Upload
feng
View
122
Download
1
Embed Size (px)
DESCRIPTION
… ÇOKLU REGRESYON MODELİ …. Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir. Y= b 1 + b 2 X 2 + b 3 X 3 + u. Y= b 1 + b 2 X 2 + b 3 X 3 +...+ b k X k + u. - PowerPoint PPT Presentation
Citation preview
…ÇOKLU REGRESYON MODELİ…
Y=1 + 2 X2 + 3 X3 + u
Y=1 + 2 X2 + 3 X3 +...+ k Xk + u
Bir bağımlı değişkene etki eden çok sayıda bağımsız değişkeni analize dahil ederek çoklu regresyon modeli uygulanabilir.
EKKY varsayımları çoklu regresyon analizinde de geçerlidir.
Tütün Miktarı59.2065.4062.3064.7067.4064.4068.0073.4075.7070.70
Gelir
76.2 91.7106.7111.6119.0129.2143.4159.6180.00193.0
Fiyat
23.5024.4032.1032.4031.1034.1035.3038.7039.6046.70
…ÇOKLU REGRESYON MODELİ…
…ÖRNEK REGRESYON DENKLEMİ…
33221i XbXbbY
Katsayıların Tahmini
Normal Denklemler ile,Ortalamadan Farklar ile,
…NORMAL DENKLEMLER…
Y=? , n , X2=? , X3=? ,YX2= ? , YX3= ?, X2X3= ? , X2
2=? , X32=?
32
232133
33222
122
33221
bXbXXbXYX
bXXbXbXYX
bXbXbnY
3
2
Tütün Miktarı
Y59.2065.4062.3064.7067.4064.4068.0073.4075.7070.70
Gelir
X2
76.2 91.7106.7111.6119.0129.2143.4159.6180.0193.0
Fiyat
X3
23.5024.4032.1032.4031.1034.1035.3038.7039.6046.70
Y=671.20X2=1310.40 X3=337.90
YX2 YX34511.045997.186647.417220.528020.608320.489751.2011714.613626.013645.1
1391.201595.761999.832096.282096.142196.042400.402840.582997.723301.69
YX2=89454.17YX2=22915.64
X2X3 X32
1790.702237.483425.073615.843700.904405.725062.026176.527128.009013.10
552.2595.3
1030.411049.76
967.21162.811246.091497.691568.162180.89
X2X3=46555.35 X32=22915.64
X22
5806.448408.89
11384.8912454.5614161.0016692.6420563.5625472.1632400.0037249.00
X22=184593.14
…NORMAL DENKLEMLER…
321
321
321
b63.11850b35.46555b 90.33764.22915
b35.46555b14.184593b 40.131017.89454
b90.337b 40.1310b 10671.20
…NORMAL DENKLEMLER…
321
321
b35.46555b14.184593b 40.131017.89454
b90.337b 40.1310b 10671.20
-131.04/
321
321
b35.46555b14.184593b 40.131017.89454
b44278.42b 82.171718b 40.310105.87954-
32 b93.2276b32.1287412.1500
…NORMAL DENKLEMLER…
321
321
b63.11850b35.46555b 90.33764.22915
b90.337b 40.1310b 10671.20
321
321
b63.11850b35.46555b 90.33764.22915
b64.14171b 42.44278b 90.3372679.852-
32 b99.432b93.227679.235
-33.79/
…NORMAL DENKLEMLER…
32
32
b99.432b93.227679.235
b93.2276b32.1287412.1500
-5.26 /
32
32
bb
bb
ˆ93.2276ˆ65.1197626.1240
ˆ93.2276ˆ32.1287412.1500
2b67.89786.259
2895.0ˆ 2b
…NORMAL DENKLEMLER…
3b( ˆ93.2276)2895.032.1287412.1500
9781.0ˆ 3b
3b93.227612.372712.1500
3b93.22762227
…NORMAL DENKLEMLER…
2362b1 .ˆ
)..ˆ 0.9781(90337(0.2895) 401310b 10671.20 1
5033036379b 10671.20 1 ..ˆ
1b 10622.34 ˆ
32i X97810X289502362Y ...ˆ
…ÖRNEK REGRESYON DENKLEMİ…
…ORTALAMADAN FARKLAR YOLUYLA…
33221 XbXbYb ˆˆˆ
y=? , x2=?, x3=??2X?Y
2333223
3232222
xbxxbyx
xxbxbyx
ˆˆ
ˆˆ
?3X
yx2=?, yx3=?, x2x3=?, x22=?, x3
2=?
…ORTALAMADAN FARKLAR…
Tütün Miktarı
Y59.2065.4062.3064.7067.4064.4068.0073.4075.7070.70
Gelir
X2
76.2 91.7106.7111.6119.0129.20143.4159.6180.0193.0
Fiyat
X3
23.5024.4032.1032.4031.1034.1035.3038.7039.6046.70
Y=671.20X2=1310.40 X3=337.90
y
-7.92-1.72-4.82-2.420.28-2.720.886.288.583.58
-54.84-39.34-24.34-19.44-12.04-1.8412.3628.5648.9661.96
-10.29-9.39-1.69-1.39-2.690.311.514.915.8112.91
1267Y . 04131X2 . 7933X3 .
x3x2
…ORTALAMADAN FARKLAR…
yx2 yx3 x2x3 x22 x3
2
yx3=235.79
434.367.66117.347.04-3.375.0010.88179.3420.0221.8
81.5016.158.153.36-0.75-0.841.3330.8349.8546.22
564.3369.441.1327.0232.39-0.5718.66140.2284.4799.9
yx2=1500.12 x2x3=2276.93
3007.431547.64
592.4377.9144.93.39152.7815.6
2397.083839.04
x22=12878.32 x3
2 =432.99
105.888.172.861.937.240.102.2824.1133.76166.67
…ORTALAMADAN FARKLAR…
32
32
b99432b93227679235
b932276b3212878121500
ˆ.ˆ..
ˆ.ˆ..
-5.26 /
32
32
b932276b6511976261240
b932276b3212878121500
ˆ.ˆ..
ˆ.ˆ..
2b67.89786.259
2895.0ˆ 2b
3b93227628950(3212878121500 ˆ.)...
9781.0ˆ 3b
3b93.227612.372712.1500
3b93.22762227
…ORTALAMADAN FARKLAR…
).)(.().)(.(.ˆ 79339781004131289501267b1
2362b1 .ˆ
…ORTALAMADAN FARKLAR…
32i X97810X289502362Y ...ˆ
…ÖRNEK REGRESYON DENKLEMİ…
Gelir FiyatTütün miktarı
…ELASTİKİYETLERİN HESAPLANMASI…
Y
X .
X
Y
XX
YYE i
ii0xiyxi
/
/lim
•Nokta Elastikiyet
•Ortalama Elastikiyet
…NOKTA ELASTİKİYET…
X20 = 140 X30 = 38
)(.)(..ˆ 3897810140289502362Y0
5965Y0 .ˆ
32i X97810X289502362Y ...ˆ
0
2
2YX
Y
X .
X
YE
20 ˆ
0
202
Y
X .b
ˆˆ
65.59
140 28950E
20YX . 0.62
…NOKTA ELASTİKİYET…
Tütünün gelir elastikiyeti
0
3
3YX
Y
X .
X
YE
30 ˆ
0
303
Y
X .b
ˆˆ
65.59
38 97810E
30YX . -0.57
…NOKTA ELASTİKİYET…
Tütünün fiyat elastikiyeti
…ORTALAMA ELASTİKİYET…
Y
X .
X
YE i
iiXY
Y
X . b i
iˆ
7933X 04311X ; 1276Y 32 .;..
32i X97810X289502362Y ...ˆ
1267
131.04 .28950E
2XY .. = 0.57
1267
33.79 .97810E
3XY .. = -0.49
…ÖRNEK REGRESYON DENKLEMİ…
33221i XbXbbY
32i X97810X289502362Y ...ˆ
…ÇOKLU REGRESYON MODELİNDE TAHMİNİN STANDART HATASI…
kn
es
2i
?ˆ iY ?)ˆ( 2i
2ii eYY
32i X97810X289502362Y ...ˆ
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
1) Tek açıklayıcı değişkenli model
2) İki açıklayıcı değişkenli model
Bu ifadeler determinantla şöyle yazılabilir.
1 2 2 Y b b X u
22 2
1ˆvar ubx
1 2 2 3 3Y b b X b X u
232
2 22 22 3 2 3
ˆvar u
xb
x x x x
222
3 22 22 3 2 3
ˆvar u
xb
x x x x
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
Sapmalar biçiminde yazılmış iki açıklayıcı değişkenli modelin normal denklemleri şöyledir.
22 2 2 3 2 3
ˆ ˆ( ) ( )x y b x b x x
(2) 23 2 2 3 3 3
ˆ ˆ( ) ( )x y b x x b x
Parantez içindeki terimler, örnek gözlemlerinden hesaplanmış determinantlardır ise bilinmeyenlerdir. 2 3
ˆ ˆb ve b
(1)
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
(1) ve (2) nolu denklemin sağ tarafında yer alan bilinenler, determinant kalıbında yazılabilir.
22 2 3
22 3 3
x x xA
x x x
Her bir parametrenin varyansı, bu parametreye ilişkin minör determinantının (bütün) determinanta bölümünün
2u İle çarpımıdır. Yani…
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
22 2 3
2 2 22 3 3 3 32 2 2
2 2 22 2 3 2 2 3
2 22 3 3 2 3 3
ˆvar u u u
x x x
x x x x xb
Ax x x x x x
x x x x x x
Ve..
için 2ˆvar b
22 2 2 3 2 3
ˆ ˆ( ) ( )x y b x b x x (2) 2
3 2 2 3 3 3ˆ ˆ( ) ( )x y b x x b x
(1)
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
3ˆvar b için
22 2 3
2 2 22 3 3 2 22 2 2
3 2 22 2 3 2 2 3
2 22 3 3 2 3 3
ˆvar u u u
x x x
x x x x xb
Ax x x x x x
x x x x x x
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
3) Üç açıklayıcı değişkenli model 1 2 2 3 3 4 4Y b b X b X b X
Normal denklemin sağ tarafında görülen bilinen terimlerin determinantı şöyledir:
22 2 3 2 4
22 3 3 3 4
22 4 3 4 4
x x x x x
x x x x x B
x x x x x
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
Daha önce iki açıklayıcı değişkenli model için açıklanan işlemleri burada da yenilersek varyansları determinant cinsinden şöyle yazabiliriz.
22 2 3 2 4
2 22 3 3 3 4 3 3 4
2 22 4 3 4 4 3 4 42 2
2ˆvar u u
x x x x x
x x x x x x x x
x x x x x x x xb
B B
2ˆvar b için:
1 2 2 3 3 4 4Y b b X b X b X
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
22 2 3 2 4
2 22 3 3 3 4 2 2 4
2 22 4 3 4 4 2 4 42 2
3ˆvar u u
x x x x x
x x x x x x x x
x x x x x x x xb
B B
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
22 2 3 2 4
2 22 3 3 3 4 2 2 3
2 22 4 3 4 4 2 3 32 2
4ˆvar u u
x x x x x
x x x x x x x x
x x x x x x x xb
B B
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
Katsayı tahminlerinin varyanslarını gösteren daha önceki ifadeler incelenecek olursa, şu genelleme yapılabilir.
k sayıda açıklayıcı değişken içeren bir modelin tahminlerinin varyansı iki determinantın birbirine oranından hesaplanabilir.
…VARYANS FORMÜLLERİNİN GENELLEŞTİRİLMESİ…
21 1 2 1
1 2 1 2 2
21 22
21 1 2 1
1 2 1 2 2
21 2
ˆvar
k
k
k k k
k u
k
k
k k k
x x x x x
x x x x x x
x x x x xb
x x x x x
x x x x x x
x x x x x
Örneğin ˆkb nın varyansı aşağıdaki ifadedir.
…Çoklu Regresyon Modelinde Tahminin Standart Hatası…
Tütün
Y
59.2065.4062.3064.7067.4064.4068.0073.4075.7070.70
Gelir
X2
76.2 91.7106.7111.6119.0129.2143.4159.6180.0193.0
Fiyat
X3
23.5024.4032.1032.4031.1034.1035.3038.7039.6046.70
Y=671.20
61.3045564.9115161.7226462.8477666.2615966.2801969.2173770.5817375.6072472.42623
16. 671Y
Y
-2.100.490.581.851.14
-1.88-1.222.820.09
-1.73
4.4291310.2386220.3333453.4307931.2959773.535114
1.481997.9426460.008604
2.97987
e e2
e = 0.040
e2 = 25.68
…Çoklu Regresyon Modelinde Tahmincilerin Standart Hataları…
310
25.682
kn
es i 6686.3 =1.9154
232
23
22
23
2 )()ˆ(
xxxx
xsbs
2)93.2276()99.432)(38.12878(
99.4329154.1
=0.0637
…Çoklu Regresyon Modelinde Tahmincilerin Standart Hataları…
232
23
22
22
3 )()ˆ(
xxxx
xsbs
2)93.2276()99.432)(38.12878(
38.128789154.1
=0.3473
2 2 2 22 3 3 2 2 32
1 2 2 22 3 2 3
1( ) .
( )
X x X x x xVar b s
n x x x x
…Çoklu Belirlilik Katsayısı…
2RTD
RBD
2
2
y
y
2
3322
y
yxbyxb
90.228
)79.235)(9781.0()12.1500(2895.0 = 0.8879 0.89
2RTD
HBD1
2
2
y
e1
90.228
68.251
= 0.112R1
TD
HBD
2
2
y
e
90.228
68.25
= 0.8879 0.89
…Düzeltilmiş Belirlilik Katsayısı…
2R
kn
1n)R1(1 2
310
110)89.01(1 = 0.86
R2 değeri yeni bağımsız değişken eklendiğinde daima artar, R2 de payın değeri artarken payda aynı kalır. Bu sakıncayı ortadan kaldırabilmek için aşağıdaki düzeltilmiş belirlilik katsayısı hesaplanabilir:
2 2R RÇoklu korelasyon katsayısı (R) : Y bağımlı değişkeni ile X bağımsız değişkenleri arasındaki ilişkinin derecesini göstermektedir.
…Basit Korelasyon Katsayıları…
2yxr
222
212
yx
yxr
)90.228)(38.12878(
12.1500 = 0.8737
3yxr
223
313
yx
yxr
)90.228)(99.432(
79.235
32xxr
23
22
3223
xx
xxr
)99.432)(38.12878(
93.2276
23xxr
22
23
2332
xx
xxr
)38.12878)(99.432(
93.2276
= 0.7490
= 0.9642
= 0.9642
…Kısmi Korelasyon Katsayıları…
2333223
3232222
xbxxbyx
xxbxbyx
3232222
ˆˆ xxbyxxb
3232222 xxbxbyx
22xİfadenin her iki yanı bölünürse
…Kısmi Korelasyon Katsayıları…
22
3232
2
22 x
xxb
x
yxb
323122 bbbb X2’nin Y’ye
Toplam EtkisiX2’nin Y’ye
Doğrudan Etkisi
X2’nin Y’ye Dolaylı Etkisi= -
)1768.0)(9781.0(1165.02895.0 2894.02895.0
…Kısmi Korelasyon Katsayıları…
)r1)(r1(
rrrr
223
213
2313123.12
)r1)(r1(
rrrr
223
212
2312132.13
)r1)(r1(
rrrr
213
212
1312231.23
])9642.0(1][)7490.0(1[
)9642.0)(7490.0(8737.022
=0.8623
])9642.0(1][)8737.0(1[
)9642.0)(8737.0(7490.022
= -0.7242
])7490.0(1][)8737.0(1[
)7490.0)(8737.0(9642.022
=0.9612
…Kısmi Regresyon Parametrelerinin Ayrı Ayrı Testi…
1.Aşama H0: 2 = 0
H1: 2 0
2.Aşama = ? = 0.05 ; = n-k
3.Aşama
t,sd =? t0.05,7=? =2.365
?)b(s
bbt
2
*22
hes
0637.0
02895.0 =4.5447
4.Aşama |thes= 4.5447 | > |ttab= 2.365 |
H0 hipotezi reddedilebilir
S.d.=? =10-3 = 7
…Kısmi Regresyon Parametrelerinin Ayrı Ayrı Testi…
1.Aşama H0: 3 = 0
H1: 3 0
2.Aşama = ? = 0.05 ; S.d.=? = n-k
3.Aşama
t,sd =? t0.05,7=? =2.365
?)b(s
bbt
3
*33
hes
3473.0
09781.0 =2.8163
4.Aşama |thes= 2.8163 | > |ttab= 2.365|
H0 hipotezi reddedilebilir
=10-3 = 7
…Regresyon Parametrelerinin Topluca Testi…
1.Aşama H0: 2 = 3 = 0
H1: i 0
2.Aşama = ? = 0.05 ; f1=? = k-1 = 3-1=2
F,f1,f2 =? F0.05,2,7=?
= n-k f2=?
=4.74
Y=1 + 2 X2 + 3 X3 + u
Y=1 + u
(Sınırlandırılmamış Model)(SM)
(SR)
=10-3=7
(Sınırlandırılmış Model)(SR)
…Regresyon Parametrelerinin Topluca Testi…
3.Aşama
=27.7221?)kn/()R1(
)1k/(RF
2
2
hes
)310/()8879.01(
)13/(8879.0
4.Aşama Fhes= 27.7221 > Ftab= 4.74
H0 hipotezi reddedilebilir
…Varyans Analiz Tablosu…
Değişkenlik SKT sd SKTO Fhes F-Anlamlılık
RBD
HBD
TD
203.2235 101.61173-1 27.7060 [0.0005]
25.6725
228.8960
10-3 3.6675
10-1
…Güven Aralıkları…
= 0.2895 2.365 (0.0637) )b(stb 22/2 0.1370 < 2 < 0.4381
)b(stb 32/3 = -0.9781 2.365 (0.3473)
-1.7887 < 3 < -0.1466
Sabit Terimsiz Bağlanım(Regresyon) Modeli
Sabit Terimsiz Bağlanım Modeli
iii uXY 21
iii uXY 2
0<2<1
i
ii
X
XYb2
22 )(iX
sbs
Sabit Terimsiz Bağlanım Modeli
Sabit Terimsiz Bağlanım Modelinin Özellikleri
1) Sabit terimsiz regresyonda Σei lerin sıfıra eşit olması şart değildir.
2) Sabit terimsiz regresyonda r2 belirlilik katsayısı uygun bir ölçü değildir. Çünkü bu katsayının sabit terimsiz regresyonda negatif değer alması söz konusu olabilmektedir.
Sabit Terimsiz Bağlanım Model Örnekleri
İmalat Sanayi Mamülleri Üretim Fonksiyonları
Üretim faktörleri girdileri sıfırken çıktı yani üretim de sıfır olmalıdır.
Orijinden Geçen Uzun Dönem Tüketim Fonksiyonu
b1 sabitinin pozitif değeri bize ekonomik birimlerin gelir seviyeleri sıfırken daha önce yaptıkları tasarrufları tükettiklerini ve daha önceki dönemlerde üretilmiş mallardan faydalandıklarını ifade etmektedir.
Kapalı bir ekonominin daha önce ürettiği tüketim malları stoku yoksa, b1 değeri sıfırdan büyük olamaz.
Bu halde gelir seviyesi sıfıra indiğinde tüketim geliri aşacak, bu da negatif bir tasarrufa karşılık gelecektir.
Sabit Terimsiz Bağlanım Model Örnekleri
Gelirden bağımsız ve kısıtlanması mümkün olmayan tüketim seviyesi b1'e bağımsız tüketim harcamaları denir.
Bu durum kısa dönemde söz konusu olur.
Buna karşılık, daha önceki birikmiş tasarruflara bağlı olarak belli bir tüketim seviyesi b1 in varlığının kabulünün uzun dönemde hiç bir anlamı olmaz.
Sabit Terimsiz Bağlanım Model Örnekleri
Portföy Teorisi
Bir yatırım projesinin toplam riski, iki riskten oluşur: Sistematik risk veya piyasa riski ve sistematik olmayan risk.
Sistematik olmayan risk firmanın yönetim şartları, firmalar arası rekabet, grevler ve tüketici davranışlarındaki değişmeler gibi faktörlere bağlıdır.
Sistematik risk , Piyasa faiz oranlarının değişmesi, enflasyon riski, finansal piyasalardaki değişmeler gibi faktörlere bağlıdır
Sabit Terimsiz Bağlanım Model Örnekleri
Finansal Varlıkları Fiyatlama Modelinin Beta Katsayısı, projelerin sistematik riskini ölçmeye yarar.
Finansal Varlıklar Fiyatlama Modeli :
Ri - rf = ßi (Rm - rf) + ui
Ri = i finansal varlığı verim oranıRm = Piyasa portföyü verim oranı (riskli varlıklardan oluşan)rf = Risksiz piyasa verim oranı (hazine bonosunun 90 günlük verim oranı gibi)ßi = Finansal varlığın sistematik riski (Beta katsayısı)ui = hata terimi
Sabit Terimsiz Bağlanım Model Örnekleri
Yi = i + ßi Xi + ui
Yi = Şirketin yıllık verimlilik oranı (%)Xi = Piyasa portföyü yıllık verimlilik oranı (%)ßi = Eğim katsayısı, portföy teorisinde Beta katsayısı (Sistematik Risk)Yi = 1.0899 Xi
s (bi): (0.1916) , e2 = 3425.285t (5.6884)
Yi= 1.2797 + 1.0691 Xi
s (bi) (7.6886) (0.2383)t = (0.1664) (4.4860)
…DOĞRUSAL OLMAYAN REGRESYON MODELLERİ…
Tam Logaritmik Modeller
Yarı-Logaritmik Model
*Log-Doğ Model(Üstel Model)
*Yarı-Logaritmik Model Doğ - Log Model
Polinomial Model
…Tam Logaritmik Model…
X3
X2
Y1
Y2
0<2<1
2<0
Y
X2
2>1
(X3 sabit tutulduğunda)
2.1bXbY
rsapmasızdı i tahminlerb veb 2*1
.sapmalıdır tahminiblogantib *11
aynıdır. heryerindeeğrinin tahminib 2
…Tam Logaritmik Model(Üslü model-log-log Modeller-Sabit Elastikiyetli Modeller)…
1 2log log log logY b b X u veya
* * *1 2Y b b X
*1 1logb b*logY Y *log X X
2.1bXbY
Y
X
dX
dY
Y
X
X
YE
Xyx .lim
0
121
2.' bXbbdX
dYY
Y’nin eşiti üstteki denklemde yerine konursa
21
21 2
2 .1
.. bXb
X
XXbbE b
bYX
ubk
bb eXXXbY k ... 32321
lnY =lnb1 + b2 lnX2+ b3 lnX3 + ... + bk lnXk + u lne
Y* =b1 *+ b2 X2
*+ b3 X3* + ... + bk Xk
* + u
2*2
*1
***
*2
*1
*
XbbXXY
XbbnY
eXbbY *2
*1
*
?b*1 ?b2
…Tam Logaritmik Model…
Birden fazla bağımsız değişken olduğunda
22
2
1.
Xb Y
X Y
2 1 31 2 2 3' . . b bY b b X X
2 32 1 2 3
2
1.( . )b bb b X X
X 2
2
1.b Y
X
2
2yx
XYE
X Y
2b
2 31 2 3. b bY b X X
Y
Uygulama 4.3 (207-210)
X
4003002001000
Y 80
60
40
20
0
Uygulama 4.3 (207-210)
Uygulama 4.3 (207-210)
*Y n
Y*25
1449.101 = 4.0458
*Xn
X*25
0374.124 = 4.9615
x*2 =7.3986
y*x* =2.6911
Uygulama 4.3 (207-210)
2*
**
2 x
yxb
7.3986
2.6911
= 2.2413= 4.0458 - (0.3637) 4.9615
[ln(9.4046) = 2.2413]
= 0.3637
Uygulama 4.3 (207-210)
…Üretim Fonksiyonu…
32 b3
b21 X.XbY Y= Üretim X2=Emek ; X3=Sermaye
22
2 X
Yb
X
Y
= Emeğin Marjinal Verimliliği
33
3 X
Yb
X
Y
= Sermayenin Marjinal Verimliliği
lnY = -3.4485 + 1.5255 lnX2 + 0.4858 lnX3
(t) (-1.43) (2.87) (4.82)
n=15 Düz-R2= 0.8738
…Yarı-Logaritmik Model…Log-Doğ Model(Üstel Model)
Y
X(a)
Y = Aeb X2
Y
X(b)
Y = Aeb X2
A
A
b >0
b <02
2
Xbb 21eY Xbb 21ee Xb2e A
…Yarı-Logaritmik Fonksiyon…Log-Doğ Model(Üstel Model)
lnY = b1 +b2 X+ u
X d
Yln db2
X d
Y d.
Y
1
X d
Y/Y d
değişmemutlak dekiX'
değişme nisbi dekiY'
Y
X
X d
Y dEyx = ( b2Y )
Y
X= b2 X
Artış Hızı ModeliLog-Doğ Model(Üstel Model)
lnY = b1 +b2 t + u
r = (Antilog b2 - 1) . 100
Y= İş hacmi(1983-1988)
r = (Antilog 0.131 - 1) . 100
= (1.13997 - 1) . 100
= (0.139971) . 100
= % 14
Y t logY logY*t t2 Ytahmin e
obs GSMH YIL LOGGSMH LOGGSMH_YIL YILKARE YTAHMIN HATA
1969 1088.000 1.000000 6.992096 6.992096 1.000000 6.990414 0.001682
1970 1086.000 2.000000 6.990257 13.98051 4.000000 7.017268 -0.027012
1971 1122.000 3.000000 7.022868 21.06860 9.000000 7.044122 -0.021254
1972 1186.000 4.000000 7.078342 28.31337 16.00000 7.070976 0.007365
1973 1254.000 5.000000 7.134094 35.67047 25.00000 7.097830 0.036263
1974 1246.000 6.000000 7.127694 42.76616 36.00000 7.124685 0.003009
1975 1231.000 7.000000 7.115582 49.80907 49.00000 7.151539 -0.035957
1976 1298.000 8.000000 7.168580 57.34864 64.00000 7.178393 -0.009813
1977 1370.000 9.000000 7.222566 65.00309 81.00000 7.205247 0.017319
1978 1438.000 10.00000 7.271009 72.71009 100.0000 7.232101 0.038907
1979 1479.000 11.00000 7.299121 80.29034 121.0000 7.258955 0.040166
1980 1475.000 12.00000 7.296413 87.55696 144.0000 7.285809 0.010604
1981 1512.000 13.00000 7.321189 95.17545 169.0000 7.312663 0.008525
1982 1480.000 14.00000 7.299797 102.1972 196.0000 7.339518 -0.039720
1983 1535.000 15.00000 7.336286 110.0443 225.0000 7.366372 -0.030086
Örnek
1969-1983 yıllarına ait GSMH verileri aşağıdadır. Buna göre büyüme hızını bulunuz.
lnY = b1 +b2 t + u
LOG(GSMH)= 6.963560+ 0.026854YIL t (461.0034) (16.16401) Prob (0.0000) (0.0000)
= (Antilog b2 - 1) . 100
r = (Antilog 0.02685- 1) . 100
Ücret ModeliLog-Doğ Model(Üstel Model)
lnY = 1.19 + 0.033 X2 + 0.074 X3
Aşağıdaki ücret modeli Uygulama 9.3’den alınmıştır.(s.427)
Modelde:
Y:Haftalık Kazanç ($) ; X2: Tecrübe ; X3 : Eğitim Kategorisi
…Yarı-Logaritmik Fonksiyon… Doğ - Log Model
Y = b1 +b2 lnX+ u
Y
X(a)
Y = b + b lnX
Y
X(b)
b >0
b <02
2
21 Y = b + b lnX21
…Yarı-Logaritmik Fonksiyon…Doğ - Log Model
Y = b1 +b2 lnX+ u
lnX d
dYb2 )X/1(
1
X d
Y d
X/X d
Y d
değişme nisbi dekiX'
değişmemutlak dekiY'
Y
X
X d
Y dEyx Y
X
X
b2 Y
b2
Hedonik Model Doğ - Log Model
Y = b1 +b2 lnX2+ b3 lnX3 + u
Fiyat = -1.749.97 + 299.97 ln(m2) - 145.09 ln(YatakOda)
(t) (-6.8) (7.5) (-1.7)
Prob. [0.1148]
Düz-R2= 0.826 sd=11
Polinomial Fonksiyonlar
Y =1 + 2 X + 3 X2 + 4 X3 + ... + k+1 Xk + u
Kuadratik Model:
Y =1 + 2 X + 3 X2 + u
dX
dY= 2 + 23 X =
X0= -2 / 23
Xd
Yd2
2
= 23
Eğer 3<0 ise X0 noktası maksimumdur
Eğer 3>0 ise X0 noktası minimumdur
Polinomial Fonksiyonlar Kuadratik Model
OM = 10.52 - 0.175 Çıktı + 0.0009 (Çıktı)2 + 0.02 GMİ
(t) (14.3) (-9.7) (7.8) (14.45)
Düz-R2=0.978 sd=16
OM= Ortalama Maliyet ; Çıktı =Üretimİndeksi
GMİ= Girdi Maliyetleri İndeksi
Polinomial Fonksiyonlar Kübik Model
TM= Toplam Maliyet ;Q =Üretim Miktarı
Polinomial Fonksiyonlar Kübik Model
Y =1 + 2 X + 3 X2 + 4 X3 + u
TM = 141.76 + 63.47 Q - 12.96 Q2 + 0.94 Q3
s(bi) (6.37) (4.78) (0.98) (0.059)
R2 =0.998 sd=6