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: