Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı
Yrd. Doç. Dr. A. Talha YALTA Ekonometri 2 Ders Notları
Sürüm 2,0 (Ekim 2011)
˙I¸sbu belge, “Creative Commons Attribution-Non-Commercial ShareAlike 3.0 Unported” (CC BY-NC-SA 3.0) lisansı altında bir açık ders malzemesi olarak genel kullanıma sunulmu¸stur.
Eserin ilk sahibinin belirtilmesi ve geçerli lisansın korunması ko¸sulu ile özgürce kullanılabilir, ço ˘galtılabilir ve de ˘gi¸stirilebilir.
Creative Commons örgütü ve “CC-BY-NC-SA” lisansı ile ilgili ayrıntılı bilgi “http://creativecommons.org” adresinde bulunmaktadır. Ekonometri ders notlarımın güncel sürümüne
“http://yalta.etu.edu.tr” adresinden ula¸sabilirsiniz.
A. Talha Yalta
TOBB Ekonomi ve Teknoloji Üniversitesi Ekim 2011
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
Ders Planı
1 Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli k De ˘gi¸skenli Modelin Dizey Gösterimi KDBM Varsayımlarının Dizey Gösterimleri
2 Dizey Yakla¸sımı ile Tahmin Sorunu SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
3 Dizey Yakla¸sımı ile Çıkarsama Sorunu Bireysel Katsayıların Önsav Sınamaları Varyans Çözümlemesi ve F Sınamaları Dizey Gösterimi ile Kestirim
1 Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli k De ˘gi¸skenli Modelin Dizey Gösterimi KDBM Varsayımlarının Dizey Gösterimleri
2 Dizey Yakla¸sımı ile Tahmin Sorunu SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
3 Dizey Yakla¸sımı ile Çıkarsama Sorunu Bireysel Katsayıların Önsav Sınamaları Varyans Çözümlemesi ve F Sınamaları Dizey Gösterimi ile Kestirim
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
k De ˘gi¸skenli Modelin Dizey Gösterimi KDBM Varsayımlarının Dizey Gösterimleri
Dizey Yakla¸sımının Önemi
Y ba ˘gımlı de ˘gi¸skeni ile (k − 1) sayıda açıklayıcı de ˘gi¸sken (X2,X3, . . . ,Xk) içeren k de ˘gi¸skenli do ˘grusal ba ˘glanım modelini ele almak için en do ˘gru yakla¸sım dizey cebiridir.
Dizey cebirinin“sayıl”(scalar) cebirine üstünlü ˘gü, herhangi bir sayıda de ˘gi¸sken içeren ba ˘glanım modellerini ele alı¸staki yalın ve öz yakla¸sımıdır.
k de ˘gi¸skenli model bir kez kurulduktan ve dizey cebiri ile çözüldükten sonra bu çözüm çok sayıda de ˘gi¸skene kolaylıkla uygulanabilir.
k de ˘gi¸skenli anakütle ba ˘glanım i¸slevini anımsayalım:
Yi = β1+ β2X2i+ β3X3i + · · · + βkXki+ui Burada i örneklem büyüklü ˘gü oldu ˘guna göre, elimizdeki AB˙I ¸su n sayıdaki e¸sanlı denklemin kısa yazılı¸sıdır:
Y1 = β1+ β2X21+ β3X31+ . . . + βkXk 1 + u1
Y2 = β1+ β2X22+ β3X32+ . . . + βkXk 2 + u2
... ... ... ... ... ... ... ... . .. ... ... ... ... Yn = β1+ β2X2n+ β3X3n+ . . . + βkXkn + un
Yukarıdaki denklem setini ¸söyle de gösterebiliriz:
Y1 Y2 ... Yn
=
1 X21 X31 . . . Xk 1 1 X22 X32 . . . Xk 2 ... ... ... . .. ... 1 X2n X3n . . . Xkn
β1 β2 ... βk
+
u1 u2 ... un
Ya da kısacaYn×1 =Xn×kBk ×1+un×1.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
k De ˘gi¸skenli Modelin Dizey Gösterimi KDBM Varsayımlarının Dizey Gösterimleri
k De ˘gi¸skenli Ba ˘glanımın Dizey Gösterimi
X, Y, B ve u’nun boyutlarının karı¸sıklı ˘ga yol açmayaca ˘gı durumda, do ˘grusal ba ˘glanım modelinin dizey gösterimi a¸sa ˘gıdaki gibi olur:
Y = XB + u Burada
Y ba ˘gımlı de ˘gi¸sken gözlemlerinin n × 1 boyutlu sütun yöneyini,
X X2’den Xk’ye kadar olan k − 1 de ˘gi¸skenin n sayıdaki gözleminin n × k boyutlu dizeyini,
B β1, β2, . . . , βk anakütle katsayılarının k × 1 boyutlu sütun yöneyini,
u ise ui “bozukluk”(disturbance) teriminin n × 1 boyutundaki sütun yöneyini
Örnek olarak daha önce incelemi¸s oldu ˘gumuz iki de ˘gi¸skenli tüketim-gelir modelinin dizey yakla¸sımı ile gösterimi ¸sudur:
2 6 6 6 6 6 6 6 6 6 6 6 6 6 4
70 65 90 95 110 115 120 140 155 150
3 7 7 7 7 7 7 7 7 7 7 7 7 7 5
= 2 6 6 6 6 6 6 6 6 6 6 6 6 6 4
1 80
1 100 1 120 1 140 1 160 1 180 1 200 1 220 1 240 1 260
3 7 7 7 7 7 7 7 7 7 7 7 7 7 5
» β1
β2
– +
2 6 6 6 6 6 6 6 6 6 6 6 6 6 4
u1
u2
u3 u4 u5
u6
u7
u8 u9 u10
3 7 7 7 7 7 7 7 7 7 7 7 7 7 5
Bu da kısaca ¸söyle yazılabilir:
Y10×1=X10×2B2×1+u10×1
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
k De ˘gi¸skenli Modelin Dizey Gösterimi KDBM Varsayımlarının Dizey Gösterimleri
1. Varsayım
Dizey cebiri yakla¸sımı, önceden görmü¸s oldu ˘gumuz klasik do ˘grusal ba ˘glanım modeli (KDBM) varsayımlarını incelemede büyük kolaylık sa ˘glamaktadır.
¸
Simdi bu be¸s varsayımı dizey yakla¸sımı ile ele alalım:
1. Varsayım
u bozukluk yöneyinin tüm ö ˘geleri için beklenen de ˘ger sıfırdır.
Kısaca hata teriminin beklenen de ˘geri sıfırdır: E (u) = 0.
Daha açık olarak E (u) = 0 ¸su demektir:
E 0 B B B
@ 2 6 6 6 4
u1
u2 .. . un
3 7 7 7 5 1 C C C A
= 2 6 6 6 4
E (u1) E (u2)
.. . E (un)
3 7 7 7 5
= 2 6 6 6 4
0 0 .. . 0
3 7 7 7 5
2. Varsayım
ui hataları, sıfır ortalama ve sabit bir varyans ile normal da ˘gılırlar:u ∼ N(0, σ2I).
u burada n × 1 boyutlu sütun yöneyi, 0 ise aynı boyutlu bir bo¸s yöneydir.
Bu varsayım, ba ˘glanımın tahmin edilmesinden sonra çe¸sitli önsav sınamalarının yapılabilmesi için gereklidir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
k De ˘gi¸skenli Modelin Dizey Gösterimi KDBM Varsayımlarının Dizey Gösterimleri
3. Varsayım
3. Varsayım
Hatalar arasında özilinti yoktur: E (uu0) = σ2I.
Bu varsayımın daha önce sayısal olarak ele alınan üç varsayımın kısa ve öz anlatımı oldu ˘gu ¸söyle gösterilebilir:
E (uu0) =E 2 6 6 6 4
u1
u2
... un
3 7 7 7 5
ˆ u1 u2 . . . un ˜ = E 2 6 6 6 4
u12 u1u2 . . . u1un
u2u1 u22 . . . u2un
... ... . .. ... unu1 unu2 . . . u2n
3 7 7 7 5
(. . . devam)
Dizeyin her bir ö ˘gesinin beklenen de ˘gerini alalım:
E 2 6 6 6 4
u12 u1u2 . . . u1un
u2u1 u22 . . . u2un
.. .
..
. . .. ... unu1 unu2 . . . u2n
3 7 7 7 5
= 2 6 6 6 4
E (u21) E (u1u2) . . . E (u1un) E (u2u1) E (u22) . . . E (u2un)
.. .
..
. . .. ... E (unu1) E (unu2) . . . E (un2)
3 7 7 7 5
Hata terimi ortalaması sıfır varsayılıdır: E (ui) = µ =0 Varyans ve kovaryansın formüllerini anımsayalım:
var(X ) = E (X2) − µ2, cov(X , Y ) = E (XY ) − µXµY
Bu durumda, ui hatalarının“varyans-kovaryans dizeyi”
(variance-covariance matrix) üçüncü varsayıma göre ¸söyle olmalıdır:
E (uu0) = 2 6 6 6 4
σ2 0 . . . 0 0 σ2 . . . 0
.. .
..
. . .. ... 0 0 . . . σ2
3 7 7 7 5
= σ2 2 6 6 6 4
1 0 . . . 0 0 1 . . . 0
.. .
..
. . .. ... 0 0 . . . 1
3 7 7 7 5
= σ2I
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
k De ˘gi¸skenli Modelin Dizey Gösterimi KDBM Varsayımlarının Dizey Gösterimleri
4. Varsayım
4. Varsayım
n × n boyutluX dizeyi olasılıksal de ˘gildir.
Di ˘ger bir deyi¸sle X2i,X3i, . . . ,Xki de ˘gi¸smeyen sayılardan olu¸smaktadır.
Ba¸sta belirtildi ˘gi gibi, elimizdeki ba ˘glanım çözümlemesi X de ˘gi¸skenlerinin verili de ˘gerlerine ba ˘glı bir ko¸sullu ba ˘glanım çözümlemesidir.
5. Varsayım
X’in derecesi k ’dir: ρ(X) = k . k burada X’in sütun sayısı olup, gözlem sayısı n’den küçüktür.
Di ˘ger bir deyi¸sle, X de ˘gi¸skenleri arasında tam bir do ˘grusal ili¸ski ya da“çoklue¸sdo ˘grusallık”(multicollinearity) yoktur.
E ˘ger bu varsayım gerçekle¸smez ise, ba ˘glanıma aitX0X dizeyinin belirleyeni sıfır olur ve çözümlemede gerekli olan tersi bulunamaz.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
Ders Planı
1 Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli k De ˘gi¸skenli Modelin Dizey Gösterimi KDBM Varsayımlarının Dizey Gösterimleri
2 Dizey Yakla¸sımı ile Tahmin Sorunu SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
3 Dizey Yakla¸sımı ile Çıkarsama Sorunu Bireysel Katsayıların Önsav Sınamaları Varyans Çözümlemesi ve F Sınamaları Dizey Gösterimi ile Kestirim
B yöneyini tahmin etmek için sıradan enküçük kareler (SEK) ya da ençok olabilirlik (EO) gibi farklı yakla¸sımlar kullanılabildi ˘gini biliyoruz.
Biz dikkatimizi SEK yöntemi üzerinde toplayaca ˘gız.
Ba ˘glanımın SEK tahminini bulmak için önce k de ˘gi¸sken içeren örneklem ba ˘glanım i¸slevini yazalım:
Yi = ˆβ1+ ˆβ2X2i + ˆβ3X3i + · · · + ˆβkXki+ ˆui
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
SEK Tahmincilerinin Bulunması
ÖB˙I’yi dizey gösterimiyle açık olarak ¸söyle gösterebiliriz:
2 6 6 6 4
Y1
Y2
... Yn
3 7 7 7 5
= 2 6 6 6 4
1 X21 X31 . . . Xk 1
1 X22 X32 . . . Xk 2
... ... ... . .. ... 1 X2n X3n . . . Xkn
3 7 7 7 5 2 6 6 6 6 4
βˆ1
βˆ2
... βˆk
3 7 7 7 7 5
+ 2 6 6 6 4
uˆ1
uˆ2
... uˆn
3 7 7 7 5
Ya da kısaca
Yn×1 =Xn×kBˆk ×1+ ˆun×1
Bilindi ˘gi gibi SEK tahmincileri hata kareleri toplamının enazlanması yolu ile bulunmaktadır.
Öyleyse yukarıdaki e¸sitli ˘gi ¸su ¸sekilde de yazabiliriz:
u = Y − X ˆˆ B
Hata kareleri toplamının a¸sa ˘gıdaki gösterim biçimine dikkat edelim:
uˆ0u =ˆ ˆ
uˆ1 uˆ2 . . . uˆn ˜ 2 6 6 6 4
uˆ1 ˆ u2
.. . uˆn
3 7 7 7 5
= ˆu12
+ ˆu22
+ · · · + ˆun2
=X ˆui2
Buna göreu0u’nun dizey gösterimi a¸sa ˘gıdaki gibidir:
uˆ = Y − X ˆB
uˆ0uˆ = (Y − X ˆB)0(Y − X ˆB)
= Y0Y − 2 ˆB0X0Y + ˆB0X0X ˆB
Dikkat:BuradaY0X ˆB bir sayıl oldu ˘gu için, kendi devri ˘gi olan ˆB0X0Y’ye e¸sittir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
SEK Tahmincilerinin Bulunması
uˆ0u = Yˆ 0Y − 2 ˆB0X0Y + ˆB0X0X ˆB e¸sitli ˘gini enazlamak için, bu e¸sitli ˘gin ˆB’ya göre kısmi türevini alır ve sıfıra e¸sitleriz.
Bu i¸slem bize“normal denklemler”(normal equations) denilen k bilinmeyenli k e¸sanlı denklemi verir:
βˆ1n + βˆ2P X2i+ βˆ3P X3i + · · · + βˆkP Xki =P Yi
βˆ1P X2i+ βˆ2P X2i2 + ˆβ3P X2iX3i + · · · + ˆβkP X2iXki =P X2iYi
βˆ1P X3i+ ˆβ2P X3iX2i+ βˆ3P X3i2 + · · · + ˆβkP X3iXki =P X3iYi
... ... ... ... ... ... . .. ... ... ... ... βˆ1P Xki + ˆβ2P XkiX2i+ ˆβ3P XkiX3i + · · · + βˆkP Xki2=P XkiYi
Yukarıdaki denklem takımının dizey gösterimi ¸sudur:
2 6 6 6 6 6 4
n P X2i P X3i . . . P Xki
P X2i P X2i2 P X2iX3i . . . P X2iXki
P X3iP X3iX2i P X3i2 . . . P X3iXki
... ... ... . .. ... P Xki P XkiX2iP XkiX3i . . . P Xki2
3 7 7 7 7 7 5 2 6 6 6 6 6 6 4
βˆ1
βˆ2
βˆ3
... βˆk
3 7 7 7 7 7 7 5
= 2 6 6 6 6 6 4
1 1 . . . 1 X21X22. . . X2n
X31X32. . . X3n
... ... . .. ... Xk 1Xk 2. . . Xkn
3 7 7 7 7 7 5 2 6 6 6 6 6 4
Y1
Y2
Y3
... Yn
3 7 7 7 7 7 5
Bu da kısaca (X0X)k ×kBˆk ×1=X0k ×nYn×1 diye yazılır.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
SEK Tahmincilerinin Bulunması
Normal denklemlerin dizey gösteriminde yer alan a¸sa ˘gıdaki (X0X) dizeyi önemlidir.
X0X = 2 6 6 6 6 6 4
n P X2i P X3i . . . P Xki
P X2i P X2i2 P X2iX3i . . . P X2iXki
P X3i P X3iX2i P X3i2 . . . P X3iXki
... ... ... . .. ... P Xki P XkiX2i P XkiX3i . . . P Xki2
3 7 7 7 7 7 5
Bu dizeyin ¸su üç özelli ˘gine dikkat edelim:
1 (X0X) dizeyi k × k boyutundadır ve olasılıksal de ˘gildir.
2 Asal kö¸segen ö ˘geleri ham kare toplamlarını, kö¸segen dı¸sı ö ˘geler ise ham çapraz çarpım toplamlarını gösterir.
3 X2iX3i çapraz çarpımı X3iX2i çapraz çarpımına e¸sit oldu ˘gu için dizey bakı¸sımlıdır.
Sonuç olarak, k de ˘gi¸skenli modelin SEK tahmincilerini elde etmek için normal denklemlerin dizey gösterimini yazalım:
(X0X) ˆB = X0Y
E ˘ger (X0X) dizeyinin tersi varsa, yukarıdaki denklemin her iki yanını bu ters dizeyle önden çarparak ¸sunu bulabiliriz:
(X0X) ˆB = X0Y
(X0X)−1(X0X) ˆB = (X0X)−1X0Y I ˆB = (X0X)−1X0Y Buna göre SEK kuramının temel denkleminin dizey gösterimi ¸sudur:
B = (Xˆ 0X)−1X0Y
Yukarıdaki e¸sitlik, eldeki verilerden ˆB yöneyinin nasıl tahmin edilece ˘gini gösterir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
Varyans-Kovaryans Dizeyi
Herhangi bir ˆβi varyansı yanında tüm ˆβi ve ˆβj’lar arasındaki kovaryansları dizey yöntemi ile kolayca gösterebiliriz.
Bu varyans ve kovaryanslar çe¸sitli istatistiksel çıkarsama i¸slemleri için önemlidir.
B’nınˆ “varyans-kovaryans dizeyi”(variance-covariance matrix) ¸su ¸sekilde tanımlanmı¸stır:
varcov( ˆB) = E
[ ˆB − B][ ˆB − B]0 Buna göre varcov( ˆB) aslında ¸su dizeydir:
varcov( ˆB) = 2 6 6 6 6 4
var( ˆβ1) cov( ˆβ1, ˆβ2) . . . cov( ˆβ1, ˆβk) cov( ˆβ2, ˆβ1) var( ˆβ2) . . . cov( ˆβ2, ˆβk)
... ... . .. ... cov( ˆβk, ˆβ1) cov( ˆβk, ˆβ2) . . . var( ˆβk)
3 7 7 7 7 5
varcov( ˆB)’yı türetmede Y = XB + u e¸sitli ˘ginden yararlanılır.
Üsttekini ˆB = (X0X)−1X0Y temel denkleminde yerine koyarsak ¸sunu elde ederiz:
B=(Xˆ 0X)−1X0(XB + u)
=(X0X)−1X0XB + (X0X)−1X0u
=B + (X0X)−1X0u
Demek ki ˆB − B = (X0X)−1X0u.
varcov( ˆB) varyans-kovaryans dizeyi ise tanım gere ˘gi ¸söyledir:
varcov( ˆB)=E ([ ˆB − B][ ˆB − B]0)
=E`[(X0X)−1X0u][(X0X)−1X0u]0´
=E`(X0X)−1X0uu0X(X0X)−1´
X ’lerin olasılıksal olmadı ˘gına dikkat edilerek ¸su bulunabilir:
varcov( ˆB) = (X0X)−1X0E(uu0)X(X0X)−1
= (X0X)−1X0σ2IX(X0X)−1
= σ2(X0X)−1
Dikkat:Yukarıda E (uu0) = σ2I varsayımı kullanılmı¸stır.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
Varyans-Kovaryans Dizeyi
Türetilmesinden de anla¸sılaca ˘gı gibi varyans-kovaryans dizeyi a¸sa ˘gıdaki gibi gösterilmektedir:
Varyans-kovaryans Dizeyi
varcov( ˆB) = σ2(X0X)−1
(X0X)−1burada ˆB SEK tahmincilerini veren e¸sitlikte yer alan ters dizeydir.
σ2ise ui’nin sabit varyansıdır. Uygulamada σ2yerine yansız tahminci ˆσ2kullanılır.
k de ˘gi¸skenli durumda ˆσ2a¸sa ˘gıdaki e¸sitlikten bulunabilir:
ˆ
σ2= P ˆui2
n − k = uˆ0uˆ n − k
uˆ0u, ilke olarak tahmin edilen kalıntılardan bulunabilse deˆ uygulamada ¸su yolla do ˘grudan hesaplanabilir:
P ˆui2=KKT = TKT − BKT
Toplam kareleri toplamı a¸sa ˘gıdaki ¸sekilde gösterilir:
Toplam kareleri toplamı
P ˆyi2=Y0Y − n ¯Y2
n ¯Y2terimi burada ortalamadan sapma kareleri toplamının bulunması için gereken düzeltme terimidir.
Ba ˘glanım kareleri toplamının dizey gösterimi ise ¸söyledir:
Ba ˘glanım kareleri toplamı
βˆ2P yix2i + · · · + ˆβkP yixki = ˆB0X0Y − n ¯Y2
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
Varyans-Kovaryans Dizeyi
Kalıntı kareleri toplamı KKT ise TKT ve BKT’nin dizey gösterimleri kullanılarak a¸sa ˘gıdaki gibi bulunur:
Kalıntı kareleri toplamı
KKT = TKT − BKT
uˆ0uˆ = (Y0Y − n ¯Y2) − ( ˆB0X0Y − n ¯Y2)
= Y0Y − ˆB0X0Y
uˆ0u bulunduktan sonra ˆˆ σ2’yi kolayca hesaplayabiliriz.
ˆ
σ2’yi hesapladıktan sonra ise varyans-kovaryans dizeyini tahmin edebiliriz.
SEK tahmincilerinin en iyi do ˘grusal yansız tahminci ya da kısaca“EDYT”(BLUE) olduklarını biliyoruz.
Bu özellik elbette dizey yakla¸sımıyla bulunan ˆB için de geçerlidir.
Buna göre ˆB yöneyinin her bir ö ˘gesi ba ˘gımlı de ˘gi¸sken Y ’nin do ˘grusal i¸slevidir.
B yansızdır. Di ˘ger bir deyi¸sle tüm ö ˘gelerinin beklenenˆ de ˘geri ö ˘genin kendisine e¸sittir: E ( ˆB) = B.
SEK tahmincisi ˆB, tüm B tahmincileri içinde en iyi, enaz varyanslı tahmincidir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
Belirleme Katsayısının Dizey Gösterimi
Belirleme katsayısı R2’yi daha önce ¸söyle tanımlamı¸stık:
R2= BKT TKT
Buna göre belirleme katsayısının dizey gösterimi de
¸söyledir:
R2=
Bˆ0X0Y − n ¯Y2 Y0Y − n ¯Y2
Dizey yakla¸sımında, k de ˘gi¸skenli durum için, de ˘gi¸skenler arasındaki sıfırıncı dereceden ilinti katsayılarını veren“ilinti dizeyi”(correlation matrix) a¸sa ˘gıdaki gibi tanımlanır:
R =
r11 r12 r13 . . . r1k r21 r22 r23 . . . r2k ... ... ... . .. ... rk 1 rk 2 rk 3 . . . rkk
=
1 r12 r13 . . . r1k r21 1 r23 . . . r2k ... ... ... . .. ... rk 1 rk 2 rk 3 . . . 1
Burada 1 alt imi ba ˘gımlı de ˘gi¸sken Y ’yi gösterir. Örnek olarak, Y ile X2arasındaki ilinti katsayısı r12’dir.
Asal kö¸segen üzerindeki 1’ler ise bir de ˘gi¸skenin kendisiyle olan ilinti katsayısının her zaman 1 olmasındandır.
˙Ilinti dizeyi R kullanılarak birinci dereceden ve daha yüksek dereceden ilinti katsayılarını da elde etmek olasıdır.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
Bireysel Katsayıların Önsav Sınamaları Varyans Çözümlemesi ve F Sınamaları Dizey Gösterimi ile Kestirim
Ders Planı
1 Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli k De ˘gi¸skenli Modelin Dizey Gösterimi KDBM Varsayımlarının Dizey Gösterimleri
2 Dizey Yakla¸sımı ile Tahmin Sorunu SEK Tahmincilerinin Bulunması Varyans-Kovaryans Dizeyi
3 Dizey Yakla¸sımı ile Çıkarsama Sorunu Bireysel Katsayıların Önsav Sınamaları Varyans Çözümlemesi ve F Sınamaları Dizey Gösterimi ile Kestirim
Tahmin sonrasında çıkarsama yapabilmek için, ui hatalarının sıfır ortalama ve sabit varyans σ2ile normal da ˘gıldıklarını varsayıyoruz:
u ∼ N(0, σ2I)
u burada n × 1 boyutlu sütun yöneyi, 0 ise bo¸s yöneydir.
Buna göre, SEK tahmincileri ˆβi’lar da a¸sa ˘gıda gösterilen
¸sekilde normal da ˘gılırlar:
B ∼ N[B, σˆ 2(X0X)−1]
Demek ki ˆB’nın her ö ˘gesi, gerçek B ö ˘gesiyle e¸sit ortalama ile ve (X0X)−1ters dizeyinin asal kö¸segenindeki uygun ö ˘ge çarpı σ2’ye e¸sit varyans ile normal da ˘gılmaktadır.
σ2(X0X)−1’in varyans-kovaryans dizeyi oldu ˘guna dikkat ediniz.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
Bireysel Katsayıların Önsav Sınamaları Varyans Çözümlemesi ve F Sınamaları Dizey Gösterimi ile Kestirim
Bireysel Katsayıların Önsav Sınamaları
Uygulamada σ2bilinmedi ˘gi için t da ˘gılımına geçilir ve ˆσ2 tahmincisi kullanılır.
Bu durumda ˆB’nın her ö ˘gesi n − k sd ile t da ˘gılımına uyar:
t = βˆi− βi öh( ˆβi) βˆiburada ˆB’nın bir ö ˘gesidir.
Demek ki t da ˘gılımını kullanarak herhangi bir ˆβi’nın güven aralı ˘gını bulmak ve çe¸sitli sınamaları yapmak olanaklıdır.
Tüm ba ˘glanım katsayılarının e¸sanlı olarak sıfıra e¸sit oldu ˘gu önsavını sınamak ya da bir de ˘gi¸skenin ek katkısını ölçmek için VARÇÖZ yönteminin kullanıldı ˘gını anımsayalım.
TKT, BKT ve KKT’nin dizey gösterimleri kullanılarak a¸sa ˘gıdaki gibi bir VARÇÖZ çizelgesi düzenlenebilir:
De ˘gi¸simin Kayna ˘gı KT sd OKT
Ba ˘glanımdan (BKT) Bˆ0X0Y − n ¯Y2 k − 1 ˆB0X0k −1Y−n ¯Y2 Kalıntılardan (KKT) Y0Y − ˆB0X0Y n − k Y0Y− ˆn−kB0X0Y Toplam (TKT) Y0Y − n ¯Y2 n − 1
Buna göre:
F = ( ˆB0X0Y − n ¯Y2)/(k − 1) (Y0Y − ˆB0X0Y)/(n − k )
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
Bireysel Katsayıların Önsav Sınamaları Varyans Çözümlemesi ve F Sınamaları Dizey Gösterimi ile Kestirim
Varyans Çözümlemesinin Dizey Gösterimi
F ve R2de ˘gerlerinin yakın ili¸skili oldu ˘gunu biliyoruz.
Buna göre VARÇÖZ çizelgesinin R2gösterimi de ¸söyledir:
De ˘gi¸simin Kayna ˘gı KT sd OKT
Ba ˘glanımdan (BKT) R2(Y0Y − n ¯Y2) k − 1 R2(Yk −10Y−n ¯Y2) Kalıntılardan (KKT) (1 − R2)(Y0Y − n ¯Y2) n − k (1−R2)(Yn−k0Y−n ¯Y2) Toplam (TKT) Y0Y − n ¯Y2 n − 1
Demek ki:
F = R2/(k − 1) (1 − R2)/(n − k )
Bu gösterimin üstünlü ˘gü, tüm hesaplamaların yalnız R2ile yapılabilmesi ve sadele¸stirme sonrası ortadan kalkacak olan (Y0Y − n ¯Y2)terimiyle ilgilenmeye gerek kalmamasıdır.
Genel olarak, F sınamasının amacı bir ya da birden fazla anakütle katsayısı üzerine konulan do ˘grusal sınırlamaları sınamaktır.
Bu sınamanın dizey kar¸sılı ˘gını türetebilmek için a¸sa ˘gıdaki tanımlardan yararlanalım:
uˆS : Sınırlamalı SEK ba ˘glanımının kalıntı yöneyi uˆSM : Sınırlamasız SEK ba ˘glanımının kalıntı yöneyi uˆ0SuˆS =P ˆuS2 : Sınırlamalı ba ˘glanıma ait KKT
uˆ0SMuˆSM =P ˆuSM2 : Sınırlamasız ba ˘glanıma ait KKT m : Do ˘grusal sınırlama sayısı
k : Sabit terim dahil anakütle katsayılarının sayısı
n : Gözlem sayısı
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
Bireysel Katsayıların Önsav Sınamaları Varyans Çözümlemesi ve F Sınamaları Dizey Gösterimi ile Kestirim
F Sınamasının Dizey Gösterimi
Genel F sınamasının dizey gösterimi a¸sa ˘gıdaki gibidir:
F = (ˆu0SuˆS− ˆu0SMuˆSM)/m (ˆu0SMuˆSM)/(n − k )
Yukarıda gösterilen istatistik, m ve (n − k ) serbestlik derecesi ile F da ˘gılımına uyar.
Hesaplanan F de ˘geri e ˘ger kritik F de ˘gerinden büyükse, sınırlamalı ba ˘glanım sıfır önsavı reddedilir.
Tahmin edilen bir ba ˘glanım i¸slevi, belli bir X0de ˘gerine kar¸sılık gelen Y ’yi kestirmek için kullanılabilir.
˙Iki türlü kestirim vardır:“Ortalama kestirimi”(mean prediction) ve“bireysel kestirim”(individual prediction).
Ortalama kestirimi, seçili X0de ˘gerlerine ba ˘glanım do ˘grusu üzerinde yakı¸stırılan noktanın tahmin edilmesi demektir.
Bireysel kestirim ise X0’ın kar¸sılı ˘gı olan Y de ˘gerinin kendisidir.
Bu iki kestirim biçimi de ˆY için aynı nokta tahmini verir.
Di ˘ger yandan bireysel kestirimin varyansı, ölçünlü hatası ve bunlara ba ˘glı olarak da güven aralı ˘gı ortalama kestirime göre daha yüksektir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
Bireysel Katsayıların Önsav Sınamaları Varyans Çözümlemesi ve F Sınamaları Dizey Gösterimi ile Kestirim
Ortalama Kestiriminin Dizey Gösterimi
Ortalama kestirimini dizey cebiri ile göstermek için, tahmin edilen çoklu ba ˘glanımın sayıl gösterimini anımsayalım:
Yˆi = ˆβ1+ ˆβ2X2i+ ˆβ3X3i + · · · + ˆβkXki Yukarıdaki e¸sitli ˘gin dizey gösterimi kısaca ¸söyledir:
Yˆi =x0iBˆ
x0i = [1, X2i,X3i, . . . ,Xki]burada bir satır yöneyidir.
B ise tahmin edilen β’ları gösteren bir sütun yöneyidir.ˆ Buna göre, verili birx00= [1, X20,X30, . . . ,Xk 0]yöneyine kar¸sılık gelen ˆY0ortalama kestirimi a¸sa ˘gıdaki biçimi alır:
( ˆY0|x00) =x00Bˆ Buradax0’lar verili de ˘gerlerdir.
Ortalama kestirimi ayrıca yansızdır: E (x0 B) = xˆ 0 B.ˆ
Ortalama kestiriminin varyansı ise ¸söyledir:
var( ˆY0|x00) = σ2x00(X0X)−1x00
x00burada kestirim yapmada kullanılan X de ˘gi¸skenlerinin verili de ˘gerlerini içeren satır yöneyidir.
(X0X)−1ise çoklu ba ˘glanım tahmininde kullanılan dizeydir.
Uygulamada, hata teriminin sabit varyansı σ2yerine yansız tahmincisi ˆσ2koyularak formül ¸su ¸sekilde yazılır:
var( ˆY0|x00) = ˆσ2x00(X0X)−1x00
Yukarıdaki e¸sitlik kullanılarak,x00veriliyken ˆY0ortalama kestiriminin %100(1 − α) güven aralı ˘gı bulunabilir.
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)
Dizey Yakla¸sımı ile Do ˘grusal Ba ˘glanım Modeli Dizey Yakla¸sımı ile Tahmin Sorunu Dizey Yakla¸sımı ile Çıkarsama Sorunu
Bireysel Katsayıların Önsav Sınamaları Varyans Çözümlemesi ve F Sınamaları Dizey Gösterimi ile Kestirim
Bireysel Kestirimin Dizey Gösterimi
Y ’nin bireysel kestirimi (Y0|x00), ortalama kestirimi ( ˆY0|x00) ile aynıdır:
(Y0|x00) =x00Bˆ
Di ˘ger yandan, bireysel kestirimin varyansı ortalama kestiriminin varyansından daha büyüktür:
var(Y0|x00) = ˆσ2[1 +x00(X0X)−1x00] var(Y0|x00)burada E [Y0− ˆY0|X ]2demektir.
Uygulamada, ortalama kestiriminde oldu ˘gu gibi, σ2yerine yansız tahmincisi ˆσ2kullanılır.
Ödev
KitaptanAppendix C“The Matrix Approach to Linear Regression Model” okunacak.
Önümüzdeki Ders Çoklue¸sdo ˘grusallık
Yrd. Doç. Dr. A. Talha YALTA (2007 - 2011) Do ˘grusal Ba ˘glanım Modeline Dizey Yakla¸sımı (Sürüm 2,0)