Regresyon Varsayımları ve İhlalleri

93 soru

Regresyon analizinde hata terimlerinin varyansının tüm gözlemler için sabit olması (eş varyanslılık) varsayımının ihlal edilmesi durumuna değişen varyans (heteroskedastisite) denir. Bu varsayım ihlalinin tespiti amacıyla kullanılan testler ve bu testlerin temel özellikleri ile ilgili aşağıdaki ifadelerden hangisi yanlıştır?

Goldfeld-Quandt testi, örneklemin belirli bir bağımsız değişkene göre sıralanıp iki alt gruba ayrılmasını ve bu gruplar için hesaplanan hata varyanslarının oranlanmasını esas alır.

White testi, değişen varyansın hangi bağımsız değişkenden kaynaklandığına dair bir ön bilgi gerektirmeyen ve yardımcı regresyon kullanılarak hesaplanan genel bir testtir.

Glejser testi, hata terimlerinin mutlak değerlerinin bağımsız değişkenlerin çeşitli formları (doğrusal, karekök vb.) üzerine regresyonu ile değişen varyansın yapısını belirlemeye çalışır.

Durbin-Watson testi, hata terimlerinin varyansının sabit olup olmadığını kontrol etmek amacıyla hesaplanan

d

istatistiği üzerinden istatistiksel bir karar süreci işletir.

Breusch-Pagan testi, hata varyansının bağımsız değişkenlerin bir fonksiyonu olup olmadığını test etmek için yardımcı regresyondan elde edilen ve ki-kare (

\chi^2

) dağılımı gösteren bir Lagrange Çarpanı (LM) istatistiği kullanır.

Cevabı ve açıklamayı göster

Cevap: Durbin-Watson testi, hata terimlerinin varyansının sabit olup olmadığını kontrol etmek amacıyla hesaplanan $d$ istatistiği üzerinden istatistiksel bir karar süreci işletir.

Cevap

Durbin-Watson testinin değişen varyansın tespiti için kullanıldığını savunan ifade yanlıştır; çünkü bu test otokorelasyonun tespiti için kullanılır.

Durbin-Watson testi, regresyon analizinde hata terimleri arasındaki birinci dereceden otokorelasyonun varlığını test etmek için geliştirilmiştir. Değişen varyansın (heteroskedastisite) tespiti için kullanılan testler arasında yer almaz. Bu nedenle bu ifade yanlıştır.

Adım Adım Çözüm

Seçeneklerde sunulan her bir testin istatistiksel amacını analiz ediniz.

Goldfeld-Quandt, White, Glejser ve Breusch-Pagan testlerinin değişen varyans (heteroskedastisite) tespiti için kullanılan standart yöntemler olduğu doğrulanır.

Bu testlerin tamamı, hata terimlerinin varyansının gözlemler arasında farklılık gösterip göstermediğini çeşitli yardımcı modeller veya grup karşılaştırmaları ile inceler.

Durbin-Watson testinin literatürdeki yerini ve işlevini belirleyiniz.

Durbin-Watson testinin sadece hata terimleri arasındaki korelasyonu (otokorelasyon) ölçen

d

istatistiğini sağladığı saptanır.

Otokorelasyon, hata terimlerinin birbirine bağımlı olmasıdır; değişen varyans ise hata terimlerinin varyanslarının eşit olmamasıdır. Bu iki kavram birbirinden farklı varsayım ihlalleridir.

Anahtar Kavram

Değişen varyans testleri (Goldfeld-Quandt, White, BP, Glejser, Park) ile otokorelasyon testlerinin (Durbin-Watson, Breusch-Godfrey) ayrımı.

Tahmini Süre:1m 30s

Soru 2Soru →

Klasik Doğrusal Regresyon Modelinde, hata terimlerinin varyansının tüm gözlemler için sabit olmaması (değişen varyans / heteroskedastisite) durumunda En Küçük Kareler (EKK) tahmin edicileriyle ilgili aşağıdakilerden hangisi doğrudur?

Tahmin ediciler sapmasızlık (unbiasedness) özelliğini korurlar ancak etkinliklerini (en küçük varyanslı olma özelliklerini) kaybederler.

Tahmin ediciler sapmalı (biased) hale gelirler, bu nedenle katsayı tahminlerinin beklenen değeri ana kütle parametre değerine eşit olmaz.

Tahmin ediciler hem sapmasız hem de etkin (minimum varyanslı) kalmaya devam ederler; ancak standart hatalar olduğundan küçük hesaplanır.

Tahmin ediciler sapmasızlık özelliğini kaybederler fakat örneklem hacmi sonsuza giderken tutarlı (consistent) olmaya devam ederler.

Tahmin ediciler etkinliklerini korurlar ancak parametrelerin anlamlılık testleri için t-testi yerine her zaman F-testi kullanılması gerekir.

Cevabı ve açıklamayı göster

Cevap: Tahmin ediciler sapmasızlık (unbiasedness) özelliğini korurlar ancak etkinliklerini (en küçük varyanslı olma özelliklerini) kaybederler.

Cevap

Tahmin ediciler sapmasızlık özelliğini korurlar ancak en küçük varyanslı olma (etkinlik) özelliklerini kaybederek artık 'En İyi Doğrusal Sapmasız Tahmin Edici' (BLUE) olma vasfını yitirirler.

Tahmin edicilerin sapmasızlık özelliğini koruduğunu ancak etkinliklerini kaybettiğini belirten ifade doğrudur. Değişen varyans (heteroskedastisite) altında

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

eşitliği bozulmaz; ancak EKK tahmin edicileri artık tüm doğrusal sapmasız tahmin ediciler arasında en küçük varyansa sahip olan (BLUE) değildir.

Adım Adım Çözüm

Değişen varyansın tanımını ve varsayım ihlalini belirle.

Var(ε_i) = σ_i^2

(Varyans sabit değildir).

Klasik regresyon modelinde hata terimlerinin varyansının sabit (

σ^2

) olduğu varsayılır.

EKK tahmin edicilerinin beklenen değerini (

E[β]

) kontrol et.

E[\hat{β}] = β

Varyansın yapısı, tahmin edicinin doğrusal bir fonksiyon olması ve hata teriminin beklenen değerinin sıfır olması nedeniyle sapmasızlığı etkilemez.

Gauss-Markov teoremi çerçevesinde etkinlik (efficiency) özelliğini incele.

Tahmin ediciler artık en küçük varyanslı değildir.

Gauss-Markov teoremi, ancak varyansın sabit olduğu (eş varyanslılık) durumda EKK'nın en iyi (BLUE) olduğunu garanti eder.

Varyansın standart hatalar ve hipotez testleri üzerindeki etkisini değerlendir.

t

F

testleri geçersiz hale gelir.

EKK varyans formülleri yanlış standart hatalar üreteceği için güven aralıkları ve anlamlılık testleri yanıltıcı olur.

Anahtar Kavram

Heteroskedastisite durumunda EKK tahmin edicilerinin sapmasız ve tutarlı kalması, ancak etkinliklerini kaybederek BLUE özelliğini yitirmesi.

Daha Fazla Pratik

Değişen varyansın tespiti için kullanılan White Testi ve Goldfeld-Quandt Testi gibi yöntemleri incelemek konuyu pekiştirecektir.

Tahmini Süre:1m 30s

Soru 3Soru →

Çoklu doğrusal regresyon modellerinde değişen varyansın (heteroskedastisite) tespiti için kullanılan; hata terimi karelerinin ( $\hat{u}_i^2$ ), modele dahil edilen bağımsız değişkenlerin kendileri, kareleri ve birbirleriyle olan çarpımları üzerine regresyonunu temel alan istatistiksel test aşağıdakilerden hangisidir?

White Genel Değişen Varyans Testi

Park Testi

Goldfeld-Quandt Testi

Durbin-Watson Testi

Ramsey RESET Testi

Cevabı ve açıklamayı göster

Cevap: White Genel Değişen Varyans Testi

Cevap

Yardımcı regresyonunda bağımsız değişkenlerin karelerini ve çapraz çarpımlarını kullanarak genel bir denetim sağlayan White Genel Değişen Varyans Testi doğru cevaptır.

White Genel Değişen Varyans Testi, varyansın yapısı hakkında önsel bir bilgi gerektirmez. Yardımcı regresyonunda bağımsız değişkenlerin kendilerini, karelerini ve etkileşimlerini (çapraz çarpımlarını) kullandığı için en kapsamlı (genel) değişen varyans testlerinden biri olarak kabul edilir.

Adım Adım Çözüm

Artıkların elde edilmesi

Orijinal regresyon modeli EKK ile tahmin edilerek hata terimi tahminleri (

\hat{u}_i

) ve bunların kareleri (

\hat{u}_i^2

) hesaplanır.

Değişen varyans testi, hata terimlerinin varyans yapısını incelemek için artıkların karesini bağımlı değişken olarak kullanır.

Yardımcı regresyonun kurulması

\hat{u}_i^2 = \alpha_1 + \alpha_2 X_2 + \alpha_3 X_3 + \alpha_4 X_2^2 + \alpha_5 X_3^2 + \alpha_6 X_2 X_3 + v_i

şeklinde bir model kurulur.

White testi, varyansın değişkenlerin doğrusal olmayan formlarıyla ilişkili olup olmadığını bu genişletilmiş modelle araştırır.

Test istatistiğinin hesaplanması

LM = n \cdot R^2

istatistiği hesaplanır ve serbestlik derecesi yardımcı regresyondaki değişken sayısına eşit olan ki-kare (

\chi^2

) tablo değeri ile karşılaştırılır.

Eğer hesaplanan değer tablo değerinden büyükse, sabit varyans varsayımı (

H_0

) reddedilir ve değişen varyans olduğuna karar verilir.

Anahtar Kavram

White Testi ve Yardımcı Regresyon Mantığı

Daha Fazla Pratik

Değişen varyansın EKK tahmincilerinin sapmasızlığına değil, sadece etkinliğine (minimum varyans özelliğine) zarar verdiğini hatırlayınız.

Alternatif Yöntem

Değişen varyans tespit edildikten sonra, bu sorunu gidermek için 'Ağırlıklı En Küçük Kareler' (AEKK) yöntemi veya White'ın tutarlı standart hataları (Robust Standard Errors) kullanılabilir.

Tahmini Süre:1m 15s

Soru 4Soru →

Regresyon analizinde değişen varyans (heteroskedastisite) varsayım ihlalinin tespiti için önerilen bir yöntemde; gözlemlerin belirli bir bağımsız değişkenin büyüklüğüne göre sıralanması, örneklemin orta kısmından $c$ sayıda gözlemin çıkarılması ve kalan iki veri bloğu için ayrı regresyonların tahmin edilerek hata kareler toplamlarının oranlanması süreci izlenmektedir.

Uygulama adımları özetlenen bu istatistiksel test aşağıdakilerden hangisidir?

Breusch-Pagan Testi

Goldfeld-Quandt Testi

Park Testi

Durbin-Watson Testi

Ramsey RESET Testi

Cevabı ve açıklamayı göster

Cevap: Goldfeld-Quandt Testi

Cevap

Gözlemleri sıralayan, orta kısmı dışlayan ve iki alt grubun hata kareler toplamlarını oranlayan test Goldfeld-Quandt testidir.

Goldfeld-Quandt testi, örneklemi varyansla ilişkili olduğu varsayılan bir değişkene göre sıralayıp iki alt kümeye ayırarak varyansların eşitliğini (eş varyanslılık) bir F-oranı yardımıyla sınayan yöntemdir. Gözlemlerin sıralanması ve merkezdeki verilerin elenmesi bu testin ayırıcı özelliğidir.

Adım Adım Çözüm

Varyansla ilişkili olduğu düşünülen değişkenin belirlenmesi

Gözlemler

X

değişkenine göre küçükten büyüğe sıralanır.

Varyansın hangi bağımsız değişkenle birlikte değiştiğini (arttığını veya azaldığını) belirlemek testin temelidir.

Veri setinin parçalanması

Merkezdeki

c

adet gözlem veri setinden çıkarılır ve kalanlar iki eşit gruba (

n_1

n_2

) ayrılır.

İki grup arasındaki varyans farkını daha net ortaya çıkarmak için orta değerler elenir.

Regresyon tahmini ve F-istatistiği

Her grup için ayrı EKK tahmini yapılır ve

F = \frac{HKT_2}{HKT_1}

hesaplanır.

Hata kareler toplamlarının (HKT) oranı, varyansların homojen olup olmadığını test eden bir F-dağılımı verir.

Anahtar Kavram

Goldfeld-Quandt Testi Prosedürü

Daha Fazla Pratik

Değişen varyansın giderilmesi için kullanılan Ağırlıklı En Küçük Kareler (Weighted Least Squares) yöntemini inceleyebilirsiniz.

Tahmini Süre:1m 30s

Soru 5Soru →

Bir doğrusal regresyon analizinde hata terimlerinin varyansının, bağımsız değişkenlerden biri olan $X_i$ ile doğru orantılı olduğu ( $Var(u_i) = \sigma^2 X_i$ ) tespit edilmiştir. Bu durumda, değişen varyans (heteroskedastisite) sorununu gidererek Gauss-Markov varsayımlarını sağlamak ve En İyi Doğrusal Sapmasız Tahmin Edicileri (BLUE) elde etmek için modele uygulanması gereken dönüşüm aşağıdakilerden hangisidir?

Modeldeki tüm terimlerin

\sqrt{X_i}

ile bölünmesi

Modeldeki tüm terimlerin

X_i

ile bölünmesi

Modeldeki tüm terimlerin

X_i^2

ile bölünmesi

Bağımlı değişkenin doğal logaritmasının (

\ln Y_i

) alınması

Modelin birinci farkları alınarak otokorelasyonun giderilmesi

Cevabı ve açıklamayı göster

Cevap: Modeldeki tüm terimlerin $\sqrt{X_i}$ ile bölünmesi

Cevap

Modeldeki tüm terimlerin bağımsız değişkenin kareköküne (

\sqrt{X_i}

) bölünmesi

Hata terimlerinin varyansı bir

X_i

değişkeni ile doğru orantılı olduğunda (

Var(u_i) = \sigma^2 X_i

), bu değişkenin karekökü (

\sqrt{X_i}

) ağırlık faktörü olarak kullanılır. Modelin tüm terimleri

\sqrt{X_i}

ile bölündüğünde, yeni hata terimi

u_i^* = u_i / \sqrt{X_i}

olur. Bu yeni terimin varyansı

Var(u_i / \sqrt{X_i}) = (1/X_i) Var(u_i) = (1/X_i) \sigma^2 X_i = \sigma^2

olarak hesaplanır. Böylece eş varyanslılık (homoskedastisite) varsayımı sağlanmış olur.

Adım Adım Çözüm

Varyans yapısının tanımlanması

Var(u_i) = \sigma^2 X_i

Hangi dönüşümün varyansı sabit (

\sigma^2

) hale getireceğini belirlemek için başlangıç varyans fonksiyonu belirlenir.

Ağırlıklı En Küçük Kareler (AEKK) mantığının uygulanması

w_i = 1 / \sqrt{X_i}

Var(w_i u_i) = w_i^2 Var(u_i) = w_i^2 \sigma^2 X_i = \sigma^2

eşitliğinin sağlanması için

w_i^2 = 1/X_i

olmalıdır.

Modelin dönüştürülmesi

\frac{Y_i}{\sqrt{X_i}} = \beta_0 \frac{1}{\sqrt{X_i}} + \beta_1 \frac{X_i}{\sqrt{X_i}} + \frac{u_i}{\sqrt{X_i}}

Orijinal modelin her iki yanının

\sqrt{X_i}

ile bölünmesi, yeni hata teriminin varyansını sabitler ve BLUE tahmin edicilere ulaşılmasını sağlar.

Anahtar Kavram

Ağırlıklı En Küçük Kareler (WLS) ve Değişen Varyansın Giderilmesi

Daha Fazla Pratik

Farklı varyans yapıları (

Var(u) \propto X^2

gibi) için hangi dönüşümlerin gerektiğini tekrar ediniz.

Tahmini Süre:1m 30s

Soru 6Soru →

Klasik Doğrusal Regresyon Modelinde hata terimlerinin varyansının tüm gözlemler için sabit olması varsayımının ihlal edildiği ( $Var(\epsilon_i) = \sigma_i^2$ ) "değişen varyans" (heteroskedastisite) durumu ile ilgili aşağıdakilerden hangisi doğrudur?

En Küçük Kareler (EKK) tahmin edicileri sapmasızlık özelliğini korur ancak artık etkin (minimum varyanslı) değildirler; bu durum

t

F

testlerini geçersiz kılar.

Tahmin ediciler sapmalı (biased) hale gelir ve bu nedenle katsayılar bağımsız değişkenlerin bağımlı değişken üzerindeki etkisini sistematik olarak yanlış ölçer.

Tahmin ediciler BLUE (En İyi Doğrusal Sapmasız Tahmin Edici) özelliğini korumaya devam eder ancak sadece modelin belirtme katsayısı (

R^2

) yanlış hesaplanır.

Standart hatalar sapmasız bir şekilde hesaplanmaya devam ettiği için güven aralıkları ve hipotez testleri geçerliliğini korur.

Tahmin ediciler sapmasız ve etkin kalmaya devam eder ancak modelin tahmin (öngörü) yeteneği tamamen ortadan kalkar.

Cevabı ve açıklamayı göster

Cevap: En Küçük Kareler (EKK) tahmin edicileri sapmasızlık özelliğini korur ancak artık etkin (minimum varyanslı) değildirler; bu durum $t$ ve $F$ testlerini geçersiz kılar.

Cevap

En Küçük Kareler tahmin edicilerinin sapmasız kaldığı ancak etkinliklerini yitirdiği ve buna bağlı olarak hipotez testlerinin geçersizleştiği ifade doğrudur.

Değişen varyans durumunda, EKK tahmin edicilerinin sapmasızlık özelliği (parametrelerin ortalama değerini doğru tahmin etme) bozulmaz. Ancak, Gauss-Markov teoremi gereği tahmin edicinin 'en iyi' (etkin/minimum varyanslı) olabilmesi için varyansların sabit olması gerekir. Bu varsayım bozulduğunda tahmin edici BLUE özelliğini kaybeder. Ayrıca, standart hataların yanlış hesaplanması nedeniyle katsayılar üzerindeki anlamlılık testleri (

t

testi) ve modelin genel anlamlılık testi (

F

testi) güvenilirliğini yitirir.

Adım Adım Çözüm

Gauss-Markov varsayımlarını kontrol et.

Hata terimlerinin varyansının sabit olması (

Var(\epsilon_i) = \sigma^2

) varsayımı bozulmuştur.

Değişen varyans, hata terimlerinin gözlemden gözleme farklı varyanslara sahip olmasıdır.

Tahmin edicinin sapmasızlık (unbiasedness) özelliğini incele.

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

eşitliği hala geçerlidir.

Sapmasızlık, hata terimlerinin ortalamasının sıfır olmasına bağlıdır ve varyans yapısından etkilenmez.

Tahmin edicinin etkinlik (efficiency) durumunu değerlendir.

EKK tahmin edicileri artık minimum varyansa sahip değildir.

Varyanslar sabit olmadığında, EKK'dan daha küçük varyanslı başka doğrusal sapmasız tahmin ediciler (örneğin Ağırlıklı En Küçük Kareler) mevcuttur; bu nedenle BLUE özelliği kaybolur.

Hipotez testleri üzerindeki etkiyi belirle.

t

F

testleri için kullanılan standart hata formülleri sapmalı sonuç verir.

Standart hatalar yanlış hesaplandığı için güven aralıkları daralabilir veya genişleyebilir, bu da istatistiksel çıkarımları hatalı hale getirir.

Anahtar Kavram

Değişen varyans durumunda EKK tahmin edicileri sapmasız kalır ancak etkinliğini kaybeder (BLUE değildir).

Daha Fazla Pratik

Değişen varyansın varlığını tespit etmek için kullanılan White veya Breusch-Pagan testlerini inceleyebilirsiniz.

Tahmini Süre:1m 30s

Soru 7Soru →

Çoklu doğrusal regresyon analizinde, bağımsız değişkenler arasında yüksek dereceli fakat tam olmayan bir doğrusal ilişki (çoklu doğrusal bağlantı) bulunması durumunda, En Küçük Kareler (EKK) tahmin edicilerinin özellikleri ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Bağımsız değişkenler arasındaki yüksek korelasyon, EKK tahmin edicilerinin sapmalı (biased) sonuçlar üretmesine yol açar.

Tahmin ediciler sapmasızlık (unbiasedness) özelliğini korumakla birlikte, varyansları büyüdüğü için parametre tahminlerinin hassasiyeti azalır.

Çoklu doğrusal bağlantı problemi, tahmin edicilerin hem sapmalı hem de tutarsız (inconsistent) olmasına neden olan bir varsayım ihlalidir.

Değişkenler arasındaki bağlantı şiddetlendikçe Varyans Şişme Faktörü (VIF) değerleri bire yaklaşarak varyansın minimize edilmesini sağlar.

Parametrelerin standart hataları küçüldüğü için hesaplanan t-istatistikleri büyür ve bağımsız değişkenlerin istatistiksel olarak anlamlı bulunma olasılığı artar.

Cevabı ve açıklamayı göster

Cevap: Tahmin ediciler sapmasızlık (unbiasedness) özelliğini korumakla birlikte, varyansları büyüdüğü için parametre tahminlerinin hassasiyeti azalır.

Cevap

Tahmin edicilerin sapmasızlık (unbiasedness) özelliğini koruması ancak varyanslarının büyümesi nedeniyle hassasiyetin azalması doğru ifadedir.

Çoklu doğrusal bağlantı durumunda EKK tahmin edicileri hala sapmasızdır (unbiasedness korunur) ve tutarlıdır (consistency korunur). Ancak, bağımsız değişkenler arasındaki yüksek korelasyon, parametrelerin standart hatalarının yapay olarak şişmesine neden olur. Bu durum, tahminlerin hassasiyetini azaltır ve t-testlerinin gücünü düşürür.

Adım Adım Çözüm

EKK tahmin edicilerinin sapmasızlık özelliğini değerlendir

Sapmasızlık (

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

) özelliği korunur.

Çoklu doğrusal bağlantı, bağımsız değişkenlerin kendi aralarındaki ilişkiyle ilgilidir ve hata terimi ile bağımsız değişkenlerin ilişkisizliği (eksogenlik) varsayımını bozmaz.

Tahmin edicilerin varyans yapısını analiz et

Varyanslar ve standart hatalar genişler.

Bağımsız değişkenler arasındaki yüksek korelasyon,

(X'X)^{-1}

matrisindeki köşegen elemanların büyümesine neden olur, bu da Varyans Şişme Faktörü (VIF) aracılığıyla varyansları artırır.

İstatistiksel çıkarımlara etkisini belirle

t-istatistikleri düşer, güven aralıkları genişler.

Standart hatalar büyüdüğü için (

t = \frac{\hat{\beta}}{se(\hat{\beta})}

) formülüne göre t değerleri küçülür, bu da değişkenlerin bireysel olarak anlamsız çıkmasına neden olabilir.

Anahtar Kavram

Çoklu doğrusal bağlantı durumunda EKK tahmin edicileri sapmasızdır (unbiased) ancak varyansları büyük olduğu için etkin (efficient) değildir.

Daha Fazla Pratik

Çoklu doğrusal bağlantının tespiti için kullanılan VIF değerleri ve tolerans limitleri üzerine çalışılması önerilir.

Tahmini Süre:1m 30s

Soru 8Soru →

Klasik doğrusal regresyon modelinde, En Küçük Kareler (EKK) tahmin edicilerinin "En İyi Doğrusal Sapmasız Tahmin Edici" ( $BLUE$ ) olmasını sağlayan Gauss-Markov Teoremi ile ilgili aşağıdaki ifadelerden hangisi doğrudur?

Tahmin edicilerin sapmasızlığı için hata terimlerinin beklenen değerinin sıfır olması yeterliyken; minimum varyanslılık özelliği için hata terimleri arasında otokorelasyon ve değişen varyansın bulunmaması gerekir.

EKK tahmin edicilerinin

BLUE

özelliğini taşıyabilmesi için hata terimlerinin mutlaka normal dağılıma uygun olması zorunludur.

Gauss-Markov teoremi, varsayımlar sağlandığında EKK tahmin edicilerinin hem doğrusal hem de doğrusal olmayan tüm tahmin ediciler arasında en küçük varyansa sahip olduğunu kanıtlar.

Bağımsız değişkenler arasında çoklu doğrusal bağlantı (

multicollinearity

) bulunması, EKK tahmin edicilerinin sapmasızlık özelliğini bozarak Gauss-Markov koşullarını geçersiz kılar.

Modele anakütle modelinde yer almayan gereksiz bir değişkenin dahil edilmesi (

overfitting

), EKK tahmin edicilerinin sapmalı hale gelmesine neden olur.

Cevabı ve açıklamayı göster

Cevap: Tahmin edicilerin sapmasızlığı için hata terimlerinin beklenen değerinin sıfır olması yeterliyken; minimum varyanslılık özelliği için hata terimleri arasında otokorelasyon ve değişen varyansın bulunmaması gerekir.

Cevap

Gauss-Markov teoremi uyarınca, klasik regresyon varsayımları altında EKK tahmin edicileri doğrusal sapmasız tahmin ediciler arasında en küçük varyansa sahiptir. Burada sapmasızlık özelliği hata terimlerinin beklenen değerinin sıfır olması (

E[\epsilon]=0

) varsayımı ile sağlanırken; 'en iyi' olma (etkinlik) durumu, hata terimlerinin sabit varyanslı olması ve birbirleriyle korelasyon göstermemesi varsayımlarına sıkı sıkıya bağlıdır.

Adım Adım Çözüm

BLUE

kavramının bileşenlerini tanımlayın.

B: Best (En iyi/Minimum Varyans), L: Linear (Doğrusal), U: Unbiased (Sapmasız), E: Estimator (Tahmin Edici).

Teoremin neyi garanti ettiğini anlamak için terimlerin anlamı bilinmelidir.

Hangi varsayımın hangi özelliği sağladığını analiz edin.

E(\epsilon) = 0

varsayımı sapmasızlığı;

Var(\epsilon) = \sigma^2

(sabit varyans) ve

Cov(\epsilon_i, \epsilon_j) = 0

(otokorelasyon yokluğu) varsayımları ise etkinliği (en iyi/minimum varyans) sağlar.

Gauss-Markov teoreminin matematiksel dayanağı bu eşleşmelere bağlıdır.

Seçenekleri bu kurallara göre değerlendirin.

Hata terimlerinin ortalamasının sıfır olmasının sapmasızlık için yeterli olduğu, ancak etkinlik için varyans yapısının düzenli olması gerektiği sonucuna ulaşılır.

Doğru teknik açıklamayı içeren ifadeyi belirlemek için kıyaslama yapılır.

Anahtar Kavram

Gauss-Markov Teoremi ve BLUE Özellikleri

Tahmini Süre:1m 30s

Soru 9Soru →

Zaman serisi verilerine dayalı bir doğrusal regresyon modelinde, hata terimleri arasında ardışık bağımlılık ( $Cov(\epsilon_i, \epsilon_j) \neq 0$ ) olduğu saptanmıştır. Bu durumda, klasik En Küçük Kareler (EKK) tahmin edicilerinin özellikleri ve model sonuçları hakkında aşağıdakilerden hangisi doğrudur?

Tahmin ediciler sapmasızlık ve tutarlılık özelliklerini korurlar; ancak artık en küçük varyansa sahip olmadıkları için en iyi doğrusal sapmasız tahmin edici (BLUE) olma özelliğini kaybederler.

Hata terimleri arasındaki bağımlılık, tahmin edicilerin matematiksel beklentisinin gerçek parametre değerinden uzaklaşmasına neden olarak sapmalı (biased) sonuçlar üretir.

Tahmin ediciler sapmasız ve etkin (minimum varyanslı) kalmaya devam ederler; ancak standart hataların yanlış hesaplanması sadece

R^2

değerini geçersiz kılar.

Gauss-Markov teoremi uyarınca, otokorelasyon varlığında bile EKK tahmin edicileri hala en küçük varyanslı doğrusal sapmasız tahmin edicilerdir.

Hata terimlerindeki otokorelasyon, tahmin edicilerin örneklem hacmi arttıkça gerçek değere yakınsamasını engelleyerek tutarsız (inconsistent) hale gelmelerine yol açar.

Cevabı ve açıklamayı göster

Cevap: Tahmin ediciler sapmasızlık ve tutarlılık özelliklerini korurlar; ancak artık en küçük varyansa sahip olmadıkları için en iyi doğrusal sapmasız tahmin edici (BLUE) olma özelliğini kaybederler.

Cevap

Tahmin edicilerin sapmasız ve tutarlı kalmaya devam etmesi ancak artık minimum varyanslı (etkin) olmadıkları için BLUE özelliğini kaybetmeleri doğru ifadedir.

Doğru ifade, tahmin edicilerin sapmasızlık ve tutarlılık özelliklerini koruduğunu ancak etkinliklerini kaybettiklerini belirtmektedir. Klasik regresyon modelinde hatalar arasında otokorelasyon olması, parametre tahminlerinin doğruluğunu (merkezi eğilimini) bozmaz fakat güvenilirliğini (yayılımını/varyansını) olumsuz etkiler. Bu durum, EKK'nın Gauss-Markov şartlarını tam olarak sağlayamamasına ve BLUE özelliğinin kaybolmasına yol açar.

Adım Adım Çözüm

Otokorelasyonun sapmasızlık (

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

) üzerindeki etkisini inceleyin.

Sapmasızlık ispatı için

Cov(\epsilon_i, \epsilon_j) = 0

varsayımı gerekmez; dolayısıyla tahmin ediciler hala sapmasızdır.

EKK katsayılarının beklenen değeri, hata terimlerinin kendi aralarındaki korelasyondan bağımsızdır.

Otokorelasyonun varyans ve etkinlik (efficiency) üzerindeki etkisini değerlendirin.

Hata terimleri ilişkili olduğunda, EKK varyans formülleri artık minimum varyansı vermez.

Gauss-Markov teoremi, hataların homoskedastik ve ilişkisiz olmasını gerektirir; bu şart bozulduğunda EKK tahmin edicisi BLUE özelliğini yitirir.

Varyans tahminlerinin hipotez testleri üzerindeki sonucunu belirleyin.

Standart hata tahminleri genellikle yanlı (bias) olur, bu da

t

F

testlerini geçersiz kılar.

Geleneksel varyans formülleri otokorelasyonu hesaba katmaz, bu da genellikle varyansın olduğundan küçük tahmin edilmesine yol açar.

Anahtar Kavram

Otokorelasyon Varlığında EKK Özellikleri

Soru 10Soru →

Çoklu doğrusal regresyon analizinde, bağımsız değişkenler arasında yüksek dereceli ancak tam olmayan bir doğrusal ilişki (çoklu doğrusal bağlantı) bulunması durumunda, En Küçük Kareler (EKK) tahmin edicilerinin özellikleri ile ilgili aşağıdakilerden hangisi doğrudur?

Tahmin ediciler sapmasızlık (

unbiasedness

) özelliğini korur, ancak katsayıların varyansları ve standart hataları büyür.

Tahmin ediciler sapmalı (

biased

) hale gelir ve artık kitle parametrelerinin gerçek değerlerini ortalamada tahmin edemezler.

Tahmin ediciler Gauss-Markov teoremi uyarınca sahip oldukları "En İyi Doğrusal Sapmasız Tahmin Edici" (BLUE) olma özelliğini kaybederler.

Katsayıların varyansları küçülür, bu da bireysel anlamlılık testlerinde (

t

-testi) katsayıların her zaman anlamlı çıkmasına yol açar.

Belirleme katsayısı (

R^2

) çok düşük değerler alır ve modelin toplam açıklama gücü istatistiksel olarak anlamsız hale gelir.

Cevabı ve açıklamayı göster

Cevap: Tahmin ediciler sapmasızlık ( $unbiasedness$ ) özelliğini korur, ancak katsayıların varyansları ve standart hataları büyür.

Cevap

Tahmin ediciler sapmasızlık özelliğini korurken, varyanslarının ve standart hatalarının artması doğru bir tespittir.

Çoklu doğrusal bağlantı (tam olmadığı sürece) EKK tahmin edicilerinin sapmasızlık özelliğini bozmaz; yani tahmin edicilerin beklenen değeri hala gerçek parametre değerine eşittir. Ancak katsayıların varyansları ve standart hataları artar, bu da tahminlerin güvenilirliğini azaltır.

Adım Adım Çözüm

Çoklu doğrusal bağlantının tanımını ve EKK varsayımları üzerindeki etkisini hatırla.

Çoklu doğrusal bağlantı, bağımsız değişkenlerin birbirleriyle yüksek korelasyona sahip olmasıdır. Bu durum bir varsayım ihlali olsa da, EKK tahmin edicilerinin temel özelliklerini tamamen yok etmez.

Sorunun cevabına ulaşmak için tahmin edicinin sapmasızlık ve varyans özelliklerini değerlendirmek gerekir.

Sapmasızlık (

Unbiasedness

) ve Etkinlik (

Efficiency

) özelliklerini analiz et.

EKK tahmin edicileri hala sapmasızdır (

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

). Ancak varyanslar (

Var(\hat{\beta})

) aşırı derecede büyür.

Çoklu doğrusal bağlantı durumunda örneklem varyansı, Varyans Şişme Faktörü (VIF) nedeniyle artar.

Modelin genel ve bireysel anlamlılık testleri üzerindeki etkisini değerlendir.

Yüksek varyanslar düşük

t

istatistiklerine (

t = \hat{\beta} / se(\hat{\beta})

) yol açar. Bu da katsayıların bireysel olarak anlamsız çıkmasına neden olurken, modelin genel başarısını gösteren

R^2

F

testi genellikle yüksek/anlamlı kalır.

Doğru seçeneği yanlış olanlardan ayırmak için bu çelişkili durum (yüksek

R^2

ve anlamsız

t

) bilinmelidir.

Anahtar Kavram

Çoklu doğrusal bağlantının EKK özellikleri üzerindeki temel etkisi, sapmasızlığın korunması ancak varyansların şişmesidir.

İpuçları

Tahmin edicinin 'ortalamada doğru değer verme' (sapmasızlık) özelliği ile 'ne kadar hassas tahmin yaptığı' (varyans) arasındaki ayrımı düşünün.

Daha Fazla Pratik

Varyans Şişme Faktörü (VIF) ve tolerans değerlerinin nasıl hesaplandığını ve yorumlandığını inceleyebilirsiniz.

Tahmini Süre:1m 30s

Soru 11Soru →

Regresyon analizinde kullanılan En Küçük Kareler (EKK) yöntemi, belirli varsayımlar altında tahmin edicilerin istatistiksel olarak en arzu edilen özelliklere sahip olmasını sağlar. Gauss-Markov teoremi ile ilişkilendirilen bu özellikler çerçevesinde, klasik doğrusal regresyon modelindeki EKK tahmin edicileriyle ilgili aşağıdaki ifadelerden hangisi doğrudur?

EKK tahmin edicileri, hata terimlerinin normal dağılım varsayımı sağlanmasa dahi, Gauss-Markov varsayımları altında doğrusal ve sapmasız tüm tahmin ediciler arasında en küçük varyansa sahiptir.

Tahmin edicilerin sapmasız (unbiased) olması, Gauss-Markov teoremi uyarınca bu tahmin edicilerin her zaman minimum varyansa (etkinliğe) sahip olduğu anlamına gelir.

Çoklu doğrusal bağlantı (multicollinearity) durumunda, EKK tahmin edicileri sapmasızlık özelliğini kaybederek yanlı (biased) sonuçlar üretir.

Hata terimlerinin varyansının gözlemler arasında değişmesi (heteroskedastisite), EKK tahmin edicilerinin hem sapmasızlık hem de doğrusallık özelliklerini ortadan kaldırır.

EKK tahmin edicilerinin

BLUE

özelliklerini taşıyabilmesi için modelde sabit terimin (intercept) bulunması ve hata terimlerinin mutlaka normal dağılması ön koşuldur.

Cevabı ve açıklamayı göster

Cevap: EKK tahmin edicileri, hata terimlerinin normal dağılım varsayımı sağlanmasa dahi, Gauss-Markov varsayımları altında doğrusal ve sapmasız tüm tahmin ediciler arasında en küçük varyansa sahiptir.

Cevap

EKK tahmin edicilerinin, normallik varsayımı sağlanmasa bile Gauss-Markov varsayımları altında doğrusal ve sapmasız tahmin ediciler arasında en küçük varyanslı olduğu ifadesi doğrudur.

Doğru ifade, EKK tahmin edicilerinin normallik varsayımı olmadan da Gauss-Markov varsayımları altında en küçük varyanslı doğrusal sapmasız tahmin edici olduğunu belirten ifadedir. Gauss-Markov teoremi sadece sonlu örneklem özellikleriyle ilgilenir ve hata terimlerinin dağılım türünden bağımsız olarak (ortalama, varyans ve kovaryans koşulları sağlandığı sürece) minimum varyansı garanti eder.

Adım Adım Çözüm

BLUE

(En İyi Doğrusal Sapmasız Tahmin Edici) kavramının bileşenlerini analiz etmek.

B: Best (En iyi/Etkin - minimum varyans), L: Linear (Doğrusal), U: Unbiased (Sapmasız), E: Estimator (Tahmin edici).

Teoremin hangi özellikleri garanti ettiğini netleştirmek için.

Gauss-Markov varsayımları ile özellikler arasındaki ilişkiyi kurmak.

Hata terimlerinin sıfır beklenen değerine sahip olması sapmasızlığı; sabit varyans ve otokorelasyon yokluğu ise 'en iyi' (minimum varyans) olma özelliğini sağlar.

Hangi varsayım ihlalinin hangi özelliği bozduğunu anlamak için.

Normallik varsayımının gerekliliğini sorgulamak.

EKK tahmin edicilerinin BLUE olması için hata terimlerinin normal dağılmasına gerek yoktur. Normallik sadece küçük örneklemlerde parametreler üzerine kurulan hipotez testlerinin geçerliliği için istenir.

Yaygın bir kavram yanılgısı olan BLUE-Normallik ilişkisini düzeltmek için.

Anahtar Kavram

Gauss-Markov Teoremi ve BLUE Özellikleri

İpuçları

BLUE kısaltmasındaki 'Best' (En İyi) ifadesinin neyi temsil ettiğini hatırlayın.

Hata terimlerinin normal dağılım göstermesi varsayımının hangi aşamada (tahmin aşamasında mı yoksa hipotez testi aşamasında mı) gerektiğini düşünün.

Gauss-Markov teoremi, hata terimleri için sadece ilk iki momenti (beklenen değer ve varyans/kovaryans) içeren varsayımları kullanır.

Daha Fazla Pratik

Değişen varyans veya otokorelasyon durumunda EKK yerine hangi tahmin yönteminin (Örneğin; Genelleştirilmiş En Küçük Kareler - GEKK) BLUE özelliğini sağladığını inceleyebilirsiniz.

Tahmini Süre:1m 30s

Soru 12Soru →

Regresyon analizinde hata terimlerinin varyansının sabit olmaması (değişen varyans / heteroskedastisite) varsayım ihlalinin belirlenmesinde kullanılan Glejser Testi'nin temel uygulama prosedürü aşağıdakilerden hangisidir?

Modelden elde edilen hata terimlerinin mutlak değerlerinin (

|\hat{u}_i|

), ilgili bağımsız değişkenin (

X_i

) çeşitli fonksiyonel formları üzerine regresyonunun kurulması

Hata terimlerinin karelerinin (

\hat{u}_i^2

), bağımsız değişkenlerin kendileri, kareleri ve çapraz çarpımları üzerine regresyonunun kurulması

Gözlemlerin bir bağımsız değişkene göre sıralanıp, merkezdeki gözlemlerin dışarıda bırakılarak iki ayrı alt grup regresyonunun tahmin edilmesi

Hata terimlerinin ardışık değerleri arasındaki korelasyonun varlığını araştırmak amacıyla Durbin-Watson

d

istatistiğinin hesaplanması

Bağımsız değişkenler arasındaki doğrusal bağlantının şiddetini ölçmek için Varyans Şişirme Faktörü (VIF) değerlerinin kontrol edilmesi

Cevabı ve açıklamayı göster

Cevap: Modelden elde edilen hata terimlerinin mutlak değerlerinin ( $|\hat{u}_i|$ ), ilgili bağımsız değişkenin ( $X_i$ ) çeşitli fonksiyonel formları üzerine regresyonunun kurulması

Cevap

Glejser Testi'nin temel uygulama prosedürü, hata terimlerinin mutlak değerlerinin (

|\hat{u}_i|

), bağımsız değişkenin (

X_i

) çeşitli fonksiyonel formları (örneğin

\sqrt{X_i}

1/X_i

) üzerine regrese edilmesidir.

Doğru seçenek, Glejser Testi'nin temel mantığını açıklar. Glejser, hata terimlerinin mutlak değerlerinin (

|\hat{u}_i|

), varyansla ilişkili olduğu düşünülen bağımsız değişkenin (

X_i

) çeşitli kuvvetleri üzerine regrese edilmesini önermiştir. Eğer yardımcı regresyondaki eğim katsayısı anlamlı çıkarsa, modelde değişen varyans olduğu sonucuna varılır.

Adım Adım Çözüm

EKK (En Küçük Kareler) yöntemiyle orijinal regresyon modelini tahmin edin ve hata terimlerini (kalıntıları) elde edin.

\hat{u}_i

değerlerinin hesaplanması.

Test prosedürü, bu hata terimlerinin sistematik bir yapı sergileyip sergilemediğini incelemek üzerine kuruludur.

Hata terimlerinin mutlak değerlerini (

|\hat{u}_i|

) bağımlı değişken olarak kullanan yardımcı regresyonu kurun.

|\hat{u}_i| = \beta_0 + \beta_1 X_i^v + v_i

yardımcı modelinin oluşturulması.

Glejser, değişen varyansın doğasını anlamak için

v

parametresine farklı değerler (1, -1, 0.5 gibi) vererek modelin anlamlılığını test etmeyi önermiştir.

Yardımcı regresyondaki

\beta_1

katsayısının istatistiksel olarak anlamlı olup olmadığını (

t

testi ile) kontrol edin.

Katsayı anlamlı ise

H_0

(Eş varyanslılık) reddedilir.

Bağımsız değişken ile hata teriminin büyüklüğü arasında istatistiksel olarak anlamlı bir ilişki bulunması, değişen varyansın varlığını kanıtlar.

Anahtar Kavram

Glejser Testi Prosedürü

İpuçları

Glejser testi, yardımcı regresyonunda hata terimlerinin mutlak değerini kullanmasıyla diğerlerinden ayrılır.

Daha Fazla Pratik

Park Testi ile Glejser Testi arasındaki temel farkı (logaritmik dönüşüm vs mutlak değer) gözden geçirmek faydalı olacaktır.

Tahmini Süre:1m 30s

Soru 13Soru →

Bir iktisatçı, bir ülkenin ithalat miktarını ( $Y$ ); gayrisafi yurt içi hasıla ( $X_1$ ) ve harcanabilir gelir ( $X_2$ ) değişkenlerini kullanarak açıklamaya çalışmaktadır. Tahmin edilen çoklu doğrusal regresyon modeline ilişkin bulgular aşağıda özetlenmiştir:

Gösterge / Parametre	Değer / İstatistik
Belirtme Katsayısı ( $R^2$ )	0,92
$F$ İstatistiği	145,20 ( $p < 0,01$ )
$X_1$ katsayısı için $t$ değeri	1,05 ( $p = 0,32$ )
$X_2$ katsayısı için $t$ değeri	0,98 ( $p = 0,35$ )

Bu modeldeki temel sorun ve bu sorunu tespit edip gidermek için izlenecek en uygun yol aşağıdakilerden hangisidir?

Modelde çoklu doğrusal bağlantı sorunu vardır; Varyans Şişme Faktörü (VIF) değerlerine bakılmalı ve yüksek bağlantılı değişkenlerden biri modelden çıkarılmalıdır.

Modelde otokorelasyon sorunu vardır; Durbin-Watson (DW) istatistiği kontrol edilmeli ve birinci dereceden farklar alınarak model yeniden tahmin edilmelidir.

Modelde değişen varyans sorunu vardır; White testi uygulanmalı ve Değişen Varyansla Tutarlı Standart Hatalar (HC) kullanılmalıdır.

Modelde fonksiyonel form hatası vardır; Ramsey RESET testi yapılmalı ve modele bağımsız değişkenlerin karesi eklenmelidir.

Modelde normallik varsayımı ihlali vardır; Jarque-Bera testi uygulanmalı ve bağımlı değişkenin logaritması alınarak model doğrusallaştırılmalıdır.

Cevabı ve açıklamayı göster

Cevap: Modelde çoklu doğrusal bağlantı sorunu vardır; Varyans Şişme Faktörü (VIF) değerlerine bakılmalı ve yüksek bağlantılı değişkenlerden biri modelden çıkarılmalıdır.

Cevap

Modelde çoklu doğrusal bağlantı sorunu vardır; Varyans Şişme Faktörü (VIF) değerlerine bakılmalı ve yüksek bağlantılı değişkenlerden biri modelden çıkarılmalıdır.

Verilen senaryoda, belirtme katsayısının (

R^2

) ve

F

istatistiğinin oldukça yüksek olması modelin genel olarak başarılı olduğunu gösterir. Ancak bağımsız değişkenlere ait

t

istatistiklerinin anlamsız olması, bu değişkenlerin birbirleriyle çok yüksek korelasyona sahip olduğunu (çoklu doğrusal bağlantı) gösterir. Bu durumun standart tespit yöntemi Varyans Şişme Faktörü (VIF) değerlerini incelemektir ve en temel çözüm yollarından biri ilişkili değişkenlerden birini model dışında bırakmaktır.

Adım Adım Çözüm

Model istatistiklerini karşılaştırın.

R^2 = 0,92

(çok yüksek) ve

F = 145,20

(model genel olarak anlamlı) olduğu halde

t

değerlerinin anlamsız (

p > 0,05

) olduğu görüldü.

Çoklu doğrusal bağlantının en tipik göstergesi, modelin bütünsel olarak çok iyi açıklamasına rağmen bağımsız değişkenlerin birbirlerini gölgeleyerek bireysel olarak anlamsız kalmasıdır.

Tespit yöntemini belirleyin.

Varyans Şişme Faktörü (VIF) veya Durum İndeksi (CI) hesaplanmalıdır.

VIF değeri, bir bağımsız değişkenin varyansının diğer bağımsız değişkenlerle olan bağlantısı nedeniyle ne kadar şiştiğini gösterir (Genellikle

VIF > 10

ise ciddi sorun vardır).

Giderme yöntemini seçin.

Yüksek VIF değerine sahip değişkenlerden birinin modelden çıkarılması veya Ridge regresyon gibi yanlı tahmin yöntemlerinin kullanılması.

Bağımsız değişkenler arasındaki yüksek korelasyonu azaltmak için bilgi kaybını göze alarak değişken elemek standart bir çözüm yoludur.

Anahtar Kavram

Çoklu Doğrusal Bağlantı (Multicollinearity) Belirtileri ve VIF Testi

Daha Fazla Pratik

Çoklu doğrusal bağlantı varlığında En Küçük Kareler (EKK) tahmincilerinin sapmasızlık özelliğini koruyup korumadığını (Gauss-Markov) tekrar gözden geçirebilirsiniz.

Tahmini Süre:1m 30s

Soru 14Soru →

Bir ekonometrik analizde, bağımlı değişken $Y$ , gerçekte aralarında pozitif yönde ve çok güçlü (ancak tam olmayan) bir doğrusal ilişki bulunan $X_1$ ve $X_2$ açıklayıcı değişkenleriyle modellenmektedir.

Model, standart En Küçük Kareler (EKK) yöntemi kullanılarak tahmin edildiğinde, bu yüksek dereceli çoklu doğrusal bağlantının parametre tahmincileri ( $\hat{\beta}_1$ ve $\hat{\beta}_2$ ) ve bunların dağılımları üzerindeki asıl yapısal etkisi ile ilgili aşağıdaki ifadelerden hangisi kesinlikle doğrudur?

\hat{\beta}_1

\hat{\beta}_2

tahmin edicileri arasındaki kovaryans güçlü bir şekilde negatif değer alacak, bu durum katsayılardan birinin aşırı tahmin edilmesinin diğerinin eksik tahmin edilmesiyle telafi edilmesine (tahterevalli etkisine) yol açacaktır.

Yüksek korelasyon, EKK tahmincilerinin beklenen değerlerini gerçek parametrelerden saptırarak her iki katsayının da tutarsız ve sistematik olarak yanlı (sapmalı) sonuçlar üretmesine neden olacaktır.

Tahmin ediciler sapmasızlık özelliğini korumaya devam etse de, Gauss-Markov teoremi bağlamında doğrusal ve sapmasız tahmin ediciler sınıfı içinde en küçük varyansa sahip olma (BLUE) özelliğini bütünüyle yitirecektir.

Modeldeki şiddetli doğrusal bağlantı, değişkenlerin bağımlı değişkeni ortaklaşa açıklama gücünü bozacağından belirtme katsayısı (

R^2

) ve genel F istatistiği yapay olarak çok düşük çıkacaktır.

Değişkenler arası şiddetli bağlantı, hata terimlerinin varyansının sabit kalması varsayımını zorunlu olarak ihlal edeceğinden katsayılar için kurulan t-testleri tamamen geçersiz hale gelecektir.

Cevabı ve açıklamayı göster

Cevap: $\hat{\beta}_1$ ve $\hat{\beta}_2$ tahmin edicileri arasındaki kovaryans güçlü bir şekilde negatif değer alacak, bu durum katsayılardan birinin aşırı tahmin edilmesinin diğerinin eksik tahmin edilmesiyle telafi edilmesine (tahterevalli etkisine) yol açacaktır.

Cevap

İki açıklayıcı değişken arasındaki güçlü pozitif ilişkinin, bu değişkenlere ait eğim parametresi tahmincileri arasındaki kovaryansı güçlü bir şekilde negatif yapacağını ve telafi edici tahmin farklılıklarına yol açacağını belirten ifadedir.

Çoklu regresyon modelinde, açıklayıcı değişkenler

X_1

X_2

arasında güçlü bir pozitif korelasyon bulunduğunda,

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

eşitliği gereği katsayılar arasındaki kovaryans formülü gereği negatif bir değer alır. Varyans şişme faktörünün (VIF) yükselmesi sadece katsayıların varyanslarını değil, aynı zamanda aralarındaki negatif kovaryansın da mutlak değerini büyütür. Bunun ekonometrik anlamı şudur: Model, bağımlı değişkendeki değişimi açıklarken

X_1

X_2

'nin birbirine çok benzeyen hareketlerini ayrıştırmakta zorlanır. Eğer veri yapısındaki rastlantısal bir dalgalanma

X_1

'in katsayısını olması gerektiğinden büyük hesaplarsa, uyumun bozulmaması için

X_2

'nin katsayısı zorunlu olarak eksik (düşük) hesaplanır. Bu "tahterevalli etkisi", katsayıların son derece kararsız ve örneklem bağımlı hale gelmesinin temel nedenidir.

Adım Adım Çözüm

Çoklu doğrusal bağlantının EKK varsayımlarına etkisini teorik olarak değerlendir.

Bağlantının "tam olmayan" (imperfect) olması durumunda EKK tahmincileri sapmasızlık, doğrusallık ve kendi sınıfında en küçük varyansa sahip olma (BLUE) özelliklerini korur.

Çoklu bağlantı, EKK'nın temel varsayımlarından bir ihlal yaratmaz, sadece verinin yapısından kaynaklanan sayısal bir sorundur.

EKK tahmincilerinin varyans-kovaryans matrisinin

(X'X)^{-1}

yapısını analiz et.

X_1

X_2

arasında pozitif korelasyon olduğunda (

\sum x_1 x_2 > 0

), matrisin tersi alınırken bu iki katsayıya ait diyagonal dışı eleman negatif işaret alır (

Cov(\hat{\beta}_1, \hat{\beta}_2) < 0

Varyans-Kovaryans matrisinin formülasyonu gereği, bağımsız değişkenler birlikte aynı yönde hareket ediyorsa, model bu etkinin kime ait olduğunu ayrıştırmakta zorlanır.

Kovaryansın negatif olmasının ve varyansların şişmesinin pratik sonucunu yorumla.

Bir katsayı örneklem dalgalanması nedeniyle gerçek değerinin üzerinde tahmin edilirse, modeli dengelemek adına diğer katsayı gerçek değerinin altında tahmin edilir (tahterevalli etkisi).

Bu durum, tahmincilerin örneklemdeki küçük değişimlere karşı aşırı duyarlı ve kararsız hale gelmesinin matematiksel mekanizmasıdır.

Anahtar Kavram

Çoklu Doğrusal Bağlantıda Varyans-Kovaryans Matrisinin Yapısı ve BLUE Özelliği

Soru 15Soru →

Bir zaman serisi regresyon modelinde hata terimleri arasındaki ardışık bağımlılığı (otokorelasyon) test etmek amacıyla Durbin-Watson testi uygulanmıştır. İlgili anlamlılık düzeyinde ve serbestlik derecesinde tablo değerleri $d_L = 1,08$ ve $d_U = 1,36$ olarak bulunmuştur. Hesaplanan Durbin-Watson ( $d$ ) istatistiği $0,75$ olduğuna göre, otokorelasyonun varlığına ilişkin ulaşılan sonuç ve bu sorunu gidermek için başvurulabilecek yöntem aşağıdakilerden hangisidir?

Pozitif otokorelasyon vardır; Cochrane-Orcutt yöntemi kullanılabilir.

Negatif otokorelasyon vardır; Hildreth-Lu yöntemi kullanılabilir.

Pozitif otokorelasyon vardır; White testi ile sorun giderilebilir.

Otokorelasyon yoktur; Prais-Winsten yöntemi kullanılabilir.

Karar bölgesindedir; Birinci Farklar yöntemi kullanılabilir.

Cevabı ve açıklamayı göster

Cevap: Pozitif otokorelasyon vardır; Cochrane-Orcutt yöntemi kullanılabilir.

Cevap

Modelde pozitif otokorelasyon bulunmaktadır ve bu sorunu gidermek için Cochrane-Orcutt yöntemi kullanılabilir.

Durbin-Watson testinde hesaplanan

d

istatistiği (

0,75

), alt sınır olan

d_L

(

1,08

) değerinden küçük olduğu için hata terimleri arasında birinci dereceden pozitif otokorelasyon olduğu sonucuna varılır. Bu sorunu gidermek için kullanılan en yaygın yöntemlerden biri Cochrane-Orcutt yinelemeli yöntemidir.

Adım Adım Çözüm

Durbin-Watson (

d

) istatistiğini tablo sınır değerleri ile karşılaştırın.

d = 0,75

değeri, verilen alt sınır olan

d_L = 1,08

değerinden küçüktür (

0 < d < d_L

Durbin-Watson testinde hesaplanan değerin 0 ile alt sınır (

d_L

) arasında olması pozitif otokorelasyonun varlığını gösterir.

Otokorelasyon sorununu gidermek için uygun yöntemi belirleyin.

Cochrane-Orcutt, Hildreth-Lu veya Prais-Winsten gibi yinelemeli yöntemler veya Birinci Farklar yöntemi tercih edilebilir.

Bu yöntemler, hata terimleri arasındaki bağımlılığı ortadan kaldırmak için verileri dönüştürerek En Küçük Kareler (EKK) tahmincilerinin yeniden etkin hale gelmesini sağlar.

Anahtar Kavram

Durbin-Watson Testi Karar Kuralları ve Otokorelasyon Giderme Yöntemleri

Tahmini Süre:1m 30s

Soru 16Soru →

Zaman serisi verileri kullanılarak tahmin edilen bir regresyon modelinde, hata terimleri arasında sadece birinci dereceden değil, daha yüksek dereceden ( $p$ . dereceden) ardışık bağımlılık olup olmadığını belirlemek veya modelde açıklayıcı değişkenler arasında bağımlı değişkenin gecikmeli değerinin ( $Y_{t-1}$ ) yer alması durumunda otokorelasyonu test etmek amacıyla aşağıdaki yöntemlerden hangisi tercih edilmelidir?

Breusch-Godfrey (LM) testi

Durbin-Watson

d

testi

White genel testi

Goldfeld-Quandt testi

Varyans Şişme Faktörü (VIF)

Cevabı ve açıklamayı göster

Cevap: Breusch-Godfrey (LM) testi

Cevap

Modelde yüksek dereceli otokorelasyon veya gecikmeli bağımlı değişken bulunması durumunda Breusch-Godfrey (LM) testi kullanılmalıdır.

Breusch-Godfrey (LM) testi, hata terimleri arasında yüksek dereceli (

p

. dereceden) ardışık bağımlılığı tespit etmek için tasarlanmıştır. Ayrıca Durbin-Watson testinin aksine, modelde bağımsız değişken olarak gecikmeli bağımlı değişkenlerin (

Y_{t-1}, Y_{t-2}

vb.) bulunduğu durumlarda da geçerli ve güçlü sonuçlar üretir.

Adım Adım Çözüm

Model kısıtlarını ve varsayımları analiz etme

Durbin-Watson testinin sadece birinci dereceden otokorelasyonu ölçtüğü ve modelde gecikmeli bağımlı değişken (

Y_{t-1}

) varken güvenilir sonuç vermediği tespit edilir.

Otokorelasyon testinin kapsamını belirlemek için model yapısı incelenmelidir.

Alternatif otokorelasyon testlerini değerlendirme

Breusch-Godfrey testinin yüksek dereceli (

p

. derece) AR ve MA süreçlerini kapsadığı ve gecikmeli bağımlı değişken varlığında da kullanılabileceği görülür.

Testin esnekliği, modeldeki karmaşık ardışık bağımlılık yapılarını yakalamaya olanak tanır.

Diğer hata terimi ihlali testlerini dışlama

Varsayım ihlalleri arasındaki ayrımı netleştirmek doğru testi seçmeyi sağlar.

Anahtar Kavram

Breusch-Godfrey (LM) testi, Durbin-Watson testinin kısıtlarını (sadece 1. derece ve gecikmeli bağımlı değişken yasağı) aşan daha genel bir otokorelasyon testidir.

Alternatif Yöntem

Durbin'in h istatistiği, modelde gecikmeli bağımlı değişken olduğu durumlarda sadece birinci dereceden otokorelasyonu test etmek için kullanılabilir ancak yüksek dereceli otokorelasyon için hala Breusch-Godfrey tercih edilmelidir.

Tahmini Süre:1m 30s

Soru 17Soru →

Doğrusal bir regresyon modelinde hata terimleri arasında ardışık bağımlılık ( $Cov(\epsilon_i, \epsilon_j) \neq 0, i \neq j$ ) olduğu saptandığında, klasik En Küçük Kareler (EKK) tahmin edicilerinin özellikleri ile ilgili aşağıdakilerden hangisi doğrudur?

Tahmin ediciler sapmasızlık özelliğini korurlar ancak artık en küçük varyanslı (etkin) tahmin edici değillerdir.

Hata terimleri arasındaki bağımlılık EKK tahmin edicilerinin hem sapmasız hem de en küçük varyanslı (BLUE) kalmasını sağlar.

Tahmin ediciler sapmasız oldukları için Gauss-Markov teoremi uyarınca otomatik olarak en iyi tahmin edici olma özelliğini de sürdürürler.

Hata varyansının (

s^2

) tahmini sapmasız kalmaya devam eder, bu nedenle t ve F testleri güvenilir sonuçlar verir.

Parametre tahmin edicileri sapmalı (biased) hale gelir ve örneklem büyüklüğü artsa bile gerçek parametre değerine yakınsamazlar.

Cevabı ve açıklamayı göster

Cevap: Tahmin ediciler sapmasızlık özelliğini korurlar ancak artık en küçük varyanslı (etkin) tahmin edici değillerdir.

Cevap

Tahmin ediciler sapmasızlık özelliğini korurlar ancak artık en küçük varyanslı (etkin) tahmin edici değillerdir.

Klasik Doğrusal Regresyon Modeli'nde otokorelasyon varlığı, En Küçük Kareler (EKK) tahmin edicilerinin sapmasızlık (unbiasedness) ve tutarlılık (consistency) özelliklerini etkilemez. Ancak, hata terimlerinin varyans-kovaryans yapısı değiştiği için EKK tahmin edicileri artık en küçük varyanslı (etkin) olma özelliğini kaybeder. Bu durum, tahmin edicilerin artık 'En İyi Doğrusal Sapmasız Tahmin Edici' (BLUE) olmadığı anlamına gelir.

Adım Adım Çözüm

Otokorelasyonun tanımını ve EKK varsayımlarıyla ilişkisini belirle.

Otokorelasyon, hata terimlerinin kendi aralarında ilişkili olmasıdır (

E[\epsilon_i \epsilon_j] \neq 0

). Bu durum, Gauss-Markov varsayımlarından birinin ihlalidir.

Sorunun hangi istatistiksel varsayım ihlaliyle ilgili olduğunu anlamak için gereklidir.

Tahmin edicilerin sapmasızlık (

Unbiasedness

) durumunu analiz et.

EKK katsayı tahmin edicisi

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

formülüyle hesaplanır. Beklenen değeri

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

olduğundan sapmasızlık korunur.

Otokorelasyonun katsayıların merkezi eğilimi üzerindeki etkisini doğrulamak için.

Tahmin edicilerin etkinlik (

Efficiency

) durumunu analiz et.

Minimum varyans özelliği için hata terimlerinin varyans-kovaryans matrisinin

\sigma^2 I

olması gerekir. Otokorelasyon bu yapıyı bozduğu için varyanslar artık minimum değildir.

Tahmin edicinin 'En İyi' (BLUE) olup olmadığını belirlemek için.

Anahtar Kavram

Otokorelasyon Durumunda EKK Özellikleri

Daha Fazla Pratik

Otokorelasyonun varlığını test etmek için kullanılan Durbin-Watson ve Breusch-Godfrey testlerini inceleyebilirsiniz.

Tahmini Süre:1m 30s

Soru 18Soru →

Regresyon analizinde hata terimleri arasındaki otokorelasyonun (ardışık bağımlılık) tespiti ve bu sorunun giderilmesi için kullanılan yöntemlerle ilgili aşağıdaki ifadelerden hangisi doğrudur?

Breusch-Godfrey (LM) testi, Durbin-Watson

d

testinden farklı olarak, modelde bağımlı değişkenin gecikmeli değerleri açıklayıcı değişken olarak yer aldığında da geçerli sonuçlar verir.

Durbin-Watson

d

istatistiğinin hesaplanan değerinin

0

(sıfır) noktasına yaklaşması, hata terimleri arasında güçlü bir negatif otokorelasyon olduğuna işaret eder.

Koşu (Runs) testi, hata terimlerinin varyansının gözlemler arasında değişkenlik gösterip göstermediğini (heteroskedastisite) ölçen parametrik bir testtir.

Modelde otokorelasyonun bulunması, En Küçük Kareler (EKK) tahmincilerinin sapmasızlık (unbiasedness) özelliğini yitirmesine ve parametre tahminlerinin yanlı çıkmasına neden olur.

Cochrane-Orcutt iteratif yöntemi, sadece otokorelasyon katsayısının (

\rho

) tam olarak

1

değerine eşit olduğu bilindiği durumlarda uygulanan bir dönüşüm tekniğidir.

Cevabı ve açıklamayı göster

Cevap: Breusch-Godfrey (LM) testi, Durbin-Watson $d$ testinden farklı olarak, modelde bağımlı değişkenin gecikmeli değerleri açıklayıcı değişken olarak yer aldığında da geçerli sonuçlar verir.

Cevap

Breusch-Godfrey (LM) testi, Durbin-Watson

d

testinden farklı olarak, modelde bağımlı değişkenin gecikmeli değerleri açıklayıcı değişken olarak yer aldığında da geçerli sonuçlar verir.

Breusch-Godfrey (LM) testi, Durbin-Watson testinin en önemli kısıtlarını aşan bir testtir. Durbin-Watson testi sadece birinci dereceden otokorelasyonu (

AR(1)

) ölçebilir ve modelde bağımsız değişken olarak bağımlı değişkenin gecikmeli değerleri (

Y_{t-1}

) varsa 'otokorelasyon yok' (

d=2

) sonucuna doğru yanlı bir eğilim gösterir. BG testi ise hem otoregresif modellerde çalışır hem de daha yüksek dereceli bağımlılıkları test edebilir.

Adım Adım Çözüm

Otokorelasyon testlerinin kapsamını karşılaştırın.

Durbin-Watson testinin temel kısıtı, modelde bağımlı değişkenin gecikmeli değerleri (

Y_{t-1}

) varken

2

değerine doğru yanlı sonuç vermesidir.

Testin varsayımları ve uygulama sınırlarını belirlemek için.

Breusch-Godfrey (LM) testinin avantajlarını değerlendirin.

LM testi, hem otoregresif modellerde kullanılabilir hem de birden fazla gecikmeli hata terimi (

AR(p)

) arasındaki ilişkiyi test edebilir.

Daha genel ve kapsayıcı bir test olduğunu doğrulamak için.

Diğer seçeneklerdeki teknik kavram hatalarını eleyin.

Tahmincilerin özellikleri, testlerin istatistiksel yorumları ve giderme yöntemlerinin kullanım amaçları doğrulanır.

Çeldiricilerin neden yanlış olduğunu kanıtlamak için.

Anahtar Kavram

Otokorelasyon Tespiti ve Testlerin Karşılaştırılması

Tahmini Süre:1m 30s

Soru 19Soru →

Bir zaman serisi regresyon analizinde Durbin-Watson $d$ istatistiği sıfıra çok yakın ( $d \approx 0$ ) bulunmuş ve hata terimleri arasında tam pozitif otokorelasyon ( $\rho = 1$ ) olduğu varsayılmıştır. Bu durumda, otokorelasyon problemini gidermek amacıyla modele uygulanması gereken en uygun dönüşüm yöntemi aşağıdakilerden hangisidir?

Birinci Farklar Yöntemi

Cochrane-Orcutt Yöntemi

White Genel Testi

Durbin-Watson d Testi

Goldfeld-Quandt Testi

Cevabı ve açıklamayı göster

Cevap: Birinci Farklar Yöntemi

Cevap

Birinci Farklar Yöntemi,

\rho = 1

varsayımı altında değişkenlerin cari değerlerinden bir önceki dönem değerlerinin çıkarılmasıyla uygulanan dönüşüm yöntemidir.

Durbin-Watson

d

istatistiğinin 0 olması tam pozitif otokorelasyona (

\rho = 1

) işaret eder. Genelleştirilmiş fark denkleminde

\rho

yerine 1 koyulduğunda model, değişkenlerin birinci farklarının (

Y_t - Y_{t-1}

X_t - X_{t-1}

) kullanıldığı 'Birinci Farklar Yöntemi'ne dönüşür.

Adım Adım Çözüm

Durbin-Watson istatistiği ile

\rho

arasındaki ilişkiyi belirle.

d \approx 2(1 - \rho)

formülünden

d \approx 0

ise

1 - \rho \approx 0

yani

\rho \approx 1

olur.

Durbin-Watson değeri 0'a yaklaştıkça güçlü pozitif otokorelasyonun varlığı ve

\rho

'nun 1'e yaklaştığı anlaşılır.

Genelleştirilmiş Fark Dönüşümü formülünü

\rho = 1

için uygula.

Y_t - \rho Y_{t-1} = \beta(X_t - \rho X_{t-1}) + \epsilon_t

denkleminde

\rho = 1

yazıldığında

\Delta Y_t = \beta \Delta X_t + \epsilon_t

elde edilir.

Tam pozitif otokorelasyon durumunda modelin orijinal değişkenleri yerine bu değişkenlerin birinci farkları ile tahmin yapılması otokorelasyonu giderir.

Anahtar Kavram

Otokorelasyon Giderme Yöntemleri (Birinci Farklar)

Daha Fazla Pratik

Negatif otokorelasyon (

\rho = -1

) durumunda hangi fark dönüşümünün (ikinci farklar veya toplamlar) uygulanabileceğini inceleyiniz.

Tahmini Süre:1m 30s

Soru 20Soru →

Zaman serisi verileri kullanılarak tahmin edilen bir doğrusal regresyon modelinde, hata terimleri arasında ardışık bağımlılık ( $Cov(u_t, u_{t-1}) \neq 0$ ) olduğu saptanmıştır. Bu durumun En Küçük Kareler (EKK) tahmin edicileri üzerindeki etkileri ile ilgili aşağıdakilerden hangisi doğrudur?

Tahmin ediciler sapmalı (yanlı) hale gelir ancak tutarlılık özelliğini korurlar.

Tahmin ediciler sapmasız ve tutarlı kalmaya devam ederler, ancak artık en küçük varyanslı (etkin) değillerdir.

Tahmin ediciler hem sapmalı hem de tutarsız hale gelerek Gauss-Markov özelliklerini tamamen kaybederler.

Tahmin ediciler sapmasız kalmaya devam ederler ve BLUE olma özelliğini sürdürürler.

Bu ihlal durumunda modelin belirtme katsayısı (

R^2

) her zaman sıfıra yaklaşır ve anlamlılık testleri yapılamaz.

Cevabı ve açıklamayı göster

Cevap: Tahmin ediciler sapmasız ve tutarlı kalmaya devam ederler, ancak artık en küçük varyanslı (etkin) değillerdir.

Cevap

Otokorelasyon varlığında En Küçük Kareler (EKK) tahmin edicileri sapmasız (unbiased) ve tutarlı (consistent) kalmalarına rağmen, minimum varyansa sahip olmadıkları için etkin (efficient) değillerdir.

Doğru seçenek olan 'tahmin edicilerin sapmasız ve tutarlı kalıp, etkinliklerini kaybetmesi', otokorelasyonun klasik EKK tahmin edicileri üzerindeki temel teorik sonucudur. Gauss-Markov koşullarından biri olan bağımsız hatalar varsayımı ihlal edildiğinde, EKK hala sapmasız bir tahmin sunar ancak bu tahmin artık mümkün olan en dar güven aralığına (minimum varyansa) sahip değildir.

Adım Adım Çözüm

Otokorelasyonun (ardışık bağımlılık) tanımını hatırla.

E(u_i, u_j) \neq 0

(

i \neq j

için).

Klasik doğrusal regresyon modelinin 'hata terimleri arasında ilişki yoktur' varsayımının ihlal edildiğini belirlemek için.

Tahmin edicilerin sapmasızlık ve tutarlılık özelliklerini kontrol et.

Tahmin ediciler hala sapmasız ve tutarlıdır.

EKK tahmin edicilerinin sapmasızlığı, hata terimlerinin varyans yapısından bağımsız olarak

E(X'u)=0

koşuluna dayanır.

Tahmin edicilerin etkinliğini (BLUE) değerlendir.

Tahmin ediciler artık en küçük varyanslı (etkin) değildir.

Gauss-Markov teoremine göre BLUE özelliği için hata terimlerinin hem sabit varyanslı (homoskedastik) hem de bağımsız olması gerekir; otokorelasyon bu koşulu bozar.

Anahtar Kavram

Otokorelasyon durumunda EKK tahmin edicileri sapmasızlık ve tutarlılık özelliklerini korurken, etkinlik (minimum varyans) özelliğini kaybeder ve BLUE olmaktan çıkar.

Tahmini Süre:1m 30s

Sayfa 1 / 5Sonraki

Regresyon Varsayımları ve İhlalleri

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

Alternatif Yöntem

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

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

İpuçları

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

İpuçları

Daha Fazla Pratik

Cevap

Adım Adım Çözüm

Anahtar Kavram

Sık Yapılan Hatalar

İpuçları

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

Alternatif Yöntem