Model Seçimi ve Spesifikasyon Hataları

91 soru

Çoklu doğrusal regresyon analizinde, bağımsız değişken kümesinin belirlenmesi amacıyla kullanılan 'İleri Doğru Seçim' (Forward Selection) yönteminin işleyiş algoritması ve değişken seçim kriteriyle ilgili aşağıdaki ifadelerden hangisi doğrudur?

Yöntem başlangıçta bağımsız değişken içermeyen (sadece sabit terimli) bir modelle yola çıkar ve her adımda modele dahil edilmemiş değişkenler arasından bağımlı değişkeni açıklama gücü en yüksek olan (en büyük kısmi F istatistiğine sahip) anlamlı değişkeni modele ekler.

Süreç tüm aday bağımsız değişkenlerin modelde yer aldığı 'tam model' ile başlar ve her adımda t-istatistiği anlamlılık düzeyinin altında kalan değişkenler modelden tek tek çıkarılır.

Değişkenlerin modele giriş önceliği, bağımsız değişkenlerin kendi aralarındaki korelasyon katsayılarının en düşük olduğu kombinasyonlar üzerinden hesaplanan varyans şişirme faktörüne (VIF) göre belirlenir.

Model seçim süreci, sadece düzeltilmiş belirtme katsayısının (

R^2_{adj}

) bir önceki adıma göre istatistiksel olarak anlamlı bir artış gösterdiği durumlarda yeni bir değişkenin eklenmesine izin verir.

Modele dahil edilen her değişken, bir sonraki adımda diğer değişkenler eklendiğinde tekrar test edilir ve kısmi anlamlılığını yitiren değişkenler algoritma tarafından otomatik olarak modelden uzaklaştırılır.

Cevabı ve açıklamayı göster

Cevap: Yöntem başlangıçta bağımsız değişken içermeyen (sadece sabit terimli) bir modelle yola çıkar ve her adımda modele dahil edilmemiş değişkenler arasından bağımlı değişkeni açıklama gücü en yüksek olan (en büyük kısmi F istatistiğine sahip) anlamlı değişkeni modele ekler.

Cevap

İleri Doğru Seçim yöntemi, sadece sabit terimli modelle başlayıp her adımda modele girmemiş değişkenler arasından en büyük kısmi F istatistiğine sahip anlamlı değişkeni ekleyerek ilerler.

Doğru ifade, İleri Doğru Seçim yönteminin boş bir modelle (sabit terimli) başladığını ve her adımda bağımlı değişkenle en yüksek kısmi korelasyona/F-değerine sahip değişkeni modele eklediğini belirtir. Bu, yöntemin temel tanımı ve işleyiş mantığıdır.

Adım Adım Çözüm

Başlangıç modelinin oluşturulması

Modelde sadece

\beta_0

(sabit terim) bulunur.

İleri doğru seçim yöntemi, bağımsız değişken içermeyen en basit yapıdan başlar.

Aday değişkenlerin değerlendirilmesi

Modele girmemiş her bir

X_i

değişkeni için bağımlı değişken

Y

ile olan kısmi korelasyon veya kısmi F istatistiği hesaplanır.

Modelin açıklama gücüne en yüksek katkıyı yapacak değişkeni belirlemek gerekir.

Değişkenin modele dahil edilmesi

Hesaplanan F istatistiği önceden belirlenen anlamlılık eşiğini (

F_{in}

veya

\alpha_{in}

) geçiyorsa değişken modele eklenir.

İstatistiksel olarak anlamlı bir katkı sağlamayan değişkenler modele dahil edilmez.

Durdurma kriterinin kontrolü

Girmemiş hiçbir değişken anlamlılık eşiğini sağlamadığında süreç sonlandırılır.

Algoritmanın sonsuz döngüye girmemesi ve optimal (yerel) modele ulaşılması sağlanır.

Anahtar Kavram

İleri Doğru Seçim (Forward Selection) Algoritması

Daha Fazla Pratik

Adımsal Regresyon (Stepwise Regression) ile İleri Doğru Seçim yöntemi arasındaki farkları, değişkenlerin modelden çıkarılabilme özelliği üzerinden karşılaştırınız.

Tahmini Süre:1m 30s

Soru 22Soru →

Bir ziraat mühendisi, buğday verimini ( $Y$ ) etkileyen faktörleri belirlemek amacıyla; gübre kullanımı ( $X_1$ ), sulama miktarı ( $X_2$ ), ekim derinliği ( $X_3$ ), toprak sıcaklığı ( $X_4$ ) ve zararlı ot yoğunluğu ( $X_5$ ) değişkenlerini içeren bir çoklu doğrusal regresyon modeli kurmuştur. $\alpha = 0,05$ anlamlılık düzeyinde elde edilen ilk tahmin sonuçları şu şekildedir:

Değişken	$t$ -istatistiği	$p$ -değeri
$X_1$	2,85	0,008
$X_2$	1,12	0,265
$X_3$	-3,10	0,003
$X_4$	0,45	0,654
$X_5$	-1,98	0,052

Buna göre, 'Geriye Doğru Eleme' (Backward Elimination) yöntemi kullanıldığında atılması gereken ilk adım aşağıdakilerden hangisidir?

p

-değeri anlamlılık düzeyinden büyük ve en yüksek olan

X_4

değişkeni modelden çıkarılarak regresyon analizi kalan değişkenlerle tekrar yapılmalıdır.

p

-değeri

\alpha=0,05

düzeyinden büyük olan

X_2, X_4

X_5

değişkenlerinin tamamı aynı anda modelden çıkarılarak nihai modele ulaşılmalıdır.

Analize boş bir modelle başlanmalı ve

p

-değeri en küçük olan

X_3

değişkeni modele ilk olarak dahil edilmelidir.

p

-değeri en küçük olan ve modeli en çok açıklayan

X_3

değişkeni modelden çıkarılarak analize devam edilmelidir.

Anlamlılık sınırına çok yakın olan (

0,052

)

X_5

değişkeni öncelikle çıkarılmalı,

X_4

değişkeni ise modelde tutulmalıdır.

Cevabı ve açıklamayı göster

Cevap: $p$ -değeri anlamlılık düzeyinden büyük ve en yüksek olan $X_4$ değişkeni modelden çıkarılarak regresyon analizi kalan değişkenlerle tekrar yapılmalıdır.

Cevap

p-değeri en yüksek olan ve anlamlılık düzeyinden büyük olan değişken modelden çıkarılarak analiz tekrarlanmalıdır.

Geriye doğru eleme yöntemi, tüm bağımsız değişkenlerin modele dahil edildiği 'tam model' ile analize başlar. Her aşamada, belirlenen anlamlılık düzeyinden (

\alpha

) büyük p-değerine sahip olan değişkenler incelenir ve bu gruptaki p-değeri en yüksek olan (yani t-istatistiği mutlak değerce en küçük olan) değişken modelden çıkarılır. Senaryoda

X_2, X_4

X_5

değişkenleri anlamsızdır ve bunlar arasında p-değeri en yüksek olan

X_4

(

0,654

) olduğu için ilk olarak o çıkarılmalıdır.

Adım Adım Çözüm

Anlamlılık düzeyini (

\alpha=0,05

) kullanarak tüm değişkenlerin p-değerlerini kontrol edin.

X_1, X_3

anlamlı (

p < 0,05

);

X_2, X_4, X_5

anlamsız (

p > 0,05

) olarak belirlenir.

Geriye doğru eleme yönteminde sadece anlamsız değişkenler adaydır.

Anlamsız değişkenler (

X_2, X_4, X_5

) arasından p-değeri en yüksek olanı seçin.

p(X_4) = 0,654

değeri en yüksek p-değeridir.

En yüksek p-değeri, modeldeki en düşük istatistiksel anlamlılığa sahip değişkeni temsil eder.

Sadece belirlenen değişkeni modelden çıkarın ve kalan değişkenlerle (

X_1, X_2, X_3, X_5

) modeli yeniden tahmin edin.

X_4

çıkarılmış yeni bir regresyon çıktısı elde edilir.

Değişkenler arası çoklu doğrusal bağlantı nedeniyle bir değişkenin çıkması diğerlerinin p-değerlerini değiştirebileceği için işlem her adımda tek değişken için yapılır.

Anahtar Kavram

Geriye Doğru Eleme (Backward Elimination) Algoritması

Soru 23Soru →

Gerçek model $Y_i = \beta_1 + \beta_2 X_{2i} + \beta_3 X_{3i} + u_i$ iken, araştırmacının $X_3$ değişkenini modelden dışlayarak $Y_i = \alpha_1 + \alpha_2 X_{2i} + v_i$ modelini tahmin ettiği varsayılsın. $X_{2i}$ ve $X_{3i}$ değişkenleri arasında doğrusal bir ilişki ( $Cov(X_2, X_3) \neq 0$ ) bulunduğu bilindiğine göre, $\alpha_2$ parametresinin En Küçük Kareler (EKK) tahmin edicisi için aşağıdakilerden hangisi kesinlikle doğrudur?

Parametre tahmin edicisi hem sapmalı hem de tutarsızdır.

Parametre tahmin edicisi sapmasızdır ancak etkinliğini kaybetmiştir.

Hata terimi varyansının tahmini (

\hat{\sigma}^2

) sapmasız kalmaya devam eder.

Sadece sabit terim sapmalı olur, eğim katsayısı sapmasızlığını korur.

Tahmin edici sapmalıdır ancak örneklem hacmi arttıkça tutarlı hale gelir.

Cevabı ve açıklamayı göster

Cevap: Parametre tahmin edicisi hem sapmalı hem de tutarsızdır.

Cevap

Modelde yer alan katsayı tahmin edicisinin hem sapmalı hem de tutarsız olduğunu belirten ifade doğrudur.

Gerçek modelde yer alan bir değişken (

X_3

) modelden dışlandığında ve bu değişken modeldeki diğer bir değişkenle (

X_2

) ilişkili olduğunda,

X_2

katsayısının tahmini hem sapmalı hem de tutarsız olur. Bunun nedeni,

X_3

'ün

Y

üzerindeki etkisinin kısmen

X_2

katsayısı tarafından üstlenilmesidir.

Adım Adım Çözüm

Eksik değişken sapması (OVB) mekanizmasını tanımla.

Eğer dışlanan değişken (

X_3

) hem bağımlı değişken (

Y

) üzerinde etkiliyse hem de modeldeki değişken (

X_2

) ile ilişkiliyse,

X_2

ile hata terimi (

v

) arasında korelasyon oluşur.

EKK varsayımlarından biri olan

Cov(X, u) = 0

(dışsallık) varsayımı ihlal edilmiş olur.

Sapmanın matematiksel beklentisini analiz et.

E(\hat{\alpha}_2) = \beta_2 + \beta_3 \cdot b_{32}

formülüne göre, eğer

\beta_3 \neq 0

b_{32} \neq 0

ise sapma oluşur.

Burada

b_{32}

X_3

'ün

X_2

üzerine regresyonundan elde edilen katsayıdır ve korelasyon varsa sıfırdan farklıdır.

Tahmin edicinin özelliklerini belirle.

Dışsallık varsayımı bozulduğunda EKK tahmin edicileri sadece küçük örneklemlerde sapmalı (biased) olmakla kalmaz, büyük örneklemlerde de gerçek değere yakınsamaz (inconsistent).

Hata terimi ile bağımsız değişken arasındaki korelasyon, tutarlılık özelliğini yok eder.

Anahtar Kavram

Eksik Değişken Sapması (Omitted Variable Bias)

Daha Fazla Pratik

Eksik değişken ile modeldeki değişken arasındaki korelasyonun ve dışlanan değişkenin katsayısının işaretine bakarak sapmanın yönünü (pozitif/negatif) belirleme çalışmaları yapılması önerilir.

Tahmini Süre:1m 30s

Soru 24Soru →

Gerçek model $Y_i = \beta_1 + \beta_2 X_{2i} + \beta_3 X_{3i} + u_i$ formunda iken, araştırmacının $X_{3i}$ değişkenini modele dahil etmeyerek $Y_i = \alpha_1 + \alpha_2 X_{2i} + v_i$ modelini En Küçük Kareler (EKK) yöntemiyle tahmin ettiği varsayılmaktadır. Bu durumda, ihmal edilen $X_3$ değişkeninin katsayısı $\beta_3 \neq 0$ olmasına rağmen, modele dahil edilen $X_2$ değişkenine ait $\hat{\alpha}_2$ tahmin edicisinin sapmasız (unbiased) olabilmesi için gerekli olan temel koşul aşağıdakilerden hangisidir?

X_2

X_3

değişkenleri arasındaki korelasyonun sıfır olması

Modeldeki hata terimlerinin varyansının tüm gözlemler için sabit olması

Örneklem hacminin (n) sonsuza doğru gitmesi

Modelde çoklu doğrusal bağlantı (multicollinearity) sorununun bulunmaması

Hata terimlerinin normal dağılım varsayımına tam olarak uyması

Cevabı ve açıklamayı göster

Cevap: $X_2$ ve $X_3$ değişkenleri arasındaki korelasyonun sıfır olması

Cevap

Modele dahil edilen değişken ile dışlanan değişken arasında doğrusal bir ilişkinin (korelasyonun) bulunmaması durumunda tahmin edici sapmasız olur.

Eksik belirleme (omitted variable bias) durumunda, modele dahil edilen değişken (

X_2

) ile dışlanan değişken (

X_3

) arasında korelasyon yoksa, dışlanan değişkenin etkisi hata terimi içinde 'rastgele' dağılır ve

X_2

'nin katsayısını sistematik olarak etkilemez. Bu durumda sapma terimi olan

\beta_3 \cdot b_{32}

ifadesindeki

b_{32}

(kısmi korelasyon ölçütü) sıfır olacağı için

\hat{\alpha}_2

tahmin edicisi sapmasız kalır.

Adım Adım Çözüm

Eksik belirlenmiş modeldeki katsayı beklentisinin formülünü yazınız.

E(\hat{\alpha}_2) = \beta_2 + \beta_3 \cdot b_{32}

Burada

b_{32}

, dışlanan

X_3

değişkeninin

X_2

üzerine regresyonundan elde edilen eğim katsayısıdır (

b_{32} = \frac{cov(X_2, X_3)}{var(X_2)}

Sapma (bias) terimini analiz ediniz.

Sapma =

\beta_3 \cdot b_{32}

Tahmin edicinin sapmasız olması için bu ifadenin sıfıra eşit olması gerekir.

Verilen koşullar altında sapmasızlık şartını belirleyiniz.

cov(X_2, X_3) = 0

ise sapma sıfırdır.

Soru kökünde

\beta_3 \neq 0

verildiğinden, sapmanın sıfır olabilmesi için tek yol

b_{32}

'nin sıfır olması, yani değişkenlerin korelasyonsuz olmasıdır.

Anahtar Kavram

Eksik Değişken Sapması (Omitted Variable Bias)

Daha Fazla Pratik

Eksik değişken sapmasının yönünü belirlemek için

\beta_3

işareti ile

cov(X_2, X_3)

işaretinin çarpımını analiz eden soruları inceleyiniz.

Tahmini Süre:1m 30s

Soru 25Soru →

Regresyon modellerinde karşılaşılan spesifikasyon (belirleme) hataları ve bu hataların istatistiksel sonuçlarına ilişkin aşağıdaki ifadelerden hangisi yanlıştır?

Modele dahil edilmesi gereken bir değişkenin dışlanması (eksik belirleme), genellikle katsayı tahminlerinin sapmalı ve tutarsız olmasına yol açar.

Modele gereksiz bir değişkenin dahil edilmesi (aşırı belirleme),

EKK

tahmin edicilerinin sapmasızlık özelliğini korumasına rağmen etkinliklerini kaybetmelerine neden olur.

Doğrusal bir model yerine log-doğrusal bir modelin tercih edilmesi gereken bir durumda doğrusal modelin kullanılması, fonksiyonel kalıp hatası olarak sınıflandırılır.

Ramsey RESET testinde temel hipotez (

H_0

), modelin spesifikasyon hatası içerdiği ve fonksiyonel kalıbının yanlış olduğu yönündedir.

Modele dahil edilen bağımsız değişkenlerde ciddi ölçüm hatalarının bulunması, modelin spesifikasyon hatasıyla karşı karşıya kalmasına neden olur.

Cevabı ve açıklamayı göster

Cevap: Ramsey RESET testinde temel hipotez ( $H_0$ ), modelin spesifikasyon hatası içerdiği ve fonksiyonel kalıbının yanlış olduğu yönündedir.

Cevap

Ramsey RESET testinde temel hipotezin (

H_0

) modelin spesifikasyon hatası içerdiğini savunduğu ifadesi yanlıştır; çünkü bu testte temel hipotez modelin doğru kurulduğunu savunur.

İstatistiksel hipotez testlerinde temel hipotez (

H_0

) genellikle statükoyu veya 'sorunsuzluk' durumunu ifade eder. Ramsey RESET testi için de

H_0

, modelin düzgün bir şekilde kurulduğunu ve herhangi bir belirleme hatası (yanlış fonksiyonel form veya eksik değişken) içermediğini savunur. Eğer test sonucunda hesaplanan değer kritik değerden büyükse

H_0

reddedilir ve modelin hatalı kurulduğuna dair kanıt elde edilir. Dolayısıyla temel hipotezin hatayı savunduğunu belirten ifade yanlıştır.

Adım Adım Çözüm

Spesifikasyon hatalarının türlerini analiz etme

Eksik değişken (sapmalı/tutarsız), gereksiz değişken (etkin olmayan/büyük varyanslı) ve yanlış fonksiyonel kalıp (doğrusal vs logaritmik) temel hatalardır.

Soruda verilen öncüllerin doğruluğunu kontrol etmek için teorik çerçeveyi belirlemek gerekir.

Ramsey RESET testinin hipotez yapısını inceleme

H_0

: Model doğru kurulmuştur (hata yoktur).

H_1

: Modelde spesifikasyon hatası vardır.

İstatistiksel testlerde temel hipotez genellikle 'farkın/hatanın olmadığı' durumu temsil eder.

Anahtar Kavram

Spesifikasyon Hataları ve Teşhis Testleri

Daha Fazla Pratik

Eksik değişken hatasında sapmanın yönünü belirleyen 'yanlılık formülü' üzerine çalışılması tavsiye edilir.

Tahmini Süre:1m 30s

Soru 26Soru →

Bir araştırmacı, bağımlı değişken $Y$ üzerinde gerçekte hiçbir etkisi olmayan (popülasyon katsayısı sıfır olan) bir bağımsız değişkeni modele dahil ederek regresyon çözümlemesi yapmıştır. Bu 'aşırı belirleme' (over-specification) hatasının En Küçük Kareler (EKK) tahmin edicileri üzerindeki etkisine ilişkin aşağıdaki ifadelerden hangisi doğrudur?

Parametre tahmin edicileri sapmasız kalmaya devam eder ancak etkinliklerini kaybederek varyansları büyür.

Gereksiz değişkenin modele eklenmesi, tüm parametre tahmin edicilerinin sapmalı (biased) hale gelmesine yol açar.

Tahmin ediciler hem sapmasızdır hem de en küçük varyanslı (etkin) olma özelliğini korurlar.

Modele eklenen her yeni değişken ile birlikte düzeltilmiş belirtme katsayısı (

R^2_{adj}

) değeri her zaman artar.

Gereksiz değişken kullanımı, modelin serbestlik derecesini artırarak hata varyansı tahmininin hassasiyetini iyileştirir.

Cevabı ve açıklamayı göster

Cevap: Parametre tahmin edicileri sapmasız kalmaya devam eder ancak etkinliklerini kaybederek varyansları büyür.

Cevap

Parametre tahmin edicileri sapmasız kalmaya devam eder ancak etkinliklerini kaybederek varyansları büyür.

Regresyon modeline gereksiz bir değişken eklenmesi durumunda, EKK tahmin edicileri sapmasızlık (unbiasedness) ve tutarlılık (consistency) özelliklerini korurlar. Ancak, modele gereksiz bir parametre eklenmesi serbestlik derecesini (

n-k

) azalttığı ve değişkenler arası korelasyon ihtimalini artırdığı için tahmin edicilerin varyansları, doğru modele göre daha büyük olur. Bu durum tahmin edicilerin artık en küçük varyansa sahip (etkin) olmadığını gösterir.

Adım Adım Çözüm

Hatanın türünü belirle

Aşırı Belirleme (Over-specification)

Modele bağımlı değişkenle ilişkisi olmayan gereksiz bir değişken dahil edilmiştir.

Sapmasızlık özelliğini incele

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

Gereksiz değişkenin popülasyon katsayısı sıfır olduğundan, modele dahil edilmesi EKK tahmincilerinin ortalamasını değiştirmez, sapmasızlık korunur.

Varyans ve etkinlik özelliğini incele

Var(\hat{\beta}_{asiri}) > Var(\hat{\beta}_{dogru})

Yeni bir değişken eklemek serbestlik derecesini azaltır ve bağımsız değişkenler arasında çoklu doğrusal bağlantı riskini artırarak varyansı şişirir (etkinlik kaybı).

Anahtar Kavram

Aşırı belirleme hatasında sapmasızlık korunur ancak etkinlik (minimum varyans) kaybedilir.

Daha Fazla Pratik

Eksik belirleme (omitted variable bias) hatasının katsayılar üzerindeki etkisini inceleyerek aşırı belirleme ile farklarını karşılaştırın.

Tahmini Süre:1m 30s

Soru 27Soru →

Regresyon modelinin kurulması aşamasında uygun bağımsız değişken alt kümesinin belirlenmesi için başvurulan "İleri Doğru Seçim" (Forward Selection) yönteminin temel karakteristikleri ve işlem basamakları göz önüne alındığında, aşağıdaki ifadelerden hangisi bu yöntemin işleyişini doğru şekilde tanımlar?

Süreç hiçbir bağımsız değişkenin yer almadığı boş bir modelle başlar; her adımda modele dahil edilmemiş aday değişkenlerden, bağımlı değişkenle kısmi korelasyonu en yüksek olan anlamlı değişken modele eklenir ve giren değişken bir daha modelden çıkarılmaz.

Analiz, modele tüm aday bağımsız değişkenlerin dahil edilmesiyle başlar ve p-değeri en yüksek olan istatistiksel olarak anlamsız değişkenlerin modelden tek tek uzaklaştırılmasıyla devam eder.

Modele yeni bir değişkenin kabul edilmesi için temel şart, o değişkenin modele eklenmesinin düzeltilmiş belirtme katsayısı (

R^2_{adj}

) değerini bir önceki adıma göre mutlaka artırmasıdır.

Algoritmanın her adımında yeni bir değişken eklenirken, modelde halihazırda bulunan değişkenlerin anlamlılığı tekrar denetlenir ve istatistiksel olarak anlamsızlaşan değişkenler modelden atılır.

Değişkenlerin modele giriş sırası sadece bağımlı değişkenle aralarındaki basit korelasyon katsayılarına göre belirlenir ve çoklu doğrusal bağlantı sorunu oluşmaması için her adımda t-testi yerine sadece F-testi kullanılır.

Cevabı ve açıklamayı göster

Cevap: Süreç hiçbir bağımsız değişkenin yer almadığı boş bir modelle başlar; her adımda modele dahil edilmemiş aday değişkenlerden, bağımlı değişkenle kısmi korelasyonu en yüksek olan anlamlı değişken modele eklenir ve giren değişken bir daha modelden çıkarılmaz.

Cevap

İleri doğru seçim yöntemi, analiz başlangıcında modelde hiçbir bağımsız değişkenin bulunmadığı (boş model) varsayımıyla yola çıkar ve her aşamada en yüksek kısmi korelasyona sahip değişkeni modele ekleyerek, modele giren değişkenleri bir daha çıkarmadan süreci tamamlar.

İleri doğru seçim yöntemi (Forward Selection), model kurma sürecine en basit halden (sadece sabit terim) başlar. Algoritmanın her adımında, modele dahil edilmemiş değişkenler arasından bağımlı değişkenle olan ilişkisi (kısmi korelasyonu) en güçlü olan değişken seçilir. Bu yöntemin en belirgin özelliği, bir kez modele dahil edilen değişkenin, daha sonraki adımlarda modelden asla çıkarılmamasıdır.

Adım Adım Çözüm

Başlangıç modelinin belirlenmesi

Analize sadece sabit terimin (

B_0

) bulunduğu, hiçbir bağımsız değişkenin yer almadığı boş bir modelle başlanır.

İleri doğru seçim yönteminin algoritma başlangıcı boş bir temel üzerine kuruludur.

Değişkenlerin değerlendirilmesi ve modele dahil edilmesi

Tüm aday değişkenler arasından bağımlı değişkenle en yüksek kısmi korelasyona sahip (veya eklenmesi durumunda p-değeri en küçük olan) değişken seçilir.

Modele en çok açıklayıcı güç katan değişkenin öncelikli olarak belirlenmesi amaçlanır.

Anlamlılık testi ve durdurma kriteri

Seçilen değişkenin modele katkısı önceden belirlenen anlamlılık düzeyinden (

\alpha_{entry}

) küçükse modele eklenir; eklenen değişkenler modelde kalır ve anlamlı yeni değişken kalmayana dek süreç devam eder.

Sürecin ne zaman sonlanacağı ve modelin karmaşıklığının nerede durdurulacağı bu testlerle kontrol edilir.

Anahtar Kavram

İleri Doğru Seçim (Forward Selection) Algoritması

Daha Fazla Pratik

Değişken seçim yöntemleri arasındaki farkları daha iyi anlamak için 'Geriye Doğru Eleme' (Backward Elimination) yönteminin başlangıç koşullarını inceleyebilirsiniz.

Tahmini Süre:1m 30s

Soru 28Soru →

Çoklu doğrusal regresyon analizinde, modele dahil edilecek en uygun bağımsız değişken alt kümesini belirlemek amacıyla kullanılan "Adımsal Regresyon" (Stepwise Regression) yöntemini, "İleriye Doğru Seçim" (Forward Selection) yönteminden ayıran temel karakteristik özellik aşağıdakilerden hangisidir?

Modele daha önce dahil edilmiş bir değişkenin, yeni değişkenlerin eklenmesiyle anlamlılığını yitirmesi durumunda modelden çıkarılabilmesine olanak tanıması

Analize tüm bağımsız değişkenlerin dahil olduğu tam modelle başlayıp, en düşük kısmi

F

değerine sahip değişkenleri sırayla elemesi

Modeldeki belirtme katsayısının (

R^2

) her zaman en yüksek değere ulaşacağı değişken kombinasyonunu tek bir iterasyonda belirlemesi

Değişkenlerin anlamlılığını test etmek için

F

istatistiği yerine sadece Durbin-Watson değerini temel alması

Bağımsız değişkenler arasında çoklu doğrusal bağlantı olması durumunda parametre tahminlerindeki sapmayı (bias) tamamen ortadan kaldırması

Cevabı ve açıklamayı göster

Cevap: Modele daha önce dahil edilmiş bir değişkenin, yeni değişkenlerin eklenmesiyle anlamlılığını yitirmesi durumunda modelden çıkarılabilmesine olanak tanıması

Cevap

Adımsal regresyonu ileriye doğru seçimden ayıran temel fark, modele girmiş bir değişkenin anlamlılığını yitirmesi halinde modelden çıkarılabilmesidir.

Adımsal regresyon (Stepwise Regression), ileriye doğru seçim yönteminden farklı olarak 'dinamik' bir yapıya sahiptir. İleriye doğru seçimde modele bir kez giren değişken orada kalırken, adımsal regresyonda her adımda modeldeki tüm değişkenlerin anlamlılığı tekrar test edilir. Eğer yeni eklenen değişkenler nedeniyle eski bir değişkenin kısmi

F

değeri kritik değerin altına düşerse, bu değişken modelden çıkarılır.

Adım Adım Çözüm

Yöntemlerin başlangıç noktalarını karşılaştırın.

Hem Adımsal Regresyon hem de İleriye Doğru Seçim yöntemleri genellikle modele hiçbir değişkenin dahil edilmediği (boş) bir aşama ile başlar.

Her iki yöntem de modele en anlamlı katkıyı sağlayan değişkeni ekleyerek ilerler.

Değişken ekleme mantığındaki benzerliği analiz edin.

Her iki yöntem de her adımda modele girmemiş değişkenler arasından, modele katkısı (kısmi

F

değeri) en yüksek olanı seçer.

Bu, modelin açıklayıcılığını artırmak için yapılan ortak bir işlemdir.

Geriye dönük kontrol mekanizmasını inceleyin.

İleriye Doğru Seçim yönteminde modele giren bir değişken orada kalırken; Adımsal Regresyonda, yeni bir değişken eklendiğinde eski değişkenlerin anlamlılığı (F-to-remove kriteri ile) kontrol edilir.

Yeni değişkenlerin modele girmesi, daha önce anlamlı olan bir değişkenin varyansı açıklama gücünü azaltabilir veya onu anlamsız hale getirebilir.

Anahtar Kavram

Adımsal regresyon, ileriye doğru seçim ve geriye doğru eleme mantıklarını birleştiren hibrit bir algoritmadır; temel farkı değişken çıkarabilme (deletion) adımıdır.

Tahmini Süre:1m 30s

Soru 29Soru →

Çoklu doğrusal regresyon analizinde, en uygun bağımsız değişken kümesinin belirlenmesi amacıyla kullanılan adımsal regresyon (stepwise regression) yöntemini, ileriye doğru seçim (forward selection) yönteminden ayıran temel işlem aşağıdakilerden hangisidir?

Modele yeni bir bağımsız değişken eklendikten sonra, daha önce modele girmiş olan değişkenlerin istatistiksel anlamlılığının tekrar kontrol edilerek gerekirse modelden çıkarılmasıdır.

Analize boş bir modelle başlamak yerine, tüm bağımsız değişkenlerin yer aldığı tam modelle başlanarak anlamsız değişkenlerin tek tek elenmesidir.

Modele giren bir değişkenin, sonraki adımlarda kısmi

F

testi sonuçlarına bakılmaksızın modelde kalmasının garanti edilmesidir.

Değişkenlerin modele giriş sırasını belirlerken sadece çoklu doğrusal bağlantı (VIF) değerlerinin dikkate alınması ve

F

testlerinin ihmal edilmesidir.

Her adımda modeldeki düzeltilmiş belirtme katsayısını (

adj. R^2

) en yüksek seviyeye çıkaran tüm değişken kombinasyonlarının aynı anda modele dahil edilmesidir.

Cevabı ve açıklamayı göster

Cevap: Modele yeni bir bağımsız değişken eklendikten sonra, daha önce modele girmiş olan değişkenlerin istatistiksel anlamlılığının tekrar kontrol edilerek gerekirse modelden çıkarılmasıdır.

Cevap

Adımsal regresyon (stepwise), ileriye doğru seçim (forward selection) algoritması üzerine inşa edilmiştir ancak çok önemli bir farkı vardır: Modele her yeni değişken eklendiğinde, modelde bulunan diğer değişkenlerin kısmi

F

değerleri yeniden hesaplanır. Eğer modele yeni giren değişkenler nedeniyle eskilerden biri istatistiksel olarak anlamsız hale gelirse, o değişken modelden çıkarılır. Bu süreç, modele girecek yeni anlamlı değişken kalmayana ve modeldeki tüm değişkenler anlamlılık kriterini sağlayana kadar devam eder.

Adım Adım Çözüm

Yöntemin başlangıç noktasını belirle.

Adımsal regresyon, ileriye doğru seçim gibi boş bir modelle başlar.

Değişkenlerin modele tek tek dahil edilmesi gerekir.

Modele giriş kriterini (

F_{in}

) uygula.

Bağımlı değişkenle en yüksek anlamlı ilişkiye sahip (en büyük kısmi

F

değeri) değişken modele girer.

Modelin açıklayıcılığını artıran değişkenler önceliklidir.

Modelden çıkarma kriterini (

F_{out}

) kontrol et.

Modele yeni bir değişken eklendiğinde, eski değişkenlerin kısmi

F

değerleri değişebilir. Eğer bir değişken belirlenen eşik değerinin (

F_{out}

) altına düşerse modelden atılır.

İleriye doğru seçimden farkı bu 'dinamik eleme' adımıdır.

Anahtar Kavram

Adımsal regresyon, ileriye doğru seçim ve geriye doğru elemenin birleşimidir; her adımda modele değişken eklerken mevcut değişkenlerin anlamlılığını da yeniden test eder.

Daha Fazla Pratik

Adımsal regresyonda

F_{giriş}

F_{çıkış}

(veya

\alpha_{giriş}

\alpha_{çıkış}

) değerleri arasındaki ilişkiyi inceleyerek sonsuz döngülerin nasıl engellendiğini araştırabilirsiniz.

Tahmini Süre:1m 30s

Soru 30Soru →

Doğrusal bir regresyon modelinde, bağımlı değişken üzerinde anlamlı bir etkiye sahip olan ve modelde yer alan diğer bağımsız değişkenlerle korelasyonu bulunan bir değişkenin analiz dışı bırakılması (eksik belirlenmiş model) durumunda, En Küçük Kareler (EKK) tahmin edicileri hakkında aşağıdakilerden hangisi söylenebilir?

Tahmin ediciler hem sapmalı hem de tutarsız olur; ayrıca hata terimi varyansı genellikle yukarı yönlü sapmalı tahmin edilir.

Tahmin ediciler sapmasızlık özelliğini korur ancak varyansları büyüdüğü için artık en iyi doğrusal sapmasız tahmin edici (BLUE) değillerdir.

Parametre tahminleri sapmasız olur ve belirtme katsayısı (

R^2

) gerçek modelden daha yüksek çıkar.

Tahmin ediciler küçük örneklemlerde sapmalı olsa da, örneklem hacmi arttıkça tutarlı (consistent) sonuçlar verirler.

Tahmin ediciler sapmasızlığını korur ancak modelde kesinlikle değişen varyans (heteroskedastisite) sorunu ortaya çıkar.

Cevabı ve açıklamayı göster

Cevap: Tahmin ediciler hem sapmalı hem de tutarsız olur; ayrıca hata terimi varyansı genellikle yukarı yönlü sapmalı tahmin edilir.

Cevap

Eksik değişken hatası durumunda EKK tahmin edicileri hem sapmalı hem de tutarsız olur; hata terimi varyansı ise genellikle olduğundan büyük (yukarı yönlü sapmalı) tahmin edilir.

Modele dahil edilmesi gereken ilgili bir değişkenin dışlanması, dışlanan değişkenin etkisinin hata terimine dahil edilmesine neden olur. Eğer dışlanan değişken modeldeki diğer bağımsız değişkenlerle ilişkili ise, bu durum bağımsız değişkenler ile hata terimi arasında korelasyon yaratır. Bu durum, Gauss-Markov varsayımlarının en önemlilerinden birini ihlal eder ve sonuç olarak EKK tahmin edicileri hem küçük örneklemlerde sapmalı (biased) hem de büyük örneklemlerde tutarsız (inconsistent) olur. Ayrıca, dışlanan değişkenin varyansı hata terimine eklendiği için, hata varyansının tahmini genellikle gerçek değerinden daha büyük (yukarı yönlü sapmalı) çıkar.

Adım Adım Çözüm

Gerçek model ile tahmin edilen model arasındaki ilişkiyi kurmak.

Gerçek model

Y = \beta_1 + \beta_2 X_2 + \beta_3 X_3 + u

iken,

X_3

dışlanarak

Y = \alpha_1 + \alpha_2 X_2 + v

modeli tahmin edilmektedir.

Eksik belirleme hatasının matematiksel yapısını anlamak için modelleri karşılaştırmak gerekir.

Sapma (Bias) mekanizmasını analiz etmek.

E(\hat{\alpha}_2) = \beta_2 + \beta_3 b_{32}

formülüne ulaşılır. Burada

b_{32}

X_3

'ün

X_2

üzerine regresyonundan elde edilen eğimdir.

Dışlanan değişkenin hem bağımlı değişken üzerinde etkisi (

\beta_3 \neq 0

) hem de diğer değişkenle ilişkisi (

b_{32} \neq 0

) varsa sapma sıfırdan farklı olur.

Asimptotik özelliklerin (Tutarlılık) kontrol edilmesi.

plim \hat{\alpha}_2 = \beta_2 + \beta_3 b_{32} \neq \beta_2

olduğu görülür.

Eksik değişken sapması örneklem hacminden bağımsızdır, bu yüzden tahmin ediciler tutarsızdır.

Anahtar Kavram

Eksik Değişken Sapması (Omitted Variable Bias)

Daha Fazla Pratik

Eksik değişken sapmasının yönünü belirlemek için dışlanan değişkenin katsayısının işareti ile değişkenler arası korelasyonun işaretinin çarpımını inceleyiniz.

Tahmini Süre:1m 30s

Soru 31Soru →

Çoklu doğrusal regresyon analizinde, bağımsız değişken kümesinin belirlenmesi amacıyla "İleri Doğru Seçim" (Forward Selection) yöntemi kullanılmaktadır. Bu yöntemde başlangıçta modelde hiçbir bağımsız değişkenin bulunmadığı varsayıldığında ve ilk aşamada bağımlı değişken $Y$ ile en yüksek basit korelasyona sahip olan değişken modele dahil edildikten sonra, sürece devam edebilmek için modele eklenecek ikinci değişkenin seçiminde esas alınan temel kriter aşağıdakilerden hangisidir?

Modelde halihazırda bulunan değişkenin etkisi kontrol edildikten sonra, bağımlı değişken ile arasındaki kısmi korelasyon katsayısı mutlak değerce en büyük olan değişkenin seçilmesi.

Modeldeki mevcut değişken ile arasındaki ikili korelasyonu en düşük olan değişkenin seçilmesi.

Modele dahil edildiğinde düzeltilmiş belirtme katsayısını (

\bar{R}^2

) kesinlikle artıran değişkenin seçilmesi.

Tüm aday değişkenler aynı anda modele eklendiğinde yapılan F testi sonucunda en yüksek t-istatistiğine sahip olan değişkenin seçilmesi.

Modelden çıkarılması durumunda belirtme katsayısında (

R^2

) en büyük azalmaya yol açacak değişkenin seçilmesi.

Cevabı ve açıklamayı göster

Cevap: Modelde halihazırda bulunan değişkenin etkisi kontrol edildikten sonra, bağımlı değişken ile arasındaki kısmi korelasyon katsayısı mutlak değerce en büyük olan değişkenin seçilmesi.

Cevap

Modelde halihazırda bulunan değişkenin etkisi kontrol edildikten sonra, bağımlı değişken ile arasındaki kısmi korelasyon katsayısı mutlak değerce en büyük olan değişkenin seçilmesi.

İleri doğru seçim (forward selection) yönteminde model, sabit terim dışında boş başlar. İlk adımda bağımlı değişkenle en yüksek basit korelasyona sahip değişken girer. İkinci adımda ise, modeldeki ilk değişkenin etkisi arındırıldıktan sonra kalan değişkenler arasından bağımlı değişkenle en yüksek 'kısmi korelasyon' (partial correlation) değerine sahip olan değişken belirlenir ve anlamlılık testi (p <

\alpha_{giris}

) sağlandığı sürece modele dahil edilir.

Adım Adım Çözüm

İleri doğru seçim yönteminin başlangıç noktasını tanımlama.

Süreç, bağımsız değişken içermeyen boş bir modelle başlar.

Yöntemin temel çalışma prensibi modele değişkenleri tek tek dahil etmektir.

İlk değişkenin seçim kriterini belirleme.

Bağımlı değişken

Y

ile en yüksek basit korelasyona (

r

) sahip değişken seçilir.

Model boş olduğu için ilk adımda kısmi korelasyon basit korelasyona eşittir.

İkinci ve sonraki adımların seçim kriterini analiz etme.

Modeldeki mevcut değişkenlerin etkisi sabit tutularak aday değişkenlerin bağımlı değişkenle olan kısmi korelasyonu hesaplanır.

İleri doğru seçim yöntemi, modele her adımda açıklanamayan varyansın en büyük kısmını açıklayan (en yüksek kısmi katkıyı sağlayan) değişkeni dahil eder.

Anahtar Kavram

İleri Doğru Seçim Kriteri (Kısmi Korelasyon)

Tahmini Süre:1m 30s

Soru 32Soru →

Bir ekonomist, bir üretim tesisindeki toplam çıktı miktarını ( $Y$ ) sadece kullanılan emek saatini ( $X_1$ ) temel alarak analiz etmektedir. Ancak gerçekte üretim üzerinde teknolojik donanım seviyesinin ( $X_2$ ) de pozitif ve anlamlı bir etkisi olduğu ve tesislerde emek yoğunluğu ile teknolojik donanım arasında pozitif bir korelasyon bulunduğu bilinmektedir. Ekonomist, teknolojik donanım değişkenini modele dahil etmeden sadece emek saati ile basit doğrusal regresyon analizi yaparsa, emek katsayısı tahmini ( $\hat{\beta}_1$ ) hakkında aşağıdakilerden hangisi söylenebilir?

Tahmin edici sapmalı ve tutarsızdır; ayrıca gerçek katsayı değerini olduğundan yüksek tahmin etme eğilimindedir.

Tahmin edici sapmasızlığını korur ancak minimum varyanslı olma özelliğini (etkinliğini) kaybeder.

Örneklem hacmi sonsuza giderken katsayı tahmini gerçek parametre değerine yaklaşır (tutarlıdır).

Modelin hata terimi varyansı (

\sigma^2

) her zaman olduğundan daha küçük (aşağı yönlü sapmalı) tahmin edilir.

Tahmin edicinin standart hatası sapmasız olarak hesaplandığı için

t

testleri güvenilir sonuçlar vermeye devam eder.

Cevabı ve açıklamayı göster

Cevap: Tahmin edici sapmalı ve tutarsızdır; ayrıca gerçek katsayı değerini olduğundan yüksek tahmin etme eğilimindedir.

Cevap

Modelde bulunması gereken ilgili bir değişkenin dışlanması durumunda, eğer bu değişken mevcut değişkenle ilişkiliyse, tahmin edici sapmalı ve tutarsız olur. Senaryodaki pozitif etkiler nedeniyle bu sapma pozitif yönlüdür.

Gerekli bir bağımsız değişken (

X_2

) modelden dışlandığında, bu değişkenin bağımlı değişken üzerindeki etkisi (

\beta_2

) ve diğer bağımsız değişkenle (

X_1

) olan ilişkisi (

\delta_{21}

) çarpılarak sapmanın büyüklüğü ve yönü bulunur. Senaryoda teknolojik donanımın etkisi (

\beta_2

) pozitif, emekle olan ilişkisi (

\delta_{21}

) de pozitif olarak verildiğinden, katsayı tahmini gerçek değerinden daha büyük (yukarı yönlü sapmalı) çıkar. Bu durum örneklem büyütülse de düzelmediği için tahmin edici tutarsızdır.

Adım Adım Çözüm

Gerçek ve tahmin edilen modelleri formüle etme

Gerçek Model:

Y = \beta_0 + \beta_1 X_1 + \beta_2 X_2 + u

; Tahmin Edilen Model:

Y = \alpha_0 + \alpha_1 X_1 + v

Eksik belirleme (ovb) mekanizmasını anlamak için model farkını görmek gerekir.

Sapma (Bias) formülünü uygulama

E(\hat{\alpha}_1) = \beta_1 + \beta_2 \cdot \delta_{21}

(Burada

\delta_{21}

X_2

'nin

X_1

üzerindeki regresyon katsayısıdır)

Dışlanan değişkenin etkisinin modele nasıl yansıdığını matematiksel olarak belirlemek için.

İşaret analizi yapma

Sermaye etkisi

\beta_2 > 0

ve korelasyon

\delta_{21} > 0

olduğu için

\beta_2 \cdot \delta_{21} > 0

(Pozitif Sapma)

Sapmanın yönünü belirleyerek tahminin gerçek değerden büyük mü küçük mü olacağını saptamak için.

Anahtar Kavram

Eksik Değişken Sapması (Omitted Variable Bias - OVB)

Tahmini Süre:2m 0s

Soru 33Soru →

Bir ziraat mühendisi, gübre kullanımının ( $X$ ) ürün verimi ( $Y$ ) üzerindeki etkisini araştırmaktadır. Ancak verimi doğrudan etkileyen ve gübre kullanımı ile pozitif korelasyona sahip olan 'toprak kalitesi' değişkenini modeline dahil etmemiştir. Sadece gübre kullanımı ( $X$ ) değişkeni ile tahmin edilen basit doğrusal regresyon modelinde elde edilen gübre katsayısı ( $\hat{\beta}$ ) hakkında aşağıdakilerden hangisi söylenebilir?

Toprak kalitesinin verim üzerindeki etkisi pozitif olduğu için gübre katsayısı gerçek değerinden daha büyük (yukarı doğru sapmalı) tahmin edilir.

Toprak kalitesi dışlandığı için tahmin edici sapmasız kalır ancak etkinliğini kaybederek varyansı artar.

Örneklem hacmi sonsuza doğru gittikçe sapma etkisi sıfıra yaklaşır ve katsayı tutarlı bir tahmin edici haline gelir.

Hata terimlerinin varyansı gerçek değerinden daha küçük tahmin edildiği için

t

-istatistikleri yanıltıcı şekilde küçük hesaplanır.

Dışlanan değişken ile gübre kullanımı arasındaki korelasyon pozitif olduğu için gübre katsayısı aşağı doğru (negatif yönlü) sapmalı olur.

Cevabı ve açıklamayı göster

Cevap: Toprak kalitesinin verim üzerindeki etkisi pozitif olduğu için gübre katsayısı gerçek değerinden daha büyük (yukarı doğru sapmalı) tahmin edilir.

Cevap

Toprak kalitesinin verim üzerindeki etkisi pozitif ve gübre ile ilişkisi de pozitif olduğundan, gübre katsayısı gerçek değerinden daha büyük tahmin edilerek yukarı doğru sapmalı (positive bias) olur.

Doğru seçenek, eksik değişken sapmasının yönünü ve nedenini tam olarak açıklamaktadır. Ekonomide veya tarımda, daha kaliteli toprağa sahip çiftçilerin daha fazla gübre kullanma eğiliminde olması beklenebilir. Eğer toprak kalitesi modelden dışlanırsa, toprak kalitesinin verim üzerindeki olumlu etkisi matematiksel olarak gübre katsayısına yüklenir. Bu durum, gübrenin etkisinin olduğundan daha yüksek görünmesine (yukarı doğru sapma) neden olur.

Adım Adım Çözüm

Eksik değişken sapması (OVB) formülünü belirle.

E(\hat{\beta}_{gubre}) = \beta_{gubre} + \beta_{toprak} \cdot \delta_{toprak, gubre}

Dahil edilen değişkenin katsayısının beklenen değeri, gerçek katsayı ile dışlanan değişkenin etkisinin birleşiminden oluşur.

İşaret analizi yap.

\beta_{toprak} > 0

\delta_{toprak, gubre} > 0

olduğu için sapma terimi

(+) \cdot (+) = (+)

olur.

Toprak kalitesi verimi artırır (

\beta > 0

) ve gübre kullanımı ile toprak kalitesi arasında pozitif bir ilişki (

\delta > 0

) vardır.

Tahmin edicinin özelliklerini yorumla.

\hat{\beta}

katsayısı hem sapmalı hem de tutarsızdır (biased and inconsistent).

Dışlanan değişken dahil edilen değişkenle ilişkili olduğu sürece EKK tahmincileri sapmasızlık ve tutarlılık özelliklerini kaybeder.

Anahtar Kavram

Eksik Değişken Sapması (Omitted Variable Bias)

Daha Fazla Pratik

Dışlanan değişkenin katsayısının sıfır olması veya dahil edilen değişkenle korelasyonunun olmaması durumunda sapmanın nasıl etkileneceğini inceleyiniz.

Tahmini Süre:1m 30s

Soru 34Soru →

Model spesifikasyonunda yapılan 'aşırı belirleme' (over-specification) hatasının, yani modelde yer almaması gereken gereksiz bir bağımsız değişkenin modele dahil edilmesinin, En Küçük Kareler (EKK) tahmin edicilerinin özellikleri üzerindeki etkisiyle ilgili aşağıdakilerden hangisi doğrudur?

Tahmin ediciler sapmasızlık ve tutarlılık özelliklerini korurlar; ancak etkinliklerini kaybederek daha büyük varyanslara sahip olurlar.

Tahmin ediciler hem sapmalı (biased) hem de tutarsız hale gelerek Gauss-Markov varsayımlarını tamamen ihlal ederler.

Modelin belirtme katsayısı (

R^2

) kesinlikle azalırken, hata terimi varyansının tahmini (

\hat{\sigma}^2

) sapmalı hale gelir.

Tahmin ediciler sapmasızlık özelliğini kaybeder ancak minimum varyanslılık (etkinlik) özelliğini korumaya devam ederler.

Düzeltilmiş belirtme katsayısı (

\bar{R}^2

) her durumda artış gösterir ve katsayı tahminlerinin standart hataları küçülür.

Cevabı ve açıklamayı göster

Cevap: Tahmin ediciler sapmasızlık ve tutarlılık özelliklerini korurlar; ancak etkinliklerini kaybederek daha büyük varyanslara sahip olurlar.

Cevap

Tahmin ediciler sapmasızlık ve tutarlılık özelliklerini korurlar; ancak etkinliklerini kaybederek daha büyük varyanslara sahip olurlar.

Aşırı belirleme durumunda (gereksiz değişken eklenmesi), model hala 'doğru' ortalamayı tahmin eder çünkü eklenen değişkenin gerçek popülasyon katsayısı sıfırdır. Bu nedenle EKK tahmin edicileri sapmasız ve tutarlı kalır. Ancak, modele gereksiz bir değişken dahil edilmesi hem serbestlik derecesini (n-k) azaltır hem de bağımsız değişkenler arasında çoklu doğrusal bağlantı riskini artırır. Bu durum katsayı tahminlerinin varyanslarının büyümesine ve dolayısıyla 'en iyi' (minimum varyanslı) özelliklerini yani etkinliklerini kaybetmelerine neden olur.

Adım Adım Çözüm

Aşırı belirleme hatasının tanımını ve kapsamını belirle.

Gereksiz (popülasyon katsayısı sıfır olan) bir değişkenin modele dahil edilmesidir.

Spesifikasyon hatasının türünü belirlemek sonuçları anlamak için temel adımdır.

EKK tahmin edicilerinin sapmasızlık özelliğini değerlendir.

Hata terimi varsayımları hala geçerli olduğu için

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

olur; yani sapmasızlık korunur.

Gereksiz değişkenin etkisi teorik olarak sıfır olduğundan tahminlerin merkezi değişmez.

Tahmin edicilerin varyans ve etkinlik özelliklerini analiz et.

Modele gereksiz parametre eklenmesi serbestlik derecesini azaltır ve genellikle varyansları şişirir.

Daha fazla parametre tahmini verideki bilginin daha fazla dağılmasına ve hassasiyet kaybına yol açar.

Anahtar Kavram

Aşırı Belirlemede Sapmasızlık ve Etkinlik Kaybı

Daha Fazla Pratik

Eksik belirleme (ilgili değişkenin dışlanması) hatasının sonuçlarıyla bu soruyu karşılaştırarak sapma-varyans ödünleşimini (bias-variance tradeoff) inceleyebilirsiniz.

Tahmini Süre:1m 30s

Soru 35Soru →

Regresyon modellerinde, modelin fonksiyonel formunun yanlış seçilmesi (örneğin doğrusal bir yapı yerine karesel veya logaritmik form kullanımı) veya modele dahil edilmesi gereken önemli değişkenlerin dışarıda bırakılması gibi spesifikasyon hatalarının varlığını belirlemek için kullanılan genel test aşağıdakilerden hangisidir?

Ramsey RESET testi

White testi

Durbin-Watson testi

Jarque-Bera testi

Goldfeld-Quandt testi

Cevabı ve açıklamayı göster

Cevap: Ramsey RESET testi

Cevap

Regresyon modellerinde genel spesifikasyon hatalarını (yanlış fonksiyonel form veya eksik değişken) belirlemek için Ramsey RESET testi kullanılır.

Doğru cevap olan Ramsey RESET testi, bir regresyon modelinde bağımlı değişkenin tahmini değerlerinin kuvvetlerini (

y^2, y^3

vb.) modele ekleyerek, bu eklenen değişkenlerin anlamlı olup olmadığını test eder. Eğer bu değişkenler anlamlıysa, modelde fonksiyonel bir kalıp hatası veya eksik değişken sorunu olduğu sonucuna varılır.

Adım Adım Çözüm

Soruda tanımlanan hata türünü (fonksiyonel form hatası ve eksik değişken) tanımla.

Bu hatalar ekonometride 'spesifikasyon (belirleme) hatası' olarak adlandırılır.

Doğru testin seçilebilmesi için öncelikle problemin hangi varsayım ihlali veya hata türüyle ilgili olduğunun belirlenmesi gerekir.

Seçeneklerdeki testlerin kullanım amaçlarını karşılaştır.

Diğer testler değişen varyans (White, Goldfeld-Quandt), otokorelasyon (Durbin-Watson) veya normallik (Jarque-Bera) üzerinedir.

Spesifikasyon hatası için en genel ve kabul görmüş testin hangisi olduğunu ayırt etmek gerekir.

Anahtar Kavram

Ramsey RESET testi, modelin yanlış kurulup kurulmadığını (yanlış fonksiyonel kalıp veya eksik değişken) denetleyen bir araçtır.

Tahmini Süre:45s

Soru 36Soru →

Bir ekonometrist, bağımlı değişken $Y$ ile temel bağımsız değişken $X_2$ arasındaki ilişkiyi incelerken, teorik olarak modelde yer almaması gereken ve $Y$ üzerinde hiçbir etkisi bulunmayan bir $X_3$ değişkenini de modele dahil etmiştir. Bu durumda, En Küçük Kareler (EKK) tahmin edicilerinin özellikleri ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Parametre tahmin edicileri sapmasızlık özelliğini korur, fakat varyansları büyüdüğü için etkinliklerini kaybederler.

Modele gereksiz değişken eklenmesi, tüm parametre tahmin edicilerinin sapmalı (biased) sonuçlar vermesine neden olur.

Gereksiz değişkenin modele dahil edilmesi, tahmin edicilerin hem sapmasız hem de en küçük varyanslı (BLUE) kalmasını sağlar.

Hata terimi varyansının tahmini (

\hat{\sigma}^2

), modeldeki değişken sayısı arttığı için her zaman sapmalı bir tahmin edici haline gelir.

Yeni eklenen gereksiz değişkenin katsayısı istatistiksel olarak anlamsız olsa bile düzeltilmiş belirtme katsayısı (

\bar{R}^2

) her zaman artış gösterir.

Cevabı ve açıklamayı göster

Cevap: Parametre tahmin edicileri sapmasızlık özelliğini korur, fakat varyansları büyüdüğü için etkinliklerini kaybederler.

Cevap

Parametre tahmin edicilerinin sapmasızlık özelliğini koruduğu ancak varyansları büyüdüğü için etkinliklerini kaybettiği ifade doğrudur.

Modele bağımlı değişken üzerinde etkisi olmayan (popülasyon katsayısı sıfır olan) bir değişken eklendiğinde, model hala 'doğru' bir yapıdadır ancak gereksiz bir karmaşıklığa sahiptir. Bu durum, parametre tahmin edicilerinin beklenen değerlerinin gerçek parametre değerlerine eşit kalmasını (sapmasızlık) sağlar. Ancak, serbestlik derecesinin azalması ve modeldeki bağımsız değişkenler arasındaki olası korelasyon nedeniyle katsayıların standart hataları ve varyansları büyür. Varyansın büyümesi, tahmin edicinin artık 'en küçük varyanslı' (etkin) olmadığı anlamına gelir.

Adım Adım Çözüm

Model hatasını tanımlama

Aşırı belirleme (Over-specification)

Modele teorik olarak ilgisiz bir değişkenin (

X_3

) eklenmesi spesifikasyon hatası türlerinden aşırı belirlemedir.

Sapmasızlık özelliğini kontrol etme

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

Gereksiz değişkenin popülasyon katsayısı sıfır olduğu için EKK varsayımları ihlal edilmez ve tahmin ediciler sapmasız kalır.

Varyans ve etkinlik durumunu inceleme

Var(\hat{\beta}_{geniş}) \geq Var(\hat{\beta}_{dar})

Modele fazladan değişken eklemek serbestlik derecesini tüketir ve değişkenler arası korelasyon nedeniyle varyansın şişmesine (etkinlik kaybına) yol açar.

Anahtar Kavram

Aşırı belirleme durumunda EKK tahmin edicileri sapmasız ve tutarlı kalırken, etkinliklerini (minimum varyans özelliğini) kaybederler.

Daha Fazla Pratik

Eksik belirleme (gerekli değişkenin dışlanması) durumunda tahmin edicilerin sapmasızlık ve tutarlılık özelliklerini nasıl kaybettiğini inceleyebilirsiniz.

Tahmini Süre:1m 15s

Soru 37Soru →

Regresyon analizinde, bağımlı değişken üzerinde anlamlı bir etkisi olan ve modeldeki diğer bağımsız değişkenlerle korelasyonu bulunan bir değişkenin analiz dışında bırakılması (eksik belirleme hatası) durumunda, modele dahil edilen değişkenlere ait En Küçük Kareler ( $EKK$ ) katsayı tahmincileri için aşağıdakilerden hangisi söylenebilir?

Tahminciler sapmasızlık ve tutarlılık özelliklerini korurlar.

Tahminciler hem sapmalı hem de tutarsız hale gelirler.

Tahminciler sapmasız kalırlar ancak etkin (en küçük varyanslı) değildirler.

Eğim katsayıları sapmasız kalırken sadece sabit terim sapmalı olur.

Tahminciler tutarlı kalırlar ancak sadece küçük örneklemlerde sapmalıdırlar.

Cevabı ve açıklamayı göster

Cevap: Tahminciler hem sapmalı hem de tutarsız hale gelirler.

Cevap

Eksik belirleme hatası durumunda katsayı tahmincileri hem sapmalı hem de tutarsız hale gelirler.

Doğru seçenek, tahmincilerin hem sapmalı hem de tutarsız hale geleceğini belirtmektedir. Teorik olarak, modele dahil edilmesi gereken bir değişken dışlandığında, bu değişkenin etkisi hata terimine (

u

) dahil olur. Eğer dışlanan değişken modeldeki diğer değişkenlerle ilişkili ise, bağımsız değişkenler ile hata terimi arasında korelasyon doğar. Bu durum Gauss-Markov varsayımlarını bozar ve

EKK

tahmincilerinin sapmasızlık ve tutarlılık özelliklerini yitirmesine neden olur.

Adım Adım Çözüm

Eksik belirleme (omitted variable) hatasının tanımlanması

Bağımlı değişkeni etkileyen ve diğer bağımsız değişkenlerle ilişkili olan bir değişkenin modelden çıkarılması durumudur.

Hangi varsayımların ihlal edildiğini belirlemek için model yapısını anlamak gerekir.

EKK tahmincilerinin özelliklerinin incelenmesi

Dışlanan değişken hata teriminin bir parçası haline gelir ve bağımsız değişkenlerle korelasyonlu olduğu için 'hata terimi ile bağımsız değişkenler ilişkisizdir' varsayımı ihlal edilir.

Bu varsayımın ihlali, katsayı tahminlerinin doğruluğunu doğrudan etkiler.

İstatistiki sonucun belirlenmesi

Tahminciler hem sapmalı (beklenen değer gerçek değere eşit değil) hem de tutarsız (örneklem büyüse de gerçek değere yaklaşmıyor) olur.

Eksik değişken hatasının en temel ve kritik teorik sonucudur.

Anahtar Kavram

Eksik Değişken Sapması (Omitted Variable Bias)

İpuçları

Modelden çıkarılan bir değişkenin hata terimi ile bağımsız değişkenler arasında bir bağ kurup kurmadığını düşünün.

Daha Fazla Pratik

Dışlanan değişken ile modeldeki değişkenler arasında korelasyon sıfır olsaydı tahmincilerin hangi özelliklerinin değişeceğini inceleyebilirsiniz.

Tahmini Süre:45s

Soru 38Soru →

Çoklu doğrusal regresyon analizinde en uygun bağımsız değişken kümesini belirlemek için kullanılan Adımsal Regresyon (Stepwise Regression) yöntemini, İleriye Doğru Seçim (Forward Selection) yönteminden ayıran temel işlem aşağıdakilerden hangisidir?

Analize tüm bağımsız değişkenlerin yer aldığı tam modelle başlanarak anlamsız değişkenlerin tek tek elenmesi

Modele dahil edilen bir değişkenin, sonraki adımlarda yeni değişkenlerin eklenmesiyle anlamsızlaşması durumunda modelden çıkarılabilmesi

Sadece belirtme katsayısını (

R^2

) en çok artıran değişkenin seçilmesi ve modelden asla çıkarılmaması

Bağımsız değişkenler arasındaki çoklu doğrusal bağlantı probleminin çözümünde tek yöntem olarak kullanılması

Her adımda modele giren değişkenin, sadece diğer değişkenlerle korelasyonu sıfır ise kabul edilmesi

Cevabı ve açıklamayı göster

Cevap: Modele dahil edilen bir değişkenin, sonraki adımlarda yeni değişkenlerin eklenmesiyle anlamsızlaşması durumunda modelden çıkarılabilmesi

Cevap

Adımsal regresyonu diğerlerinden ayıran özellik, modele giren bir değişkenin daha sonra anlamsızlaşması durumunda modelden çıkarılabilmesidir.

Doğru cevap, yöntemin 'adım adım' ilerlerken sadece ekleme değil, aynı zamanda çıkarma işlemi de yapabildiğini belirten ifadedir. Adımsal regresyonda, bir değişken modele dahil edildikten sonra, eklenen yeni değişkenlerin etkisiyle istatistiksel olarak anlamlılığını kaybedebilir (kısmi F değeri düşebilir). Bu durumda yöntem, o değişkeni modelden uzaklaştırır.

Adım Adım Çözüm

Yöntemlerin başlangıç noktalarını karşılaştırın.

Hem İleriye Doğru Seçim hem de Adımsal Regresyon analize boş bir modelle başlar ve değişkenleri tek tek ekler.

Yöntemlerin benzerliklerini eleyerek farkı bulmak için gereklidir.

Değişken çıkarma (removal) mekanizmasını inceleyin.

İleriye Doğru Seçim'de modele giren değişken kalıcıdır; ancak Adımsal Regresyon'da her adımda 'modelden çıkarma kriteri' (F-to-remove) kontrol edilir.

Algoritmanın dinamik yapısını anlamak için kritiktir.

Karar kriterini belirleyin.

Yeni bir değişken eklendiğinde, modelde mevcut olan değişkenlerin kısmi F değerleri düşerse ve kritik değerin altına inerse, o değişken modelden atılır.

Yöntemin ayırt edici algoritmasını doğrular.

Anahtar Kavram

Adımsal Regresyonda Değişkenlerin Geriye Dönük Kontrolü

İpuçları

Adımsal (Stepwise) kelimesi, hem ileri hem geri hareket edebilme yeteneğini çağrıştırmalıdır.

İleriye doğru seçimde (Forward) bir kapıdan giren değişken orada kalır; adımsal yöntemde ise kapıdan çıkanlar da olabilir.

Daha Fazla Pratik

Geriye Doğru Eleme (Backward Elimination) yönteminin başlangıç koşullarını ve durma kriterlerini inceleyebilirsiniz.

Tahmini Süre:45s

Soru 39Soru →

Bir araştırmacı, bağımlı ve bağımsız değişkenler arasındaki ilişkinin doğrusal olduğunu varsayarak bir regresyon modeli kurmuş; ancak gerçekte değişkenler arasındaki ilişkinin karesel (kuadratik) bir yapıda olduğu saptanmıştır. Bu örnekteki gibi yanlış fonksiyonel form seçimi veya modelden önemli bir değişkenin dışlanması gibi belirleme (spesifikasyon) hatalarının varlığını araştırmak amacıyla kullanılan genel test aşağıdakilerden hangisidir?

Ramsey RESET Testi

White Testi

Durbin-Watson Testi

Jarque-Bera Testi

Goldfeld-Quandt Testi

Cevabı ve açıklamayı göster

Cevap: Ramsey RESET Testi

Cevap

Modelin fonksiyonel formunun yanlış seçilmesi veya gerekli değişkenlerin dışlanması gibi spesifikasyon hatalarını saptamak için Ramsey RESET testi kullanılır.

Doğru seçenek olan yöntem, modelin fonksiyonel kalıbının (

linear

log-linear

vb.) doğruluğunu ve modelde olması gereken ancak unutulan değişkenlerin etkisini test eder. Testin boş hipotezi (

H_0

), modelde spesifikasyon hatası olmadığını (modelin doğru kurulduğunu) ifade eder.

Adım Adım Çözüm

Hata türünü tanımlama

Soruda verilen karesel ilişki yerine doğrusal model kurulması, bir 'yanlış fonksiyonel form' hatasıdır.

Değişkenler arasındaki gerçek matematiksel ilişkinin modele doğru yansıtılmaması spesifikasyon hatasıdır.

Uygun istatistiksel testi belirleme

Ramsey RESET (Regression Specification Error Test) seçilir.

Bu test, bağımlı değişkenin tahmini değerlerinin kuvvetlerini (

\hat{Y}^2, \hat{Y}^3

gibi) modele ekleyerek modelin açıklayıcı gücündeki artışı sınar.

Anahtar Kavram

Spesifikasyon (belirleme) hatası, modelin kurulma aşamasında yapılan teorik veya yapısal hataları kapsar. Ramsey RESET testi, bu hataların tespiti için kullanılan en temel araçtır.

Daha Fazla Pratik

Eksik belirleme (omitted variable) durumunda katsayıların sapmalı (biased) olacağını, ancak aşırı belirleme (inclusion of irrelevant variable) durumunda katsayıların sapmasız kalıp sadece etkinliklerini (verimliliklerini) kaybedeceğini unutmayınız.

Tahmini Süre:45s

Soru 40Soru →

Çoklu doğrusal regresyon analizinde, en uygun bağımsız değişken alt kümesinin belirlenmesi amacıyla kullanılan "Adımsal Regresyon" (Stepwise Regression) yöntemini, "İleri Doğru Seçim" (Forward Selection) yönteminden ayıran en temel algoritmik özellik aşağıdakilerden hangisidir?

Modele daha önceki adımlarda dahil edilmiş bir değişkenin, sonraki aşamalarda yeni değişkenlerin eklenmesiyle istatistiksel anlamlılığını yitirmesi durumunda modelden çıkarılabilmesine olanak tanıması

Analize tüm bağımsız değişkenlerin yer aldığı tam (doygun) bir modelle başlayarak, anlamsız değişkenleri sırasıyla elemesi

Değişkenlerin modele giriş sırasını sadece basit korelasyon katsayılarına göre belirlemesi ve kısmi

F

testlerini kullanmaması

Her adımda sadece belirtme katsayısını (

R^2

) en çok artıran değişkeni seçmesi ve seçilen değişkenin modelde kalacağını garanti etmesi

Modele değişken eklenirken sadece düzeltilmiş belirtme katsayısının (

adj. R^2

) artış miktarını tek kriter olarak kullanması

Cevabı ve açıklamayı göster

Cevap: Modele daha önceki adımlarda dahil edilmiş bir değişkenin, sonraki aşamalarda yeni değişkenlerin eklenmesiyle istatistiksel anlamlılığını yitirmesi durumunda modelden çıkarılabilmesine olanak tanıması

Cevap

Adımsal regresyonun en temel farkı, modele dahil edilen değişkenlerin her adımda anlamlılık testinden geçirilerek gerekirse modelden çıkarılabilmesidir.

Adımsal Regresyon (Stepwise Regression) yöntemini İleri Doğru Seçim (Forward Selection) yönteminden ayıran kritik fark, modele dahil edilen bir değişkenin sonraki adımlarda modelden çıkarılabilme (deletion) imkanının bulunmasıdır. İleri doğru seçimde modele bir kez giren değişken orada kalırken, adımsal yöntemde her adımda bir değişken eklenir ve ardından modeldeki tüm değişkenlerin anlamlılığı (genellikle bir 'F-to-remove' eşiği ile) tekrar test edilir. Eğer yeni eklenen değişkenler nedeniyle eski bir değişken anlamsız hale gelirse, modelden atılır.

Adım Adım Çözüm

Başlangıç modelini belirle.

Genellikle sabit terim dışındaki değişkenlerin bulunmadığı boş bir modelle başlanır.

Değişkenleri tek tek test ederek modele dahil etmek için başlangıç noktası oluşturulur.

Değişken ekleme kriterini (F-to-enter) uygula.

Modele en yüksek katkıyı sağlayan ve eşik değerin üzerinde olan ilk değişken eklenir.

Modelin açıklama gücünü artıran anlamlı bağımsız değişkenleri belirlemek için gereklidir.

Geriye dönük kontrol (F-to-remove) adımını çalıştır.

Modele yeni bir değişken girdikten sonra, içerideki diğer değişkenlerin kısmi

F

değerleri kontrol edilir; eşik değerin altına düşenler çıkarılır.

Çoklu doğrusal bağlantı veya değişkenler arası etkileşim nedeniyle anlamlılığını yitiren değişkenleri temizlemek için bu adım adımsal regresyona özgüdür.

Anahtar Kavram

Adımsal regresyon, ileriye doğru seçim ve geriye doğru eleme mantıklarını birleştiren, değişkenlerin modele girip çıkabildiği dinamik bir model seçim sürecidir.

Daha Fazla Pratik

İleri doğru seçim, geriye doğru eleme ve adımsal regresyonun aynı veri seti üzerinde her zaman aynı modeli vermeyebileceği durumları (çoklu doğrusal bağlantı gibi) inceleyebilirsiniz.

Tahmini Süre:1m 30s

ÖncekiSayfa 2 / 5Sonraki

Model Seçimi ve Spesifikasyon Hataları

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar