Basit Doğrusal Regresyon Analizi Practice Questions — KPSS İstatistik — Page 3

Question 41Question →

Klasik Doğrusal Regresyon Modeli varsayımları altında, En Küçük Kareler (EKK) tahmin edicilerinin Gauss-Markov Teoremi uyarınca "En İyi Doğrusal Sapmasız Tahmin Edici" (BLUE) özelliğine sahip olması hedeflenir. Buna göre, EKK tahmin edicilerinin BLUE özelliğini taşıması için hata terimleri ( $\epsilon$ ) üzerinde yapılan aşağıdaki varsayımlardan hangisi zorunlu değildir?

Hata terimlerinin beklenen değerinin sıfır olması (

E[\epsilon_i] = 0

)

Hata terimlerinin sabit bir varyansa sahip olması (

Var(\epsilon_i) = \sigma^2

)

Farklı gözlemlere ait hata terimleri arasında ilişki olmaması (

Cov(\epsilon_i, \epsilon_j) = 0

)

Hata terimlerinin normal dağılım göstermesi (

\epsilon \sim N

)

Bağımsız değişkenler ile hata terimi arasında ilişki olmaması (

Cov(X_i, \epsilon_i) = 0

)

Show answer & explanation

Answer: Hata terimlerinin normal dağılım göstermesi ( $\epsilon \sim N$ )

Answer

Hata terimlerinin normal dağılım göstermesi varsayımı, EKK tahmin edicilerinin BLUE olması için zorunlu değildir.

Gauss-Markov teoremi, EKK tahmin edicilerinin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olması için hata terimlerinin beklenen değerinin sıfır olması, sabit varyanslı olması ve birbirleriyle ilişkisiz olması gerektiğini belirtir. Ancak, hata terimlerinin normal dağılım göstermesi bu teoremin bir şartı değildir. Normallik varsayımı, tahmin edicilerin örnekleme dağılımlarının bilinmesi ve böylece

t

veya

F

testlerinin yapılabilmesi için gereklidir.

Step-by-Step Solution

1

BLUE kavramının bileşenlerini analiz etme

BLUE: Doğrusal (Linear), Sapmasız (Unbiased) ve En İyi/Minimum Varyanslı (Best) özelliklerini ifade eder.

Gauss-Markov teoremi, belirli varsayımlar altında EKK'nın bu üç özelliği de taşıdığını kanıtlar.

2

Gauss-Markov varsayımlarını değerlendirme

Doğrusallık parametrelerle, sapmasızlık hata teriminin sıfır beklenen değeriyle, etkinlik (en iyi olma) ise sabit varyans ve otokorelasyon yokluğu ile sağlanır.

Bu varsayımlar sağlandığında EKK, tüm doğrusal sapmasız tahmin ediciler arasında en küçük varyansa sahip olur.

3

Normal dağılımın rolünü belirleme

Normal dağılım varsayımı olmadan da EKK tahmin edicileri BLUE kalmaya devam eder.

Normality (normallik) varsayımı BLUE özelliğinin bir parçası değildir; sadece istatistiksel çıkarım (hipotez testleri) aşamasında test istatistiklerinin dağılımını belirlemek için kullanılır.

Key Concept

Gauss-Markov Teoremi ve BLUE Özellikleri

Hints

1

BLUE kısaltmasındaki 'B' (Best/En İyi) ifadesinin varyansla ilişkili olduğunu hatırlayın.

2

Hangi varsayımın ihlali durumunda tahmin edicinin sapmasızlığının bozulmadığını ancak varyansının şiştiğini düşünün.

3

Normal dağılım varsayımının genellikle 't-testi' gibi çıkarımsal analizlerde karşımıza çıktığını, teoremin kendisi için şart olmadığını fark edin.

Practice More

Değişen varyans (heteroskedastisite) durumunda EKK tahmin edicilerinin hangi özelliklerini koruyup hangilerini kaybettiğini inceleyen soruları çözebilirsiniz.

Estimated Time:1m 30s

Question 42Question →

Bir araştırmacı, üzerinde çalıştığı ekonomik modelin teorik yapısı gereği bağımsız değişken ( $X$ ) sıfır olduğunda bağımlı değişkenin ( $Y$ ) de sıfır olması gerektiğini varsaymış ve $Y_i = \beta_1 X_i + u_i$ şeklinde orijinden geçen basit doğrusal regresyon modelini kurmuştur. Bu modelin En Küçük Kareler (EKK) yöntemi ile tahmin edilmesi sürecinde ortaya çıkan özelliklerle ilgili aşağıdakilerden hangisi doğrudur?

Modelden elde edilen artıkların (kalıntıların) toplamı her zaman sıfıra eşittir (

\sum e_i = 0

).

Tahmin edilen regresyon doğrusu her zaman gözlemlerin aritmetik ortalamalarından (

\bar{X}, \bar{Y}

) geçer.

Hata terimi varyansının (

\sigma^2

) yansız bir tahmin edicisini elde etmek için Hata Kareler Toplamı

n-1

serbestlik derecesine bölünür.

Geleneksel yöntemle hesaplanan belirtme katsayısı (

R^2

), her zaman 0 ile 1 arasında pozitif bir değer alır.

Eğim katsayısının (

\hat{\beta}_1

) hesaplanmasında verilerin aritmetik ortalamadan sapmaları (küçük harf notasyonu) kullanılır.

Show answer & explanation

Answer: Hata terimi varyansının ( $\sigma^2$ ) yansız bir tahmin edicisini elde etmek için Hata Kareler Toplamı $n-1$ serbestlik derecesine bölünür.

Answer

Hata varyansının yansız tahmininde serbestlik derecesinin n-1 olarak kullanılması orijinden geçen regresyon modelinin temel bir özelliğidir.

Orijinden geçen regresyon modelinde sadece bir katsayı (eğim) tahmin edildiği için, hata varyansı hesaplanırken serbestlik derecesi

n-1

olarak alınır. Ayrıca bu modelde regresyon doğrusu orijinden geçmek zorunda olduğu için aritmetik ortalamalardan geçme ve artıklar toplamının sıfır olması gibi standart özellikler geçerliliğini yitirir.

Step-by-Step Solution

1

Modelin parametre sayısını tespit edin.

Model

Y_i = \beta_1 X_i + u_i

şeklinde olup sadece tek bir parametre (

\beta_1

) içermektedir.

Serbestlik derecesi, gözlem sayısından tahmin edilen parametre sayısının çıkarılmasıyla bulunur.

2

Hata varyansı tahmini için serbestlik derecesini hesaplayın.

n - k = n - 1

.

Sabit terim (

\beta_0

) modelde yer almadığı için katsayı sayısı 1'dir.

3

Diğer özellikleri teorik olarak değerlendirin.

Normal denklemlerden (Normal Equations) gelen

\sum e_i = 0

şartının sadece sabit terimli modellerde (sabit terime göre türev alındığında) sağlandığını, orijinden geçen modelde ise bunun garanti edilmediğini doğrulayın.

EKK türetiminde sabit terime göre kısmi türev alındığında

\sum e_i = 0

elde edilir; sabit terim yoksa bu kısıt ortadan kalkar.

Key Concept

Orijinden geçen regresyon modellerinde serbestlik derecesi ve artık özellikleri

Estimated Time:1m 30s

Question 43Question →

Bir iktisatçı, hanehalkı geliri ( $X$ ) ile tüketim harcamaları ( $Y$ ) arasındaki ilişkiyi incelemek amacıyla $20$ hanehalkından veri toplamış ve basit doğrusal regresyon modelini tahmin etmiştir. Analiz sonucunda eğim katsayısı ( $\hat{\beta}_1$ ) $4,50$ ve bu katsayıya ait standart hata ( $SE(\hat{\beta}_1)$ ) $1,50$ olarak hesaplanmıştır. Eğim katsayısının anlamlılığına ilişkin kurulan $H_0: \beta_1 = 0$ hipotezinin testi için hesaplanan $t$ istatistiği ( $t_{hesap}$ ) değeri ve bu testte kullanılacak serbestlik derecesi ( $sd$ ) aşağıdakilerin hangisinde doğru verilmiştir?

t_{hesap} = 3,00

;

sd = 18

t_{hesap} = 3,00

;

sd = 19

t_{hesap} = 3,00

;

sd = 20

t_{hesap} = 0,33

;

sd = 18

t_{hesap} = 9,00

;

sd = 18

Show answer & explanation

Answer: $t_{hesap} = 3,00$ ; $sd = 18$

Answer

Hesaplanan t değeri 3,00 ve serbestlik derecesi 18'dir.

Doğru yanıt, katsayı değerinin (

4,50

) standart hataya (

1,50

) bölünmesiyle elde edilen

3,00

t-değerini ve

20

gözlemden

2

parametre çıkarılarak bulunan

18

serbestlik derecesini içeren ifadedir.

Step-by-Step Solution

1

t-istatistiği değerini hesaplayınız.

t_{hesap} = \frac{\hat{\beta}_1}{SE(\hat{\beta}_1)} = \frac{4,50}{1,50} = 3,00

Regresyon katsayılarının anlamlılık testi için hesaplanan t değeri, katsayı tahmininin kendi standart hatasına oranlanmasıyla bulunur.

2

Test için geçerli serbestlik derecesini belirleyiniz.

sd = n - 2 = 20 - 2 = 18

Basit doğrusal regresyon modelinde iki parametre (

\beta_0

ve

\beta_1

) tahmin edildiği için hata terimi varyansının tahmininde

2

serbestlik derecesi kaybedilir.

Key Concept

Basit doğrusal regresyonda eğim katsayısı için t-testi istatistiği ve serbestlik derecesi hesaplaması.

Practice More

Modelin anlamlılığı için F istatistiğini hesaplayıp t istatistiği ile ilişkisini (F = t²) gözlemleyebilirsiniz.

Estimated Time:1m 30s

Question 44Question →

Bir araştırmacı, günlük ortalama güneşlenme süresi ( $X$ , saat) ile bir güneş panelinin günlük elektrik üretim miktarı ( $Y$ , kWh) arasındaki ilişkiyi belirlemek amacıyla 18 günlük veri toplamıştır. Elde edilen verilerle kurulan basit doğrusal regresyon modelinde eğim katsayısı $\hat{\beta}_1 = 0,72$ ve katsayının standart hatası $se(\hat{\beta}_1) = 0,18$ olarak hesaplanmıştır. Bu modele göre, $H_0: \beta_1 = 0$ yokluk hipotezini test etmek için kullanılan hesaplanmış t-değeri ( $t_{hesap}$ ) ve bu testin serbestlik derecesi ( $sd$ ) aşağıdakilerin hangisinde doğru verilmiştir?

t_{hesap} = 4,00

;

sd = 16

t_{hesap} = 4,00

;

sd = 17

t_{hesap} = 4,00

;

sd = 18

t_{hesap} = 0,25

;

sd = 16

F_{hesap} = 16,00

;

sd = 1, 16

Show answer & explanation

Answer: $t_{hesap} = 4,00$ ; $sd = 16$

Answer

Hesaplanmış t-istatistiği 4,00 ve serbestlik derecesi 16'dır.

Eğim katsayısının anlamlılığını test etmek için kullanılan t-istatistiği, katsayının (

\hat{\beta}_1

) standart hatasına (

se(\hat{\beta}_1)

) bölünmesiyle elde edilir. Bu durumda

0,72 / 0,18 = 4,00

bulunur. Basit doğrusal regresyon analizinde hata terimine ait serbestlik derecesi

n-2

formülüyle hesaplanır; 18 gözlem için bu değer

18 - 2 = 16

olur.

Step-by-Step Solution

1

t-istatistiği hesaplama formülünü uygula.

t_{hesap} = \frac{\hat{\beta}_1}{se(\hat{\beta}_1)} = \frac{0,72}{0,18} = 4,00

Regresyon katsayısının anlamlılık testi için hesaplanan t-istatistiği, katsayı tahmininin kendi standart hatasına oranıdır.

2

Hata terimi için serbestlik derecesini belirle.

sd = n - k = 18 - 2 = 16

Basit doğrusal regresyonda iki adet parametre (

\beta_0

ve

\beta_1

) tahmin edildiği için serbestlik derecesi gözlem sayısından 2 çıkarılarak bulunur.

Key Concept

Basit doğrusal regresyonda eğim katsayısı için t-testi istatistiği ve serbestlik derecesi hesaplaması.

Practice More

Katsayı için %95 güven aralığı hesaplayarak t-tablo değerinin bu aralık üzerindeki etkisini inceleyebilirsiniz.

Estimated Time:1m 30s

Question 45Question →

Bir işletmenin aylık reklam harcamaları ( $X$ , bin TL) ile satış hacmi ( $Y$ , bin adet) arasındaki ilişkiyi incelemek amacıyla 10 aylık veriler toplanmış ve aşağıdaki özet istatistikler hesaplanmıştır:

İstatistik	Değer
$n$	$10$
$\sum X_i$	$100$
$\sum Y_i$	$250$
$\sum X_i^2$	$1200$
$\sum Y_i^2$	$6850$
$\sum X_i Y_i$	$2800$

Buna göre, En Küçük Kareler (EKK) yöntemi ile tahmin edilen basit doğrusal regresyon denklemi ve bu tahmin edicilerin istatistiksel özellikleri ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Tahmin denklemi

\hat{Y}_i = 10,0 + 1,5 X_i

şeklindedir ve EKK tahmin edicileri Gauss-Markov varsayımları altında en iyi doğrusal sapmasız tahmin edicilerdir (BLUE).

Tahmin denklemi

\hat{Y}_i = 20,0 + 0,5 X_i

şeklindedir ve bu tahmin ediciler sapmalı ancak en küçük varyanslıdır.

Tahmin denklemi

\hat{Y}_i = 18,3 + 0,67 X_i

şeklindedir ve katsayılar sadece örneklem hacmi sonsuza giderken sapmasızdır.

Tahmin denklemi

\hat{Y}_i = 10,0 + 1,5 X_i

şeklindedir ancak bu tahmin ediciler doğrusal olmadıkları için etkin değildir.

Tahmin denklemi

\hat{Y}_i = 25,0 + 1,5 X_i

şeklindedir ve sabit terim her zaman bağımlı değişkenin ortalamasına eşittir.

Show answer & explanation

Answer: Tahmin denklemi $\hat{Y}_i = 10,0 + 1,5 X_i$ şeklindedir ve EKK tahmin edicileri Gauss-Markov varsayımları altında en iyi doğrusal sapmasız tahmin edicilerdir (BLUE).

Answer

Tahmin denklemi

\hat{Y}_i = 10,0 + 1,5 X_i

şeklindedir ve bu katsayılar Gauss-Markov varsayımları altında en iyi doğrusal sapmasız tahmin edicilerdir.

Yapılan hesaplamalar sonucunda eğim katsayısı

1,5

ve sabit terim

10,0

olarak bulunmuştur. Ayrıca Gauss-Markov teoremi uyarınca, temel varsayımlar sağlandığında EKK tahmin edicileri tüm doğrusal ve sapmasız tahmin ediciler içinde en küçük varyansa sahip (BLUE) olanlardır.

Step-by-Step Solution

1

Değişkenlerin ortalamalarını hesaplayınız.

\bar{X} = 100 / 10 = 10

;

\bar{Y} = 250 / 10 = 25

Katsayı formüllerinde sapma değerlerini veya ortalamaları kullanmak gereklidir.

2

Kareler ve çarpımlar toplamını (

SS_{xx}

ve

SS_{xy}

) hesaplayınız.

SS_{xx} = \sum X_i^2 - n \bar{X}^2 = 1200 - 10(10)^2 = 200

;

SS_{xy} = \sum X_i Y_i - n \bar{X} \bar{Y} = 2800 - 10(10)(25) = 300

Eğim katsayısı tahmini için bağımsız değişkenin varyasyonu ve değişkenler arası ortak varyasyon gereklidir.

3

Eğim katsayısını (

\hat{\beta}_1

) ve sabit terimi (

\hat{\beta}_0

) tahmin ediniz.

\hat{\beta}_1 = SS_{xy} / SS_{xx} = 300 / 200 = 1,5

;

\hat{\beta}_0 = \bar{Y} - \hat{\beta}_1 \bar{X} = 25 - (1,5)(10) = 10

En Küçük Kareler yöntemi katsayı formülleri uygulanır.

4

Tahmin edicilerin özelliklerini Gauss-Markov teoremi çerçevesinde değerlendiriniz.

EKK tahmin edicileri Doğrusal (Linear), Sapmasız (Unbiased) ve En Küçük Varyanslı (Best/Efficient) özelliklerini bir arada taşır.

Klasik regresyon varsayımları altında EKK tahmin edicileri BLUE olarak tanımlanır.

Key Concept

EKK Katsayı Tahmini ve BLUE Özelliği

Estimated Time:1m 30s

Question 46Question →

Veri setindeki gözlemler için regresyon doğrusunun orijinden (başlangıç noktasından) geçmesi gerektiği varsayımı altında kurulan $Y_i = \beta X_i + u_i$ modelinin tahmin süreci ve özellikleri ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Hata terimi varyansının (

\sigma^2

) sapmasız bir tahmincisini bulmak için hata (kalıntı) kareler toplamı

n-1

serbestlik derecesine bölünür.

Modelden elde edilen kalıntıların (artıkların) toplamı (

\sum e_i

) her zaman sıfıra eşittir.

Tahmin edilen regresyon doğrusu her zaman değişkenlerin örneklem ortalamalarından (

\bar{X}, \bar{Y}

) geçer.

Bu modelde hesaplanan belirtme katsayısı (

R^2

), sabit terimli model ile aynı matematiksel temele sahiptir ve değerleri birbiriyle doğrudan karşılaştırılabilir.

Eğim parametresinin (

\beta

) tahmincisi varyansının hesaplanmasında payda değeri

n-2

olarak kullanılır.

Show answer & explanation

Answer: Hata terimi varyansının ( $\sigma^2$ ) sapmasız bir tahmincisini bulmak için hata (kalıntı) kareler toplamı $n-1$ serbestlik derecesine bölünür.

Answer

Hata terimi varyansının (

\sigma^2

) sapmasız bir tahmincisini bulmak için hata (kalıntı) kareler toplamının

n-1

serbestlik derecesine bölünmesi ifadesi doğrudur.

Orijinden geçen regresyon modellerinde (

Y = \beta X + u

), tahmin edilen tek bir parametre (eğim katsayısı) olduğu için hata kareler toplamının serbestlik derecesi

n-1

olur. Bu nedenle hata varyansının sapmasız tahmincisi elde edilirken payda kısmında

n-1

kullanılır.

Step-by-Step Solution

1

Parametre sayısının belirlenmesi

k = 1

(Sadece

\beta

parametresi)

Orijinden geçen modelde sabit terim (

intercept

) bulunmaz.

2

Serbestlik derecesinin hesaplanması

sd = n - k = n - 1

Serbestlik derecesi, gözlem sayısından tahmin edilen parametre sayısının çıkarılmasıyla bulunur.

3

Varyans tahmincisinin formülasyonu

\hat{\sigma}^2 = \frac{\sum e_i^2}{n-1}

Hata varyansının sapmasız tahmincisi için hata kareler toplamı (HKT), ilgili serbestlik derecesine bölünmelidir.

Key Concept

Orijinden geçen regresyon modellerinde serbestlik derecesi, sabit terim tahmin edilmediği için klasik modelden (

n-2

) farklı olarak

n-1

şeklinde hesaplanır.

Question 47Question →

Bir araştırmacı, kurduğu basit doğrusal regresyon modelinde hata terimlerinin normal dağılım göstermediğini, ancak diğer tüm klasik varsayımların (sabit varyans, sıfır ortalama ve otokorelasyon yokluğu) sağlandığını tespit etmiştir. Bu verilere göre, En Küçük Kareler (EKK) yöntemiyle elde edilen parametre tahmin edicileri hakkında aşağıdakilerden hangisi söylenebilir?

Tahmin ediciler hâlâ En İyi Doğrusal Sapmasız Tahmin Edici (BLUE) olma özelliğini korur.

Tahmin ediciler sapmalı (biased) hale gelir ve gerçek parametre değerlerinden uzaklaşır.

Tahmin edicilerin varyansı artık minimum değildir ve etkinlik özelliği kaybolur.

Küçük örneklemlerde katsayılar için yapılan

t

ve

F

testleri tam olarak doğru sonuçlar vermeye devam eder.

Modelin belirtme katsayısı (

R^2

) hesaplanamaz veya matematiksel olarak anlamsız hale gelir.

Show answer & explanation

Answer: Tahmin ediciler hâlâ En İyi Doğrusal Sapmasız Tahmin Edici (BLUE) olma özelliğini korur.

Answer

Tahmin ediciler hâlâ En İyi Doğrusal Sapmasız Tahmin Edici (BLUE) olma özelliğini korur.

Gauss-Markov Teoremi uyarınca, hata terimlerinin sıfır ortalamalı, sabit varyanslı ve otokorelasyonsuz olması, EKK tahmin edicilerinin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olması için gerekli ve yeterli şartlardır. Normallik varsayımı ise bu teoremin bir bileşeni olmayıp, sadece küçük örneklemlerde istatistiksel çıkarım (hipotez testleri ve güven aralıkları) yapabilmek için modele eklenir. Dolayısıyla normallik ihlali katsayıların sapmasızlık ve etkinlik (minimum varyans) özelliklerini bozmaz.

Step-by-Step Solution

1

Gauss-Markov varsayımlarını değerlendir.

BLUE özelliği için; parametrelerde doğrusallık, sıfır hata ortalaması (

E[\epsilon]=0

), sabit varyans (

Var(\epsilon)=\sigma^2

) ve otokorelasyon yokluğu (

Cov(\epsilon_i,\epsilon_j)=0

) gereklidir.

Bu varsayımlar tahmin edicinin sapmasız ve minimum varyanslı olmasını sağlar.

2

Normallik varsayımının rolünü tespit et.

Normallik varsayımı (

\epsilon_i \sim N(0, \sigma^2)

), Gauss-Markov Teoremi'nin bir parçası değildir.

Normallik, sadece hipotez testlerinin (t ve F testleri) ve güven aralıklarının küçük örneklemlerde geçerliliği için eklenen bir varsayımdır.

3

İhlalin etkisini belirle.

Sadece normallik varsayımı ihlal edildiğinde, tahmin ediciler doğrusal, sapmasız ve en küçük varyanslı (BLUE) kalmaya devam eder.

Tahmin edicilerin cebirsel özellikleri dağılımın şekline (normalliğe) değil, ilk üç ana varsayıma dayanır.

Key Concept

Gauss-Markov Teoremi ve Normallik Varsayımı Ayrımı

Practice More

Değişen varyans (heteroskedastisite) durumunda EKK tahmin edicilerinin BLUE özelliklerinden hangisini kaybettiğini inceleyiniz.

Estimated Time:1m 30s

Question 48Question →

Bir kamu kurumunda çalışanların hizmet süreleri ( $X$ ) ile verimlilik endeksleri ( $Y$ ) arasındaki ilişkiyi incelemek amacıyla basit doğrusal regresyon analizi yapılmıştır. Analiz sonucunda Regresyon Kareler Toplamı (SSR) $525$ ve Hata Kareler Toplamı (SSE) $175$ olarak hesaplanmıştır.

Buna göre, bu regresyon modeli için belirtme katsayısı ( $R^2$ ) ve bu katsayının doğru yorumu aşağıdakilerden hangisidir?

0,75

; Verimlilik endeksindeki toplam değişimin

\%75

'i hizmet süresi tarafından açıklanmaktadır.

0,75

; Hizmet süresi, verimlilik endeksindeki artışın doğrudan

\%75

oranında nedenidir.

0,25

; Verimlilik endeksindeki toplam değişimin

\%25

'i hizmet süresi tarafından açıklanmaktadır.

0,75

; Hizmet süresi ile verimlilik endeksi arasında

\%75

oranında güçlü ve pozitif yönlü bir ilişki vardır.

3,00

; Bağımsız değişkenin bağımlı değişkeni açıklama gücü oldukça yüksektir.

Show answer & explanation

Answer: $0,75$ ; Verimlilik endeksindeki toplam değişimin $\%75$ 'i hizmet süresi tarafından açıklanmaktadır.

Answer

Belirtme katsayısı

0,75

olup, verimlilik endeksindeki değişimin

\%75

'inin hizmet süresi ile açıklandığını ifade eder.

Doğru seçenekte, Belirtme Katsayısı (

R^2

) doğru hesaplanmış (

525/700 = 0,75

) ve bu katsayının istatistiksel tanımı olan 'bağımlı değişkendeki değişimin bağımsız değişken tarafından açıklanma oranı' ifadesi tam olarak kullanılmıştır.

Step-by-Step Solution

1

Toplam Kareler Toplamı (

SST

) değerini hesaplayınız.

SST = SSR + SSE = 525 + 175 = 700

Belirtme katsayısı formülünde payda kısmında toplam değişkenlik yer almalıdır.

2

Belirtme katsayısı (

R^2

) değerini hesaplayınız.

R^2 = \frac{SSR}{SST} = \frac{525}{700} = 0,75

R^2

değeri, açıklanan değişkenliğin toplam değişkenliğe oranıdır.

3

Hesaplanan değeri istatistiksel olarak yorumlayınız.

Bağımlı değişkendeki (

Y

) varyasyonun

\%75

'i bağımsız değişken (

X

) ile açıklanmaktadır.

Belirtme katsayısının temel tanımı varyans açıklama oranıdır.

Key Concept

Basit doğrusal regresyonda

R^2

(Belirtme Katsayısı), modelin uyum iyiliğini ve bağımsız değişkenin bağımlı değişkendeki değişkenliği açıklama yüzdesini temsil eder.

Question 49Question →

Bir kamu denetçisi, $n = 32$ farklı birimden toplanan verilerle, birime ayrılan yıllık bütçe ( $X$ ) ile birim tarafından başarıyla sonuçlandırılan proje sayısı ( $Y$ ) arasındaki ilişkiyi basit doğrusal regresyon analizi ile incelemiştir. Analiz sonucunda elde edilen kısmi ANOVA tablosu aşağıda verilmiştir:

Kaynak	sd	Kareler Toplamı (KT)	Kareler Ortalaması (KO)	$F$
Regresyon	$1$	$600$	$600$	$?$
Hata	$?$	$?$	$?$
Genel	$31$	$900$

Tablodaki verilere göre, regresyon modelinin genel anlamlılığını test etmek amacıyla hesaplanan $F$ istatistiğinin değeri kaçtır?

60,00

62,00

64,00

30,00

0,67

Show answer & explanation

Answer: 60,00

Answer

Regresyon modelinin genel anlamlılığını test etmek amacıyla hesaplanan

F

istatistiğinin değeri 60,00'dır.

Modelin genel anlamlılığını test eden

F

istatistiği, model tarafından açıklanan varyansın (RKO) açıklanamayan varyansa (HKO) oranıdır. Tablodan hareketle

HKT = 300

ve

sd_{Hata} = 30

olarak bulunur. Buradan

HKO = 300/30 = 10

elde edilir. Sonuç olarak

F = 600 / 10 = 60,00

olarak hesaplanır.

Step-by-Step Solution

1

Hata teriminin serbestlik derecesini (sd) hesaplayın.

sd_{Hata} = 31 - 1 = 30

Hata serbestlik derecesi, genel serbestlik derecesinden regresyon serbestlik derecesinin çıkarılmasıyla (veya n-2 formülüyle) bulunur.

2

Hata Kareler Toplamını (HKT) hesaplayın.

HKT = 900 - 600 = 300

Genel Kareler Toplamı, Regresyon Kareler Toplamı ile Hata Kareler Toplamının toplamına eşittir.

3

Hata Kareler Ortalamasını (HKO) hesaplayın.

HKO = 300 / 30 = 10

Kareler ortalaması, ilgili kareler toplamının serbestlik derecesine bölünmesiyle elde edilir.

4

F

istatistiğini hesaplayın.

F = 600 / 10 = 60

F istatistiği, Regresyon Kareler Ortalamasının (RKO) Hata Kareler Ortalamasına (HKO) oranıdır.

Key Concept

Regresyonda Varyans Analizi (ANOVA) ve F-İstatistiği Hesaplaması

Question 50Question →

Basit doğrusal regresyon analizinde, En Küçük Kareler (EKK) yöntemiyle elde edilen katsayı tahmin edicilerinin ( $\hat{\beta}_0, \hat{\beta}_1$ ) sapmasız (unbiased) olma özelliğini sağlayabilmesi için bağımsız değişken ( $X$ ) ile hata terimi ( $\epsilon$ ) arasındaki ilişkiye dair temel varsayım aşağıdakilerden hangisidir?

X

değişkeni ile

\epsilon

hata terimi arasındaki kovaryans sıfıra eşit (

Cov(X, \epsilon) = 0

) olmalıdır.

X

değişkeni ile

\epsilon

hata terimi arasında her zaman kuvvetli ve pozitif bir korelasyon bulunmalıdır.

X

değişkeninin varyansı,

\epsilon

hata teriminin varyansına her gözlem için eşit olmalıdır.

\epsilon

hata teriminin beklenen değeri,

X

değişkeninin aldığı değerlere bağlı olarak sistematik olarak değişmelidir.

Bağımsız değişken ile hata terimi arasında tam çoklu doğrusal bağlantı (multicollinearity) bulunmalıdır.

Show answer & explanation

Answer: $X$ değişkeni ile $\epsilon$ hata terimi arasındaki kovaryans sıfıra eşit ( $Cov(X, \epsilon) = 0$ ) olmalıdır.

Answer

Bağımsız değişken (

X

) ile hata terimi (

\epsilon

) arasındaki kovaryansın sıfıra eşit olması varsayımıdır.

Klasik Doğrusal Regresyon Modeli'nde tahmin edicilerin sapmasız olması için bağımsız değişkenlerin hata terimi ile ilişkisiz olması gerekir. Matematiksel olarak

Cov(X, \epsilon) = 0

varsayımı, hata teriminin beklenen değerinin bağımsız değişkenin değerlerinden etkilenmediğini (ekzojenlik) ifade eder.

Step-by-Step Solution

1

EKK tahmin edicilerinin sapmasızlık şartını hatırla.

E(\hat{\beta}) = \beta

olması beklenir.

Tahmin edicilerin ortalamada gerçek parametre değerini vermesi sapmasızlık olarak tanımlanır.

2

Tahmin edici formülündeki hata terimi ve bağımsız değişken ilişkisini analiz et.

Sapmasızlık için

E(\sum w_i \epsilon_i) = 0

şartı gereklidir, burada

w_i

bağımsız değişkene (

X

) bağlıdır.

Eğer

X

ve

\epsilon

ilişkili ise (kovaryans sıfır değilse), hata terimi katsayı tahminini belirli bir yöne çeker.

3

Temel varsayımı belirle.

Cov(X, \epsilon) = 0

(veya

E(\epsilon|X) = 0

) varsayımı sağlanmalıdır.

Bu varsayım (dışsallık), bağımsız değişkenin hata teriminden bağımsız olduğunu ve katsayıların doğru tahmin edildiğini garanti eder.

Key Concept

Hata Terimi ve Bağımsız Değişkenin İlişkisizliği (Dışsallık Varsayımı)

Practice More

Varsayımların ihlal edilmesi durumunda (örneğin endojenlik) hangi alternatif tahmin yöntemlerinin (Araç Değişkenler - IV gibi) kullanıldığını inceleyebilirsiniz.

Estimated Time:1m 30s

Question 51Question →

Bir ziraat mühendisi, kullanılan gübre miktarı ( $X$ ) ile elde edilen ürün verimi ( $Y$ ) arasındaki ilişkiyi incelemek amacıyla $n = 20$ gözlem kullanarak basit doğrusal regresyon analizi yapmıştır. Analiz sonucunda elde edilen bazı istatistikler aşağıdadır:

- $\bar{X} = 15$
- $\sum (X_i - \bar{X})^2 = 500$
- Hata Kareler Ortalaması ( $HKO$ ) = $40$

Buna göre, $X_0 = 25$ gübre miktarı için bireysel bir ürün verimi değerinin kestirimine ait standart hata kaçtır?

\sqrt{10}

\sqrt{42}

5\sqrt{2}

4\sqrt{3}

\sqrt{60}

Show answer & explanation

Answer: $5\sqrt{2}$

Answer

Bireysel bir gözlemin kestirimine ait standart hata

5\sqrt{2}

olarak hesaplanır.

Bireysel değer kestirimi için standart hata hesaplanırken, hata kareler ortalaması (

HKO

) ile

[1 + 1/n + (X_0-\bar{X})^2/S_{xx}]

ifadesi çarpılır. İşlem sonucunda

\sqrt{50}

elde edilir, bu da

5\sqrt{2}

değerine eşittir.

Step-by-Step Solution

1

Bireysel kestirim hatasının varyans formülünü belirleyin.

s^2_{ind} = HKO \cdot [1 + \frac{1}{n} + \frac{(X_0 - \bar{X})^2}{\sum (X_i - \bar{X})^2}]

Bireysel değer tahmini, ortalama değer tahminine ek olarak modelin rastgele hata teriminin (

\sigma^2

) varyansını da içerdiği için formülde fazladan '1' sabiti bulunur.

2

Verilen değerleri formülde yerine koyun.

s^2_{ind} = 40 \cdot [1 + \frac{1}{20} + \frac{(25 - 15)^2}{500}]

; burada

s^2_{ind} = 40 \cdot [1 + 0,05 + \frac{100}{500}]

Uzaklık kareleri toplamı ve gözlem sayısı gibi parametreler formüle yerleştirilerek katsayı hesaplanır.

3

Varyans ve standart hata değerini hesaplayın.

s^2_{ind} = 40 \cdot [1,25] = 50

ise

s_{ind} = \sqrt{50}

Parantez içindeki değerin HKO ile çarpımı kestirim varyansını verir, karekökü ise standart hatayı verir.

4

Karekök ifadesini en sade hale getirin.

\sqrt{50} = \sqrt{25 \times 2} = 5\sqrt{2}

Sonucun seçeneklerdeki matematiksel gösterime uygun hale getirilmesi gerekir.

Key Concept

Bireysel değerler için kestirim aralığı, her zaman ortalama değer (beklenen değer) için güven aralığından daha geniştir çünkü bireysel gözlemler modeldeki hata teriminin belirsizliğini de taşır.

Question 52Question →

Basit doğrusal regresyon analizinde, En Küçük Kareler (EKK) tahmin edicilerinin Gauss-Markov teoremi uyarınca 'En İyi Doğrusal Sapmasız Tahmin Edici' (BLUE) özelliğini taşıması için hata terimlerinin ( $\epsilon_i$ ) varyans-kovaryans matrisinin ( $\mathbf{\Omega}$ ) yapısı ile ilgili aşağıdakilerden hangisi doğrudur?

Matrisin köşegen elemanları sabit bir

\sigma^2

değerine eşit, köşegen dışı elemanları ise sıfır olmalıdır.

Matrisin tüm elemanları hata terimlerinin beklenen değerine (

E(\epsilon) = 0

) uygun olarak sıfır değerini almalıdır.

Matrisin sadece köşegen elemanları gözlem birimlerine göre farklılaşan

\sigma_i^2

değerlerini almalıdır.

Matrisin köşegen dışı elemanları hatalar arası bağımlılığı göstermek üzere sıfırdan farklı sabit bir

\rho

değerine sahip olmalıdır.

Matrisin köşegen elemanları her zaman 1 değerini alarak birim matris formunda tanımlanmalıdır.

Show answer & explanation

Answer: Matrisin köşegen elemanları sabit bir $\sigma^2$ değerine eşit, köşegen dışı elemanları ise sıfır olmalıdır.

Answer

En Küçük Kareler tahmin edicilerinin BLUE olabilmesi için varyans-kovaryans matrisinin köşegen elemanlarının sabit (

\sigma^2

) ve köşegen dışı elemanlarının sıfır olması, yani

E(\mathbf{\epsilon \epsilon'}) = \sigma^2 \mathbf{I}

koşulunun sağlanması gerekir.

Klasik Doğrusal Regresyon Modeli'nde hataların küresel (spherical) olması varsayımı, hem varyansın her gözlem için aynı kalmasını (homoskedastisite) hem de gözlemler arası ilişkinin olmamasını gerektirir. Bu durum matris formunda, köşegenlerin sabit bir varyans değeri taşıması ve geri kalan tüm hücrelerin sıfır olmasıyla ifade edilen skaler matris yapısına karşılık gelir.

Step-by-Step Solution

1

Varyans-kovaryans matrisinin yapısını analiz etme

\mathbf{\Omega} = E(\mathbf{\epsilon \epsilon'})

matrisinde köşegen elemanları varyansları (

Var(\epsilon_i)

), köşegen dışı elemanlar ise kovaryansları (

Cov(\epsilon_i, \epsilon_j)

) temsil eder.

Matrisin hangi elemanının hangi istatistiksel varsayımı temsil ettiğini anlamak için.

2

Gauss-Markov varsayımlarını uygulama

BLUE özelliği için Sabit Varyans (

Var(\epsilon_i) = \sigma^2

) ve Otokorelasyon Yokluğu (

Cov(\epsilon_i, \epsilon_j) = 0

) varsayımları gereklidir.

En küçük varyanslı (etkin) tahmin ediciye ulaşmak için gereken kısıtları belirlemek için.

3

Matris formunu oluşturma

Tüm köşegenler

\sigma^2

ve diğerleri 0 olduğunda matris

\sigma^2 \mathbf{I}

(skaler matris) halini alır.

Sözel varsayımları matematiksel gösterime dönüştürmek için.

Key Concept

Hata Terimlerinin Küresel Varyans Varsayımı (Spherical Errors)

Practice More

Değişen varyans veya otokorelasyon durumunda BLUE tahmin edicilere ulaşmak için kullanılan 'Genelleştirilmiş En Küçük Kareler' (GEKK) yöntemini inceleyebilirsiniz.

Estimated Time:1m 30s

Question 53Question →

Bir kamu bankasında yürütülen performans analizi çalışmasında, personel başına düşen yıllık hizmet içi eğitim saati ( $X$ ) ile personelin işlem doğruluğu puanı ( $Y$ ) arasındaki ilişkiyi incelemek amacıyla basit doğrusal regresyon analizi uygulanmıştır. Yapılan analiz sonucunda elde edilen ANOVA (Varyans Analizi) tablosuna ait bazı bilgiler aşağıda verilmiştir:

Kaynak	Kareler Toplamı (KT)
Regresyon (SSR)	$315$
Hata / Artık (SSE)	$135$
Toplam (SST)	$450$

Buna göre, bu regresyon modeli için hesaplanan belirtme katsayısı ( $R^2$ ) değeri ve bu değerin doğru yorumu aşağıdakilerden hangisidir?

R^2 = 0,70

; İşlem doğruluğu puanındaki toplam değişimin %70'i eğitim saati değişkeni tarafından açıklanmaktadır.

R^2 = 0,70

; Eğitim saatindeki artış, işlem doğruluğu puanındaki artışın %70'ine doğrudan neden olmaktadır.

R^2 = 0,30

; İşlem doğruluğu puanındaki toplam değişimin %30'u eğitim saati değişkeni tarafından açıklanmaktadır.

R^2 = 0,70

; Eğitim saati değişkenindeki toplam değişimin %70'i işlem doğruluğu puanı tarafından açıklanmaktadır.

R^2 = 2,33

; Eğitim saati ile işlem doğruluğu puanı arasında kuvvetli ve doğru yönlü bir ilişki bulunmaktadır.

Show answer & explanation

Answer: $R^2 = 0,70$ ; İşlem doğruluğu puanındaki toplam değişimin %70'i eğitim saati değişkeni tarafından açıklanmaktadır.

Answer

R^2 = 0,70

değeri, bağımlı değişkendeki (işlem doğruluğu) toplam değişimin %70'inin bağımsız değişken (eğitim saati) tarafından açıklandığını gösterir.

Hesaplanan

0,70

değeri, Regresyon Kareler Toplamı'nın (

315

) Toplam Kareler Toplamı'na (

450

) bölünmesiyle elde edilir. Bu değer, bağımlı değişkendeki toplam varyasyonun modeldeki bağımsız değişken tarafından temsil edilme (açıklanma) oranını ifade eden belirtme katsayısıdır.

Step-by-Step Solution

1

Belirtme katsayısı (

R^2

) formülünü belirleyin.

R^2 = \frac{SSR}{SST}

veya

R^2 = \frac{SSR}{SSR + SSE}

Belirtme katsayısı, regresyon modelinin toplam varyansı ne ölçüde açıkladığını gösteren orandır.

2

Tablodaki değerleri formülde yerine koyarak hesaplama yapın.

R^2 = \frac{315}{450} = 0,70

Regresyon Kareler Toplamı (

315

) ile Toplam Kareler Toplamı (

450

) arasındaki oran modelin başarısını gösterir.

3

Elde edilen değeri istatistiksel olarak yorumlayın.

Bağımlı değişkendeki (

Y

) varyansın %70'i bağımsız değişken (

X

) tarafından açıklanır.

R^2

değeri, modelin açıklayıcılık gücünü yüzde cinsinden ifade eder.

Key Concept

Basit doğrusal regresyonda belirtme katsayısı (

R^2

), bağımlı değişkendeki toplam değişimin ne kadarının bağımsız değişken tarafından açıklandığını gösteren

0

ile

1

arasındaki bir ölçüdür.

Hints

1

R^2

değerini bulmak için regresyonun açıkladığı kareler toplamını toplam kareler toplamına oranlamanız gerekir.

2

Formül:

R^2 = SSR / SST

. Değerleri yerine koyun:

315 / 450

.

Practice More

Düzeltilmiş belirtme katsayısının (

\bar{R}^2

) neden çoklu regresyon modellerinde tercih edildiğini araştırabilirsiniz.

Estimated Time:1m 30s

Question 54Question →

Regresyon analizinde Gauss-Markov Teoremi, Klasik Doğrusal Regresyon Modeli varsayımları altında En Küçük Kareler ( $EKK$ ) tahmin edicilerinin istatistiksel olarak "En İyi Doğrusal Sapmasız Tahmin Edici" ( $BLUE$ ) olduğunu ispatlar. Bu teorem çerçevesinde, bir tahmin edicinin "En İyi" ( $Best$ ) olma özelliği aşağıdakilerden hangisini ifade etmektedir?

Tahmin edicinin beklenen değerinin örneklemden örnekleme değişmeyerek gerçek kitle parametresine eşit olması

Tahmin edicinin, bağımlı değişken

Y

'nin gözlem değerlerinin doğrusal bir fonksiyonu olarak ifade edilebilmesi

Tahmin edicinin, tüm doğrusal ve sapmasız tahmin ediciler kümesi içerisinde en küçük varyansa sahip olması

Örneklem hacmi sonsuza doğru artarken tahmin edicinin değerinin gerçek parametre değerine yaklaşması

Hata terimlerinin sabit bir varyansa sahip olması ve normal dağılım göstermesi koşulu

Show answer & explanation

Answer: Tahmin edicinin, tüm doğrusal ve sapmasız tahmin ediciler kümesi içerisinde en küçük varyansa sahip olması

Answer

Gauss-Markov teoreminde 'en iyi' (best) ifadesi, tahmin edicinin tüm doğrusal ve sapmasız tahmin ediciler arasında en düşük varyansa sahip olması (etkinlik) durumunu temsil eder.

Gauss-Markov Teoremi uyarınca, belirli varsayımlar altında

EKK

tahmin edicileri

BLUE

özelliğine kavuşur. Buradaki 'Best' (En İyi) kavramı teknik olarak 'etkinlik' (efficiency) anlamına gelir. Etkinlik ise, sapmasız olan tüm doğrusal tahmin ediciler arasında

EKK

tahmin edicisinin varyansının minimum olduğunu ifade eder.

Step-by-Step Solution

1

BLUE kısaltmasının bileşenlerini analiz edin.

B: Best (En İyi/Etkin), L: Linear (Doğrusal), U: Unbiased (Sapmasız), E: Estimator (Tahmin Edici).

Teoremin ispatladığı özelliklerin kapsamını belirlemek için.

2

İstatistiksel anlamda 'En İyi' (Best) teriminin tanımını hatırlayın.

Bir tahmin edici, aynı sınıftaki diğer tahmin edicilere göre daha küçük varyansa sahipse 'etkin' veya 'en iyi' olarak kabul edilir.

Teorik tanımı seçeneklerle eşleştirmek için.

3

Doğru seçeneği belirleyin.

Minimum varyans vurgusu yapan seçenek doğru cevaptır.

Gauss-Markov teoreminin temel sonucu etkinliktir.

Key Concept

İstatistiksel Etkinlik (Efficiency) ve Minimum Varyans

Estimated Time:1m 30s

Question 55Question →

Regresyon analizinde Gauss-Markov Teoremi, belirli varsayımlar altında En Küçük Kareler ( $EKK$ ) tahmin edicilerinin "En İyi Doğrusal Sapmasız Tahmin Edici" (BLUE) olduğunu ifade eder.

Buna göre, $EKK$ tahmin edicilerinin BLUE özelliğine sahip olmasıyla ilgili aşağıda verilen ifadelerden hangisi yanlıştır?

Tahmin edicilerin sapmasız ve minimum varyanslı (BLUE) olması için hata terimlerinin normal dağılım varsayımına uyması zorunludur.

Hata terimlerinde değişen varyans (heteroskedastisite) olması durumunda,

EKK

tahmin edicileri sapmasız kalmaya devam eder ancak "en iyi" olma özelliğini kaybeder.

"Doğrusallık" özelliği, tahmin edicinin bağımlı değişkenin (

Y

) gözlem değerlerinin doğrusal bir fonksiyonu olarak yazılabileceğini ifade eder.

"En iyi" (best) sıfatı, ilgili tahmin edicinin varyansının, diğer tüm doğrusal ve sapmasız tahmin edicilerin varyansından daha küçük veya onlara eşit olduğunu gösterir.

Bağımsız değişkenler arasında çoklu doğrusal bağlantı (multicollinearity) bulunması,

EKK

tahmin edicilerinin sapmasızlık özelliğini ortadan kaldırmaz.

Show answer & explanation

Answer: Tahmin edicilerin sapmasız ve minimum varyanslı (BLUE) olması için hata terimlerinin normal dağılım varsayımına uyması zorunludur.

Answer

Hata terimlerinin normal dağılım göstermesi, tahmin edicilerin BLUE olması için zorunlu bir şart değildir.

Gauss-Markov Teoremi uyarınca, Klasik Doğrusal Regresyon Modeli varsayımları (doğrusallık, sıfır beklenen hata, sabit varyans ve otokorelasyon yokluğu) altında

EKK

tahmin edicileri BLUE'dur. Ancak bu teoremin ispatında hata terimlerinin normal dağılıma sahip olması şartı aranmaz. Hata terimlerinin normal dağılması varsayımı, küçük örneklemlerde parametreler üzerine kurulan hipotez testlerinin (

t

ve

F

testleri) geçerli olması için eklenen bir varsayımdır.

Step-by-Step Solution

1

BLUE özelliklerini hatırla

Doğrusal (Linear), Sapmasız (Unbiased) ve En İyi/Etkin (Best) özellikleri.

Soruda istenen kavramın teorik sınırlarını belirlemek için.

2

Gauss-Markov varsayımlarını gözden geçir

Parametrelerde doğrusallık, sıfır hata ortalaması, sabit varyans, otokorelasyon yokluğu ve stokastik olmayan X değerleri.

Teoremin geçerliliği için gereken minimum şartları doğrulamak için.

3

Normal dağılım varsayımının rolünü analiz et

Normal dağılım, BLUE özelliği için değil; t ve F istatistiklerinin dağılımını belirleyerek güven aralıkları ve hipotez testleri oluşturmak için gereklidir.

En yaygın kavram yanılgısını tespit ederek yanlış ifadeyi bulmak için.

Key Concept

Gauss-Markov varsayımları ile Normallik varsayımı arasındaki ayrım

Practice More

Değişen varyans (heteroskedastisite) durumunda hangi tahmin yönteminin BLUE özelliği kazandığını (Genişletilmiş En Küçük Kareler - GEKK) inceleyebilirsiniz.

Estimated Time:1m 30s

Question 56Question →

Bir organize sanayi bölgesinde aylık üretim miktarı ( $X$ , bin ton) ile toplam elektrik tüketimi ( $Y$ , GWh) arasındaki ilişkiyi araştırmak amacıyla 8 aylık gözlem yapılmış ve aşağıdaki özet istatistikler elde edilmiştir:

İstatistik	Değer
$n$	$8$
$\sum X_i$	$160$
$\sum Y_i$	$400$
$\sum X_i^2$	$3300$
$\sum X_i Y_i$	$8240$

Buna göre, En Küçük Kareler (EKK) yöntemiyle tahmin edilen basit doğrusal regresyon denklemi aşağıdakilerden hangisidir?

\hat{Y}_i = 2 + 2,4X_i

\hat{Y}_i = 2,4 + 2X_i

\hat{Y}_i = 50 + 2,4X_i

\hat{Y}_i = 2 + 0,48X_i

\hat{Y}_i = 400 + 160X_i

Show answer & explanation

Answer: $\hat{Y}_i = 2 + 2,4X_i$

Answer

Tahmin edilen regresyon denklemi

\hat{Y}_i = 2 + 2,4X_i

şeklindedir.

Verilen özet istatistikler kullanılarak önce ortalamalar

\bar{X}=20

ve

\bar{Y}=50

olarak bulunur. Ardından

S_{XX} = 100

ve

S_{XY} = 240

hesaplanır. Eğim katsayısı

\hat{\beta}_1 = 240/100 = 2,4

ve sabit terim

\hat{\beta}_0 = 50 - (2,4 \times 20) = 2

olarak elde edilir. Bu değerler birleştirildiğinde

\hat{Y}_i = 2 + 2,4X_i

denklemine ulaşılır.

Step-by-Step Solution

1

Değişkenlerin ortalamalarını hesaplayınız.

\bar{X} = 160 / 8 = 20

ve

\bar{Y} = 400 / 8 = 50

Katsayı tahmin formüllerinde ortalama değerlerine ihtiyaç duyulmaktadır.

2

Kareler ve çarpımlar toplamını hesaplayınız.

S_{XX} = 3300 - 8(20^2) = 100

ve

S_{XY} = 8240 - 8(20 \times 50) = 240

Eğim katsayısının hesaplanması için pay ve payda değerlerinin bulunması gerekir.

3

Eğim katsayısını (

\hat{\beta}_1

) hesaplayınız.

\hat{\beta}_1 = S_{XY} / S_{XX} = 240 / 100 = 2,4

En Küçük Kareler yöntemiyle eğim katsayısı, kovaryansın varyansa oranıdır.

4

Sabit terimi (

\hat{\beta}_0

) hesaplayınız.

\hat{\beta}_0 = \bar{Y} - \hat{\beta}_1 \bar{X} = 50 - (2,4 \times 20) = 2

Regresyon doğrusu

(\bar{X}, \bar{Y})

noktasından geçtiği için sabit terim bu formülle bulunur.

Key Concept

En Küçük Kareler (EKK) Tahmincileri

Practice More

Katsayı tahminlerinden sonra bu modelin hata varyansının tahminini ve

R^2

değerini hesaplayarak modelin açıklayıcılığını test ediniz.

Alternative Method

Eğim katsayısı korelasyon katsayısı (

r

) üzerinden de hesaplanabilir:

\hat{\beta}_1 = r \cdot (s_y / s_x)

. Ancak bu soruda doğrudan toplamlar verildiği için

S_{XY}/S_{XX}

formülü en hızlı yöntemdir.

Estimated Time:1m 30s

Question 57Question →

Klasik Doğrusal Regresyon Modeli'nde (KDRM) En Küçük Kareler (EKK) tahmin edicilerinin "En İyi Doğrusal Sapmasız Tahmin Edici" (BLUE) özelliklerini taşıması için Gauss-Markov varsayımlarının sağlanması gerekir.

Buna göre, aşağıdakilerden hangisi EKK tahmin edicilerinin BLUE özelliğine sahip olması için sağlanması gereken zorunlu varsayımlardan biri değildir?

Hata terimlerinin beklenen değerinin sıfır olması (

E[\epsilon_i] = 0

)

Hata terimlerinin varyansının tüm gözlemler için sabit olması (

Var(\epsilon_i) = \sigma^2

)

Farklı gözlemlere ait hata terimleri arasında otokorelasyon bulunmaması (

Cov(\epsilon_i, \epsilon_j) = 0

)

Hata terimlerinin normal dağılım göstermesi (

\epsilon_i \sim N

)

Bağımsız değişken (

X

) ile hata terimleri arasında ilişki olmaması (

Cov(X_i, \epsilon_i) = 0

)

Show answer & explanation

Answer: Hata terimlerinin normal dağılım göstermesi ( $\epsilon_i \sim N$ )

Answer

Hata terimlerinin normal dağılım göstermesi, EKK tahmin edicilerinin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olması için zorunlu bir varsayım değildir.

Gauss-Markov Teoremi'ne göre bir tahmin edicinin En İyi Doğrusal Sapmasız Tahmin Edici (BLUE) olabilmesi için doğrusal olması, sapmasız olması ve minimum varyansa sahip olması gerekir. Bu özelliklerin sağlanması için hata terimlerinin beklenen değerinin sıfır olması, varyansının sabit olması ve gözlemler arası ilişkinin (otokorelasyon) olmaması yeterlidir. Hata terimlerinin normal dağılması varsayımı ise BLUE özelliği için değil, katsayılar üzerinde hipotez testleri (t-testi) ve güven aralıkları oluşturabilmek için gereklidir.

Step-by-Step Solution

1

Gauss-Markov Teoremi'nin kapsamını belirlemek.

BLUE özelliği; doğrusallık, sapmasızlık ve minimum varyanslılık (etkinlik) şartlarının bileşimidir.

Teorem, belirli varsayımlar altında EKK'nın tüm doğrusal sapmasız tahmin ediciler içinde en küçük varyansa sahip olduğunu kanıtlar.

2

BLUE için gereken temel varsayımları sınıflandırmak.

Hata terimlerinin sıfır ortalamalı olması, sabit varyanslı olması, otokorelasyonsuz olması ve X değişkeni ile ilişkisiz olması zorunludur.

Bu varsayımlar tahmin edicilerin sapmasız kalmasını ve varyansının minimuma indirilmesini sağlar.

3

Normallik varsayımının regresyon analizindeki spesifik amacını tanımlamak.

Normallik varsayımı, katsayı tahmin edicilerinin örneklem dağılımının t ve F dağılımlarına uyması için gereklidir.

BLUE özelliği sadece ilk iki momentin (ortalama ve varyans) özellikleri ile ilgilidir, dağılımın olasılık yoğunluk fonksiyonunun şekli bu özelliği etkilemez.

Key Concept

Gauss-Markov Teoremi ve Normallik Varsayımı Ayrımı

Estimated Time:1m 30s

Question 58Question →

Klasik Doğrusal Regresyon Modeli'nde (KDRM) hata terimlerine ( $\epsilon_i$ ) ilişkin varsayımlar, En Küçük Kareler (EKK) tahmin edicilerinin özelliklerini ve yapılacak istatistiksel çıkarımların geçerliliğini belirler. Buna göre, modelin varsayımları ve bu varsayımların sonuçları ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Hata terimlerinin normal dağılması varsayımı, EKK tahmin edicilerinin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olması için bir ön koşul değildir; ancak küçük örneklemlerde parametrelere ilişkin hipotez testlerinin geçerliliği için gereklidir.

Hata terimlerinin varyansının gözlemden gözleme değişmesi (değişen varyans), katsayı tahmin edicilerinin sapmalı (biased) sonuçlar vermesine neden olur.

Ardışık hata terimleri arasında bir ilişkinin bulunması (otokorelasyon), EKK tahmin edicilerinin tutarlılığını (consistency) bozarak modelin tahmin gücünü tamamen ortadan kaldırır.

Durbin-Watson

d

istatistiğinin hesaplanan değerinin 0'a çok yakın olması, modeldeki hata terimleri arasında çok güçlü bir negatif otokorelasyon olduğunun göstergesidir.

Modelin 'doğrusallık' varsayımı, hem bağımlı değişkenin (

Y

) hem de bağımsız değişkenlerin (

X

) mutlaka birinci dereceden (doğrusal) bir formda olmasını şart koşar.

Show answer & explanation

Answer: Hata terimlerinin normal dağılması varsayımı, EKK tahmin edicilerinin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olması için bir ön koşul değildir; ancak küçük örneklemlerde parametrelere ilişkin hipotez testlerinin geçerliliği için gereklidir.

Answer

Hata terimlerinin normal dağılması varsayımı, EKK tahmin edicilerinin BLUE olması için gerekli değildir; ancak küçük örneklemlerde hipotez testlerinin (t ve F testleri) yapılabilmesi için gereklidir.

Klasik regresyon modelinde BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) özelliği için Gauss-Markov varsayımlarının (doğrusallık, sıfır hata ortalaması, sabit varyans, otokorelasyon yokluğu ve değişkenler ile hata terimi arasındaki bağımsızlık) sağlanması yeterlidir. Hata terimlerinin normal dağılması varsayımı ise BLUE özelliği için bir zorunluluk değildir. Ancak, özellikle küçük örneklemlerde parametre tahmin edicilerinin örnekleme dağılımlarının belirlenmesi ve dolayısıyla

t

ile

F

testlerinin (hipotez testlerinin) ve güven aralıklarının oluşturulması için normallik varsayımı gereklidir.

Step-by-Step Solution

1

Gauss-Markov varsayımlarını hatırla.

Doğrusallık,

E(\epsilon)=0

, Sabit Varyans, Otokorelasyon Yokluğu ve

Cov(X, \epsilon)=0

.

Bu beş varsayım sağlandığında EKK tahmin edicileri BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olur.

2

Normallik varsayımının rolünü analiz et.

\epsilon \sim N(0, \sigma^2)

varsayımı BLUE özelliği için ekstradır (şart değildir).

Normallik varsayımı, katsayıların örnekleme dağılımının normal olmasını sağlar; bu da

t

ve

F

istatistiklerinin teorik dağılımlarına uyması için (hipotez testi için) gereklidir.

3

Diğer ihlallerin sonuçlarını değerlendir.

Değişen varyans ve otokorelasyon sapmasızlığı bozmaz, sadece etkinliği bozar.

EKK tahmin edicileri hala sapmasızdır (

E[\hat{\beta}] = \beta

), ancak varyansları artık en küçük değildir.

Key Concept

BLUE Özelliği ve Normallik Varsayımı Ayrımı

Estimated Time:1m 30s

Question 59Question →

Basit doğrusal regresyon analizinde klasik varsayımlar altında En Küçük Kareler (EKK) yöntemiyle elde edilen tahmin edicilerin özellikleri ve varsayım ihlalleri ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Hata terimlerinin normal dağılım göstermesi, EKK tahmin edicilerinin sapmasız (unbiased) olması için zorunlu bir varsayımdır.

Değişen varyans (heteroskedastisite) durumunda EKK tahmin edicileri sapmasızlık özelliğini yitirerek yanlı hale gelir.

Regresyon katsayıları üzerinde t ve F testlerinin gerçekleştirilebilmesi için hata terimlerinin normal dağıldığı varsayımı gereklidir.

Otokorelasyonun varlığı durumunda EKK tahmin edicileri hala sapmasız olduğu için standart hatalar ve hipotez testleri geçerliliğini korur.

Belirtme katsayısının (

R^2

) 1'e çok yakın olması, modelde otokorelasyon ve değişen varyans sorunlarının bulunmadığını kanıtlar.

Show answer & explanation

Answer: Regresyon katsayıları üzerinde t ve F testlerinin gerçekleştirilebilmesi için hata terimlerinin normal dağıldığı varsayımı gereklidir.

Answer

Regresyon katsayıları üzerinde t ve F testlerinin gerçekleştirilebilmesi için hata terimlerinin normal dağıldığı varsayımı gereklidir.

Klasik doğrusal regresyon modelinde hata terimlerinin normal dağılım göstermesi, regresyon katsayılarının örneklem dağılımlarının da normal olmasını sağlar. Bu durum, özellikle küçük örneklemlerde katsayıların anlamlılığını test etmek için kullanılan t-testi ve modelin genel anlamlılığı için kullanılan F-testinin teorik olarak geçerli olmasını sağlayan temel koşuldur.

Step-by-Step Solution

1

Gauss-Markov varsayımlarını değerlendirme

EKK tahmin edicilerinin BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) olması için doğrusallık, sıfır ortalama, sabit varyans, otokorelasyon yokluğu ve bağımsız değişkenin dışsallığı varsayımları yeterlidir.

Bu varsayımlar tahmin edicilerin sapmasızlığını ve etkinliğini sağlar.

2

Normallik varsayımının rolünü belirleme

Hata terimlerinin normal dağılım göstermesi (

\epsilon \sim N(0, \sigma^2)

), katsayıların (

\hat{\beta}

) da normal dağılmasını sağlar.

Hipotez testlerinde kullanılan t ve F istatistikleri, temelinde normal dağılım varsayımına dayanır.

3

Varsayım ihlallerinin sonuçlarını analiz etme

Değişen varyans ve otokorelasyon etkinliği bozar (artık BLUE değildir) ancak sapmasızlığı bozmaz. Testlerin geçerliliği ise hem bu hataların yokluğuna hem de normallik varsayımına bağlıdır.

Çıkarımsal istatistiklerin (güven aralığı ve testler) doğruluğu bu varsayımın sağlanmasıyla mümkündür.

Key Concept

Normallik Varsayımı ve Çıkarımsal İstatistik

Question 60Question →

Bir sosyal güvenlik uzmanı, $n = 20$ farklı ildeki kayıt dışı istihdam oranı ( $X$ ) ile sosyal güvenlik prim gelirleri ( $Y$ ) arasındaki ilişkiyi basit doğrusal regresyon analizi ile incelemiştir. Analiz sonucunda elde edilen varyans analizi (ANOVA) tablosunun bir kısmı aşağıda verilmiştir:

Değişim Kaynağı	Kareler Toplamı (KT)	Serbestlik Derecesi (SD)	Kareler Ortalaması (KO)
Regresyon	150	?	?
Hata	180	?	?
Toplam	?	?

Buna göre, regresyon modelinin genel anlamlılığını test etmek amacıyla hesaplanan $F$ istatistiğinin değeri kaçtır?

15,00

16,67

15,83

33,00

7,50

Show answer & explanation

Answer: 15,00

Answer

Modelin genel anlamlılığını test eden F istatistiği 15,00'dir.

Doğru cevap olan 15,00 değeri; Regresyon Kareler Toplamı'nın (150) serbestlik derecesine (1) bölünmesiyle elde edilen 150 değerinin, Hata Kareler Toplamı'nın (180) serbestlik derecesine (18) bölünmesiyle elde edilen 10 değerine oranlanmasıyla (

150 / 10

) bulunur.

Step-by-Step Solution

1

Serbestlik derecelerini (SD) belirleyin.

Regresyon

SD = 1

; Hata

SD = n - 2 = 20 - 2 = 18

.

Basit doğrusal regresyonda bir bağımsız değişken olduğu için regresyon serbestlik derecesi 1'dir; hata serbestlik derecesi ise örneklem büyüklüğünden tahmin edilen parametre sayısının (sabit terim ve eğim) çıkarılmasıyla bulunur.

2

Kareler ortalamalarını (KO) hesaplayın.

Regresyon

KO = 150 / 1 = 150

; Hata

KO = 180 / 18 = 10

.

Her bir varyans kaynağına ait Kareler Ortalaması, ilgili Kareler Toplamı'nın kendi serbestlik derecesine bölünmesiyle elde edilir.

3

F hesap istatistiğini bulun.

F = 150 / 10 = 15

.

Modelin genel anlamlılık testi için kullanılan F istatistiği, Regresyon Kareler Ortalamasının Hata Kareler Ortalamasına bölünmesiyle hesaplanır.

Key Concept

Basit doğrusal regresyonda ANOVA tablosu bileşenleri ve F testi hesaplaması

Practice More

F istatistiği ile belirtme katsayısı (

R^2

) arasındaki ilişkiyi incelemek için

F = [R^2 / (1)] / [(1-R^2) / (n-2)]

formülünü kullanabilirsiniz.

Estimated Time:1m 30s

Basit Doğrusal Regresyon Analizi

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Hints

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Hints

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Answer

Step-by-Step Solution

Key Concept

Common Mistakes

Practice More

Alternative Method

Answer

Step-by-Step Solution

Key Concept