You are on page 1of 50

t Sınamaları

F Sınamaları
Diğer Sınama ve Konular

Çoklu Bağlanım Çözümlemesi


Çıkarsama Sorunu

Yrd. Doç. Dr. A. Talha YALTA

TOBB Ekonomi ve Teknoloji Üniversitesi


İktisat Bölümü

İKT351 – Ekonometri I

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
F Sınamaları
Diğer Sınama ve Konular

Kullanım Şartları

İşbu ekonometri ders malzemesi, A. Talha Yalta tarafından,


"Creative Commons Attribution-Share Alike 3.0 Unported License"
(CC-by-SA-3.0) lisans şartları altında bir açık ders malzemesi olarak
genel kullanıma sunulmuştur. Yani, eserin ilk sahibinin belirtilmesi ve
geçerli lisansın korunması şartıyla özgürce kullanılabilir, çoğaltılabilir,
değiştirilebilir. Creative Commons örgütü ve “CC-by-SA-3.0” lisansı
ile ilgili ayrıntılı bilgi “http://creativecommons.org” adresinde
bulunmaktadır. Ders notlarının “pdf” biçimindeki en yeni sürümüne
“http://yalta.etu.edu.tr” adresinden ulaşabilirsiniz.

Dr. A. Talha Yalta, TOBB Ekonomi ve Teknoloji Üniversitesi (2010)

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
F Sınamaları
Diğer Sınama ve Konular

Ders Planı

1 t Sınamaları
Tek Bir Katsayının Sınanması
İki Katsayının Eşitliğinin Sınanması

2 F Sınamaları
Bağlanımın Bütününün Anlamlılık Sınaması
Sınırlamalı En Küçük Kareler Yöntemi
Chow Sınaması

3 Diğer Sınama ve Konular


MWD Sınaması
Diğer Bazı Sınama ve Konular

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
F Sınamaları
Diğer Sınama ve Konular

Çoklu Bağlanımda Önsav Sınaması

Bu bölümde daha önce iki değişkenli bağlanım modelleri


için ele almış olduğumuz aralık tahmini ve önsav sınaması
kavramlarını çok değişkenli modellere genişleteceğiz.
Bilindiği gibi amacımız yalnızca bağlanım katsayılarını
tahmin etmek değil, aynı zamanda bu katsayılara ilişkin
çeşitli çıkarsamalar ve önsav sınamaları da yapmaktır.
Bu doğrultuda ui hatalarının sıfır ortalama ve σ 2 sabit
varyanslı normal dağılıma uydukları varsayımını çoklu
bağlanım modelleri için de sürdüreceğiz.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
F Sınamaları
Diğer Sınama ve Konular

Önsav Sınaması: Genel Bilgiler

İkili bağlanım modelinin basit dünyasından dışarı çıkıldığında


önsav sınaması aşağıdaki gibi farklı şekiller almaktadır:
1 Tek bir kısmi bağlanım katsayısına ilişkin önsav sınaması,
2 Tahmin edilen bağlanım modelinin bütününün sınanması,
3 İki ya da daha çok katsayının eşitliğinin sınanması,
4 Katsayıların belli sınırlamalara uygunluğunun sınanması,
5 Modelin farklı veri setlerindeki kararlılığının sınanması,
6 Bağlanım modellerinin işlev biçimlerinin sınanması.
İzleyen bölümde bu sınama çeşitleri ayrı ayrı ele alınacaktır.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
Tek Bir Katsayının Sınanması
F Sınamaları
İki Katsayının Eşitliğinin Sınanması
Diğer Sınama ve Konular

Kişisel Harcama ve Kişisel Gelir İlişkisi Örneği

Farklı önsav sınama biçimlerini gösterebilmek için, 64


ülkelik bir örneklem kullanılarak tahmin edilmiş olan şu
modeli ele alalım:
Ŷi = 263,6416 −0,0056X2i −2,2316X3i R 2 = 0,7077
öh (11,5932) (0,0020) (0,2099) R̄ 2 = 0,6981
t (22,7411) (−2,8187) (−10,6293)
p (0,0000) (0,0065) (0,0000)
Burada:
Y çocuk ölümleri sayısını,
X2i kişi başına düşen gayrisafi milli hasılayı,
X3i ise kadınlardaki okuryazarlık oranını
göstermektedir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
Tek Bir Katsayının Sınanması
F Sınamaları
İki Katsayının Eşitliğinin Sınanması
Diğer Sınama ve Konular

Tek Bir Katsayının Sınanması

ui ∼ N(0, σ 2 ) varsayımı altında, herhangi bir tekil bağlanım


katsayısına ilişkin önsavlar için t sınamasını kullanabiliriz.
Örnek olarak kadınlarda okuryazarlık oranının çocuk
ölümleri üzerinde bir doğrusal etkisi olmadığı varsayımını
sınayalım: H0 : β3 = 0, H1 : β3 6= 0

β̂3 − β3∗ −0,0056


t= = = −2,8
öh(β̂3 ) 0,0020

α = 0,05 kabul edersek, 61 (64-3) sd ile tα/2 = 2,000 olur.


Hesaplanan t değeri kritik t değerini aştığı için, istatistiksel
olarak β3 ’ün anlamlı olduğunu ya da diğer bir deyişle
sıfırdan anlamlı ölçüde uzak olduğunu söyleyebiliriz.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
Tek Bir Katsayının Sınanması
F Sınamaları
İki Katsayının Eşitliğinin Sınanması
Diğer Sınama ve Konular

Tek Bir Katsayının Sınanması

Bilindiği gibi önsav sınamasına diğer bir yaklaşım da güven


aralığı yöntemidir.
Örnek olarak β3 ’nin yüzde 95 güven aralığı şöyledir:

β̂3 − tα/2 öh(β̂3 ) ≤ β3 ≤ β̂3 + tα/2 öh(β̂3 )


−0,0056 − 2,000(0,0020) ≤ β3 ≤ −0,0056 + 2,000(0,0020)
−0,0096 ≤ β3 ≤ −0,0016

64 gözlemli 100 farklı örneklem seçilir ve β̂3 ± tα/2 öh(β̂3 )


gibi böyle 100 güven aralığı bulunursa, bunlardan 95’inin
anakütledeki gerçek β2 ’yi içermesi beklenir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
Tek Bir Katsayının Sınanması
F Sınamaları
İki Katsayının Eşitliğinin Sınanması
Diğer Sınama ve Konular

İki Katsayının Eşitliğinin Sınanması


İki katsayının eşitliğinin sınanması konusu ile ilgili olarak şu
çoklu bağlanım modelini ele alalım:

ln Yi = β1 + β2 ln X2i + β3 ln X3i + β4 ln X4i + ui

Şimdi, β3 ve β4 gibi iki eğim katsayısının birbirine eşit olup


olmadığını sınamak istediğimizi varsayalım:

H0 : β3 = β4 H0 : (β3 − β4 ) = 0
H1 : β3 6= β4 H1 : (β3 − β4 ) 6= 0
Uygulamada böyle önsav sınamaları sıklıkla kullanılır.
Örnek olarak Y bir mala olan talebi, X3 ve X4 de sırasıyla
tüketicinin gelir ve servetini gösteriyor olsun.
Log-doğrusal model için yukarıdaki sıfır önsavları talebin
gelir ve servet esnekliklerinin aynı olduğu anlamına gelir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
Tek Bir Katsayının Sınanması
F Sınamaları
İki Katsayının Eşitliğinin Sınanması
Diğer Sınama ve Konular

İki Katsayının Eşitliğinin Sınanması


İki katsayı tahmininin eşitliğini sınamak için t sınaması
yöntemi kullanılabilir:

(β̂3 − β̂4 ) − (β3 − β4 )∗


t=
öh(β̂3 − β̂4 )

Klasik varsayımlar altında n − k sd (örneğimizde k = 4) ile


t dağılımına uyan yukarıdaki istatistik şöyle de yazılabilir:

β̂3 − β̂4
t=q
var(β̂3 ) + var(β̂4 ) − 2cov(β̂3 , β̂4 )
q
Yukarıda, öh(β̂3 − β̂4 ) = var(β̂3 ) + var(β̂4 ) − 2cov(β̂3 , β̂4 ) ve
H0 ’a göre β3 − β4 = 0 özdeşliklerinden yararlanılmıştır.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
Tek Bir Katsayının Sınanması
F Sınamaları
İki Katsayının Eşitliğinin Sınanması
Diğer Sınama ve Konular

İki Katsayının Eşitliğinin Sınanması


Aşağıda verilen küplü bağlanım tahminlerini ele alalım:
Ŷi = 141,7667 +63,4777Xi −12,9615Xi2 +0,9396Xi3
öh (6,3753) (4,7786) (0,9857) (0,0591)

cov(β̂3 , β̂4 ) = −0,0576 R 2 = 0,9983

Y ve X burada toplam üretim ve maliyeti göstermektedir.


Kısa dönem marjinal ve ortalama maliyet eğrilerinin “u”
biçiminin gözlenebilmesi için (β3 < 0); (β1 , β2 , β4 > 0) ve
(β32 < 3β2 β4 ) kısıtlarının geçerli olması gereklidir.
β3 = β4 sıfır önsavını sınarsak t = −13,3130 buluruz.
Eldeki değer 6 sd ve çift kuyruklu sınama için hesaplanan
t = 2,447 kritik t değerini aştığı için, X 2 ve X 3 ’e ait katsayı
değerlerinin aynı olduğu sıfır önsavı reddedilir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Bağlanımın Bütününün Anlamlılık Sınaması

Üçlü bağlanım örneğine dönelim ve β2 ve β3 ’ün aynı anda


sıfır olduğunu öneren H0 : β2 = β3 = 0 önsavını ele alalım.
Bu sıfır önsavının sınanmasına, bağlanıma ilişkin “bütünün
anlamlılığı” (overall significance) sınaması adı verilir.
Bu sınama tekil anlamlılık sınamalarından farklıdır.
Bunun nedeni şudur: β̂2 ve β̂3 gibi farklı katsayılar için tekil
anlamlılık sınaması yaparken, her bir sınamanın farklı ve
bağımsız bir örnekleme dayandığı varsayılır.
Diğer yandan, verili bir örneklemde cov(β̂2 , β̂3 ) = 0 geçerli
olmayabilir. Diğer bir deyişle, β̂2 ile β̂3 ilişkili olabilirler.
Bu durumda, β̂2 ile β̂3 ’nın aynı anda [β̂2 ± tα/2 öh(β̂2 )] ve
[β̂3 ± tα/2 öh(β̂3 )] aralıklarında bulunma olasılığı (1 − α)2
değildir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Bağlanımın Bütününün Anlamlılık Sınaması

Anakütle kısmi bağlanım katsayılarının aynı anda sıfır


olduğu yönündeki ortak önsavı sınamak için varyans
çözümlemesi yöntemi kullanılabilir:
P 2 P P P
yi = β̂2 yi x2i + β̂3 yi x3i + ûi 2
TKT = BKT +KKT
Buna göre aşağıdaki VARÇÖZ çizelgesini düzenleyebiliriz:
Değişimin Kaynağı KT sd OKT (KT/sd)
P P
P P β̂2 yi x2i +β̂3 yi x3i
Bağlanımdan (BKT) β̂2 yi x2i + β̂3 yi x3i k −1
P k2−1
uˆi
ûi 2 = σ̂2
P
Kalıntılardan (KKT) n−k n−k

yi2
P
Toplamlarından (TKT) n−1

Burada k, sabit terim ile birlikte tahmin edilen toplam


anakütle katsayılarının sayısıdır.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Bağlanımın Bütününün Anlamlılık Sınaması

Üçlü model için, hata teriminin normal dağıldığı varsayımı


ve β2 = β3 = 0 sıfır önsavı altında şu istatistik hesaplanır:
P P
(β̂2 yi x2i + β̂3 yi x3i )/(k − 1) BKT/sd
F = P 2 =
ûi /(n − k) KKT/sd

Yukarıda verilen değişkenin (k − 1) ve (n − k) sd ile F


dağılımına uyduğu gösterilebilir.
Buna göre, hesaplanan F istatistiğinin p değeri yeterince
küçükse H0 reddedilir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Bağlanımın Bütününün Anlamlılık Sınaması

Çocuk ölümleri örneğimize dönelim ve aşağıdaki VARÇÖZ


çizelgesini oluşturalım:
Değişimin Kaynağı KT sd OKT
Bağlanım 257362,4 2 128681,2
Kalıntılar 106315,6 61 1742,88
Toplam 363678 63
F değeri çizelgeden aşağıdaki gibi hesaplanır:
128681,2
F = = 73,8325
1742,88
Yüzde 5 anlamlılık düzeyinde ve 2 ile 61 sd için kritik değer
F0,05 (2, 61) = 3,15’tir.
Hesaplanan F değeri anlamlı olduğu için H0 reddedilir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Bağlanımın Bütününün Anlamlılık Sınaması

Göstermiş olduğumuz yöntemle hesaplanan F istatistiği


çoğu zaman yüksek çıkar.
Tüm bağlanım katsayıları tek tek istatistiksel olarak anlamlı
değilken, F değerinin anlamlı çıkması olasıdır.
Bu durum açıklayıcı değişkenler kendi aralarında yüksek
derecede ilinti gösteriyorsa karşımıza çıkabilir.
Sonuç olarak, F ve t sınama sonuçları yorumlanırken
dikkatli olunmalıdır.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

R 2 ile F Arasındaki İlişki

Belirleme katsayısı R 2 ile varyans çözümlemesindeki F


değeri arasında yakın bir ilişki vardır.
k değişkenli durumda ve H0 : β2 = β3 = . . . = βk = 0 sıfır
önsavı altında şu gösterilebilir:
Burada R 2 = BKT/TKT
n − k BKT tanımı kullanılmıştır.
F =
k − 1 KKT Eşitliğe göre R 2 ile F aynı
n−k BKT yönde değişirler.
=
k − 1 TKT − BKT Tahmin edilen bağlanımın
n−k BKT/TKT bütün olarak anlamlılığının
=
k − 1 1 − (BKT/TKT) ölçüsü olan F demek ki
n − k R2 aynı zamanda H0 : R 2 = 0
= 2
k −11−R sınamasına eşdeğerdir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

R 2 ile F Arasındaki İlişki

F sınamasının R 2 cinsinden gösterilmesinin üstün yanı


hesaplama kolaylığıdır. Tek gereken R 2 değeridir.
VARÇÖZ çizelgesini R 2 ile aşağıdaki gibi düzenleyebiliriz:
Değişimin Kaynağı KT sd OKT
R2 ( yi2 )P R2 ( 2
P P
Bağlanım k −1 i )/(k − 1)
yP
Kalıntılar (1 − R 2 )( yi2 ) n−k (1 − R 2 )( yi2 )/(n − k )
P 2
Toplam yi n−1

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Bir Açıklayıcı Değişkenin Marjinal Katkısı

Bir açıklayıcı değişkenin marjinal katkısına bakmak için, X2


ve X3 gibi iki değişkeni modele sırayla ekleyelim.
Burada görmek istediğimiz, eklenen değişkenin KKT’yi
eskiye oranla ne ölçüde azalttığıdır.
Çoğu görgül çalışmada, çeşitli olası X değişkenleri içinden
KKT’yi çok azaltmayanları modele eklememek yeğlenebilir.
Aynı şekilde KKT’yi önemli ölçüde azaltan, diğer bir deyişle
R 2 ’yi “anlamlı” biçimde yükselten değişkenler de modelden
çıkartılmak istenmez.
Bu yüzden bir X değişkeninin marjinal katkısı uygulamada
önemli bir konudur.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Bir Açıklayıcı Değişkenin Marjinal Katkısı

Ek bir açıklayıcı değişkenin KKT’yi anlamlı biçimde azaltıp


azaltmadığını bulmak için yine varyans çözümlemesinden
yararlanılabilir.
Çocuk ölümleri örneğimize dönelim ve şu ikili bağlanımı
tahmin edelim:
Ŷi = 157,4244 −0,0114X2i r 2 = 0,1662
t (15,9894) (−3,5156) r¯2 = 0,1528
Bulgular, kişi başına düşen gayrisafi milli hasılayı gösteren
X2 ’nin Y ’yi anlamlı biçimde etkilediğini göstermektedir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Bir Açıklayıcı Değişkenin Marjinal Katkısı


İkili bağlanıma ait VARÇÖZ çizelgesi aşağıdaki gibidir:
Değişimin Kaynağı KT sd OKT
Bağlanım 60449,5 1 60449,5
Kalıntılar 303229 62 4890,78
Toplam 363678 63 5772,67
Şimdi, X3 yani kadınlarda okuryazarlık oranı değişkenini
modele eklemek istediğimizi varsayalım.
Yeni bağlanıma ait VARÇÖZ çizelgesi ise şöyledir:
Değişimin Kaynağı KT sd OKT
Bağlanım 257362 2 128681
Kalıntılar 106316 61 1742,88
Toplam 363678 63 5772,67
KKT’deki (303229 − 106316 = 196913) birimlik azalışın
istatistiksel olarak anlamlı olup olmadığını bulmak istiyoruz.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Bir Açıklayıcı Değişkenin Marjinal Katkısı

X2 ’nin katkısı biliniyorken, X3 ’ün marjinal katkısı şu sınama


istatistiği ile ölçülebilir:

Q3 /sd (KKTeski − KKTyeni )/m


F = =
Q4 /sd KKTyeni /(n − k)

m burada yeni modele eklenen değişken sayısını gösterir.


Elimizdeki örnek için F istatistiği şu şekilde hesaplanır:

(303229 − 106316)/1
F = = 112,981
106316/61

Bulunan istatistik anlamlıdır. Kadınlarda okuryazarlık


oranını eklemek KKT’yi anlamlı biçimde azaltmaktadır.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Bir Açıklayıcı Değişkenin Marjinal Katkısı

Eldeki F oranı R 2 değerlerini kullanarak da bulunabilir:

2
(Ryeni 2 )/m
− Reski
F = 2 )/(n − k)
(1 − Ryeni

Örneğimiz için:

(0,7077 − 0,1662)/1
F = = 113,05
(1 − 0,7077)/61

Bu da yuvarlama hataları dışında önceki değer ile aynıdır.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Yeni Bir Değişken Ne Zaman Eklenmeli?

Araştırmacılar çoğu zaman aynı bağımlı değişkeni içeren


ama açıklayıcı değişkenleri farklı olan modeller arasında
seçim yapmak durumunda kalırlar.
Böyle durumlardaki genel eğilim en yüksek R̄ 2 ’yi seçmek
yönündedir.
Diğer yandan, yeni eklenen bir değişkenin katsayısının t
değeri mutlak olarak 1’den büyük olduğu sürece R̄ 2 artar.
Diğer bir deyişle yeni eklenen bir değişkene ilişkin F (= t 2 )
değeri 1’den büyükse, bağlanım R̄ 2 değeri de yükselir.
Demek ki R̄ 2 değerini yükselttiği halde KKT’yi istatistiksel
olarak anlamlı ölçüde azaltmayan bir ek değişkenin modele
eklenmesi konusunda dikkatli olunmalıdır.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Sınırlamalı En Küçük Kareler Yöntemi


İktisat kuramı zaman zaman belli bir bağlanım modelindeki
katsayılar için bir takım doğrusal sınırlamalar öngörebilir.
Örnek olarak Cobb-Douglas üretim işlevini ele alalım:

Yi = β1 X2iβ2 X3iβ3 eui

Burada Y üretim, X2 emek girdisi, X3 de sermaye girdisidir.


Modelin log-doğrusal biçimdeki gösterimi şöyledir:

ln Yi = β1′ + β2 ln X2i + β3 ln X3i + ui

Burada β1′ , ln β1 ’dir.


Eğer ölçeğe göre sabit getiri söz konusu ise, iktisat kuramı
aşağıdaki doğrusal sınırlamayı öngörür:
β2 + β3 = 1 (. . . devam)
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Sınırlamalı En Küçük Kareler Yöntemi

β2 + β3 = 1 gibi bir doğrusal sınırlamanın geçerli olup


olmadığı, t sınaması yöntemi kullanılarak görülebilir.
Bunun için, önce model tahmin edilir ve H0 : β2 + β3 = 1
önsavı bildik yolla sınanır:

(β̂2 + β̂3 ) − 1
t=q
var(β̂2 ) + var(β̂3 ) + 2cov(β̂2 β̂3 )

Bulunan t değeri eğer seçili anlamlılık düzeyindeki eşik t


değerinden büyükse, H0 reddedilir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Sınırlamalı En Küçük Kareler Yöntemi


t sınaması yaklaşımı, “sınırlamasız” (unrestricted)
bağlanım bulunduktan sonra sınama yapmaya dayandığı
için yeğlenmeyen bir yöntemdir.
Daha doğru bir yaklaşım “sınırlamalı en küçük kareler”
(restricted least squares) yöntemidir.
Bu yönteme göre, (β2 = 1 − β3 ) denkleme en başta koyulur
ve “sınırlamalı” (restricted) model aşağıdaki gibi türetilir:

ln Yi = β1′ + (1 − β3 ) ln X2i + β3 ln X3i + ui


= β1′ + ln X2i + β3 (ln X3i − ln X2i ) + ui
ln Yi − ln X2i = β1′ + β3 (ln X3i − ln X2i ) + ui
ln(Yi /X2i ) = β1′ + β3 ln(X3i /X2i ) + ui

Burada (X3i /X2i ) sermaye/emek oranını, (Yi /X2i ) ise


çıktı/emek oranını gösteren önemli iktisadi büyüklüklerdir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Sınırlamalı En Küçük Kareler Yöntemi

Tanımlanan sınırlamanın geçerli olup olmadığı iki


bağlanımın karşılaştırılması ile bulunur:

(KKTs − KKTsz )/m 2 − R 2 )/m


(Rsz s
F = = 2 )/(n − k)
KKTsz /(n − k) (1 − Rsz

m burada doğrusal sınırlama sayısını, sz ve s ise


sınırlamasız ve sınırlamalı bağlanımları göstermektedir.
Dikkat: Sınırlamasız ve sınırlamalı modellerde bağımlı
2 ve R 2 ’nin birlikte kullanılabilmesi
değişken farklı ise, Rsz s
için gerekli dönüşümün yapılmış olması önemlidir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Sınırlamalı En Küçük Kareler Yöntemi

Örnek olarak, Tayvan tarım kesimi için Cobb-Douglas


üretim modelini ölçeğe göre sabit getiri sınırlaması ile
tahmin edelim:
\
ln(Yi /X2i ) = 1,7086 +0,61298 ln(X3i /X2i ) R 2 = 0,7685
öh (0,4159) (0,0933) R̄ 2 = 0,7507
Sınırlamasız model için R 2 değeri, gerekli dönüştürmeden
sonra 0,8489 olarak bulunur ve şu F istatistiği hesaplanır:

2 − R 2 )/m
(Rsz (0,8489 − 0,7685)/1
s
F = 2
= = 6,385
(1 − Rsz )/(n − k) (1 − 0,8489)/12

F çizelgesinden, gözlenen değerin %5 düzeyinde anlamlı


olduğu görülür ve H0 : β2 + β3 = 1 sıfır önsavı reddedilir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Sınırlamalı En Küçük Kareler Yöntemi

Eğer sınırlamanın geçerli olduğuna karar verilmiş olsaydı,


sınırlamalı model için tahmin edilen 0,61298 değeri β3 ’ü
gösterdiği için β2 de 0,38702 olarak kolayca bulunurdu.
Şimdi de sınırlamasız bağlanım bulgularına bir göz atalım:
d
ln Y i = −3,3384 +1,4988 ln X2i +0,4899 ln X3i R 2 = 0,8890
öh (2,4495) (0,5398) (0,1020) R̄ 2 = 0,8705
Yukarıda emek girdisi esnekliğinin istatistiksel olarak
anlamlı olmadığı görülüyor.
Bu örnek, yalnızca tahmin edilen katsayılar ile yetinmeyip
biçimsel sınama da yapmanın daha iyi bir çözümleme için
gerekliliğini göstermesi bakımından önemlidir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Genel F Sınaması
Bir açıklayıcı değişkenin marjinal katkısı bölümünde söz
edilen “yeni” model aslında sınırlamasız modeldir. Buna
göre “eski” model de β3 = 0 varsayımı ile sınırlamalı olur.
Aslında, bağlanım bütününün anlamlılığını sınamaya ilişkin
formüldeki payın BKT olmasının nedeni de buradaki “süper
sınırlamalı” modelin KKT’sinin TKTsz = TKT olmasıdır.
Ele almış olduğumuz örneklerden de anlaşılacağı gibi, F
sınaması yöntemi k değişkenli bağlanım modelindeki m
anakütle katsayısının sınanması için genel bir yöntemdir.
Örnek olarak:
H0 : β2 = β3
H0 : β3 + β4 + β5 = 3
H0 : β3 = β4 = β5 = β6 = 0
gibi pek çok farklı önsav F sınaması ile sınanabilir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Genel F Sınaması
Genel F sınamasının adımları aşağıdaki gibi özetlenebilir:
1 Birincisi geniş sınırlamasız model ve diğeri de daha dar
sınırlamalı model olmak üzere iki model vardır.
2 Bunlardan ikincisi, birinciden bazı değişkenler çıkarılarak
ya da çeşitli doğrusal sınırlamalar getirilerek elde edilir.
3 Daha sonra; sınırlamasız ve sınırlamalı modeller verilere
yakıştırılır ve KKTsz ve KKTs toplamları ya da Rsz 2 ve R 2
s
belirleme katsayıları bulunur.
4 2 ve R 2 kullanmak
Eğer bağımlı değişkenler farklıysa, Rsz s
için bunları önce birbirleriyle uyumlandırmak gereklidir.
5 Sınırlamasız modelin sd’si (n − k), sınırlamalı modelin
sd’si ise toplam kısıtlama sayısı m’dir.
6 Son olarak, formülü verilen F istatistiği hesaplanır ve bu
değer Fα (m, n − k)’den büyükse sıfır önsavı reddedilir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Yapısal Kararlılığın Sınanması

Eğer model katsayıları zaman içerisinde sabit kalmayıp


değişime uğruyorlar ise bu duruma “yapısal değişim”
(structural change) denir.
Yapısal değişime örnek neden olarak:
2001 yılında dalgalı kur rejimine geçiş,
1999 yılı vergi yasası reformu,
1990-1991 Körfez Savaşı,
1973-1977 OPEC petrol ambargosu
gibi ulusal veya dışarıdan gelen etmenler gösterilebilir.
Yapısal değişim konusu özellikle zaman serileri içeren
bağlanım modellerinde önemlidir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Yapısal Kararlılığın Sınanması


Bir yapısal değişimin varlığını görebilmeye örnek olarak,
1970-1995 arası ABD ekonomisine ilişkin şu çizelgeyi
inceleyelim:
Çizelge: Tasarruflar ve Harcanabilir Gelir (milyar $)
Gözlem Tasarruf Gelir Gözlem Tasarruf Gelir
1970 61,0 727,1 1983 167,0 2522,4
1971 68,6 790,2 1984 235,7 2810,0
1972 63,6 855,3 1985 206,2 3002,0
1973 89,6 965,0 1986 196,5 3187,6
1974 97,6 1054,2 1987 168,4 3363,1
1975 104,4 1159,2 1988 189,1 3640,8
1976 96,4 1273,0 1989 187,8 3894,5
1977 92,5 1401,4 1990 208,7 4166,8
1978 112,6 1580,1 1991 246,4 4343,7
1979 130,1 1769,5 1992 272,6 4613,7
1980 161,8 1973,3 1993 214,4 4790,2
1981 199,1 2200,2 1994 189,4 5021,7
1982 205,5 2347,3 1995 249,3 5320,8

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Yapısal Kararlılığın Sınanması

ABD’de kişisel tasarruflar ve harcanabilir kişisel gelir


arasındaki ilişkiyi incelemek istiyor olalım.
Elimizde 1970 ve 1995 yılları arasını kapsayan bir SEK
bağlanımını tahmin etmek için yeterli veriler bulunmaktadır.
Diğer yandan, tasarruf ve gelir arasındaki ilişkinin 26 yıl
boyunca değişmediğini varsaymak fazla inandırıcı olmaz.
Örnek olarak 1982 yılında ABD’nin tarihindeki en ciddi
durgunluklardan birini yaşamış olduğu bilinmektedir.
Buna dayanarak, 1982 sonrası dönemin yapısal olarak
farklı olup olmadığını görmek istediğimizi varsayalım.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Yapısal Kararlılığın Sınanması

Yapısal kararlılığı sınamak için örneklemi 1982 öncesi ve


1982 sonrası olarak iki döneme ayırabiliriz.
Böylece elimizde tahmin edilebilecek üç ayrı bağlanım olur:
1970-81 Dönemi: Yt = λ1 + λ2 Xt + u1t (n1 = 12)
1982-95 Dönemi: Yt = γ1 + γ2 Xt + u2t (n2 = 14)
1970-95 Dönemi: Yt = α1 + α2 Xt + u3t (n3 = 12 + 14 = 26)
Yukarıdaki üçüncü bağlanım, tüm gözlemleri kapsamakta
ve 1970-1995 aralığı içinde yapısal bir değişim olmadığını
varsaymaktadır.
Öyleyse üçüncü model, λ1 = γ1 ve λ2 = γ2 koşullarından
dolayı bir sınırlamalı model olarak düşünülebilir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Yapısal Kararlılığın Sınanması

Üç bağlanıma ait bulgular aşağıdaki gibidir:


Ŷi = 1,01612 0,08033Xt R 2 = 0,9021
t (0,08731) (9,602) KKT1 = 1785,032

Ŷi = 153,495 0,01486Xt R 2 = 0,2072


t (4,692) (1,771) KKT2 = 10005,22

Ŷi = 62,4227 0,03768Xt R 2 = 0,7672


t (4,892) (8,894) KKT3 = 23248,30

Sonuçlar, tasarruf ve gelir arasındaki ilişkinin iki alt dönem


için farklı olduğunu göstermektedir.
Burada üçüncü bağlanımın uygun olmadığı düşünülebilir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Chow Sınaması

Yapısal değişimin varlığını sınamak için kullanılabilecek


yöntemlerden biri Chow sınamasıdır.
Bu sınama, bildiğimiz F sınamasından farklı olmamakla
birlikte geliştiricisi Gregory Chow’un adıyla anılır.
Chow sınamasının gerisinde iki önemli varsayım vardır:
Varsayım 1: Birinci ve ikinci modellere ait hata terimleri
aynı sabit varyans ile normal dağılmaktadırlar:
u1t ∼ N(0, σ 2 ) ve u2t ∼ N(0, σ 2 )
Varsayım 2: u1t ve u2t aynı zamanda bağımsız dağılırlar.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Chow Sınaması
Verilen varsayımlar altında Chow sınaması şöyle yapılır:
1 Birinci modelden sd’si (n1 − k) olan KKT1 bulunur.
2 İkinci modelden sd’si (n2 − k) olan KKT2 bulunur.
3 İki bağlanıma ait hata terimleri bağımsız kabul edildiği için,
KKTsz = KKT1 + KKT2 olarak hesaplanır.
4 Tüm gözlemlerin kullanıldığı 3. model tahmin edilir ve
KKT3 ya da KKTs bulunur.
5 Yapısal değişim yoksa KKTs ve KKTsz istatistiksel olarak
farklı olmamalıdır. Sınamak için şu istatistik hesaplanır:
(KKTs − KKTsz )/k
F = ∼ F[k ,(n1+n2 −2k )]
(KKTsz )/(n1 + n2 − 2k)

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Chow Sınaması

Örneğimize dönecek olursak F istatistiğini şöyle buluruz:

(23248,30 − 11790,252)/2
F = = 10,69
(11790,252)/(22)

Gözlenen değer 2 ve 22 sd için yüzde 1 kritik F değeri olan


5,72’den büyük olduğu için, H0 : λ1 = γ1 , λ2 = γ2 reddedilir.
Demek ki Chow sınaması 1970-1995 arasındaki dönemde
ABD’nin yapısal değişim geçirdiği savını desteklemektedir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları Bağlanımın Bütününün Anlamlılık Sınaması
F Sınamaları Sınırlamalı En Küçük Kareler Yöntemi
Diğer Sınama ve Konular Chow Sınaması

Chow Sınaması
Chow sınaması ile ilgili şu noktalara dikkat edilmelidir:
Chow sınaması, birden fazla yapısal değişimin varlığını
sınamak için genellenebilir.
Örnek olarak, örneklemi üç ayrı döneme bölüp dört farklı
bağlanım tahmini yapmak ve daha sonra KKTs ’yi de
KKT1 + KKT2 + KKT3 olarak hesaplamak olanaklıdır.
Chow sınamasında “yapısal kırılma” (structural break)
noktasının hangi dönemde yer aldığının bilindiği varsayılır.
Chow sınaması iki bağlanımın farklı olup olmadığını söyler
ancak farkın sabit terimden mi, Xt ’nin katsayısından mı, ya
da aynı anda her ikisinden mi kaynaklandığını bildirmez.
Yapısal değişimin kaynağının ne olduğunu anlamak için
kukla değişkenlere dayanan farklı bir yaklaşım gereklidir.
Ayrı dönemlere ait hata varyanslarının sabit olduğu
varsayımının ayrıca sınanması gerekli olabilir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
MWD Sınaması
F Sınamaları
Diğer Bazı Sınama ve Konular
Diğer Sınama ve Konular

MWD Sınaması

Doğrusal ve log-doğrusal model arasında bir seçim yapma


zorunluluğu, görgül çalışmalarda sık sık ortaya çıkar.
Böyle bir model seçimi için MacKinnon, White ve Davidson
(1983) tarafından önerilen MWD sınaması kullanılabilir.
MWD sınaması şu sıfır ve almaşık önsavları içerir:
H0 : Doğrusal model
H1 : Log-doğrusal model

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
MWD Sınaması
F Sınamaları
Diğer Bazı Sınama ve Konular
Diğer Sınama ve Konular

MWD Sınaması

MWD sınamasının adımları aşağıdaki gibidir:


1 Doğrusal model tahmin edilir ve Ŷ bulunur.
2 d
Log-doğrusal model tahmin edilir ve ln Y bulunur.
3 d
Z1 = ln Ŷ − ln Y değişkeni türetilir.
4 Y ’nin X ’lere ve Z1 ’e göre bağlanımı hesaplanır. Eğer Z1 ’in
katsayısı bilindik t sınaması ile istatistiksel olarak anlamlı
çıkarsa, H0 reddedilir.
5 Z2 = exp(ln d Y ) − Ŷ değişkeni türetilir.
6 ln Y ’nin ln X ’lere ve Z2 ’ye göre bağlanımı hesaplanır. Eğer
Z2 ’nin katsayısı t sınaması ile anlamlı bulunursa, H1 savı
reddedilir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
MWD Sınaması
F Sınamaları
Diğer Bazı Sınama ve Konular
Diğer Sınama ve Konular

MWD Sınaması

Karmaşık gibi görünse de MWD sınamasının mantığı basittir:


Eğer doğrusal model gerçekten doğru modelse, dördüncü
adımda hesaplanan Z1 değeri anlamlı olmamalıdır.
Çünkü böyle bir durumda doğrusal modelin Ŷ kestirimleri
(karşılaştırma yapabilmek için logları alındıktan sonra) ile
log-doğrusal modelin kestirimleri farklı çıkmamalıdır.
Aynı yorum H1 almaşık önsavı için de geçerlidir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
MWD Sınaması
F Sınamaları
Diğer Bazı Sınama ve Konular
Diğer Sınama ve Konular

MWD Sınaması

Örnek olarak 1971-1975 arası dönem için ABD’nin Detroit


şehrindeki gül talebini ele alalım:
Doğrusal model: Yt = α1 + α2 X2t + α3 X3t + ut

Log-doğrusal model: ln Yt = β1 + β2 ln X2t + β3 ln X3t + vt

Burada:
Y satılan düzine olarak gül miktarını,
X2 ortalama toptan gül fiyatını,
X3 ise ortalama toptan karanfil fiyatını göstermektedir.
Beklentiler α2 ile β2 ’nin eksi, α3 ve β3 ’ün ise artı değerli
olması yönündedir.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
MWD Sınaması
F Sınamaları
Diğer Bazı Sınama ve Konular
Diğer Sınama ve Konular

MWD Sınaması

Bağlanım bulguları aşağıdaki gibidir:

bt
Y = 9734,2176 −3782,1956X2t +2815,2515X3t R 2 = 0,77096
t (3,3705) (−6,6069) (2,9712) F = 21,84

d
ln Y t = 9,2278 −1,7607 ln X2t +1,3398 ln X3t R 2 = 0,7292
t (16,2349) (−5,9044) (2,5407) F = 17,50

Görüldüğü gibi hem doğrusal hem de log-doğrusal model


verilere iyi yakışmıştır.
Katsayılar beklenen işaretleri taşımaktadır ve t değerleri
de istatistiksel olarak anlamlıdır.

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
MWD Sınaması
F Sınamaları
Diğer Bazı Sınama ve Konular
Diğer Sınama ve Konular

MWD Sınaması
Önce modelin doğrusal olup olmadığını sınayalım:
bt =
Y 9727,5685 −3783,0623X2t +2817,7157X3t +85,2319Z1t
t (3,2178) (−6,337) (2,8366) (0,0207)
F = 13,44 R 2 = 0,7707

Z1 ’in katsayısı anlamlı olmadığına göre, modelin gerçekte


doğrusal olduğunu öne süren önsavı reddetmiyoruz.
Şimdi de gerçek modelin log-doğrusallığını sınayalım:
d
ln Yt = 9,1486 −1,9699 ln X2t +1,5891 ln X3t −0,0013Z2t
t (17,0825) (−6,4189) (3,0728) (−1,6612)
F = 14,17 R 2 = 0,7798

Z2 ’ye ait t değeri −1,6612’dir. Dolayısıyla log-doğrusallık


varsayımı da %5 anlamlılık düzeyinde reddedilemez.
Örneğin de gösterdiği gibi bazı durumlarda modellerin ikisi
de reddedilmeyebilmektedir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
MWD Sınaması
F Sınamaları
Diğer Bazı Sınama ve Konular
Diğer Sınama ve Konular

Diğer Bazı Sınamalar


Görüldüğü gibi doğrusal bağlanım modelleri çerçevesinde
çeşitli önsavları sınamak için t ve F sınamalarından
yararlanılabilmektedir.
Doğrusal modellerin basit dünyasından çıkıldığında ise
doğrusal ve doğrusal-dışı her modelde kullanılabilecek
önsav sınamalarına gereksinim duyulur.
Bu amaç için sıklıkla kullanılan üç yöntem “olabilirlik oranı”
(likelihood ratio), “Lagrange çarpanı” (Lagrange multiplier)
ve Wald sınamalarıdır.
Bu üç sınama kavuşmazsal olarak eşdeğerdir ve üçünün
de sınama istatistiği χ2 dağılımına uyar.
Diğer yandan, doğrusal modellerdeki her türlü sınama için
F yeterlidir ve OO, W ve LÇ’ye bakmaya gerek yoktur.
Dolayısıyla bu sınama üçlüsünü şimdilik ele almayacağız.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
MWD Sınaması
F Sınamaları
Diğer Bazı Sınama ve Konular
Diğer Sınama ve Konular

Çoklu Bağlanımla Kestirim

Tahmin edilen bir bağlanım işlevi, belli bir X0 değerine


karşılık gelen Y ’yi kestirmek için kullanılabilir.
İki farklı kestirim türü vardır: “Ortalama kestirimi” (mean
prediction) ve “bireysel kestirim” (individual prediction).
Ortalama kestirimi, belli X0 değerlerine karşılık gelen
E (Y |X0 ) koşullu olasılık değerinin kestirilmesini içerir.
Bireysel kestirim ise X0 ’ın karşılığı olan tekil Y |X0 değerinin
kestirilmesi demektir.
Ortalama kestirimi, anakütle bağlanım işlevindeki noktanın
kestirimidir ve varyansı bireysel kestirimden daha düşüktür.
Çoklu bağlanımda kestirim değerlerinin varyans ve ölçünlü
hata formülleri karışık olduğu için bunları daha sonra dizey
gösterimi ile ele alacağız.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)
t Sınamaları
MWD Sınaması
F Sınamaları
Diğer Bazı Sınama ve Konular
Diğer Sınama ve Konular

Önümüzdeki Dersin Konusu ve Ödev

Ödev
Kitaptan Bölüm 8 “Multiple Regression Analysis: The Problem
of Inference” okunacak.

Önümüzdeki Ders
Dizey Cebirinin Gözden Geçirilmesi

Yrd. Doç. Dr. A. Talha YALTA (2007 - 2010) Çoklu Bağlanım Çözümlemesi (sürüm 1,9)

You might also like