Kukla Değişkenli Regresyon Modelleri

110 soru

Soru 101Soru

Bir araştırmacı, küçük ve orta boy işletmelerin (KOBİ) yıllık ihracat hacimlerini (YY, bin dolar) etkileyen faktörleri incelemek amacıyla aşağıdaki regresyon modelini EKK yöntemiyle tahmin etmiştir:

Yi=β0+β1D1i+β2D2i+β3(D1i×D2i)+uiY_i = \beta_0 + \beta_1 D_{1i} + \beta_2 D_{2i} + \beta_3 (D_{1i} \times D_{2i}) + u_i

Modelde yer alan kukla değişkenler şu şekilde tanımlanmıştır:
D1D_1: Uluslararası kalite sertifikası (1 = Sertifikası var, 0 = Sertifikası yok)
D2D_2: Üretim teknolojisi düzeyi (1 = İleri teknoloji, 0 = Geleneksel teknoloji)

Tahmin sonucunda β^3\hat{\beta}_3 katsayısının istatistiksel olarak sıfırdan farklı ve pozitif olduğu (p<0,05p < 0,05) tespit edilmiştir. Diğer tüm katsayıların da anlamlı olduğu varsayılmaktadır.

Buna göre, tahmin edilen β^3\hat{\beta}_3 katsayısının doğru yorumu aşağıdakilerden hangisidir?

Cevabı ve açıklamayı göster

Cevap: Uluslararası kalite sertifikasına sahip olmanın ortalama ihracat hacmine yaptığı katkı; ileri teknoloji kullanan işletmelerde, geleneksel teknoloji kullanan işletmelere kıyasla β^3\hat{\beta}_3 bin dolar daha fazladır.

Cevap

Doğru yanıt, etkileşim katsayısı olan β^3\hat{\beta}_3'ün iki kukla değişkenin (kalite sertifikası ve teknoloji düzeyi) ortak etkisinin marjinal farkını yansıttığını belirten seçenektir.
İki kukla değişkenin çarpımından oluşan etkileşim teriminin katsayısı (β^3\hat{\beta}_3), bir özelliğin (kalite sertifikası) bağımlı değişken üzerindeki etkisinin, diğer özelliğin (teknoloji düzeyi) varlığına veya yokluğuna göre ne kadar farklılaştığını gösterir. Matematiksel olarak β^3\hat{\beta}_3; ileri teknoloji grubundaki sertifika etkisi ((β0+β1+β2+β3)(β0+β2)=β1+β3(\beta_0+\beta_1+\beta_2+\beta_3) - (\beta_0+\beta_2) = \beta_1+\beta_3) ile geleneksel teknoloji grubundaki sertifika etkisinin ((β0+β1)β0=β1(\beta_0+\beta_1) - \beta_0 = \beta_1) birbirinden farkıdır.

Adım Adım Çözüm

1
Her bir alt grup için modelin beklenen değerlerini (koşullu ortalamalarını) yazın.
E(Y1,1)=β0+β1+β2+β3E(Y|1,1) = \beta_0 + \beta_1 + \beta_2 + \beta_3, E(Y1,0)=β0+β1E(Y|1,0) = \beta_0 + \beta_1, E(Y0,1)=β0+β2E(Y|0,1) = \beta_0 + \beta_2, E(Y0,0)=β0E(Y|0,0) = \beta_0
Kukla değişkenlerin aldığı 0 ve 1 değerlerine göre modelin nasıl şekillendiğini görmek için.
2
İleri teknoloji kullanan (D2=1D_2=1) işletmelerde kalite sertifikasının (D1D_1) etkisini hesaplayın.
E(Y1,1)E(Y0,1)=(β0+β1+β2+β3)(β0+β2)=β1+β3E(Y|1,1) - E(Y|0,1) = (\beta_0 + \beta_1 + \beta_2 + \beta_3) - (\beta_0 + \beta_2) = \beta_1 + \beta_3
Bir grubun (ileri teknoloji) içindeki marjinal etkiyi izole etmek için.
3
Geleneksel teknoloji kullanan (D2=0D_2=0) işletmelerde kalite sertifikasının (D1D_1) etkisini hesaplayın.
E(Y1,0)E(Y0,0)=(β0+β1)β0=β1E(Y|1,0) - E(Y|0,0) = (\beta_0 + \beta_1) - \beta_0 = \beta_1
Diğer grubun (geleneksel teknoloji) içindeki marjinal etkiyi izole etmek için.
4
İki etkinin farkını alarak etkileşim katsayısının (β3\beta_3) anlamını bulun.
(β1+β3)β1=β3(\beta_1 + \beta_3) - \beta_1 = \beta_3
Etkileşim katsayısının, 'bir kukla değişkenin etkisinin, diğer kukla değişkenin durumuna göre ne kadar değiştiğini' ölçtüğünü kanıtlamak için.

Anahtar Kavram

İki Kukla Değişken Arası Etkileşim Katsayısının Yorumlanması (Farkların Farkı)
Tahmini Süre:2m 0s
Soru 102Soru

Bir araştırmacı, bir perakende mağazasının günlük satış miktarlarını (YY) tahmin etmek için zaman serisi verilerini kullanarak bir çoklu doğrusal regresyon modeli kurmaktadır. Haftanın günlerinin satışlar üzerindeki etkisini ölçmek isteyen araştırmacı, modele bir sabit terim (β0\beta_0) eklemiştir.

Araştırmacı, hafta içi her bir gün için ayrı birer kukla değişken (DPzt,DSal,DCar,DPer,DCumD_{Pzt}, D_{Sal}, D_{Car}, D_{Per}, D_{Cum}) tanımlamıştır. Hafta sonu günleri (Cumartesi ve Pazar) için ise bu iki günü ayrı ayrı modele eklemek yerine, gözlemin hafta sonuna denk gelmesi durumunda 1, aksi halde 0 değerini alan tek bir "Hafta Sonu" (WW) kukla değişkeni oluşturmuştur.

Kurulan model şu şekildedir:
Yt=β0+β1DPzt,t+β2DSal,t+β3DCar,t+β4DPer,t+β5DCum,t+γWt+utY_t = \beta_0 + \beta_1 D_{Pzt, t} + \beta_2 D_{Sal, t} + \beta_3 D_{Car, t} + \beta_4 D_{Per, t} + \beta_5 D_{Cum, t} + \gamma W_t + u_t

Bu modelin EKK (En Küçük Kareler) tahmini aşamasında karşılaşılacak temel ekonometrik duruma ilişkin aşağıdaki ifadelerden hangisi kesinlikle doğrudur?

Cevabı ve açıklamayı göster

Cevap: Modelde tam çoklu doğrusal bağlantı (kukla değişken tuzağı) problemi vardır; çünkü modele eklenen tüm kukla değişkenlerin toplamı her gözlem için 1'e eşittir ve bu durum sabit terimle kusursuz doğrusal bağımlılık yaratır.

Cevap

Modele eklenen tüm kukla değişkenlerin toplamı her gözlem için 1'e eşit olduğundan, sabit terim içeren bu modelde kusursuz doğrusal bağımlılık (kukla değişken tuzağı) oluşur ve tahmin yapılamaz.
Kukla değişken tuzağı, açıklayıcı değişkenler arasında kusursuz bir doğrusal bağımlılık bulunması durumudur. Bir kategorik değişkenin tüm olası sınıfları (veya tüm uzayı kapsayan yeni alt gruplaştırmaları) modele kukla değişken olarak eklendiğinde, bu değişkenlerin toplamı her gözlem için 1'e eşit olur. Modelde sabit terim bulunduğunda (vektör karşılığı 1'lerden oluşan sütundur), kukla değişkenlerin toplamı doğrudan sabit terim sütununu verir. Sorudaki modelde 5 hafta içi günü ve birleşmiş hafta sonu (WW) uzayın %100'ünü kaplar. Dolayısıyla her tt anı için DPzt+DSal+DCar+DPer+DCum+W=1D_{Pzt} + D_{Sal} + D_{Car} + D_{Per} + D_{Cum} + W = 1 olur. Bu kusursuz eşitlik, XXX'X matrisinin determinantını sıfır yapar ve EKK tahmincileri hesaplanamaz.

Adım Adım Çözüm

1
Kukla değişkenlerin kapsadığı tüm olası durumları belirleme.
Araştırmacı 5 adet hafta içi günü ve 1 adet hafta sonu kukla değişkeni tanımlamıştır. Bu 6 değişken, bir haftadaki tüm günleri (örneklem uzayının tamamını) eksiksiz kapsamaktadır.
Referans (dışlanan) kategori olup olmadığını anlamak için.
2
Herhangi bir gözlem (tt günü) için modeldeki kukla değişkenlerin alacağı değerlerin toplamını hesaplama.
Veri setindeki herhangi bir gün ya hafta içidir (sadece ilgili günün kuklası 1, diğerleri 0 olur) ya da hafta sonudur (sadece WW kuklası 1, diğerleri 0 olur). Her iki durumda da: DPzt+DSal+DCar+DPer+DCum+W=1D_{Pzt} + D_{Sal} + D_{Car} + D_{Per} + D_{Cum} + W = 1 eşitliği sağlanır.
Açıklayıcı değişkenler arasındaki matematiksel ilişkiyi bulmak için.
3
Açıklayıcı değişkenler matrisindeki (XX) sütun ilişkisini inceleme.
Kukla değişken sütunlarının toplamı, her elemanı 1 olan sabit terim sütununu vermektedir. Sütunlar doğrusal bağımlıdır.
XXX'X matrisinin tersine çevrilebilirliğini kontrol etmek için.
4
Ekonometrik sonucu çıkarma.
Matris singüler (tekil) olduğu için determinantı sıfırdır. EKK tahmincileri hesaplanamaz. Bu durum 'kukla değişken tuzağı' olarak adlandırılır.
Model tahmininin yapılabilirliğine karar vermek için.

Anahtar Kavram

Kukla Değişken Tuzağı (Tam Çoklu Doğrusal Bağlantı)
Tahmini Süre:2m 0s
Soru 103Soru

Bir kamu kurumu uzmanı, illerin yıllık altyapı harcamalarını (YiY_i) analiz etmek için çoklu doğrusal regresyon modeli kurmaktadır. Veri setinde iller, bulundukları coğrafi bölgeye göre 7 sınıfa (B1,B2,,B7B_1, B_2, \dots, B_7), gelişmişlik düzeylerine göre ise 3 sınıfa (G1,G2,G3G_1, G_2, G_3) ayrılmıştır. Her bir il, yalnızca bir coğrafi bölgeye ve yalnızca bir gelişmişlik düzeyine mensuptur.

Uzman, modeline bir sabit terim (β0\beta_0) ve illerin nüfusunu gösteren sürekli bir XiX_i değişkenini eklemiş; ayrıca her iki kategorik değişkenin tüm sınıflarını kukla değişken olarak aşağıdaki gibi modele dahil etmiştir:

Yi=β0+j=17αjBji+k=13γkGki+θXi+uiY_i = \beta_0 + \sum_{j=1}^{7} \alpha_j B_{ji} + \sum_{k=1}^{3} \gamma_k G_{ki} + \theta X_i + u_i

Buna göre, veri matrisinde ortaya çıkan tam çoklu doğrusal bağlantı (kukla değişken tuzağı) probleminin çözülerek En Küçük Kareler (EKK) parametrelerinin benzersiz (tek) bir şekilde tahmin edilebilmesi için, aşağıdaki spesifikasyon düzenlemelerinden hangisinin yapılması gerekli ve yeterlidir?

Cevabı ve açıklamayı göster

Cevap: Sabit terimin modelde tutulması koşuluyla, coğrafi bölge ve gelişmişlik düzeyi kuklalarının her ikisinden de birer sınıfın modelden çıkarılması

Cevap

Sabit terimin modelde tutulması koşuluyla, coğrafi bölge ve gelişmişlik düzeyi kuklalarının her ikisinden de birer sınıfın modelden çıkarılması
Modelde her ikisi de tüm gözlemleri kapsayan (mutually exclusive and collectively exhaustive) iki ayrı kategorik değişken grubu (BB ve GG) bulunmaktadır. Bu durumda, birinci gruptaki kuklaların toplamı 1'e, ikinci gruptaki kuklaların toplamı da 1'e eşittir. EKK parametrelerinin tahmin edilebilmesi için (XX)(X'X) matrisinin tam ranklı olması gerekir. Sabit terim modelde tutulduğunda, her iki gruptaki 'toplamı 1 eden' yapısal bağımlılığı kırmak zorunludur. Bunun tek yolu, birinci gruptan (coğrafi bölge) en az bir, ikinci gruptan (gelişmişlik düzeyi) en az bir kukla değişkeni (referans kategori olarak) modelden çıkarmaktır.

Adım Adım Çözüm

1
Kategorik değişkenlerin özelliklerini tanımla.
7 coğrafi bölge (BB) ve 3 gelişmişlik düzeyi (GG) birbirini dışlayan ve kapsayıcı (exhaustive) kategorilerdir. Bu nedenle j=17Bj=1\sum_{j=1}^7 B_j = 1 ve k=13Gk=1\sum_{k=1}^3 G_k = 1 eşitlikleri her gözlem için geçerlidir.
Kukla değişken tuzağının matematiksel temelini belirlemek.
2
Mevcut modelin doğrusal bağımlılık durumunu analiz et.
Modelde sabit terim (β0\beta_0 sütunu tamamı 1'lerden oluşur) bulunmaktadır. BB kuklalarının toplamı 1'i, GG kuklalarının toplamı da 1'i verdiğinden; Sabit Terim = Bj\sum B_j = Gk\sum G_k şeklinde iki ayrı tam doğrusal bağlantı mevcuttur.
Tasarım matrisindeki (XX)(X'X) tekilliğin (singularity) kaynaklarını tespit etmek.
3
Kukla değişken tuzağını ortadan kaldıracak kısıtlamaları belirle.
Eğer sabit terim modelde kalacaksa, her iki tam doğrusal bağlantıyı da kırmak için birinci gruptan bir değişken (örneğin B7B_7) ve ikinci gruptan bir değişken (örneğin G3G_3) dışlanmalıdır.
Bağımsız değişkenler matrisini (X) tam sütun rankına ulaştırarak tersinin (XX)1(X'X)^{-1} alınabilir olmasını sağlamak.

Anahtar Kavram

Birden Fazla Kategorik Değişken Durumunda Kukla Değişken Tuzağı
Tahmini Süre:2m 0s
Soru 104Soru

Bir makroekonomi araştırmacısı, bir ülkede 'enflasyon hedeflemesi' rejimine geçişin, politika faiz oranı (XX) ile enflasyon oranı (YY) arasındaki ilişkide yapısal bir kırılmaya yol açıp açmadığını test etmek istemektedir.

Rejime geçiş yılından önceki dönemler için Dt=0D_t=0, geçiş yılı ve sonrasındaki dönemler için Dt=1D_t=1 olmak üzere bir kukla değişken tanımlanmış ve aşağıdaki regresyon modeli tahmin edilmiştir:

Yt=β1+β2Dt+β3Xt+β4(DtXt)+utY_t = \beta_1 + \beta_2 D_t + \beta_3 X_t + \beta_4 (D_t X_t) + u_t

Tahmin sonuçlarına göre, katsayılara ait istatistiksel anlamlılık testlerinin p-değerleri şu şekilde elde edilmiştir:
- H0:β2=0H_0: \beta_2 = 0 için t-testi p-değeri: 0.4150.415
- H0:β4=0H_0: \beta_4 = 0 için t-testi p-değeri: 0.0120.012
- H0:β2=β4=0H_0: \beta_2 = \beta_4 = 0 için ortak (joint) F-testi p-değeri: 0.0060.006

Anlamlılık düzeyi α=0.05\alpha = 0.05 olarak alındığında, araştırmacının elde ettiği bu sonuçlara dayanılarak yapılacak en doğru yorum aşağıdakilerden hangisidir?

Cevabı ve açıklamayı göster

Cevap: Enflasyon hedeflemesi rejimine geçişle birlikte enflasyonun otonom seviyesinde istatistiksel olarak anlamlı bir değişim (kesişim kırılması) yaşanmamış, ancak faiz oranının marjinal etkisinde anlamlı bir değişim (eğim kırılması) gerçekleşmiştir. Bu durum genel bir yapısal kırılmanın varlığını gösterir.

Cevap

Enflasyonun otonom seviyesinde anlamlı bir değişim olmamasına rağmen, faiz oranının marjinal etkisinde anlamlı bir değişim gerçekleşmiş ve bu durum genel bir yapısal kırılmaya işaret etmiştir.
Verilen modelde β2\beta_2 kesişim (sabit terim) kuklasının, β4\beta_4 ise eğim kuklasının katsayısıdır. β2\beta_2 katsayısına ait p-değeri (0.415>0.050.415 > 0.05) anlamsız olduğu için modelin sabit teriminde bir yapısal kırılma (kayma) yoktur. Ancak β4\beta_4 katsayısına ait p-değeri (0.012<0.050.012 < 0.05) anlamlı olduğu için bağımsız değişkenin eğiminde bir yapısal kırılma meydana gelmiştir. Ayrıca β2=β4=0\beta_2 = \beta_4 = 0 kısıtını test eden ortak F-testinin p-değeri (0.006<0.050.006 < 0.05) anlamlıdır, yani genel olarak modelde yapısal bir kırılma mevcuttur. Bu kırılmanın kaynağı sadece eğimdeki (faizin enflasyon üzerindeki etkisindeki) değişimdir.

Adım Adım Çözüm

1
Hipotezlerin ve p-değerlerinin incelenmesi
β2\beta_2 için p=0.415>0.05p = 0.415 > 0.05 olduğundan kesişim kuklası anlamsızdır. β4\beta_4 için p=0.012<0.05p = 0.012 < 0.05 olduğundan eğim kuklası anlamlıdır. Ortak F-testi için p=0.006<0.05p = 0.006 < 0.05 olduğundan yapısal kırılma hipotezi kabul edilmiştir.
Katsayıların ve ortak kısıtların istatistiksel anlamlılığını %5 anlamlılık düzeyinde test etmek.
2
Katsayıların modele etkisinin yorumlanması
Kesişim katsayısında (β2\beta_2) istatistiksel olarak anlamlı bir farklılık yoktur, yani enflasyonun otonom seviyesi değişmemiştir. Eğim katsayısında (β4\beta_4) istatistiksel olarak anlamlı bir farklılık vardır, yani faizin enflasyon üzerindeki marjinal etkisi değişmiştir.
Hangi parametrenin yapısal kırılmaya yol açtığını teorik olarak belirlemek.
3
Genel yapısal kırılma kararının verilmesi
Sadece eğimde meydana gelen anlamlı bir değişim bile, modelin bütününde (ortak F-testiyle doğrulandığı üzere) istatistiksel olarak anlamlı bir yapısal kırılmaya işaret eder.
Bireysel t-testleri ile ortak F-testi sonuçlarını sentezleyerek doğru sonuca ulaşmak.

Anahtar Kavram

Yapısal Kırılmanın Kukla Değişkenlerle Testi (Chow Testi Alternatifi)
Soru 105Soru

Bir insan kaynakları uzmanı, çalışanların iş performansı puanlarını (YY) tahmin etmek amacıyla bir çoklu doğrusal regresyon modeli kurmaktadır. Analize dâhil edilen bağımsız değişkenlerden biri sürekli bir değişken olan 'çalışanın deneyim süresi' (X1X_1), diğeri ise nitel bir değişken olan 'çalışılan departman'dır. İşletmede; Satış, Üretim, Pazarlama, Muhasebe ve Ar-Ge olmak üzere 55 farklı departman bulunmaktadır.

Uzman, modeline bir sabit terim (kesişim parametresi, β0\beta_0) eklemiş ve ayrıca her bir departman için D1,D2,D3,D4D_1, D_2, D_3, D_4 ve D5D_5 olmak üzere toplam 55 adet kukla (dummy) değişken tanımlayarak bu değişkenlerin tamamını aynı anda modele bağımsız değişken olarak dâhil etmiştir.

Buna göre, kurulan bu regresyon modelinin En Küçük Kareler (EKK) yöntemiyle tahmini süreci hakkında aşağıdaki ifadelerden hangisi kesinlikle doğrudur?

Cevabı ve açıklamayı göster

Cevap: Modele sabit terimle birlikte mm adet kukla değişken eklendiği için tam çoklu doğrusal bağlantı (kukla değişken tuzağı) oluşur; bu nedenle (XX)(X'X) matrisi tekil hâle gelir ve parametreler benzersiz bir şekilde tahmin edilemez.

Cevap

Modelde sabit terimle birlikte tüm kategoriler için kukla değişken eklendiğinde tam çoklu doğrusal bağlantı (kukla değişken tuzağı) oluşur ve (X'X) matrisi tekil hale geleceğinden EKK ile parametre tahmini yapılamaz.
Doğru ifade, modele sabit terimle birlikte tüm kategorilerin kukla değişkenlerinin dâhil edilmesinin tam çoklu doğrusal bağlantı (kukla değişken tuzağı) yaratacağını ve EKK matris çözümlemesinde (XX)(X'X) matrisinin determinantını sıfır yaparak (tekil matris) tersinin alınmasını engelleyeceğini belirten seçenektir. Bu durumda parametreler hesaplanamaz.

Adım Adım Çözüm

1
Modeldeki nitel değişkenin kategori sayısını (mm) ve modelin yapısını belirleyin.
Departman değişkeninin m=5m=5 kategorisi vardır ve modelde sabit terim (β0\beta_0) bulunmaktadır.
Kukla değişken oluşturma kuralı, modelin sabit terim içerip içermemesine bağlıdır.
2
Sabit terimli modellerde kukla değişken kuralını (m1m-1) hatırlayın.
Sabit terim içeren bir modelde, tam çoklu doğrusal bağlantıdan kaçınmak için kategori sayısının bir eksiği kadar (m1=4m-1=4) kukla değişken modele alınmalı, 1 kategori referans olarak dışarıda bırakılmalıdır.
Her gözlem mutlaka 5 departmandan birine ait olacağından, 5 kukla değişkenin satır toplamı her zaman 1 olacaktır (D1+D2+D3+D4+D5=1D_1 + D_2 + D_3 + D_4 + D_5 = 1).
3
Kural ihlalinin matematiksel sonucunu (Kukla Değişken Tuzağı) değerlendirin.
Uzman 5 değişkenin tamamını eklediği için D1+D2+D3+D4+D5=1D_1 + D_2 + D_3 + D_4 + D_5 = 1 eşitliği ortaya çıkar. Sabit terimin matris gösterimindeki sütunu da tamamen 1'lerden oluştuğu için bağımsız değişkenler arasında kusursuz (tam) bir doğrusal ilişki doğar.
EKK yönteminde katsayıların tahmini β^=(XX)1XY\hat{\beta} = (X'X)^{-1}X'Y formülü ile yapılır.
4
Tam çoklu doğrusal bağlantının (XX)(X'X) matrisine etkisini analiz edin.
Bağımsız değişkenler arasında tam doğrusal ilişki olması, (XX)(X'X) matrisinin determinantının sıfır olmasına yol açar. Bu matris tekil (singüler) bir matristir ve tersi (inverse) alınamaz.
Matrisin tersi alınamadığı için parametreler EKK yöntemiyle benzersiz bir şekilde hesaplanamaz ve tahmin süreci çöker.

Anahtar Kavram

Kukla Değişken Tuzağı ve EKK Matris Çözümü Üzerindeki Etkisi
Soru 106Soru

Bir kamu kurumundaki hizmet birimlerinin verimliliğini analiz etmek isteyen bir araştırmacı; 'Sağlık', 'Eğitim', 'Güvenlik' ve 'Ulaşım' olmak üzere 4 farklı hizmet kategorisini bir regresyon modeline dahil etmek istemektedir. Sabit terimli (intercept) bir model kurulacağı varsayıldığında, 'kukla değişken tuzağına' (dummydummy variablevariable traptrap) düşmemek için modele kaç adet kukla değişken eklenmelidir?

Cevabı ve açıklamayı göster

Cevap: 3

Cevap

Modele 3 adet kukla değişken eklenmelidir.
Regresyon modellerinde nitel (kalitatif) değişkenler kukla değişkenler aracılığıyla modele dahil edilir. Eğer modelde bir sabit terim (B0B_0) bulunuyorsa, tam çoklu doğrusal bağlantıdan (perfectperfect multicollinearitymulticollinearity) kaçınmak için kategori sayısının bir eksiği (m1m-1) kadar kukla değişken tanımlanmalıdır. Bu soruda 4 hizmet kategorisi bulunduğu için 41=34-1=3 adet kukla değişken yeterlidir.

Adım Adım Çözüm

1
Nitel değişkenin kategori sayısını (mm) belirle.
m=4m = 4 (Sağlık, Eğitim, Güvenlik, Ulaşım)
Kukla değişken sayısı kategori sayısına bağlıdır.
2
Modelde sabit terim (interceptintercept) olup olmadığını kontrol et.
Model sabit terimlidir.
Sabit terimin varlığı, eklenecek kukla değişken kuralını belirler.
3
m1m-1 kuralını uygula.
41=34 - 1 = 3
Sabit terimli bir modelde kukla değişken tuzağından kaçınmak için bir kategori referans (temel) olarak dışarıda bırakılmalıdır.

Anahtar Kavram

Kukla değişkenlerin oluşturulmasında m1m-1 kuralı ve kukla değişken tuzağı.

İpuçları

1
Kukla değişken sayısı belirlenirken modelde sabit terim olup olmadığına dikkat ediniz.
2
Sabit terim varken kategori sayısı (mm) kadar değişken eklemek tam çoklu doğrusal bağlantı yaratır.
3
Genel kural m1m-1 adet değişken eklemektir; böylece bir kategori referans olarak kalır.

Daha Fazla Pratik

Eğer modelde sabit terim (orijinden geçen model) olmasaydı, kaç adet kukla değişken eklenmesi gerektiğini düşününüz.
Tahmini Süre:45s
Soru 107Soru

Bir kamu kurumu, e-devlet portalında yapılan kapsamlı bir arayüz yenilemesinin, vatandaşların "sistemde geçirdikleri süre" (XX, dakika) ile "hizmet memnuniyet puanı" (YY, 1-100) arasındaki ilişkiyi değiştirip değiştirmediğini incelemektedir. Yenileme öncesi dönem için D=0D = 0, yenileme sonrası dönem için D=1D = 1 alınarak aşağıdaki kukla değişkenli regresyon modeli tahmin edilmiştir:

Y^i=78.42.5Xi+6.2Di0.4(DiXi) \hat{Y}_i = 78.4 - 2.5 X_i + 6.2 D_i - 0.4 (D_i X_i)
Tahmin edilen katsayıların hemen altında, parantez içinde verilen değerler ilgili katsayının istatistiksel anlamlılığına ait olasılık (pp) değerleridir:
Y^i=78.4(0.000)2.5(0.018)Xi+6.2(0.041)Di0.4(0.365)(DiXi) \hat{Y}_i = \underset{(0.000)}{78.4} - \underset{(0.018)}{2.5} X_i + \underset{(0.041)}{6.2} D_i - \underset{(0.365)}{0.4} (D_i X_i)

Buna göre, %5\%5 anlamlılık düzeyinde (α=0.05\alpha = 0.05) elde edilen sonuçların yorumuyla ilgili aşağıdakilerden hangisi kesinlikle doğrudur?

Cevabı ve açıklamayı göster

Cevap: Arayüz yenilemesi memnuniyet puanının otonom (süreye bağlı olmayan) düzeyinde anlamlı bir artış sağlamış, ancak sistemde geçirilen sürenin memnuniyet üzerindeki marjinal etkisinde yapısal bir değişime neden olmamıştır.

Cevap

Arayüz yenilemesi memnuniyet puanının otonom düzeyinde anlamlı bir artış sağlamış, ancak sürenin marjinal etkisinde bir değişime neden olmamıştır.
Verilen regresyon sonucunda, doğrudan DiD_i'ye ait olan 6.26.2 katsayısı otonom (süreye bağlı olmayan) memnuniyet artışını temsil eder ve p=0.041<0.05p=0.041 < 0.05 olduğu için anlamlıdır. Buna karşılık, marjinal etkinin (eğimin) değişimini gösteren DiXiD_i X_i etkileşim teriminin 0.4-0.4 olan katsayısı p=0.365>0.05p=0.365 > 0.05 olduğu için anlamsızdır. Bu durum, yenilemenin sistemin genel memnuniyet çıtasını yukarı taşıdığını, ancak bekleme süresine olan duyarlılığı (eğimi) istatistiksel olarak değiştirmediğini kanıtlar.

Adım Adım Çözüm

1
Kesişim (sabit terim) kuklasının (DiD_i) anlamlılığını kontrol et.
Katsayı 6.26.2 ve p=0.041<0.05p = 0.041 < 0.05 olduğundan, H0:β2=0H_0: \beta_2 = 0 hipotezi reddedilir.
Yenileme sonrasında, sistemde geçirilen süreden bağımsız olarak (otonom) memnuniyet puanında 6.26.2 birimlik istatistiksel olarak anlamlı bir artış (kesişimde yapısal kırılma) yaşanmıştır.
2
Eğim (etkileşim) kuklasının (DiXiD_i X_i) anlamlılığını kontrol et.
Katsayı 0.4-0.4 ve p=0.365>0.05p = 0.365 > 0.05 olduğundan, H0:β3=0H_0: \beta_3 = 0 hipotezi reddedilemez.
Yenileme işlemi, sistemde geçirilen her bir ilave dakikanın memnuniyet puanında yarattığı düşüş etkisini (eğimi) istatistiksel olarak değiştirmemiştir. Başlangıçtaki 2.5-2.5'lik marjinal etki geçerliliğini korumaktadır.
3
Sonuçları birleştirerek yapısal kırılmanın niteliğini belirle.
Modelde tam bir yapısal kırılma (hem eğim hem kesişim) yoktur; sadece sabit terimde (otonom düzeyde) anlamlı bir yukarı kayma gerçekleşmiştir.
Bir bağımsız değişkenin etkisi sabit kalırken, modelin başlangıç düzeyi değişmiştir. İki döneme ait regresyon doğruları birbirine paraleldir.

Anahtar Kavram

Kukla değişkenlerle yapısal kırılma testinde, sabit terim kuklasının ve eğim kuklasının istatistiksel anlamlılıklarının (p-değerleri üzerinden) ayrı ayrı yorumlanması.
Tahmini Süre:2m 0s
Soru 108Soru

Bir sağlık ekonomisti, belirli bir cerrahi operasyon geçiren hastaların hastanede kalış sürelerini (YY, gün) analiz etmek amacıyla bir çoklu regresyon modeli tahmin etmiştir. Modelde hastanın yaşı (X1X_1) sürekli değişken, hastane türü (Devlet, Üniversite, Özel) ise kategorik değişken olarak yer almaktadır.

Devlet hastanesinin referans (temel) kategori olarak alındığı ilk modelin tahmin denklemi aşağıdaki gibidir:

Y^=42+005X1+18D115D2\hat{Y} = 4{}2 + 0{}05X_1 + 1{}8D_1 - 1{}5D_2

Burada D1D_1, hasta üniversite hastanesinde tedavi görmüşse 1, diğer durumlarda 0; D2D_2 ise hasta özel hastanede tedavi görmüşse 1, diğer durumlarda 0 değerini alan kukla (dummy) değişkenlerdir.

Araştırmacı daha sonra, üniversite hastanelerini diğer hastanelerle doğrudan karşılaştırabilmek için referans kategorisini 'Üniversite' olarak değiştirmiş ve modeli aynı veri setiyle yeniden tahmin etmiştir:

Y^=α0+α1X1+γ1DDevlet+γ2DO¨zel\hat{Y} = \alpha_0 + \alpha_1X_1 + \gamma_1D_{\text{Devlet}} + \gamma_2D_{\text{Özel}}

Buna göre, yeni kurulan modelde sabit terimin (α0\alpha_0) ve özel hastane kukla değişkeninin katsayısının (γ2\gamma_2) tahmini değerleri aşağıdakilerin hangisinde sırasıyla doğru olarak verilmiştir?

Cevabı ve açıklamayı göster

Cevap: α0=60\alpha_0 = 6{}0 ve γ2=33\gamma_2 = -3{}3

Cevap

Yeni sabit terim α0=60\alpha_0 = 6{}0 ve özel hastane katsayısı γ2=33\gamma_2 = -3{}3 olmalıdır.
Çoklu doğrusal regresyonda kukla değişkenlerin referans kategorisi değiştirildiğinde, modelin öngördüğü her bir gruba ait beklenen değerler (koşullu ortalamalar) matematiksel olarak aynı kalmak zorundadır. İlk modele göre her bir hastane türü için beklenen kalış sürelerinin sabit kısmını hesaplarsak: Devlet (referans) = 424{}2, Üniversite = 42+18=604{}2 + 1{}8 = 6{}0, Özel = 4215=274{}2 - 1{}5 = 2{}7 elde edilir. Yeni modelde 'Üniversite' referans kategori olarak belirlendiği için, yeni sabit terim (α0\alpha_0) doğrudan üniversite hastanesinin temel değerine, yani 606{}0'a eşit olur. Özel hastaneyi temsil eden yeni kukla değişkenin katsayısı (γ2\gamma_2) ise, özel hastane ile yeni referans olan üniversite hastanesi arasındaki beklenen kalış süresi farkını ifade eder. Bu fark 2760=332{}7 - 6{}0 = -3{}3 olarak bulunur. Dolayısıyla doğru değerler α0=60\alpha_0 = 6{}0 ve γ2=33\gamma_2 = -3{}3'tür.

Adım Adım Çözüm

1
Kategorik değişkenin referans seviyesi değiştiğinde modelin doğasının değişmediğini, sadece katsayıların referans noktasına göre yeniden ölçeklendiğini belirleyin.
Her bir hastane türü için tahmin edilen kalış süresinin (yaş değişkeninin etkisi hariç tutulduğunda) her iki modelde de aynı kalması gerektiği anlaşılır.
Regresyon modelinde kukla değişkenlerin katsayıları, referans kategoriye kıyasla olan ortalama farkı ifade eder. Uyum (fit) değişmez.
2
İlk modeli (Devlet hastanesi referanslı) kullanarak her bir kategori için sabit kısmı (kesişim noktasını) hesaplayın.
Devlet = 424{}2, Üniversite = 42+18=604{}2 + 1{}8 = 6{}0, Özel = 4215=274{}2 - 1{}5 = 2{}7.
İlk denklemde Devlet hastanesi için D1=0,D2=0D_1=0, D_2=0; Üniversite için D1=1,D2=0D_1=1, D_2=0; Özel hastane için D1=0,D2=1D_1=0, D_2=1 alınarak bu değerler türetilir.
3
İkinci modelin yeni referans kategorisine göre yeni sabit terimi (α0\alpha_0) belirleyin.
Yeni modelde Üniversite referans olduğu için yeni sabit terim α0\alpha_0, Üniversite hastanesinin sabit kısmına eşittir: α0=60\alpha_0 = 6{}0.
Sabit terim, modeldeki tüm bağımsız değişkenlerin (ve kuklaların) sıfır olduğu durumdaki temel değeri temsil eder; bu da yeni referans kategorinin ortalamasıdır.
4
İkinci modeldeki yeni kukla değişken katsayısını (γ2\gamma_2) hesaplayın.
Özel hastanenin yeni katsayısı, özel hastanenin ortalaması ile yeni referansın (Üniversite) ortalaması arasındaki farktır: 2760=332{}7 - 6{}0 = -3{}3.
γ2\gamma_2, 'Özel Hastane - Üniversite Hastanesi' farkını ölçmektedir.

Anahtar Kavram

Kukla değişkenli modellerde referans kategori değiştiğinde sabit terimin yeni referansın değerini alması ve diğer katsayıların yeni referansa göre olan farklar olarak yeniden hesaplanması.
Soru 109Soru

Bir kamu kurumunda işlem gören başvuruların ortalama sonuçlanma süresini (YY, gün) belirleyen faktörleri incelemek amacıyla aşağıdaki doğrusal regresyon modeli tahmin edilmiştir:

Y=β0+β1D1+β2D2+β3(D1×D2)+uY = \beta_0 + \beta_1 D_1 + \beta_2 D_2 + \beta_3 (D_1 \times D_2) + u

Modeldeki bağımsız değişkenler şu şekildedir:
- D1D_1: Başvuru türü (1 = Ticari işletme başvurusu, 0 = Gerçek kişi başvurusu)
- D2D_2: Başvuru kanalı (1 = Elektronik ortam, 0 = Fiziki evrak)

Analiz sonucunda modeldeki tüm katsayıların istatistiksel olarak anlamlı olduğu bulunmuştur.

Buna göre, modeldeki β3\beta_3 katsayısının doğru yorumu aşağıdakilerden hangisidir?

Cevabı ve açıklamayı göster

Cevap: Başvuru kanalının elektronik olmasının sonuçlanma süresi üzerindeki etkisinin, ticari işletmeler ile gerçek kişiler arasında gösterdiği farklılık miktarını ifade eder.

Cevap

İki kukla değişkenin etkileşim katsayısı olan β3\beta_3, bir bağımsız değişkenin (başvuru kanalı) etkisinin, diğer bağımsız değişkenin (başvuru türü) kategorilerine göre ne kadar farklılaştığını ifade eder.
Çoklu regresyon modellerinde iki kukla değişkenin çarpımı (etkileşim terimi), bu değişkenlerin birbirlerinin etkisi üzerindeki ortak etkisini ölçer. Matematiksel olarak β3\beta_3 katsayısı; D2D_2'nin bağımlı değişken üzerindeki etkisinin, D1=0D_1=0 ile D1=1D_1=1 durumları arasında ne kadar değiştiğini ifade eder. Bu, literatürde 'farkların farkı' (difference-in-differences) olarak bilinir.

Adım Adım Çözüm

1
Baz (referans) grubun beklenen değerini belirle
Gerçek kişi (D1=0D_1=0) ve Fiziki evrak (D2=0D_2=0) için: E(Y)=β0E(Y) = \beta_0
Regresyon modelinde yorumlamaya daima tüm kukla değişkenlerin sıfır olduğu referans grubundan başlanır.
2
Gerçek kişiler için başvuru kanalının etkisini hesapla
Elektronik (D2=1D_2=1) eksi Fiziki (D2=0D_2=0): (β0+β2)β0=β2(\beta_0 + \beta_2) - \beta_0 = \beta_2
Gerçek kişilerde elektronik kanalın getirdiği tekil etkiyi (farkı) görmek için.
3
Ticari işletmeler için başvuru kanalının etkisini hesapla
Elektronik (D1=1,D2=1D_1=1, D_2=1) eksi Fiziki (D1=1,D2=0D_1=1, D_2=0): (β0+β1+β2+β3)(β0+β1)=β2+β3(\beta_0 + \beta_1 + \beta_2 + \beta_3) - (\beta_0 + \beta_1) = \beta_2 + \beta_3
Ticari işletmelerde elektronik kanalın getirdiği toplam etkiyi (farkı) görmek için.
4
İki etkinin (farkın) farkını hesapla
Ticari işletmelerdeki etki ile Gerçek kişilerdeki etkinin farkı: (β2+β3)β2=β3(\beta_2 + \beta_3) - \beta_2 = \beta_3
Etkileşim teriminin cebirsel karşılığının, birinci etkinin ikinci kategoriye geçildiğinde gösterdiği sapma olduğunu kanıtlamak için.

Anahtar Kavram

İki kukla değişken arasındaki etkileşim teriminin 'Farkların Farkı' (Difference-in-Differences) olarak yorumlanması
Tahmini Süre:2m 0s
Soru 110Soru

Bir Sosyal Güvenlik Kurumu (SGK) aktüeri, kuruma yapılan aylık emeklilik başvuru sayısını (YtY_t) analiz etmek amacıyla 10 yıllık (toplam n=120n=120 ay) bir zaman serisi verisi kullanmaktadır. Aktüer, bağımlı değişkeni açıklamak için bir makroekonomik göstergeyi (XtX_t) sürekli bağımsız değişken olarak modele dahil etmiş ve ayrıca yıl içindeki mevsimsel dalgalanmaları yakalamak için aylara ait kukla değişkenleri modele eklemeye karar vermiştir. Kurulacak regresyon modelinde bir sabit terim (kesişim parametresi) yer alacağı ve referans (temel) kategori olarak "Aralık" ayının analiz dışında bırakılacağı belirtilmiştir.

Buna göre; doğru model spesifikasyonunda kullanılması gereken aylık kukla değişken sayısı, bu katsayıların yorumu, mevsimselliğin modele katkısının bütünsel anlamlılık testi ve En Küçük Kareler (EKK) tahmini sonrasındaki hata serbestlik derecesi aşağıdakilerin hangisinde doğru verilmiştir?

Cevabı ve açıklamayı göster

Cevap: Modele 11 adet kukla değişken eklenmelidir; tahmin edilen katsayılar ilgili ayın Aralık ayına göre başvuru sayısındaki ortalama farkını gösterir, mevsimselliğin bütünsel anlamlılığı F-testi ile sınanır ve hata serbestlik derecesi 107'dir.

Cevap

Modelde 11 adet kukla değişken yer almalı, bu katsayılar Aralık ayına göre ortalama farkı göstermeli, bütünsel anlamlılık F-testiyle ölçülmeli ve hata serbestlik derecesi 107 olmalıdır.
Verilen senaryoda bir sabit terim kullanıldığı için, 'kukla değişken tuzağı'na (tam çoklu doğrusal bağlantı) düşmemek amacıyla 12 ay için 11 adet kukla değişken kullanılmalıdır. Bu 11 değişkenin her birinin katsayısı, dışarıda bırakılan referans kategori olan 'Aralık' ayına göre emeklilik başvuru sayısında yarattığı marjinal (ortalama) farkı ifade eder. Mevsimselliğin modele bütünsel ve eşanlı bir anlamlılık katıp katmadığı H0:α1=α2==α11=0H_0: \alpha_1 = \alpha_2 = \dots = \alpha_{11} = 0 hipotezini sınayan F-testi ile ölçülür. Hata serbestlik derecesi ise toplam gözlem sayısından (n=120n=120) tahmin edilen parametre sayısının (k=1 sabit+1 su¨rekli Xt+11 kukla=13k = 1 \text{ sabit} + 1 \text{ sürekli } X_t + 11 \text{ kukla} = 13) çıkarılmasıyla 12013=107120 - 13 = 107 olarak doğru şekilde hesaplanmıştır.

Adım Adım Çözüm

1
Modele eklenecek kukla değişken sayısını tespit etme
12 ay için 11 adet kukla değişken kullanılmalıdır.
Modelde bir sabit terim bulunduğundan, kukla değişken tuzağına (tam çoklu doğrusal bağlantı) düşmemek için kategori sayısının bir eksiği (12-1=11) kadar değişken eklenir.
2
Kukla değişken katsayılarının anlamını yorumlama
Katsayılar, model dışında bırakılan referans kategoriye (Aralık) göre olan ortalama farkları yansıtır.
Referans kategorinin temel etkisi sabit terimde toplanmıştır. Modele eklenen kukla değişkenler ise bu sabit terimden pozitif veya negatif yönlü sapmaları ölçer.
3
Mevsimselliğin bütünsel anlamlılığını test etme
11 adet mevsimsel kukla değişkenin modele ortak katkısı F-testi ile sınanır.
Birden fazla parametrenin eşanlı olarak modele katkısını (ortak kısıt) sınamak için bireysel t-testleri yetersizdir ve Tip 1 hata oranını artırır; kısıtlanmış ve kısıtlanmamış modelleri kıyaslayan F-testi gereklidir.
4
Hata serbestlik derecesini (sd) hesaplama
sd = 107 olarak bulunur.
Hata serbestlik derecesi formülü (n - k) şeklindedir. Toplam gözlem n = 120'dir. Tahmin edilen parametreler: 1 (sabit terim) + 1 (X_t değişkeni) + 11 (kukla değişkenler) = 13 parametre (k=13). Buradan sd = 120 - 13 = 107 olur.

Anahtar Kavram

Kukla değişken tuzağından kaçınma, referans kategoriye göre diferansiyel yorumlama, parametre ortak anlamlılık kısıtı (F-testi) ve serbestlik derecesi hesabı.
Tahmini Süre:2m 0s
ÖncekiSayfa 6 / 6
Kukla Değişkenli Regresyon Modelleri Alıştırma Soruları — KPSS İstatistik — Sayfa 6 | Examkin