UYGULAMALI TEMEL

EKONOMETRİ-II

Ders Kitabı: Yıldırtan, D. Z. Ç. (2011). “E-Views Uygulamalı Temel

Ekonometri (2. Basım)”, Türkmen Kitapevi
Dördüncü Hafta: Otoregresif Denklemin Varsayımlarının Test Edilmesi
1- Varsayım İhlalleri (Devamı)
1.4-Sabit Varyans (Homoscedasticity) Varsayımının Test Edilmesi
En küçük kareler yöntemindeki varsayımlardan bir diğeri de hata
terimlerinin sabit varyanslı olmasıdır. Hata terimlerinin sabit varyanslı
(homoscedasticity) olmaması durumunda, değişen varyans
(heteroscedasticty) sorunu ortaya çıkar. Hata terimlerinin sabit varyanslı
olup olmadığının tespiti için White Heteroscedasticy Testi uygulanır.
White testinin boş ve alternatif hipotezleri sırasıyla
𝐻0 : Sabit varyans varsayımı geçerlidir.
𝐻1 : Değişen varyans varsayımı geçerlidir.
Test için “phillips_curve_turkey_assumption_violations_second_part”
isimli çalışma dosyasını açıp, “phillips_eq_dynamic” isimli denklemi
tıklayalım. Denklem tahmini üzerinden sırasıyla:
Residual Diagnostics - Heteroskedasticity Test seçelim:
Açılan Heteroskedasticity Tests penceresinde White seçelim:
Elde edilen sonuçlar aşağıda yer almaktadır:
Buna göre %5 güven aralığında boş hipotezin kabul edildiği, diğer bir
değişle sabit varyans (homoscedasticity) varsayımının geçerli olduğu
sonucuna ulaşılır. Son olarak Freeze tuşuna basarak “homoscedasticity”
olarak ekran görüntüsünü kaydedelim.
Çoklu Doğrusal Bağlılık (Multicollinearity)
Çoklu regresyon modelinde yer alan bağımsız değişkenler arasında
doğrusal ilişki olması çoklu doğrusal bağlılık (multicollinearity) olarak
tanımlanır. Çoklu doğrusal bağlılık iki veya daha fazla bağımsız değişken
arasında olabilir. Çoklu doğrusal bağlılık örnekten kaynaklanmaktadır,
anakütleden kaynaklanmamaktadır. Bu nedenle çoklu doğrusal bağlılık
olmaması varsayımı geçerli değilse tahminciler istenen tüm özelliklere
sahiptir. Ancak bağımsız değişkenler arasında kuvvetli doğrusal
bağımlılığın varsa, tahmincilerin varyansları gerçek değerlerinden daha
büyük tahmin edileceklerinden t testleri olumsuz, F testi ise olumlu sonuç
verebilir. R2’de artar.
Çoklu doğrusal bağlılık durumunda değişkenlerde çeşitli dönüşümler
yapılarak, çoklu doğrusal bağlılık ortadan kaldırılabilir. Değişkenlerin
logaritmaları ya da birinci farkları alınabilir. Tahmin edilen modelde
işsizlik oranı ve enflasyon oranı yıllık yüzde değişimi olarak ele
alınmıştır. Döviz kuru ise düzey değerinde kullanılmaktadır. Bu nedenle
yapılacak olası bir dönüşüm işleminde döviz kurunun yıllık yüzde
değişimi cinsinden hesaplayarak modelde açıklayıcı değişken olarak
kullanabiliriz.
Çoklu doğrusal bağlılığın var olup olmadığının tespit edilmesi için
phillips_eq_dynamic eşitliğini tıklayalım. Sonrasında ise sırasıyla View -
Coefficient Diagnostics - Variance Inflation Factors seçelim.
Elde edilen sonuçlarda VIF (variance inflation factor), 5 veya 10’dan
büyükse çoklu doğrusal bağlılığın olduğu ifade edilebilir.
Freeze seçerek, sonuç ekranını “multicollineratiy” olarak kaydedelim.
Çoklu doğrusal bağlılık sorununu çözmek için döviz kurunun yıllık yüzde
değişimini alalım. Bunun için Quick - Generate Series seçelim.
Açılan Generate Series by Equation penceresine der=@pcy(er) yazalım:
Sonrasında modeli unemp c inf(-1 to -4) der(-1 to -4) olarak tahmin
edelim.
Elde edilen denklemi “no_multi_phillips” olarak kaydedelim.
Sonuç ekranını Freeze seçerek, “no_multi_phillips_eq” olarak
kaydedelim.
Çoklu doğrusal bağlılığın yeni açıklayıcı denklem ile tekrar test edilmesi
için “no_multi_phillips” denklemini açılır. Sonrasında ise sonuç
ekranında sırasıyla View - Coefficient Diagnostics - Variance Inflation
Factors seçelim.
Elde edilen sonuçlara göre VIF katsayılarının azaldığı görülmektedir.
Freeze seçerek ekran görüntüsünü “multicollinearity_centered_vif”
olarak kaydedelim.
Çalışmayı “phillips_curve_turkey_assumption_violations_third_part”
ismiyle kaydedelim: