Professional Documents
Culture Documents
EKONOMETRİNİN TEMELLERİ IKT316U-20V1S1-8-0-1-SV1-ebook PDF
EKONOMETRİNİN TEMELLERİ IKT316U-20V1S1-8-0-1-SV1-ebook PDF
EKONOMETRİNİN TEMELLERİ IKT316U-20V1S1-8-0-1-SV1-ebook PDF
Öğrenme çıktıları
Bölüm içinde hangi bilgi, beceri ve yeterlikleri
kazanacağınızı ifade eder.
Tanım
Bölüm içinde geçen
önemli kavramların
Bölüm Özeti tanımları verilir.
Bölümün kısa özetini gösterir.
Dikkat
Konuya ilişkin önemli
Sözlük uyarıları gösterir.
Bölüm içinde geçen önemli
kavramlardan oluşan sözlük
ünite sonunda paylaşılır.
Karekod
Bölüm içinde verilen
Neler Öğrendik ve Yanıt Anahtarı
karekodlar, mobil
Bölüm içeriğine ilişkin 10 adet
cihazlarınız aracılığıyla
çoktan seçmeli soru ve cevapları
sizi ek kaynaklara,
paylaşılır.
videolara veya web
adreslerine ulaştırır.
Editör
Yazarlar
BÖLÜM 5, 6, 7, 8
Prof.Dr. Mehmet Sinan TEMURLENK
T.C. ANADOLU ÜNİVERSİTESİ YAYINI NO: 3986
AÇIKÖĞRETİM FAKÜLTESİ YAYINI NO: 2769
Öğretim Tasarımcısı
Doç.Dr Canatay Hacıköylü
Grafiker
Ayşegül Dibek
EKONOMETRİNİN TEMELLERİ
E-ISBN
978-975-06-3723-0
3397-0-0-0-2002-V02
İçindekiler
Ekonometrinin
Basit Doğrusal
BÖLÜM 1 Tanımı, Amacı, Niteliği BÖLÜM 2
Regresyon Modeli
ve Metodolojisi
Giriş ................................................................. 3 Giriş ................................................................. 23
Ekonometrinin Tanımı ve Amacı ................. 3 Doğrusal Regresyon Modeli ........................ 23
Ekonometrinin Niteliği ................................. 4 Bağımlı ve Bağımsız Değişken ............. 24
Regresyon Kavramı ............................... 4 Stokastik Hata Terimi (u) .................... 24
Veri Tipleri ............................................. 5 β0 ve β1 Katsayıları ................................. 24
Ekonometrinin Metodolojisi ........................ 10 Basit Doğrusal Regresyon Modeli .................. 25
Problemin İfade Edilmesi .................... 10 Basit Doğrusal Regresyon Modelinin
Modelin Kurulması ................................ 10 Temel Varsayımları ............................... 27
Modelin Tahmini ................................... 12 Basit Doğrusal Regresyon
Tahmin Sonuçlarının Test Modelinin Tahmini ........................................ 30
Edilmesi .................................................. 13 En Küçük Kareler Yöntemi .................. 32
Tahmin Sonuçlarının
Değerlendirilmesi .................................. 14
Çoklu Doğrusal
Çoklu Doğrusal
BÖLÜM 3 BÖLÜM 4 Regresyon
Regresyon Modeli
Modelinin Uzantıları
iii
Klasik Doğrusal
Yapay Değişkenli Regresyon Modelinin
BÖLÜM 5 BÖLÜM 6
Modeller Varsayımlarından
Sapmalar I
Giriş ................................................................. 93 Giriş ................................................................. 117
Yapay Değişkenler ve Yapay Değişkenli Varsayım 1 Hata Teriminin Ortalaması Sıfırdır:
Model Türleri ................................................. 93 E(ui) = 0 .......................................................... 117
Nitel Bilgilerin Nicelleştirilmesi ................... 94 Varsayım 2 Açıklayıcı Değişkenler Arasında
Sadece İki Nitel Özellik Bulunması Tam veya Güçlü Doğrusal Bir İlişki
Durumunda Yapay Değişken Yoktur ............................................................. 118
Oluşturma............................................... 94 Tam Çoklu Doğrusal Bağlantı .............. 118
İkiden Fazla Nitel Özellik Bulunması Güçlü Çoklu Doğrusal Bağlantı ............ 119
Durumunda Yapay Değişken Çoklu Doğrusal Bağlantının Nedenleri 119
Oluşturma .............................................. 95 Çoklu Doğrusal Bağlantının Neden
Yapay Değişkenlerin Sabit Terimi Etkilemesi... 97 Olduğu Sonuçlar .................................... 120
Yapay Değişken Kullanarak Ortalamalar Çoklu Doğrusal Bağlantıyı Belirleme
Arası Farkları Bulma ............................. 97 Yöntemleri ............................................. 120
Yapay Değişkenin Nicel Değişkenlerle Çoklu Doğrusal Bağlantıya Karşı
Birlikte Kullanılması .............................. 99 Çözüm Önlemleri .................................. 121
Yapay Değişkenlerde Referans Grubun
Değiştirilmesi ......................................... 100
İki Grubun Birlikte Dahil Edilmesi ....... 101
Yapay Değişkenlerin Eğim Parametrelerini
Etkilemesi ....................................................... 103
İki veya Daha Fazla Nitel Değişkenin
Etkileşimi ........................................................ 106
Klasik Doğrusal
Regresyon Eşanlı Denklem
BÖLÜM 7 Modelinin BÖLÜM 8 Modelleri
Varsayımlarından
Sapmalar II
Giriş ................................................................. 135
Varsayım 3 Hata Terimi Sabit Giriş ................................................................. 161
Varyanslıdır: Var (Ui) = Σ2 ............................. 135 Bazı Temel Kavramlar ................................... 161
Değişen Varyansın Nedenleri ............... 135 Eşanlı Denklem Sapması ............................... 164
Değişen Varyansın Neden Olduğu
Sonuçlar ................................................. 136 Belirlenme Sorunu ve Belirlenme
Değişen Varyansın Tespiti .................... 136 Koşulları .......................................................... 165
Değişen Varyansa Karşı Çözümler ....... 138
Varsayım 4 Hata Terimler Arasında Belirlenmenin Biçimsel Koşulları ......... 166
İlişki Yoktur: Kov(Xt, Ut) = 0İ ≠ J ................. 142 Geri Dönüşlü Denklem Modeli ........... 170
Otokorelasyonun Nedenleri ................ 143 (Üçgen Sistemler) ................................ 170
Otokorelasyonun Neden Olduğu
Sonuçlar ................................................. 143 Eşanlı Denklem Modelleri İçin Tahmin
Gecikmeli Değer Kavramı ..................... 143 Süreçleri .......................................................... 171
Otokorelasyon için Grafiksel Testler ... 144
Otokorelasyonun Test Edilmesi: Dolaylı En Küçük Kareler (DEKK) ...... 171
Durbin-Watson Testi ............................ 145 İki Aşamalı En Küçük Kareler Yöntemi
Durbin Watson Testinin Geçerli (2AEKK) ................................................ 171
Olabilmesi İçin Gerekli Koşullar ........... 147
Diğer Bir Otokorelasyon Testi: Araç Değişkenler Yöntemi (AD) ......... 172
Breusch – Godfrey Testi ....................... 147
Otokorelasyona Karşı Çözümler .......... 148
Uygulanabilir Genelleştirilmiş En
Küçük Kareler ........................................ 148
Otokorelasyona Duyarlı Sağlam
Standart Hatalar ................................... 150
Varsayım 5: Hata Terimi Normal
Dağılmıştır ...................................................... 151
Normallikten Ayrılma Testleri ............. 151
iv
Önsöz
Sevgili öğrenciler,
Bilgi işlem teknolojilerindeki gelişmeler tüm Bu kitap Anadolu Üniversitesi İktisat Fakül-
dünyada ve ülkemizde önemli bir veri birikimi tesi İktisat Lisans Programın Ekonometrinin
ortaya çıkarmıştır. Bu veriler ülkelerin resmi is- Temelleri dersinin konularını içermektedir. Bu
tatistik kurumları, kamu ve özel sektör kuruluş- ders kitabı programda bir ekonometri dersi-
ları ve uluslararası kuruluşların bünyesinde yer nin okutulmasının gerektiğine karar verilmesi
almaktadır. Bunların önemli bir kısmı da Inter- üzerine Türkiye’de açık öğretim sistemi için
net üzerinde erişilebilecek şekilde yayınlanmak- yazılan ilk ekonometri kitabıdır. Kitabı ha-
tadır. Bu veriler tek başına sayılar veya sayısal- zırlarken sade ve anlaşılır bir dil kullanmaya
laşmaya muhtaç nitel bilgi yığınından başka bir çalıştık. Konu anlatımlarında cebirsel detay-
şey değildir. Bunların uygun bir şekilde analiz lara mümkün olduğunca girmedik. Konuların
edilmesiyle açığa çıkarılacak bilgi, kamu ve özel daha iyi anlaşılması için bazı uygulamalara yer
sektör kuruluşlarının karar alma süreçlerinde verdik. Yöntemlerin uygulanmasında bilgisa-
kullanılma potansiyeli içermektedir. yar kullanımını göstermek için bazı bilgisayar
Diğer yandan bilgi işlem teknolojilerindeki ge- uyugulamaları yaptık. Ayrıca Açıköğretim sis-
lişmeler, ekonometri yazılımlarının sayılarının teminde yer alan diğer kitaplarda olduğu gibi
artmasına ve her birinin iş yapma kapasite- “Yaşamla İlişkilendir”, “Araştırmalarla İlişkilen-
lerinin hızlı bir şekilde gelişmesine de neden dir”, bölümlerine de yer verdik.
olmuştur. Başlangıçta daha düşük iş yapma Bu kitabın hazırlanmasında pek çok kişinin
kapasitesine sahip olan yazılımların yaptıkları emeği geçmiştir. Sağladıkları olanaklardan
işlem miktarı, günümüzde devasa boyutlara ötürü başta rektörümüz sayın Prof. Dr. Şafak
ulaşmıştır. Bundan sadece üç, beş yıl önce bü- Ertan ÇOMAKLI olmak üzere Rektör Yardım-
yük emek ve zaman harcanarak yapılan işlem- cısı ve Açık Öğretim Fakültesi Dekan Vekili
ler artık neredeyse birkaç tıklama ile yapılabi- Prof. Dr. Selim BAŞAR’a ve kitabın dizgisinden
lir hale gelmiştir. Kaldı ki bu yazılımlar içinde basımına kadar emeği geçen herkese editör ve
yasal olarak ücretsiz kullanabileceklerimiz bile yazarlar olarak çok teşekkür ederiz.
mevcuttur.
Mevcut gelişmeler, bilimsel yayın yapma ve
onlara erişim olanaklarının da gelişmesini
sağlamıştır. Internet’teki gelişmeler gelenek-
sel dergilere erişimi kolaylaştırdığı gibi birçok
derginin fiziki olarak yayınlanmasına gerek
kalmadan düşük maliyetli bir şekilde elektro-
nik ortamda yayınlanmasına olanak sağlamış-
tır. Bu gelişmeler iktisadi ve sosyal bilimler
alanında yapılan araştırmalarda yoğun olarak Editör
kullanılan ekonometrik yöntemlere olan ilgiyi Prof.Dr. Mehmet Sinan TEMURLENK
artırmış ve onu sınırlı sayıda elit eğitimli kişi
tarafından kullanılan bir araç olmaktan çıka-
rarak daha yaygın bir araç haline gelmesini
sağlamıştır.
v
Bölüm 1
Ekonometrinin Tanımı, Amacı, Niteliği ve Metodolojisi
1 2
Ekonometrinin Tanımı ve Amacı Ekonometrinin Niteliği
öğrenme çıktıları
3
Ekonometrinin Metodolojisi
3 Ekonometrinin metodolojisini
açıklayabilme
Anahtar Sözcükler: • İktisat Teorisi • Matematik, İstatistik • Regresyon • Zaman Serisi Verileri • Yatay
Kesit Verileri • Panel Veriler • Ekonometrik Model • Tahmin Yöntemi • Hipotez Testi
2
Ekonometrinin Temelleri
GİRİŞ
İktisat bilimi, iktisadi olayları inceleyerek çeşitli teoriler ve hipotezler ortaya koyar. Ancak ortaya konu-
lan bu hipotez veya teorilerin kabul görmesi için doğruluğunun sınanması gerekir. Bu sınamalar ise iktisadi
değişkenlere dair bilgileri içeren bir takım sayısal veriler kullanılarak yapılır. Söz konusu sayısal veriler bir
takım istatistiksel yöntemler ile analiz edilerek iktisadi teori ve hipotezler test edilir. Tüm bunlara olanak
sağlayan bilim dalı ise ekonometridir.
İsmini Latince ekonomi anlamına gelen “oikonomia” ve ölçüm anlamına gelen “metron” söz-
cüklerinin birleşiminden alan ekonometri kavramı en kısa ifadesiyle “ekonomik ölçüm” demektir.
3
Ekonometrinin Tanımı, Amacı, Niteliği ve Metodolojisi
Öğrenme Çıktısı
4
Ekonometrinin Temelleri
denklem yardımıyla ifade edilmesidir. Herhangi iki yon modeli, tek bağımlı ve birden çok bağımsız de-
veya daha çok sayıda değişken arasındaki ilişkinin ğişkenin oluşturduğu modellere ise çoklu regresyon
yönü veya büyüklüğü ise regresyon analizi ile be- modeli adı verilir.
lirlenir. Regresyon analizinde, kurulan regresyon
denkleminin tahmini yapılarak modelde yer alan
değişkenlere dair parametreler tahmin edilir ve bu
şekilde bağımlı ve bağımsız değişkenler arasındaki
Regresyon aralarında neden-sonuç ilişkisi
ilişkiler matematiksel olarak ortaya konur. Burada
olan iki veya daha çok sayıdaki değişkenin
bağımlı değişken bir tane olmasına karşın bağımsız
bir denklem yardımıyla ifade edilmesidir
değişkenlerin sayısı değişebilir. Tek bağımlı ve tek
bağımsız değişkenden oluşan modellere basit regres-
Regresyon analizinde modeli oluşturan değişkenlere dair katsayılar tahmin edilir. Bu katsayılar ise ba-
ğımlı değişken ile bağımsız değişken arasındaki ilişkilerin yönünü ve büyüklüğünü gösterir. Bu katsayılara
ulaşabilmek için ise analizlerde kullanılmak üzere bir takım sayısal verilere ihtiyacımız vardır ve bu veriler
farklı türlerde karşımıza çıkmaktadır. Şimdi bu veri türlerini inceleyelim.
Veri Tipleri
Regresyon analizi yaparken kullanılan veriler temelde üç farklı tiptedir. Bunlar, zaman serisi verileri,
yatay kesit verileri ve panel verilerdir.
5
Ekonometrinin Tanımı, Amacı, Niteliği ve Metodolojisi
2004 9.35
2005 7.72
2006 9.65
2007 8.39
2008 10.06
2009 6.53
2010 6.40
2011 10.45
2012 6.16
2013 7.40
2014 8.17
2015 8.81
2016 8.53
2017 11.92
2018 20.30
Kaynak: Türkiye İstatistik Kurumu
6
Ekonometrinin Temelleri
Tablo 1.1’de Türkiye için tüketici fiyat endek- Tablo 2’de yatay kesit verisine örnek olarak
sindeki yıllık yüzde değişimlerin yıllara göre aldığı BRICS ülkelerinin enflasyon değerleri gösterilmiş-
değerler gösterilmektedir. Buradaki iktisadi değiş- tir. Tablodan da görebileceğiniz gibi burada zaman
ken enflasyondur ve tüketici fiyat endeksindeki yıl- serisinden farklı olarak enflasyon verisi çok sayıda
lık yüzde değişim yıllık enflasyonu göstermektedir. birim (BRICS ülkeleri) için gösterilmekte ancak
Bu şekilde 2004-2018 yıllarını kapsayacak şekilde birbirini takip eden bir zaman periyodu yer alma-
Türkiye’nin yıllık enflasyon oranlarını her bir yıl maktadır. İşte bu şekilde herhangi bir değişkenin
için sıralarsak enflasyona dair bir zaman serisi oluş- çok sayıda birim için, zamanın belirli bir noktasın-
turmuş oluruz. Gördüğünüz gibi burada tek bir bi- da aldığı değerler yatay kesit verileri olarak adlandı-
rim (Türkiye) söz konusu iken 15 yıllık bir zaman rılır. Yine mikro düzeyde bir örnek vermek gerekir-
periyodundan (2004-2018) bahsedilmektedir. İşte se, turizm sektöründe faaliyet gösteren firmaların
bu şekilde tek bir birim için herhangi bir değişke- 2018 yılındaki kar oranlarının başka bir yatay kesit
nin ardışık değerleri zaman serisi verileri olarak ad- verisi olduğunu söyleyebiliriz.
landırılmaktadır. Yalnızca yıllık değil, günlük, haf-
talık, aylık, üç aylık gibi ardışık değerleri oluşturan
veriler de zaman serisi verileri olarak değerlendiri-
Yatay kesit verileri, zamanın belirli bir
lir. Örneğin, bir firmanın belirli bir zaman dilimin-
noktasında herhangi bir değişkenin çok
deki günlük ciro değerleri de yine bir zaman serisi
sayıda birim için aldığı değerlerdir.
örneğidir.
Brezilya 3.66
Rusya 2.88
Hindistan 4.86
Çin 2.07
Güney Afrika 4.50
7
Ekonometrinin Tanımı, Amacı, Niteliği ve Metodolojisi
8
Ekonometrinin Temelleri
Yaşamla İlişkilendir
9
Ekonometrinin Tanımı, Amacı, Niteliği ve Metodolojisi
Öğrenme Çıktısı
2 Regresyon kavramını tanımlayabilme, veri tiplerini sıralayabilme
EKONOMETRİNİN METODOLOJİSİ
Geleneksel ekonometrik metodolojinin herhangi bir iktisadi olayı analiz ederken izlediği bazı adımlar
vardır. Bu adımları temel olarak şu şekilde sıralayabiliriz:
• Problemin ifade edilmesi.
• Modelin kurulması.
• Modelin tahmini.
• Tahmin sonuçlarının test edilmesi.
• Tahmin sonuçlarının değerlendirilmesi.
Şimdi dilerseniz söz konusu adımları iktisadi bir teori üzerinden somutlaştırmaya çalışalım.
Modelin Kurulması
Ekonometrik çalışmalarda, incelenen iktisadi
olayı matematiksel bir kalıba sokarak tahmin edile-
bilir bir model haline getirmek oldukça önemlidir.
Bunun için öncelikle iktisadi teoriyi temel alacak
şekilde uygun bağımlı ve bağımsız değişkenlerin se-
çilmesi ve değişkenler arasındaki ilişkileri gösteren
katsayıların işaret ve büyüklüklerinin belirlenmesi
gerekir. Ardından incelenen iktisadi olay matema-
tiksel bir kalıba sokularak ölçülebilir bir model ha-
line getirilir.
10
Ekonometrinin Temelleri
11
Ekonometrinin Tanımı, Amacı, Niteliği ve Metodolojisi
Talep kanununa göre, malın talep edilen mik- İhtiyaç duyulan veriler toplandıktan sonra ar-
tarı o malın fiyatının bir fonksiyonu olarak kabul tık Eşitlik (1.2)’de doğrusal formda verilen talep
edilir ve talebi etkilediği düşünülen diğer tüm de- fonksiyonun tahmini yapılabilir. Ancak burada da
ğişkenlerin sabit olduğu varsayılır. Eşitlik 2’de yer doğru tahmin yönteminin tercih edilmesi önem
alan ve hata terimi adını verdiğimiz u, x malının arz etmektedir.
talebi üzerinde etkisi olan ancak dikkate alınmayan
işte bu diğer faktörlerin etkisini temsil etmektedir.
Öte yandan tahmini yapılacak olan (1.2) numaralı
Uygun Tahmin Yönteminin Seçilmesi
ekonometrik model aynı zamanda bağımlı değiş- ve Modelin Tahmini
ken olan QDX ile bağımsız değişken olan PX arasın- Ekonometrik modellerin tahmininde çok sayı-
daki doğrusal ilişkiyi gösteren bir doğrusal regres- da tahmin yönteminden faydalanılmakla birlikte bu
yon modelidir. Bir sonraki aşamada ise bu doğrusal yöntemler temel olarak tek denklem modelleri ve eşanlı
regresyon modelinin tahmini yapılmaktadır. denklem modelleri şeklinde iki grupta toplanır. Burada
bahsi geçen tek denklem modelleri tek bir denklemin
bireysel tahminine olanak sağlarken, eşanlı denklem
modelleri birden çok modelin eşanlı tahmininde
kullanılmaktadır. Buna göre örnek modelimizde tek
dikkat
denklem modellerinden faydalanılacaktır.
Doğrusal Regresyon Modeli iki veya daha fazla değiş-
ken arasındaki doğrusal ilişkileri açıklar.
dikkat
Modelin Tahmini Tek denklem modelleri tek bir denklemin bireysel
Eşitlik (1.2)’nin tahmin edilebilmesi için ön- tahminine olanak sağlarken, eşanlı denklem model-
celikle bir takım sayısal verilere ihtiyacımız vardır. leri birden çok modelin eşanlı tahmininde kullanıl-
Doğru tahminlerin yapılabilmesi için bu sayısal maktadır.
verilerin değişkenlere dair gerçek bilgileri içerme-
si gerekir. Bu nedenle herhangi bir iktisadi olayı
ekonometrik yöntemlerle analiz ederken veri top- Tek denklem modellerinin başında En Küçük
lama aşamasının sağlıklı gerçekleşmesi son derece Kareler Yöntemi gelir. İlk kez 1795 yılında matema-
önemlidir. tikçi C. F. Gauss tarafından geliştirilen bu yöntem
kısaca hata karelerinin toplamını minimum yapan
katsayıları tahmin etme yöntemidir. Buna göre söz
Verilerin Toplanması konusu yöntemin örneğimizdeki talep fonksiyonu-
Burada veriler daha önce veri tiplerinde de bah- nun tahmininde kullanılması uygun olacaktır.
sedildiği gibi zaman serisi verilerinden, yatay kesit
verilerinden veya panel verilerden oluşabilir. Hangi
veri tipinin tercih edileceği yapılacak analizin ama-
cına ve niteliğine göre farklılık gösterebilir. dikkat
En Küçük Kareler Yöntemi hata karelerinin toplamı-
nı minimum yapan katsayıları tahmin etmektedir.
dikkat
Ekonometrik analizlerde hangi tip verilerin kullanı- Verilerin doğruluğundan emin olduktan ve uy-
lacağı yapılacak analizin amacına ve niteliğine göre gun tahmin yöntemini belirledikten sonra modeli-
farklılık gösterebilir. mizin tahminini yaparak β0 ve β1 parametrelerinin
belirleyebiliriz. Tahmin sonucunda ulaştığımız eşit-
lik şu şekilde olsun:
12
Ekonometrinin Temelleri
13
Ekonometrinin Tanımı, Amacı, Niteliği ve Metodolojisi
çerli olmadığı durumlarda ulaşılan sonuçlar güvenilir olmayacağı gibi, sonuçların ekonomi politikalarında
referans olarak kullanılması da sağlıklı olmayacaktır. Kitabımızın ilerleyen bölümlerinde çoklu doğrusallık,
değişen varyans ve otokorelasyon gibi tanısal sorunlara daha ayrıntılı bir şekilde yer verilmektedir.
Araştırmalarla
İlişkilendir
EKONOMETRİ’NİN SERÜVENİ: İKTİ- 1929 bunalımı Keynesyen makroiktisadın
SADIN “BİLİM” VE “ÇARE” OLMASI İÇİN doğuşuna da ortam hazırlamıştır. Ayrıca Frisch ve
ARAYIŞLAR* özellikle Tinbergen’in Keynesyen iktisattan etki-
Ercan UYGUR lendikleri de bilinmektedir. Ekonometri ve Key-
nesyen makroiktisat aynı dönemde oluşmuşlar ve
birbirlerini önemli ölçüde etkilemişlerdir. Şu ay-
Büyük Bunalım, Ekonometrinin Ortaya rıntıyı da belirtelim; ekonometrinin oluşumuna
Çıkışı ve Cowles Komisyonları önemli katkılar yapan, ekonometri kavramını ilk
1929’da başlayan büyük bunalım ile birlikte, kez kullanan Frisch, makroiktisat kavramını da
mikro düzeydeki talep, arz ve fiyat dalgalanmala- ilk kez kullanan iktisatçıdır. Frisch makroiktisat
rına duyulan ve zaten azalmış olan iktisatçı ilgisi kavramını aşağıda ele alacağımız 1933 makale-
makro düzeydeki gelişmelere doğru kaydı. Di- sinde kullanmıştır.
ğer yandan, yukarıda da belirttiğimiz gibi, dev- Daha önce de bazı girişimler olmasına kar-
resel hareketleri istatistiğe ve verilere dayanarak şılık, ekonometri adını alacak oluşumu hazırla-
açıklama çabaları da yeterli bulunmuyordu. Bu mak üzere ilk ciddi girişimler 1928 ilkbaharında
durumda zamanın iktisatçıları, istatistiksel çalış- başladı. Bu tarihte bir bursla Norveç’ten ABD’ye
malara temel oluşturacak dinamik makroiktisadi giden Frisch, iktisatçıların bu konuda bir bilim-
modeller oluşturma çabası içine girdiler. sel birlik oluşturması gerektiğini düşünmüştü.
Bu bağlamda iki Avrupalı iktisatçının, Frisch Düşüncesini matematikçi Charles F. Roos ile
ve Tinbergen’in 1930’lar ortalarında yaptığı ça- birlikte zamanın önde gelen iktisatçılarından Ir-
lışmalar en önemli katkıları oluşturdular. Bu mo- ving Fisher’e açıkladı. Fisher de Frisch ve Roos’a
delleri gerçek ekonominin verileriyle doğrulama belli bir sayıda iktisatçıyı bu düşünce etrafında
çabaları, ekonometrinin oluşumunda önemli bir toplamalarını öğütledi. Bu konuda ayrıntılı bilgi
aşama olmuştur. O zamanki hakim düşünceye için Christ’in (1983), (1994) ve (1996) yazılarına
göre, iktisadi ve ekonometrik modellerle buna- bakılabilir.
lımları ve çalkantıları nicel olarak anlamak, bun- Büyük bunalımın etkileyip belirlediği bir or-
ları öngörmek ve bunlara uygun politika öner- tamda 12 ABD’li ve 4 Avrupalı iktisatçı 29 Aralık
meleri geliştirmek mümkün olabilecektir. Frisch 1930’da Ekonometri Derneği’nin kuruluşu için
ve Tinbergen’in modellerini ve Frisch’in zaman ABD’nin Cleveland kentinde toplandılar. Derne-
serisi yönteminden yararlanışını aşağıda açıkla- ğin kuruluş önergesini o sırada Bonn Üniversite-
yacağız. Ancak önce ekonometrinin doğuşunu sinde olan Joseph A. Schumpeter verdi. Ekono-
simgeleyen Ekonometri Derneğini (Econometric metrinin ortaya çıkışında ilk temel böylece atıldı,
Society), Econometrica dergisini ve Cowles Ko- Ekonometri Derneği kurulmuş oldu. Ekonometri
misyonlarını ele almak yararlı olacak. Derneğinin ilk başkanlığına Irving Fisher seçildi
14
Ekonometrinin Temelleri
ve dernek ilk toplantısını Eylül 1931’de İsviçre- rını kendisinin de kullanabilmesi koşuluyla, eko-
Lozan’da, ikinci toplantısını Aralık 1931’de ABD- nometrik araştırmaları parasal olarak destekleme
Washington’da yaptı. 1931 yılı sonunda derneğe önerisi getirir. Bu öneri bazı üyeler arasında aka-
kabul edilen toplam üye sayısı 173’tü. demik etik tartışmalarına neden olmuştur, ama
Ekonometri Derneği, Keynes de dahil olmak 1932 Ocak ayındaki Ekonometri Derneği genel
üzere birçok ünlü iktisatçıyı bünyesinde toplamış kurulunda kabul edilir.
olmasına karşılık, 1931 yılı boyunca ciddi bir Genel kurulda kabul edilen anlaşmaya göre,
faaliyette bulunamadı, çünkü yeterli parasal kay- Colorado Springs’de Ekonometri Derneğinin
nağı yoktu. Ancak, Ekonometri Derneği kaynak yönlendireceği bir araştırma komisyonu kurula-
konusunda Alfred Cowles’dan 1931 yılı Ekim cak (Cowles Commission for Research in Eco-
ayında Irving Fisher’in deyimiyle “inanılmayacak nomics) ve araştırmaların yayınlanacağı bir dergi
kadar iyi bir öneri” aldı. Alfred Cowles kimdir? çıkarılacaktır. A. Cowles, kısaca Cowles Komis-
Alfred Cowles bir finansal danışmanlık şir- yonu olarak anılan komisyonun yapacağı araş-
keti sahibidir ve hisse senedi borsası başta olmak tırmaların ve derginin maliyetini karşılayacaktır.
üzere finans ve mal piyasaları konusunda yatırım Çıkarılacak derginin adı Econometrica olarak be-
danışmanlığı yapmaktadır. Bu bağlamda olası lirlenir ve baş-editörlüğe Frisch getirilir.
piyasa gelişmelerinin öngörülerini yapmakta ve Cowles Komisyonunun ilk amaçlarından bi-
bunları bir yayın ile abonelerine duyurmaktadır. risi bir hisse senedi endeksi oluşturmaktır. Econo-
Birçok başka yatırım danışmanı gibi, Cowles da metrica dergisinin ilk sayısı Ocak 1933’te çıkar,
1929 Bunalımı öncesinde ve sırasında yaptığı yazarlar arasında Schumpeter ve Tinbergen de
öngörülerde yanılmıştır. Kendisi sürekli yanıl- vardır. Econometrica’nın Haziran 1933 sayısında,
maktan rahatsız olur, danışmanlık yaptığı kişiler- Cowles’un, hisse senedi fiyatlarını ve bunların fi-
kuruluşlar tarafından rahatsız da edilir. Sonuçta, nansal danışmanlık şirketleri tarafından yapılan ön-
yaptığı piyasa öngörüleri ve önerileri için bilim- görülerini konu edinen, bir araştırması yayınlanır.
sel bir temel olması gerektiğini düşünür. Bilimsel Cowles Komisyonunun ilk iki yayını Dina-
öngörüleri nasıl yapacağını sordukça kendisini mik İktisat başlıklı bir kitapçık ve bir istatistik
önce matematikçi ve istatistikçilere, sonra Eko- kitabıdır. Ancak Cowles Komisyonunun asıl
nometri Derneğine ve en sonunda da derneğin ilgi çeken faaliyetleri yaz aylarında düzenlediği
başkanı Fisher’e yönlendirirler. bilimsel toplantılar ve bu toplantılarda sunulan
Bu noktada Fisher hakkında bir not düşmek- bazı tebliğlerin yayınlanması olmuştur. 1930’lu
te yarar var. Bazı başka iktisatçılar gibi, Fisher de yıllarda bu toplantılara katılan, tebliğleri yayınla-
1929 Bunalımının geçici olduğunu ve hisse sene- nan ve/veya Cowles Komisyonlarında görev alan
di fiyatlarının kısa süre sonra yeniden yükselişe ünlü Avrupalı ve ABD’li iktisatçılar ve istatistik-
geçeceğini ve yeni rekorlar kıracağını düşünür. çiler arasında Marschak (Oxford), Gini (Roma),
Bu düşüncelerini 1930 Şubat ayında yayınlanan Tintner (Viyana), Allen (LSE), Trygve Haavelmo
The Stock Market Crash and After başlıklı kita- (Oslo), Abba Lerner (LSE), Abraham Wald (Vi-
bında açıklar. Fisher’in ünlü kitabı The Theory of yana), Jacob Viner (Chicago), Oscar Lange (Chi-
Interest de aynı yıl yayınlanır. cago) ve Elmer J. Working (Illınois) vardır.
Fisher düşüncelerini eyleme de döker ve Cowles Komisyonu 1939’da Ekonometri
bunalım başladıktan kısa süre sonra bütün biri- Derneği ile birlikte Chicago’ya taşınır ve Chicago
kimini hisse senedine yatırır. Üstelik, bankadan Üniversitesi ile de yakın ilişkiler içine girer. Ay-
da borçlanarak yüklüce hisse senedi alır. Ancak rıca artık başka kaynaklardan da parasal destek
Fisher çok kötü yanılır ve hisse fiyatları düşme- sağlanır. 1940’larda Cowles Komisyonlarında
ye devam eder. Bankaya borçlarını ödeyemeyen görev alan iktisatçılar arasında Leontief, Paul A.
Fisher’in, yaşadığı ev de dahil olmak üzere, bü- Samuelson, Tjallling C. Koopmans, Lawrence
tün mal varlığı satılır. Fisher hayatının geri ka- R. Klein, Leonid Hurwicz ve Kenneth J. Arrow
lan bölümünde kızkardeşinin yardımı ile yaşar ve belirtilebilir. 1940’lar başında yayınlanan Cowles
1947’de kötü maddi koşullar içinde ölür. Fisher Komisyonu kitaplarında daha çok zaman serileri
konusunda bakınız örneğin van Wijk (1997). incelenmiştir.
Cowles, Ekim 1931’de Ekonometri Cowles Komisyonu, 1943’te Marschak’ın
Derneği’nin başkanı Fisher ve genel sekreteri başkan olmasıyla birlikte, yapılacak araştırmalar
Charles F. Roos ile yaptığı görüşmede, sonuçla- için şu kuramsal ve istatistiksel özellikleri dikkate
15
Ekonometrinin Tanımı, Amacı, Niteliği ve Metodolojisi
alacağını açıklamıştır. (a) Kuram, bir tek denk- Jan Tinbergen’in Hollanda dilinde yazılmış
lemle değil bir eşanlı (simultaneous) denklemler olan Ekonometri kitabı da 1941’de yayınlandı.
sistemi ile ifade edilmelidir. (b) Bu sistemdeki Bu kitabın İngilizcesi 1951’de yayınlandı. Leonti-
denklemlerin tümünde veya birçoğunda rassal ef, 1948’de yayınlanan ve iktisatta yeni gelişmele-
(tesadüfi) (random) hata terimi vardır. (c) Eko- ri anlatan bir kitapta ekonometrideki gelişmeleri
nometrik uygulamalarda kullanılan veriler büyük açıkladı. 1952’de ve 1953’te yayınlanan iki ekono-
ölçüde zaman serileridir ve bunlar genellikle ön- metri ders kitabının da yazarları, Tintner (1952)
ceki değerleri ile ilişkilidirler, içsel bağıntı (auto- ve Klein (1953), Cowles Komisyonu üyesidirler.
correlation) taşırlar. (d) Yayınlanan verilerin bü- 1960’larda ve 1970’lerde ekonometri ders kitapla-
yük bölümü mikro düzeyde kişi ve kuruluşlarla rında bir sıçrama olduğunu görüyoruz.
değil, makro düzeyde ekonominin bütünüyle
ilgilidir.
Kaynak:
Cowles Komisyonları konusunda birkaç nok-
Uygur, E. (2006). Ekonometri’nin serüveni:
tayı belirtmek yerinde olacak. Birincisi, bu komis-
iktisadın “bilim” ve “çare” olması için arayışlar.
yonlar iktisadi yapının iç içe geçmiş karmaşık ve
Tuncer Bulutay (Ed.) Türk İktisadının Öncülerin-
dinamik ilişkilerden oluştuğunu, bunları açıkla-
den Nejat Bengül’e Armağan içinde (s.227-274).
mak için öncelikle iktisat kuramına başvurmak
Ankara: Mülkiyeliler Vakfı Yayınları
gerektiğini öne çıkarmışlardır. İkincisi, bu komis-
yonlar 1930’ların başından itibaren birçok ülke- http://mulkiye.org.tr/wp-content/uplo-
den farklı iktisadi-politik görüşleri ile bilinen ikti- ads/2015/09/35.pdf Erişim Tarihi: 02.10.2019
satçıyı-istatistikçiyi biraraya getirebilmiştir. Açıktır * İlgili kitap bölümü “Ekonometrinin Gelişi-
ki, bilim adamları dünya görüşleri ile değil araştır- mi: İktisadın “Bilim” Olma Çabası” adlı Türkiye
macı özellikleriyle değerlendirilmiş ve bunlar için Ekonomi Kurumu tartışma metnine dayanmak-
uygun bir bilimsel ortam da sağlanmıştır. tadır. Tartışma metnine aşağıdaki linkten ulaşa-
Cowles Komisyonlarının üçüncü bir özelliği, bilirsiniz:
ekonometri ve dinamik makroiktisat konusunda h t t p : / / w w w. t e k . o r g . t r / d o s y a l a r /
yapılan ilk ve öncü yayınlara, ders kitapları da EKONOMETRI-T3.pdf Erişim Tarihi:
dahil olmak üzere, kaynaklık etmiş olmasıdır. 02.10.2019
Tintner’in (1952) derlediği bilgilere göre, ilk
ekonometri kitabı Ekonometri Derneğinin kuru-
cularından ve ilk Cowles Komisyonu üyelerinden
Harold T. Davis tarafından yazılmış ve Theory of
Econometrics başlığı ile 1941’de yayınlanmıştı.
Öğrenme Çıktısı
Otokorelasyon sorununun
Varyans kavramını açıkla- Keynesyen tüketim fonksi-
hipotez testleri üzerinde ne
yın ve standart sapma ile yonunu geleneksel ekono-
gibi etkilerinin olacağını
ilişkilendirin. metrik metodolojinin adım-
araştırın.
larına uygun şekilde sınayın
ve arkadaşlarınızla paylaşın.
16
Ekonometrinin Temelleri
1 Ekonometriyi tanımlayabilme,
ekonometrinin amacını açıklayabilme
İsmini Latince ekonomi anlamına gelen “oikonomia” ve ölçüm anlamına gelen “metron” sözcüklerinin birle-
şiminden alan ekonometri kavramı en net ifadesiyle “ekonomik ölçüm” demektir. Ekonometri temel olarak,
iktisat kuramını matematiksel araçlar ve istatistiki yöntemler yardımıyla sınayan bilim dalıdır. Herhangi bir eko-
nomi politikasının geliştirilebilmesi için öncelikle ortaya konulan teorilerin test edilerek değişkenler arasındaki
ilişkilerin matematiksel boyutunun bilinmesi gerekir. İktisat teorisi, iktisadi olayları açıklarken bazı varsayımlar
altında değişkenler arasındaki ilişkileri belirten teori ve hipotezler ortaya koyar. Ancak bu bilgi politika geliştir-
mek için yeterli değildir. Burada iktisadi değişkenler arasındaki ilişkileri matematiksel bir kalıba sokarak çeşitli
istatistiksel yöntemler yardımıyla söz konusu değişkenler için parametre tahminlerinde bulunulması gerekir.
Ekonometrinin temel amacı da bu ihtiyacı karşılamaktır.
Ekonometrinin Niteliği
Regresyon kısaca aralarında neden-sonuç ilişkisi olan iki veya daha çok sayıdaki değişkenin bir denklem yardımıyla
ifade edilmesidir. Herhangi iki veya daha çok sayıda değişken arasındaki ilişkinin yönü veya büyüklüğü ise regres-
yon analizi ile belirlenir. Regresyon analizi yaparken kullanılan veriler temelde üç farklı tiptedir. Bunlar zaman serisi
verileri, yatay kesit verileri ve panel verilerdir. Zaman serisi verileri, kısaca herhangi bir değişkenin ardışık bir zaman
dilimi içinde aldığı değerler kümesidir. Tek bir birimin belirli bir periyot için birbirini izleyen değerleri zaman
serisini oluşturmaktadır. Yatay kesit verileri ise, zamanın belirli bir noktasında herhangi bir değişkenin çok sayıda
birim için aldığı değerlerdir. Bu tip verilerde çok sayıda birim söz konusu iken birbirini izleyen bir zaman periyodu
yoktur. Panel veriler ise herhangi bir değişkenin çok sayıda birim için belirli bir zaman diliminde aldığı değerler
kümesidir. Panel veriler hem yatay-kesit boyutuna hem de zaman serisi boyutuna sahiptir.
3 Ekonometrinin metodolojisini
açıklayabilme
Ekonometrinin Metodolojisi
Geleneksel ekonometrik metodolojinin herhangi bir iktisadi olayı analiz ederken izlediği bazı adımlar vardır. Bu
adımlar sırasıyla şu şekildedir: Öncelikle iktisadi bir teoriyi temel alacak şekilde problem ortaya koyulur. Ardından
ortaya konulan bu teori matematiksel bir kalıba sokularak ekonometrik model oluşturulur. Devamında analizlerde
kullanılmak üzere veriler toplanır. Sağlıklı verilere ulaşıldıktan sonra uygun tahmin yöntemi belirlenerek modelin
tahmini yapılır ve katsayılara ulaşılır. Devam eden aşamada ise iktisadi, istatistiki ve ekonometrik ölçütler temel
alınarak tahmin edilen katsayıların güvenilirliği sınanır ve son aşamada tahmin sonuçları amaca uygun şekilde
değerlendirilir.
17
Ekonometrinin Tanımı, Amacı, Niteliği ve Metodolojisi
1 Aşağıdakilerden hangisi iktisat kuramını ma- 6 Aşağıdakilerden hangisi hem birim boyutuna
tematiksel araçlar ve istatistiki yöntemler yardımıy- hem de zaman boyutuna sahip verileri tanımlar?
neler öğrendik?
18
Ekonometrinin Temelleri
9 Tahmin katsayılarının bireysel anlamlılığını sı- 8 Hata terimleri arasında istatistiksel olarak an-
nayan test aşağıdakilerden hangisidir? lamlı ilişkilerin olduğu durumda karşılaşılan tanısal
sorun aşağıdakilerden hangisidir?
neler öğrendik?
A. R2
B. F testi A. Değişen varyans
C. t testi B. Otokorelasyon
D. Hipotez testi C. Çoklu doğrusal bağlantı
E. Regresyon analizi D. Doğrusal regresyon
E. Çoklu doğrusal regresyon
19
Ekonometrinin Tanımı, Amacı, Niteliği ve Metodolojisi
1. A Yanıtınız yanlış ise “Ekonometrinin Tanımı ve 6. D Yanıtınız yanlış ise “Veri Tipleri” konusunu
Amacı” konusunu yeniden gözden geçiriniz. yeniden gözden geçiriniz.
neler öğrendik yanıt anahtarı
2. E Yanıtınız yanlış ise “Ekonometrinin Tanımı ve 7. A Yanıtınız yanlış ise “Ekonometrinin Metodo-
Amacı” konusunu yeniden gözden geçiriniz. lojisi” konusunu yeniden gözden geçiriniz.
3. E Yanıtınız yanlış ise “Regresyon Kavramı” ko- 8. D Yanıtınız yanlış ise “Tahmin Yöntemi” ko-
nusunu yeniden gözden geçiriniz. nusunu yeniden gözden geçiriniz.
4. B Yanıtınız yanlış ise “Regresyon Kavramı” ko- 9. C Yanıtınız yanlış ise “Hipotez Testi” konusu-
nusunu yeniden gözden geçiriniz. nu yeniden gözden geçiriniz.
5. C Yanıtınız yanlış ise “Veri Tipleri” konusunu 10. B Yanıtınız yanlış ise “Hipotez Testi” konusu-
yeniden gözden geçiriniz. nu yeniden gözden geçiriniz.
Araştır Yanıt
1 Anahtarı
Zaman serisi verileri, herhangi bir değişkenin belirli bir zaman dilimi içe-
risinde aldığı değerler kümesi iken yatay kesit verileri, zamanın belirli bir
noktasında herhangi bir değişkenin çok sayıda birim için aldığı değerlerdir.
Panel veriler ise herhangi bir değişkenin çok sayıda birim için belirli bir zaman
Araştır 3 diliminde aldığı değerler kümesini temsil eder. Bu tanımlamalar dikkate alın-
dığında, Avrupa Birliği ülkelerinde 2018 yılı işsizlik oranlarının bir yatay kesit
verisi örneği olduğu anlaşılmaktadır. Çünkü burada yatay kesit verisinin tanı-
mında da belirtildiği gibi çok sayıda birim için (AB ülkeleri) zamanın tek bir
noktasındaki (2018) işsizlik oranının alacağı değerler kümesi belirtilmektedir.
20
Ekonometrinin Temelleri
Kaynakça
Gujarati, D. N. (2003). Basic econometrics (4th Tarı, R. (2018). Ekonometri (13. Baskı). Kocaeli:
Edition). NewYork: McGraw-Hill Higher Education Umuttepe Yayınları
Gujarati, D. N. (2011). Econometrics by examp- Uygur, E. (2001). Ekonometri yöntem ve uygula-
le. New York: Palgrave Macmillan ma. Ankara: İmaj Yayıncılık
Güriş, S., Çağlayan, E. ve Güriş, B. (2013). Evi- Wooldridge, J. M. (2012). Introductory econo-
ews ile temel ekonometri (2. Baskı). İstanbul: Der metrics: a modern approach (5.th Edition). Nelson
Yayınları Education
Kennedy, P. (2003). A guide to econometrcis. (5th
Edition). Cambridge: MIT Press
21
Bölüm 2
Basit Doğrusal Regresyon Modeli
Doğrusal Regresyon Modeli
1 Doğrusal regresyon modelini
öğrenme çıktıları
açıklayabilme
Basit Doğrusal Regresyon Modeli
1 2
2 Bağımlı değişken, bağımsız değişken
ve stokastik hata terimi kavramlarını 3 Basit doğrusal regresyon modelini
tanımlayabilme, β katsayılarını ifade tanımlayabilme, varsayımlarını
edebilme açıklayabilme
3
4 En küçük kareler yöntemini açıklayabilme
5 Tahmin katsayılarını yorumlayabilme,
katsayılarının anlamlılığını sınayabilme
Anahtar Sözcükler: • Regresyon Analizi • Bağımlı Değişken • Bağımsız Değişken • Stokastik Hata Terimi
• β Katsayısı • Basit Doğrusal Regresyon • En Küçük Kareler Yöntemi
• Belirlilik Katsayısı (R2) • t-Testi • F Testi
22
Ekonometrinin Temelleri
GİRİŞ
Regresyon analizi kısaca, aralarında neden-sonuç ilişkisi bulunan iki veya daha çok sayıda değişken
arasındaki matematiksel ilişkileri ortaya koyan yöntemdir. İktisadi teoriler de bir neden-sonuç ilişkisi bağ-
lamında ortaya konulur. Örneğin, talep kanununa göre malın fiyatı ile talep edilen miktarı arasında bir
neden-sonuç ilişki söz konusudur. Benzer şekilde tüketim fonksiyonu harcanabilir gelir ve tüketim düzeyi
arasındaki neden-sonuç ilişkisini temsil eder. İktisadi değişkenler arasındaki bu ilişkilerin varlığı regresyon
analizinin ekonometrik çalışmalarda sıklıkla kullanılan bir yöntem olmasını mümkün kılmıştır.
Regresyon analizi, temel olarak bağımlı ve bağımsız değişken sayısına göre veya değişkenler arasındaki
ilişkilerin doğrusal olup olmamasına göre sınıflandırılmaktadır. Tablo 1’de bu kriterlere göre sınıflandırılan
regresyon analizi türleri gösterilmektedir:
Tablodan da anlaşılacağı gibi regresyon modelleri, bağımlı ve bağımsız değişken sayısına göre basit ve
çoklu regresyon modelleri şeklinde adlandırılırken değişkenler arasındaki ilişkilere göre doğrusal ve doğ-
rusal olmayan regresyon modelleri şeklinde sınıflandırılmaktadır. Bu bölümde basit doğrusal regresyon
modeli incelenmektedir. Yani bu bölümde, aralarında doğrusal ilişki olduğu varsayılan bir bağımlı ve bir
bağımsız değişkenin oluşturduğu modellerin yapısı analiz edilmektedir. Burada öncelikle doğrusal reg-
resyon modelinin neyi ifade ettiğini daha detaylı şekilde inceleyerek sonrasında basit doğrusal regresyon
modeline ve bu modelin tahminine değinebiliriz.
Bir bağımlı ve bir bağımsız değişkenden oluşan regresyon modellerine basit regres-
yon modeli adı verilmektedir.
Y = β0 + β1X + u (2.1)
Eşitlik (2.1)’de iki değişken arasındaki ilişkinin fonksiyonel formu gösterilmektedir. Bu değişkenler Y
ve X değişkenleridir. Burada Y açıklanan veya bağımlı değişken olarak adlandırılırken X değişkeni açık-
23
Basit Doğrusal Regresyon Modeli
layıcı veya bağımsız değişken olarak isimlendiril- nülen çok sayıda faktör olabilir. Stokastik hata terimi
mektedir. Öte yandan u stokastik (olasılıklı) hata de tüm bu değişkenleri temsil etmektedir. Buna göre
terimini, β0 sabit katsayısı β1 ise Y ve X değişkeni X’in alacağı herhangi bir değer için Y’nin alacağı değer
arasındaki ilişkinin yönünü ve büyüklüğünü gös- kesin olarak bilinemez ancak ortalama değeri tahmin
teren katsayısı temsil etmektedir. Burada doğrusal edilebilir. Tahmin edilen yani beklenen Y ile gerçek Y
regresyon modelinin daha iyi anlaşılabilmesi için arasındaki fark ise stokastik hata terimi olarak adlan-
bağımlı ve bağımsız değişken, stokastik hata terimi dırılır. Bu nedenle regresyon modeli için değişkenler
ve β0 ve β1 katsayıları hakkında daha detaylı bilgiler arasındaki ilişkiler kesin değil, olasılıklı veya stokastik
verelim. olarak nitelendirilmektedir.
24
Ekonometrinin Temelleri
dikkat
Doğrusal regresyon modelindeki doğrusal ifadesi β katsayının
doğrusallığını ifade eder. Doğrusal regresyon modellerinde β1
katsayısına, kuvvetinin alınması (β2) veya logaritmasının alın-
ması (lnβ) gibi herhangi bir dönüşüm uygulanamaz.
Bölümün giriş kısmında da bahsedildiği gibi regresyon modelleri değişkenler arasındaki ilişkilerin doğ-
rusal olup olmamasına göre ayrılabileceği gibi bağımlı ve bağımsız değişkenlerin sayısına göre de sınıflan-
dırılmaktadır. Burada bir bağımlı ve bir bağımsız değişkenden oluşan regresyon modellerine basit regresyon
modeli, bir bağımlı ve birden çok bağımsız değişkenden oluşan modellere ise çoklu regresyon modelleri adı
verilmektedir. Buna göre aralarında doğrusal ilişkiler bulunan bir bağımlı ve bir bağımsız değişkenden
oluşan modeller basit doğrusal regresyon modeli olarak adlandırılmaktadır. Bu bölümde de temel olarak basit
doğrusal regresyon modeli üzerinde durulmaktadır.
Öğrenme Çıktısı
Yi = β0 + β1Xi + ui (2.2)
25
Basit Doğrusal Regresyon Modeli
Günlük hayatta basit regresyon modeline konu cağı değeri kesin olarak hesaplayabiliriz. Ancak gerçek
olacak ilişkileri bulmak oldukça güçtür. Benzer du- hayatta bu deterministik ilişki söz konusu değildir. Bu
rum iktisadi olaylar için de geçerlidir. Çünkü ikti- nedenle değişkenler arasındaki ilişkinin stokastik oldu-
sadi değişkenler de genellikle çok sayıda faktörün ğu varsayımıyla Keynesyen tüketim fonksiyonuna dair
etkisinde kalır ve iktisadi değişkenlerdeki değişim- basit doğrusal regresyon modeli şu şekilde ifade edilir:
leri tek bir bağımsız değişkenle açıklamaya çalışmak
çoğu zaman yetersiz kalır. Her ne kadar burada tek Ci = C0 + cYi + ui (2.4)
açıklayıcı değişkenin çoğu kez yetersiz kalabileceği
vurgulansa da regresyon analizinin daha iyi anla- Bu modelde otonom tüketimi temsil eden C0 sa-
şılabilmesi için basit regresyon modelinin detaylı bit katsayıyı gösterirken uyarılmış tüketim olan cY
incelenmesi önem arz etmektedir. ifadesindeki Y yani harcanabilir gelir bağımsız de-
Bu bilgiler ışığında basit doğrusal regresyon ğişkeni, marjinal tüketim eğilimini temsil eden c ise
modelini bir iktisadi teori üzerinden ayrıntılı şekil- regresyon katsayısını göstermektedir. ui ise stokastik
de inceleyebiliriz. Burada örneğimiz Keynesyen tü- hata terimidir. Keynesyen tüketim teorisini temel
ketim fonksiyonu olsun. Keynesyen tüketim fonk- alacak şekilde kurulan Eşitlik (2.4)’teki regresyon
siyonu temel olarak şu şekilde ifade edilir: modeli kullanılarak tahmin edilen β0 ve β1 katsayı-
ları sırasıyla otonom tüketim olan C0 ile marjinal
C = C0 + cY (2.3) tüketim eğilimi olan c katsayılarıdır.
Marjinal tüketim eğilimi iktisat derslerinden de
Eşitlik (2.3)’te fonksiyonel formda gösterilen hatırlayacağımız gibi harcanabilir gelirde meydana
Keynesyen tüketim fonksiyonunda C tüketim gelen bir değişimin hangi oranda tüketime ayrılacağı-
düzeyini, C0 otonom tüketimi yani harcanabilir nı göstermektedir. Harcanabilir gelirde bir artış yaşan-
gelirin sıfır olması durumda yapılması planlanan ması durumunda bu gelir birey tarafından ya tüketi-
tüketimi, cY ise uyarılmış tüketim harcamalarını me ayrılacak ya da tasarruf edilecektir. Bu nedenle c
yani gelire bağlı olarak değişen tüketim düzeyini katsayısı yani marjinal tüketim eğilimi 0 ila 1 arasında
göstermektedir. c katsayısı ise harcanabilir gelirdeki bir değer almalıdır. Dolayısıyla tahmini yapılan reg-
değişimin ne kadarının tüketim harcamalarına ay- resyon modelinde de bu katsayının 0 ila 1 aralığında
rılacağını gösteren marjinal tüketim eğilimi katsa- bir değer olması beklenir. Bu aralık dışında bir değere
yısıdır. Eşitlikten de görüleceği gibi burada bağımlı ulaşılması durumunda bu sonuçların iktisadi teori ta-
değişken olan tüketim harcamaları, tek açıklayıcı rafından desteklenmediği söylenebilir.
değişken olan harcanabilir gelir tarafından açıklan-
maktadır. Eşitlik (2.3)’te fonksiyonel formu verilen
bu ilişkiyi grafik yardımıyla şu şekilde gösterebiliriz:
dikkat
C Keynesyen tüketim fonksiyonu har-
C=C0+cY canabilir gelir ile tüketim harcamaları
arasındaki ilişkiyi açıklamaktadır.
26
Ekonometrinin Temelleri
E = (ui) = 0 (2.5)
Y
a
Hata Teriminin Varyansı Sabittir
Grafik 2.2 Keynesyen Tüketim Fonksiyonuna İlişkin Varyans herhangi bir veri setinin ortalama etrafın-
Dağılma Diyagramı daki dağılımını ölçmek için kullanılan bir gösterge-
dir. Varyans temel olarak ortalamaya göre volatiliteyi
Grafikte a-b tahmin edilen yani beklenen tü- ölçer. Varyans değeri büyüdükçe ortalamadan sapma
ketim düzeyini (Ĉi = Ĉ0 + ĉYi), α-c ise gerçek artar, varyans değeri küçüldükçe ortalamadan sapma
tüketim düzeyini (Ci = C0 + cYi + ui) temsil et- azalır. Basit regresyon modelinin bir varsayımı da hata
mektedir. Tahmin edilen değer ile gerçek değer teriminin volatilitesinin bağımsız değişkene göre artıp
arasındaki farkı gösteren b-c ise hata terimidir. ya da azalmadığı yani sabit kaldığıdır. Diğer bir ifa-
Grafikten de görüleceği üzere burada harcanabi- deyle sabit varyans varsayımı, hata teriminin varyansı-
lir gelir ile tüketim düzeyi arasındaki ilişki kesin nın bağımsız değişkenin alacağı her değerde eşit oldu-
değildir. Tahmin sonucunda artı veya eksi bir hata ğunu yani değişmediğini ifade etmektedir. Örneğin;
payı söz konusudur. Buna göre regresyon analizi Keynesyen tüketim fonksiyonunda hata terimlerinin
yardımıyla bağımlı değişken ile bağımsız değiş- varyansı farklı gelir düzeylerinde değişmiyor sabit ka-
kenler arasındaki kesin ilişkiler değil ortalama lıyorsa sabit varyans varsayımı geçerlidir diyebiliriz.
ilişkiler belirlenmektedir.
Var (ui) = E (ui)2= σ2 i = 1,2,3, …, n (2.6)
Basit Doğrusal Regresyon Modelinin Burada bağımsız değişkenlerin (Xi) alacağı her
Temel Varsayımları değerde oluşacak varyans, σ2’ye eşit olacaktır ve de-
Basit doğrusal regresyon modeli bir bağımlı ve ğişmeyecektir. Sabit varyans varsayımı altında Key-
bir bağımsız değişken arasındaki ortalama ilişki- nesyen tüketim fonksiyonu için hata terimlerinin
leri gösterir. Bu ilişki kesin değildir çünkü tahmi- dağılımı Grafik 2.3’teki gibi olacaktır.
ni yapılan modelde her zaman bir hata payı söz
konusudur. Tahmin edilen değerle gerçek değer Ci
arasındaki değeri gösteren bu hata payı ise regres-
yon modelinde hata terimi şeklinde modele da-
hil edilmektedir. Regresyon modellerinin temel
varsayımları da büyük ölçüde bu hata terimi ile
ilgilidir. Regresyon modelinde tahmin edilen mo-
delin gerçek durumu temsil etmesi beklenir. Bu
ise ancak hata terimi ile ilgili bazı varsayımlara
bağlıdır. Basit regresyon modelinde hata terimine
dair temel varsayımlar şu şekildedir: Yi
27
Basit Doğrusal Regresyon Modeli
Yaşamla İlişkilendir
28
Ekonometrinin Temelleri
Burada Anadolu Ajansının web sayfasından Hata teriminin otokorelasyon içermemesi varsa-
TÜİK’in gelir dağılımı istatistikleri ile ilgili haberin yımı doğrusal regresyon modelinde doğru sonuçlara
bir bölümü alınmıştır. Son paragrafta vurgulanan ulaşılabilmesi için son derece önemlidir. Otokorelas-
eğitim düzeyi ile yoksulluk oranı arasındaki oransal yon sorununun göz ardı edilmesi durumunda ulaşı-
ilişkiler eğitim düzeyi ile gelir seviyesi arasındaki lacak sonuçlar da sağlıklı olmayacaktır. Bu durumda
ilişkiyi vurgulamaktadır. Buna göre eğitim düzeyi R2 değeri olması gerekenin üzerinde çıkacak, t ve F
arttıkça gelir düzeyinin de arttığı görülmektedir. test sonuçları da güvenilir olmayacaktır. Otokorelas-
Dolayısıyla gelir düzeyine ilişkin yapılacak bir reg- yon ile ilgili daha detaylı bilgilere kitabımızın devam
resyon analizinde bireylerin eğitim durumlarına eden bölümlerinden ulaşabilirsiniz.
göre gelir oranlarının da farklılık göstereceği anla-
şılmaktadır. Buna göre kişisel gelir düzeyi üzerine
yapılacak bir yatay kesit analizinde hata terimleri-
Hata Terimi (ui) ile Açıklayıcı
nin varyansının eğitim düzeyine göre farklılaşacağı Değişkenler (Xi) Arasında İlişki Yoktur.
anlaşılmaktadır. Bu nedenle bu tür bir modelde Basit doğrusal regresyon modelinde bağımsız
değişen varyans sorunu ile karşılaşılması kuvvetle değişkenin (Xi) stokastik yani tesadüfi olmadığı var-
muhtemeldir. sayılır. Bu nedenle tekrarlanan örnekler için bağım-
sız değişkenin alacağı değerler sabittir ve bağımlı
değişkendeki değişmelerin nedeni hata teriminden
Hata Terimleri Arasında İlişki Yoktur yani diğer tesadüfi faktörlerden kaynaklanmakta-
Basit regresyon modelinde hata terimine dair dır. Bu durumda bağımsız değişken ile hata terimi
önemli bir varsayım da birbiri ardını izleyen hata birlikte hareket etme eğiliminde değildirler. Daha
terimleri arasında doğrusal bir ilişkinin olmadığı net bir ifadeyle bağımsız değişken ile hata terimi
varsayımıdır. Hata teriminin otokorelasyon içer- arasında bir ilişki yoktur ve kovaryansları “0” dır.
mediği durumda hata terimleri arasında ardışık bir Dikkat: Basit doğrusal regresyon modelinde
bağımlılık söz konusu değildir. Burada hata terim- hata terimini normal dağılım sergilediği, sıfır or-
leri arasındaki ilişki bulunmaması hata terimleri talamaya sahip olduğu, her bir gözlem için varyan-
arasındaki kovaryansın sıfır olması anlamına gelir sının değişmediği, ardışık hata terimleri arasında
ve şu şekilde gösterilebilir: korelasyon olmadığı ve bağımsız değişken ile hata
terimi arasında bir ilişki olmadığı varsayılır.
Kov(ui, uj) = E{[ui – E(ui)][uj – E(uj)]}
= E (ui, uj) = 0 i ≠ j için (2.8)
Hata Terimi Normal Dağılıma Sahiptir
Yani, farklı hata terimleri arasındaki kovaryans- Normallik varsayımı, modelde hata terimleri-
lar sıfıra eşit olup hata terimleri arasında bir ilişki nin normal dağılım sergilediğini ifade eder. Bura-
söz konusu değildir. da bağımsız değişkenin alacağı her bir değer için
oluşturulan hata terimlerinin her birinin ayrı ayrı
Bu varsayımın ihlali ise otokorelasyon veya ar-
normal dağılım sergilemesi gerekmektedir. Normal
dışık bağımlılık olarak adlandırılır. Hata teriminin
dağılım varsayımı temel olarak hata terimlerinin si-
otokorelasyon içeriyor olması ardışık hata terimleri
metrik bir dağılıma sahip olduğunu söylemektedir.
arasında anlamlı bir ilişki olduğunu ifade eder ve şu
Hata teriminin normal dağılmış olması varsayımı
şekilde ifade edilir:
tahmin için gerekli bir varsayım değildir ancak
model ve parametreler hakkında hipotez testlerinin
E (ui, uj) ≠ 0 i ≠j için (2.9)
yapılabilmesi için gereklidir.
29
Basit Doğrusal Regresyon Modeli
Öğrenme Çıktısı
Yi = β0 + β1Xi + ui i = 1, 2, 3, …, n (2.10)
Eşitlik (2.10)’de basit doğrusal regresyon modeli fonksiyonel formda gösterilmektedir. Eşitlikten de görülebi-
leceği gibi bağımlı değişken (Y), tek bağımsız değişken (X) tarafından açıklanmaktadır. Daha önce de bahsedildi-
ği gibi bir bağımlı ve bir bağımsız değişkenin oluşturduğu modellere basit regresyon modelleri adı verilmekteydi.
Öte yandan bağımlı değişken ve bağımsız değişken arasındaki ilişkinin doğrusal olduğu (β) görülmektedir. Bu
da modelin aynı zamanda doğrusal bir model olduğunu söylemektedir. Buna göre Eşitlik (2.10)’de belirtilen
modelin basit doğrusal regresyon modeli olduğu anlaşılmaktadır. Basit doğrusal regresyon modelini örneğimiz
olan Keynesyen tüketim fonksiyonunu temel alacak şekilde düzenlersek şu ifadeye ulaşırız:
Ci = C0 + cYi + ui i = 1, 2, 3, …, n (2.11)
Eşitlik (2.11)’de tanımlanan doğrusal regresyon modelinin beklenen değeri ise şu şekilde ifade edilir:
Eşitlikte Ci’nin normal dağılıma sahip olduğu varsayılır ve ortalaması C0 + cYi’dir. Ĉ0 ve ĉ ifadelerinin
üzerinde bulunan şapka ise bu katsayıların birer tahmin olduğunu söylemektedir. Burada çeşitli yöntemler
yardımıyla C0 ve c’nin tahmini yapılabilir ve bu yöntemlerin her birine tahminci adı verilir. Peki gerçeğe en
yakın tahmini belirleyebilmek için hangi tahmin yöntemini tercih edeceğiz? Burada uygun tahmin yönte-
mini belirleyebilmek için tahmincinin bazı özellikleri taşımasını bekleriz. Bu özellikler ise küçük örneklem
ve büyük örneklem özellikleri şeklinde ikiye ayrılmaktadır.
Küçük örneklem için tahmincinin taşıması gereken özellikler sapmasızlık, en küçük varyans, en küçük
ortalama hata karesi, etkinlik, doğrusal en iyi sapmasızlık ve yeterlilik ölçütleridir. Şimdi bu özellikleri
daha detaylı inceleyelim.
30
Ekonometrinin Temelleri
i. Bir tahminci için sapma, tahmincinin beklenen değeri ile gerçek parametre değeri arasındaki farkı
temsil eder. Sapmasızlık ise bu farkın yani sapmanın “0” olduğunu ifade etmektedir.
ii. En küçük varyans özelliği ise sapmalı veya sapmasız tahminciler arasında en küçük varyansa sahip
tahmincinin tercih edilebileceğini ifade eder.
iii. Ancak yalnızca bu bilgiyle tahmincinin en iyi tahminci olduğunu söyleyemeyiz. Çünkü burada tah-
mincinin öncelikle sapmasızlık özelliğini taşıması ve aynı zamanda en küçük varyansa sahip olması
arzu edilir. Peki, sapmalı ancak düşük varyansa sahip tahminci ile sapmasız ancak büyük varyanslı
tahminci arasında tercih yapmamız gerekirse hangisini tercih etmeliyiz? Bu durumda hangi tah-
mincinin en iyi tahminci olduğuna karar verebilmek için ortalama hata karelerine bakılır. Burada
iki tahminci arasından ortalama hata kareleri düşük olan tercih edilir. Arzu edilen ise tahmincinin
sapmasız ve en küçük varyansa sahip olmasıdır. Sapmasız tahminciler arasında en küçük varyansa
sahip tahminci tercih edilir ve buna etkin tahminci adı verilir.
iv. Doğrusallık, tahmincinin gözlemlerin doğrusal bir fonksiyonu olduğunu ifade eder. Doğrusal en
iyi sapmasızlık özelliği ise doğrusal ve sapmasız tahmin ediciler arasında en düşük varyansa sahip
tahmincinin doğrusal en iyi sapmasız tahminci olduğunu ifade etmektedir. Öte yandan tahminci-
nin, gerçek parametrenin yeterli bir tahmincisi olması beklenir. Eğer bir tahminci yeterlilik şartını
yerine getiriyorsa bu, söz konusu tahmincinin gerçek parametre hakkında diğer tüm tahmincilere
göre daha fazla bilgi içerdiğini ifade etmektedir.
Büyük örneklem durumunda ise tahmincinin asimtotik özellikleri incelenir. Burada gözlem sayısının
sonsuza gittiği varsayılır. Bu nedenle büyük örneklem özelliklerine asimtotik özellikler denir. Bunlar sıra-
sıyla, asimtotik sapmasızlık, tutarlılık ve asimtotik etkinliktir.
i. Asimtotik sapmasızlık, tahmincinin asimtotik ortalamasının yani beklenen değerinin gerçek para-
metre değerine eşit olduğunu ifade etmektedir. Burada gözlem sayısının sonsuza gittiği varsayılır.
ii. Eğer bu koşul sağlanıyor ve gözlem sayısı sonsuza giderken varyans sıfıra yaklaşıyorsa tahmincisi β̂
tutarlı tahmincidir.
iii. Öte yandan β̂ hem tutarlı tahminci, hem de diğer tahmincilerden daha düşük varyanslı ise β̂ , ger-
çek parametrenin asimtotik etkin tahmincisi olduğunu söyleyebiliriz.
Ekonometrik analizlerde katsayılar tahmin edilirken başvuru-
lan çok sayıda yöntem yani tahminci vardır. Peki bu yöntemler-
den hangisinin tercih edilmesi gerekir? Bu sorunun net bir cevabı
olmamakla birlikte iyi bir tahmincinin burada bahsi geçen özel-
liklerden mümkün olduğunca çoğuna sahip olmasını bekleriz.
Ekonometrik analizlerde sıklıkla başvurulan yöntem ise En Kü-
çük Kareler Yöntemi’dir. En küçük kareler tahmincisi regresyon
modelinin temel varsayımlarının sağlanması şartıyla, bütün tah-
minciler arasında doğrusal, sapmasız ve en düşük varyansa sahip
tahmincidir.
31
Basit Doğrusal Regresyon Modeli
Yˆi = 0 + 1 Xi i = 1, 2, 3, …, n (2.16)
Eşitlik (2.16)’da yer alan β̂0 ve β̂i ifadeleri β0 ve β1’in tahmin edilen değerleridir. EKK yönteminde amaç
hata terimlerinin kareleri toplamını minimum yapan β0 ve β1’in belirlenmesidir. Buna göre öncelikle hata
terimlerinin tanımlanarak hata terimlerinin kareleri toplamını minimum yapan eşitliğe ulaşılması gerek-
mektedir.
Hata terimi daha önce de belirtildiği gibi gözlenemeyen Yi değeri ile Y’nin beklenen değeri (Yˆi) arasın-
daki farktır ve şu şekilde ifade edilir:
Ui = Yi – Yˆi (2.17)
EKK yönteminde amaç hata terimlerinin kareleri toplamını minimum yapan katsayıları tahmin etmektir.
n n n
! )2 =
2
∑ i ∑ i
u =
(Y −Y ∑ (Yi − β!0 − β!i X i )2 = min. (2.18)
i=1 i=1 i=1
Bu amaçla öncelikle (2.18) numaralı eşitlik cebirsel olarak açılır ve ardından β̂0 ve β̂i’ye göre kısmi tü-
revleri alınarak sıfıra eşitlenir. Gerekli çözümlemeler yapıldıktan sonra hata terimlerinin kareleri toplamını
minimum yapan β̂0 ve β̂i değerlerine ulaşılır.
Bu amaçla öncelikle (2.18) numaralı eşitlik cebirsel olarak açılır ve ardından β̂0 ve β̂i ye göre kısmi tü-
revleri alınarak sıfıra eşitlenir. Gerekli çözümlemeler yapıldıktan aşağıdaki normal denklemlerine ulaşılır:
∑ Yi = nβ! 0 + β! i ∑ X i
(2.19)
∑ X iYi = β! 0 ∑ X i + β! i ∑ X 2i
(2.20)
(2.19) ve (2.20) numaralı denklemler en küçük kareler yönteminin normal denklemleridir. Normal denk-
lemlerinin çözümlenmesiyle hata terimlerinin kareleri toplamını minimum yapan β̂0 ve β̂i değerlerine ulaşılır.
Normal denklemleri yardımıyla β̂0 ve β̂i parametreleri değişkenlerin orijinal değerleri ile tahmin edil-
mektedir. Parametreleri tahmin etmenin bir diğer yolu da değişkenlere ait değerlerin ortalamadan farkla-
rını kullanmaktır. Ortalamadan farklar yönteminde β̂i parametresi hesaplanırken değişkenlerin orijinal de-
ğerleri yerine (Yi ve Xi) değişkenlerin ortalamadan farkları (yi ve xi) esas alınır. Ortalamadan farklar yoluyla
β̂i parametresi hesaplanırken kullanılan eşitlikler ise şu şekildedir:
β! i =
∑ xi yi
(2.21)
∑ xi2
32
Ekonometrinin Temelleri
– –
Eşitlikte xi, Xi’nin ortalamadan farkını (Xi – Xi ), yi ise Yi’nin ortalamadan farkını (Yi – Yi ) temsil et-
mektedir. Burada (2.21) numaralı eşitlik yardımıyla β̂i parametresi hesaplandıktan sonra aşağıdaki eşitlikte
yerine yazılarak β̂0 parametresi belirlenir.
– –
β̂0 = Yi – β̂i Xi (2.22)
En küçük kareler yöntemi özetle hata terimlerinin kareleri toplamını minimum yapan parametrelerin
tahminine dayanmaktadır. Bu şekilde parametreler tahmin edilirken en küçük kareler yönteminin normal
denklemleri kullanılabileceği gibi bu parametreler ortalamadan farklar yoluyla da belirlenebilir. Şimdi diler-
seniz konunun daha iyi anlaşılabilmesi için örnek veriler üzerinden her iki yolla da β̂0 ve β̂i parametrelerinin
tahminini yapalım. Örnek verilerimiz Tablo 2.2’de belirtildiği gibi tüketim ve harcanabilir gelir verileri olsun.
Tablo 2.2’de verilen bilgilerden hareketle (2.4) numaralı eşitlikte verilen tüketim fonksiyonunun tah-
minini yapabiliriz. Tabloda Yi bağımlı değişkeni, Xi ise bağımsız değişkeni ifade etmektedir. Dolayısıyla
tabloda Yi ile belirtilen veriler tüketim harcamalarının (C) Xi ile belirtilen veriler ise harcanabilir gelirin
(Y) orijinal değerlerini göstermektedir. yi ve xi ise sırasıyla bağımlı ve bağımsız değişkenin ortalamadan
farklarını ifade etmektedir.
Şimdi dilerseniz tablodaki değerleri en küçük kareler yönteminin (2.19) ve (2.20) numaralı normal
denklemlerinde yerine yazalım. Buna göre normal denklemleri;
163500 = 205250 c
ifadesine ulaşırız. Buradan marjinal tüketim eğilimini ifade eden c (β̂i) katsayısı 0,80 olarak hesaplanır.
c katsayısını normal denklemlerinden herhangi birinde yerine yazarsak otonom tüketim harcamalarını
temsil eden C0 (β̂0);
7600 = 10. C0 + 10150 (0,80)
7600 = 10. C0 + 8120
33
Basit Doğrusal Regresyon Modeli
β̂i = ĉ =
∑ xi yi 163500
= =0.80
camaları harcanabilir gelirin “0” olduğu durum-
da toplam tüketim harcamalarının alacağı değeri
∑ x 2 205250
i göstermektedir. Öte yandan bağımsız değişken ile
şeklinde hesaplanır. Hesaplanan c değeri (2.22) bağımlı değişken arasındaki ilişkinin yönünü ve
numaralı eşitlikte yerine yazılırsa C0, kuvvetini gösteren β1 katsayısı ise 0.8 olarak be-
lirlenmiştir ve bu modelimizde marjinal tüketim
–
β̂0 = Ĉ0 = Yi – β̂i Xi = 760 – 0,8. (1015) = - 52 eğilimini temsil etmektedir. Buna göre harcanabilir
gelirde meydana gelen “1” birimlik artış, tüketim
olarak belirlenir. Buradan da anlaşılacağı gibi harcamalarını “0.8” birim artıracaktır. Görüldüğü
ister orijinal değerler kullanılsın ister ortalamadan gibi bağımlı ve bağımsız değişken arasındaki ilişki
farklar kullanılsın ulaşılan sonuçlar aynı olacaktır. doğrusal bir ilişkidir ve tahmin edilen parametre-
Sonuç olarak burada sırasıyla -52 ve 0.8 şeklinde ler iktisat teorisi tarafından da desteklenmektedir.
tahmin edilen β̂0 ve β̂i (Ĉ0 ve ĉ) parametreleri hata Eşitlik (2.16)’da fonksiyonel formda gösterilen
terimlerinin kareleri toplamını minimum yapan Keynesyen tüketim fonksiyonunu grafik yardımıy-
değerlerdir. la görmek de mümkündür.
En küçük kareler yöntemiyle parametreler tah-
min edilirken hata terimlerinin kareleri toplamının C
minimum olması amaçlanır. Bu durumda tahmi-
Ĉi=20+0,8Yi
nin varyansı da düşük olacaktır. Varyans temel
olarak veri setinin dağılımını gösteren bir ölçüttür.
Buna göre düşük varyans regresyon doğrusunun
verilerle uyumlu olduğunun bir göstergesidir. Var-
20
yansın karekökü ise tahminin standart hata ifade
etmektedir.
Y
S=
∑ ui2 (2.24) Grafik 2.5 Keynesyen Tüketim Fonksiyonu
n−2
Grafik 2.5’te en küçük kareler yöntemi ile tah-
mini yapılan Keynesyen tüketim fonksiyonu göste-
rilmektedir. Burada C için gözlem değerleri serpme
En küçük kareler yöntemi kısaca, ortala- noktaları şeklinde gösterilmiştir. En küçük kareler
madan sapmaların kareleri toplamını mi- yönteminde de amaç tahmin edilen fonksiyon ile
nimum yapan β katsayılarının belirlenme- serpme noktaları arasındaki uzaklıkların yani hata
si yöntemidir. terimlerinin kareleri toplamını minimum yapmak-
tır. Tahmin sonucuna göre bu şartı sağlayan β0 ve β1
parametreleri sırasıyla -52 ve 0.8 değerleridir.
34
Ekonometrinin Temelleri
35
Basit Doğrusal Regresyon Modeli
36
Ekonometrinin Temelleri
marjinal tüketim eğilimini temsil eden β1 katsayısı 0’dan büyük olmalıdır. Dolayısıyla burada alternatif
hipotez “H1: β > 0” şeklinde kurulacak ve hipotez testi tek yönlü olacaktır. 0.05 anlam düzeyinde ve 8
serbestlik derecesinde tablo kritik değeri t tablosundan 1.86 olarak belirlenir. Burada hesaplanan t istatistik
değeri tablo kritik değerinden büyük olduğu için sıfır hipotezi reddedilmiştir.
Dolayısıyla β1 katsayısı istatistiksel olarak 0’dan büyüktür. Buna göre harcanabilir gelirdeki artışın tü-
ketim harcamaları üzerindeki pozitif etkisi iktisadi teori tarafından desteklenmekle birlikte tahmin edilen
katsayının istatistiksel olarak da anlamlı olduğu görülmektedir.
Araştırmalarla
İlişkilendir
TÜKETİM FONKSİYONU VE TÜRKİYE Aynı ifadeyi cebirsel olarak ifade etmek ister-
Mahfi EĞİLMEZ, 9 Ağustos 2016 sek tüketimin gelire göre türevini almamız gerekir:
Mpc = ΔC / ΔY
37
Basit Doğrusal Regresyon Modeli
Dikey eksende tüketim harcamaları (C), yatay eksende gelir (Y) yer alıyor. 0 ile C1 arasında tü-
ketim harcamalarının gelirden bağımsız kısmı yani otonom tüketim (CO) yer alıyor. Dikkat edilecek
olursa gelirin (Y) sıfır olduğu yerde de tüketim söz konusu.
Buna göre tüketim fonksiyonunu şöylece yazabiliriz:
C = CO + cY
Yukarıdaki tabloya bakıldığında gelir (GSYH) arttıkça tüketim harcamalarının da arttığı görülebi-
liyor. Tablodaki verileri yukarıdaki denklemimizde yerine koyalım:
C = CO + cY
C = 10 + 08 Y
Bu fonksiyonel ilişki bize şunu anlatıyor: GSYH düzeyi sıfır bile olsa 10 milyar TL’lik tüketim har-
caması yapılmaktadır. GSYH’daki her 10 milyar TL’lik artış, 8 milyar TL’lik tüketim harcaması artışına
yol açtığına göre marjinal tüketim eğilimi 0,8 demektir. Her farklı GSYH düzeyinde yapılan toplam
tüketim harcamasının GSYH’ya oranı değişmektedir. Bu orana da ortalama tüketim eğilimi adı veril-
mektedir. Örneğin GSYH 100 milyar TL iken ortalama tüketim eğilimi 90/100 = 0,90, 110 milyar TL
iken 98/110 = 0,89 olmaktadır.
Bu sanal örnekten sonra Türkiye verilerini kullanarak aynı hesaplamaları tekrarlayalım. Aşağıdaki
tablo Türkiye’nin 1998 – 2015 yılları arasındaki GSYH ve özel nihai tüketim harcamalarını sergiliyor.
38
Ekonometrinin Temelleri
Yıllar GSYH GSYH Artışı Özel Tüketim Tüketim Artışı Tüketim/GSYH (%)
Y ΔY C ΔC c
1998 70,2 46,7 66,5
1999 104,6 34,4 71,6 24,9 68,5
2000 166,7 62,1 117,5 45,9 70,5
2001 240,2 73,5 164,3 46,8 68,4
2002 350,5 110,3 238,4 74,1 68
2003 454,8 104,3 324 85,6 71,2
2004 559 104,2 398,6 74,6 71,3
2005 648,9 89,9 465,4 66,8 71,7
2006 758,4 109,5 534,8 69,4 70,5
2007 843,2 84,8 601,2 66,4 71,3
2008 950,5 107,3 663,9 62,7 69,8
2009 952,6 2,1 680,8 16,9 71,5
2010 1.098,80 146,2 787,8 107 71,7
2011 1.297,70 198,9 923,8 136 71,2
2012 1.416,80 119,1 994,4 70,6 70,2
2013 1.567,30 150,5 1.109,70 115,3 70,8
2014 1.748,20 180,9 1.204,40 94,7 68,9
2015 1.953,60 205,4 1.341,20 136,8 68,7
Ortalama 110,8 76,1 70,2
1600
1400 c=CO+cY
1200
1000
800
600
400
200
0
60 560 1060 1560 2060
Gelir Y
C = CO + cY
Burada:
C = 1.341,20
CO = Bilinmiyor
Y = 1.953,60
c = Mpc = 0,702
39
Basit Doğrusal Regresyon Modeli
Burada denkleme eklediğimiz u (hata payı) toplumun yaş ortalaması, hane halklarının sayısı, inanç-
lar, gelenekler gibi tüketim harcamalarını gelir dışında etkileyen diğer faktörleri kapsayan bir terimdir.
Ekonometrik tahminde kullandığımız u terimini işin içine katarak yapacağımız doğrusal regresyon tah-
mini u terimini katmadan yapacağımız tahmine göre gerçekleşmeye daha yakın bir tahmin olacaktır. u
terimi için bir değer bulmanın en kestirme yolu herhangi bir yılın gerçekleşmiş verilerini ve bir sonraki
yılın gerçekleşmiş GSYH’sını alıp yukarıdaki denklemi kullanarak bir sonraki yıl için tüketim tahmini
yapmaktır. Çıkacak tahmin sonucuyla gerçekleşme arasındaki farkı bütün bir seri için hesaplayıp orta-
lamasını alırsak ortaya çıkan değeri u olarak kabul edebiliriz.
Öğrenme Çıktısı
40
Ekonometrinin Temelleri
1 Regresyon modelleri, bağımlı ve bağımsız değişken sayısına göre basit ve çoklu regresyon modelleri olarak
ayrılırken değişkenler arasındaki ilişkilere göre doğrusal ve doğrusal olmayan regresyon modelleri şeklinde
sınıflandırılmaktadır. Doğrusal regresyon modelindeki “doğrusal” ifadesi “β1” katsayının doğrusallığı ile
ilgilidir. Bu tür modellerde β1 katsayısına, kuvvetinin alınması (β2) veya logaritmasının alınması (lnβ) gibi
herhangi bir dönüşüm uygulanamaz, bağımlı ve bağımsız değişkenler arasındaki ilişkilerin doğrusal olduğu
varsayılır.
2 Bağımlı değişken kısaca bağımsız değişkenlere bağlı olarak değişen yani bağımsız değişkenler tarafından
açıklanan değişkendir. Bağımsız değişken ise bağımlı değişkeni etkileyen değişkendir ve değişimi modeldeki
herhangi diğer bir değişkene bağlı değildir. Y = β0 + β1 X + u gibi bir doğrusal regresyon modelinde Y ve X
sırasıyla bağımlı ve bağımsız değişkenleri temsil etmektedir. Yani bağımlı değişken olan Y bağımsız değişken
olan X tarafından açıklanmaktadır. Burada, Y ve X arasında temeli iktisat teorisine dayanan bir ilişki ol-
malıdır. Regresyon modelinde yer alan u ise stokastik hata terimidir. Regresyon modeli kurulurken verilere
ulaşamama, ölçüm hataları gibi nedenlerle modelde yer almayan veya ölçülemeyen ancak Y’yi etkilediği
düşünülen çok sayıda faktör olabilir. Stokastik hata terimi de tüm bu değişkenleri temsil etmektedir. Öte
yandan modelde yer alan β0 bağımlı değişkenin sıfır olması durumunda bağımlı değişkenin alacağı değeri
gösteren sabit katsayıyı β1 ise bağımsız değişkendeki değişimin bağımlı değişkeni ne yönde ve ne düzeyde
etkilediğini gösteren bağımsız değişken katsayısını temsil etmektedir. Doğrusal regresyon modelindeki doğ-
rusal ifadesi de β1 katsayının doğrusallığı ile ilgilidir.
3 Basit regresyon modeli bir bağımlı ve bir bağımsız değişkenin oluşturduğu regresyon modelidir. Bu tür
modellerde bağımlı değişkendeki değişim yalnızca bir bağımsız değişken tarafından açıklanır. Bu iki değiş-
ken arasındaki ilişkinin doğrusal olması durumunda ise modele basit doğrusal regresyon modeli adı verilir.
Basit doğrusal regresyon modeli bağımlı ve bağımsız değişken arasındaki ortalama ilişkileri gösterir. Bu
ilişki kesin değildir çünkü tahmini yapılan modelde her zaman bir hata payı söz konusudur. Tahmin edilen
değerle gerçek değer arasındaki farkı gösteren bu hata payı ise regresyon modelinde hata terimi şeklinde mo-
dele dahil edilmektedir. Regresyon modellerinin temel varsayımları da bu hata terimi ile ilgilidir. Regresyon
modelinde hata terimine ilişkin varsayımlar sırasıyla, normallik varsayımı, sıfır ortalama varsayımı, sabit
varyans varsayımı ve hata teriminin otokorelasyon (ardışık bağımlılık) içermemesi varsayımlarıdır.
41
Basit Doğrusal Regresyon Modeli
4 En küçük kareler
yöntemini açıklayabilme
öğrenme çıktıları ve bölüm özeti
Tahmin katsayılarını
5 yorumlayabilme, katsayılarının
anlamlılığını sınayabilme
4 En küçük kareler yöntemi temel olarak, ortalamadan sapmaların kareleri toplamını minimum yapan
β katsayılarının belirlenmesine dayanır. EKK yöntemi yardımıyla herhangi bir iktisadi olayı incelerken
değişkenler arasındaki ortalama ilişkiler belirlenir ve bu ilişkinin gerçeğe en yakın şekilde tahmin edildiği
varsayılır. Burada ana kütleden rassal olarak seçilen bir örneklemden elde edilen veriler kullanılarak gerçek
durumu en iyi temsil eden β0 ve β1 katsayılarının tahmin edilmesi amaçlanır.
5 Ĉ = -52 + 0,8Y şeklinde tahmin edilen Keynesyen tüketim fonksiyonunda 20 olarak belirlenen sabit kat-
i i
sayı (β0) bağımsız değişkenin “0” olması durumunda bağımlı değişkenin alacağı değeri temsil etmektedir.
Dolayısıyla burada sabit katsayıyı temsil eden otonom tüketim harcamaları harcanabilir gelirin “0” olduğu
durumda toplam tüketim harcamalarının alacağı değeri göstermektedir. Öte yandan bağımsız değişken ile
bağımlı değişken arasındaki ilişkinin yönünü ve kuvvetini gösteren β1 katsayısı ise 0,8 olarak belirlenmiştir
ve bu modelimizde marjinal tüketim eğilimini temsil etmektedir. Buna göre harcanabilir gelirde meyda-
na gelen “1” birimlik artış, tüketim harcamalarını “0,8” birim arttıracaktır. Basit regresyon modellerinin
ekonometrik analizlerde kullanılabilmesi bir takım koşullara bağlıdır. Her şeyden önce tahmini yapılan
modelin iktisat teorisi tarafından desteklenmesi gerekir. Bu öncelikli şarttır. Ancak sonuçlar iktisadi teori
tarafından destekleniyor olsa dahi bu, modelin uygun bir model olup olmadığı hakkında kesin bir yargı
oluşturmaz. Çünkü modelin istatistiksel olarak da anlamlı olup olmadığının belirlenmesi gerekir. Bu amaca
yönelik olarak başvurulan ölçütler, R2 (Belirlilik Katsayısı) değeri ile t ve F testleridir. Burada R2 (Belirlilik
Katsayısı) temel olarak bağımlı değişkendeki değişiminin yüzde kaçının bağımsız değişkenler tarafından
açıklandığını gösteren bir ölçüttür. Öte yandan t-testi iki ortalama arasındaki farkın istatistiksel olarak
anlamlılığı sınayan doğrusal bir yöntemdir ve tahmin katsayılarının bireysel olarak anlamlı olup olmadığını
test eder. F testi ise katsayıların eşanlı olarak anlamlılığını sınar ve modelin bir bütün olarak anlamlı olup
olmadığı hakkında fikir verir.
42
Ekonometrinin Temelleri
1 Bir bağımlı ve bir bağımsız değişkenden olu- 6 Aşağıdakilerden hangisi hata terimlerinin
şan regresyon modellerine ne ad verilir? varyansının bağımsız değişkenin alacağı her bir de-
neler öğrendik?
A. Basit regresyon modeli ğerde farklılık göstermesi durumunu ifade eder?
B. Doğrusal regresyon modeli A. Sabit varyans B. Değişen varyans
C. Lineer regresyon modeli C. Otokorelasyon D. Ardışık bağımlılık
D. Çoklu regresyon modeli E. Normal dağılım
E. Nonlineer regresyon modeli
7 Aşağıdakilerden hangisi hata terimlerinin ar-
2 Aşağıdakilerden hangisi beklenen Y değeri ile dışık bağımlılığını ifade eder?
gerçek Y değeri arasındaki farkı ifade eder?
A. Otokorelasyon B. Sabit varyans
A. Bağımsız değişken C. Sıfır ortalama D. Değişen varyans
B. Bağımlı değişken E. Normal dağılım
C. Sabit katsayı
D. Bağımlı değişken katsayısı
8 Aşağıda en küçük kareler yöntemi ile ilgili
E. Stokastik hata terimi verilen ifadelerden hangisi yanlıştır?
A. EKK tahmincisi doğrusal ve sapmasız tahmin-
3 Basit doğrusal regresyon modeli için aşağıda cidir.
verilen ifadelerden hangisi yanlıştır? B. EKK tahmincisi en düşük varyansa sahip tah-
A. Modelde bir bağımlı değişken vardır. mincidir.
B. Modelde bir bağımsız değişken vardır. C. EKK temel olarak ortalamadan sapmaların ka-
C. Değişkenler arasındaki ilişkiler deterministiktir. releri toplamını minimum yapan β katsayıları-
D. Modelde stokastik hata terimi yer almaktadır. nın belirlenmesine dayanır.
E. Bağımlı ve bağımsız değişken arasındaki ilişki D. EKK yöntemi ile değişkenler arasındaki ortala-
doğrusaldır. ma ilişkileri belirlenir.
E. EKK yöntemi ile minimum β katsayıları belir-
lenir.
4 Aşağıdakilerden hangisi basit doğrusal regres-
yon modelinde bağımsız değişkenin “0” olması du-
rumunda bağımlı değişkenin alacağı değeri temsil 9 ∑ xi yi = 900 ve ∑ xi2= 1200 olarak hesaplan-
etmektedir? mışsa ortalamadan farklar yöntemine göre βi kat-
sayısının alacağı değer aşağıdakilerden hangisidir?
A. Stokastik hata terimi
B. Bağımsız değişken katsayısı A. 1,33 B. 1,25
C. Bağımlı değişken C. 0,75 D. 0,12
D. Sabit katsayı E. 0,09
E. Bağımsız değişken
10 Bağımlı değişkendeki değişimin yüzde kaçı-
5 Aşağıdakilerden hangisi basit doğrusal regres- nın bağımsız değişken tarafından açıklandığı gös-
yon modelinin varsayımları arasında yer almaz? teren ölçüt aşağıdakilerden hangisidir?
43
Basit Doğrusal Regresyon Modeli
Yanıtınız yanlış ise “Doğrusal Regresyon Yanıtınız yanlış ise “Basit Doğrusal Regres-
2. E 7. A
Modeli” konusunu yeniden gözden geçiri- yon Modelini Temel Varsayımları” konusu-
niz. nu yeniden gözden geçiriniz.
Yanıtınız yanlış ise “Basit Doğrusal Regres- Yanıtınız yanlış ise “Katsayı Tahminlerinin
5. B 10. D
yon Modelini Temel Varsayımları” konusu- Anlamlılık Testleri” konusunu yeniden göz-
nu yeniden gözden geçiriniz. den geçiriniz.
Araştır Yanıt
2 Anahtarı
Varyans temel olarak ortalamaya göre volatiliteyi ölçer. Basit doğrusal reg-
resyon modelinin bir varsayımı da hata teriminin volatilitesinin değişmediği
yani sabit kaldığıdır. Bu varsayıma göre hata teriminin varyansını bağımsız
değişkenin alacağı herhangi bir değerde değişmez. Bu varsayımın ihlali du-
Araştır 2 rumunda değişen varyans sorunuyla karşılaşılır. Değişen varyans durumunda
bağımsız değişkenlerin alacağı her değerde hata teriminin varyansı değişir.
Değişen varyansın varlığı durumunda en küçük kareler tahmincileri en dü-
şük varyansa sahip olma özelliğini kaybedecektir. Aynı zamanda uygulanacak
t ve F testleri de sağlıklı sonuçlar vermeyecektir.
Qsx = 50 + 5Px şeklinde tahmin edilen arz fonksiyonunda sabit katsayı (β0) 50,
bağımsız değişken parametresi ise (β1) 5 olarak belirlenmiştir. Burada tahmin
sonuçlarını iktisadi teori çerçevesinde değerlendirecek olursak sonuçların arz
kanunu tarafından desteklenip desteklenmediğini incelememiz gerekir. Arz
kanunu temel olarak diğer koşullar sabitken malın fiyatı (Px) ile arz edilen
Araştır 3 miktarı (Qsx) arasındaki doğru yönlü ilişkiyi açıklamaktadır. Buna göre bir
malın fiyatı arttığı zaman arz edilen miktarının da artması beklenir. Burada
da bağımsız değişken parametresinin (5) pozitif bir değer olduğu görülmek-
tedir ve katsayının yorumu şu şekildedir: X malının fiyatında meydana gelen
1 birimlik değişim karşısında malın arz edilen miktarı aynı yönde 5 birim
değişir. Dolayısıyla burada tahmin edilen arz fonksiyonunun iktisat teorisi
tarafından da desteklendiği görülmektedir.
44
Ekonometrinin Temelleri
Kaynakça
Amemiya, T. (1985). Advanced econometrics. Hill, R.C., Griffiths, W.E. ve Lim, G.C. (2008).
Cambridge: Harvard University Press Principles of econometrics. (3rd Edition) NJ: Wiley
Ertek, T. (1987). Ekonometriye giriş. İstanbul: Beta Verbeek, M. (2004). A guide to modern econometrics.
Basım Yayım (2nd Edition). UK: John Wiley & Sons, Ltd.
Greene, W. H. (2003). Econometric analysis. New Wooldridge, J. M. (2012). Introductory econometrics: a
Jersey: Pearson Education modern approach (5.th Edition). Nelson Education
Gujarati, D. N. (2011). Econometrics by example. New
York: Palgrave Macmillan
45
Bölüm 3
Çoklu Doğrusal Regresyon Modeli
Çoklu Doğrusal Regresyon Modelinin
Tahmini
öğrenme çıktıları
1 2
Çoklu Doğrusal Regresyon Modeli
1 Çoklu doğrusal regresyon modelini küçük kareler yöntemini açıklayabilme,
tanımlayabilme, varsayımlarını tahmin katsayılarını yorumlayabilme
sıralayabilme 3 Çoklu belirlilik katsayısını tanımlayabilme
3
Hipotez Testleri
4 Kısmi regresyon katsayılarını ve modelin bir
bütün olarak anlamlılığını sınayabilme
46
Ekonometrinin Temelleri
47
Çoklu Doğrusal Regresyon Modeli
Yaşamla İlişkilendir
48
Ekonometrinin Temelleri
Eşitlik 3.2’de değişkenler arasındaki ilişkilerin basit regresyon modelinin özelliklerine ek olarak
deterministik yani kesin olduğu anlaşılmaktadır. belirteceğimiz varsayım bu bağımsız değişkenler
Oysa ki ekonometrik analizlerde söz konusu iliş- ile ilgilidir. Buna göre çoklu doğrusal regresyon
kilerin stokastik olduğu bilinmektedir. Çünkü her modelinde bağımsız değişkenlerin kendi araların-
tahmin bir hata payını içerir. Örneğin, biraz önce da da doğrusal bir ilişkinin olmadığı varsayılır. Bu
de bahsettiğimiz gibi döviz kurunu veya tasarruf- durumda bağımsız değişkenler arasındaki doğru-
ları etkileyen herhangi bir faktörü model dışında sal korelasyon katsayıları “0” veya “0”a yakın bir
bırakmış olabiliriz. Ancak bu faktörlerin de mo- değerdir. Bu varsayımın ihlali ise “Çoklu doğrusal
delde temsil edilmesi gerekmektedir. Bu nedenle bağlantı” olarak adlandırılmaktadır. Kitabımızın
tüm bu faktörlerin etkisini temsil eden stokastik ilerleyen bölümlerinde çoklu doğrusal bağlantı so-
hata terimini modele dahil etmemiz gerekir. Bu rununun nedenlerine ve sonuçlarına dair detaylı
durumda model değişkenler arasındaki kesin ilişki- bilgiler verileceğini belirttikten sonra, çoklu doğ-
leri değil, değişkenler arasındaki ortalama ilişkileri rusal regresyon modelinin temel varsayımlarını şu
temsil edecektir. Buna göre Eşitlik (3.2)’de genel şekilde sıralayabiliriz:
ekonomik modelini çizdiğimiz tasarruf fonksiyo- • Hata terimleri sıfır ortalamaya sahiptir.
nuna stokastik hata terimini dahil ederek tahmin
• Hata terimleri sabit varyanslıdır.
edilecek ekonometrik modeli oluşturabiliriz.
• Hata terimleri otokorelasyon içermemektedir.
Si = S0 + sYi+ bri +ui (3.3) • Hata terimleri normal dağılıma sahiptir.
• Bağımsız değişkenler ile hata terimi arasın-
da bir ilişki yoktur.
• Bağımsız değişkenlerin kendi aralarında
kuvvetli ve tam bir ilişki yoktur.
dikkat
Faiz ve tasarruflar arasındaki ilişki ikame etkisi
gereği pozitif yönlü iken gelir etkisi gereği ne-
gatif yönlüdür. Ancak ikame etkisinin gelir etki-
sinden büyük olduğu varsayımı ile teorik olarak dikkat
faiz oranları ile tasarruflar arasında pozitif yönlü Çoklu doğrusal regresyon modellerinde basit
bir ilişki olduğu varsayılır. doğrusal regresyon modellerinin varsayımlarına
ilave olarak bağımsız değişkenlerin kendi arala-
rında kuvvetli ve tam bir ilişki olmadığı varsayılır.
Çoklu Doğrusal Regresyon Modelinin
Varsayımları Çoklu doğrusal regresyon modeli basit doğ-
Çoklu doğrusal regresyon modeli temel olarak rusal regresyon modelinden farklı olarak birden
basit doğrusal regresyon modelinin bir uzantısıdır. çok bağımsız değişkeni barındırmaktadır. İktisadi
Dolayısıyla basit doğrusal regresyon modeline dair olayların da çoğu kez birden çok açıklayıcısı vardır.
varsayımlar çoklu doğrusal regresyon modeli için Bu nedenle çoklu doğrusal regresyon modellerine
de geçerlidir. Bir önceki bölümden hatırlayacağınız ekonometrik analizlerde sıklıkla yer verilir. Model-
gibi basit doğrusal regresyon modelinde hata te- ler kurulurken iktisadi teori referans alınmaktadır.
rimlerinin sıfır ortalamaya sahip olduğu, sabit var- Dolayısıyla modelde yer alacak bağımsız değişken-
yanslı olduğu, otokorelasyon içermediği, normal ler arasında zayıf veya kuvvetli bir ilişkinin olması
dağılım sergilediği ve bağımsız değişken ile hata muhtemeldir ancak değişkenler arasındaki zayıf
terimi arasında bir ilişki olmadığı varsayılmaktay- ilişkilerin varlığı modelin tahmininde herhangi bir
dı. Bu varsayımlar çoklu doğrusal regresyon modeli sakınca doğurmaz. Zira iktisadi değişkenlerin bir-
için de geçerli olmakla birlikte bu varsayımlara bir biriyle tamamen ilişkisiz olması pek de mümkün
ilave yapılması gerekmektedir. değildir. Bu nedenle değişkenler arasındaki ilişki-
lerin bir düzeye kadar varlığı çoklu doğrusal mo-
Çoklu doğrusal regresyon modelinde basit dellerinde sorun teşkil etmemektedir. Burada adı
doğrusal regresyon modelinden farklı olarak bir- geçen varsayımda vurgulanan, değişkenler arasında
den çok bağımsız değişken yer almaktadır. Burada güçlü ve tam bir ilişkinin olmamasıdır. Bu varsa-
49
Çoklu Doğrusal Regresyon Modeli
yımın ihlali çoklu doğrusal bağlantı olarak adlan- tam çoklu doğrusal bağlantı söz konusudur ve bu
dırılır. Çoklu doğrusal bağlantı sorunu genellikle durumda parametreler tahmin edilemez hâle gelir.
zaman serilerinde karşılaşılan bir sorundur. Öte yandan değişkenler arasında hiçbir ilişki söz
konusu değilse korelasyon katsayısı “0” değerini
almaktadır. Aralarında hiçbir ilişki bulunmayan
Çoklu doğrusal bağlantı sorunu bağımsız değişkenlere ortogonal (dikey) değişkenler adı veri-
değişkenler arasındaki kuvvetli ve tam bir lir. Bu durumda ise katsayıların tahminin de çoklu
ilişkinin varlığını açıklar. doğrusal bağlantıya dair bir sorun söz konusu de-
ğildir. Değişkenler arasındaki ilişkilerin ortogonal
olduğu durumlarda çoklu regresyon modelinin
Bağımsız değişkenler arasındaki ilişkiler kore-
yanı sıra katsayılar bireysel olarak basit regresyon
lasyon katsayısı (r) ile gösterilir. Eğer değişkenler
modeliyle de tahmin edilebilir.
arasında tam bir ilişki söz konusu ise korelasyon
katsayısı “1” değerini alır. Korelasyon katsayısının rxy = 1 → tam çoklu doğrusal ilişki
1 değerini aldığı durumlarda değişkenler arasında rxy = 0 → ortogonal (dikey) ilişki
Öğrenme Çıktısı
50
Ekonometrinin Temelleri
Modelde Yi bağımsız değişkeni, Xi’ler bağımsız değişkenleri, β0, sabit katsayıyı, β1 ve β2 kısmi reg-
resyon katsayılarını, ui ise stokastik hata terimini ifade etmektedir. En küçük kareler yöntemi, bir önce-
ki bölümde de bahsedildiği gibi hata kareleri toplamını minimum yapan β katsayılarının belirlenmesini
amaçlamaktadır.
n n n
∑ ui2 = ∑ (Yi − Y! i )2 = ∑ (Yi − β! 0 − β!1 X1i − β! 2 X 2i )2 = min.
(3.5)
i=1 i=1 i=1
! ! !
Bu amaçla Eşitlik (3.5)’in β 0 , β 1ve β 2 ’ye göre kısmi türevleri alınıp sıfıra eşitlendiğinde normal denk-
! ! !
lemleri elde edilir. Normal denklemler β 0 , β 1ve β 2 ’ye göre çözülerek hata terimlerinin karelerini mini-
! ! !
mum yapan β 0 , β 1ve β 2 tahmincileri (formülleri) elde edilir.
51
Çoklu Doğrusal Regresyon Modeli
52
Ekonometrinin Temelleri
Basit doğrusal regresyon modellerinde bağım- Eşitlik (3.8)’den de anlaşılacağı gibi örneklem
–
lı değişken tek bir açıklayıcı değişken tarafından hacminin (n) büyük olduğu durumlarda R2 R2 ve
açıklanmaktaydı. Çoklu regresyon modellerinde değerleri birbirine oldukça yakın olacaktır. Küçük
basit regresyon modellerinden farklı olarak birden örneklemlerde ise iki değer arasındaki fark açıla-
çok bağımsız değişken yer almaktadır. Dolayısıyla caktır. Bu nedenle özellikle küçük örneklemlerde
modelde iki bağımsız değişken yer alabileceği gibi düzeltilmiş çoklu belirlilik katsayısının referans
ikiden fazla değişken de yer alabilir. Peki model- alınması daha sağlıklı olacaktır.
deki açıklayıcı değişken sayısı ise R2 değeri arasın- Öte yanda bağımsız değişken sayıları farklı iki
da bir ilişki var mıdır? Bu sorunun cevabı kısaca model karşılaştırılırken de yine düzeltilmiş çoklu be-
evettir. Çoklu regresyon modellerinde modele bir lirlilik katsayılarının karşılaştırılması daha doğrudur.
bağımsız değişken eklendiğinde genellikle R2 değe- Ancak bu karşılaştırma yapılırken her iki modelinde
rinin arttığı görülür. Çünkü, modele yeni bir değiş- bağımlı değişkeninin aynı fonksiyonel formda olma-
ken eklendikçe R2 formülünün payında yer alan ve sına dikkat edilmelidir. Örneğin, her iki modelin-
regresyona bağlı değişimi temsil eden değer büyür de bağımlı değişkeni mutlak değer veya logaritmik
ancak paydadaki toplam değişim değeri değişmez. –
olabilir. Böyle durumlarda modeller R 2 değerleriyle
Herhangi kesrin payı büyür ancak paydası sabit karşılaştırılabilir. Ancak örneğin, bir bağımlı değiş-
kalırsa kesrin değeri büyür. Bu nedenle modele kenin mutlak değer diğer bir bağımlı değişkenin ise
eklenen her bir bağımsız değişken R2 değerini ar- logaritmik değer olması durumunda bu modeller
tıracaktır. Ancak bu şekilde belirlenecek R2 değeri arasında hem R–2 hem de R2 değerleri üzerinden bir
modelin açıklama gücü hakkında yanıltıcı bilgiler karşılaştırma yapmak doğru değildir.
verebilir. Çünkü modele eklenen her bir bağımsız
değişken serbestlik derecesini değiştirmektedir. Bu
nedenle R2 formülasyonunun bir düzenlemeye ih-
tiyacı vardır. Böyle durumlarda değişen serbestlik
dikkat
derecesini de içeren eşitlik 8’deki Düzeltilmiş Çoklu Bağımlı değişkenleri farklı fonksiyonel biçim-
Belirlilik Katsayısı’nın kullanılması uygun olacaktır. de olan regresyon modelleri arasında R–2 veya
R2 değerleri üzerinden bir karşılaştırma yap-
n −1
R– 2 = 1− (1− R 2 ) (3.8) mak doğru değildir.
n− k
53
Çoklu Doğrusal Regresyon Modeli
Öğrenme Çıktısı
2 Çoklu doğrusal regresyon modeli için en küçük kareler yöntemini açıklayabilme, tahmin
katsayılarını yorumlayabilme
3 Çoklu belirlilik katsayısını tanımlayabilme
54
Ekonometrinin Temelleri
Benzer şekilde faiz oranına ait parametrenin şeklinde, eğer test tek taraflıysa alternatif hipotez,
(β2) de iktisadi olarak anlamlılığı olduğu görül-
mektedir. Öyle ki iktisadi teori gereği faiz oranla- H1: β > 0 (tahmin edilen β sıfırdan büyükse)
rında meydana gelen bir artışın tasarrufları da artı-
racağı varsayılır. Çünkü faiz oranlarında meydana H1: β < 0 (tahmin edilen β sıfırdan küçükse)
gelen bir artış tüketimin fırsat maliyetini artırır ve
ekonomik birimleri tasarrufa yöneltir. Buna göre şeklinde oluşturulur.
0.5 olarak belirlenen β2 parametresinin de iktisadi Öte yandan test istatistiği yine basit doğrusal
olarak anlamlı olduğu söylenebilir. Tüm bu açıkla- regresyon modelinde olduğu gibi ifade edilir.
malardan da anlaşılacağı üzere burada örnek olarak
sunduğumuz temsili tasarruf fonksiyonu iktisadi β! − β β!
t= = (3.9)
teori tarafından desteklenmektedir. Ekonometrik s( β! ) s( β")
analizlerde zaman zaman teoriye aykırı sonuçlarla
da karşılaşılabilir. Böyle durumlarda sonuçların iyi Burada tahmin edilen parametrenin tahminin
analiz edilerek karşılaşılan bu sonuçların arkasında standart hatasına oranlanmasıyla t istatistiği değeri
yatan nedenlerin araştırılması ve yapılan ölçüm ha- elde edilir. Bu değer küçük örneklemlerde (n < 30)
talarının düzeltilmesi gerekebilir. t dağılım tablosundan, büyük örneklemlerde (n >
Tahmin edilen modelin iktisadi teoriyle uyu- 30) ise normal dağılım tablosunda elde edilen tab-
mu incelendikten sonra istatistiksel olarak anlam- lo kritik değeri ile karşılaştırılır. Örneğin, toplam
lı olup olmadığının da belirlenmesi gerekir. Bu gözlemlerin 30’un altında olduğunu varsayarsak
amaçla tahmin edilen parametreler çeşitli hipotez bu durumda hesaplanan t istatistiği değeri α an-
testleriyle sınanır. Bu noktada başvurulan hipotez lam düzeyi (genellikle 0.05) ve n-k serbestlik dere-
testleri ise t ve F testleridir. Burada t testi ile katsa- cesi (n: gözlem sayısı, k: bağımsız değişken sayısı)
yıların bireysel olarak anlamlılığı sınanırken F testi referans alınarak t tablosundan elde edilen kritik
ile modelin bir bütün olarak anlamlı olup olmadığı değer ile karşılaştırılır. Eğer t istatistiği mutlak ola-
tespit edilmektedir. rak tablo kritik değerinden büyükse H0 hipotezi
reddedilir.
t -Testi |tist.| > |t α,n–k| ise H0 reddedilir.
Basit doğrusal regresyon modellerinde olduğu
gibi çoklu regresyon modellerinde de katsayıların Denklem (3.9)’daki katsayıların standart ha-
bireysel olarak anlamlılığı t testi ile belirlenir. Bura- talarını belirleyebilmek için öncelikle tahminin
da da t testi ile tahmin parametrelerinin istatistiksel varyansının belirlenmesi gerekir. Ancak tahminin
olarak sıfıra eşit olup olmadığı test edilir. Buna göre varyansı bilinmediği için örneklem hata teriminin
t testi için sıfır hipotezi şu şekilde kurulur: varyansı anakütle hata teriminin varyansının orta-
lama bir tahmincisi olarak kabul edilir ve şu şekilde
H0: β = 0 hesaplanır:
55
Çoklu Doğrusal Regresyon Modeli
2 2
1 X 1 ∑ x22 + X 2 ∑ x12 − 2 X 1 X 2 ∑ x1x2
var ( β0 ) = Se2 ( + )
n ∑ x12 ∑ x22 − (∑ x1x2 )2
var ( β1 ) = Se2 (
∑ x22 )
∑ 1∑ 2 ∑ 1 2
x 2
x 2
− ( x x ) 2
var ( β 2 ) = Se2 (
∑ x12 )
∑ 1∑ 2 ∑ 1 2
x 2
x 2
− ( x x ) 2
Varyansların karekökleri alınarak katsayıların standart hataları elde edilir. Formüllerde yer alan X ’ler
ortalamaları x’ler (küçük x’ler) ise ortalamadan farkları (X – X ) temsil etmektedir).
Sıfır hipotezinin reddedilmesi β katsayısının istatistiksel olarak sıfırdan farklı olduğunu ifade eder.
Tablo kritik değerinin mutlak değer olarak t istatistiğinden büyük olması durumunda ise β katsayısının
sıfıra eşit olduğunu ifade eden H0 hipotez kabul edilir. Bu durumda bağımsız değişkenin bağımlı değişken
üzerinde istatistiksel olarak anlamlı bir etkisinin olmadığı anlaşılır.
t-testini tahminini yaptığımız tasarruf fonksiyonu üzerinden uygulamaya çalışalım.
Ŝi= -20 + 0.2Yi + 0.5ri, s(β̂1)= 0.005, s(β̂2)= 0.008 (3.10)
Eşitlikte (3.10)’da parantez içinde verilen değerler tahmin edilen β1 ve β2 parametrelerinin standart
sapmalarıdır. Bu bilgilerden hareketle β1 ve β2 katsayılarının istatistiksel olarak anlamlı olup olmadığını t
testi yardımıyla belirleyebiliriz. İlk olarak β̂1’in anlamlılığını test edelim. Burada öncelikle t istatistik değe-
rini hesaplayalım.
β! 1 0.2
t= ! = = 40 (3.11)
s( β ) 0.005
1
β̂1 için t istatistik değeri Eşitlik (3.9)’da yer alan formül yardımıyla 40 olarak hesaplanmıştır. β̂1 katsa-
yısının istatistiksel olarak anlamlı olup olmadığını belirleyebilmemiz için hesaplanan bu test istatistiğinin,
α anlam düzeyi ve n-k serbestlik derecesine göre belirlenen tablo kritik değeri ile karşılaştırmamız gerek-
mektedir. Burada gözlem sayımızın (n) 30 olduğunu varsayalım. Bu durumda modelde değişken sayısı (k)
3 olduğu için n-k serbestlik derecesi 27 olacaktır. Anlam düzeyinin ise yine %5 olduğunu varsayarsak 0.05
anlam düzeyi ve 27 serbestlik derecesine göre belirlenen tablo kritik değeri 1.70 olacaktır. Burada testin
tek taraflı olduğu da unutulmamalıdır. Çünkü iktisadi olarak marjinal tasarruf eğilimini temsil eden β̂1
katsayısının 0’dan büyük bir değer olması beklenir. Bu nedenle t testinde sıfır hipotezi ve alternatif hipotez
şu şekilde kurulmuştur:
H0: β1 = 0
H1: β1 > 0
t istatistik değeri ile tablo kritik değeri karşılaştırıldığında ise hesaplanan t istatistiğinin tablo kritik
değerden mutlak olarak büyük olduğu anlaşılmaktadır.
56
Ekonometrinin Temelleri
Bu durumda sıfır hipotezi reddedilmiştir. Buna H1: β < β* (tahmin edilen β, β*’den küçükse)
göre harcanabilir gelirin tasarruflar üzerindeki et-
kisini gösteren β̂ 1 katsayısının istatistiksel olarak şeklinde oluşturulur.
anlamlı olduğu anlaşılmaktadır. Burada test istatistik değeri,
57
Çoklu Doğrusal Regresyon Modeli
dan elde eden tablo kritik değeri ile karşılaştırılır. Eğer hesaplanan F istatistiği, tablo kritik değerinden
büyükse sıfır hipotezi reddedilir ve bağımsız değişkenlerden en az birinin istatistiksel olarak sıfırdan farklı
olduğu sonucuna ulaşılır.
İsterseniz şimdi F testini örnek tasarruf fonksiyonumuz üzerinden uygulayalım. Tahmin edilen tasarruf
fonksiyonumuzda çoklu belirlilik katsayısının 0.90 olarak hesaplandığını varsayalım ve yine gözlem sayımız
30 olsun. Bu durumda F test istatistiği,
olarak hesaplanmıştır. Öte yandan F tablo değeri, %5 anlam düzeyi, k-1 ve n-k serbestlik derecelerine
göre F tablosundan 3.35 olarak belirlenmiştir. Buna göre F istatistik değeri F tablo değerinden büyüktür.
Bu nedenle katsayıların eş anlı olarak sıfıra eşit olduğunu ifade eden sıfır hipotezi reddedilmiştir. Yani
model bir bütün olarak anlamlıdır.
Çoklu doğrusal regresyon modellerinde t testi ile katsayıların bireysel anlamlılığı sınanırken katsayıların
bir kısmının anlamlı bir kısmı ise anlamsız olduğu sonucuna varılabilir. Ancak yalnızca t testi sonuçlarına
bakarak modelin anlamlılığı hakkında yorum yapmak doğru değildir. Bu nedenle çoklu doğrusal regres-
yon modellerinde t testinin yanı sıra F testi ile modelin bir bütün olarak anlamlılığı da sınanmalıdır. Öte
yandan tahmin sonuçları ekonometrik ölçütlere göre de değerlendirilmeli tüm bu değerlendirmeler yapıl-
dıktan sonra modelin uygun bir model olup olmadığına karar verilmelidir.
Öte yandan en az iki bağımsız değişkeni içeren bir çoklu doğrusal regresyon modeline zaman zaman
yeni değişkenler de eklenebilir. Peki modele yeni bir değişken eklenip eklenmemesinin kararı nasıl alınır?
Bu soruya cevap ararken de yine F testinden faydalanabiliriz.
Çoklu belirlilik katsayısından bahsederken modele yeni bir bağımsız değişken eklendiğinde modelin
R2 değerinin yükseldiğini, yani modelin söz konusu iktisadi olayı açıklama gücünün arttığını söylemiştik.
Ancak burada eksik olan şey, modelin açıklama gücünde meydana gelen bu artışın anlamlı bir artış olup
olmadığının henüz bilinmemesidir. İşte bu artışın istatistiksel olarak anlamlı olup olmadığı yani modele
eklenen yeni değişkenin modelde istatistiksel olarak pozitif bir katkı yapıp yapmadığı F testi yardımıyla
belirlenir.
dikkat
F testi yardımıyla modele yeni bir değişken eklemenin gerekli olup olmadığı belirlenebilir.
Şimdi modele yeni bir değişken eklemenin gerekli olup olmadığının F testi yardımıyla nasıl belirlendi-
ğine bakalım. Örneğin, Eşitlik (3.16) ve (3.17)’deki gibi iki farklı modelimiz olsun:
58
Ekonometrinin Temelleri
(RB2 + R A2 ) / v1 (3.18)
Fist. =
(1− RB2 ) / v2
Formülde yer alan R A2 ve RB2 ifadeleri sırasıyla A ve B modellerinin R2 değerlerini temsil etmektedir.
Öte yandan v1, eklenen değişken sayısını v2 ise serbestlik derecesini (Gözlem sayısı – B modelindeki para-
metre sayısı) ifade eder.
Burada öncelikle Eşitlik (3.18) yardımıyla F test istatistiği hesaplanır. Ardından hesaplanan test ista-
tistik değeri, α anlam düzeyi, v1 eklenen değişken sayısı ve v2 serbestlik derecelerine göre F tablosundan
elde edilen tablo kritik değeri ile karşılaştırılır. Hesaplanan F istatistiği tablo kritik değerinden büyükse
sıfır hipotezi reddedilir.
Bu durumda “yeni değişkenler modele dahil edilmemelidir.” şeklinde kurulan sıfır hipotezi reddedile-
rek “yeni değişkenler modele dahil edilmelidir.” şeklinde kurulan alternatif hipotez kabul edilir. Bu şekilde
X3 ve X4 değişkenlerinin modele dahil edilmesinin istatistiksel olarak anlamlı olduğu sonucuna varılır.
Bir önceki bölümde basit doğrusal regresyon modeli üzerinde bu bölümde ise çoklu doğrusal regresyon
modeli üzerinde durduk ve modellerin nasıl tahmin edildiğini teorik bir çerçevede sunmaya çalıştık. Bu
bilgilerin yanı sıra günümüzde artık ekonometrik analizlerin çeşitli bilgisayar uygulamaları yardımıyla da
gerçekleştirildiği ifade etmemiz gerekir. Ekonometrik modeller analiz edilirken uygulamada Eviews, Stata,
Gauss, R gibi çok sayıda paket programdan faydalanılmaktadır. Konunun daha iyi anlaşılabilmesi için biz
de şimdi bu bölümün “Araştırmalarla İlişkilendir” kısmında söz konusu paket programlardan biri olan R
programı ile örnek bir çoklu doğrusal regresyon modelinin tahmini yapacağız.
59
Çoklu Doğrusal Regresyon Modeli
Araştırmalarla
İlişkilendir
ÇOKLU DOĞRUSAL REGRESYON MODELİ İÇİN ÖRNEK BİLGİSAYAR UYGULAMASI
Konut Fiyatlarının Belirleyicileri Üzerine Bir Uygulama
Konut fiyatlarının belirleyicilerine yönelik yapacağımız bu örnek tahminde aşağıdaki Excel tablo-
sunda yer alan temsili verileri kullanacağız.
n y x1 x2 x3
1 450000 155 4 3
2 370000 135 7 6
3 275000 105 2 9
4 410000 115 7 4
5 310000 110 4 10
6 355000 130 1 8
7 205000 115 2 16
8 200000 120 1 18
9 490000 160 7 2
10 290000 108 5 16
11 230000 115 1 11
12 370000 141 3 5
13 420000 150 3 7
14 280000 110 3 5
15 250000 110 4 13
16 310000 110 4 9
17 385000 127 7 12
18 380000 140 5 16
19 435000 135 4 2
20 335000 120 1 4
y = β0 + β1x1+ β2x2 + β3 x3 + ui
Eşitlikte,
y = Konutun satış fiyatını,
x1= Konutun büyüklüğünü (m2),
x2= Konutun bulunduğu katı,
x3 =Konutun bulunduğu binanın yaşını temsil etmektedir.
Şimdi dilerseniz tablodaki bilgilerden hareketle konut satış fiyatlarına yönelik model tahminimizi
R programı yardımıyla gerçekleştirelim. Ancak öncesinde R programına ilişkin gerekli bazı bilgilere
değinelim.
60
Ekonometrinin Temelleri
R (R Project) veri analizinde sıklıkla kullanılan açık kaynak kodlu bir programlama dilidir. R programına
herhangi bir ücret ödemeden ana sayfası (https://www.r-project.org/) üzerinden ulaşmak mümkündür. Bu
sayfaya girdiğinizde dünyanın farklı noktalarındaki sunucularda yer alan CRAN sitelerinin adreslerini bu-
labilirsiniz. Burada bölgenize yakın bir bağlantıyı tıklayarak, işletim sisteminize uygun kurulum dosyalarını
bilgisayarınıza indirebilir, kurulumu tamamladıktan sonra programı kullanmaya başlayabilirsiniz.
Kurulumu tamamladıktan sonra programı açtığınızda aşağıdaki gibi bir arayüzle karşılaşacaksınız.
Programı Türkçe dahil bir çok dilde geliştirilmiş bir ara yüze sahiptir. R Console olarak tanımlanan
beyaz alan R programının komut alanıdır. Programda yapılacak işlemler bu alana yazılacak komutlar vasıta-
sıyla gerçekleştirilmektedir. Biz de bu alana ilgili komutları yazarak regresyon analizimizi gerçekleştireceğiz.
Excel’den Dosya Aktarma
Regresyon analizini yapabilmemiz için öncelikle çalışacağımız verileri Excel dosyasından R progra-
mına aktarmamız gerekecektir. Bu amaçla öncelikle verilerin bulunduğu Excel dosyasının konumunu
programa tanıtmamız gerekmektedir. Burada kullanacağımız komut şu şekildedir:
> setwd (“C:/Users/Pc/Desktop”)
Burada parantez içindeki “C:/Users/Pc/Desktop” ifadesi Excel dosyamızın bulunduğu konumu
göstermektedir. Siz de bu alana verilerinizin yer aldığı Excel dosyasının konumunu girmelisiniz. Burada
Excel dosyasının csv. uzantılı olduğundan emin olun.
61
Çoklu Doğrusal Regresyon Modeli
Sonrasında ise “C:/Users/Pc/Desktop” konumunda yer alan .csv uzantılı “veri.csv” adlı Excel dos-
yamızdan verilerin şu komutla R programına aktarımını sağlayacağız:
> veri <-read.csv(“veri.csv”, header=TRUE)
Burada analizde kullanacağımız verileri bir isimle programa tanıtmamız gerekmektedir. Öte yan-
dan komut içerisinde yer alan header=TRUE ifadesi Excel dosyasındaki ilk satırın program tarafından
değişken isimleri olarak tanınması için ilave edilmektedir.
Bu şekilde veriyi programa aktardıktan sonra verileri tanımladığımız ismi komut bölümüne yazarak
analizde kullanacağımız verileri görebiliriz:
> veri
62
Ekonometrinin Temelleri
Burada “lm” ifadesi “linear model” yani “doğrusal model” anlamına gelmektedir. Bu şekilde çoklu
doğrusal regresyon modelimizi tahmin ettikten sonra modelimizi tanımladığımız ismi komut bölümü-
ne yazarak tahmin edilen parametreleri görebiliriz.
> regresyon
Katsayıları incelediğimizde konutun büyüklüğü ve bulunduğu kat ile konutun satış fiyatı üzerinde
doğru yönlü, konutun bulunduğu binanın yaşı ile konutun satış fiyatı üzerinde ise ters yönlü bir ilişki
olduğu görülmektedir. Ancak burada tahmin edilen modelin istatistiksel olarak anlamlı olup olmadığı
görülmemektedir. Aynı şekilde bu çıktılar modelin açıklama gücü hakkında da henüz bir fikir verme-
mektedir. Tüm bunları görebilmek için “summary” komutu kullanılır.
Hipotez Testleri
> summary(regresyon)
63
Çoklu Doğrusal Regresyon Modeli
Burada tahmin edilen parametrelerin t istatistik değerleri ile tablo kritik değerlerini (%5 anlam
düzeyi ve 16 serbestlik derecesine göre çift yönlü test için tablo kritik değeri 2.120 olarak belirlenmiştir)
karşılaştırarak veya olasılık değerlerine bakarak katsayıların bireysel anlamlılığını sınayabiliriz. Eğer ola-
sılık değerleri 0.5’ten küçükse sıfır hipotezi reddedilir ve katsayıların istatistiksel olarak anlamlı olduğu
sonucuna ulaşılır. Buna göre,
tx1 = 5.250, |5.250| > |2.120| → H0 red, katsayı istatistiksel olarak anlamlıdır.
tx2 = 4.074, |4.074| > |4.074| → H0 red, katsayı istatistiksel olarak anlamlıdır.
tx3 = -4.284, |-4.284| > |2.120| → H0 red, katsayı istatistiksel olarak anlamlıdır.
veya
x1[Pr(>|t|) = 0.00008 < 0.05 → H0 red, katsayı istatistiksel olarak anlamlıdır.
x1[Pr(>|t|) = 0.00088< 0.05 → H0 red, katsayı istatistiksel olarak anlamlıdır.
x1[Pr(>|t|) = 0.00057 < 0.05 → H0 red, katsayı istatistiksel olarak anlamlıdır.
Bu kapsamda sonuçlar incelendiğinde β1, β2 ve β3 parametrelerinin %5 anlam düzeyinde istatistik-
sel olarak anlamlı olduğu görülmektedir.
Burada tahminini yaptığımız model doğrusal bir model olduğu için tahmin edilen parametreler
doğrusal formda yorumlanacaktır. Buna göre,
• Konut büyüklüğü 1 birim (m2) arttığında konutun satış fiyatı yaklaşık T2479 artmaktadır.
• Konutun bulunduğu kat 1 birim arttığında konutun satış fiyatı yaklaşık T14118 artmaktadır.
• Konutun bulunduğu binanın yaşı 1 birim arttığında konutun satış fiyatı (%10 anlam düzeyinde)
yaklaşık T6598 azalmaktadır.
Diğer taraftan F test istatistiğine baktığımızda olasılık değerinin 0.006312 olduğunu görmekteyiz.
Burada 0.000079 < 0.05 olduğu için %5 anlam düzeyinde modelin bir bütün olarak anlamlı olduğunu
söyleyebiliriz.
Ayrıca modelde çoklu belirlilik katsayısının (R2) ve düzeltilmiş belirlilik katsayısının (düzeltilmiş
2
R ) sırasıyla 0.8877 ve 0.8667 olduğunu görmekteyiz. Bu katsayılar tahmin edilen modelin açıklama
gücünü göstermektedir. Örneğin, düzeltilmiş belirlilik katsayısına göre konut satış fiyatlarında meydana
gelen değişimin yaklaşık %87’si modelde yer alan bu üç bağımsız değişkendeki değişimler tarafından
açıklanmaktadır.
Öğrenme Çıktısı
64
Ekonometrinin Temelleri
Aralarında doğrusal ilişkiler bulunan bir bağımlı değişken ve birden çok bağımsız değişkenin oluşturduğu regres-
yon modellerine çoklu doğrusal regresyon modeli denir. Çoklu doğrusal regresyon modeli temel olarak basit doğ-
rusal regresyon modelinin bir uzantısıdır. Bu nedenle basit doğrusal regresyon modeline dair varsayımlar çoklu
doğrusal regresyon modeli için geçerlidir. Basit doğrusal regresyon modelinde hata terimlerinin sıfır ortalamaya
sahip olduğu, sabit varyanslı olduğu, otokorelasyon içermediği, normal dağılım sergilediği ve bağımsız değişken
ile hata terimi arasında bir ilişki olmadığı varsayılmaktaydı. Bu varsayımlar çoklu doğrusal regresyon modeli
için de geçerli olmakla birlikte bu varsayımlara ilave olarak çoklu doğrusal regresyon modellerinde bağımsız
değişkenlerin kendi aralarında da doğrusal bir ilişkinin olmadığı varsayılır. Bu durumda bağımsız değişkenler
arasındaki doğrusal korelasyon katsayıları “0” veya “0”a yakın bir değer alır.
Çoklu doğrusal regresyon modellerinde katsayılar, en küçük kareler yöntemiyle tahmin edilebilmektedir.
En küçük kareler yöntemi, hata kareleri toplamını minimum yapan β katsayılarının belirlenmesine daya-
nan bir yöntemdir. Çoklu doğrusal regresyon modellerinde tahmin edilen bağımsız değişken parametre-
lerine kısmi regresyon katsayıları adı verilir. Bu tür modellerde birden fazla bağımsız değişken bulunduğu
için kısmi regresyon katsayılarını yorumlarken diğer değişkenlerin etkisinin sabit kaldığı varsayılır. Örne-
ğin; Ŝi = -20 + 0.2Yi + 0.5ri şeklinde tahmin edilen bir tasarruf fonksiyonunda harcanabilir gelir değiş-
kenine ait parametre şu şekilde yorumlanır: Harcanabilir gelirde meydana gelen 1 birimlik değişim faiz
oranlarının tasarruflar üzerindeki etkisinin sabit olduğu varsayımıyla tasarrufları aynı yönde 0.2 birim de-
ğiştirecektir. Benzer şekilde harcanabilir gelirin tasarruflar üzerindeki etkisinin sabit olduğu varsayımıyla
faiz oranlarında meydana gelen 1 birimlik değişim de tasarrufları aynı yönde 0.5 birim değiştirecektir.
Çoklu belirlilik katsayısı bağımlı değişkendeki değişimin yüzde kaçının bağımsız değişkenler tarafından
açıklandığını söylemektedir. Bu katsayı 0 ila 1 arasında bir değer alır ve 1’e yaklaştıkça modelin açıklama
gücü artar. Çoklu regresyon modellerinde basit regresyon modellerinden farklı olarak birden çok bağım-
sız değişken yer almaktadır. Çoklu regresyon modellerinde modele bir bağımsız değişken eklendiğinde
genellikle R2 değerinin arttığı görülür. Ancak bu şekilde belirlenecek R2 değeri modelin açıklama gücü
hakkında yanıltıcı bilgiler verebilir. Çünkü modele eklenen her bir bağımsız değişken serbestlik derece-
sini değiştirmektedir. Bu nedenle R2 formülasyonu değişen serbestlik derecesine göre düzenlenir ve bu
formül yardımıyla belirlenen değere “Düzeltilmiş Çoklu Belirlilik Katsayısı” adı verilir.
65
Çoklu Doğrusal Regresyon Modeli
Hipotez Testleri
Ekonometri, iktisadi teori veya hipotezleri matematiksel araçlar ve istatistiksel yöntemlerle sınayan bilim dalıdır.
Dolayısıyla tahmin edilen parametrelerin geçerliliğini sınarken sonuçların hem iktisadi ölçütlere göre anlamlılığı
hem de istatistiksel ve ekonometrik ölçütlere göre anlamlılığı incelenmelidir. İktisadi ölçütlere göre katsayıların
anlamlılığı sınanırken başvurulacak kaynak iktisat teorisidir. Tahmin edilen modelin iktisadi teoriyle uyumu
incelendikten sonra tahmin edilen parametrelerin çeşitli hipotez testleriyle istatistiksel olarak anlamlılığının sı-
nanması gerekir. Bu testler temel olarak t ve F testleridir. Burada t testi ile katsayıların bireysel olarak anlamlılığı
sınanırken F testi bize modelin bir bütün olarak anlamlılığı hakkında fikir verir. Öte yandan modele yeni bir
değişken eklemenin gerekli olup olmadığı da yine F testi ile belirlenebilir.
66
Ekonometrinin Temelleri
1 Bir bağımlı ve birden çok bağımsız değişken- 6 X ve Y değişkenleri arasındaki ilişkilerin or-
den oluşan regresyon modellerine ne ad verilir? togonal (dikey) olduğu durumda korelasyon kat-
neler öğrendik?
A. Basit regresyon modeli sayısının alacağı değer aşağıdakilerden hangisidir?
B. Çoklu regresyon modeli A. rxy = 1 B. rxy < 1
C. Çok denklemli modeller C. rxy > 1 D. rxy = ∞
D. Doğrusal model E. rxy = 0
E. Doğrusal olmayan model
7 Q̂ SX = 70 + 5PX + 0.5PY şeklinde tahmin
2 Çoklu doğrusal regresyon modeli için aşağı- edilen bir arz fonksiyonu için aşağıdaki ifadelerden
daki ifadelerden hangisi yanlıştır? hangisi doğrudur?
A. Bir bağımlı değişken vardır. A. X malının fiyatı 5 birim arttığında X malının
B. Birden çok bağımsız değişken vardır. arz edilen miktarı 0.5 birim azalmaktadır.
C. Değişkenler arasındaki ilişkiler lineerdir. B. X malının fiyatı 1 birim arttığında X malının
D. Değişkenler arasındaki ilişkiler nonlineerdir. arz edilen miktarı 5 birim artmaktadır.
E. Değişkenler arasındaki ilişkiler doğrusaldır. C. X malının fiyatı 5 birim arttığında X malının
arz edilen miktarı 1 birim artmaktadır.
3 Aşağıdakilerden hangisi çoklu regresyon mo- D. Y malının fiyatı 1 birim azaldığında X malının
dellerinde, diğer bağımsız değişkenlerin etkisi sa- arz edilen miktarı 5 birim azalmaktadır.
bitken herhangi bir bağımsız değişkenin bağımlı E. Y malının fiyatı 1 birim arttığından X malının
değişken üzerindeki etkisini gösterir? arz edilen miktarı 70 birim artmaktadır.
A. Hata terimi
B. Belirlilik katsayısı
8 Aşağıdakilerden hangisi çoklu doğrusal reg-
resyon modellerinde modelin açıklama gücünü
C. t istatistiği gösterir?
D. Kısmi regresyon katsayısı
E. F istatistiği A. Kısmi regresyon katsayısı
B. Hata terimi
4 Aşağıdakilerden hangisi çoklu doğrusal reg- C. Çoklu belirlilik katsayısı
resyon modelinin varsayımları arasında yer almaz? D. t istatistiği
E. Sabit katsayı
A. Hata terimleri sıfır ortalamaya sahiptir.
B. Hata terimleri sabit varyanslıdır. 9 Varyansın karekökü aşağıdakilerden hangisidir?
C. Hata terimleri otokorelasyon içermemektedir.
D. Bağımsız değişkenler ile hata terimi arasında bir A. Standart sapma
ilişki yoktur. B. Hata terimi
E. Bağımsız değişkenler arasında tam bir ilişki vardır. C. R2 değeri
D. t istatistiği
5 Korelasyon katsayısının (r) 1 olması aşağıda- E. β katsayısı
kilerden hangisini tanımlar?
A. Tam çoklu doğrusal bağlantı 10 Modelin bir bütün olarak anlamlılığını sına-
B. Değişen varyans yan test aşağıdakilerden hangisidir?
C. Normal dağılım A. R2
D. Otokorelasyon B. Düzeltilmiş R2
E. Ardışık bağımlılık C. F testi
D. t testi
E. Regresyon analizi
67
Çoklu Doğrusal Regresyon Modeli
Yanıtınız yanlış ise “Çoklu Doğrusal Reg- Yanıtınız yanlış ise “Çoklu Doğrusal Reg-
1. B 6. E
resyon Modeli” konusunu yeniden gözden resyon Modelinin Varsayımları” konusunu
geçiriniz. yeniden gözden geçiriniz.
neler öğrendik yanıt anahtarı
Yanıtınız yanlış ise “Çoklu Doğrusal Reg- Yanıtınız yanlış ise “Katsayı Tahminlerinin
2. D 7. B
resyon Modeli” konusunu yeniden gözden Yorumlanması” konusunu yeniden gözden
geçiriniz. geçiriniz.
68
Ekonometrinin Temelleri
Araştır Yanıt
3 Anahtarı
Kaynakça
Baltagi, B. H. (2008). Econometrics. (2nd Edition) Maddala, G.S. (1992). Introduction to econometrics.
Germany: Springer (2nd Edition). New York: Macmillan Publishing
Company
Johnston, J. ve Dinardo, J. (1997). Econometrics
methods (4th Edition). New York: Mcgraw-Hill Stock, J. H. ve Watson, M.W. (2011). Ekonometriye
Companies giriş, Bedriye Saraçoğlu (Çev.) Ankara: Efil
Yayınevi
Kutlar, A. (2005). Uygulamaları ekonometri (2. Baskı).
Ankara: Nobel Yayın Dağıtım Tarı, R. (2018). Ekonometri (13. Baskı). Kocaeli:
Umuttepe Yayınları
69
Bölüm 4
Çoklu Doğrusal Regresyon Modelinin Uzantıları
öğrenme çıktıları
1 2
Sabit Terimsiz Regresyon Modeli 2 Standartlaştırılmış değişkenler ile
1 Sabit terimsiz regresyon modellerini doğrusal regresyon modellerini ifade
tanımlayabilme, özelliklerini açıklayabilme edebilme
3 4
Regresyon Modelleri Sınırlamaların Testi
3 Tam logaritmik, yarı logaritmik ve ters 4 Doğrusal ve doğrusal olmayan
modelleri açıklayabilme sınırlamaları test edebilme
70
Ekonometrinin Temelleri
71
Çoklu Doğrusal Regresyon Modelinin Uzantıları
Basit ve çoklu doğrusal regresyon modellerinin bir ölçüt değildir. Bu nedenle sabit terim içerme-
varsayımlarından bahsederken hata terimlerinin yen regresyon modellerinde ham R2 değeri kullanı-
beklenen değerinin “0” olduğunu ifade etmiştik. lır. Ham R2 değeri şu şekilde hesaplanır:
Bu varsayıma göre pozitif veya negatif yönde sap-
malar olsa da bu sapmaların toplamı “0”değerini
2 ∑ ( XiYi )2
almaktadır. Bu nedenle hata terimlerinin toplamı ham R = (4.3)
“0”dır. Ancak sabit terimsiz regresyon modellerin- ∑ Xi2 ∑Yi2
de hata terimlerinin toplamının sıfıra eşit olması
şart değildir. Bu durumda gerçek Y değerinin orta-
Burada son olarak vurgulanması gereken nokta
laması beklenen Y değerinin ortalaması eşit olma-
şudur: Sabit terimli bir modelde sabit katsayının
yacaktır. Buna göre,
istatistiksel olarak anlamsız çıkması bu modelin
tahmininde bir sorun teşkil etmemektedir. Ancak
Yi = Ŷi + ûi
istatistiksel olarak anlamlı bir sabit terimin mode-
le dahil edilmemesi tahmini yapılan ekonometrik
eşitliğinde, modelin hatalı kurulduğu anlamına gelir. Bu ne-
denle güçlü gerekçeler bulunmadığı takdirde reg-
∑ (ûi) = 0 → Yi ≠ Ŷi resyon modellerinin sabit terimli oluşturulması
daha doğrudur.
olacaktır. Bu durumda en küçük kareler tahmincisi
de sapmasız tahminci olma özelliğini kaybedecektir.
dikkat
Sabit terimsiz regresyon modellerinde R2 değeri
negatif bir değer alabilir. Bu nedenle sabit te-
dikkat
Sabit terimsiz regresyon modellerinde hata te- rimsiz modellerde R2 değeri modelin açıklama
rimlerinin toplamının sıfır olması şart değildir. gücünü gösteren uygun bir ölçüt değildir.
Hata terimlerinin toplamının sıfır olmadığı du-
rumda ise EKK tahmincileri sapmasızlık özelli-
ğini kaybetmektedir.
72
Ekonometrinin Temelleri
Öğrenme Çıktısı
1 Sabit terimsiz regresyon modellerini tanımlayabilme, özelliklerini açıklayabilme
Yaşamla İlişkilendir
Kaynak: https://www.dunya.com/sektorler/emlak/konut-fiyatlari-yillik-bazda-yuzde-4-artti-haberi-455380
25.11.2019
73
Çoklu Doğrusal Regresyon Modelinin Uzantıları
Dünya Gazetesi’nin 16 Ekim 2019 tarihli haberinde konut fiyatlarında yüzde 4 oranında bir artış oldu-
ğu belirtilmektedir. Peki konut fiyatlarının belirleyicileri nelerdir ve konut fiyatlarını belirleyen çok sayıda
faktörün hangisi veya hangileri konut fiyatındaki artış veya azalış üzerinde daha etkilidir? Temel olarak
konut fiyatları ve konut özellikleri modellenerek bu soruya cevap aranabilir. Ancak daha önce de bahsetti-
ğimiz gibi eğer bu tür bir modelde değişkenlerin düzey değerlerinin kullanırsak değişkenlerin ölçümlerin-
deki farklılıklardan dolayı hangi faktörlerin konut fiyatları üzerinde daha etkili olduğunu görmemiz veya
bir karşılaştırma yapmamız oldukça güçtür. Standartlaştırılma işlemi işte bu tür sorunlardan kaçınmak için
başvurulan uygun bir yöntemdir.
Seriler standartlaştırılırken izlenen yol ise şu şekildedir: Öncelikle serilerin düzey değerlerinden aritme-
tik ortalamaları çıkartılır ve ardından elde edilen değer serinin standart sapmasına bölünür. Bu işlem sıra-
sıyla serilerin bütün birimleri için uygulanırsa tüm seri standartlaştırılmış olur. Buna göre bağımlı değişken
Yi ve bağımsız değişken Xi’nin standardize edilmiş formu şu şekilde ifade edilir:
Yi −Y X −X
Yi* = , Xi* = i (4.4)
s (Y ) s(X)
- -
Eşitliklerde Y ve X sırasıyla Yi’nin ve Xi’nin aritmetik ortalamalarını, s(Y) ve s(X) ise örneklem standart
sapmalarını temsil etmekte Yi* ve Xi*ise standartlaştırılmış değişkenleri ifade etmektedir.
* 1 ∑ Yi −Y
( ) =0
Yi = (4.5)
s (Y ) n
-
Eşitlik (4.5)’te yer alan ∑(Yi-Y ) ifadesi ortalamadan sapmaların toplamını ifade etmektedir. Önceki
-
bölümlerden de hatırlayacağımız gibi ortalamadan sapmaların toplamı daima “0”dır. Buna göre ∑(Yi-Y)
ifadesinin her durumda ”0” değerini alması standartlaştırılmış değişkenlerin ortalamasının da her durum-
da “0” olacağını göstermektedir.
Diğer taraftan standartlaştırılmış Y değişkeni için varyansı şu şekilde formüle edebiliriz:
2
Yi*
(Yi −Y ) (n − k ) 1 2 ( n − k ) var (Y )
var ( ) =∑
var (Y )
=
(n − k ) var (Y )
∑ (Yi −Y ) =
(n − k ) var (Y )
= 1 (4.6)
74
Ekonometrinin Temelleri
dikkat
Standartlaştırılmış değişkenli modellerde sabit
terim yer almamaktadır.
Öğrenme Çıktısı
2 Standartlaştırılmış değişkenler ile doğrusal regresyon modellerini ifade edebilme
75
Çoklu Doğrusal Regresyon Modelinin Uzantıları
76
Ekonometrinin Temelleri
77
Çoklu Doğrusal Regresyon Modelinin Uzantıları
meydana gelen 1 birimlik artış Yi’yi %5 oranında yüzde değişimin bağımlı değişken üzerindeki mut-
artırmaktadır. Öte yandan X2i’de meydana gelen 1 lak etkisidir. Buna göre tahmin parametreleri şu
birimlik artış ise Yi’yi %7 oranında azaltmaktadır. şekilde yorumlanır: X1i’de meydana gelen %1’lik
bir artış, Yi’yi 0.2 birim azaltırken X2i’de meydana
gelen %1’lik artış Yi’yi 0.8 birim artırmaktadır.
Bağımlı değişkenin logaritmik bağımsız
değişkenlerin doğrusal olduğu regresyon
modellerine log-lin modeli (logaritmik Bağımlı değişkenin doğrusal bağımsız de-
doğrusal model) adı verilmektedir. ğişkenlerin logaritmik olduğu regresyon
modellerine lin-log modeli (doğrusal lo-
garitmik model) adı verilmektedir.
Lin-log Modeli
Bir diğer yarı logaritmik model olan lin-log mo-
delinde (doğrusal logaritmik model) ise bağımsız Ters Modeller
değişkenler logaritmik bağımlı değişken doğrusal İktisat teorisi gereği bazı durumlarda bağımlı
formdadır. Lin-log modeli iki bağımsız değişken değişken ile bağımsız değişkenlerin tersi arasında
için şu şekilde ifade edilebilir: bir ilişki söz konusu olabilir. Değişkenler arasında-
ki bu tür ilişkiler ters modeller ile analiz edilmekte-
Yi = β0 + β1lnX1i+ β2lnX2i + ui (4.18) dir. Ters model temel olarak şu şekilde ifade edilir:
Araştırmalarla
İlişkilendir
YENİ KEYNESYEN BİR BAKIŞ AÇISIYLA TÜRKİYE’NİN ENFLASYON DİNAMİKLERİ
YÖNÜNDEN YAPISAL ANALİZİ
Ferhat ÇAMLICA, Uzmanlık Yeterlilik Tezi
TCMB İletişim ve Dış İlişkiler Genel Müdürlüğü
Ankara, Ocak 2010
1.1.Orijinal Phillips Eğrisi
ABD için 1915–1925 yıllarına ait aylık verileri kullanarak, işsizlik ve gecikmeli enflasyon arasında
güçlü bir bağıntının varlığını ilk tespit eden iktisatçı Irvin Fisher olmuştur. Buna göre, Fisher, işsizlik
ve gecikmeli enflasyon değişkenleri arasındaki bağıntı katsayısının %90 olduğunu bulmuştur. Fisher’ın
çalışmasında, işsizlik ve enflasyon arasındaki nedensellik ilişkisinin fiyatlardan işsizliğe doğru olduğunu
gösteren istatistiksel bulgulara da yer verilmiştir (Fisher, 1973).
78
Ekonometrinin Temelleri
1936 yılında Hollandalı iktisatçı Jan Tinbergen, enflasyon ve işsizlik arasındaki ilişkiyi arz ve talep
piyasası çerçevesinde, ekonometrik olarak ortaya koymayı başarmıştır. Fisher’in aksine, Tinbergen, fi-
yatlar ve işsizlik arasındaki ilişkide nedenselliğin işsizlik veya işgücü piyasasındaki talep baskısını ölçen
benzer bir değişkenden fiyatlara doğru olduğunu savunmuştur. Bununla birlikte, Tinbergen, nominal
ücretlerin işsizliğin doğrusal olmayan bir fonksiyonu olduğunu söylemiştir (Tinbergen, 1959). Aynı
zamanda, Tinbergen’in 1923–1933 yılları arasında Hollanda için ortaya koyduğu eşitlik, Phillips eğrisi
literatüründeki ilk Phillips eğrisi denklemi olma özelliğini taşımaktadır:
(1.1) nolu denklemde W ücretleri, E ise cari istihdamın trend istihdama oranını ifade etmektedir. P
ise fiyat seviyesini temsil etmektedir. Tinbergen’in ortaya koymuş olduğu bu denklikte, ücretler ve işsiz-
lik arasındaki ilişkinin niteliğini tanımlamak bakımından, fiyat değişimi veya enflasyon ilk defa açıkça
değişken olarak bir model içerisinde yer almıştır (Humphrey, 1985).
Tinbergen sonrasında, Phillips eğrisi, bu dönemde Klein, Goldberger, A. J. Brown ve Sultan
gibi başka iktisatçıların da ilgisini çekmesine karşın; enflasyon ve işsizlik arasındaki ilişki, A. William
Phillips’in bu konudaki ünlü çalışması ile makro ekonominin temel taşlarından biri haline gelmiştir. Bu
dönemde enflasyon ve işsizlik arasındaki bağıntı birçok iktisatçı tarafından fark edilmiş olsa da, 1958
yılında gerçekleştirmiş olduğu çalışmasında Phillips, söz konusu ilişki üzerine doğrudan odaklanan ilk
iktisatçı olmuştur (Humprey, 1985).
Phillips’in çalışmasını diğer çalışmalardan ayırt eden iki önemli özellik söz konusudur. Birincisi,
Phillips’in çalışması yalnızca işsizlik ve enflasyon arasındaki ilişkiye odaklanmıştır. İkincisi de, Phillips’in
çalışması, daha sonra Richard Lipsey tarafından 1960 yılında gözden geçirilerek, daha kuramsal bir
çerçevede genişletilmiştir. Phillips’in çalışmasının bu iki özelliği Phillips eğrisi literatürünün temelini
atmakla birlikte, günümüze kadar makro ekonominin başlıca çalışma alanlarından biri olmasını da
sağlamıştır.
Phillips, çalışmasında işgücü piyasasında arz ve talebi kullanarak, işsizlik ve ücret oranları arasında
bir bağıntının var olduğunu ortaya koymaktadır. Phillips’e göre ücretler işsizliğin bir fonksiyonudur ve
bu önermeyi test etmek için aşağıdaki denklemi kullanmıştır:
Denklemde, y ücretlerdeki değişim oranını; x işsizlik oranını ifade etmektedir. Diğer yandan, a,
b ve c sabit değerlerdir. Phillips, İngiltere için 1861–1957 dönemine ait veri setini kullanarak, basit
regresyon yöntemi ile yukarıdaki denklemi tahmin etmiştir. Phillips’in elde ettiği sonuçlara göre ortaya
çıkan denklem,
şeklinde ifade edilmektedir. Buna göre, Phillips, ücretler ve işsizlik oranı arasında uzun dönemli, negatif
ve doğrusal olmayan bir ilişki olduğuna dair kanıt getirmektedir (Phillips, 1958).
79
Çoklu Doğrusal Regresyon Modelinin Uzantıları
Ters modelin bir diğer türü de logaritmik ters modeldir. Bu modelde (4.20) numaralı modelden farklı
olarak bağımlı değişken logaritmik olarak ifade edilir.
Bu tür bir modelde Xi arttıkça, Yi önce artarak artarken belirli bir noktadan sonra azalarak artmaya
başlar. Bu nedenle logaritmik ters model grafik üzerinde gösterilirken grafiğin, bağımlı değişkenin artarak
arttığı bölümde “dışbükey”, azalarak arttığı bölümde ise “içbükey” bir seyir izleyeceği söylenebilir.
6. Son olarak oluşturulan yeni modelin tahmini yapılarak Zi değişkenine ait parametrenin (β3) ista-
tistiksel olarak anlamlılığı sınanır.
Eğer β3 parametresi istatistiksel olarak anlamlı ise H0 reddedilir ve uygun fonksiyonel biçiminin loga-
ritmik model olduğu sonucuna ulaşılır. Aksi hâlde H0 reddedilemez ve doğrusal modelin uygun olduğu
söylenir.
80
Ekonometrinin Temelleri
Öğrenme Çıktısı
3 Tam logaritmik, yarı logaritmik ve ters modelleri açıklayabilme
81
Çoklu Doğrusal Regresyon Modelinin Uzantıları
82
Ekonometrinin Temelleri
Burada (4.30) numaralı model tüm dönemi kapsayan model iken (4.31) ve (4.32) numaralı modeller
ilk alt dönem için tüketim fonksiyonlarını temsil etmektedir. İncelenen bu dönem içerisinde yapısal bir
değişimin yaşanmadığını yani 2008 küresel krizinin Türkiye’nin tüketim fonksiyonunda bir yapısal kırıl-
maya neden olmadığını varsayalım. Bu durum alt dönemler için tahmin edilen Co2 katsayısının Co3’e,
c2’nin ise c3’e eşit olacağını ima etmektedir. Dolayısıyla burada dolaylı olarak Co2 = Co3 ve c2 = c3 şeklinde
iki sınırlama söz konusudur. Şimdi bu sınırlamaların geçerli olup olmadığını yani model katsayılarının
zamanla bir değişime uğrayıp uğramadığını belirleyelim.
Burada yapısal bir kırılma yaşanıp yaşanmadığını belirleyeceğimiz test Chow testidir. Chow testi adını
testin geliştiricisi olan Gregory Chow tarafından almaktadır. Chow testi yardımıyla test edilecek hipotez
şu şekildedir:
Burada hipotez testi için F test istatistiğinden faydalanılmaktadır. F test istatistiği ise şu şekilde
hesaplanmaktadır:
(∑ eU2 − ∑ eR2 ) / k
Fist = (4.33)
2
( R) 1 2
∑ e / ( n + n − 2k )
Eşitlikte ∑ eU2 ve ∑ eR2 sırasıyla sınırlandırılmamış modelin ve sınırlandırılmış modelin hata terimleri-
nin kareleri toplamını ifade etmektedir. Burada (4.30) numaralı model sınırlandırılmamış modelimizdir.
Buna göre (4.30) numaralı modeli tahmin ederek sınırlandırılmamış model için hata terimlerinin kareleri
toplamını elde edebiliriz (∑ eU2). Öte yandan sınırlandırılmış model için hata terimleri kareleri toplamı ise
(4.31) ve (4.32) numaralı iki alt modelden elde edilir. Burada her iki model tahmin edilerek hata terimleri
kareleri toplamı birbiriyle toplanır ve bu sınırlandırılmış modelin hata terimleri kareleri toplamını ifade
eder (∑ eR2 ). Öte yandan k parametre sayısını, n1 ve n2 ise alt dönemler için kurulan modellerin gözlem
sayılarını temsil etmektedir.
83
Çoklu Doğrusal Regresyon Modelinin Uzantıları
84
Ekonometrinin Temelleri
LM = nR2 (4.39)
şeklinde hesaplanırken sınırlamaların doğrusal olmadığı büyük örneklemler için LM test istatistiği sınır-
landırılmamış ve sınırlandırılmış modellerin hata terimleri kareleri toplamı (∑eU2, ∑eR2 ) veya belirlilik
katsayıları (RU2, RR2 ) ile şu şekilde belirlenir:
Wald Testi
Wald testi LM testinden farklı olarak sınırlandırılmamış modelin tahminine dayanır ve test edilen hi-
potez LR ve LM testlerinde olduğu gibidir.
Wald test istatistiği sınırlandırılmamış ve sınırlandırılmış modellerin hata terimleri kareleri toplamı
(∑eU2, ∑eR2 ) veya belirlilik katsayıları (RU2, RR2 ) ile şu şekilde belirlenir:
W=
∑ eR2 − ∑ eU2 veya W =
RU2 − RR2
(4.41)
∑ eU2 / n (1− RU2 ) / n
Hesaplanan Wald test istatistiği, α anlam düzeyi ve c
(sınırlama sayısı) serbestlik derecesine göre X2 tablosun- dikkat
dan elde edilen tablo değeri ile karşılaştırılır. Wald test LM testi sınırlandırılmış modelin tahminine da-
istatistiğinin tablo değerinden büyük olduğu durumda yanırken, Wald testi standartlaştırılmamış mo-
sıfır hipotezi reddedilirken küçük olduğu durumda sıfır delin tahminine dayanmaktadır.
hipotezi kabul edilir.
85
Çoklu Doğrusal Regresyon Modelinin Uzantıları
Öğrenme Çıktısı
4 Doğrusal ve doğrusal olmayan sınırlamaları test edebilme
86
Ekonometrinin Temelleri
Sabit katsayı, bağımsız değişkenler “0” olduğunda bağımlı değişkenin alacağı değeri temsil etmektedir. An-
cak iktisadi teori gereği bazı durumlarda model sabit katsayıyı içermeyebilir. Örneğin, imalat sanayi ürünle-
ri için bir üretim fonksiyonunu ele alalım. Bu tür bir üretim fonksiyonu üretim faktörlerinin bir fonksiyonu
olarak tanımlanır. Eğer bu fonksiyonda üretim faktörleri “0” değerini alırsa üretim miktarı da “0” değerini
alır. Sabit katsayının modelde yer almadığı veya “0” olarak kabul edildiği bu tür modellere sabit terimsiz
regresyon modelleri denir. Model sabit katsayıyı içermediği ya da “0” olarak kabul edildiği için bu tür model-
lerde bağımlı değişken bağımsız değişkenin alacağı değerlere göre artar veya azalır. Sabit terimsiz regresyon
modelleri, sabit terimli modellerden temel olarak iki noktada farklılaşmaktadır. Öncelikle sabit terimsiz
regresyon modellerinde hata terimlerinin toplamının sıfıra eşit olması şart değildir. Bu durumda gerçek Y
değerinin ortalaması ile beklenen Y değerinin ortalaması eşit olmayacaktır. Bu durumda EKK tahmincileri
sapmasızlık özelliğini kaybedecektir. Sabit terimsiz modellerin sabit terimli modellerden farklılaştığı bir
diğer nokta ise belirlilik katsayısıyla (R2) ilgilidir. Sabit terimli modeller için R2 değeri her durumda 0 ila 1
değeri arasında bir değer alır ve bu modelin açıklama gücünü gösterir. Ancak sabit terimsiz modellerde R2
değeri negatif bir değer alabilir ve bu durumda R2 değeri yorumlanamaz. Bu nedenle sabit terimsiz model-
lerde R2 değeri modelin açıklama gücünü gösteren uygun bir ölçüt değildir. Sabit terim içermeyen regresyon
modellerinde ham R2 değeri kullanılır.
Standartlaştırılmış değişkenler
2 ile doğrusal regresyon
modellerini ifade edebilme
Standartlaştırılmış Değişkenli
Regresyon Modeli
Ekonometrik analizlerde zaman zaman değişkenlere ait verilerin ölçüm birimleri arasındaki farklılıklar seri-
lerin standartlaştırılmasını gerekli kılabilir. Bu amaca yönelik olarak veriler standartlaştırılırken izlenen yol
ise şu şekildedir: Öncelikle serilerin düzey değerlerinden aritmetik ortalamaları çıkartılır ve ardından elde
edilen değer serinin standart sapmasına bölünür. Bu işlem sırasıyla serilerin bütün birimleri için uygulanırsa
tüm seri standartlaştırılmış olur. Standartlaştırılmış değişkenlerin ortalaması her durumda “0” varyansı ise
“1”a eşittir. Standartlaştırılmış değişkenlerin ortalamaları “0” olduğu için standartlaştırılmış sabit terim de
“0” değerini alır. Dolayısıyla standartlaştırılmış değişkenlerle oluşturulan modeller sabit terimi içermez. Öte
yandan modeldeki bağımsız değişken parametrelerini gösteren β1*ve β2* standardize edilmiş katsayılar olarak
adlandırılmaktadır ve bu katsayılar sıradan doğrusal regresyon parametrelerinden farklı yorumlanmaktadır.
Burada parametreler artık standart sapma cinsinden yorumlanır. Örneğin, β1* katsayısının 0.5 olarak belir-
lendiğini varsayalım. Bu durumda standardize edilmiş β1 katsayısı (β1* ) şu şekilde yorumlanacaktır: Stan-
dardize edilmiş X1i değişkeninde (X1i* ) meydana gelecek “1” birimlik standart sapma, standardize edilmiş Yi
değişkenini (Y1* ) aynı yönde “0.5” standart sapma değiştirecektir. Buradan da anlaşılacağı gibi katsayıların
yorumları artık ölçü birimlerinden bağımsızdır ve bu bize bağımsız değişkenlerin bağımlı değişken üzerin-
deki kısmi etkilerini karşılaştırmamıza olanak sağlamaktadır.
87
Çoklu Doğrusal Regresyon Modelinin Uzantıları
Bazı iktisadi teoriler değişkenler arasındaki ilişkilerin doğrusal formda olmadığı öne sürmektedir. Örneğin,
Cobb-Douglas tipi üretim fonksiyonu değişkenler arasındaki ilişkilerin doğrusal olmadığı bir modeldir.
Ancak doğrusal olmayan bu modelin parametreler açısından doğrusallaştırılması mümkündür. Bunun için
modelin logaritmasının alınması yeterlidir. Doğrusal olmayan üretim fonksiyonu, modelin logaritması alı-
narak katsayılar açısından doğrusallaştırılır. Bu durumda model bağımlı ve bağımsız değişkenlerin logarit-
malarında doğrusal fonksiyonel forma dönüşür. Bağımlı ve bağımsız değişkenlerin logaritmalarında doğru-
sallaşan bu tür modellere log-log modeli adı verilmektedir. Bu tür modellerde hem bağımlı değişken hem de
bağımsız değişkenler logaritmiktir. Tam logaritmik modeller temel olarak bağımsız değişkenlerin bağımlı
değişken üzerindeki nispi etkilerini göstermektedir. Bu tür modellerde tahmin edilen katsayılar bağımsız
değişkenlerdeki yüzde değişimin bağımlı değişken üzerindeki etkisini yine yüzde değişim cinsinden ifade
etmektedir
Tam logaritmik modellerde değişkenler arasındaki bağlantılar hem bağımlı değişken hem de bağımsız değiş-
kenlerdeki nispi değişim ile açıklanır. Ancak bazı durumlarda araştırmacılar bağımlı ve bağımsız değişken-
lerin birindeki nispi değişim ile diğerindeki mutlak değişimi karşılaştırarak bu bağlantıları kurmak isteyebi-
lirler. Böyle durumlarda ise yarı logaritmik modellere başvurulur. Yarı logaritmik modeller log-lin modeli ve
lin-log modeli olmak üzere iki farklı türdedir. Burada bağımlı değişkenin logaritmik, bağımsız değişkenlerin
ise doğrusal olduğu regresyon modelleri log-lin modeli (logaritmik doğrusal model) olarak tanımlanırken ba-
ğımsız değişkenlerin logaritmik, bağımlı değişkenin doğrusal formda olduğu regresyon modellerine lin-log
modeli (doğrusal logaritmik model) adı verilmektedir.
Öte yandan iktisat teorisi gereği bazı durumlarda bağımlı değişken ile bağımsız değişkenlerin tersi arasında
bir ilişki söz konusu olabilir. Değişkenler arasındaki bu tür ilişkiler ters modeller ile ifade edilmektedir.
Parasal ücretlerdeki değişme oranı ile işsizlik oranı arasındaki ters ilişkiyi gösteren “Phillips Eğrisi” bu tür
modellere örnek olarak gösterilebilir. Bağımlı değişkenin logaritmik olduğu ters modeller ise logaritmik ters
model olarak adlandırılır. Bu tür modellerde fonksiyon önce artarak artan sonrasında ise azalarak artan bir
seyir izler.
Doğrusal ve doğrusal
4 olmayan sınırlamaları test
edebilme
Sınırlamaların Testi
İktisadi teori gereği bazı durumlarda parametrelere bir takım sınırlamaların uygulanması gerekebilir. Bu
sınırlamalar doğrusal olabileceği gibi bazı durumlarda doğrusal olmayan sınırlamalara da gidilebilir. Katsa-
yılara dair sınırlamaların doğrusal olduğu durumlarda bu sınırlamalar temel olarak t testi ve F testleriyle sı-
nanmaktadır. Modelde yapısal bir kırılma olup olmadığını belirleyen Chow testi de doğrusal bir model için
sınırlamaların test edilmesinde kullanılan bir yöntemdir. Öte yandan bazı durumlarda sınırlamalar doğrusal
formda olmayabilir. Böyle durumlarda yukarıda sözünü ettiğimiz testlerin kullanılması uygun değildir ve
dolayısıyla yeni yöntemlere ihtiyacımız vardır. Bu tür doğrusal olmayan sınırlamalar için temel olarak LR
Testi (Benzerlik Oranı Testi), LM Testti (Lagrange Çarpanı Testi) ve Wald Testi kullanılır. Bu testler doğru-
sal sınırlamaların testinde de kullanılabilir.
88
Ekonometrinin Temelleri
1 Aşağıdakilerden hangisi yalnızca sabit terim- 6 Tam logaritmik model ile ilgili aşağıdaki ifa-
siz regresyon modeli için geçerlidir? delerden hangisi yanlıştır?
A. Değişkenler arasındaki ilişkiler stokastiktir.
neler öğrendik?
A. Bağımlı değişken ve bağımsız değişkenler loga-
B. Değişkenler arasındaki ilişkiler doğrusaldır. ritmiktir.
C. Bir bağımlı ve bir bağımsız değişkenden oluşur. B. Bağımsız değişken parametreleri aynı zamanda
D. Fonksiyon sıfır noktasından (orijinden) geçer. esneklik değerleridir.
E. Değişkenler arasındaki ilişkiler nonlineerdir. C. Değişkenler açısından doğrusal bir model değildir.
D. Katsayılar açısından doğrusal bir modeldir.
2 Sabit terimsiz regresyon modeli için aşağıdaki E. EKK yöntemiyle tahmin edilemez.
ifadelerden hangisi doğrudur?
A. Hata terimlerinin toplamının sıfır olması şart 7 Bağımlı değişkenin doğrusal, bağımsız değiş-
değildir. kenlerin logaritmik olduğu model aşağıdakilerden
B. Gerçek Y değeri ile beklenen Y değeri her du- hangisidir?
rumda birbirine eşittir. A. Ters model
C. EKK tahmincileri her durumda sapmasızdır. B. Ters logaritmik model
D. Sabit katsayı sıfırdan büyüktür.
C. Log – log modeli
E. R2 değeri her durumda pozitif bir değer alır.
D. Log – lin modeli
E. Lin – log modeli
3 Değişkenlere ait olarak seriler standartlaştırı-
lırken izlenen yol aşağıdakilerin hangisinde doğru
ifade edilmiştir? 8 Yi = 40 50lnX1i + 90lnX2i şeklinde tahmin
edilen doğrusal logaritmik model (Lin – log mo-
A. Serilerin düzey değerleri serinin standart sap- deli) için X1i değişkenine ait parametrenin doğru
masına bölünür. yorumu aşağıdakilerden hangisidir?
B. Serilerin düzey değerlerinden aritmetik orta-
lamaları çıkartılır, ardından elde edilen değer A. X1i’de meydana gelen %1’lik bir artış, Yi’yi 50
serinin standart sapmasına bölünür. birim azaltmaktadır.
C. Serilerin düzey değerleri serinin standart sap- B. X1i’de meydana gelen %1’lik bir artış, Yi’yi 50
masına bölünür, ardından aritmetik ortalama- birim arttırmaktadır.
ları çıkarılır. C. X1i’de meydana gelen %1’lik bir artış, Yi’yi 0,5
D. Serilerin düzey değerlerinden aritmetik ortala- birim azaltmaktadır.
maları çıkartılır. D. X1i’de meydana gelen %1’lik bir artış, Yi’yi 0,5
E. Serilerin düzey değerleri aritmetik ortalamaları- birim arttırmaktadır.
na bölünür. E. X1i’de meydana gelen %1’lik bir artış, Yi’yi 5
birim azaltmaktadır.
4 Standartlaştırılmış değişkenlerin ortalaması
ve varyansı aşağıdakilerin hangisinde doğru ifade 9 Aşağıdakilerden hangisi regresyon modelinde ya-
edilmiştir? pısal kırılmanın varlığının araştırılmasında kullanılır?
A. Ortalaması 1, varyansı ∞’dur. A. Chow testi B. LM testi C. Wald testi
B. Ortalaması 0, varyansı ∞’dur. D. LR testi E. t testi
C. Ortalaması 0, varyansı 1’dir.
D. Ortalaması 1, varyansı 1’dir.
E. Ortalaması 0, varyansı -1’dir.
10 Aşağıdakilerden hangisi doğrusal olmayan sı-
nırlamaların geçerliliğini test etmek için kullanılan
testlerden biridir?
5 Standartlaştırılmış sabit terimin ortalaması A. t testi B. Wald testi C. F testi
aşağıdakilerden hangisidir?
D. Chow testi E. Ki-kare testi
A. -∞ B. -1 C. 1 D. 0 E. ∞
89
Çoklu Doğrusal Regresyon Modelinin Uzantıları
1. D Yanıtınız yanlış ise “Sabit Terimsiz Regresyon 6. E Yanıtınız yanlış ise “Tam Logaritmik Model”
Modeli” konusunu yeniden gözden geçiriniz. konusunu yeniden gözden geçiriniz.
neler öğrendik yanıt anahtarı
Yanıtınız yanlış ise “Standartlaştırılmış De- Yanıtınız yanlış ise “Doğrusal Olmayan Sı-
5. D 10. B
ğişkenler İle Regresyon Modeli” konusunu nırlamaların Testi” konusunu yeniden göz-
yeniden gözden geçiriniz. den geçiriniz.
Araştır Yanıt
4 Anahtarı
İktisadi olayları analiz ederken incelenen değişkenlere ait veriler kimi zaman
farklı ölçüm birimlerine sahip olabilirler. Örneğin; akıllı telefon fiyatlarının be-
lirleyicilerini araştırdığımızı düşünelim. Burada bağımsız değişken olarak kulla-
nacağımız telefonun hafızası, ekran çözünürlüğü, kamera kalitesi ya da işlemci
hızı gibi ölçü birimleri birbirinden oldukça farklı değerlerle ifade edilmektedir.
Araştır 2 Ancak böyle bir modelde değişkenlere ait serilerin düzey değerlerinin kullanıl-
ması durumunda bağımsız değişkenlerin bağımlı değişken üzerindeki etkile-
rinin karşılaştırılması pek mümkün değildir. Standartlaştırılma işlemi bu gibi
sorunlardan kaçınmak için iyi bir yöntemdir. Standartlaştırma işlemi sonrasında
bağımsız değişkenlerin bağımlı değişken üzerindeki etkileri artık değişkenlerin
ölçüm birimleriyle değil standart sapmaları cinsinden ölçülür. Bu da bağımsız
değişkenlerin bağımlı değişken üzerindeki kısmi etkilerinin ölçüm birimlerin-
den bağımsız olarak karşılaştırılmasına olanak sağlamaktadır.
90
Ekonometrinin Temelleri
Araştır Yanıt
4 Anahtarı
Kısa dönem üretim fonksiyonu temel olarak sermaye faktörü sabitken emek
faktörü ile üretim miktarı arasındaki ilişkiyi açıklamaktadır. Kısa dönemde
sermaye faktörü sabit kabul edildiği için başlangıçta emek faktörünün marji-
Araştır 3 nal verimliliği yüksektir. Ancak emek faktörü arttıkça emeğin marjinal verim-
liliği de azalmaktadır. Bu nedenle emek miktarı arttıkça üretim önce artarak
artar, bir noktadan sonra ise azalarak artmaya başlar. Bu durum logaritmik ters
modele dair açıklamalarımızla uyuşmaktadır. Buna göre logaritmik ters model
kısa dönem üretim fonksiyonunun modellenmesi için uygun bir modeldir.
Kaynakça
Baltagi, B. H. (2008). Econometrics. (4th Edition) Gujarati, D. N. (2011). Econometrics by example. New
Germany: Springer York: Palgrave Macmillan
Davidson, R. ve MacKinnon, J.G. (2004). Econometric Güriş, S., Çağlayan, E. ve Güriş, B. (2013). Eviews ile
theory and methods. New York: Oxford University temel ekonometri (2. Baskı). İstanbul: Der Yayınları
Press
Hill, R.C., Griffiths, W.E. ve Lim, G.C. (2008).
Greene, W. H. (2003). Econometric analysis. New Principles of Econometrics. (3rd Edition) NJ: Wiley
Jersey: Pearson Education.
Verbeek, M. (2004). A guide to modern econometrics.
(2nd Edition). UK: John Wiley & Sons, Ltd.
91
Bölüm 5
Yapay Değişkenli Modeller
Yapay Değişkenler ve Yapay Değişkenli
Model Türleri Nitel Bilgilerin Nicelleştirilmesi
1 2
öğrenme çıktıları
3 4
regresyon analizinde nasıl tanımlanacağını 5 Bir regresyona bir eğim yapay
ve grup ortalamaları arasındaki farkın değişkeninin hangi durumda, nasıl dahil
anlamlılığının nasıl test edileceğini ifade edileceğini ve nasıl yorumlanacağını
edebilme açıklayabilme ve bir örnek verebilme
5
değişkeninin etkileşiminin hangi durumda,
nasıl dahil edileceğini ve katsayısının nasıl
yorumlanacağını ifade edebilme ve bir
örnek verebilme
Anahtar Sözcükler: • Nicel Değişken • Nitel Değişken • Yapay (Kukla) Değişken • Sabit Terim Kuklası
• Eğim Kuklası • Etkileşim Terimi • Yapay Değişken Etkileşimi
92
Ekonometrinin Temelleri
93
Yapay Değişkenli Modeller
Öğrenme Çıktısı
1 Yapay değişkenleri tanımlayabilme, örnekler verebilme ve yapay değişkenli model türlerini
belirtebilme
94
Ekonometrinin Temelleri
Tablo 5.1, nitel bir veriden nasıl bir yapay de- İkiden Fazla Nitel Özellik Bulunması
ğişken oluşturabileceğimizi göstermektedir. Tablo- Durumunda Yapay Değişken Oluşturma
da Sütun 1, birey sıra numarasını; Sütun 2, bireyin Bazı durumlarda, ekonometrik analizimize da-
cinsiyetini içerir. Sütun 3, orijinal verilerin bir par- hil etmek istediğiniz nitelik ikiden fazla gruba (veya
çası değildir ancak Sütun 2’deki bilgileri kullanarak kategoriye) ait olabilir. Örneğin, örneklemimizdeki
erkekse 1, değilse 0 değerini alan bir yapay değiş- bireyler üç eğitim grubundan birine ait olabilir: lise
kendir. İki mümkün durumu temsil etmek için sa- altı, lise ve üniversite gibi. Bu şekilde çoklu grup-
dece bir yapay değişkenin gerekli olduğuna dikkat la (veya mümkün durumla) nitel bir özelliği nicel
edelim (bu durumda, erkek ve kadın). olarak temsil etmek için, grup sayısı eksi 1 adet ya-
Burada yapay değişkeni belirtmek için X yerine pay değişken oluşturmanız gerekir. Yapay değişken,
D gösterimini kullanıyoruz. Hangi gruba 1 veya 0 belirli bir özellik varsa 1 değerini, yoksa 0 değerini
değeri verileceği tamamen isteğe bağlıdır. Örneğin, alır. Başka bir deyişle, J sayıda grubumuz varsa tüm
yukarıdaki örneklerdeki yapay değişkenler aşağıda- nitel bilgileri yakalamak için 1 ve 0 değerlerinden
ki gibi de tanımlanabilir: oluşan J – 1 sayıda yapay değişkene ihtiyaç duyarız.
Yapay değişken içermeyen grup, diğer tüm yapay
D1i = 1 kişi kadın ise, 0 kişi erkek ise değerlerin 0 olduğu durumda temsil edilir ve refe-
D2i = 1 kişi işsiz ise, 0 kişi çalışıyor ise rans veya temel grup olarak adlandırılır.
dikkat
Yapay değişkenler 1 ve 0 değerlerinden oluşan de-
ğişkenler olup gerçekte başka değerler de alabilirler.
Bu değerleri alması yorumlanmasını kolaylaştırdığı
içindir.
95
Yapay Değişkenli Modeller
1 Lise 1 0
2 Lise altı 0 0
3 Lise 1 0
4 Üniversite 0 1
5 Lise 1 0
6 Üniversite 0 1
7 Lise altı 0 0
8 Üniversite 0 1
9 Lise 1 0
10 Üniversite 0 1
Ne demek istediğimizi görmek için Tablo 5.2’yi Bu modeller regresyon analizi çerçevesinde ele
inceleyebilirsiniz. Tabloda ikinci sütun bireylerin alınabilir. Normal regresyon analizi araçları, yapay
mezun olduğu son okulu göstermektedir. Bu bir değişkenli modeller için de geçerlidir. Yani regres-
nitel bilgidir. Tablodan görüleceği gibi bireyler üç yon modellerinde tüm tahmin ve sınama süreçleri
gruptan birinde yer almaktadır. Sütun 3 ve 4 ori- yapay değişkenli modeller için de aynıdır.
jinal veri değil mezuniyet durumuna göre oluştu- Yapay değişkenler örneklemdeki gözlemler ara-
rulmuş yapay değişkenlerdir. Mezuniyet durumuna sında ayrım yaparlar. Örneğin cinsiyet yapay de-
göre üç grubu temsil etmek üzere iki yapay değişken ğişkeni örneklemde yer alan gözlemleri kadınlar
oluşturulmuştur. Üçüncü sütun lise mezunları için erkekler olarak ikiye ayırarak her bir grubun bir-
oluşturulmuş olup birey lise mezunu ise 1 değilse birinden farklı davranış sergilediğini kabul eder.
0 değerini almıştır. Dördüncü sütun ise üniversite Diğer yapay değişken örneklerinde de örneklemde
mezunları için benzer şekilde oluşturulmuştur. Her benzer durum görülebilir. Her bir grubun farklı
iki yapay değişkeninin 0 değerin aldığı durum ise davranışı ya sabit terim üzerindeki bir farklılık ya
lise altı grubu temsil etmektedir. Lise altı grup re- da diğer açıklayıcı değişkenlerin eğim katsayıları
ferans veya temel gruptur. Yapay değişken oluştu- üzerindeki bir farklılık olarak ortaya çıkar. Her iki
rulurken her birey sadece bir grupta yer alır. Üni- durum modelleme bakımından bir miktar ayrılık
versite mezunu zaten liseden de mezun olduğu için gösterir. Bu nedenle her iki durumu ayrı başlıklar
hem lise mezunu grubunda hem üniversite mezunu altında inceleyeceğiz.
grubunda değerlendirilmez.
Belirli bir regresyon modelinde, nitel ve nicel
değişkenler birlikte kullanılabilir, yani bazı değiş-
kenler nitel iken diğerleri ise nicel olabilir.
Açıklayıcı değişkenlerin tümü; dikkat
Yapay değişkenli modellerde tahmin ve test süreci sa-
• nicel olduğunda, model bir regresyon mo- yısal değişkenler için uygulanan süreçle aynıdır. Yani
deli olarak adlandırılır, klasik doğrusal regresyon modelinin analizinde kul-
• nitel olduğunda, modele bir varyans analizi lanılan tüm araçlar yapay bağımsız değişken içeren
modeli denir ve modeller için de geçerlidir.
• nicel ve nitel birlikte olduğunda, modele ko-
varyans analizi modeli denir.
96
Ekonometrinin Temelleri
Öğrenme Çıktısı
2 Nitel ve nicel ekonomik değişkenler arasındaki farkı açıklayabilme
3 Nitel bilgileri nicel verilere dönüştürebilme
Yi = β0 + β1Di + ui (5.1)
burada, Y bağımlı değişken, β0 kesim noktası (veya sabit terim) ve β1 yapay değişken (D) tarafından temsil
edilen özelliğin etkisinin etkisidir. Di = 1 nitel özellik mevcutsa ve Di = 0 nitel özellik mevcut değilse ui
KDRM’nin olağan varsayımlarına sahip hata terimidir.
Bağımsız değişken olarak kullanmak istediğiniz nitelik ikiden fazla gruba sahipse durum sayısı eksi bir
(J – 1) değişken içermelidir. Örneğin üç olası sonuç içeren {A, B ve C} nitelik kullanmak istediğinizi kabul
edelim. O zaman bu niteliği temsil etmek için model şöyle oluşturulur:
97
Yapay Değişkenli Modeller
gözlem B grubuna aitse DiB = 1 değilse 0, gözlem C grubuna aitse DiC = 1 değilse 0 ve gözlem A grubu
ise DiB = DiC = 0, bu denklemi kullanarak herhangi bir iki grubun karşılaştırılmasında A grubu referans
veya temel gruptur.
Yapay değişkenli modellerin en basit biçimi modelin açıklayıcı değişkenin sadece bir yapay değişken-
den oluştuğu modeldir. Örneğin büro çalışanlarının ortalama maaşlarının cinsiyetin fonksiyonu olduğu
aşağıdaki modeli dikkate alalım:
Yi = β0 + β1Di + ui (5.3)
Sabit terim bir kadın çalışanın ortalama maaşını vermektedir. Yapay değişkenin katsayısı bir erkeğin
ortalama maaşının bir kadının maaşından farkını gösterir. Erkeklerin ortalama maaşı ise sabit terim artı
yapay değişkenin katsayısıdır.
Sonuçların aşağıdaki gibi olduğunu düşünelim:
Ŷi=2.30 + 0.36Di
t= (42.65) (6.58) (5.6)
Yi
Maaş
β0+β1=Ortalama
β0= Ortalama erkek maaşı
kadın maaşı
98
Ekonometrinin Temelleri
burada, Y ofis çalışanının aylık maaşı (bin T olarak), D birey erkekse 1 değilse 0 sıfır değerini alan bir yapay
değişken, X ise yıl olarak deneyim değişkenleri olsun.
Bir kadın çalışanın ortalama maaşı:
Her iki grubun ortalama tepkisi, grafik olarak Grafik 5.1’de olduğu gibi gösterilir. Grafikte, iki paralel
regresyon doğrusu yer almaktadır. β1’in pozitif olduğu varsayımı ile erkeklerin maaş düzeyi kadınların-
kinden daha yüksektir, deneyim ile beraber maaştaki artış erkek ve kadın çalışanlar için aynı şekilde artar.
100 gözlemli bir örneklemden şu tahmin sonuçlarının elde edildiğini kabul edelim:
Ŷi= 2.80+0.25Di+0.40Xi
t= (42.65) (6.58) (54.2) (5.8)
Eğer tecrübe 0 ise (yani X = 0 ise) kadınların ortalama maaşı T2800, (yani, 2.80 x T1000) erkeklerin
ortalama maaşı ise 2800 + 250 = T3050 ’dir (2.80 bin T + 0.25 bin T = 3.05 bin T). Bir yıllık tecrübe ila-
vesi erkek veya kadın çalışanların maaşını T400 (0.40 x T1000) artırmaktadır. Bu durumda â2 iki grubun
ortalama değerleri arasındaki fark olarak yorumlanır. Yapay değişken üzerine katsayının t değeri, yaklaşık 2
olan %5 tablo kritik değerinin oldukça üzerinde olduğundan katsayının anlamlı olduğunu göstermektedir.
Bunun sonucu, tecrübe sabit tutulursa, erkek ve kadın çalışanların ortalama maaşlarının istatistiki bakım-
dan birbirinden farklı olduğunu göstermektedir.
Yi
Maaş
Erkek
Kadın
β0+β1 β2
β0 β2
Deneyim Xi
99
Yapay Değişkenli Modeller
Burada; Y ofis çalışanının aylık maaşı, D = 1 çalışan kadın ise, 0 değilse (erkekse), ε hata terimidir.
Bir erkek çalışanın ortalama maaşı:
Bu durumda, model aynı verilerle tahmin edildiğinden β1 için negatif bir katsayı beklenir. Daha genel
olarak ifade edersek bir yapay değişkenin referans grubu değiştirildiğinde yapay değişkene ait katsayı değeri
aynı fakat ters işaret alır.
dikkat
Referans (temel) grubun değiştirilmesi durumunda, yapay değişkene ait katsayının işareti değişir rakamsal değeri
aynı kalır.
100
Ekonometrinin Temelleri
Araştırmalarla
İlişkilendir
Aşağıda yapay değişkenli bir model yardımıyla Borsa İstanbul BİST 100 Endeksinde haftanın gün-
leri etkisini araştıran örnek bir bilimsel makalenin konumuzla ilgili olan seçilmiş bölümleri yer almak-
tadır. Özellikle OLS ( yani EKK) yöntemine dayalı kısımlar verilmekle yetinilmiştir. Bu araştırmanın
sonuç ve bulguları için orijinal makaleye başvurulmalıdır.
BİST 100’de Haftanın Günü Anomalisi: Ekonometrik Bir Analiz
Ali ARI
(Marmara Üniversitesi Fransızca Siyaset Bilimi ve Kamu Yönetimi Bölümü, ali.ari@marmara.edu.tr)
Özge YÜKSEL (Namık Kemal Üniversitesi, İktisat Bölümü, ozgeyuksel62@gmail.com)
Öz: Etkin Piyasa Hipotezi menkul kıymet pazarlarında oluşan fiyatların tahmin edilemeyeceğini
dolayısıyla pazar getirisinin üzerinde aşırı kazanç elde edilemeyeceğini iddia eder. Yapılan araştırmaların
bir kısmı bu hipotezi desteklerken azımsanmayacak bir kısmı ise bu hipotez ile çelişen sonuçlar ortaya
koymuştur. Etkin Piyasa Hipotezi ile çelişen bulgular ise normalden uzaklaşma anlamına gelen anomali
kavramı ile açıklanmıştır. Bu çalışmanın amacı Borsa İstanbul’daki olası dönemsel anomalileri OLS,
GARCH ve EGARCH yöntemleri ile ampirik olarak ortaya koymaktır. Bu çerçevede BİST 100’e ait
03/01/2003-01/07/2016 tarihleri arasındaki 3.389 günlük kapanış verileri kullanılarak haftanın günü
101
Yapay Değişkenli Modeller
etkisinin varlığı araştırılmaktadır. Farklı model sonuçlarına göre BİST 100’de haftanın günü etkisine
rastlanmamaktadır. Bu bağlamda BİST’in zayıf formda etkin olduğu ifade edilebilir.
Anahtar Kelimeler: Etkin Piyasa Hipotezi, Haftanın Günü Anomalisi, En Küçük Kareler Yöntemi
(OLS), GARCH, EGARCH.
…
4. Veri Seti ve Metodoloji
Çalışmada haftanın günü anomalisinin BİST 100’de var olup olmadığı, 03/01/2003 ile 01/07/2016
tarihleri arasındaki 3.389 adet kapanış fiyatları kullanılarak çeşitli istatistiki ve ekonometrik analiz-
ler yardımıyla incelenmektedir. Araştırmada kullanılan veriler Türkiye Cumhuriyet Merkez Bankası
(TCMB) elektronik veri dağıtım sisteminden temin edilmiştir. Her bir günlük kapanışa ait fiyat serile-
rinin, araştırmanın amacına göre günlük getiri oranlarına dönüştürülmesi işlemi için aşağıdaki eşitlik
(1) kullanılmıştır:
⎡ P ⎤
R1 = 1n ⎢ t ⎥×100
⎣ Pt−1 ⎦ (1)
Burada, Rt t dönemindeki getiri oranını, Pt t dönemindeki kapanış fiyatını, Pt-1 t-1 dönemdeki
kapanış fiyatını ifade etmektedir.
Literatürde haftanın günlerinin finansal piyasalarda getiri oluşum sürecine etkisi olup olmadığını
test etmek için farklı yöntemler kullanılmaktadır. Bu çalışmada, ilk aşamada OLS yöntemi ile kukla
değişkenli regresyon analizi tercih edilmiştir. Kullanılan regresyon denklemi aşağıdaki gibidir:
Bu denklemde Rt, t zamandaki getiri oranını, D değerleri ise borsadaki her işlem günü için tanım-
lanmış olan kukla değişkenleri ifade etmektedir. Burada Pazartesi günü için tanımlanan kukla değer
(Dpazartesi) ilgili gün olan Pazartesi için 1 değerini alıp diğer günler için 0 değerini almaktadır ve bu
yöntem diğer tüm işlem günleri için uygulanmaktadır. Diğer taraftan, Çarşamba günleri (β1) regresyon
modeline sabit olarak eklenmiştir. Böylece Çarşamba ve Çarşamba’nın diğer günlerden farkı sabitlene-
rek analiz yapılmıştır.
Çalışmada oluşturulan temel araştırma hipotezi aşağıdaki gibidir: H0 = Endeksin hafta başı günler-
de (Pazartesi ve Salı) sağladığı ortalama getiriler ile endeksin hafta sonu günlerde (Perşembe ve Cuma)
sağladığı ortalama getiriler arasında farklılık yoktur (H0: β2 = β3 = β4 = β5). H1 = Endeksin hafta başı
günlerde (Pazartesi ve Salı) sağladığı ortalama getiriler ile endeksin hafta sonu günlerde (Perşembe ve
Cuma) sağladığı ortalama getiriler arasında farklılık vardır (H0: β2 ≠ β3 ≠ β4 ≠ β5).
Kukla değişkenli regresyon analizinin varsayımlarından değişen varyans White testi ile sınanmıştır.
Kukla değişkenli regresyon analizinde karşılaşılan otokorelasyon ve değişen varyans sorunu nedeniyle
(bkz. Tablo 6), seriler varyans ve kovaryansın zaman içinde değişmesine izin veren Genelleştirilmiş
Otoregresif Koşullu Değişen Varyans (GARCH) ve Üssel GARCH (EGARCH) modelleri ile de test
edilmiştir
...
5. Bulgular
…
Eşitlik (2)’ye göre oluşturulan regresyon analizi sonuçları Tablo 3’de verilmiştir. Buna göre p olasılık
değerleri dikkate alındığında tüm değerlerin %10 anlamlılık seviyesinden büyük olduğu görülmektedir.
Bu nedenle H0 hipotezi reddedilememekte ve böylece günlere ait getirilerin birbirinden farklı olma-
dıkları sonucuna varılmaktadır. Ayrıca Tablo 3’te verilen F-İstatistiği ve F İstatistik olasılık değerleri de
H0 hipotezinin reddedilemediğini göstermektedir. Bir diğer ifadeyle haftanın günleri arasında getiri
bağlamında herhangi bir farklılık söz konusu değildir.
102
Ekonometrinin Temelleri
Öğrenme Çıktısı
4 İki grup arasındaki ortalama farkının regresyon analizinde nasıl tanımlanacağını ve grup
ortalamaları arasında farkın anlamlılığının nasıl test edileceğini ifade edebilme
İktisadi uygulamalarda
İktisatta rejim değişimi ko- Farklı rejimler ile nitel de- farklı rejimlerin neler ola-
nusunu araştırın. ğişkenleri ilişkilendirin. bileceğini arkadaşlarınızla
tartışın.
Yi = β0 + β1 Di + β2 Xi + β3 (DX)i + ui (5.13)
burada, X nicel değişken deneyim, Di ofis çalışanı erkekse 1 değilse 0 değerini alan yapay değişken ve DX
etkileşim terimdir (her bir gözlem için yapay değişkenle nicel değişkenin çarpımından oluşur). Kadınlar ve
erkekler için beklenen koşullu ortalamalar aşağıdaki gibidir:
103
Yapay Değişkenli Modeller
Böylece, modele yapay değişken yanında kesişim teriminin de dahil edilmesi sabit terim yanında eğim
parametresinin de gruplar için farklı olmasına neden olmuştur. Modeldeki β1 yapay değeri 1 olan grubun
referans gruptan sabit terim farklılığını gösterirken β3 yapay değeri 1 olan grubun referans gruptan eğim
farkını gösterir. Bizim örnek modelimiz için β1 erkeklerin kadınlara göre işe başlama (yani deneyim sıfır
iken) beklenen maaş farkını ve β3 erkekleri ilave bir yıl çalışmanın getirdiği maaş farkını göstermektedir.
β1 ve β3 parametreleri istatistiki bakımdan farklıysa gruplar için hem sabit hem de eğim parametrelerinin
farklı olduğu anlamına gelir. Böyle bir durumda elde edilen regresyon tahmini sonuçları, modelin yapay
değişken ve etkileşim terimi olmaksızın grupların her birine ayrı ayrı uygulanmasıyla elde edilen sonuçlarla
aynı olacaktır.
Bir yapay değişken, bir nicel değişken ve yapay ile nicel değişken etkileşimli bir terim içeren bir model
tahmin edildiğinde parametrelerin anlamlılığına göre dört olası sonuçtan birini elde edilir. Bunlar:
i) Tek regresyon doğrusu: Hem yapay değişken hem de etkileşim terimlerine ait katsayıların sıfır yani
istatistiki bakımdan anlamsız olması
ii) Farklı sabit aynı eğime sahip iki ayrı regresyon doğrusu: Yapay değişkene ait katsayının sıfırdan farklı
yani anlamlı ve etkileşim terimine ait katsayının sıfır yani anlamsız olması
iii) Aynı sabit ancak farklı eğime sahip iki ayrı regresyon doğrusu: Yapay değişkene ait katsayının sıfır yani
anlamsız ve etkileşim terimine ait katsayının sıfırdan farklı yani anlamlı olması
iv) Farklı sabit ve farklı eğime sahip iki ayrı regresyon doğrusu: Hem yapay değişkene ait katsayının hem
de etkileşim terimine ait katsayının sıfırdan farklı yani anlamlı olması
Grafik 5.3’te yapay değişkenin katsayısının anlamsız etkileşim katsayısının ise anlamlı olduğu bir reg-
resyon sonuçları görülmektedir. Gruplar için sabit terimin aynı fakat eğimin farklı olması nedeniyle grup-
ları her biri için aynı kesim noktasından çıkan iki farklı regresyon doğrusu oluşmaktadır:
Yi Yˆ i=(βˆ 0+βˆ 1)+(βˆ 2+β
ˆ 3)Xi
Yˆ i=βˆ 0+βˆ 1Di+β
ˆ 2Xi+β
ˆ 3(DX)i
Eğer βˆ 1=0 ve Di= 1 ise
Maaş
Yˆ i=β
ˆ 0+β
ˆ 2Xi
Eğer βˆ 1=0 ve Di= 0 ise
βˆ 0
Deneyim Xi
Grafik 5.3 Yapay Değişkenlerin Nicel Değişkenlerle Etkileşimi (Aynı Sabit Farklı Eğim)
104
Ekonometrinin Temelleri
Maaş
Yˆ i=β
ˆ 0+β
ˆ 2Xi
Eğer βˆ 1=0 ve Di= 0 ise
βˆ 0+βˆ 1
ˆ0
β
Deneyim Xi
Grafik 5.4 Yapay Değişkenlerin Nicel Değişkenlerle Etkileşimi (Farklı Sabit Farklı Eğim)
Grafik 5.4’te yapay değişkenin katsayısının anlamsız etkileşim katsayısının ise anlamlı olduğu bir reg-
resyon sonuçları görülmektedir. Gruplar için sabit terimin aynı fakat eğimin farklı olması nedeniyle grup-
ları her biri için aynı kesim noktasından çıkan iki farklı regresyon doğrusu ortaya oluşmaktadır.
Ofis çalışanlarının maaşı örneğimizde aşağıdaki sonuçları elde ettiğimizi kabul edelim:
burada, X nicel değişken deneyim, Di ofis çalışanı erkek ise 1, değilse 0 değerini alan yapay değişken ve DX
etkileşim terimdir Modelde tüm katsayılar artı değer almış, yapay değişken D dışındaki katsayılara ait t is-
tatistikleri yaklaşık 2 olan %5 tablo kritik değerinden büyük oldukları için istatistiki bakımdan anlamlıdır,
yani bağımlı değişken üzerinde önemli etkiye sahiptirler. Yapay D değişkenine ait katsayı %5’te istatistiki
bakımdan anlamlı değildir. Bu değişkene ait katsayının anlamlı olmaması kadın ve erkek ofis çalışanlarının
başlangıç maaşlarında anlamlı bir farklılık olmadığı anlamına gelir. Bununla birlikte etkileşim terimine ait
katsayının anlamlı olması bir yıllık ilave tecrübe karşısında kadın çalışanlar ile erkek çalışanların maaş ar-
tışları farklılık göstermektedir. Bu model bulgularına göre kadın ve erkeklerin sıfır deneyim ile işe başlama
maaşları ortalama T2650 (2.65x T1000), ilave bir yıllık deneyim karşısında kadınlar T380 (0.38x T1000)
maaş artışı alırken erkeklerin maaş artışı T410 ’dir ((0.38+0.03)x1000). Bu bulgular Grafik 5.3’teki aynı
sabit farklı eğime sahip iki regresyon doğrusu durumuna uyar.
105
Yapay Değişkenli Modeller
Öğrenme Çıktısı
5 Bir regresyona bir eğim yapay değişkeninin hangi durumda, nasıl dahil edileceğini ve nasıl
yorumlanacağını açıklayabilme ve bir örnek verebilme
burada, Y ofis çalışanının maaşını, X yıl olarak deneyim, D1 gözlem kadın ise 1, erkekse 0 değerini alan
yapay değişken ve D2 gözlem üniversite mezunu ise 1 değilse 0 değerini alan yapay değişken, D1·D2 etki-
leşim terimi ve u bildik özelliklere sahip hata terimidir.
dikkat
İki veya daha fazla nitel özelliğin birlikte varlığının bağımlı değişken üzerinde ek bir etkiye sahip olabileceği dü-
şünülüyorsa yapay değişimlerin etkileşimi modele dahil edilir.
106
Ekonometrinin Temelleri
İki nitel değişken etkileşiminin modele dahil edilmesi, regresyon fonksiyonunun her bir nitel özellik
kombinasyonu için farklı sabit terimlere sahip olmasını sağlamıştır. Yapay değişkenlerin ve etkileşimlerinin
katsayıları, sabit terimin tahmin edilen büyüklükte kaymasına neden olur.
İki yapay değişken ve iki nitel özellik arasındaki etkileşimi olan bir modelin tahmininden dört olası
sonuçtan biriyle karşılaşırız:
(i) Bir regresyon doğrusu: Yapay değişken ve yapay etkileşimli değişkene ait katsayılar sıfırdır (veya
istatistiki bakımdan anlamlı değildir).
(ii) İki regresyon doğrusu: Bir yapay değişken için katsayı anlamlı ancak diğer yapay değişken katsa-
yısı ve etkileşim katsayısı sıfırdır (veya istatistiki bakımdan anlamlı değildir).
(iii) Üç regresyon doğrusu: Yapay değişken katsayıların her ikisi de anlamlı ancak etkileşim katsayısı
sıfırdır (istatistiksel olarak anlamlı değildir).
(iv) Dört regresyon doğrusu: Yapay değişken katsayıları ve etkileşim katsayısı anlamlıdır.
Yˆ i=β
ˆ 0+β
ˆ iXi+βˆ 2D1i+βˆ 3D2i+β
ˆ 4(D1D2)i
Yi
βˆ 0
Deneyim Xi
Grafik 5.5 Bir yapay değişken (X), iki anlamlı yapay değişken katsayısı ve anlamlı bir etkileşimli yapay değişken
katsayısı durumunda olası nitel özellik bileşenleri için regresyon doğruları
Grafik 5.5’te örnek model için tüm katsayıların pozitif olduğu varsayımı altında dört bileşen için reg-
resyon doğruları görülmektedir. β4 katsayısı üniversite mezunu olmanın aylık maaş üzerine etkisini gös-
termektedir.
Ofis çalışanlarının maaşı örneğimizde aşağıdaki sonuçları elde ettiğimizi kabul edelim:
107
Yapay Değişkenli Modeller
burada, yukarıda belirtildiği gibi Y ofis çalışanının maaşını (bin TL), X yıl olarak deneyim, D1 gözlem ka-
dın ise 1, erkekse 0 değerini alan yapay değişken ve D2 gözlem üniversite mezunu ise 1, değilse 0 değerini
alan yapay değişken, D1·D2 etkileşim terimidir. Tüm katsayılara ilişkin t değerleri %5 önem seviyesinde
yaklaşık 2 olan kritik değerden mutlak olarak büyük oldukları için sıfırdan farklı yani anlamlıdır. D1 yapay
değişkeninin katsayısı negatif değer aldığından yapay değişkende “1” ile temsil edilen kadın çalışanların
erkeklere göre düşük maaş aldıklarını göstermekle birlikte kesişim teriminin pozitif değer alması üniversite
mezunu kadınların T1200 (1.2x T1000) daha fazla ücret elde ettiklerini göstermektedir.
Öğrenme Çıktısı
6 Bir regresyona denklemine iki yapay değişkeninin etkileşiminin hangi durumda, nasıl dahil
edileceğini ve katsayısının nasıl yorumlanacağını ifade edebilme ve bir örnek verebilme
108
Ekonometrinin Temelleri
1 Uygun sayısal bir ölçekte ölçülemeyen nitel özellikler veya ölçülebilse bile nitel olarak alınması daha yarar-
lı olan özellikleri temsil etmek üzere oluşturulan değişkenler yapay değişken olarak adlandırılır. Örneğin dil,
din, ırk, cinsiyet gibi kişisel özelliklerin yanında coğrafi bölgeler (doğu bölgesi, batı bölgesi, güney bölgesi,
kuzey bölgesi veya onların türevleri), aylar, mevsimler, günler, dönemler (savaş öncesi savaş sonrası, politika
öncesi, politika sonrası gibi) yapay değişkenle temsil edilebilecek özelliklere örnek olarak verilebilir. Yapay
değişkenler ekonometrik modellerde bağımlı veya bağımsız değişken olarak yer alabilirler. Bunlar sırasıyla,
“yapay bağımlı değişkenli modeller” ve “yapay bağımsız değişkenli modeller” olarak adlandırılırlar. Yapay
değişkenlerin ekonometrik modeller bağımlı değişken olarak kullanılması bazı tahmin güçlüklerine neden
olur. Yapay değişkenlerin ekonometrik modellerde bağımlı değişken olarak yer alması (i) Doğrusal olasılık
modeli, (ii) Logit modeli ve (iii) Probit modeli bağlamında incelenir.
2 Nicel ekonomik değişkenler uygun sayısal ölçekte ölçülebilen değişkenler olup sürekli değerler alırlar.
Buna karşılık nitel değişkenler uygun bir sayısal ölçekte ölçülemeyen değişkenlerdir. Nitel değişkenler ge-
nellikle örneklemi alt gruplara ayırırlar. Örneğin cinsiyet değişkeni örneklemi kadınlar, erkekler olarak iki
alt gruba ayırırken, mevsim değişkeni çeyreklik verileri I. Çeyrek, II. Çeyrek, III. Çeyrek ve IV. Çeyrek
olmak üzere dört alt gruba ayırır.
3 Bir ekonometrik modelde yer alan değişkenler uygun bir sayısal ölçekte ölçülen nicel değişkenlerdir.
Nicel olmayan değişkenlerin uygun bir şekilde nicel verilere dönüştürülmesi gerekir. Nitel bir değişken iki
gruba sahipse, bu niteliği nicel olarak ifade etmek için bir yapay değişken oluşturmamız gerekir. Yapay de-
ğişken, iki özellikten biri mevcutsa “1”, diğeri mevcutsa “0” değerini alır. Oluşturulan yapay değişken için
0 değeri tanımlanan (veya atanan) gruba referans veya temel grup adı verilir. Örneğin, “1”, kişinin erkek
olduğunu ve “0” kişinin kadın olduğunu gösterir.
Nitel bir özelliğin ikiden fazla grubu (veya mümkün duruma) varsa bu nitel bir özelliği nicel olarak temsil
etmek için, grup sayısı eksi 1 adet yapay değişken oluşturmanız gerekir. Yapay değişken, belirli bir özellik
varsa 1 değerini, yoksa 0 değerini alır. Başka bir deyişle, J sayıda grubumuz varsa, her biri 1 ve 0 değerlerin-
den oluşan J – 1 sayıda yapay değişkene ihtiyaç duyarız. Yapay değişken içermeyen grup, diğer tüm yapay
değerlerin 0 olduğu durumda temsil edilir ve referans veya temel grup olarak adlandırılır.
109
Yapay Değişkenli Modeller
4 Bağımlı değişkenin sabit terimle birlikte ikili bir yapay değişken üzerine regresyonu (Yi = β0 + β1 Di +
ui ) yapay değişkende yer alan gruplar arasındaki farkın modelleştirilmesini sağlar. Böyle bir modelde sabit
terim (β0) yapay değişkende “0” değeri alan grubun ortalamasını, eğim parametresi (β1) yapay değişkende
“1” değeri alan grubun “0” değeri alan gruptan ortalama farkını, sabit terimle eğim parametresinin toplamı
(β0 + β1) “1” değeri alan grubun ortalamasını verir. İki grup ortalamaları arasındaki farkın istatistiki bakım-
da anlamlı olup olmadığı eğim parametresinin anlamlılığı ile test edilir. Eğim parametresine ait t-istatistiği
mutlak olarak 2 veya daha büyükse ortalama farkının %5 önem düzeyinde anlamlı olduğuna karar verilir.
5 Yapay değişkende yer alan nitel özelliklerin bir veya daha fazla açıklayıcı değişkenin eğim katsayılarında
farklılığa neden olacağına inanılıyorsa ya da en azından bu durum test edilmek isteniyorsa modele eğim
yapay değişkeni dahil edilir. Modele eğim yapay değişkeni dahil edilmesi, yapay değişkenle nicel değişkenin
etkileşimi olarak bilinir ve yapay değişken modele nicel değişkenin çarpımı olarak dahil edilir. Yi = β0 + β1
Di + β2 Xi + β3(DX)i + ui regresyonunda (DX)i terimi etkileşim terimidir. Bu regresyondaki β3 parametresi
yapay değişkende “1” değeri alan grubun “0” değeri alan gruptan eğim parametresi farkını verir. Örneğin
bir gelir tüketim fonksiyonunda sabit terim otonom tüketim harcamasına ve eğim parametresi marjinal tü-
ketim eğilimine karşılık gelir. Bir araştırmacı marjinal tüketim eğiliminin cinsiyete göre farklılaşabileceğini
düşünüyorsa düzenleyeceği tüketim fonksiyonuna cinsiyeti temsil eden bir yapay değişkeni gelir değişkeni
ile çarparak dahil eder. Çarpım sonucu oluşan etkileşim teriminin parametresi istatistiki bakımdan anlamlı
ise yapay değişkende “1” değerini alan gruba ait marjinal tüketim eğiliminin diğer grubun marjinal tüketim
eğiliminden anlamlı bir şekilde farklı olduğu bulgusunu elde eder.
110
Ekonometrinin Temelleri
6 İki veya daha fazla sayıda yapay değişkenin çeşitli bileşenlerinin bağımlı değişken üzerinde nasıl bir etki
yaptığını görmek için modele yapay değişkenlerin etkileşimleri (yani çarpımları) dahil edilir. Yi = β0 + β1
D1i + β2D2i + β3Xi + β4(D1·D2)i + ui regresyonunda (D1·D2)i terimi yapay değişken etkileşim terimidir.
Bu değişkenin katsayısı her iki yapay değişkende “1” olan özellik bileşeninin bağımlı değişken üzerindeki
etkisini gösterir. Örneğin bir yapay değişken kadınlar için “1”, erkekler için “0” değerini alıyorsa ve başka
bir yapay değişken üniversite mezunları için “1”, olmayanlar için “0” değerini alıyorsa (D1·D2)i etkileşimine
ait katsayı üniversite mezunu kadın olmanın bağımlı değişken üzerindeki etkisini temsil eder.
111
Yapay Değişkenli Modeller
1 Yapay değişkenli bir ekonometrik model aşa- 5 Yi = β0 + β1Xi + β2Di + β3DİXi+ui denklemin-
ğıdakilerden hangisini inceler? de ve Di değişkeni 0 ve 1 değerleri alan bir yapay
A. Bir nicel bağımlı ve bir nicel bağımsız değişken değişkendir. Bu denklemde β3 katsayısı ne anlama
neler öğrendik?
112
Ekonometrinin Temelleri
8 Şu ücret denklemini dikkate alalım: Yi = β0 + 10 Soru 8’de verilen modeli yeniden dikkate ala-
β1 Xi + β2 D1i + β3 D2i + ui. lım: Yi = β0 + β1 Xi + β2 D1i + β3 D2i + ui. Aynı
Modelde Y aylık net ücret (T), Xi yıl olarak dene- değişken tanımlamalarına sahibiz. Araştırmacımız
neler öğrendik?
yim, D1 çalışan kadın ise 1, değilse 0 değerini alan bu defa bu model üzerine üniversite mezunu kadın
bir yapay değişken, D2 çalışan üniversite mezunu olmanın ücretler üzerinde anlamlı bir farklılığa ne-
ise 1, değilse 0 değeri alan bir yapay değişken ve u den olup olmadığını sınamak istiyor. Bu durumu
hata terimidir. Modelin SEKK ile tahmininden şu aşağıdakilerden hangisi doğru bir şekilde modelle-
sonuçlar elde edilmiştir: miştir?
Yi = 2350.0 + 255.0 Xi – 135.0 D1i + 290.0 D2i A. Yi = β0 + β1 Xi + β2 D1i + β3 (D1× D2)i + ui
t = (24.8) (30.1) (1.68) (3.39) R2 = 0.96 B. Yi = β0 + β1 Xi + β3 D2i + β3 (D1× D2)i + ui
C. Yi = β0 + β1 Xi + β2 D1i + β3 D2i + β4 (D1× D2)
Bu modele göre 10 yıl deneyimli üniversite mezu-
i + ui
nu olmayan bir erkek çalışanın aylık ortalama bek- D. Yi = β0 + β1 Xi + β2 D1i + β3 (D1× X1)i + β4
lenen ücret geliri aşağıdakilerden hangisidir? (D1× D2)i + ui
A. 4900 E. Yi = β0 + β1 Xi + β2 D2i + β3 (D1× X1)i + β4
B. 5035 (D1× D2)i + ui
C. 4765
D. 5055
E. 5190
113
Yapay Değişkenli Modeller
Yanıtınız yanlış ise “Nitel Bilgilerin Ni- Yanıtınız yanlış ise “Yapay Değişkenlerin
2. C 7. D
celleştirilmesi” konusunu yeniden gözden Eğim Parametrelerini Etkilemesi” konusunu
geçiriniz. yeniden gözden geçiriniz.
Yanıtınız yanlış ise “İkiden Fazla Nitel Yanıtınız yanlış ise “Yapay Değişkenlerin
3. E Özellik Bulunması Durumunda Yapay De- 8. A Sabit Terimi Etkilemesi” ve “Yapay Değiş-
ğişken Oluşturma” konusunu yeniden göz- kenlerin Eğim Parametrelerini Etkilemesi”
den geçiriniz. konusunu yeniden gözden geçiriniz.
Yanıtınız yanlış ise “Yapay Değişken Kulla- Yanıtınız yanlış ise “Yapay Değişkenlerin
4. D 9. E
narak Ortalamalar Arasındaki Farkları Bul- Eğim Parametrelerini Etkilemesi” konusunu
ma” konusunu yeniden gözden geçiriniz. yeniden gözden geçiriniz.
Yanıtınız yanlış ise “Yapay Değişkenlerin Yanıtınız yanlış ise “İki veya Daha Fazla Ni-
5. E 10. C
Eğim Parametrelerini Etkilemesi” konusunu tel Değişkenin Etkileşimi” konusunu yeni-
yeniden gözden geçiriniz. den gözden geçiriniz.
Araştır Yanıt
5 Anahtarı
Konut iktisattaki homojen mal tanımına uymayan bir ürün veya varlıktır. Bu
nedenle konut fiyatları onun sağladığı lükse göre belirlenir. Bu nedenle konut
fiyatı ile ilgili modellere hedonik fiyat modeli olarak adlandırılır. Günümüz
konutlarını göz önünde bulundurduğumuzda çok farklı özelliklerinin bulun-
Araştır 2 duğunu görebiliriz. Örneğin müstakil villa tarzı lüks bir konutta hem oda
sayısı fazladır hem konutun kullanım alanı fazla olduğu gibi çoğunun hem
garajı, hem bahçesi, hem lüks bir banyosu vb. özellikleri vardır. Bunlar içinde
lüks özelliklerin etkileşimi ile belirli bir özellik demetinin fiyatlar üzerindeki
etkisi incelenmeye değer olabilir.
114
Ekonometrinin Temelleri
Araştır Yanıt
5 Anahtarı
İktisatta rejim denince belirli bir durum anlaşılır. En basit bir rejim örneği
haftanın günleridir. Bağımlı değişken haftanın farklı günlerinde hem sabit
terim bakımından hem de eğim katsayısı bakımından farklı tepkiler verebi-
lir. Başka bir rejim örneği döviz kuru sistemleri bakımından olabilir. Bağımlı
değişkenin sabit döviz kuru veya dalgalı döviz kuru rejimleri altında farklı
Araştır 3 tepkiler verebilir. Farklı rejim durumları çok farklı durumlar için genelleştiri-
lebilir. Parametrelerin farklı rejimler altında farklı değerler alması her zaman
mümkündür. Bu da farklı rejim dönemlerini temsil etmek üzere nitel veya
yapay değişkenlerin kullanımını gerektirir. Bunların dikkate alınması başka
yararları yanında en azından modellerin yeterliliğini artıracaktır. Model daha
fazla bilgi kullanacaktır.
Kaynakça
Arı, A. ve Yüksel, Ö. (2017). Finans Politik & Güriş, S., Çağlayan, E. ve Güriş, B. (2013). Eviews ile
Ekonomik Yorumlar 2017 Cilt: 54 Sayı: 632, ss. temel ekonometri (2. Baskı). İstanbul: Der Yayınları
77-89
Hill, R. C., Griffiths, E. G. ve Lim, G. C. (2011).
Brooks, C. (2014). Introductory econometrics for Principles of econometrics (4th Edition). John Wiley
finance (3rd Edition). Cambridge: Cambridge & Sons, Inc.
University Press
Stock, J. H. ve Watson, M.W. (2011). Ekonometriye
Gujarati, D. N. ve Porter, D. C. (2014). Temel giriş, Bedriye Saraçoğlu (Çev.) Ankara: Efil
ekonometri (Basic econometrics Beşinci Basımdan Yayınevi
Çeviri). Çevirenler: Ümit Şenesen, Gülay Günlük
Tarı, R. (2018). Ekonometri (13. Baskı). Kocaeli:
Şenesen, İstanbul: Literatür Ders Kitapları
Umuttepe Yayınları
Gujarati, D. N. (2011). Econometrics by example. New
York: Palgrave Macmillan
115
Bölüm 6
Klasik Doğrusal Regresyon Modelinin
Varsayımlarından Sapmalar I
Varsayım 2 Açıklayıcı Değişkenler
Arasında Tam Veya Güçlü Doğrusal Bir
öğrenme çıktıları
İlişki Yoktur
Varsayım 1 Hata Teriminin Ortalaması 2 Tam ve güçlü çoklu doğrusal bağlantı
Sıfırdır: E(ui) = 0 kavramlarını ve parametre tahmini üzerine
1 Hata terimi u’nun ortalamasının hangi etkileri ifade edebilme
1
durumda daima sıfır olduğunu ve hata 3 Regresyonda çoklu doğrusal bağlantının
2
teriminin ortalaması sıfır olmadığı zaman ne zaman çözülmesi gereken bir problem
tahmin sonuçları üzerindeki etkisinin ne olduğunu belirler ve düzeltici eylemleri
olduğunu ifade edebilme ifade edebilme
116
Ekonometrinin Temelleri
GİRİŞ
Klasik doğrusal regresyon modeliyle (KDRM)
ilgili beş varsayım yapıldığını hatırlayın. Bunlar, te-
mel tahmin tekniğimiz, sıradan en küçük karelerin
(EKK) bazı istenen özelliklere sahip olduğunu ve
ayrıca katsayı tahminlerine ilişkin hipotez testleri-
nin geçerli bir şekilde yapılabileceğini göstermek
için gerekliydi.
Özellikle, şu varsayımlar yapıldı:
1. Hata teriminin ortalaması sıfırdır: E(ui) = 0
∀ i için
2. Açıklayıcı değişkenler arasında tam veya
güçlü çoklu doğrusal bağlantı yoktur.
3. Hata terimi sabit varyanslıdır: Var(ui) = σ2
< ∞ ∀ i için
4. Hata terimleri arasında bir ilişki yoktur: VARSAYIM 1 HATA TERİMİNİN
Kov (ui, uj) = 0 i ≠ j için ORTALAMASI SIFIRDIR: E(ui) = 0
5. Hata terimiyle açıklayıcı değişkenler arasın- Gerekli ilk varsayım, hataların ortalama değeri-
da bir ilişki yoktur: Kov (ut, xt) = 0 nin sıfır olmasıdır. Gerçekte, eğer regresyon denkle-
6. Hata terimi normal dağılmıştır: ut ∼ N (0, minde sabit terim varsa bu varsayım asla ihlal edilme-
σ2) yecektir. Bununla birlikte teori, belirli bir uygulama
için, regresyon doğrusunun orijinden geçmesi gerek-
Bu bölüm ve bunu izleye bölümde bu varsayım-
tiğini ve bu nedenle modelde sabit terim bulunma-
lar özellikle aşağıdaki belirtilen başlıklar bağlamın-
ması gerekliyse ne olacak? Eğer regresyon bir sabit
da daha ayrıntılı olarak incelenecektir:
terim içermiyorsa ve hataların ortalama değeri sıfır
• Varsayımların geçerli olup olmadığı nasıl değilse istenmeyen bazı sonuçlar ortaya çıkabilir. İlk
tespit edilebilir? olarak, R2 negatif bir değer alabilir, ikincisi ve daha
• Uygulamada ihlallerin en olası nedenleri önemlisi, sabit terim parametresi olmayan bir reg-
nelerdir? resyonun eğim parametresi tahminlerinde ciddi bir
• Bir varsayım ihlal edilirse ve bu gerçek göz sapmaya neden olabilir. Veriler modelde sabit terim
ardı edilirse, sonuçları nelerdir? olması gerektiğini söylemezse ve modelde sabit te-
rime yer verilmemişse regresyon doğrusu orijinden
Bu sorulardan sonuncusuyla ilgili olarak mode-
geçmeye zorlanarak eğim parametresinin sapmalı ol-
lin genel olarak aşağıdaki üç sorunun herhangi bir
masına yol açabilir. Ayrıca, böyle bir durumda R2 ve
birleşimiyle karşılaşabileceği söylenebilir:
R– 2 genellikle anlamsızdır.
• katsayı tahminleri ( β̂’lar) yanlış,
• ilgili standart hatalar yanlış,
• test istatistikleri için varsayılan dağılımlar
uygun değildir. dikkat
Eğer regresyon denkleminde sabit terim var-
Varsayımlardan birinin veya daha fazlasının
sa, hata teriminin ortalaması daima sıfırdır.
verilerle desteklenmediği durumda ilgili sorunları
Eğer regresyon bir sabit terim içermiyorsa ve
“çözmek” için pratik bir yaklaşım izlenecektir. Bu-
hataların ortalama değeri sıfır değilse istenme-
nun sonucu çözümler genellikle şöyledir:
yen bazı sonuçlar ortaya çıkabilir. İlk olarak,
• varsayımlar artık ihlâl edilmiyor veya R2 negatif bir değer alabilir, ikincisi ve daha
• sorunlar yan adım atıldığından, hâlâ geçerli önemlisi, sabit terim parametresi olmayan bir
olan alternatif teknikler kullanılıyor. regresyonun eğim parametresi tahminlerinde
ciddi bir sapmaya neden olabilir.
117
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar I
Öğrenme Çıktısı
1 Hata terimi u’nun ortalamasının hangi durumda daima sıfır olduğunu ve hata teriminin
ortalaması sıfır olmadığı zaman tahmin sonuçları üzerindeki etkisinin ne olduğunu ifade
edebilme
118
Ekonometrinin Temelleri
Bunun en tipik örneği bir önceki bölümde gördü- Tam doğrusal ilişkili değişkenlerle güçlü doğ-
ğümüz yapay değişkenli modellerdir. Örneğin bir rusal ilişkili değişkenler arasındaki farkı aşağıdaki
araştırmacı çeyreklik veriler kullanarak mevsimleri çizelgeden görebiliriz. Çizelgede X2 ve X3 değişken-
yapay değişkenle temsil etmek için dört mevsim- leri arasında X3i = 3X2i ilişkisi vardır, X3’ün tüm
den birini dışta tutup kalan üçü için birer yapay değerleri X2’nin üç katıdır. Bu nedenle X2 ve X3
değişken oluşturup modele dahil etmek yerine dört değişkenleri arasında tam doğrusal bir ilişki vardır.
mevsimin tümü için yapay değişken kullanmışsa
Buna karşılık X2 ile X3* arasında X3i* = 3X2i + vi
yapay değişken tuzağına düşer ve tam çoklu doğru-
ilişkisi vardır, vi rastgele hata serisidir. X3*, X2’nin
sal bağlantı sorunu ile karşılaşır.
üç katından ancak vi kadar farklılaşmaktadır. X2 ile
X3* arasında güçlü doğrusal bir ilişki vardır.
119
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar I
120
Ekonometrinin Temelleri
bağlantıya neden olacağı anlamına gelmez. Bu yardımcı regresyonların EKK ile tahminin-
den belirginlik katsayıları, sırasıyla R22 , R32 ve R4
2
Bu durum yüksek R2 ve anlamsız t istatis-
tikleriyle birleşirse çoklu doğrusal bağlantı olarak elde edilir.
sorunu olduğu düşünülmelidir. Adım3: Her bir açıklayıcı değişken için aşağı-
iii. Yardımcı regresyonlar: Her bir X değişkeni daki VIF formülü kullanılarak VIF’ler hesaplanır:
ile diğer X değişkenleri arasındaki yardımcı
1
regresyon denklemleri düzenlenerek her bir VIFk =
regresyonun genel anlamlılığına bakılır. Ge- 1− Rk2
nel anlamlılığın test edilmesinde geleneksel
k = 2, 3, 4 için
F testinden yararlanılır. F testi kısmi regres-
yon parametrelerinin tümünün sıfıra eşit
Çoklu doğrusal bağlantının varlığını belirlemek
olduğunu söyleyen boş hipotez reddederse
için kesin bir VIF değeri yoktur. Ancak 10’u aşan
değişkenler arasında çoklu doğrusal bağlan-
VIF değerleri genellikle çoklu doğrusal bağlantıyı
tı problemi olduğu bulgusu elde edilir.
göstergesi olarak kabul edilir. Daha zayıf modellerde
iv. Varyans Şişirme Çarpanı (VIF veya VŞÇ): 2.5’un üzerindeki değerler endişe kaynağı olabilir.
Çoklu doğrusal bağlantının araştırılmasının
bir yolu da her bağımsız değişken için var-
yans şişirme çarpanının hesaplanmasıdır.
VIF, herhangi bir açıklayıcı değişken ile di- dikkat
ğer açıklayıcı değişkenler arasındaki doğru- Çoklu doğrusal bağlantının varlığını
sal ilişkiyi ölçer. VIF herhangi bir açıklayıcı belirlemek için kesin bir VIF değeri
değişken için aşağıdaki gibi hesaplanır: yoktur. Ancak, 10’u aşan VIF değerleri
genellikle çoklu doğrusal bağlantının
1
VIFk = göstergesi olarak kabul edilir.
1− Rk2
121
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar I
Çoklu doğrusal bağlantıyı çözme başarısı ör- kullanıyorsak ilgilendiğimiz anakütleye tek-
neklemin karmaşıklığına ve sorunun şiddetine rar başvurarak veya belirli bir süre sonra geri
bağlıdır. Başarılı bir çözüm, daha şiddetli başka so- dönerek (ve böylece havuzlanmış bir kesit
runlara neden olabileceği akılda tutularak, potansi- oluşturarak) daha fazla veri elde edebiliriz.
yel düzeltici eylemlerin denenmesini içerir. Çoklu Zaman serisi verileriyle çalışıyorsak verilerin
doğrusal bağlantı sorununu çözmeye girişmeden sıklığını artırarak gözlem sayısı artırabiliriz.
önce şu iki durumun dikkate alınması önemlidir. Örneğin, yıllık verileri kullanmak yerine üç
• Birincisi, araştırmanın asıl amacı öngö- aylık, aylık, günlük ve hatta saatlik verileri
rü veya kestirim değerleri oluşturmak ise düşünülebilir. Tabii ki verinin sıklığını artır-
çoklu doğrusal bağlantıyı gidermek gerekli ma bu tür verinin bulunabilirliğine bağlıdır.
olmayabilir. Çünkü çoklu doğrusal bağlan- ii. Modelden değişken dışlama: Çoklu doğrusal
tı altında da iyi kestirimler elde edilmesi bağlantıya neden olan bir değişkenin mo-
mümkündür. Çoklu doğrusal bağlantının delden çıkarılmasını içerir. Örneğin: bir tü-
gelecekte de devam edeceği kabul edilebi- ketim fonksiyonun gelir ve servet değişkeni
lirse geleceğe yönelik öngörüler elde etmek aralarındaki yüksek korelasyon nedeniyle
için çoklu doğrusal bağlantıyı gidermeye çoklu doğrusal bağlantı sorununa neden
gerek yoktur. oluyorsa servet değişkeninin modelden çı-
• Buna karşılık amaç güvenilir parametre karılması. Ancak bu yaklaşım eğer o değiş-
tahminleri elde etmekse çoklu doğrusal kenin katsayısının sıfır olması gerektiğini
bağlantı problemiyle ilgilenmek gerekli düşünürsek makul olur. Aksi takdirde, teori
olabilir. Eğer parametrelere ait t istatistik- ikisinin de dahil edilmesi gerektiğini belirt-
leri 2’den büyük, R2 değeri diğer X’ler ara- tiğinden model kurma hatası ortaya çıkar.
sındaki herhangi bir yardımcı regresyonun Bu da modelde kalan değişkenlere ait kat-
R2 değerinden büyükse ve regresyon para- sayıların sapmalı olarak tahminine neden
metrelerinin işaret ve büyüklükleri uygun olur. Bu nedenle dikkatli davranılması ge-
bir şekilde yorumlanabiliyorsa model de- reken bir önlemdir.
ğiştirilmemelidir. iii. Modelin yeniden kurulması: Alternatif bir
model kuruluşu veya fonksiyon biçimleri-
nin uygulanışını içerir. Bazı durumlarda,
kuramsal modeli veya çok değişkenli bir
dikkat sorunu ele almak için bağımsız değişken-
Çoklu doğrusal bağlantının gelecekte de lerin bağımlı değişkeni etkileme biçimini
devam edeceği kabul edilebilirse geleceğe yeniden düşünebiliriz. Ekonometrik mo-
yönelik öngörüler elde etmek için çoklu delin yeniden tanımlanması, güçlü şekilde
doğrusal bağlantıyı gidermeye gerek yoktur. ilişkili bağımsız değişkenleri dönüştürerek
Amaç güvenilir parametre tahminleri elde çoklu doğrusal bağlantı sorununu çözmeyi
etmek ise çoklu doğrusal bağlantı sorunuyla hedefler. Bunu yapmanın en yaygın yolları,
ilgilenmek gerekli olabilir. logaritmik dönüşümler, ters fonksiyonlar,
birinci farklar ve doğrusal ilişkili bağımsız
değişkenlerin birleştirilmesidir.
Çoklu bağlantı sorununu çözmenin gerekli ol- Bazı durumlarda, model yeniden tanım-
duğuna karar verilmişse aşağıdaki çözüm yollarına landıktan sonra bile güçlü çoklu doğrusal
başvurabiliriz: bağlantı devam edebilir. Bununla birlikte,
i. Ek ya da yeni veri: Bu yaklaşım, mümkünse daha ciddi bir endişe, model kurma sapma-
farklı bir örneklem oluşturulmasını ya da ek sı yapma olasılığını artırarak çoklu doğru-
gözlemlerle örneklemin genişletilmesini içe- sal bağlantı sorununu çözmeye çalışmaktır.
rir. Büyük örneklemde çoklu doğrusal bağ- Diğer bir deyişle, çoklu doğrusal bağlantıyı
lantı problemi olsa bile, ek bilgi varyansın kaldırmaya çalışırken model kurma hatası-
azaltılmasına yardımcı olur. Yatay kesit veri na düşme durumuna gelmektir.
122
Ekonometrinin Temelleri
iv. Önsel bilgi kullanımı: Korelasyonun daha Yit = β1 + β2X2it + β3X3it + … + βk Xkit + uit
az ciddi olduğu önceki tahminlerden elde
edilen bir bilgiyi modele katarak modelin burada i ve t indisleri, sırasıyla kesit ve za-
sadeleştirilmesi yoluyla çoklu doğrusal bağ- manı temsil eder. Değişkenlerimizin bir dö-
lantı giderilmeye çalışılabilir. Örneğin aşa- nem önceki değerlerini, cari dönem değer-
ğıdaki regresyon modelini tahmin etmek lerinden çıkarırsak şu eşitliği elde ederiz:
istediğimizi kabul edelim:
Yit–Yit-1=α1 + β2(X2it – X2it-1)+β3(X3it – X3it-1)
Yi = β1 + β2X2i + β3 X3i + β4 X4i + ui (6.5)
+ … + βk (Xkit – Xkit-1)+ (uit – uit-1)
Başka bir araştırmadan X3’ün Y üzerindeki veya
etkisinin X2’nin etkisinin %10’u kadar ol- ∆Yi=α1 + β2 ∆X2i+β3 ∆X3i +…+ + βk ∆Xki + ui
duğu, yani β3 = 0.10 β2 olduğu bilgisi elde
etmiş olalım. Bu bilgiyi modele dahil etmek burada Δ, t döneminin t – 1 döneminden
için β3 yerine 0.10 β2 bilgisini koyup mode- farkını temsil eder. Bu denkleme birinci
li sadeleştiririz: fark denklemi denir ve SEKK kullanarak β
tahminlerini elde ettiğimizde bunlara birin-
Yi = β1 + β2X2i + β3 X3i + β4 X4i + ui ci fark tahmincileri adı verilir. Birinci farkı
kullanmayı planladığımızda, değişkenleri-
= β1 + β2X2i + 0.10β2 X3i + β4 X4i + ui
mizin zaman içinde değiştiğinden emin ol-
= β1 + β2 (X2i + 0.10X3i)+ β4 X4i + ui malıyız. Aksi hâlde ΔXik = 0 olur ve model
= β1 + β2 X2i* + β4 X4i + ui, burada SEKK kullanılarak tahmin edilemez.
X2i* = X2i – 0.10X3i) (6.6) vi. Bileşik endeks değişkeni kullanımı: Benzer
özellikleri ölçen doğrusal ilişkili değişkenle-
Böylece, Denklem (6.5)’deki dört paramet- ri birleştirerek bileşik bir endeks değişkeni
reli model yerine üç parametreli Denklem oluşturabiliriz. Doğrusal ilişkili ve benzer
(6.6) tahmin edilir. Bu denklemin EKK ile X1 ve X2 değişkenlerimiz olduğunu kabul
tahmininden β1, β2 ve β4 tahmin edildikten edelim. X3i = aX1i + bX2i gibi ilgili değiş-
sonra β3 = 0.10 β2 ilişkisinden yararlanarak kenlerin doğrusal kombinasyonuyla bir en-
β3 elde edilir. deks değişkeni (X3) oluşturabiliriz, burada
v. Değişkenlerin birinci farklarını alma: Birinci a ve b sabit katsayılardır. Endeks değişkeni,
fark alma zaman bileşeni olan verilerde kul- X1 ve X2’nin ağırlıklı ortalaması ise, a + b =
lanılabilecek bir tekniktir. Başka bir deyişle, 1 olmalıdır.
kullanımı zaman serisi veya panel veri kul- vii. Diğer yöntemler: Çoklu doğrusal bağlantıya
lanan modellerle sınırlıdır. Örneğin, her bir karşı uygulanabilecek iki yöntemden daha
yatay kesit birimini (bir ülke, bir bölge veya bahsedilebilir. Bunlar “Temel Bileşenler
hanehalkı vb.) birden fazla zaman dilimin- Yöntemi” ve Sırt (Ridge) regresyon yön-
de (t) gözlemlediğimizi varsayalım. Temel temleridir. Bu yöntemler bu ders kitabının
ekonometrik modelimiz şu şekildedir: kapsamı dışında bırakılmıştır.
123
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar I
Öğrenme Çıktısı
2 Tam ve güçlü çoklu doğrusal bağlantı kavramlarını ve parametre tahmini üzerine etkileri
ifade edebilme
3 Regresyonda çoklu doğrusal bağlantının ne zaman çözülmesi gereken bir problem
olduğunu belirler ve düzeltici eylemleri ifade edebilme
Araştırmalarla
İlişkilendir
bir deyişle ekonometri de sürücülük gibidir, yapa-
rak daha çok öğrenilir. Bu uygulamada hayali veriler
oluşturarak aşağıdaki biçimde bir konut fiyat denk-
lemini tahmin edilmesiyle ilgileniyoruz:
124
Ekonometrinin Temelleri
Tesadüfi hata terimi 0 ortalama ve 1,5 standart sapma ile normal dağılımdan üretilen tesadüfi sayıların
tam sayıya yuvarlatılması biçiminde oluşturulmuştur.
Model bir defa Alan1 değişkeni, bir defa da Alan2 değişkeni kullanılarak tahmin edilmeye girişildi.
Model tahmininde Microsoft Excel programı Veri Çözümleme eklentisi kullanıldı. Siz de bu verileri kul-
lanarak aynı sonuçları teyit edebilirsiniz.
Sıra no Fiyat Oda sayısı Alan1 (m2) Alan2 (m2) Yaş (yıl)
1 231 4 136 140 0
2 281 4 141 140 0
3 263 4 137 140 5
4 198 3 114 115 2
5 200 3 116 115 0
6 275 4 141 140 0
7 165 2 87 90 6
8 157 3 113 115 14
9 264 4 141 140 0
10 258 4 140 140 0
11 274 5 163 165 0
12 224 4 143 140 5
13 245 4 141 140 0
14 307 5 161 165 12
15 298 6 191 190 18
16 430 9 266 265 0
17 274 5 162 165 6
18 249 4 140 140 8
19 240 4 138 140 0
20 249 4 141 140 0
21 202 3 117 115 14
22 231 4 140 140 3
23 210 3 118 115 0
24 261 4 143 140 0
25 250 4 138 140 0
26 202 3 114 115 1
27 206 2 89 90 0
28 237 4 139 140 12
29 220 4 142 140 0
30 247 4 142 140 0
Açıklama: Microsoft Excel programında “Veri Çözümleme” eklentisini kullanabilmek için öncelikle bu eklen-
tinin yüklenmesi gerekmektedir. Bunun için şu yol izlenmelidir: Dosya Menüsü → Seçenekler → Eklentiler → Excel
Eklentileri → Git → Çözümleme Araç Takımı. Bu eklenti kurulduktan sonra “Veri” sekmesinde sağ üst tarafta yer alan
“Veri çözümleme” düğmesi kullanılarak devam edilebilir.
125
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar I
Program Çıktısı 6.1 Tam çoklu doğrusal bağlantı durumunda konut fiyat denklemi tahmin sonuçları
ÖZET ÇIKIŞI
Regresyon İstatistikleri
Çoklu R 0,975456
R Kare 0,951514
Ayarlı R Kare 0,910885
Standart Hata 10,80093
Gözlem 30
ANOVA
df SS MS F Anlamlılık F
Regresyon 3 61813,38 20604,46 264,9292 1,3329E-19
Fark 27 3149,825 116,6602
Toplam 30 64963,2
Açıklama: Microsoft Excel programında “veri çözümleme” eklentisini kullanabilmek için öncelikle bu eklentinin
yüklenmesi gerekmektedir. Bunun için şu yol izlenmelidir: Dosya Menüsü → Seçenekler → Eklentiler → Excel Eklen-
tileri → Git → Çözümleme Araç Takımı. Bu eklenti kurulduktan sonra “veri” sekmesinde sağ üst tarafta yer alan “veri
çözümleme düğmesi” kullanılarak devam edilebilir.
Alan1 değişkeni kullanılarak elde edilen tahmin sonuçları Program Çıktısı 6.1’de yer almaktadır. Prog-
ram çıktısında renkli olarak gösterilen satır, alan değişkeniyle tam doğrusal ilişki içindeki oda değişkenine
ait satırdır. Oda ve alan değişkenleri aynı modelde tahmin edilemeyeceği için bu değişkene ait bilgiler yer
almamıştır. Oda değişkeni modelden çıkarılarak tahmin yapılmış ve sonuçları verilmiştir.
Buna karşılık, alan ve oda değişkenlerinin tam doğ-
rusal bağlantı içinde değil ama güçlü doğrusal bağlantı
içinde olduğu tahmin sonuçları Program Çıktısı: 6.2’de
verilmiştir. Model bu haliyle tahmin edilebilir olması-
na rağmen tahmin sonuçları çoklu doğrusal bağlantıdan
olumsuz olarak etkilenmiştir. Yüksek bir R2 değerine kar-
şılık parametrelere ait t istatistikleri “yaş” değişkeni dışın-
daki parametrelerin anlamlı olmadığını göstermektedir.
Ayrıca elde edilen parametre büyüklükleri de fiyat hesap-
lanırken kullanılan değerlerinden önemli ölçüde farklıdır.
Tablo 6.3 açıklayıcı değişkenler arasında korelasyon katsa-
yılarını göstermektedir. Tabloda alan ve oda değişkenleri arasında %99.9 gibi yüksek bir ilişki katsayısı elde
edilmiştir. Bu yüksek korelasyon katsayısı tahmin sonuçları üzerinde çoklu doğrusal bağlantı bulgusunu
kesinleştirmektedir.
126
Ekonometrinin Temelleri
Çoklu doğrusal bağlantının tahmin sonuçları üzerindeki etkisini görmek için modelin bir defa oda
değişkeni olmadan bir defa da alan değişkeni olmadan tahminlerini görmek istiyoruz. Bu sonuçları önceki
sonuçlarla birlikte Tablo 6.4’de görülmektedir. Tablonun ilk satırından da anlaşılacağı gibi Model 1 tam
çoklu doğrusal bağlantın nedeniyle uygun bir şekilde tahmin edilemeyen tahmin sonuçlarını vermektedir.
Model 2 tahminleri “oda” ve “alan2” arasında güçlü doğrusal bir ilişki bulunan tahmin sonuçlarını, Model
3 ve Model 4 ise sırasıyla “alan2” ve “oda” değişkenleri dışlanarak elde edilen tahmin sonuçlarını özetle-
mektedir. Parametre değerlerinin altın parantez içindeki değerler parametreye ait t istatistikleridir. Mutlak
olarak 2’den büyük t istatistikleri ait olduğu parametrenin anlamlı olduğunu gösterir.
Program Çıktısı 6.2 Güçlü çoklu doğrusal bağlantı durumunda konut fiyat denklemi tahmin sonuçları
ÖZET ÇIKIŞI
Regresyon İstatistikleri
Çoklu R 0,97557
R Kare 0,951737
Ayarlı R Kare 0,946168
Standart Hata 10,98129
Gözlem 30
ANOVA
df SS MS F Anlamlılık F
Regresyon 3 61827,89312 20609,298 170,9057 3,15E-17
Fark 26 3135,306881 120,58873
Toplam 29 64963,2
127
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar I
Model 3 ve Model 4 tahmin sonuçları oda ve alan değişkenlerine ait t istatistikleri değişkenlerin birlikte
yer almadığı tahminlerde bu iki değişkenin anlamlı değişkenliğe sahip olduğunu göstermektedir. Ancak
Model 3’te oda değişkenine ait katsayının pozitif olduğuna dikkat edilmelidir. Ayrıca Model 3 ve Model
4’ün R2’leri Model 2’nin R2’siyle hemen hemen aynıdır. Her iki değişkenin de fiyat üzerinde önemli etkisi
görülmektedir.
Çoklu doğrusal bağlantının neden olduğu olumsuzluklardan korunmada için en iyi çözüm yollarından
biri ek ya da yeni veri elde etmektir. Bu yol böyle veriler mevcut ise veya maliyeti katlanılmayacak kadar
çok değilse en iyi çözüm yoludur. Tablo 6.3’te Model 5 200 gözlemle elde edilen tahmin sonuçlarını ver-
mektedir. Gözlemler 200’e çıkarılırken örnekleme giren konut çeşitliliği de artmıştır. Çok odalı konutlar
yanında tek odalı konutlar ve sıfır konutlar yanında çok eski konutlar da örneklemde yer bulmuştur. Bu
çeşitliliğin ve gözlem sayısı fazlalığı çoklu doğrusallığı sorun olmaktan çıkarmış ve iyi bir fiyat denklemi
hâline getirmiştir.
128
Ekonometrinin Temelleri
1 Modelde sabit terim bulunması durumunda hata teriminin ortalaması ya da beklenen değeri her zaman sıfırdır.
Eğer modelde sabit terim yer almıyorsa ve hataların ortalaması sıfır değilse istenmeyen bazı sonuçlar ortaya çıkabilir.
İlk olarak, R2 negatif bir değer alabilir, ikincisi ve daha önemlisi, sabit terim parametresi olmayan bir regresyonun
eğim parametresi tahminlerinde ciddi bir sapmaya neden olabilir. Veriler modelde sabit terim olması gerektiğini
söylemekteyse ve modelde sabit terime yer verilmemişse regresyon doğrusu orijinden geçmeye zorlanarak eğim
–
parametresinin sapmalı olmasına yol açabilir. Ayrıca böyle bir durumda R2 ve R2 de genellikle anlamsızdır.
Varsayım 2 Açıklayıcı
Değişkenler Arasında Tam Veya
Güçlü Doğrusal Bir İlişki Yoktur
2 İki veya daha fazla sayıda açıklayıcı değişken arasında tam doğrusal bir ilişki olması durumu tam çoklu
doğrusal bağlantı olarak adlandırılır. Açıklayıcı değişkenler arasındaki ilişki tam olmamakla birlikte tama
yakınsa değişkenler arasında güçlü çoklu doğrusal bağlantı olduğu söylenir. Tam çoklu doğrusal bağlantı
durumunda parametre tahminleri belirsiz, varyans ve standart hataları ise sonsuz büyüklükte olur. Bunun
sonucu parametreler ile varyans ve standart hataları tahmin edilemez.
Güçlü çoklu doğrusal bağlantı durumunda, parametreler ile onların varyans ve standart hataları tahmin
edilebilmesine karşın varyansları ve standart hataları büyük olma eğiliminde, parametre tahminleri veri-
deki küçük değişmeler karşısında önemli ölçüde değişebilir, parametrelerin işaret büyüklükleri beklenti-
lere uymayabilir ve anlamsız t istatistiklerine karşın yüksek R-kare değerine sahip olma çelişkisi içerebilir.
3 Regresyonda açıklayıcı değişkenler arasında yüksek doğrusal ilişki bulunması mutlaka çoklu doğrusal
bağlantı sorununa neden olmaz. Diğer bir ifade ile değişkenler arasında yüksek dereceden doğrusal ilişki-
ler olsa bile parametre tahminleri ile varyans ve standart hataları bundan olumsuz bir şekilde etkilenme-
yebilir. Çoklu doğrusallık daha çok parametreler ile onların standart hataları olumsuz etkilendiğinde ve
verideki küçük değişmeler karşısında tahmin sonuçları büyük ölçüde değiştikleri zaman bir sorun olarak
görülür. Ayrıca zaman serisi verileriyle tahmin edilen bir modelde amaç bağımlı değişkenin gelecekte
alacağı değerlerin öngörülmesi ve çok doğrusal bağlantının gelecekte de devam edeceği düşünülüyorsa
modelde çoklu doğrusallık sorunu bulunsa bile öngörü yapmaya engel değildir. Modelde çoklu doğrusal
bağlantı sorunu olsa bile iyi öngörüler elde etmek mümkündür.
Çoklu doğrusal bağlantı sorunuyla baş etmenin standart bir yolu yoktur. Bunun yerine soruna ve veriye
özgü çözümler geliştirilebilir. Bir veride başarılı olarak kullanılabilen bir çözüm yolunun başka bir veride
de iyi sonuç vereceğinin bir garantisi yoktur. Çoklu doğrusal bağlantı durumunda uygulanacak çözüm
yolları şunlardır: (i) ek ya da yeni veri kullanmak, (ii) modelden değişken dışlamak, (iii) modeli yeniden
kurmak, (iv) önsel bilgi kullanmak, (v) değişkenlerin birinci farklarını alma (vi) bileşik endeks değişkeni
kullanmak ve (vii) temel bileşen yöntemi veya sırt regresyon yöntemlerinden birine başvurmak.
129
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar I
1 I. Katsayı tahminleri (β̂’lar) yanlış 4 Bir çoklu doğrusal regresyon modelinde ba-
ğımsız bir değişken, diğer bağımsız değişkenlerin
II. İlgili standart hatalar yanlış
tam doğrusal bir birleşimi ise, model _____ prob-
III. Test istatistikleri için varsayılan dağılımlar
neler öğrendik?
lemi içerir.
uygun değildir
Yukarıdaki cümlede boş bırakılan yeri aşağıdakiler-
IV. Bağımlı ve bağımsız değişkenler arasında- den hangisi doğru olarak tamamlar?
ki ilişkiler hakkındaki testler geçersiz
A. tam çoklu doğrusal bağlantı
Klasik doğrusal regresyon modelinin bir veya daha B. güçlü çoklu doğrusal bağlantı
fazla varsayımının ihlal edilmesinin sonucu yukarı- C. değişen varyans
dakilerden hangisi veya hangileri meydana gelebilir? D. model kurma hatası
A. I ve III E. eşanlı denklem sapması
B. II ve IV
C. I,II ve III 5 Bir çoklu doğrusal regresyon modelinde ba-
D. I, II ve IV ğımsız bir değişken, diğer bağımsız değişkenlerin
E. I, II, III ve IV tam doğrusal bir birleşiminden biraz farklıysa, mo-
del _____ problemi içerir.
2 Aşağıdakilerden hangisi hata terimleri arasın- Yukarıdaki cümlede boş bırakılan yeri aşağıdakiler-
da ilişki olmadığını gösterir? den hangisi doğru olarak tamamlar?
A. E(ui) = 0 ∀ i için A. tam çoklu doğrusal bağlantı
B. E(ui uj) = σ2 ∀ i ≠ j için B. güçlü çoklu doğrusal bağlantı
C. E(ui uj) = 0 ∀ i ≠ j için C. değişen varyans
D. E(Xi ui) = 0 ∀ i için D. model kurma hatası
E. E(u2i ) = σ2 ∀ i için E. eşanlı denklem sapması
130
Ekonometrinin Temelleri
neler öğrendik?
leriyle mükemmel bir şekilde ilişkili olmaları III. R2 değeri olduğundan büyük çıkmaktadır.
durumunda IV. Regresyon katsayıları yanlış işaretli çıkabil-
B. Açıklayıcı değişkenlerin hata terimiyle yüksek mektedir.
derecede ilişkili olmaları durumunda 9
C. Açıklayıcı değişkenlerin bağımlı değişkenle Yukarıda ifade edilen durumların neden ol-
yüksek derecede ilişkili olmaları durumunda duğu sorun aşağıdakilerden hangisidir?
D. İki veya daha fazla açıklayıcı değişkenin birbir- A. Açıklayıcı değişkenler arasında tam doğrusal
leriyle yüksek derecede ilişkili olmaları duru- bağlantı bulunması
munda B. Açıklayıcı değişkenler arasında güçlü doğrusal
E. Açıklayıcı değişkenler bağımlı değişkenle mü- bağlantı olması
kemmel bir şekilde ilişkili olmaları durumunda C. Hata teriminin varyansının değişmesi
D. Hata terimlerinin birbirleriyle ilişkili olması
8 Tam çoklu doğrusal bağlantı aşağıdaki du- E. Açıklayıcı değişkenin hata terimiyle ilişkili ol-
rumlardan hangisinde görülür? ması
A. İki veya daha fazla açıklayıcı değişkenin birbir-
leriyle mükemmel bir şekilde ilişkili olduğu bir 10 Güçlü çoklu doğrusal bağlantı varlığı du-
durumda rumunda EKK parametre tahmincilerinin teorik
B. Açıklayıcı değişkenlerin hata terimiyle yüksek özellikleri aşağıdakilerden hangisine uyar?
derecede ilişkili olduğu bir durumda A. Doğrusal en iyi sapmasız olma özelliklerini ko-
C. Açıklayıcı değişkenlerin bağımlı değişkenle rurlar.
yüksek derecede ilişkili olduğu bir durumda B. Doğrusal ve sapmasız fakat tutarlı ve etkin ol-
D. İki veya daha fazla açıklayıcı değişkenin birbir- mayacaktır.
leriyle yüksek derecede ilişkili olduğu bir du- C. Doğrusal sapmasız fakat tutarlı olmayacaktır.
rumda D. Doğrusal ama sapmalı ve tutarlı olmayacaktır.
E. Açıklayıcı değişkenler bağımlı değişkenle mü- E. Doğrusal ve tutarlı fakat sapmalı olacaktır.
kemmel bir şekilde ilişkili olduğu bir durumda
131
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar I
2. C Yanıtınız yanlış ise “Giriş” konusunu yeni- 7. D Yanıtınız yanlış ise “Güçlü Çoklu Doğrusal
den gözden geçiriniz. Bağlantı” konusunu yeniden gözden geçiriniz.
4. A Yanıtınız yanlış ise “Tam Çoklu Doğrusal 9. B Yanıtınız yanlış ise “Güçlü Çoklu Doğrusal
Bağlantı” konusunu yeniden gözden geçiriniz. Bağlantı” konusunu yeniden gözden geçiriniz.
Araştır Yanıt
6 Anahtarı
Temel bileşenler yöntemi birbiri ile ilişkili çok sayıda değişkenden birbiri ile
ilişkisiz daha az sayıda değişken oluşturulmasını içerir. Bir ekonometrik mo-
delde birbiri ile ilişkili çok sayıda açıklayıcı değişken bulunması durumunda
çoklu doğrusal bağlantı durumu ile karşılaşılması büyük bir olasılık dahilin-
dedir. Bu durumda birbiriyle ilişkili açıklayıcı değişkenlerin temel bileşenleri
olarak oluşturulan bir veya daha fazla değişken modele açıklayıcı değişken ola-
rak konulabilir. Böylece çoklu doğrusal bağlantı probleminden korunulmuş
Araştır 2
olunur. Sırt regresyon yöntemi bir sapmalı tahmin yöntemidir. SEKK çoklu
doğrusal bağlantı durumunda sapmasız olmasına karşın büyük varyanslı pa-
rametre tahminleri verir. Oysa, böyle bir durumda bir miktar sapmaya razı
olunarak daha küçük varyanslı ve daha güvenilir tahminler daha yararlı olarak
kullanılabilir. Sırt regresyon tekniği bir miktar sapma ile daha küçük varyanslı
ve güvenilir tahminler elde edilmesine yarayan bir tekniktir.
132
Ekonometrinin Temelleri
Kaynakça
Arı, A. ve Yüksel, Ö. (2017). Finans Politik & Güriş, S., Çağlayan, E. ve Güriş, B. (2013). Eviews ile
Ekonomik Yorumlar 2017 Cilt: 54 Sayı: 632, ss. temel ekonometri (2. Baskı). İstanbul: Der Yayınları
77-89
Hill, R. C., Griffiths, E. G. ve Lim, G. C. (2011).
Brooks, C. (2014). Introductory econometrics for Principles of econometrics (4th Edition). John Wiley
finance (3rd Edition). Cambridge: Cambridge & Sons, Inc.
University Press
Stock, J. H. ve Watson, M.W. (2011). Ekonometriye
Gujarati, D. N. ve Porter, D. C. (2014). Temel giriş, Bedriye Saraçoğlu (Çev.) Ankara: Efil
ekonometri (Basic econometrics Beşinci Basımdan Yayınevi
Çeviri). Çevirenler: Ümit Şenesen, Gülay Günlük
Tarı, R. (2018). Ekonometri (13. Baskı). Kocaeli:
Şenesen, İstanbul: Literatür Ders Kitapları
Umuttepe Yayınları
Gujarati, D. N. (2011). Econometrics by example. New
York: Palgrave Macmillan
133
Bölüm 7
Klasik Doğrusal Regresyon Modelinin
Varsayımlarından Sapmalar II
Varsayım 3 Hata Terimi Sabit Varyanslıdır: Varsayım 4 Hata Terimleri Arasında İlişki
Var(ui) = 0 Yoktur: Kov (xt, ut ) = 0
öğrenme çıktıları
1
varyanslı olup olmadığını belirleyebilme otokorelasyon içerip içermediğini
2
3 Değişen varyansla baş edebilmek belirleyebilme
için ağırlıklı en küçük kareler sürecini 6 Otokorelasyonla baş edebilmenin yollarını
uygulayabilme ifade edebilme
3
7 Bir regresyondan elde edilen kalıntı
dağılımın normalden önemli ölçüde farklı
olup olmadığının nasıl test edileceğini ifade
edebilme
Anahtar Sözcükler: • Sabit varyans (Eşvaryans) • Değişen varyans • Otokorelasyon (ardışık bağımlılık)
• Ardışık bağıntı • Eşvaryanslılık testleri • Otokorelasyon testleri • Normal dağılım
• White standart hataları • Newey-West sağlam standart hataları • Jarque-Bera Testi
134
Ekonometrinin Temelleri
GİRİŞ
Bu ünite bundan önceki ünitenin devamı niteliğindedir. Ünite 6 ve Ünite 7 Klasik doğrusal regresyon
modelinin (KDRM) varsayımlarının geçerli olmaması durumunu incelemektedir. Bundan önceki Ünite
6’da KDRM’nin ilk beş varsayımından ilk ikisinin geçerli olmaması durumu incelenmiştir. Bunlar: Hata
teriminin ortalamasının sıfır olması ve hata terimleri arasında tam veya güçlü doğrusal ilişki bulunmaması
varsayımları idi. Bu ünitede ise kalan üç varsayımdan sapma durumları incelenmektedir. Bu varsayımlar:
hata teriminin sabit varyanslı olması, hata terimleri arasında ilişki olmaması ve hataların normal dağılımlı
olması varsayımlarıdır.
Y Y
X X
Grafik 7.1 Sabit varyanslı hatalar Grafik 7.2 Değişen varyanslı hatalar
135
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
6. Diğer Nedenler: Modele dahil edilen bir Spearman Sıra Korelasyonu Testi
veya daha fazla açıklayıcı değişkenin dağı- Spearman sıra korelasyonu katsayısına dayalı bu
lımındaki çarpıklık, parametre değişmesi ve test aşağıdaki adımlar izlenerek gerçekleştirilir:
yapısal kaymalar de potansiyel değişen var-
Adım 1: Ekonometrik model tahmin edilerek
yans nedenleridir.
hata terimleri serisi ûi elde edilir.
Adım 2: ûi serisi işareti dikkate alınmadan, |ûi|
Değişen Varyansın Neden Olduğu ve varyansla ilişkili olduğu düşünülen X serisi kü-
Sonuçlar çükten büyüğe (veya büyükten küçüğe) doğru sı-
1. SEKK tahmincileri doğrusal ve sapmasız raya dizilir.
olma özelliklerini korumakta ancak mini- Adım 3: Aşağıdaki formül kullanılarak Spear-
mum varyanslı olma özelliklerini kaybet- man sıra korelasyonu katsayısı hesaplanır:
mektedirler.
6ΣD 2
2. SEKK tahmincilerinin varyans ve standart rs =1-
hataları yanlış sonuçlar vermekte, bunun n (n 2 -1)
sonucu güven aralığı ve hipotez testleri (t ve
F) anlamlarını kaybetmektedir. Adım 4: Hesaplanan rs değerinin anlamlılığı şu
t istatistiğini kullanılarak test edilir:
3. Belli bir X değerine karşılık gelen Y öngörü-
sü yüksek varyanslı olacak, dolayısıyla etkin
olmayacaktır. rs n - 2
t=
1- rs2
136
Ekonometrinin Temelleri
Test istatistiği, boş hipotezi altında bir F dağılımına uyar, pay ve paydanın serbestlik dereceleri ise sıra-
sıyla T1 – k ve T2 – k’dir. Bu durumda hesaplanan test istatistiği kritik değerden büyükse sabit varyans boş
hipotezi reddedilerek hataların değişen varyanslı olduğuna karar verilir.
GQ testinin oluşturulması basit olmakla birlikte testin sonucu, örneklemin ikiye ayrıldığı yere göre
farklılaşabilir. Yani, örneğin 40 gözlemle tahmin edilmiş bir regresyonda örneklemi tam ortadan 20’şer
gözlemli iki alt örnekleme ayırdığımızda sabit varyans durumu reddedilemez iken, diyelim ki ilk 25 gözle-
me karşılık ikinci 15 gözlemi alarak alt örneklemler oluşturduğumuzda sonuç tam tersi olabilir. Bu nedenle
seçimin teorik gerekçelerle yapılması durumunda - örneğin, büyük bir yapısal olaydan önce ve sonra testin
daha güçlü olması muhtemeldir.
Hataların varyansının herhangi bir gözlenen değişken zt (açıklayıcı değişkenlerden biri olabilir veya
olmayabilir) ile ilişkili olduğunu düşünelim. Bu durumda, testi gerçekleştirmenin daha iyi bir yolu, ör-
neklemi zt değerlerine göre (zamandan ziyade) sıralamak ve sonra sıralanmış örneklemi tekrar T1 ve T2
gözlemli iki alt örnekleme bölmektir.
Bazen testten elde edilen çıkarımları netleştirmek ve testin gücünü artırmak için kullanılan alternatif
bir yöntem, sıralanmış gözlemlerin merkezinden bir kısmının çıkarılarak örneklem iki alt örnekleme
ayrılmaktadır.
White Testi
Diğer popüler bir test ise, White’ın (1980) değişen varyans için genel testidir. Test değişen varyansın
biçimi hakkında birkaç varsayım yapması nedeniyle özellikle yararlı bir testir. Test, aşağıdaki gibi ger-
çekleştirilir.
Aşağıdaki doğrusal formdaki regresyon modelini tahmin ettiğimizi kabul edelim:
Modelde hata terimi u’nun sabit varyanslı, yani Var(ut) = σ2, olup olmadığını White testini kullanarak
test etmek istiyoruz. Bu test aşağıdaki adımlar izlenerek gerçekleştirilir:
Adım 1: Model (5.1)’i tahmin ederek hata terimleri serisi ût’yi elde ederiz.
Adım 2: Ardından şu yardımcı regresyonu koştururuz:
E(ut) = 0 olduğu varsayımına göre, köşeli parantez içindeki ifadenin ikinci kısmı gider ve geriye şu
sonuç kalır:
var(ut) = E(ut2)
Bir kez daha, anakütle hata teriminin karelerini bilmek mümkün değildir, bu nedenle bunların örnek-
lem muadili olan kareli artıklar, yani û’lar kullanılır.
137
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
138
Ekonometrinin Temelleri
Yi 1 X 2i X 3i X ki ui
= β1 + β2 + β3 +... + β k + (7.3)
di di di di di di
Bu denklemi AEKK dönüştürmesi olarak adlandırıyoruz. Bu AEKK dönüştürmesi yeniden şöyle yazılabilir:
Denklem (7.4) ile verilen dönüştürülmüş modelin hata terimi artık eşvaryanslıdır. Çünkü
⎛ u ⎞ 1
var(ui*) = var ⎜⎜ i ⎟⎟ = var(ui*) = σ2
d
⎝ i⎠ d i
Verileri Dönüştürme
Bu yaklaşım, değişkenleri logaritmalarına dönüştürerek veya başka bir “boyut” ölçüsü ile ölçeği daral-
tılması içerir. Aynı zamanda aykırı gözlemleri de yeniden ölçeklendirme etkisine sahiptir. Regresyon bu
durumda doğal logaritmalar veya dönüştürülmüş veriler üzerinden gerçekleştirilir. Logaritma almak ayrı-
ca, daha önce tartışılan üstel regresyon modeli gibi bir model oluşturma etkisine sahiptir. Bununla birlikte,
bir değişkenin logaritmaları, değişkenin sıfır veya negatif değerler alması durumunda tanımsız olmaları
nedeniyle alınamaz.
139
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
Öğrenme Çıktısı
Araştırmalarla
İlişkilendir
Türkiye’de yoksullar bütçelerini kira ve gıdaya; zenginlerse ulaştırma, lokanta ve eğitime harcıyor
Türkiye’de hanehalkının tüketim harcamaları gelir gruplarına göre büyük değişim gösteriyor. Buna
göre ülkede en yoksul grubu oluşturan kesimin hanehalkı harcamasının yüzde 60’ı konut/kira ile gıda
ve alkolsüz içeceğe giderken bu oran en zengin grubu oluşturan kesimde sadece yüzde 36. zenginlerin,
yoksullardan daha fazla pay ayırdığı harcama türleri ise ulaştırma, eğitim, lokanta ve otel oldu.
Türkiye İstatistik Kurumunun (TÜİK) açıkladığı “Gelir ve Yaşam Koşulları Araştırması” 2018 yılı
verilerinde en düşük gelire sahip ‘ilk yüzde 20’lik grup yoksullar, en yüksek gelire sahip ‘beşinci yüzde
20’lik grup ise zenginler olarak değerlendiriliyor.
Türkiye genelinde hanehalkı harcamalarının yüzde 23,7’si konut ve kiraya gidiyor. Bu oran yok-
sullarda yüzde 31,4 iken zenginlerde yüzde 20,3. Bu; yoksulların yaptığı aylık 100 liralık harcamanın
31,4 lirasının kira ve konuta ödendiğini gösteriyor. Zenginlerin ise aylık 100 liralık harcamasının 20,3
lirası kira ve konuta gidiyor. Bu veriler ödenen gerçek miktarları değil, aylık harcamalar içindeki payını
gösteriyor.
Gıda ve alkolsüz içecek harcamalarının payı Türkiye genelinde yüzde 20,3 iken bu oran yoksullarda
yüzde 28,7’ye kadar çıktı. Zenginlerde ise yüzde 15,4’e kadar düştü.
140
Ekonometrinin Temelleri
100%
90%
4.9 5
80% 6
4.8 4.3
5
70% 6.5 5.9
6.5 7.8
60% 9.3
6.8
50%
18.3
40%
21.6
30% 28.7
20.3
20% 15.4
10%
Konut ve Kira Gıda ve alkolsüz içecek Ulaştırma Mobilya ve ev aletleri Lokanta ve otel
Giyem ve ayakkabı Alkollü içecek, sigara ve tütün Çeşitli mal ve hizmet Haberleşme
Kaynak: TÜİK (Yoksul, en yoksul yüzde 20’lik dilimi; zengin ise en zengin yüzde 20’lik kesimi ifade etmektedir)
Türkiye’de hanehalkının tüketim harcamaları gelir gruplarına göre büyük değişim gösteriyor. Buna
göre ülkede en yoksul grubu oluşturan kesimin hanehalkı harcamasının yüzde 60’ı konut/kira ile gıda
ve alkolsüz içeceğe giderken bu oran en zengin grubu oluşturan kesimde sadece yüzde 36. zenginlerin,
yoksullardan daha fazla pay ayırdığı harcama türleri ise ulaştırma, eğitim, lokanta ve otel oldu.
Türkiye İstatistik Kurumunun (TÜİK) açıkladığı “Gelir ve Yaşam Koşulları Araştırması” 2018 yılı
verilerinde en düşük gelire sahip ‘ilk yüzde 20’lik grup yoksullar, en yüksek gelire sahip ‘beşinci yüzde
20’lik grup ise zenginler olarak değerlendiriliyor.
Türkiye genelinde hanehalkı harcamalarının yüzde 23,7’si konut ve kiraya gidiyor. Bu oran yoksul-
larda yüzde 31,4 iken zenginlerde yüzde 20,3. Bu; yoksulların yaptığı aylık 100 liralık harcamanın 31,4
lirasının kira ve konuta ödendiğini gösteriyor. Zenginlerin ise aylık 100 liralık harcamasının 20,3 lirası kira
ve konuta gidiyor. Bu veriler ödenen gerçek miktarları değil, aylık harcamalar içindeki payını gösteriyor.
Gıda ve alkolsüz içecek harcamalarının payı Türkiye genelinde yüzde 20,3 iken bu oran yoksullarda
yüzde 28,7’ye kadar çıktı. Zenginlerde ise yüzde 15,4’e kadar düştü.
Bu ikisinin dışında yoksulların zenginlerden daha fazla pay ayırdığı harcama kalemi alkollü içecek-
ler ve sigara oldu. Türkiye genelinde alkol ve sigaraya ayrılan pay yüzde 5 iken yoksullar aylık harcama-
larının yüzde 5’ini, zenginler ise yüzde 3,1’ini alkol ve sigaraya ayırdı.
Türkiye’de hanehalkının gıda ve alkolsüz içecek harcama payı yüzde 26 düştü
Türkler parayı gıda ve ulaşıma; Avrupalı ise eğlence, kültür, lokanta ve otele harcıyor
Zenginlerin yoksullardan daha fazla harcama yaptığı türlerin başında ulaşım geliyor. Türkiye gene-
linde hanehalkları aylık harcamalarının yüzde 18,3’ünü ulaştırmaya ayırıyor. Bu oran en yoksul kesimde
yüzde 9,3’e kadar düşüyor. En zengin kesimde ise yüzde 21,6. Zenginlerin ulaştırmaya ayırdığı harcama
oranı yoksulların iki katından fazla.
Zenginlerin lokanta ve otele ayırdıkları pay da (yüzde 7,8) yoksullardan yüzde 4,3 daha fazla. Aynı
durum eğitime ayrılan harcamada da görülüyor. Zenginler aylık harcamalarının yüzde 3,8’ini eğitime
ayırırken yoksullarda bu oran yüzde 0,5.
Kaynak: https://tr.euronews.com/2019/11/06/turkiyede-yoksullar-butcelerini-kira-ve-gidaya-
zenginlerse-ulastirma-lokanta-ve-egitime
141
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
Yaşamla İlişkilendir
Yt = β1 + β2Xt + ut
“Hata terimleri arasında ilişki yoktur” varsayımı geçerli olmayıp hata teriminin bir dönem önceki hata
terimli ile ilişkili ise aşağıdaki gibi gösterilir:
burada ρ otokorelasyon katsayısı olarak adlandırılır ve -1 ile 1 arasında bir değer alır. Eğer ρ = 0 ise otokore-
lasyon olmadığı, eğer 0 ile 1 arasında ise pozitif otokorelasyon ve 0 ile -1 arasında ise negatif otokorelasyon
bulunduğu anlamına gelir. İktisadi zaman serilerinde genellikle pozitif otokorelasyonla karşılaşılır. Örne-
ğin ρ = 0.8 ise hata teriminin bir dönem önceki değerleriyle pozitif olarak ilişkili olduğu anlamına gelir.
t – 1 dönemindeki hatanın %80’inin t döneminde hâlâ hissedildiği anlamına gelir. Hataların bir önceki
dönem değerleriyle ilişkili olması durumu birinci dereceden otokorelasyon veya ardışık bağımlılık olarak
adlandırılır ve AR(1) olarak gösterilir. Hatalar daha üst dereceden de otokorelasyon içerebilir. Yıllık zaman
serilerinde otokorelasyonun derecesi nispeten küçük iken aylık veya daha kısa dönemlik verilerde daha
üst dereceden otokorelasyonla karşılaşılması mümkündür. İkinci dereceden otokorelasyon (yani AR(2))
aşağıdaki gibi gösterilir:
142
Ekonometrinin Temelleri
143
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
∆Yt = Yt − Yt − 1 (7.8)
Bir değişkenin bir dönemlik gecikmesi veya birinci farkları oluştuğunda, ilk gözlemin kaybedildiğine
dikkat edilmelidir. Böylece, yukarıdaki verileri kullanarak Yt’nin regresyonu Şubat 2010 veri noktasıyla
başlayacaktır. İki-dönem gecikmeler, üç-dönem gecikmeler vb. üretmek de mümkündür. Bunlar benzer
bir şekilde gerçekleştirilebilir.
t Yt Yt – 1 ∆Yt
2010-1 8.3 − −
2010-2 9.2 8.3 9.2 – 8.3 = 0.9
2010-3 9.6 9.2 9.6 – 8.2 = 1.4
2010-4 9,4 9.6 9.4 – 9.6 = – 0.2
2010-5 11.2 9,4 11.2 – 9.4 = 1.8
2010-6 13.8 11.2 13.8 – 11.2 = 2.6
2010-7 14.6 13.8 14.6 – 13.8 = 0.8
. . . .
. . . .
. . . .
(a) (b)
6 ût ût
4
0 ût-1
t
-2
-4
144
Ekonometrinin Temelleri
Grafik 7.4, artıklarda negatif otokorelasyonu göstermektedir. Grafik 7.4 (a) bölmesinde kalıntılar ge-
nellikle bir dönemde pozitif ise izleyen dönemde negatif, benzer şekilde bir dönem negatifse izleyen dö-
nemde pozitif değerler almaktadır. Grafik 7.4 (a), aynı zamanda negatif otokorelasyonlu bir kalıntı serisi-
nin zaman eksenini sıklıkla kestiğini Grafik 7.4 (b) ise gözlemleri temsil eden noktaların çoğunlukla ikinci
ve dördüncü kadranlarda olduğunu gösterir:
80 (a) (b) ût
60
40
20
0
-20 ût-1
-40
-60
-80
-100
Grafik 7.5 otokorelasyon olmadığında hataların biçimini göstermektedir. Grafik 7.5 (a) bölmesinde
zamana göre grafiğinde artıkların tamamen rastgele dağıldığı zaman eksenini nispeten sık kestiğini ancak
negatif otokorelasyonda olduğu kadar sık kesmediği gözlenmektedir. Aynı grafiğin (b) bölmesinde artıkları
temsil eden noktaların tüm kadranlara eşit dağıldığı gözlenmektedir:
40
(a) (b) ût
30
20
10
0
ût-1
-10
-20
-30
-40
ut = ρut − 1 + vt (7.9)
145
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
burada, vt ~ N(0, σv2) . DW test istatistiği boş ve alternatif hipotezleri aşağıdaki gibidir:
H0: ρ = 0 ve H1: ρ ≠ 0
Dolayısıyla, boş hipotez altında, t − 1 ve t zamanındaki hatalar birbirinden bağımsızdır ve eğer bu sıfıra
eşitlik reddedilirse ardışık kalıntılar arasında bir ilişki olduğuna dair kanıt olduğu sonucuna varılabilir.
Gerçekte, (7.9) ile verilen regresyonun koşturulması gerekli değildir çünkü test istatistiği, ilk regresyon
yapıldıktan sonra mevcut olan değerler kullanılarak hesaplanabilir:
T
(
∑ uˆt -uˆt -1
t =2
)
d= T
2
∑ uˆt
t =2
d ≈ 2(1 – ρ^ ) (7.10)
burada ρ^ tahmin edilen otokorelasyon katsayıdır. Bu ilişkiden, ρ^’nın -1 ile 1 arasında değer aldığı dikkate
alındığında, d istatistiğinin yaklaşık olarak sıfırla dört arasında değerler aldığı görülebilir. Aynı zamanda
aşağıdaki bulguları da elde edebiliriz:
• Eğer ρ^= 0 ise, d ≈ 2. Bunun sonucu d değeri 2’ye yakın bir değer almışsa kabaca otokorelasyon
bulunmadığını düşünebiliriz.
• Eğer ρ^= 1 ise, d ≈ 0. Bunun sonucu d değeri 0’a yakın bir değer almışsa kabaca pozitif otokorelasyon
bulunduğunu düşünebiliriz.
• Eğer ρ^= -1 ise, d ≈ 4. Bunun sonucu d değeri 4’e yakın bir değer almışsa kabaca negatif otokorelas-
yon bulunduğunu düşünebiliriz.
DW testine dayalı daha kesin bir karara varmak için hesaplanan d istatistiğini kritik değerlerle karşı-
laştırırız. d istatistiğinin iki kritik değeri vardır: Bir alt kritik değer (dL) ve bir üst kritik değer. (dU), Bir de
H0’ı ne reddedebileceğimiz ne de reddedemeyeceğimiz bir ara bölge veya kararsızlık bölgesi vardır. Kritik
değerler bu
kitabın en arkasında istatistik tablolar bölümünde yer almaktadır. Grafik 7.6, otokorelasyon hakkında
sonuçlar çıkarmak için hesaplanan d istatistiğini nasıl kullanabileceğimizi göstermektedir. Hesaplanan d
istatistiği şekildeki bölmelerden hangisinin içinde yer alıyorsa ona göre otokorelasyon kararı oluşur.
Hesaplanan d istatistiği 2’ye ne kadar yakın olursa otokorelasyon olmadığını gösteren kanıtlar o kadar
güçlü olacaktır. Bununla birlikte, d istatistiği 0’a yaklaştıkça, otokorelasyon yoktur boş hipotezinin pozitif
otokorelasyon alternatifine karşı reddedilmesi kolaylaşır. d istatistiği 4’e yaklaştıkça otokorelasyon yoktur
boş hipotezinin negatif otokorelasyon lehine reddedilir.
146
Ekonometrinin Temelleri
Örnek 7.2
Bir araştırmacı doğrusal bir regresyondaki hata teriminin otokorelasyon içerip içermediğini test etmek
istemektedir. Kırk iki yıllık zaman serisi kullanarak aşağıdaki modeli tahmin ettiğini kabul edelim:
DW d istatistiği 1.33 olarak bulmuştur. Durbin Watson d istatistiği kritik değerleri k’ = başlangıç
modelindeki parametre sayısı eksi bir ve n gözlem sayısı için elde edilmektedir. Örnek modelimiz için
k’ = 3 – 1 = 2 ve n = 42’dir. Kritik değerler tablosundan k’ = 2 ve n = 42 için kritik değerleri 1.391 ve
1.600 olarak elde edebiliriz. Bu, hesaplanan d = 1.33’lük d istatistiği Grafik 7.6’da pozitif otokorelasyon
bölgesine düşmektedir. Bunun sonucu modelde pozitif otokorelasyon bulgusu elde edilmiştir.
H0: ρ1 = 0 ve ρ2 = 0 ve ... ve ρr = 0
H1: ρ1 ≠ 0 veya ρ2 ≠ 0 veya ... veya ρr ≠ 0
Dolayısıyla, boş hipotez altında, cari hata önceki değerlerinden herhangi biriyle ilişkili değildir.
BG testi aşağıdaki adımlar izlenerek gerçekleştirilir:
1. Başlangıç modeli Yt = β1 + β2X2t + β3X3t + … + βkXkt + ut SEKK ile tahmin edilerek ût kalıntı değer-
lerini elde edilir.
2. Şu yardımcı regresyonu EKK ile tahmin ederiz: ût = α1+ α2 X2t + … + αk Xkt + ρ1 ût – 1 + ρ2 ût – 2 + … +
ρr ût – r + vt
3. Bu regresyondan R-kare değerini çekerek (n – r)R2 değerini hesaplarız; burada n gözlem sayısını ve
r otokorelasyon derecesini belirtir. Bu değer α önem düzeyinde ve r serbestlik derecesinde ki-kare
kritik değerinden büyükse yani (n – r)R2 > χ2α (r) ise, boş hipotez reddedilerek hataların r’inci
dereceden otokorelasyon içerdiğine karar verilir. Aksi halde otokorelasyon yoktur boş hipotezin
reddedilmesine yeterli kanıt bulunamaz.
147
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
148
Ekonometrinin Temelleri
olduğunu kabul edelim. Burada vt, KDRM varsayımlarını sağlayan bir hata terimidir. Modelde t ve t - 1 dö-
nemindeki hatalar ilişkili olmaları nedeniyle Y modeli otokorelasyon olmadığı varsayımını ihlal etmektedir.
Y için model t döneminde geçerliyse, t – 1’de de geçerli olmalıdır, bu yüzden model bir dönem öncesi
için şöyle yazılır:
Yt – 1’in her iki tarafını ρ ile çarparak başlangıç modelinden çıkarırsak şu genelleştirilmiş fark denklemini
elde ederiz:
Yt – ρYt -1 = β1(1– ρ) + β2(X2t – ρX2t-1) + β3(X3t – ρX3t -1) + … + βk (Xkt – ρXkt - 1) + (ut – ρut -1)
ut = ρut − 1 + vt bilgisinden yararlanarak ve modeli daha sade bir hale getirmek için şu tanımlamaları
yaparak;
Yt * = Yt − ρYt − 1,
β1* = (1 − ρ)β1,
X2t* = (X2t – ρX2t − 1),
X3t* = (X3t – ρX3t − 1),
Xkt* = (Xkt – ρXkt − 1),
β1* = β1, β2* = β2, β3* = β3, βk* = βk ve vt* = vt
β*’lar CO UGEKK tahmincileridir. Bu model KDRM’nin tüm varsayımlarını karşılar. Bununla birlik-
te, ilk gözlemin öncülü olmadığı için bir gözlem kaybolmaktadır. PW dönüşümü, CO dönüşümünün bu
eksikliğini ilk gözlemler için aşağıdaki tanımlamaları yaparak giderir:
149
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
( 1- ρ )Y
Y1* = 2
1
X = ( 1- ρ ) X
1
* 2
1
v = ( 1- ρ ) u
1
* 2
1
İlk gözlemler dışında bütün yapı CO ile aynıdır. İlk dönemdeki hata teriminin de KDRM’nin varsa-
yımlarını karşıladığı gösterilebilir:
E (v1* ) = (( 1- ρ ) u ) = ( (1- ρ ) ) E (u ) = 0
2
1
2
1
ve
⎛ 2 ⎞ 2
Var (v1* ) = var (( ) ) ( ) ⎝1-σρ
1- ρ 2 u1 = 1- ρ 2 Var (u1 ) = 1- ρ 2 ⎜
( ) u
2
⎟ =σ u
⎠
dikkat
Hata terimi otokorelasyon içerdiği zaman modeli SEKK ile tahmin etmek ve
otokorelasyona karşı duyarlı sağlam standart hataları kullanmak daha popüler
hâle gelmiştir. Bu yaklaşım sadece AR(1) süreci ile sınırlı olmayıp herhangi
bir otokorelasyon derecesi için geçerli bir yaklaşımdır. Ayrıca, bu yaklaşımda
sadece sapmalı kısımlar düzeltilmesi nedeniyle model dönüşümüne de gerek
duyulmamaktadır.
Otokorelasyon için SEKK standart hatalarının ayarlanması otokorelasyona karşı sağlam standart hata-
lar üretir. Bunlara Newey-West (NW) standart hataları da denir. Bu yöntemin gücü, aynı zamanda daha üst
düzey otokorelasyon (AR (q)) ve değişen varyans ile baş edebilmesidir. Çoğu ekonometri yazılım program-
ları, özel bir komutla otokorelasyona duyarlı sağlam standart hataların elde edilmesini sağlarlar.
150
Ekonometrinin Temelleri
Öğrenme Çıktısı
E ⎡⎣u 3 ⎤⎦ E ⎡⎣u 3 ⎤⎦
b1 = 3 ve b2 = 2 (7.17)
2
σ2
( ) σ2
( )
Normal dağılımın basıklığı 3’tür, bu nedenle aşırı basıklığı (b2 − 3) sıfırdır. JB test istatistiği,
⎡b2 2⎤
JB=T ⎢ 1
+
(b2 - 3) ⎥
⎢⎣ 6 24 ⎥⎦ (7.18)
151
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
olarak hesaplanır, burada T örneklem büyüklüğüdür. Test istatistiği, serinin dağılımının normal olduğu
yönündeki sıfır hipotezi altında asimptotik olarak χ2 (2) dağılımı izler. Hesaplanan JB değer α önem düze-
yi ve 2 serbestlik derecesinde kritik χ2 değerinden büyükse normallik boş hipotezi reddedilir. Formüldeki
b1 ve b2, SEKK regresyonu artıklarının tanımlayıcı istatistiklerinden tahmin edilebilir. Modeldeki artıklar
önemli ölçüde çarpık ve/veya leptokurtik (sivri) / platykurtik (yatık) olduğunda normallik reddedilir.
Öğrenme Çıktısı
7 Bir regresyondan elde edilen kalıntı dağılımın normalden önemli ölçüde farklı olup
olmadığının nasıl test edileceğini ifade edebilme
152
Ekonometrinin Temelleri
1 Değişen varyans, “hata terimi sabit varyanslıdır” varsayımın geçerli olmaması hâlinde ortaya çıkan bir
durumudur. Genellikle yatay kesit verilerde görülür. Değişen varyans verideki ölçek etkisi, öğrenme
etkisi, toplanma biçimi, aykırı değerler, model kurma hataları vb. diğer nedenlerle ortaya çıkar. Deği-
şen varyans durumunda SEKK parametre tahmincileri sapmasız olmaya devam ederler ve tahminleri
uygun bir şekilde kullanılabilirler. Ancak parametrelerin varyans ve standart hataları yanlış hesaplanır.
Buna bağlı olarak güven aralığı ve hipotez testleri (t ve F) yanıltıcı sonuçlar verebilir. Ayrıca Y öngörü
değerleri de yüksek varyanslı olacak ve bu nedenle etkin olmayacaktır.
2 Bir regresyon modelinde hata teriminin değişen varyanslı olup olmadığı örneklem verileri kullanılarak
bazı biçimsel testler yardımıyla belirlenmeye çalışılır. Bu amaca uygun çok sayıda test mevcuttur. Yar-
dımcı regresyon denklemine dayalı White testi uygulamada sık kullanılmakta olup çoğu ekonometri
yazılımı yardımıyla kolaylıkla uygulanır. Bu testte hataların sabit varyanslı olduğunu belirten boş
hipotezin reddedilmesi durumunda hataların değişen varyanslı olduğu kararına ulaşılır.
3 Değişen varyansla baş edebilmenin bazı yolları vardır. Bunlar; (i) Ağırlıklı en küçük kareler, (ii) Verileri
dönüştürme ve (iii) Değişen varyansla uyumlu White standart hatalarının kullanımıdır. Uygulamalı
araştırmalarda sıklıkla bunlardan üçüncüsü tercih edilmektedir.
153
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
4 Otokorelasyon, “hata terimleri birbirleriyle ilişkili değildir” varsayımın geçerli olmaması hâlinde or-
taya çıkan bir durumdur. Genellikle zaman serisi verilerinde görülen bir durumdur. Otokorelasyon
çeşitli nedenlerle ortaya çıkabilir. Bunlar şöyle sıralanabilir: Verilerdeki atalet, model kurma hataları
(gerek modelden değişken dışlama ve gerekse modelin matematiksel kalıbının yanlış seçilmiş olması),
verilerdeki ölçüm hataları ve verilerde ara gözlem tahmini yapılması. Hata teriminin otokorelasyon
içermesi durumunda SEKK kullanılarak türetilen katsayı tahminleri hâlâ sapmasızdır, ancak mini-
mum varyanslı değillerdir. Bunun sonucu etkin değildirler. Olağan t ve F testleri geçerli olmazlar, uy-
gulandığında ciddi bir şekilde yanıltıcı sonuçlar verebilirler. Pozitif otokorelasyon durumunda R-kare
değerinin doğru değerinden büyük olması muhtemeldir.
5 Bir regresyon modelinde hataların otokorelasyon içerip içermediğini belirlemek için grafik analiz
ve bazı biçimsel testlerde yararlanılabilir. Grafik olarak başlangıç modelinin SEKK tahmininden
elde edilen kalıntıların bir dönem önceki değerlerine karşı dağılım grafiğinden ve kalıntıların zama-
na karşı grafiğinden yararlanılır. Otokorelasyonu test etmede kullanılan biçimsel testlerden en sık
kullanılanı Durbin-Watson testidir. Ancak bu test sadece birinci dereceden otokorelasyonun testi
için uygundur ve bazı koşulların varlığını gerektirir. Diğer bir otokorelasyon testi Breusch-Godfrey
testidir. Bu test herhangi bir dereceden otokorelasyonun testi için uygun olduğu gibi bazı koşulların
varlığına da gerek duyulmaz.
6 Otokorelasyonla baş edebilmenin bazı biçimsel yolları mevcuttur. Ancak bu yollara başvurmadan
önce modelin ve verilerin gözden geçirilmesi ve mümkünse bu yolla otokorelasyonun giderilmeye
çalışılması gerekir. Otokorelasyon çoğu zaman modelin yanlış kurulması ve verilerin doğru olmaması
sonucu ortaya çıkar. Bu nedenle modelde otokorelasyon varsa bu durum modeli gözden geçirmenin
bir fırsatı olarak görülmelidir. Modelin gözden geçirilmesi sonucu otokorelasyon hala var olmaya de-
vam ediyorsa sorunu çözmenin iki genel yolu vardır. Bunlar: (i) Uygulanabilir Genelleştirilmiş EKK
(ii) Otokorelasyona duyarlı Newey-West sağlam standart hatalarının kullanımıdır. Bilinen standart
ekonometri yazılımları bu uygulamaların kullanışlı bir şekilde yapılmasını sağlamaktadırlar.
154
Ekonometrinin Temelleri
155
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
1
Değişen varyansın varlığı durumunda SEKK 4 Bir regresyon modelinde hata teriminin de-
tahminleri ile ilgili olarak aşağıdaki ifadelerden ğişen varyanslı olduğu belirlenmiştir. Değişen var-
hangisi doğrudur? yansın bilinmediği fakat X ile ilişkili olduğu be-
neler öğrendik?
156
Ekonometrinin Temelleri
neler öğrendik?
A. Durbin Watson testi A. Kalıntılarda döngüsel bir düzen
B. White testi B. Kalıntılarda alternatif bir düzen
C. Breusch-Godfrey testi C. Kalıntılarda tam bir rastgelelik
D. Ramsey’in RESET testi D. Giderek genişleyen bir düzen
E. Hausman Testi E. Tamamı sıfıra yakın olan artıklar
157
Klasik Doğrusal Regresyon Modelinin Varsayımlarından Sapmalar II
Yanıtınız yanlış ise “Değişen Varyansın Ne- Yanıtınız yanlış ise “Otokorelasyonun test
1. D 6. B
den Olduğu Sonuçlar” konusunu yeniden edilmesi: Durbin-Watson testi” konusunu
gözden geçiriniz. yeniden gözden geçiriniz.
neler öğrendik yanıt anahtarı
Yanıtınız yanlış ise “Değişen Varyansın Ne- Yanıtınız yanlış ise “Değişen Varyansa Karşı
2. C 7. D
den Olduğu Sonuçlar” konusunu yeniden Çözümler” konusunu yeniden gözden geçi-
gözden geçiriniz. riniz.
Yanıtınız yanlış ise “Diğer bir otokorelasyon Yanıtınız yanlış ise “Diğer bir otokorelasyon
3. A 8. C
testi: Breusch – Godfrey testi” konusunu ye- testi: Breusch – Godfrey testi” konusunu ye-
niden gözden geçiriniz. niden gözden geçiriniz.
Yanıtınız yanlış ise “Değişen Varyansa Karşı Yanıtınız yanlış ise “Otokorelasyon için gra-
4. C 9. A
Çözümler” konusunu yeniden gözden geçi- fiksel testler” konusunu yeniden gözden ge-
riniz. çiriniz.
Yanıtınız yanlış ise “Değişen Varyansın Ne- Yanıtınız yanlış ise “Otokorelasyon için gra-
5. B 10. B
den Olduğu Sonuçlar” konusunu yeniden fiksel testler” konusunu yeniden gözden ge-
gözden geçiriniz. çiriniz.
Araştır Yanıt
7 Anahtarı
158
Ekonometrinin Temelleri
Kaynakça
Brooks, C. (2014). Introductory econometrics for Hill, R. C., Griffiths, E. G. ve Lim, G. C. (2011).
finance (3rd Edition). Cambridge: Cambridge Principles of econometrics (4th Edition). John Wiley
University Press & Sons, Inc.
Gujarati, D. N. ve Porter, D. C. (2014). Temel Stock, J. H. ve Watson, M.W. (2011). Ekonometriye
ekonometri (Basic econometrics Beşinci Basımdan giriş, Bedriye Saraçoğlu (Çev.) Ankara: Efil
Çeviri). Çevirenler: Ümit Şenesen, Gülay Günlük Yayınevi
Şenesen, İstanbul: Literatür Ders Kitapları
Tarı, R. (2018). Ekonometri (13. Baskı). Kocaeli:
Gujarati, D. N. (2011). Econometrics by example. New Umuttepe Yayınları
York: Palgrave Macmillan
Güriş, S., Çağlayan, E. ve Güriş, B. (2013). Eviews ile
temel ekonometri (2. Baskı). İstanbul: Der Yayınları
159
Bölüm 8
Eşanlı Denklem Modelleri
Bazı Temel Kavramlar
1 Yapısal biçim, indirgenmiş biçim, yapısal
öğrenme çıktıları
1 2
ve dışsal değişkenler kavramlarını ifade Eşanlı Denklem Sapması
edebilme 3 Eşanlı denklem sapmasının nedenini,
2 Yapısal bir modelden indirgenmiş biçim sonuçlarını ve çözümü tartışabilme
denklemlerini türetebilme
3 4
4 Bir eşanlı denklem takımından alınan bir Süreçleri
denklemin belirlenip belirlenmediğini 5 Eşanlı denklem modellerini tahmin etmede
inceleyebilme kullanılan yöntemleri ifade edebilme
160
Ekonometrinin Temelleri
161
Eşanlı Denklem Modelleri
satmak için, diğer her şey aynı kalmak koşuluyla, fiyatı düşürmek zorunda kalacaktır. Aynı şekilde, inşaatçı
her konut için fiyatı daha yüksek tutmak istiyorsa daha az konut inşa etmeli ve daha az satmalıdır. Modelde
P ve Q içsel değişkenler, S ve T ise dışsal değişkenlerdir. α, β, γ, δ, λ ve μ modelin yapısal parametreleridir.
Denklem (8.5) ve (8.6) ayrı ayrı P ve Q için çözülerek bu denklemlere karşılık gelen indirgenmiş biçim
denklemleri elde edilir. Sistemdeki her bir içsel değişken için bir indirgenmiş biçim denklemi olacaktır.
Bu iki denklemi P için çözmek için her iki denklemi eşitleyerek P’yi denklemin solunda yalnız bırakacak
çözümü elde ederiz:
α+ βP+γS+u1= δ+λP +μT+u2
βP-λP=δ-α+μT-γS+u2-u1
P(β-λ)=(δ-α)+μT-γS+(u2-u1)
(δ − α ) µ −γ (u − u )
P= + T+ S + 2 2 (8.7)
(β − λ ) (β − λ ) (β − λ ) (β − λ )
Bu denklem denge fiyat düzeyini temsil etmektedir. Şimdi bu fiyat denklemini Denklem (8.5) veya
(8.6)’da yerine koyarak Q için çözelim. O zaman, P’yi (8.5)’te yerine koyarak Q için aşağıdaki çözümleri
yapalım:
⎛ (δ − α ) µ −γ (u − u ) ⎞
Q=α +β ⎜ + T+ S + 2 1 ⎟ + γ S + u1
⎝ (β − λ ) (β − λ ) (β − λ ) (β − λ ) ⎠
β (δ − α ) βµ −βγ β (u2 − u1 )
Q=α + T+ S+ + γ S + u1
(β − λ ) (β − λ ) (β − λ ) (β − λ )
α (β − λ ) β (δ − α ) βµ −βγ β (u2 − u1 ) γ (β − λ ) u (β − λ )
Q= + + T+ S+ + S+ 1
(β − λ ) (β − λ ) (β − λ ) (β − λ ) (β − λ ) (β − λ ) (β − λ )
Sabit terimler, hata terimleri ve S içeren iki terim aynı kesirde birleştirildiğinde şu elde edilir:
αβ − αλ + βδ − βα βµ βµ γβ − γβ − γλ β u − β u1 + β u1 − λ u1
Q= + + T+ S+ 2
(β − λ ) (β − λ ) (β − λ ) (β − λ ) (β − λ )
Basit sadeleştirmelerden sonra şu Q sonucu elde edilir:
βδ − αλ βµ γβ − γβ − γλ β u − λ u1
Q= + T+ S+ 2 (8.8)
(β − λ ) (β − λ ) (β − λ ) (β − λ )
Denklem (8.7) ve (8.8), sırasıyla P ve Q için indirgenmiş biçim (veya daraltılmış biçim) denklemleri
olarak adlandırılır. Denklem (8.5) ve (8.6)’da verilen eşanlı yapısal denklemlerin çözümünden elde edilen
denklemlerdir. İndirgenmiş biçim denklemlerinin sağ tarafında sadece dışsal değişkenlerin yer aldığına
dikkat edilmelidir.
dikkat
Eşanlı yapısal denklemin içsel değişkenler Daraltılmış biçim denklem takımının
için çözülmesiyle elde edilen denklemler içsel değişkenler için çözülmesiyle elde
“indirgenmiş (daraltılmış) biçim” denk- edilebileceği gibi içsel değişkenlerin doğ-
lemleri olarak adlandırılır. rudan dışsal değişkeler üzerine doğrudan
yazılmasıyla da elde edilebilir.
162
Ekonometrinin Temelleri
Denklem (8.7) ve (8.8)’deki indirgenmiş biçim denklemleri yeniden aşağıdaki gibi yazılabilir:
P=p10+p11T+p12S+e1 (8.9)
Q=p20+p21T+p22S+e2 (8.10)
burada π’ler indirgenmiş biçim parametreleri olup yapısal parametrelerle aşağıdaki gibi ilişkilidirler:
(δ − α ) µ −γ (u − u )
π 10 = , π 11 = , π 12 = , ε1 = 2 1
(β − λ ) (β − λ ) (β − λ ) (β − λ )
βδ − αλ βµ γβ − γβ − γλ βµ − λ u1
π 20 = , π 21 = , π 22 = , ε2 = 2
(β − λ ) (β − λ ) (β − λ ) (β − λ )
Bu ilişkilere çoğu zaman ihtiyaç duyulmaz ve indirgenmiş biçim parametreleri doğrudan (8.9) ve
(8.10)’daki gibi yazılır. Bu dersin kapsamında da yapısal parametrelerle indirgenmiş biçim parametreleri
arasındaki ilişkilere ihtiyaç duyulmamaktadır. İndirgenmiş biçim denklemlerinin doğrudan π’ler cinsin-
den yazılı biçimi yeterlidir. Bu yazım biçiminde parametrelerdeki ilk alt imin denklem numarası ikinci alt
imin ise sabit terim ve sırasıyla birinci ve ikinci dışsal değişkenleri temsil edildiğine dikkat edelim.
Öğrenme Çıktısı
1 Yapısal biçim, indirgenmiş biçim, yapısal ve indirgenmiş biçim parametreleri, içsel ve dışsal
değişkenler kavramlarını ifade edebilme
2 Yapısal bir modelden indirgenmiş biçim denklemlerini türetebilme
163
Eşanlı Denklem Modelleri
SEKK tahmincisi sapmalı olmasına karşın, hala tutarlı mıdır? Yani örneklem büyüklüğü arttıkça sapma
giderek kaybolmakta mıdır? Hayır, tahminci, gerçekte, tutarlı da değildir. Örneklem büyüklüğü artırılsa
bile sapma kaybolmamaktadır. Bu nedenle (8.5) ve (8.6)’yı SEKK kullanarak geçerli bir şekilde tahmin
etmek mümkün olmayacaktır.
Peki, o zaman ne yapılmalıdır. Cevap indirgenmiş biçim denklemleri aracılığıyla olabilir. Yapısal denk-
lemler doğrudan SEKK ile uygun bir şekilde tahmin edilememekle birlikte, indirgenmiş biçim denklemle-
ri (8.9) ve (8.10), sağ taraf değişkenlerinin tamamen dışsal olması nedeniyle SEKK ile tahmin edilebilirler.
Ancak muhtemelen π katsayılarının hangi değerleri aldığı bizi ilgilendirmez; bizim isteğimiz yapısal denk-
lemlerdeki α, β, γ, δ, λ ve μ parametrelerdir. Bu parametreler indirgenmiş biçim parametreleri π’lerden
elde edilebilir mi? Bu sorunun cevabı, denklemin belirlenmiş olup olmamasına bağlıdır. Bu durumda
eşanlılık sorunu yanında diğer bir sorunla daha karşılaşırız: Tanımlanma.
164
Ekonometrinin Temelleri
Öğrenme Çıktısı
BELİRLENME SORUNU VE P
BELİRLENME KOŞULLARI D S
165
Eşanlı Denklem Modelleri
Eşanlı bir modelin denklemlerinin belirlenmesi meyen değişken sayısıdır. Bunun sonucu mertebe
ile ilgili olarak mevcut bilgi durumuna bağlı olarak koşulu şöyle yazılabilir:
üç farklı durumla karşılaşılır. Bu durumlar aşağıda-
ki gibidir: K – M ≥ G – 1 olmalıdır.
i) Denklem belirlenmez (veya belirlenmemiş
ya da eksik belirlenmiştir); bu durumda Eğer dışlanan değişken sayısı, K – M, G – 1’den
yapısal parametreleri indirgenmiş biçim pa- küçük olursa denklem belirlenmez. Buna karşılık,
rametrelerinden elde etmenin bir yolu yok- K – M, G – 1’e eşit olursa denklem tam belirle-
tur. nir, büyük olursa aşırı belirlenir. Denklem (8.5) ve
ii) Denklem tam belirlenmiştir; bu durumda (8.6)’daki eşanlı modelde tüm değişkenler Q, P, S
yapısal parametreler indirgenmiş biçim pa- ve T’den oluşmakta olup sayısı K = 4’dür. Her iki
rametrelerinden tek değerli olarak elde edi- denklemde de 3 değişken yer almakta olup M =
lebilir. 3’dür. Denklem sayısı G her iki denklem için de
2’dir. Bunun sonucu, K – M ≥ G – 1 işlemi 4 – 3
iii) Denklem aşırı belirlenmiştir; bu durumda
= 2 – 1 olarak elde edilir. Sonuç, eşitlik olarak elde
yapısal parametreler indirgenmiş biçim pa-
edildiğinden her iki denklem de ayrı ayrı tam be-
rametrelerinden birden fazla değerli olarak
lirlenmiştir.
elde edilebilir.
Şimdi bir de (8.13) ve (8.14) ile verilen modelin
denklemlerin belirlenme durumunu tespit edelim.
Belirlenmenin Biçimsel Koşulları Her iki denklemde yer alan değişkenler P, Q ve T
Bir denklemin belirlenir olabilmesi için iki ko- değişkenleri olup sayısı K = 3’dür. Denklem sayısı 2
şulun sağlanması gereklidir: Bunlar mertebe ve sıra ve bir eksiği yani G – 1 = 2 – 1’dir. O hâlde her bir
koşullarıdır. denklemin belirlenmesi için en az 1 değişkenin dış-
• Mertebe koşulu - bir denklemin belirlen- lanması gerekir. (8.13)’deki talep denkleminde top-
mesi için gerekli ama yetersiz bir koşuldur. lam 2 değişken bulunmakta dolayısıyla 1 değişken
Yani, mertebe koşulu sağlanmış olsa bile dışlanmış durumdadır. Bu nedenle talep denkle-
denklem belirlenmiş olmayabilir. mi belirlenmenin gerekli koşulunu sağlamaktadır.
(8.14)’deki arz denkleminde ise üç değişken bulun-
• Sıra (rank) koşulu denklemin belirlenme-
makta ve değişken dışlaması yapılmamış durum-
si için gerekli ve yeterli koşuldur. Yapısal
dadır. Bu nedenle arz denklemi belirlenmenin ge-
denklemler bir matris biçiminde yazılır ve
rekli koşulunu sağlamamaktadır. (8.13)’deki talep
belirli bir denklemin dışında tutulan değiş-
denkleminin belirlenmesini sağlayan şey, modelin
kenlerin hepsinin matriks rankı incelenir.
bütününde yer alıp da be denklemde bulunmayan
Rank durumunun incelenmesi bu dersin
bir değişkenin olmasıdır.
kapsamına dahil edilmemiştir.
dikkat
Mertebe Koşulunun İfadesi: G sayıda eşanlı
denklemden oluşan bir eşanlı denklem mo-
delindeki bir denklemin belirlenmede mer-
tebe koşulunun sağlayabilmesi için bu denk-
lemden en az denklem sayısının bir eksiği
kadar değişken dışlanmış olmalıdır.
166
Ekonometrinin Temelleri
Yaşamla İlişkilendir
167
Eşanlı Denklem Modelleri
168
Ekonometrinin Temelleri
169
Eşanlı Denklem Modelleri
Örnek: 8.1: Aşağıdaki eşanlı denklem modelin- Geri Dönüşlü Denklem Modeli
de Y’ler içsel değişkenler ve X’ler dışsal değişkenler- (Üçgen Sistemler)
dir. Basitlik için değişkenlerdeki zaman imine yer
verilmemiştir. Parametrelerdeki ilk alt im denklem Basitlik için zaman imleri yazılmamış aşağıdaki
numarasını, ikinci alt im ise değişken numarasını denklem takımını dikkate alalım:
göstermektedir. Denklemlerin her birinin belirle- Y1 = β10 + γ11X1 + γ12X2 + u1 (8.18)
nip belirlenmenin gerekli koşulunu sağlayıp sağla- Y2 = β20 + β21Y1 + γ21 X1 + γ23X3 + u2 (8.19)
madığı belirlenmişse aşırı mı tam mı belirlediğini Y3 = β30 + β31Y1 + β32Y2 + γ31X1 + γ32 X2 + u3
tespit ediniz: (8.20)
Bu üç denklemli modelde Y’ler içsel değişkenler
Y1 = β10 + β11Y2 + β13Y3 + γ11 X1 + γ12 X2 + γ14X4 ve X’ler dışsal değişkenlerdir. β’lar içsel değişkenlere
+ u1 (8.15) ait parametreler ve γ’lar içsel değişkenlere ait para-
metrelerdir. Parametrelerdeki alt imlerden birincisi
Y2 = β20 + β21Y1 + γ21X1 + γ22X2 + γ23X3 + u2 denklem numarasını, ikincisi değişken numarasını
(8.16) temsil etmektedir. Örneğin, γ23 ikinci denklemde-
ki üçüncü dışsal değişkene ait parametre anlamına
Y3 = β30 + β31Y1 + γ33X3 + u3 (8.17) gelir. Bu üç denklemin hata terimlerinin birbirle-
riyle ilişkili olmadığını varsayılır.
Modeldeki denklem sayısı 3’tür. Bunun sonu- Buradaki soru şudur: Bu denklemler ayrı ayrı
cu, belirlenmenin mertebe koşulu için gerekli koşul SEKK kullanılarak tahmin edilebilir mi? Bu so-
her bir denklemden en az iki değişkenin dışlanmış ruya ilk bakıştauygun cevap: ‘Hayır, çünkü bu bir
olmasıdır. Dışlanan değişken iki ise denklem tam eşanlı denklem sistemidir’ gibi görünebilir. Oysa, bu
belirlenme koşuluna uyar, ikiden fazla ise denklem denklemlerden birincisi (8.18) hiçbir içsel değişken
aşırı belirlenme koşuluna uyar. Modelin bütünün- içermez, bu nedenle X1 ve X2, u1 ile ilişkili değildir.
de görülen değişkenler Y1, Y2, Y3, X1, X2, X3 ve X4 Bunun sonucu bu denklemin tahmininde SEKK
olmak üzere 7 tanedir. Denklemlerin her biri için kullanılabilir. İkinci denklem (8.19) X1 ve X2 dışsal
mertebe aşağıdaki gibidir: değişkenler yanında içsel Y1 değişkenini içerir. Eğer
1. Denklem (8.15): Toplam 6 değişken var, 1 denklemin sağ tarafında yer alan değişkenler hata te-
değişken dışlanmış, denklem belirlenmez. rimiyle ilişkili değilse bu denklem de SEKK ile tah-
2. Denklem (8.16): Toplam 5 değişken var, 2 min edilebilir. Bir önceki denklemin sağ tarafında
değişken dışlanmış, denklem tam belirlenir. Y2 olmamasına karşın ikinci denklemin sağ tarafın-
3. Denklem (8.17): Toplam 3 değişken var, 4 da Y1 bulunmaktadır. Bunun sonucu Y1, Y2’yi etki-
değişken dışlanmış, denklem aşırı belirlenir. lerken Y2, Y1’i etkilememektedir. Bu nedenle Y1 u2
ile ilişkili değildir. Böylece ikinci denklemin (8.19)
Bir eşanlı denklem takımından alınan bir denk-
tahmininde SEKK kullanılabilir. Modelin üçüncü
lemin belirlenip belirlenmediğini inceler.
denklemi (8.20) hem Y1 hem de Y2 içerir; bunların
Eşanlı denklem modellerini tahmin etmede u3 ile ilişkisiz olması gerekir. Yukarıdakine benzer bir
kullanılan yöntemleri açıklar. argümanla, (8.18) ve (8.19) Y3 içermez. Böylece bu
denklemin tahmininde de SEKK kullanılabilir.
170
Ekonometrinin Temelleri
Öğrenme Çıktısı
171
Eşanlı Denklem Modelleri
2AEKK ile tahmini yeterlidir. Üç denklemden olu- test istatistiklerinden bazıları sistem bağlamında
şan sistemde 2AEKK aşağıdaki adımları içerir: uygulanabilir değişiklikler gerektirmektedir. Eko-
Adım 1: Denklemin sağ tarafında içsel değiş- nometri paketlerinin çoğu gerekli değişiklikleri
ken olarak Y1 değişkeni yer almaktadır. Bu yönte- otomatik olarak yapmaktadır.
min birinci aşamasında Y1’e ait indirgenmiş biçim
denklemi oluşturularak SEKK ile tahmin edilir ve Araç Değişkenler Yöntemi (AD)
kestirim değerleri oluşturulur. Bu denklemin indir-
Eşanlı denklem modellerini geçerli bir şekilde
genmiş biçim denklemi
tahmin etmede kullanılan diğer bir yöntemdir.
SEKK yönteminin yapısal denklemlerde doğrudan
Y1 = π20 + π21 X1 + π22X2 + π23 X3 + π24 X4 + ε2
uygulanamayışının nedeni içsel değişkenlerin hata-
larla ilişkili olmasıydı. Araç değişkenler yöntemi,
olarak düzenlenir. Bu denklemin SEKK tahminin-
yapısal modelde hata terimiyle ilişkili içsel değiş-
den şu kestirim değerleri serisi oluşturulur:
kenler yerine bu değişkenle yüksek derecede ilişki
^ ancak hata terimi ile ilişki olmayan başka değişken-
Y 1 = π^20 + π^21 Y1 + π
^ Y +π
21 2
^ Y +π
22 3
^ Y
23 4 lerin kullanılmasını önermektedir. Bu değişkenler
‘araç değişkenler’ olarak bilinir.
Adım 2: Denklem (8.16), sağ tarafında yer alan Denklem (8.16)’nın sağ tarafında yer alan Y1 için
içsel değişken Y1 yerine bir önceki adımda oluşturu- uygun aracın z1 olarak bulunduğunu varsayalım.
^
lan Y 1 konularak SEKK kullanılarak tahmin edilir: Araç değişken yapısal denklemde doğrudan kullanıl-
maz, bunun yerine aşağıdaki şu regresyon düzenlenir:
^
Y2 = β20 + β21 Y 1 + γ21X1 + γ22X2 + γ23X3 + u2
(8.21) Y1 = λ1 + λ2z1 + w1 (8.22)
^
Bu durumda, Y 1, u2 ile ilişki değildir. Bu ne- Bu denklemin SEKK ile tahminine dayalı ola-
denle eşanlılık sorunu kaldırılmıştır. 2AEKK tah- rak Y^1 değerleri elde edilir ve yapısal denklemdeki
mincisinin tutarlı, fakat sapmasız olmadığını da Y1 bu kestirilmiş değerlerle değiştirilir. İçsel değiş-
belirtmeliyiz. Yani, örneklem büyüklüğü arttıkça ken başına birden fazla araç değişken kullanılması
sapma giderek azalmaktadır. yaygın bir durumdur. Eğer araç değişkenler indir-
genmiş biçim denklemindeki değişkenler ise, AD
Eşanlı denklem modelleri çerçevesinde,
yöntemi 2AEKK yöntemine eşdeğerdir. Böylece,
KDRM’nin genel varsayımlarının geçerli olup ol-
AD, 2AEKK’nin özel durumu olarak görülebilir.
madığı hâlâincelenmesi gereken konudur ancak
Öğrenme Çıktısı
172
Ekonometrinin Temelleri
1 Bir iktisadi olguda yer alan değişkenler arasındaki doğrudan ilişkileri belirleyen model eşanlı denklem
modelinin yapısal biçimi veya eşanlı yapısal model olarak adlandırılır. Eşanlı denklem modelinin içsel
değişkenlerinin dışsal değişkenlere göre çözümü sonucu elde edilen biçimine modelin indirgenmiş biçimi
denir. İçsel değişkenlerin çözümü ya bir denge denklemi veya başka bir özdeşlik yardımıyla oluşturulur.
İçsel değişken alacağı değer model içinde belirlenen değişkenlerdir. Dışsal değişkenler de benzer bir argü-
manla alacağı değer model dışında belirlenen değişkenlerdir.
2 Eşanlı yapısal bir model bir denge denklemi yardımıyla dışsal değişkenlere göre çözüm değerleri elde
edilerek indirgenmiş biçim denklemleri türetilir.
3 Eşanlı denklem sapması açıklayıcı değişkenlerden herhangi birinin hata terimi ile ilişkili olması durumunda
SEKK yöntemiyle elde edilen tahminlerde ortaya çıkar.
Belirlenme Sorunu ve
Belirlenme Koşulları
4 Bir eşanlı denklem takımından alınan bir denklemin belirlenmesinin iki koşulu vardır: Mertebe koşulu ve
sıra (rank) koşulu. Mertebe koşulu bir denklemin belirlenmesi için gerekli fakat yeterli olmayan bir koşuldur. Bir
denklemin mertebe koşulunu sağlayabilmesi için bu denklemden en azından modeldeki denklem sayısı eksi bir
tane değişken dışlanmış olmalıdır. Sıra koşulu belirlenme içim gerekli ve yeterli bir koşuldur. Sıra koşuluna göre,
bir denklemin belirlenebilmesi için, denklemde yer almayıp da modelin diğer denklemlerinde yer alan katsayılar
matrisinden en azından denklem sayısı eksi bir tane sıfırdan farklı determinant bulunmalıdır. Sıra koşulu merte-
be koşuluna göre daha az sınırlayıcıdır. Bu ders notlarında sıra koşulunun incelenmesi kapsam dışı bırakılmıştır.
Belirlenme için mertebe koşulunun sağlanması yeterli görülmüştür.
173
Eşanlı Denklem Modelleri
5 Eşanlı denklem modellerini tahmin tek denklem yöntemleri yanında sistem tahmin yöntemleri bulunmak-
tadır. Bu ders notları eşanlı denklemlerin tahmininde yaygın olarak kullanılan üç yöntemle sınırlı tutulmuştur:
Dolaylı en küçük kareler (DEKK), iki aşamalı en küçük kareler (2AEKK) ve araç değişkenler (AD) yöntemi.
Dolaylı en küçük kareler yöntemi tam belirlenmiş sistemler için geçerli bir tahmin yöntemidir. İndirgenmiş
biçim denklemlerinin tahmininden indirgemiş biçim parametreleri tahmin edilir. Yapısal parametrelerle indir-
gemiş biçim parametreleri arasındaki ilişkilerden yararlanarak yapısal parametreler dolaylı olarak elde edilir.
İki aşamalı en küçük kareler yöntemi tam ya da aşırı belirlenmiş denklemlerin tahmininde kullanılan bir yön-
temdir. Bir denklemin 2AEKK ile tahminin ilk aşaması indirgenmiş biçim parametreleri SEKK yardımıyla
tahminini ve kestirim değerlerlerinin oluşturulmasını içerir. İkinci aşamada, tahmin edilecek denklemin sağ
tarafındaki içsel değişkenlerin gerçek değerleri yerine birinci aşamada elde edilen kestirilmiş değerleriyle değişti-
rilerek denklem SEKK ile tahmin edilir.
Araç değişkenler yönteminde tahmin edilecek denklemin sağ tarafında yer alan içsel değişken yerine bu içsel
değişkenle yüksek derecede ilişkili fakat denklemin hata terimiyle ilişkili olmayan bir araç değişkenin kullanıl-
masını içerir. Ancak araç değişken içsel değişkenin yerine doğrudan kullanılmaz. Bunun yerine içsel değişkenin
aracı olan değişken üzerine regresyonu düzenlenerek bu regresyonun SEKK tahmininden kestirim değerleri elde
edilir. Tahmin edilen denklemde içsel değişkenin fiili değerleri yerine değişkenin aracı üzerine regresyonundan
elde edilen kestirim değerleri değiştirilerek tahmin gerçekleştirilir. İçsel değişkenin aracı olarak modeldeki dışsal
değişkenler alınırsa AD yöntemi ile 2AEKK yöntemi eşdeğer olur.
174
Ekonometrinin Temelleri
1 Eşanlı denklem modellemesi kapsamında dış- 4 Denklem (2)’nin sistemden bağımsız olarak
sal değişkenlerle ilgili olarak aşağıdaki ifadelerden tek başına SEKK ile tahmini aşağıdakilerden han-
hangisi doğrudur?
neler öğrendik?
gisine neden olur?
A. Dışsal değişkenlerin değeri sistem içinde belir- A. Sapmasız ve tutarlı katsayı tahminlerine
lenir. B. Sapmalı ancak tutarlı katsayı tahminlerine
B. Dışsal değişkenlerin olasılıklı değişkenler olma- C. Sapmasız ancak tutarsız katsayı tahminlerine
dıkları varsayılır.
D. Sapmalı ve tutarsız katsayı tahminlerine
C. İndirgenmiş biçim denklemlerinin sağ tarafın-
E. Sapmalı ve tutarsız ama etkin katsayı tahminlerine
da herhangi bir dışsal değişken yer almaz.
D. İndirgenmiş biçim denklemlerinin sol tarafında
sadece dışsal değişler yer alır 5 Mertebe koşulu _____.
E. Eşanlı denklem modellerinde değişkenlerin tü- Yukarıdaki cümlede boş bırakılan yeri aşağıdakiler-
münün dışsal olduğu kabul edilir. den hangisi doğru olarak tamamlar?
2 Eşanlı denklem sapması aşağıdaki durumlar- A. belirlenme için gerekli ve yeterli bir koşuldur.
dan hangisinde ortaya çıkar? B. belirlenme için gerekli ancak yetersiz bir koşuldur.
C. belirlenme için yeterli ancak gereksiz bir koşuldur.
A. Hata terimi değişen varyanslı olması durumunda
D. belirlenme için ne gerekli ve ne de yeterli bir
B. Geri dönüşlü sistemli durumlarda koşuldur.
C. Hata teriminin ardışık bağımlı olması duru- E. belirlenme için hem yeterli hem de gerekli bir
munda koşuldur.
D. Bağımlı ve bağımsız değişkenlerin karşılıklı iliş-
kili olması durumunda
E. Açıklayıcı değişkenler arasında güçlü doğrusal 6 I. Parametreler her bir denkleme ayrı ayrı SEKK
bağlantı bulunması durumunda uygulanarak geçerli bir şekilde tahmin edilebilir.
II. Bağımlı değişkenlerin bazıları diğer denklem-
Soru 3 ve 4 için, aşağıdaki eşanlı denklem modelle- lerdeki hata terimleriyle ilişkili olabilir.
rini dikkate alınız: III. Bir 2AEKK uygulaması sapmasız fakat etkin
olmayan parametre tahminlerine neden olur.
Y1 = α0 + α1Y2 + α2Y3 + α3X1 + α4X2 + u1 (1)
IV. Bağımlı değişkenler yer aldıkları denklemdeki
Y2 = β0 + β1Y1 + β2Y3 + β3X2 + u2 (2) hata terimleriyle ilişkisiz olabilir.
Geri dönüşlü veya üçgen sistemlerle ilgili olarak
Y3 = γ0 + γ1Y1 + γ2X2 + γ3X3 + u3 (3)
yukarıdaki ifadelerden hangisi doğrudur?
Modelde Y’ler içsel ve X’ler dışsal değişkenlerdir, A. I ve II
hata terimlerinin birbirleriyle ilişkisiz olduğu var- B. I ve III
sayılmıştır. C. II ve IV
D. I, II ve III
3 Denklem (2) için aşağıdaki ifadelerden han- E. I, II, III ve IV
gisi doğrudur?
A. Mertebe koşuluna göre tam belirlenmiştir
B. Mertebe koşuluna göre eksik belirlenmemiştir
C. Mertebe koşuluna göre aşırı belirlenmiştir
D. Mertebe koşuluna göre aşırı belirlenmemiştir
E. Verilen bilgi denklemin belirlenip belirlenme-
diği ile ilgili değildir.
175
Eşanlı Denklem Modelleri
A. İki aşamalı en küçük kareler (2AEKK) ve do- Y3 = γ0 + γ1X1 + γ2X2 + γ3X3 + u3 (3)
laylı en küçük kareler (DEKK) aşırı belirlenmiş I. EKK
sistemler için eşdeğerdir.
II. 2AEKK
B. Geri dönüşlü bir sistemin parçası olan denk-
lemler SEKK ile geçerli bir şekilde tahmin edi- III. DEKK
lebilirler. Yukarıdaki denklem takımı dikkate alındığında
C. İki aşamalı en küçük karelerin (2AEKK) gerek- sistemdeki üçüncü denklem için hangi tahmin
siz kullanımı (yani sağ taraf değişkenleri ger- yöntemi (varsa) kullanılabilir?
çekte dışsal iken) tutarlı ancak etkin olmayan
katsayı tahminlerine neden olur. A. Yalnız I
D. İki aşamalı en küçük kareler (2AEKK) yöntemi B. Yalnız II
araç değişkenler (AD) yönteminin özel bir du- C. II ve III
rumudur. D. I, II ve III
E. Eşanlı denklem modellerinin tahmininde sis- E. Katsayılar herhangi bir yöntem kullanılarak ge-
tem tam belirlenmiş ise dolaylı en küçük ka- çerli bir şekilde tahmin edilemez.
reler (DEKK) ve iki aşamalı en küçük kareler
(2AEKK) yöntemleri eşdeğerdir.
176
Ekonometrinin Temelleri
Yanıtınız yanlış ise “Basit Doğrusal Regres- Yanıtınız yanlış ise “Geri Dönüşlü Denklem
1. B 6. D
yon Modeli” konusunu yeniden gözden ge- Modeli” konusunu yeniden gözden geçiri-
çiriniz. niz.
Yanıtınız yanlış ise “Belirlenme Sorunu be Yanıtınız yanlış ise “Eşanlı Denklem Model-
3. A 8. A
Belirlenme Koşulları” konusunu yeniden leri için Tahmin Süreçleri” konusunu yeni-
gözden geçiriniz. den gözden geçiriniz.
Yanıtınız yanlış ise “Belirlenme Sorunu be Yanıtınız yanlış ise “Eşanlı Denklem Model-
5. B 10. A
Belirlenme Koşulları” konusunu yeniden leri için Tahmin Süreçleri” konusunu yeni-
gözden geçiriniz. den gözden geçiriniz.
Araştır Yanıt
8 Anahtarı
Eşanlı denklem modellerine dayalı benzetim modelleri bir veya daha fazla dış-
sal değişkenin varsayımsal değerleri karşısında içsel değişkenlerin alacağı de-
Araştır 3 ğerlerin belirlenmesini içerir. Dışsal değişkenlerin alternatif senaryolar altında
(iyimser, ılımlı, kötümser senaryolar gibi) alacağı değerler karşısında içsel de-
ğişkenlerin hangi değerleri alacağı benzetilebilir.
177
Eşanlı Denklem Modelleri
Kaynakça
Brooks, C. (2014). Introductory econometrics for Tarı, R. (2018). Ekonometri (13. Baskı). Kocaeli:
finance (3rd Edition). Cambridge: Cambridge Umuttepe Yayınları
University Press
Wooldridge, J. M. (2012). Introductory to econometrics:
Gujarati, D. N. ve Porter, D. C. (2014). Temel a modern approach (5.th Edition). Nelson
ekonometri (Basic econometrics Beşinci Basımdan Education
Çeviri). Çevirenler: Ümit Şenesen, Gülay Günlük
Dokuzuncu Kalkınma Planı, DPTMAKRO-
Şenesen, İstanbul: Literatür Ders Kitapları
ARZ Makroekonometrik Modeli, Ekonomik
Gujarati, D. N. (2011). Econometrics by example. New Modeller Dairesi, Ekonomik Modeller ve
York: Palgrave Macmillan Stratejik Araştırmalar Genel Müdürlüğü,
Aralık 2008. http://www.sbb.gov.tr/wp-
Güriş, S., Çağlayan, E. ve Güriş, B. (2013). Eviews ile
content/uploads/2018/11/MAKRO-ARZ_
temel ekonometri (2. Baskı). İstanbul: Der Yayınları
MAKROEKONOMETRIK_MODELI.pdf
Hill, R. C., Griffiths, E. G. ve Lim, G. C. (2011).
Erişim tarihi: 4.01.2020
Principles of econometrics (4th Edition). John
Wiley & Sons, Inc.
Stock, J. H. ve Watson, M.W. (2011). Ekonometriye
giriş, Bedriye Saraçoğlu (Çev.) Ankara: Efil
Yayınevi
178