Çoklu Doğrusal Regresyon Analizi Practice Questions — KPSS İstatistik — Page 7

Question 121Question →

Bir çevre bilimci, belirli bir bölgedeki Hava Kalitesi İndeksini ( $Y$ ) tahmin etmek amacıyla; ortalama sıcaklık ( $X_1$ ), bağıl nem ( $X_2$ ), rüzgâr hızı ( $X_3$ ) ve trafik yoğunluğu ( $X_4$ ) değişkenlerini kullanarak sabit terim içeren çoklu doğrusal regresyon modelini En Küçük Kareler (EKK) yöntemiyle tahmin etmiştir.

Elde edilen ANOVA (Varyans Analizi) tablosuna ilişkin bazı bilgiler şu şekildedir:
- Genel Kareler Toplamı ( $GKT$ ) = $1500$
- Modelin belirtme katsayısı ( $R^2$ ) = $0,60$
- Hata Kareler Ortalaması ( $HKO$ ) = $15$

Buna göre, tahmin edilen modelin örneklem hacmi ( $n$ ) ve modelin genel anlamlılık testi ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Örneklem hacmi

n = 45

'tir ve modelin genel anlamlılığı

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

hipotezi kurularak

F = 15

test istatistiği ile sınanır.

Örneklem hacmi

n = 44

'tür ve modelin genel anlamlılığı

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

hipotezi kurularak

F = 15

test istatistiği ile sınanır.

Örneklem hacmi

n = 45

'tir ancak

F = 15

değeri modelin genel anlamlılığını değil, bireysel parametrelerin anlamlılığını test eden

H_0: \beta_i = 0

hipotezini sınamak için kullanılır.

Örneklem hacmi

n = 65

'tir ve modelin genel anlamlılığı

H_0: \text{En az bir } \beta_i \neq 0

hipotezi kurularak

F = 10

test istatistiği ile sınanır.

Örneklem hacmi

n = 45

ve modelin genel anlamlılık test istatistiği

F = 15

'tir; ancak modele yeni değişken eklendiğinde düzeltilmiş

R^2

her zaman artacağından anlamlılık kararı buna göre verilmelidir.

Show answer & explanation

Answer: Örneklem hacmi $n = 45$ 'tir ve modelin genel anlamlılığı $H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0$ hipotezi kurularak $F = 15$ test istatistiği ile sınanır.

Answer

Örneklem hacmi

n = 45

'tir ve modelin genel anlamlılığı

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

hipotezi kurularak

F = 15

test istatistiği ile sınanır.

Soruda verilenlere göre

k=4

bağımsız değişken vardır.

R^2 = 0,60

ve

GKT = 1500

değerlerinden yola çıkarak Regresyon Kareler Toplamı

RKT = 0,60 \times 1500 = 900

ve Hata Kareler Toplamı

HKT = 1500 - 900 = 600

hesaplanır. Hata Kareler Ortalaması

HKO = HKT / (n - k - 1)

eşitliğinde yerine konduğunda

15 = 600 / (n - 5) \implies n - 5 = 40 \implies n = 45

bulunur. Regresyon Kareler Ortalaması

RKO = RKT / k = 900 / 4 = 225

'tir. Son olarak test istatistiği

F = RKO / HKO = 225 / 15 = 15

olarak hesaplanır. Modelin genel anlamlılığını sınayan doğru yokluk hipotezi tüm eğim parametrelerinin sıfıra eşit olduğu

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

hipotezidir.

Step-by-Step Solution

1

Regresyon Kareler Toplamı (RKT) ve Hata Kareler Toplamını (HKT) hesapla

RKT = 900

ve

HKT = 600

R^2 = RKT / GKT

eşitliğinden

RKT = 0,60 \times 1500 = 900

bulunur.

GKT = RKT + HKT

olduğundan

HKT = 1500 - 900 = 600

olur.

2

Hata serbestlik derecesi üzerinden örneklem hacmini (

n

) bul

n = 45

Modelde

k = 4

adet bağımsız değişken vardır.

HKO = HKT / (n - k - 1)

formülünde bilinenler yerine konulduğunda

15 = 600 / (n - 4 - 1)

eşitliğinden

n - 5 = 40

ve buradan

n = 45

elde edilir.

3

F test istatistiğini ve genel anlamlılık hipotezini belirle

F = 15

ve

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

Regresyon Kareler Ortalaması

RKO = RKT / k = 900 / 4 = 225

'tir.

F = RKO / HKO = 225 / 15 = 15

olarak hesaplanır. F testi, tüm eğim katsayılarının aynı anda sıfıra eşit olduğunu savunan yokluk hipotezini sınar.

Key Concept

Çoklu Doğrusal Regresyonda Varyans Analizi (ANOVA) ve F Testi

Question 122Question →

Bir lojistik firmasının veri analisti, dağıtım kamyonlarının günlük yakıt tüketimini ( $Y$ , litre) açıklamak için aşağıdaki çoklu doğrusal regresyon modelini En Küçük Kareler (EKK) yöntemiyle tahmin etmiştir:

\hat{Y} = 15.2 + 0.18 X_1 + 2.4 X_2 - 0.5 X_3

Burada $X_1$ günlük gidilen toplam mesafeyi (km), $X_2$ taşınan ortalama yük miktarını (ton) ve $X_3$ aracın ortalama hızını (km/saat) temsil etmektedir.

Kısmi regresyon katsayılarının istatistiksel özellikleri dikkate alındığında, modeldeki $\hat{\beta}_2 = 2.4$ katsayısının en doğru yorumu aşağıdakilerden hangisidir?

Günlük mesafe (

X_1

) ve ortalama hız (

X_3

) değişkenleri sabit tutulduğunda, taşınan yük miktarındaki 1 tonluk artışın günlük yakıt tüketiminin beklenen değerinde meydana getireceği ortalama 2.4 litrelik artıştır.

Eğer

X_1

ve

X_3

değişkenleri modele hiç dahil edilmeden sadece

X_2

ile

Y

arasında bir basit doğrusal regresyon kurulsaydı, elde edilecek eğim katsayısının tam olarak 2.4 olacağını gösterir.

Taşınan yük miktarındaki 1 tonluk artışın, modeldeki diğer değişkenlerin düzeyinden ve sabit tutulmasından bağımsız olarak, günlük yakıt tüketimini her durumda tek başına 2.4 litre artırdığını gösterir.

Diğer değişkenler sabit tutulduğunda, taşınan yük miktarındaki %1'lik oransal bir artışın günlük yakıt tüketiminde %2.4'lük bir artışa neden olacağını gösteren kısmi esneklik katsayısıdır.

Diğer değişkenler sabit tutulduğunda, taşınan yük miktarının 1 ton artırılmasının yakıt tüketiminde tesadüfi olmayan, kesin (deterministik) 2.4 litrelik bir artış yaratacağını ifade eder.

Show answer & explanation

Answer: Günlük mesafe ( $X_1$ ) ve ortalama hız ( $X_3$ ) değişkenleri sabit tutulduğunda, taşınan yük miktarındaki 1 tonluk artışın günlük yakıt tüketiminin beklenen değerinde meydana getireceği ortalama 2.4 litrelik artıştır.

Answer

Çoklu regresyon denklemindeki bir eğim katsayısı, modeldeki diğer bağımsız değişkenler sabit tutulduğunda (ceteris paribus), ilgili bağımsız değişkendeki 1 birimlik artışın bağımlı değişkenin ortalamasında yaratacağı istatistiksel değişimi ifade eden seçenektir.

Çoklu doğrusal regresyon modelinde hesaplanan eğim katsayıları 'kısmi' katsayılardır. Bu katsayılar, modele dahil edilen diğer tüm bağımsız değişkenlerin değerleri sabit tutulduğunda (ceteris paribus), ilgili bağımsız değişkendeki 1 birimlik artışın bağımlı değişkenin beklenen değerinde (ortalamasında) yaratacağı istatistiksel değişimi ifade eder.

Step-by-Step Solution

1

Modelin fonksiyonel formunun belirlenmesi.

Modeldeki değişkenlerin logaritması alınmadığı için model doğrusal (lin-lin) yapıdadır.

Fonksiyonel form, katsayıların marjinal etki mi yoksa esneklik mi olarak yorumlanacağını belirler. Doğrusal modellerde yorum doğrudan birimseldir (marjinal etki).

2

Çoklu regresyonda eğim katsayısının (kısmi regresyon katsayısının) teorik tanımının hatırlanması.

\hat{\beta}_2 = 2.4

katsayısı,

X_1

ve

X_3

değişkenlerinin etkileri kontrol edildiğinde (sabit varsayıldığında)

X_2

'nin

Y

üzerindeki kısmi etkisidir.

Çoklu regresyonun amacı, bağımsız değişkenler arasındaki olası korelasyonları arındırarak her bir değişkenin 'net' etkisini bulmaktır.

3

Doğru istatistiksel ifadenin (stokastik yapı) seçilmesi.

Yorum yapılırken etkinin 'kesin' (deterministik) olmadığı, 'beklenen değer' veya 'ortalama' üzerinden gerçekleştiği vurgulanmalıdır.

Regresyon modelleri daima bir hata terimi içerir; ilişkiler mutlak matematiksel kurallar değildir.

Key Concept

Kısmi Regresyon Katsayısı Yorumu ve Ceteris Paribus Varsayımı

Question 123Question →

Bir finansal analist, şirketlerin hisse senedi getirilerini ( $Y$ ) açıklamak amacıyla $k$ adet makroekonomik bağımsız değişken ve bir sabit terim ( $\beta_0$ ) içeren çoklu doğrusal regresyon modeli kurmuştur. Toplam $n=65$ şirkete ait verilerle tahmin edilen modelin varyans analizi (ANOVA) tablosunda; Regresyon Kareler Toplamı'nın serbestlik derecesi $4$ , Hata Kareler Ortalaması (HKO) ise $8$ olarak elde edilmiştir.

Modelin belirtme katsayısı ( $R^2$ ) $0,75$ olduğuna göre, modelin genel anlamlılığını test etmek için kurulması gereken doğru hipotezler ve hesaplanan $F$ test istatistiği aşağıdakilerin hangisinde birlikte verilmiştir?

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

;

H_1: \text{En az bir } \beta_i \neq 0

;

F = 45

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

;

H_1: \beta_1 \neq 0, \beta_2 \neq 0, \beta_3 \neq 0, \beta_4 \neq 0

;

F = 45

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

;

H_1: \text{En az bir } \beta_i \neq 0

;

F = 41,25

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

;

H_1: \text{En az bir } \beta_i \neq 0

;

F = 45,75

H_0: \beta_0 = \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

;

H_1: \text{Tüm } \beta_i \text{'ler sıfırdan farklıdır}

;

F = 180

Show answer & explanation

Answer: $H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0$ ; $H_1: \text{En az bir } \beta_i \neq 0$ ; $F = 45$

Answer

Doğru cevap, sıfır hipotezinin tüm eğim katsayılarını eş anlı sıfır yaptığı, alternatif hipotezin 'En az bir eğim katsayısı sıfırdan farklıdır' şeklinde olduğu ve F istatistiğinin 45 olarak hesaplandığı seçenektir.

Çoklu doğrusal regresyon modelinin genel anlamlılık testi,

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

hipotezine karşı

H_1: \text{En az bir } \beta_i \neq 0

hipotezini sınar. Soruda verilen bilgilere göre

k=4

(Regresyon sd) ve hata serbestlik derecesi

n-k-1 = 65-4-1 = 60

'tır. F istatistiği doğrudan R² ile hesaplandığında

F = \frac{0,75 / 4}{0,25 / 60} = 45

bulunur. ANOVA üzerinden gidildiğinde ise HKT = 8 × 60 = 480 ve R² = 1 - (480/GKT) = 0,75 eşitliğinden GKT = 1920, RKT = 1440 bulunur; RKO = 1440 / 4 = 360 olup

F = 360 / 8 = 45

değeri doğrulanır.

Step-by-Step Solution

1

Varyans analizi tablosundaki değerlerden yararlanarak serbestlik derecelerini belirlemek.

Regresyon serbestlik derecesi

k=4

'tür. Hata serbestlik derecesi ise

n - k - 1 = 65 - 4 - 1 = 60

'tır.

F test istatistiği hesaplanırken ve ANOVA tablosu oluşturulurken bağımsız değişken sayısına (

k

) ve uygun serbestlik derecelerine ihtiyaç duyulur.

2

Modelin genel anlamlılık testine ait sıfır ve alternatif hipotezleri kurmak.

H_0: \beta_1 = \beta_2 = \beta_3 = \beta_4 = 0

ve

H_1: \text{En az bir } \beta_i \neq 0

Genel F testi, modele alınan bağımsız değişkenlerin bir bütün olarak bağımlı değişkeni açıklamada anlamlı bir katkı sağlayıp sağlamadığını test eder. Bu test sabit terimi (

\beta_0

) kapsamaz.

3

Belirtme katsayısı (

R^2

) ve serbestlik derecelerini kullanarak F test istatistiğini hesaplamak.

F = \frac{R^2 / k}{(1 - R^2) / (n - k - 1)} = \frac{0,75 / 4}{(1 - 0,75) / 60} = \frac{0,1875}{0,25 / 60} = \frac{0,1875}{0,004167} = 45

F istatistiği, Kareler Ortalamalarının birbirine oranı (RKO/HKO) şeklinde hesaplanabileceği gibi doğrudan R² ve serbestlik dereceleri ilişkisi üzerinden de hatasız biçimde bulunabilir.

Key Concept

Modelin Genel Anlamlılık Testi (F Testi) ve Belirtme Katsayısı İlişkisi

Alternative Method

F istatistiği, tablodaki HKO bilgisi kullanılarak tersten de elde edilebilir: Hata serbestlik derecesi

60

olduğundan,

HKT = HKO \times 60 = 8 \times 60 = 480

bulunur.

R^2 = 1 - (HKT / GKT)

ilişkisi kullanılarak

0,75 = 1 - (480 / GKT)

eşitliği kurulur. Buradan

GKT = 1920

ve

RKT = 1920 - 480 = 1440

elde edilir. Regresyon Kareler Ortalaması

RKO = 1440 / 4 = 360

olur. Nihayetinde

F = RKO / HKO = 360 / 8 = 45

şeklinde alternatif ve sağlamalı bir hesaplama yapılabilir.

Estimated Time:2m 0s

Question 124Question →

Çoklu doğrusal regresyon modelinde ( $Y = X\beta + \epsilon$ ), En Küçük Kareler (EKK) yöntemiyle normal denklemlerden türetilen parametre tahmin edicileri ve bu tahmin edicilerin matrisel özellikleri ile ilgili aşağıdakilerden hangisi doğrudur?

Parametre tahmin vektörü

\hat{\beta}

,

(X'X)^{-1}X'Y

matris çarpımı ile hesaplanır.

Hata terimlerinin varyansı (

\sigma^2

),

s^2 = \frac{e'e}{n-k}

formülü ile sapmasız olarak tahmin edilir.

Katsayı vektörü, matris boyutları uyumlu olduğu sürece

X'Y(X'X)^{-1}

işlem sırasıyla da elde edilebilir.

Bağımsız değişkenler arasında çoklu doğrusal bağlantı problemi olduğunda, EKK tahmin edicileri sapmasız olma özelliğini kaybeder.

EKK tahmin edicileri, Gauss-Markov varsayımları altında tüm sapmasız tahmin ediciler arasında en küçük varyansa sahip olanlardır.

Show answer & explanation

Answer: Parametre tahmin vektörü $\hat{\beta}$ , $(X'X)^{-1}X'Y$ matris çarpımı ile hesaplanır.

Answer

Parametre tahmin vektörü

\hat{\beta}

,

(X'X)^{-1}X'Y

matris çarpımı ile hesaplanır.

Çoklu doğrusal regresyonda EKK tahmin edicisi, normal denklemler sisteminin matris tersi yardımıyla çözülmesiyle elde edilen

\hat{\beta} = (X'X)^{-1}X'Y

ifadesidir. Bu ifade modelin temel matrisel çözümünü temsil eder.

Step-by-Step Solution

1

Modelin matris formunda tanımlanması

Y = X\beta + \epsilon

Çoklu regresyon analizinde matris gösterimi işlemleri kolaylaştırır.

2

Hata kareler toplamının (

e'e

) minimizasyonu ve türev alınması

Normal denklemler:

(X'X)\hat{\beta} = X'Y

EKK yönteminin temel amacı hataların karelerini minimize eden parametre değerlerini bulmaktır.

3

Normal denklemlerin

\hat{\beta}

için çözülmesi

\hat{\beta} = (X'X)^{-1}X'Y

Eşitliğin her iki tarafı soldan

(X'X)^{-1}

ile çarpılarak katsayı vektörü yalnız bırakılır.

Key Concept

EKK Matris Çözümü ve BLUE Özellikleri

Hints

1

EKK tahmin edicisinin matrisel formülü, normal denklemlerin çözümüyle elde edilir.

2

Matris çarpımında boyut uyumu kuralını ve ters matrisin konumunu düşünün.

Practice More

Varyans-kovaryans matrisinin

\sigma^2(X'X)^{-1}

formülünü ve buradaki diyagonal elemanların anlamını inceleyebilirsiniz.

Estimated Time:1m 30s

Question 125Question →

Bir kamu yönetimi uzmanı, memurların 'yıllık performans puanı' ( $Y$ ) üzerindeki etkileri incelemek için En Küçük Kareler (EKK) yöntemiyle iki farklı regresyon modeli tahmin etmiştir.

Model 1 (Basit Doğrusal Regresyon): Performans puanı ( $Y$ ), sadece son bir yılda alınan hizmet içi eğitim saati ( $X_1$ ) üzerine regrese edilmiş ve $X_1$ 'in eğim katsayısı $1,4$ olarak bulunmuştur.

Model 2 (Çoklu Doğrusal Regresyon): Modele kamu hizmetindeki tecrübe yılı ( $X_2$ ) ve çalışılan farklı birim sayısı ( $X_3$ ) eklenerek tahmin yapıldığında, eğitim saatinin ( $X_1$ ) kısmi regresyon katsayısı $0,6$ olarak elde edilmiştir.

Veri setinde eğitim saati ( $X_1$ ) ile tecrübe yılı ( $X_2$ ) arasında yüksek pozitif yönlü bir korelasyon olduğu bilinmektedir.

Bu bilgilere göre, $X_1$ değişkeninin katsayısındaki belirgin düşüşün temel istatistiksel nedeni ve çoklu modeldeki $0,6$ değerinin doğru yorumu aşağıdakilerin hangisinde birlikte verilmiştir?

Düşüşün nedeni, basit modelde dışlanan ve

Y

üzerinde etkisi olan

X_2

değişkeninin yarattığı pozitif sapmanın çoklu modelde giderilmesidir;

0,6

değeri,

X_2

ve

X_3

sabit tutulduğunda

X_1

'deki bir birimlik artışın

Y

'de yaratacağı ortalama değişimi ifade eder.

Düşüşün nedeni,

X_1

ile

X_2

arasındaki yüksek korelasyonun (çoklu doğrusal bağlantı) çoklu modeldeki EKK tahmincilerini sapmalı hâle getirmesidir;

0,6

değeri, modeldeki çoklu bağlantıdan arındırılmış kesin etkidir.

Düşüşün nedeni, bağımsız değişken sayısının artmasıyla hata varyansının büyümesidir;

0,6

değeri, diğer değişkenlerin düzeyinden bağımsız olarak

X_1

'in

Y

üzerindeki mutlak ve net etkisidir.

Düşüşün nedeni, modele

X_3

gibi yeni değişkenlerin dâhil edilerek aşırı belirleme (overfitting) yapılması ve bunun katsayıları sapmalı yapmasıdır;

0,6

değeri,

X_1

'in

Y

ile olan kısmi korelasyon katsayısıdır.

Düşüşün nedeni, basit modelde

X_2

'nin dışlanmasının

X_1

'in varyansını yapay olarak artırmasıdır;

0,6

değeri,

X_1

'in modele sonradan eklenmesiyle elde edilen marjinal varyans azalışını gösterir.

Show answer & explanation

Answer: Düşüşün nedeni, basit modelde dışlanan ve $Y$ üzerinde etkisi olan $X_2$ değişkeninin yarattığı pozitif sapmanın çoklu modelde giderilmesidir; $0,6$ değeri, $X_2$ ve $X_3$ sabit tutulduğunda $X_1$ 'deki bir birimlik artışın $Y$ 'de yaratacağı ortalama değişimi ifade eder.

Answer

Katsayıdaki düşüşün nedeni dışlanan değişken sapmasının (omitted variable bias) çoklu modelde düzeltilmesidir;

0,6

değeri ise diğer bağımsız değişkenler sabitken eğitim saatinin performans üzerindeki ortalama etkisini gösterir.

Basit doğrusal regresyonda, modele dâhil edilmeyen ancak hem bağımlı değişkenle hem de modeldeki bağımsız değişkenle ilişkili olan değişkenler (örneğin tecrübe yılı), dâhil edilen değişkenin katsayısında 'dışlanan değişken sapmasına' (omitted variable bias) neden olur.

X_1

ve

X_2

arasında pozitif korelasyon olduğundan,

X_1

'in katsayısı basit modelde yukarı yönlü sapmalı (gerçekten büyük) bulunmuştur. Çoklu modele

X_2

eklendiğinde bu sapma giderilmiş ve katsayı düşmüştür. Çoklu doğrusal regresyonda kısmi eğim katsayısı (

0,6

), modeldeki diğer bağımsız değişkenler (

X_2

ve

X_3

) sabit tutulduğunda, ilgili değişkendeki (

X_1

) 1 birimlik artışın bağımlı değişkende (

Y

) yaratacağı ortalama değişimi gösterir.

Step-by-Step Solution

1

Basit regresyondaki katsayı ile çoklu regresyondaki katsayı arasındaki farkın istatistiksel nedenini tespit etme.

Basit modelde ilgili bir değişkenin (

X_2

) dışlanması sapmaya yol açar.

Birbiriyle ilişkili olan iki bağımsız değişkenden biri modelden dışlandığında, modelde kalan değişkenin katsayısı dışlanan değişkenin etkisini de üstlenir (Dışlanan Değişken Sapması).

2

Kısmi regresyon katsayısının (

\hat{\alpha}_1 = 0,6

) kavramsal tanımını uygulama.

Bu değer, modeldeki diğer tüm bağımsız değişkenler sabit tutulduğunda (ceteris paribus) eğitim saatindeki bir birimlik değişimin performanstaki ortalama değişimidir.

Çoklu regresyonda her bir katsayı, diğer değişkenlerin etkisinden arındırılmış 'kısmi' etkiyi ölçer.

Key Concept

Kısmi Regresyon Katsayılarının Yorumlanması ve Dışlanan Değişken Sapması

Question 126Question →

Bir ekonometri araştırmacısı, kurduğu çoklu doğrusal regresyon modelinin ( $Y = X\beta + u$ ) klasik varsayımlarını test etmiş ve modelin yapısına ilişkin şu üç temel bulguya ulaşmıştır:

I. Bağımsız değişkenler ile hata terimleri arasında korelasyon bulunmamaktadır ( $E(u|X) = 0$ ).
II. Bağımsız değişkenler arasında yüksek dereceli (fakat tam olmayan) bir doğrusal ilişki mevcuttur.
III. Hata terimlerinin varyansı tüm gözlemler için sabit olmasına ( $Var(u|X) = \sigma^2$ ) rağmen, ardışık hata terimleri arasında istatistiksel olarak anlamlı bir ilişki (otokorelasyon) bulunmaktadır.

Bu bulgular ışığında, modelin parametrelerini tahmin etmek için kullanılan En Küçük Kareler (EKK) tahmin edicilerinin istatistiksel özellikleri hakkında aşağıdakilerden hangisi kesinlikle doğrudur?

Tahmin ediciler sapmasız olma özelliğini korur; ancak ardışık bağımlılıktan (otokorelasyon) dolayı artık en küçük varyanslı (etkin) değillerdir.

Bağımsız değişkenler arasındaki yüksek doğrusal bağlantı, EKK tahmin edicilerinin parametreleri sapmalı (biased) tahmin etmesine neden olur.

Varyansın tüm gözlemler için sabit kalması (homoskedastisite), otokorelasyona rağmen tahmin edicilerin etkin (minimum varyanslı) kalmasını garanti eder.

Dışsallık varsayımının (

E(u|X) = 0

) sağlanması tahmin edicileri sapmasız kıldığından, Gauss-Markov teoremine göre bu durum onların aynı zamanda etkin olmasını da zorunlu hâle getirir.

Otokorelasyon modelin genel anlamlılığını ölçen F testini geçersiz kılarken, yüksek çoklu bağlantı katsayıların bireysel anlamlılığını ölçen t testlerini daha güçlü (anlamlı çıkma olasılığı yüksek) hâle getirir.

Show answer & explanation

Answer: Tahmin ediciler sapmasız olma özelliğini korur; ancak ardışık bağımlılıktan (otokorelasyon) dolayı artık en küçük varyanslı (etkin) değillerdir.

Answer

Tahmin edicilerin sapmasız olma özelliğini koruduğunu, ancak otokorelasyon nedeniyle etkin (minimum varyanslı) olmadıklarını belirten ifade doğrudur.

EKK tahmin edicilerinin sapmasız olabilmesi için temel şart, hata terimlerinin bağımsız değişkenlerle ilişkisiz olmasıdır (

E(u|X)=0

). Sorudaki modelde bu şart sağlandığı ve sadece tam olmayan çoklu bağlantı bulunduğu için tahmin ediciler sapmasızlık özelliğini korur. Ancak Gauss-Markov teoremine göre tahmin edicilerin etkin (minimum varyanslı) olabilmesi için hata terimleri arasında ardışık bağımlılık (otokorelasyon) kesinlikle olmamalıdır. Modelde otokorelasyon tespit edildiği için EKK tahmin edicileri sapmasız kalsalar da etkinliklerini (BLUE özelliğindeki 'Best' kısmını) kaybederler.

Step-by-Step Solution

1

I. bulgunun (

E(u|X) = 0

) etkisini analiz et.

Hata terimlerinin koşullu beklenen değerinin sıfır olması, EKK tahmin edicilerinin sapmasız (

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

) olmasını sağlayan temel teorik şarttır.

Model dışsallık (exogeneity) varsayımını sağladığı için parametre tahminleri ortalamada gerçek popülasyon değerlerine eşittir.

2

II. bulgunun (Tam olmayan yüksek çoklu bağlantı) etkisini değerlendir.

Tam olmayan çoklu bağlantı EKK tahmin edicilerinin sapmasızlık özelliğini bozmaz, sadece varyanslarını artırır.

Matris tersinin alınabilmesi için tam doğrusal bağlantı olmaması yeterlidir; yüksek bağlantı sadece standart hataları şişirir.

3

III. bulgunun (Otokorelasyon varlığı) etkisini Gauss-Markov teoremi bağlamında incele.

Sabit varyans varsayımı sağlansa bile, ardışık hata terimleri arasında ilişki (otokorelasyon) bulunması EKK tahmin edicilerinin etkinliğini (minimum varyanslı olma özelliğini) ortadan kaldırır.

Gauss-Markov teoremine göre En İyi (Best/Etkin) Doğrusal Sapmasız Tahmin Edici olabilmek için hem homoskedastisite hem de otokorelasyonsuzluk varsayımlarının aynı anda sağlanması zorunludur.

4

Tüm bulguları sentezleyerek nihai sonuca ulaş.

Modeldeki tahmin ediciler sapmasızlık özelliğine sahip olmaya devam ederken, otokorelasyon sebebiyle en küçük varyanslı (etkin) olma özelliklerini yitirmişlerdir.

Sapmasızlık korunmuş, etkinlik kaybedilmiştir.

Key Concept

Çoklu Doğrusal Regresyon Modeli ve Varsayımları (Gauss-Markov Teoremi, Otokorelasyon ve Çoklu Bağlantının Etkileri)

Çoklu Doğrusal Regresyon Analizi

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

Alternative Method

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