Modelin Matris Gösterimi Practice Questions — KPSS İstatistik

Question 1Question →

Bir araştırmacı, $n$ adet gözlem birimi ve sabit terim dahil $k$ adet bağımsız değişken kullanarak bir çoklu doğrusal regresyon modeli kurmuştur. Modelin $Y = X\beta + \epsilon$ biçimindeki matris gösterimi dikkate alındığında, tasarım matrisi ( $X$ ) ve parametre vektörünün ( $\beta$ ) boyutları aşağıdakilerin hangisinde doğru verilmiştir?

X: n \times (k+1)

;

\beta: (k+1) \times 1

X: n \times k

;

\beta: k \times 1

X: (k+1) \times n

;

\beta: n \times 1

X: n \times n

;

\beta: (k+1) \times 1

X: n \times (k+1)

;

\beta: n \times 1

Show answer & explanation

Answer: $X: n \times (k+1)$ ; $\beta: (k+1) \times 1$

Answer

Tasarım matrisi

X

için

n \times (k+1)

, parametre vektörü

\beta

için

(k+1) \times 1

boyutları doğrudur.

Çoklu doğrusal regresyon modelinde

n

gözlem ve

k

bağımsız değişken varken, sabit terim için de bir sütun eklendiğinde tasarım matrisi (

X

)

n

satır ve

k+1

sütundan oluşur. Buna bağlı olarak, katsayıları içeren parametre vektörü (

\beta

)

(k+1) \times 1

boyutunda bir sütun vektörü olur.

Step-by-Step Solution

1

Model bileşenlerini tanımlayın.

n

gözlem sayısı,

k

bağımsız değişken sayısıdır.

Matris boyutlarını belirlemek için temel değişkenlerin tanımlanması gerekir.

2

Sabit terimin etkisini hesaplayın.

Parametre sayısı

p = k + 1

olur.

Regresyon modelinde sabit terim (

\beta_0

) için tasarım matrisine bir sütun (1'lerden oluşan) ve parametre vektörüne bir satır eklenir.

3

Matris boyutlarını formüle dökün.

X

matrisi

n

satır (gözlemler) ve

k+1

sütundan (değişkenler+sabit);

\beta

ise

k+1

satırdan oluşur.

Matris çarpım kuralı (

Y=X\beta

) gereği boyutların uyumlu olması gerekir.

Key Concept

Çoklu doğrusal regresyonun matris gösteriminde boyut uyumu ve sabit terimin etkisi.

Hints

1

Modeldeki toplam parametre sayısını (sabit terim dahil) belirleyerek başlayın.

2

X

matrisinin her bir satırı bir gözlemi, her bir sütunu ise bir değişkeni temsil eder.

3

Y = X\beta

çarpımının tanımlı olabilmesi için

X

'in sütun sayısı ile

\beta

'nın satır sayısı eşit olmalıdır.

Practice More

Model tahmin edildikten sonra elde edilen şapka (Hat) matrisinin izini (trace) hesaplayarak parametre sayısı ile ilişkisini inceleyebilirsiniz.

Estimated Time:1m 30s

Question 2Question →

$n$ adet gözlem birimi ve sabit terim dahil $p$ adet parametreden oluşan bir çoklu doğrusal regresyon modelinin matrisel gösterimi $Y = X\beta + \epsilon$ şeklindedir. Bu modelde tanımlanan $H = X(X'X)^{-1}X'$ matrisi (Hat matrisi) için aşağıdakilerden hangisi her zaman doğrudur?

H

matrisi idempotent bir matristir ve

H^2 = H

özelliğini taşır.

H

matrisinin boyutu

p \times p

olup, köşegen elemanlarının toplamı

n

değerine eşittir.

H

matrisinin izi (trace), modeldeki hata terimlerinin serbestlik derecesi olan

n-p

değerine eşittir.

X

matrisinin boyutu

p \times n

olup,

X'X

matrisi her zaman tekil (singular) bir matristir.

H

matrisi simetrik bir matris değildir ve

H \cdot e = Y

eşitliğini sağlar.

Show answer & explanation

Answer: $H$ matrisi idempotent bir matristir ve $H^2 = H$ özelliğini taşır.

Answer

Hat matrisi idempotent bir matristir ve

H^2 = H

özelliğini taşır.

Hat matrisi

H = X(X'X)^{-1}X'

olarak tanımlanır. Bu matrisin kendisiyle çarpımı (

H \cdot H

) yapıldığında, ortadaki

X'X

ve

(X'X)^{-1}

terimleri birim matris oluşturarak yok olur ve sonuç yine

H

matrisine eşit çıkar. Bu özellik matris cebirinde 'idempotent' olarak adlandırılır.

Step-by-Step Solution

1

Matris boyutlarını belirleme

X

matrisi

n \times p

,

X'

matrisi

p \times n

boyutundadır.

H matrisinin tanımı olan

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

işleminde boyut uyumunu kontrol etmek gerekir.

2

H matrisinin boyutunu hesaplama

H = (n \times p) \times (p \times p) \times (p \times n) = n \times n

.

Matris çarpımı kuralları gereği ortadaki boyutlar sadeleşir.

3

İdempotentlik özelliğini kanıtlama

H \cdot H = [X(X'X)^{-1}X'] \cdot [X(X'X)^{-1}X'] = X(X'X)^{-1}(X'X)(X'X)^{-1}X' = X(X'X)^{-1}X' = H

.

Matrislerin çarpımında ters matris özelliği (

A^{-1}A = I

) kullanılarak ifadenin kendisini verdiği görülür.

Key Concept

Hat matrisi (H), bağımlı değişken vektörünü (

Y

), tahmin edilen değerler vektörüne (

\hat{Y}

) dönüştüren (

HY = \hat{Y}

) simetrik ve idempotent bir matristir.

Question 3Question →

Çoklu doğrusal regresyon analizinde $n$ gözlem sayısını, $k$ ise modeldeki bağımsız değişken sayısını (sabit terim hariç) temsil etmektedir. Modelde sabit terimin (kesim noktası) yer aldığı bilindiğine göre, modelin matrisel gösteriminde ( $Y = X\beta + \epsilon$ ) kullanılan $X$ (veri matrisi) ve bu matrisin transpozu ile çarpımı sonucunda elde edilen $X'X$ matrisinin boyutları sırasıyla aşağıdakilerin hangisinde doğru olarak verilmiştir?

n \times (k+1)

ve

(k+1) \times (k+1)

n \times k

ve

k \times k

n \times (k+1)

ve

n \times n

(k+1) \times n

ve

(k+1) \times (k+1)

n \times k

ve

(k+1) \times (k+1)

Show answer & explanation

Answer: $n \times (k+1)$ ve $(k+1) \times (k+1)$

Answer

Veri matrisi

n \times (k+1)

boyutunda,

X'X

matrisi ise

(k+1) \times (k+1)

boyutundadır.

Çoklu doğrusal regresyon modelinde

X

matrisi,

n

gözlem ve

k

bağımsız değişkene ek olarak sabit terim için de bir sütun (birler sütunu) içerdiğinden

n \times (k+1)

boyutundadır.

X'X

işlemi ise

[(k+1) \times n] \times [n \times (k+1)]

matris çarpımı olduğundan sonuç

(k+1) \times (k+1)

boyutunda kare bir matris olur.

Step-by-Step Solution

1

Veri matrisinin (X) sütun yapısını analiz etme

1

(sabit terim için) +

k

(bağımsız değişkenler için) =

k+1

sütun

Modelde sabit terim olduğu için

X

matrisinin ilk sütunu birlerden oluşur.

2

Veri matrisinin (X) satır yapısını belirleme

n

adet satır

Her bir gözlem birimi matriste ayrı bir satırı temsil eder.

3

X'X matrisinin boyutlarını hesaplama

(k+1 \times n) \times (n \times k+1) = (k+1) \times (k+1)

Matris çarpımı kuralına göre iç boyutlar (

n

) sadeleşir ve dış boyutlar sonuç matrisini belirler.

Key Concept

Tasarım Matrisi (Design Matrix) Yapısı

Hints

1

Regresyon modelindeki her bir parametre (katsayı) için veri matrisinde bir sütun bulunmalıdır.

2

n

gözlem satır sayısını, sabit terim ve

k

değişken ise toplam sütun sayısını belirler.

Practice More

Bu matris boyutlarını kullanarak Hat matrisinin (

H = X(X'X)^{-1}X'

) boyutlarını ve izini (trace) hesaplamayı deneyin.

Estimated Time:1m 30s

Question 4Question →

Bir ekonometrik çalışmada, 20 farklı haneye ait tüketim harcamalarını açıklamak amacıyla sabit terimin yanında 3 farklı bağımsız değişken (gelir, servet ve hane büyüklüğü) kullanılarak çoklu doğrusal regresyon analizi yapılmıştır. Bu modelin matrisel gösteriminde yer alan $X'X$ matrisinin boyutu ve parametrelerin ( $\hat{\beta}$ ) En Küçük Kareler yöntemiyle tek bir çözüm kümesi olarak hesaplanabilmesi için bu matrisin sahip olması gereken temel özellik aşağıdakilerden hangisidir?

Boyutu

4 \times 4

olmalı ve matris tam ranjlı (nonsingüler) olmalıdır.

Boyutu

3 \times 3

olmalı ve matrisin determinantı sıfıra eşit olmalıdır.

Boyutu

20 \times 20

olmalı ve matris köşegen bir yapıda olmalıdır.

Boyutu

4 \times 4

olmalı ve bağımsız değişkenler arasında tam çoklu doğrusal bağlantı bulunmalıdır.

Boyutu

20 \times 4

olmalı ve matrisin rankı gözlem sayısına eşit olmalıdır.

Show answer & explanation

Answer: Boyutu $4 \times 4$ olmalı ve matris tam ranjlı (nonsingüler) olmalıdır.

Answer

Matris boyutu

4 \times 4

olmalı ve çözüm için matris tam ranjlı (tersi alınabilir) bir yapıda bulunmalıdır.

Doğru cevapta belirtildiği üzere, modelde sabit terim dahil 4 parametre olduğu için

X'X

matrisi

4 \times 4

boyutundadır. Parametre tahminlerini veren formül

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

olduğu için, çözümün varlığı

X'X

matrisinin tersinin alınabilmesine (tam ranjlı olmasına) bağlıdır.

Step-by-Step Solution

1

Parametre sayısının (

p

) belirlenmesi

p = 4

Modelde 1 sabit terim ve 3 bağımsız değişken olduğu belirtilmiştir. Toplam parametre sayısı

k + 1 = 3 + 1 = 4

olur.

2

X'X

matrisinin boyutunun hesaplanması

4 \times 4

Tasarım matrisi

X

,

n \times p

(

20 \times 4

) boyutundadır.

X'

matrisi

p \times n

(

4 \times 20

) boyutunda olduğundan, çarpımları olan

X'X

matrisi

p \times p

(

4 \times 4

) boyutunda kare bir matris olur.

3

EKK tahmin edicisi formülünün incelenmesi

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

En Küçük Kareler (EKK) tahmin edicilerinin hesaplanabilmesi için

X'X

matrisinin tersinin (

(X'X)^{-1}

) mevcut olması gerekir.

4

Matrisin tersi için gerekli koşulun saptanması

|X'X| \neq 0

(Nonsingüler)

Bir matrisin tersinin olabilmesi için determinantının sıfırdan farklı, yani matrisin tam ranjlı (sütunlarının doğrusal bağımsız) olması şarttır.

Key Concept

Çoklu doğrusal regresyonun matrisel çözümünde, parametrelerin benzersiz şekilde tahmin edilebilmesi için tasarım matrisinin sütunları arasında tam çoklu doğrusal bağlantı olmamalı ve

X'X

matrisi tam ranjlı olmalıdır.

Hints

1

Matris boyutunu belirlerken sabit terimi (intercept) bir bağımsız değişken gibi düşünerek parametre sayısına eklemeyi unutmayın.

2

X'X

matrisi, tasarım matrisi

X

'in transpozu ile kendisinin çarpımıdır; bu yüzden boyutu parametre sayısı olan

p \times p

olur.

Practice More

Parametre tahmin edicilerinin varyans-kovaryans matrisinin boyutunu ve formülünü (

Var(\hat{\beta}) = \sigma^2(X'X)^{-1}

) inceleyebilirsiniz.

Estimated Time:1m 30s

Question 5Question →

İstatistiksel modelleme süreçlerinde, katsayı tahminlerini elde etmek amacıyla kullanılan $\hat{\beta} = (X'X)^{-1}X'Y$ matrisel çözümünde $(X'X)$ matrisi kritik bir rol oynamaktadır. $n$ adet gözlem ve sabit terim dahil toplam $p$ adet parametreden oluşan bir çoklu doğrusal regresyon modelinde, söz konusu $(X'X)$ matrisinin boyutu aşağıdakilerden hangisidir?

p \times p

n \times n

n \times p

p \times n

p \times 1

Show answer & explanation

Answer: $p \times p$

Answer

Modeldeki parametre sayısı

p

olduğunda,

(X'X)

matrisinin boyutu

p \times p

olarak belirlenir.

Çoklu doğrusal regresyon analizinde, bağımsız değişkenler matrisi

X

, her biri bir gözlemi temsil eden

n

satıra ve her biri bir parametreyi (sabit terim dahil) temsil eden

p

sütuna sahiptir (

n \times p

). Bu matrisin transpozu olan

X'

ise

(p \times n)

boyutundadır. İki matris çarpıldığında (

X'X

), iç boyutlar (

n

) sadeleşir ve dış boyutlar olan

(p \times p)

sonuç matrisinin boyutunu belirler. Bu matris aynı zamanda simetrik bir kare matristir.

Step-by-Step Solution

1

Bağımsız değişkenler matrisi

X

ve transpozu

X'

matrislerinin boyutlarını tanımlayın.

X

matrisi

n \times p

, transpozu olan

X'

matrisi ise

p \times n

boyutundadır.

Çoklu regresyonda

n

satır (gözlemler) ve

p

sütun (sabit terim ve bağımsız değişkenler) bulunur.

2

Matris çarpımı

(X'X)

işleminin boyut sonucunu hesaplayın.

(p \times n) \times (n \times p) = p \times p

Matris çarpımında sonuç matrisinin boyutu, birinci matrisin satır sayısı ile ikinci matrisin sütun sayısının birleşimiyle oluşur.

Key Concept

Regresyon matrislerinde boyut uyumu ve kare matris oluşumu

Estimated Time:45s

Question 6Question →

Bir ekonometrik modelde, 50 farklı gözlem birimi ve 4 bağımsız değişken (açıklayıcı değişken) kullanılarak sabit terimli bir çoklu doğrusal regresyon analizi yapılması planlanmaktadır. Bu çalışmada kullanılacak olan $X$ (tasarım) matrisinin boyutu aşağıdakilerden hangisidir?

50 \times 4

50 \times 5

5 \times 50

4 \times 50

50 \times 50

Show answer & explanation

Answer: $50 \times 5$

Answer

Modelde 50 gözlem ve sabit terim dahil toplam 5 parametre bulunduğu için

X

matrisinin boyutu

50 \times 5

olmalıdır.

Matrisel gösterimde

X

matrisinin satır sayısı veri setindeki gözlem sayısına (

n=50

), sütun sayısı ise modelde tahmin edilecek toplam katsayı sayısına (

p

) eşittir. Sabit terimli bir modelde, sabit terim de bir parametre olarak kabul edildiğinden (ve matriste 1'lerden oluşan bir sütunla temsil edildiğinden), 4 bağımsız değişken ile birlikte toplam 5 sütun oluşur. Bu nedenle doğru boyut 50 satır ve 5 sütun şeklindedir.

Step-by-Step Solution

1

Gözlem sayısını ve parametre sayısını belirleyin.

n = 50

, Bağımsız değişken sayısı = 4, Sabit terim = 1.

Matris boyutları gözlem sayısı (

n

) ve toplam parametre sayısına (

p

) bağlıdır.

2

Toplam sütun sayısını (parametre sayısını) hesaplayın.

p = 4 + 1 = 5

sütun.

Sabit terimli modellerde, tasarım matrisinin ilk sütunu birimlerden oluşur ve toplam sütun sayısını bir artırır.

3

X

matrisinin genel boyut kuralını uygulayın.

n \times p \rightarrow 50 \times 5

.

Tasarım matrisi, her bir satırı bir gözlemi ve her bir sütunu bir değişkeni (parametre katsayısını) temsil edecek şekilde yapılandırılır.

Key Concept

Çoklu doğrusal regresyonda tasarım matrisi (

X

),

n

gözlem sayısı ve

p

parametre sayısı (bağımsız değişkenler + sabit terim) olmak üzere

n \times p

boyutundadır.

Practice More

Tasarım matrisi oluşturulduktan sonra

(X'X)

matrisinin boyutlarını hesaplayarak bilgilerinizi pekiştirebilirsiniz.

Estimated Time:45s

Question 7Question →

Sabit terimli bir çoklu doğrusal regresyon modelinde $n$ adet gözlem ve (sabit terim hariç) $k$ adet bağımsız değişken bulunmaktadır. Modelin matrisel gösterimi $Y = X\beta + \varepsilon$ şeklinde ifade edildiğine göre, $\beta$ parametre vektörünün boyutu aşağıdakilerden hangisidir?

(k+1) \times 1

k \times 1

n \times 1

(k+1) \times (k+1)

n \times (k+1)

Show answer & explanation

Answer: $(k+1) \times 1$

Answer

Çoklu doğrusal regresyon modelinde parametre vektörünün boyutu, k bağımsız değişken ve 1 sabit terim olmak üzere toplam k+1 satırdan oluşan bir sütun vektörü, yani

(k+1) \times 1

şeklindedir.

Çoklu doğrusal regresyon modelinde katsayılar vektörü

\beta

, modeldeki tüm bilinmeyen parametreleri içerir. Sabit terimli bir modelde,

k

adet bağımsız değişkene karşılık gelen eğim katsayılarının yanı sıra bir adet de sabit terim katsayısı (

\beta_0

) bulunur. Bu nedenle vektörde toplam

k+1

adet eleman yer alır. Matrisel çarpım kuralına göre

Y = X\beta

işleminde

\beta

bir sütun vektörü olmalıdır; dolayısıyla boyutu

(k+1) \times 1

olur.

Step-by-Step Solution

1

Modeldeki toplam parametre sayısını belirleyin.

Parametre sayısı

p = k + 1

(sabit terim dahil).

Regresyon modelinde her bağımsız değişken için bir eğim katsayısı ve ek olarak bir sabit terim katsayısı bulunur.

2

Parametre vektörünün yapısını analiz edin.

\beta = [\beta_0, \beta_1, \dots, \beta_k]'

şeklinde bir sütun vektörü.

Matris gösteriminde katsayılar, bağımsız değişkenler matrisi X ile çarpılabilmesi için uygun boyutta bir sütun vektörü olarak tanımlanır.

3

Boyutları matris kurallarına göre ifade edin.

(k+1)

satır ve

1

sütun.

Vektörler tek sütunlu matrisler olarak düşünüldüğünde, eleman sayısı satır sayısını verir.

Key Concept

Regresyon Modelinin Matrisel Bileşenleri

Practice More

X matrisinin sütunları ile beta vektörünün satırları arasındaki uyumu kontrol ederek matris çarpım kuralını hatırlayabilirsiniz.

Estimated Time:45s

Question 8Question →

Standart varsayımları sağlayan $Y = X\beta + u$ çoklu doğrusal regresyon modelinde, $u$ hata terimleri vektörünün beklenen değeri sıfır ve varyans-kovaryans matrisi $E(uu') = \sigma^2 I_n$ şeklindedir.

Bu modelde, En Küçük Kareler (EKK) parametre tahmin vektörü olan $\hat{\beta}$ 'nın bireysel katsayılarına ait varyansları ve katsayılar arası kovaryansları içeren Varyans-Kovaryans matrisi [ $Var(\hat{\beta})$ ], matris cebiri gösterimiyle aşağıdakilerden hangisine eşittir?

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

\sigma^2 X'X

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

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

\sigma^2 I_{k+1}

Show answer & explanation

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

Answer

Doğru eşitlik

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

ifadesidir.

En Küçük Kareler (EKK) tahmin edicisi

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

formülüyle hesaplanır. Bu tahmin edicinin varyansını bulmak için matrislerde varyans alma kuralı olan

Var(AY) = A Var(Y) A'

uygulanır. İfade açıldığında

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

olur. Devamında

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

şeklini alır. Klasik doğrusal modelin varsayımı gereği

Var(Y) = \sigma^2 I_n

matrisidir. Bu değer yerine konulduğunda ifade

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

halini alır. Ortadaki

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

çarpımı birim matrise eşit olacağından sadeleştirildiğinde parametrelerin varyans-kovaryans matrisi

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

olarak kesin bir şekilde bulunur.

Step-by-Step Solution

1

Türetilecek ifadenin belirlenmesi

En Küçük Kareler (EKK) tahmin edicisi olan

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

eşitliğinde her iki tarafın varyansı alınır.

Parametre tahminlerinin örneklem dağılımını ve standart hatalarını bulmak için varyans işlemine ihtiyaç vardır.

2

Varyans operatörünün matrislere uygulanması

Bir matris ile vektör çarpımının varyans kuralı olan

Var(AY) = A Var(Y) A'

kullanılarak,

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

şeklinde açılır.

X

matrisi verilen/sabit kabul edildiğinden varyans operatörü dışına kendisi ve transpozu alınarak çıkar.

3

Varsayımların yerine konulması ve sadeleştirme

Model varsayımı olan

Var(Y) = \sigma^2 I_n

yerine konulduğunda, ifade

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

halini alır.

(X'X)(X'X)^{-1} = I_{k+1}

olduğundan sonuç

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

olarak bulunur.

Sabit varyans ve otokorelasyonsuzluk varsayımı kullanılarak matris en sade formuna getirilir.

Key Concept

EKK Tahmin Edicilerinin Varyans-Kovaryans Matrisi

Estimated Time:1m 30s

Question 9Question →

$n$ adet gözlem ve (sabit terim hariç) $k$ adet bağımsız değişken içeren bir çoklu doğrusal regresyon modelinin matris gösterimi $Y = X\beta + u$ şeklindedir.

En Küçük Kareler (EKK) yöntemiyle elde edilen tahmin değerleri vektörü $\hat{Y}$ , bağımlı değişken vektörü $Y$ 'nin bir doğrusal dönüşümü olarak $\hat{Y} = HY$ eşitliği ile yazılabilir. Burada $H = X(X'X)^{-1}X'$ ifadesi "Şapka (Hat) Matrisi" olarak adlandırılır.

Buna göre, $H$ matrisinin boyutu ve ana köşegen üzerindeki elemanlarının toplamını ifade eden izi ( $Tr(H)$ ) sırasıyla aşağıdakilerden hangisinde doğru verilmiştir?

n \times n

ve

k + 1

n \times n

ve

n - k - 1

(k+1) \times (k+1)

ve

k + 1

(k+1) \times (k+1)

ve

n - k - 1

n \times (k+1)

ve

n

Show answer & explanation

Answer: $n \times n$ ve $k + 1$

Answer

Şapka (Hat) matrisinin boyutu

n \times n

ve izi

k + 1

'dir.

Y = X\beta + u

modelinde, model tarafından üretilen

\hat{Y}

tahmin vektörü

n \times 1

boyutundadır.

\hat{Y} = HY

eşitliği kullanıldığında,

n \times 1

boyutunda bir sonuç vektörü elde etmek için

Y_{n \times 1}

vektörünün

n \times n

boyutunda bir kare matris ile çarpılması gerekir. Dolayısıyla,

H = X(X'X)^{-1}X'

matrisi

n \times n

boyutundadır. İzi ise matris cebirindeki yer değiştirme özelliğiyle (

Tr(ABC) = Tr(CAB)

) hesaplanır:

Tr(H) = Tr[X(X'X)^{-1}X'] = Tr[X'X(X'X)^{-1}]

. Bir matrisin tersi ile çarpımı birim matris üreteceğinden ifade

Tr(I)

olur. Burada

(X'X)

matrisi

(k+1) \times (k+1)

boyutunda olduğundan

I

birim matrisi de

(k+1) \times (k+1)

boyutundadır. Bu birim matrisin izi (ana köşegenindeki 1'lerin toplamı)

k+1

'e eşittir.

Step-by-Step Solution

1

H

matrisinin içindeki her bir alt matrisin boyutunu listeleme.

X

matrisi

n \times (k+1)

,

(X'X)^{-1}

matrisi

(k+1) \times (k+1)

ve

X'

matrisi

(k+1) \times n

boyutundadır.

Çarpım matrisinin boyutunu bulmak için matris çarpım kuralını (iç boyutların eşleşmesi, dış boyutların sonuç olması) uygulamak gerekir.

2

Uç matris boyutlarına bakarak

H

matrisinin son boyutunu hesaplama.

H = X_{n \times (k+1)} \times ((X'X)^{-1}X')_{(k+1) \times n} \implies n \times n

boyutunda bir kare matris elde edilir.

\hat{Y} = HY

işleminde

n \times 1

vektörü elde edilmesi için

H

'nin

n \times n

boyutunda olması teorik olarak da zorunludur.

3

İz (trace) operatörünün

Tr(AB) = Tr(BA)

özelliğini üçlü matris çarpımına uygulama.

Tr(X(X'X)^{-1}X') = Tr(X'X(X'X)^{-1}) = Tr(I_{k+1})

işlemine dönüşür.

İz işleminde çarpım sırası döngüsel olarak değiştirilebilir. Bu sayede karmaşık ters matris işlemi sadeleşerek birim matrisin izi problemine indirgenir.

4

Birim matrisin (

I_{k+1}

) izini hesaplama.

(k+1) \times (k+1)

boyutundaki birim matrisin köşegeninde

(k+1)

adet 1 bulunur. Toplamları

k+1

olur.

Kare matrisin izi, ana köşegen üzerindeki elemanların toplamıdır.

Key Concept

Şapka Matrisinin (Hat Matrix) Boyutu ve İz Özelliği

Question 10Question →

Ekonometrik analizlerde vektör uzayı yaklaşımı kullanılarak, $n$ gözlemden oluşan bağımlı değişken vektörü $Y$ , $X$ matrisinin oluşturduğu sütun uzayına ve bu uzaya dik olan (ortogonal) alt uzaya izdüşürülmektedir. $Y = X\beta + u$ standart çoklu doğrusal regresyon modelinde (sabit terim dâhil $p$ parametre içermektedir), $P = X(X'X)^{-1}X'$ matrisi $Y$ 'nin sütun uzayına izdüşümünü, $M = I - P$ ise dik uzaya izdüşümünü veren simetrik ve idempotent matrislerdir.

EKK tahmin süreci sonunda elde edilen kestirim vektörü $\hat{Y}$ ve artık vektörü $e$ dikkate alındığında, bu modelin matris özellikleri ve varyans-kovaryans yapıları hakkında aşağıda verilen analitik sonuçlardan hangisi doğrudur?

Kestirim değerleri vektörünün varyans-kovaryans matrisi

Var(\hat{Y}) = \sigma^2 P

yapısındadır ve bu izdüşüm matrisi

P

'nin izi (trace), modeldeki katsayı parametre sayısına (

p

) eşittir.

Artık vektörünün varyans-kovaryans matrisi

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

olarak tanımlanır ve bu kare matrisin boyutu gözlem sayısına (

n \times n

) eşittir.

Kalan (Artık) matrisi

M

'nin izi (trace)

tr(M) = n-1

olduğundan, modeldeki hata varyansının sapmasız tahmincisi her zaman

s^2 = \frac{e'e}{n-1}

eşitliğiyle hesaplanır.

Parametre tahmin vektörü

\hat{\beta}

, katsayılar matrisi formülüne göre

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

matris işlemiyle elde edilir ve bu vektörün nihai boyutu

n \times 1

'dir.

Tasarım matrisi

X

'in sütunları arasında çoklu doğrusal bağlantı olduğunda

(X'X)

matrisi singüler hale yaklaşır ve bu durum EKK tahmincisi

\hat{\beta}

'nın sapmalı (biased) sonuçlar üretmesine neden olur.

Show answer & explanation

Answer: Kestirim değerleri vektörünün varyans-kovaryans matrisi $Var(\hat{Y}) = \sigma^2 P$ yapısındadır ve bu izdüşüm matrisi $P$ 'nin izi (trace), modeldeki katsayı parametre sayısına ( $p$ ) eşittir.

Answer

Kestirim değerlerinin varyans-kovaryans matrisinin

\sigma^2 P

olduğunu ve izdüşüm matrisinin izinin parametre sayısı

p

'ye eşit olduğunu belirten seçenek doğrudur.

Kestirim değerleri vektörünün (

\hat{Y}

) matrisel karşılığı

PY

'dir. Varyans operatörünün özelliklerinden

Var(PY) = P \cdot Var(Y) \cdot P'

elde edilir.

Var(Y) = \sigma^2 I_n

ve

P

matrisi simetrik ile idempotent (

P=P'

ve

P^2=P

) olduğundan bu işlem

\sigma^2 P

sonucunu verir. Ayrıca matris izi döngüsellik kuralına göre,

tr(X(X'X)^{-1}X') = tr((X'X)^{-1}X'X) = tr(I_p) = p

bulunur. İzdüşüm matrisinin izi modeldeki parametre sayısına eşittir.

Step-by-Step Solution

1

Kestirim değerleri vektörünün (

\hat{Y}

) varyans-kovaryans matrisinin türetilmesi.

\hat{Y} = PY

olduğundan,

Var(\hat{Y}) = Var(PY) = P \cdot Var(Y) \cdot P'

elde edilir.

Var(Y) = \sigma^2 I

ve

P

idempotent (

P=P'

ve

P^2=P

) olduğundan sonuç

\sigma^2 P

çıkar.

Kestirim değerlerinin varyans yapısını oluşturan matrisin izdüşüm matrisi

P

ile ilişkisini kanıtlamak.

2

İzdüşüm matrisi

P

'nin izinin (trace) matris cebiriyle hesaplanması.

tr(P) = tr(X(X'X)^{-1}X') = tr((X'X)^{-1}X'X) = tr(I_p) = p

bulunur.

İzdüşüm yapılan alt uzayın boyutunun modeldeki parametre sayısına (

p

) eşit olduğunu göstermek.

3

Artıkların varyans matrisi, boyutları ve hatalı seçeneklerin çürütülmesi.

Var(e) = \sigma^2 M

olup matris boyutu

n \times n

'dir. Buna karşın

(X'X)^{-1}

matrisi

p \times p

boyutludur. Artıkların serbestlik derecesi de matrisin izi olan

n-p

'ye eşittir.

Çeldiricilerde verilen hatalı matris boyutları, yanlış tahminci formülleri ve yanlış serbestlik derecelerini matematiksel olarak elemek.

Key Concept

İzdüşüm (Hat) ve Kalan Matrislerinin Özellikleri ile Boyutları

Estimated Time:2m 30s

Question 11Question →

Ekonometrik bir çalışmada, $n$ gözlem ve (sabit terim dâhil) $p$ parametre içeren standart çoklu doğrusal regresyon modeli matris notasyonu ile $Y = X\beta + \varepsilon$ şeklinde tanımlanmıştır. Modelde En Küçük Kareler (EKK) tahmincisi $\hat{\beta} = (X'X)^{-1}X'Y$ ve artıklar vektörü $e = Y - \hat{Y}$ olarak verilmiştir. $X$ matrisinin tam sütun rankına sahip olduğu varsayılmaktadır.

Modelin açıklayıcı gücünü değerlendirmek isteyen bir araştırmacı, Hata (Artık) Kareler Toplamı skaler değerini ( $e'e$ ) matris işlemleriyle hesaplamak istemektedir.

Buna göre, aşağıdaki matris çarpımlarından hangisi modelin Hata Kareler Toplamı'nı ( $e'e$ ) ifade etmez?

Y'Y - \hat{\beta}'X'Y

Y'[I - X(X'X)^{-1}X']Y

e'Y

Y'Y - \hat{\beta}'X'X\hat{\beta}

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

Show answer & explanation

Answer: $Y'X(X'X)^{-1}X'Y$

Answer

Hata Kareler Toplamı'nı (HKT) vermeyen, aksine modelin açıkladığı varyans olan Regresyon Kareler Toplamı'nı (RKT) veren ifade Y'X(X'X)⁻¹X'Y matris çarpımıdır.

Doğru yanıt olan seçenek, Hata Kareler Toplamı'nı (HKT) değil, Regresyon Kareler Toplamı'nı (RKT) temsil eder.

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

ifadesi, bağımlı değişken vektörünün (Y) tahmin uzayına izdüşüm matrisi (

H = X(X'X)^{-1}X'

) ile çarpılmasıdır ve

\hat{Y}'\hat{Y}

yani model tarafından açıklanan varyansı verir. HKT ise

Y'Y - \hat{Y}'\hat{Y}

işlemi ile bulunur.

Step-by-Step Solution

1

Hata Kareler Toplamı'nın (HKT) temel matris tanımını yazın.

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

Artıklar vektörü e'nin kendisiyle iç çarpımı HKT'yi verir.

2

Çarpım işlemini dağıtarak açın ve EKK normal denklemlerini uygulayın.

e'e = Y'Y - \hat{\beta}'X'Y - Y'X\hat{\beta} + \hat{\beta}'X'X\hat{\beta}

. Skaler ifadelerde transpoz kendisine eşit olduğundan

-2\hat{\beta}'X'Y

olur. EKK'da

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

olduğundan denklem

e'e = Y'Y - \hat{\beta}'X'Y

şeklinde sadeleşir.

Bu sadeleştirme, HKT'nin Genel Kareler Toplamı (GKT) eksi Regresyon Kareler Toplamı (RKT) olduğu gerçeğinin matrisyel ispatıdır.

3

Seçeneklerdeki ifadelerin HKT'ye eşit olup olmadığını kontrol edin.

Doğru seçenek olan ifadede

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

elde edilir. Bu işlem RKT'yi (Açıklanan Kareler Toplamı) verir.

Y'nin izdüşüm matrisi (H) ile karesel formu, tahmin edilen değerlerin kareleri toplamını hesaplar.

Key Concept

Regresyon Modellerinde Kareler Toplamlarının Matris Formülasyonu

Modelin Matris Gösterimi

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

Hints

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

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

Answer

Step-by-Step Solution

Key Concept

Common Mistakes