Professional Documents
Culture Documents
Eys05 - 07 - S - Var3 - Etki Tepki
Eys05 - 07 - S - Var3 - Etki Tepki
µ = y1t , y2 t , 3 4
İrfan Civcir 1
• VAR modelini VMA süreci olarak yazarsak, • Örnek: VAR(1)
şokların VAR sistemindeki değişkenler ⎡ y1t ⎤ ⎡ a10 ⎤ ⎡ a11 a12 ⎤ ⎡ y1t −1 ⎤ ⎡ e1t ⎤
⎢ ⎥= ⎢ ⎥+⎢ ⎥⎢ ⎥ + ⎢ ⎥ (1)
üzerindeki etkisinin zaman patikasını ⎣ y2t ⎦ ⎣ a20 ⎦ ⎣a21 a22 ⎦ ⎣ y2 t −1 ⎦ ⎣ e2t ⎦
belirleyebiliriz. • veya VMA formunda
i
⎡ y1t ⎤ ⎡ y1t ⎤ ∞ ⎡ a11 a12 ⎤ ⎡ e1t −i ⎤
⎢ ⎥= ⎢ ⎥+∑ ⎢ ⎥ ⎢ ⎥
⎣ y2 t ⎦ ⎣ y2 t ⎦ i =0 ⎣
a21 a22 ⎦ ⎣ e2 t −i ⎦
A1
İrfan Civcir 2
• Ve • Buna göre
⎡ e1t ⎤ 1 ⎡ 1 −b12 ⎤ ⎡ ε1t ⎤
ε1t + b12ε 2 t ⎢ ⎥= ⎢ ⎥⎢ ⎥ (3)
e1t = ⎣ e2t ⎦ 1 − b12b21 ⎣ −b21 1 ⎦ ⎣ε 2t ⎦
1 − b12 b21
b21ε1t + ε 2 t
e2 t =
1 − b12 b21 9 10
⎛ A 1i ⎞ ⎡ 1 −b12 ⎤
φi = ⎜ ⎟ ⎢ ⎥
1 −
⎝ b12 b21 ⎠ ⎣ −b21 1 ⎦
11 12
İrfan Civcir 3
• veya daha kısaltılmış • VMA olarak yazdığımızda
olarak
y1t ve y2t nin karşılıklı ilişkisini analiz
yt = µ + ε t + φ1 ε t −1 + φ2 ε t −1 + ...
edebiliriz.
∂yt
= φi kısmi türevi verir. • Yani φi katsayılarını kullanarak
∂ε t −i
∞ ε1t ve ε2t şoklarının
yt = µ + ∑ φi ε t −i (4)
i =0 y1t ve y2t üzerindeki etkisinin zaman
yazabiliriz. i = şok dönemi patikasını belirleyebiliriz.
13 14
15 16
İrfan Civcir 4
• ε1t (veya ε2t) deki birim etkilerin toplamını elde • Genellikle φjk(i) katsayıları (i) ye karşı plot edilerek
etmek için etki tepki fonksiyonundaki şoklar karşısında y1t ve y2t nin tepkileri
katsayıların toplanması gerekir. incelenmektedir. (i=dönem)
• Eğer yapısal formdaki parametreleri biliyorsak, ε1t ve
• Örneğin ε2t şoklarının zaman patikasını belirleyebiliriz.
ε2t nin y1t üzerindeki n dönem sonrası toplam – Ancak, tahmin edilen VAR (standart from) eksik
etki aşağıdakine eşit olacaktır: belirlendiği için yapısal formdaki katsayılar belirlenemez.
n • Sistemin tam veya fazladan belirlenmesi için ek
∑φ
i =0
12 (i ) kısıtların empoze edilmesi ve daha sonra etki-tepki
analizi yapmak gerekir.
17 18
• Çeşitli belirleme kısıtları vardır. Bunlardan • Hata terimlerini aşağıdaki gibi elde etmiştik:
birisi Choleski ayrıştırmasıdır. ⎡ e1t ⎤ ⎡ 1 −b12 ⎤ ⎡ ε1t ⎤
1
• Örneğin ⎢ ⎥= ⎢ ⎥⎢ ⎥
⎣ e2 t ⎦ 1 − b12 b21 ⎣ −b21 1 ⎦ ⎣ε 2 t ⎦
Sistemi kısıtlayarak y1t nin y2t yi aynı dönemde
etkilemesini engelleyebiliriz. • burada b21 = 0 olursa
• Bunun için yapısal formda b21 =0 kısıtını
• e1t = ε1t –b12ε2t (5)
empoze etmek gerekir.
• e2t = ε2t (6)
19 20
İrfan Civcir 5
• Eğer (6) yı kullanırsak, e2t hataları ε2t • Choleski ayrıştırması (b21=0)
şoklarından kaynaklanmaktadır. • ε1t şokunun y2t yi doğrudan etkilemesini
ε2t hesaplanabilir. engellemektedir.
e1t bilinmektedir. • Ancak dolaylı etki hala vardır.
e1t ve e2t arasındaki korelasyon katsayısı – Çünkü y1t-1 değişkeni y2t yi etkilemektedir.
bilinmektedir
(ρ12 =Cov(e1t, e2t)/ Var(e1t)
buna göre (5) ten ε1t bulunabilir.
21 22
İrfan Civcir 6
• ayrıca
Ω matriksinin elemanlarının
⎡ y1t ⎤ ⎡0.7 0.2 ⎤ ⎡ y1t −1 ⎤ ⎡ e1t ⎤ σ 12 = σ 22 ve Cov ( e1t , e2 t ) den
⎢ ⎥=⎢ ⎥⎢ ⎥+⎢ ⎥ • e1t ve e2t arasındaki korelasyon katsayısının:
⎣ y2 t ⎦ ⎣0.2 0.7 ⎦ ⎣ y2 t −1 ⎦ ⎣ e2 t ⎦ (ρ12) = 0.8 olduğunu varsayalım
• Tanım gereği corelasyon katsayısı (ρ12)= σ12 / (σ1σ2)
• Kovaryans (σ12 ) = E(e1te2t)
• E(e1te2t) = E [ ε2t (ε1t + 0.8ε2t) ] = 0.8
• Ayrıştırmaya göre, Var(e2t) = σ22
• Eğer σ21 = σ22 Î ρ12 = 0.8 σ22 / σ22 = 0.8
25 26
27 28
İrfan Civcir 7
• Bir dönem sonra ε2t+1 = 0 olur. • benzer şekilde
• Ancak sistem AR formunda olduğu için y1t+1 = 0.7y1t +0.2y2t + ε1t+1
y1t+1 ve y2t+1 hemen uzun dönem değerine geri buradan
dönmez. y1t+1 = 0.7(0.8) +0.2(1) = 0.76
– Çünkü (durağansa giderek azalacak) • Eğer sistem durağansa, y1t ve y2t nin daha
y2t+1 = 0.2y1t +0.7y2t + ε2t+1 sonraki değerleri uzun dönem değerlerine geri
buradan döner.
y2t+1 = 0.2(0.8) + 0.7(1) = 0.86
29 30
31 32
İrfan Civcir 8
• Choleski ayrıştırmasını tersine çevirseydik: • Pratik açısından, hangi ayrıştırmayı tercih etmek
• Yani b12 = 0 olsaydı (öncekinde b21 = 0) gerekir?
• A1 matriksi simetrik olduğu için • ÎBazı durumlarda, teorik olarak değişkenlerden
birisinin diğeri üzerinde aynı dönemde etkisi
(a11 = a22 ve a12 = a21) olmayacak şekilde spesifikasyon yapmak mümkün
• ε1t ve ε2t şoklarının grafikleri benzer şekilde olabilir.
olacaktır. • ÎGenellikle önceden kullanabileceğimiz bilgi
• Sadece değişkenler yer değiştirecektir (yani yoktur. Ayrıca VAR sisteminin yapısına bunu
öncekinde y1t kesikli y2t düz çizgi ise önceden empoze etmek te pek mümkün değildir.
sonrakinde y1t düz, y2t kesikli çizgi olacaktır).
33 34
• ÎKolay bir yol yok. Ayrıca eksik belirleme • Sıralamayı belirlerken e1t ve e2t hata terimleri
sorunundan dolayı sisteme bazı kısıtlar arasındaki korelasyon katsayılarının
empoze edilmesi gerekir. Choleski ayrıştırması büyüklüğü kritik öneme sahiptir.
en az sayıda varsayımla sistemin
belirlenmesini sağlar. σ 12
Korelasyon katsayısı ρ12 =
σ1σ 2
35 36
İrfan Civcir 9
• Şimdi tahmin edilen modelden elde edilen • Eğer ρ12 = 1 Î
var-cov martiksi Ω nın değeri öyle olsun ki • Sistemde tek şok vardır ve her iki değişkeni de aynı
ρ12 = 0 olarak bulunsun. dönemde etkiler.
• Bu durumda, sıralama önemini kaybeder.
• Eğer b21 = 0 Î
e1t = ε1t – b12ε2t
e2t = ε2t
e1t = ε2t
ρ12 = 0 Î e2t = ε2t
e1t = ε1t • Eğer b12 = 0 Î
e2t = ε2t e1t = ε1t
• Yani y1t ve y2t eşitliklerindeki hata terimi (e1t, e2t), e2t = ε1t
yapısal model hata terimine (ε1t, ε2t) eşit olur.
37 38
İrfan Civcir 10