Zaman serisi analizinde Box-Jenkins modellerinin parametrelerinin kestirilmesi sürecinde, … — KPSS İstatistik

Zaman serisi analizinde Box-Jenkins modellerinin parametrelerinin kestirilmesi sürecinde, Otoregresif ( $AR$ ) süreçler ile Hareketli Ortalama ( $MA$ ) süreçleri arasında tahmin yönteminin karmaşıklığı açısından belirgin farklar bulunmaktadır. Buna göre, $MA(q)$ modellerinin parametrelerini tahmin ederken standart doğrusal En Küçük Kareler ( $OLS$ ) yöntemi yerine doğrusal olmayan ( $non-linear$ ) iteratif yöntemlerin veya Enyüksek Olabilirlik ( $MLE$ ) yönteminin tercih edilmesinin temel gerekçesi aşağıdakilerden hangisidir?

Hata terimlerinin ( $a_{t-i}$ ) doğrudan gözlemlenememesi ve bu terimlerin parametrelerle olan ilişkisinin ardışık ( $recursive$ ) bir yapı sunması nedeniyle modelin parametrelere göre doğrusal olmamasıAnswer
B
$MA$ modellerinde tersinirlik ( $invertibility$ ) koşulunun sağlanması durumunda otokovaryans fonksiyonunun tüm gecikmeler için sabit bir değer alması
C
$MA(q)$ sürecinin otokorelasyon fonksiyonunun ( $ACF$ ) $q$ gecikmesinden sonra kesilmesi nedeniyle matris işlemlerinin tanımsız hale gelmesi
D
$MA$ modellerinde hata terimlerinin varyansının zaman boyunca sabit kalması varsayımının ( $homoscedasticity$ ) sadece iteratif yöntemlerle test edilebilmesi
E
$MA$ sürecinde karakteristik denklemin köklerinin birim çemberin dışında kalması durumunda modelin durağanlık özelliğini kaybetmesi

Answer

Hata terimlerinin doğrudan gözlemlenememesi ve parametrelerle olan ardışık ilişkisi nedeniyle modelin doğrusal olmayan bir yapı sergilemesi

Doğru cevap, hata terimlerinin gözlemlenemez oluşu ve modelin parametreler açısından doğrusal olmayan bir yapı sunmasıdır.

AR

modellerinde bağımsız değişkenler geçmiş gözlemler olduğu için standart

OLS

uygulanabilirken,

MA

modellerinde hata terimleri ancak parametre tahminleri yapıldıkça elde edilebilir, bu da süreci iteratif bir hale getirir.

Step-by-Step Solution

AR(p)

MA(q)

modellerinin yapısal denklemlerini karşılaştırın.

AR

modelinde

Y_t

, gözlemlenebilir geçmiş değerlerin (

Y_{t-1}

) bir fonksiyonudur;

MA

modelinde ise gözlemlenemeyen hata terimlerinin (

a_{t-1}

) fonksiyonudur.

Tahmin yönteminin belirlenmesindeki ilk adım bağımsız değişkenlerin niteliğini anlamaktır.

MA

modelindeki regresörlerin (hata terimleri) nasıl elde edildiğini analiz edin.

Hata terimi

a_t = Y_t - \theta_1 a_{t-1} - ...

, yani mevcut hata terimi hem parametrelere hem de geçmiş hata terimlerine bağlıdır.

Bu ardışık bağımlılık, parametrelerin hata terimleri üzerinde doğrusal olmayan bir etkiye sahip olmasına neden olur.

Tahmin yönteminin gerekliliğini sonuçlandırın.

Doğrusal En Küçük Kareler (

OLS

), parametrelerin doğrusal olduğu durumlarda kapalı formda çözüm verir; ancak

MA

modellerindeki bu yapı ancak iteratif (tekrarlamalı) algoritmalarla (Gauss-Newton gibi) çözülebilir.

Gözlemlenemeyen değişkenler ve doğrusal olmayan parametre yapısı iteratif çözümü zorunlu kılar.

Key Concept

Hata terimlerinin gözlemlenemezliği ve MA modellerinde doğrusal olmayan parametre tahmini

Question

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Topics

More questions from this topic