÇ –VAN 75
( )2 2 (31 1) 0.33 9.9hes n Rχ ρ= − = − × =
20.05 1 3.84tabsdα ρ χ= = = =
2 2hes tabχ χ> 0H reddedilir.
ÖZKOÇ –VAN 76
SORU 12) ρ ’nun bilinmediği göz önüne alındığında aşağıda verilen modelde otokorelasyonu birinci dereceden farklar yöntemiyle önleyiniz. Dependent Variable: LOG(HARVEST)
Variable Coefficient Std. Error t-Statistic Prob.
LOG(HOUSTART) 0.326907 0.104507 3.128095 0.0042LOG(INDPROD) 0.336960 0.107979 3.120621 0.0043LOG(TIMBPRIC) -0.053396 0.039783 -1.342177 0.1907
C 1.229208 0.159936 7.685639 0.0000
R-squared 0.568454 Mean dependent var 1.990118Adjusted R-squared 0.520504 S.D. dependent var 0.149260S.E. of regression 0.103356 Akaike info criterion -1.581365Sum squared resid 0.288425 Schwarz criterion -1.396334Log likelihood 28.51116 Hannan-Quinn criter. -1.521050F-statistic 11.85523 Durbin-Watson stat 0.411777Prob(F-statistic) 0.000039
1t t tu u vρ −= + 1 1ρ− < <
1 2 3 4log log log log t t t t tHarvest b b houstart b indprod b timbpric u= + + + +
1 1 2 1 3 1 4 1 1log log log log t t t t tHarvest b b houstart b indprod b timbpric u− − − − −= + + + +
1 1 2 1 3 1 4 1 1log log log log t t t t tHarvest b b houstart b indprod b timbpric uρ ρ ρ ρ ρ ρ− − − − −= + + + +
( ) ( )( )
( )
1 1 1 2 2 1
3 3 1
4 4 1 1
log log log log
log log
log log t
t t t t
t t
t t t t
v
Harvest Harvest b b b houstart b houstart
b indprod b indprod
b timbpric b timbpric u u
ρ ρ ρ
ρ
ρ ρ
− −
−
− −
− = − + −
+ −
⎛ ⎞⎜ ⎟+ − + −⎜ ⎟⎝ ⎠
1ρ = kabul edilir ve aşağıdaki birinci dereceli fark denklemi tahminlenir.
ÖZKOÇ –VAN 77
( )( )
( )
1 2 2 1
3 3 1
4 4 1 1
2 3 4
log log log log
log log
log log
log log log lot
t t t t
t t
t t t t
v
t t t
Harvest Harvest b houstart b houstart
b indprod b indprod
b timbpric b timbpric u u
Harvest b houstar b indprod b
− −
−
− −
− = −
+ −
⎛ ⎞⎜ ⎟+ − + −⎜ ⎟⎝ ⎠
Δ = Δ + Δ + Δ g t ttimbpric v+
ÖZKOÇ –VAN 78
Birinci dereceden farkları alınmış modelde otokorelasyon olup olmadığı Breusch – Godfrey testi ile araştırılır ve test sonucunda da otokorelasyonun önlemiş olduğu görülür.
ÖZKOÇ –VAN 79
ÖZKOÇ –VAN 80
SORU 13) ρ ’nun bilinmediği göz önüne alındığında aynı modelde otokorelasyonu Durbin Watson d istatistiği yöntemiyle önleyiniz.
Prob değeri 0.05’ten büyük olduğundan H0: Kabul yani otokorelasyon yoktur.
ÖZKOÇ –VAN 81
2 1d ρ∧⎛ ⎞= −⎜ ⎟
⎝ ⎠ ( )1 2
dρ∧
= −
( ) ( )( )
( )
1 1 1 2 2 1
3 3 1
4 4 1 1
log log log log
log log
log log t
t t t t
t t
t t t t
v
Harvest Harvest b b b houstart b houstart
b indprod b indprod
b timbpric b timbpric u u
ρ ρ ρ
ρ
ρ ρ
− −
−
− −
− = − + −
+ −
⎛ ⎞⎜ ⎟+ − + −⎜ ⎟⎝ ⎠
( ) ( )0.4121 1 0.7942 2dp
∧
= − = − =
( ) ( )
( )
( )
1 1 1 2 2 1
3 3 1
4 4 1 1
log 0.794log 0.794 log 0.794 log
log 0.794 log
log 0.794 log 0.794 t
t t t t
t t
t t t t
v
Harvest Harvest b b b houstart b houstart
b indprod b indprod
b timbpric b timbpric u u
− −
−
− −
− = − + −
+ −
⎛ ⎞⎜ ⎟+ − + −⎜ ⎟⎝ ⎠
ÖZKOÇ –VAN 82
ÖZKOÇ –VAN 83
Oluşturulan bu modelde otokorelasyon olup olmadığı Breusch – Godfrey testi ile araştırılır ve test sonucunda da otokorelasyonun önlemiş olduğu görülür.
ÖZKOÇ –VAN 84
SORU 14) ρ ’nun bilinmediği göz önüne alındığında aynı modelde otokorelasyonu Theil-Nagar yöntemiyle önleyiniz. Dependent Variable: LOG(HARVEST)
Variable Coefficient Std. Error t-Statistic Prob.
LOG(HOUSTART) 0.326907 0.104507 3.128095 0.0042LOG(INDPROD) 0.336960 0.107979 3.120621 0.0043LOG(TIMBPRIC) -0.053396 0.039783 -1.342177 0.1907
C 1.229208 0.159936 7.685639 0.0000
R-squared 0.568454 Mean dependent var 1.990118Adjusted R-squared 0.520504 S.D. dependent var 0.149260S.E. of regression 0.103356 Akaike info criterion -1.581365Sum squared resid 0.288425 Schwarz criterion -1.396334Log likelihood 28.51116 Hannan-Quinn criter. -1.521050F-statistic 11.85523 Durbin-Watson stat 0.411777Prob(F-statistic) 0.000039
( ) ( ) ( ) ( )2 2 2 2 2 2 2 21 2 / 31 1 0.412 2 4 / 31 4
779.034/945 0.824
p n d k n k∧
⎡ ⎤ ⎡ ⎤= − + − = − + −⎣ ⎦ ⎣ ⎦= =
Prob:0.36>0.05 H0:Kabul Otokorelasyon yok.
ÖZKOÇ –VAN 85
( ) ( )( )
( )
1 1 1 2 2 1
3 3 1
4 4 1 1
log 0.824log 0.824 log 0.824 log
log 0.824 log
log 0.824 log 0.824 t
t t t t
t t
t t t t
v
Harvest Harvest b b b houstart b houstart
b indprod b indprod
b timbpric b timbpric u u
− −
−
− −
− = − + −
+ −
⎛ ⎞⎜ ⎟+ − + −⎜ ⎟⎝ ⎠
ÖZKOÇ –VAN 86
Oluşturulan bu modelde otokorelasyon olup olmadığı Breusch – Godfrey testi ile araştırılır ve test sonucunda da otokorelasyonun önlemiş olduğu görülür.
ÖZKOÇ –VAN 87
ÖZKOÇ –VAN 88
SORU 15) ρ ’nun bilinmediği göz önüne alındığında aynı modelde otokorelasyonu Tekrarlı Tek Aşamalı Cochrane – Orcut yöntemiyle önleyiniz. Dependent Variable: LOG(HARVEST)
Variable Coefficient Std. Error t-Statistic Prob.
LOG(HOUSTART) 0.326907 0.104507 3.128095 0.0042LOG(INDPROD) 0.336960 0.107979 3.120621 0.0043LOG(TIMBPRIC) -0.053396 0.039783 -1.342177 0.1907
C 1.229208 0.159936 7.685639 0.0000
R-squared 0.568454 Mean dependent var 1.990118Adjusted R-squared 0.520504 S.D. dependent var 0.149260S.E. of regression 0.103356 Akaike info criterion -1.581365Sum squared resid 0.288425 Schwarz criterion -1.396334Log likelihood 28.51116 Hannan-Quinn criter. -1.521050F-statistic 11.85523 Durbin-Watson stat 0.411777Prob(F-statistic) 0.000039 Ana modelden hatalar çekilir ve ρ değeri tahminlenir.
ÖZKOÇ –VAN 89
hata hata(-1) hata * hata(-
1) hata(-1)^2 -0.195 -0.149 -0.195 0.029 0.038 -0.116 -0.149 0.017 0.022 -0.042 -0.116 0.005 0.013 -0.013 -0.042 0.001 0.002 0.128 -0.013 -0.002 0.000 0.156 0.128 0.020 0.017 0.196 0.156 0.031 0.024 0.134 0.196 0.026 0.038 0.052 0.134 0.007 0.018 0.104 0.052 0.005 0.003 -0.014 0.104 -0.001 0.011 -0.018 -0.014 0.000 0.000 -0.023 -0.018 0.000 0.000 0.030 -0.023 -0.001 0.001 0.087 0.030 0.003 0.001 0.114 0.087 0.010 0.007 0.088 0.114 0.010 0.013 0.029 0.088 0.003 0.008 -0.004 0.029 0.000 0.001 0.007 -0.004 0.000 0.000 -0.034 0.007 0.000 0.000 -0.146 -0.034 0.005 0.001 -0.147 -0.146 0.021 0.021 -0.083 -0.147 0.012 0.022 -0.111 -0.083 0.009 0.007 -0.039 -0.111 0.004 0.012 0.014 -0.039 -0.001 0.001 -0.058 0.014 -0.001 0.000 0.054 -0.058 -0.003 0.003 TOPLAM 0.2099 0.2855
12
21
2
0.2099 0.7350.2855
n
t tt
n
tt
u u
uρ
−∧=
−=
= = =∑
∑
( ) ( )
( )
( )
1 1 1 2 2 1
3 3 1
4 4 1 1
log 0.735log 0.735 log 0.735 log
log 0.735 log
log 0.735 log 0.735 t
t t t t
t t
t t t t
v
Harvest Harvest b b b houstart b houstart
b indprod b indprod
b timbpric b timbpric u u
− −
−
− −
− = − + −
+ −
⎛ ⎞⎜ ⎟+ − + −⎜ ⎟⎝ ⎠
ÖZKOÇ –VAN 90
ÖZKOÇ –VAN 91
Oluşturulan bu modelde otokorelasyon olup olmadığı Breusch – Godfrey testi ile araştırılır ve test sonucunda da otokorelasyonun önlemiş olduğu görülür.
ÖZKOÇ –VAN 92
Prob:0.29>0.05 H0:Kabul Otokorelasyon yok.