Upload
others
View
44
Download
0
Embed Size (px)
Citation preview
DOĞRUSAL ve DOĞRUSAL OLMAYAN SINIRLAMALAR
DOĞRUSAL SINIRLAMALARIN TESTİ
• t testi• F testi• Diğer testler:• Chow testi• MWD testi
DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ
• Benzerlik Oranı Testi• Lagrange Çarpanı Testi• Wald Test
1
DOĞRUSAL SINIRLAMALAR
Bazen İktisat teorisinden kaynaklanan bazı sınırlamaların
modelde yer alması istenebilir veya gerekebilir.
Tüketim ve tasarruf eğilimlerinin toplamı, Coubb-Douglas
modelinin katsayılarının toplamının ölçeğe göre sabit getiri
olması için bire eşit olması gibi durumlarda doğrusal
birleşimler söz konusu olabilir.
Benzer şekilde bazı katsayıların birbirine eşitliği veya farklı
doğrusal birleşimlerinin varlığı da arzu edilebilir. Bu tür
sınırlamalara doğrusal sınırlamalar denir.2
Regresyon modeli,
İi XXXXY 554433221ˆˆˆˆˆ
143
34 1
ve sınırlama,
olsun. Bu durumda,
olacağından,
İi XXXXY 554333221ˆ)ˆ1(ˆˆˆ
İi XXXXXY 5543433221ˆˆˆˆˆ
3
İi XXXXXY 554332214ˆ)(ˆˆˆ
)( 4XYİ )( 43 XX olacak ve model ve için ve tanımlaması yapılırsa,
*Y *X
İXXXY 55*
3221* ˆˆˆˆ
olarak tahmin edilecektir.
Katsayıların birbirine eşitliği de doğrusal sınırlamadır. Aynımodelde sınırlama olursa,32
İi XXXXY 554433221ˆˆˆˆˆ
modeli,
4
32* XXX İ
tanımlaması ile model,
İii XXXY 5544*
21ˆˆˆˆ
olarak tahmin edilir.
olarak incelenebilir. Burada,
İi XXXXY 55443221ˆˆ)(ˆˆ
5
DOĞRUSAL SINIRLAMALARIN TESTİSınırlamalar doğrusal olduğunda test edilmeleri için t ve Ftestleri kullanılabilir.
t TESTİKatsayıların anlamlılığının veya belirli bir değere
eşitliğinin söz konusu olduğu durumda açıklanan t testi,
doğrusal sınırlamaların testi için de benzer bir şekilde
kullanılır. Doğrusal sınırlama türlerinin gösterdiği farklılığa
bağlı olarak t testinin uygulanması da farklılıklar gösterir.
Sabit değer sınırlamasında katsayılardan birinin belirli bir
değere eşit olması söz konusu olduğunda yapılacak t testi
katsayıların belirli bir değere eşit olmasının testi ile aynıdır. 6
Regresyonun orijinden geçip geçmediği test edilmekistendiğinde ise, sabit katsayının anlamlılığın yani sıfırdanfarklı olup olmadığının test edilmesi gerekecektir. Sabit değerkısıtlaması birden fazla parametre için geçerli ise, t testi herbiri için ayrı ayrı uygulanacaktır. Test işlemlerisınırlandırılmamış model ile yapılacaktır.
İki parametrenin birbirine eşit olması, toplamlarının veyafarklarının belirli bir değere eşit olması şeklinde bir sınırlamasöz konusu ise, yani veya sınırlamasıveya örneğin veya sınırlaması testedilecekse hipotezler daha önce açıklandığı gibi oluşturulur.Test istatistiği ise eşitlik için,
21 121
021 021
21ˆˆ
2121 )()ˆˆ(
st
olacak ve test edildiğinden 21 7
),(2 21
2ˆ
2ˆ
2ˆˆ
2121
Covsss
121
olarak tahmin edilir.
Toplamlar veya farklar söz konusu olduğunda test istatistiği, örneğin durumu için,
21ˆˆ
2121 )()ˆˆ(
st
ve
21ˆˆ
21 1)ˆˆ(
st
ve
21ˆˆ
21ˆˆ
s
t olacaktır.Burada,
8
olacaktır. Diğer işlemler daha önce açıklandığı gibiyapılacaktır.
),(2 21
2ˆ
2ˆ
2ˆˆ
2121 Covsss
9
Uygulama: Türkiye’nin 1980-2000 yılları arasında elde ettiğiturizm gelirlerini (TG) incelemek amacıyla Türkiye’ye gelenturist sayısı (TS) ve turizm yatırımları (TY) değişkenleri ile tamlogaritmik model elde edilmiştir. Bulunan bu modelde turistsayısına ilişkin parametrenin turizm yatırımlarına ilişkinparametre ile eşit olduğunu sınayınız.
LN(TG) = -3.1406+2.1888LN(TS)+1.1413LN(TY)
s(bi) = (0.77) (0.523) (0.325)
t = (-4.078) (4.185) (3.512)
prob = [0.0000] [0.0000] [0.0000]
Fhes= 461.68 R2=0.9777
prob [0.0000]
7042.02 te
14.0)Cov( 32 10
)0(: 32320 H
)0( 32321 H
734.118;05.0 t
32ˆˆ
3232 )()ˆˆ(
st
273.332.0
0)1413.11888.2(
t
32.0)14.0(2)325.0()523.0( 22ˆˆ32
s
11
thes= 3.273 > ttab= 1.734
H0 reddedilir. Sınırlama geçerli değildir.
Parametrelerin birbirine eşit olduğu söylenemez.( )32
12
F TESTİDoğrusal sınırlamaların testi için sınırlandırılmış ve
sınırlandırılmamış modellerin tahmin edilmesi gereklidir. Bu
test yapılırken sınırlama sayısı önemli değildir. Test söz
konusu olan sınırlamaların geçerli olmaması halinde
modellerin açıklandığı değişim miktarlarının aynı olacağı
mantığına dayanmaktadır. Diğer bir ifade ile söz konusu olan
sınırlamalar geçerli ise sınırlandırılmış ve sınırlandırılmamış
modeller tarafından bağımlı değişkendeki değişmelerin
açıklanma miktarları arasında istatistiksel olarak anlamlı bir
fark olacaktır.13
Test için açıklanmayan değişme, yani artıkların kareleri
toplamı kullanılabilir. Sınırlandırılmış modelin artıklarının
kareleri toplamı ve sınırlandırılmamış modelin artıklarının
kareleri toplamı ile ifade edilirse F test istatistiği,
)/(/)(
2
22
uUt
UtRt
knecee
F
olarak hesaplanacaktır. Burada,
RU kkc
2Re
2Ue
14
ve test istatistiğinin dağılımı c ve (n- kU) serbestlik dereceli F dağılımıdır.
F test istatistiği R2 değerleri ile,
)/()1(/)(
2
22
knRcRRF
U
RU
olarak da hesaplanabilir.
veya
( ) /( ) / ( )
U R
U
RBD RBD cFHBD n k
15
Kimya Sanayii dalında faaliyet gösteren 15 firmanın üretimleri (Y), emek girdileri(X 2) ve sermaye girdileri (X3) aşağıdaki gibidir.
Firma Üretim(bin ton) Emek(saat) Sermaye(makine saati)
1 60 1100 3002 120 1200 4003 190 1430 4204 250 1100 4005 300 1520 5106 360 1620 5907 380 1800 6008 430 1820 6309 440 1800 61010 490 1750 63011 500 1950 85012 520 1960 90013 540 1830 98014 410 1900 90015 350 1500 800
16
32 log366228.0log721901.272020.16log XXY
n=15, k=3915.02 uR
Bu üretim fonksiyonu sınırlanmamış modeldir, zira bparametrelerine sınır konmamıştır.
Şimdi b2 + b3 =1 sınırlamasını koymak isteyelim.
1. Aşama: 1:1:
321
320
bbHbbH
2. Aşama: 05.0 anlamlılık seviyesi ve f1=c=1 sınırlama,
f2=n-k=15-3=12 sd. lerinde Ftab=4.75
2 31 2 3. b bY b X X
17
3. Aşama: R2=0.915 Sınırlandırılmamış üretim fonksiyonunun belirlilik katsayısıdır. Sınırlandırılmış üretim fonksiyonunun belirlilik katsayısı; ?2 RR
Bunu bulabilmek için sınırlandırılmış üretim fonksiyonunubelirleyip EKKY ile tahmin etmeliyiz, yani sınırlandırılmışEKKY’yı uygulamalıyız. Şöyleki; yukarıdaki sınırlandırılmamışorijinal üretim fonksiyonu;
uXbXbbY 33221 lnlnlngöre H0 hipotezi sınırlaması b2 + b3=1’i dikkate almak için
3223 11 bbveyabb alınmalıdır. Biz sonuncusunu alalım:
uXXbXbuXbXbbY
)ln(lnln
lnln)1(ln
23321
33231
veya 18
uXXbbXYveya
uXXbb
XY
uXbXbbXYuXbXbXbY
uXXbbXY
)/ln()/ln(
)ln()ln(
lnlnlnlnlnlnlnln
)ln(lnlnln
23312
2
331
2
233312
332321
23312
Burada Y/X2, üretim/emek oranı; X3/X2, sermaye/emek oranıolup, iktisadi yönden önemlidir. İşte b1 ve b3 ‘ün denklemdenEKKY ile tahmini sınırlandırılmış EKKY adını alır. b3’ü buyöntemle bulduktan sonra b2 =1-b3’den b2’yi bulabiliriz. Üretimfonksiyonu için yani sınırlandırılmış EKKY tahmin sonuçlarışöyledir:
402.0)433029.0()4407080.0()(
)/ln(279176.1376067.0)/ln(2
232
Ri Rbs
XXXY
Şimdi formül uygulanabilir,19
253.7212/)915.01(
1/)402.0915.0(
hesF
4. Aşama: %5 ve %10 önem düzeyinde, Fhes=72.253 > Ftab=4.75 H0 reddedilir. Yani sabit verimlilik reddedilir. Yani ilgili dönemde
değeri %5 ve %10 anlamlılık seviyesinde 3.088129’un 1’den farklıolduğu kabul edilir. Buradan, istatistik testlerden anlamlılıkseviyesinin tespitinin, testi gerçekleştirmeden önce yapılmasıgerektiği sonucu çıkmaktadır.
088129.33
^
2
^bb
Sınırlı EKKY tahminlerinden bulunduğuna göre 27917.13
^b
279176.0279176.112
^b
olacaktır. 20
Yapısal Kararlılığın Sınanması
2121.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Yapısal Kararlılığın Sınanması
2221.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Yapısal Kararlılığın Sınanması
2321.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Yapısal Kararlılığın Sınanması
2421.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Yapısal Kararlılığın Sınanması
2521.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Yapısal Kararlılığın Sınanması
1HKT =8,9210
3HKT =55,0062
2HKT =10,3487
2621.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Chow Sınaması
2721.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Chow SınamasıVerilen varsayımlar altında Chow sınaması şöyle yapılır.
►Birinci modelden sd’si (n1 –k) olan HKT1 bulunur.
► İkinci modelden sd’si (n2 –k) olan HKT2 bulunur.
►İki bağlanıma ait hata terimleri bağımsız kabul edildiği için,
HKTR=HKT1+HKT2 olarak hesaplanır.
►Tüm gözlemlerin kullanıldığı 3. model tahmin edilir ve HKT3 yada
HKTU bulunur.
►Yapısal değişim yoksa HKTR ve HKTU istatistiksel olarak farklı
olmamalıdır. Sınırlamalar için şu istatistik kullanılır.
2821.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
U R
1 2R 1 2
HKT HKT / kF F k, n n 2k
HKT / n n 2k
Chow Sınaması
2921.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
16
Chow Sınaması
1 2 3HKT HKT HKT RHKT
3021.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Regresyon Modelinin Fonksiyonel Biçiminin Test Edilmesi (MWD)
Bir doğ-doğ regresyon modeli ile log-log regresyon
modelinden hangisinin tercih edileceğine karar vermek için
MWD testini kullanabiliriz.
H0: Doğ-doğ model geçerlidir
H1: Log-log model geçerlidir.
1 2 2 3 3Y a a X a X u (1)
1 2 2 3 3ln Y b b ln X b ln X v (2)
31
)(ˆ doğY1. ADIM: 1 nolu model (doğ-doğ) model tahmin edilir.
)(ˆ doğY
2. ADIM: 2 nolu model (log-log) model tahmin edilir.
)(ˆln doğY
Yln3. ADIM: 1. adımdaki değerlerinin log.
YdoğYZi ˆln)(ˆln 4. ADIM:
5.ADIM: 4.adımda elde edilen Z değişkeni 1 nolu modeldekidoğrusal regresyon modeline bağımsız değişken olarakeklenir .
Z değişkeninin katsayı tahmini istatistiksel olarak anlamlıise H0 red edilir.
32
UYGULAMA:
year and quarter Y X2 X3
1971–III 11,484 2.26 3.49
–IV 9,348 2.54 2.85
1972–I 8,429 3.07 4.06
–II 10,079 2.91 3.64
–III 9,240 2.73 3.21
–IV 8,862 2.77 3.66
1973–I 6,216 3.59 3.76
–II 8,253 3.23 3.49
–III 8,038 2.6 3.13
–IV 7,476 2.89 3.2
1974–I 5,911 3.77 3.65
–II 7,950 3.64 3.6
–III 6,134 2.82 2.94
–IV 5,868 2.96 3.12
1975–I 3,160 4.24 3.58
–II 5,872 3.69 3.53
İzmir ilinde 1971(III)-1975(II) üçer aylık dönemlerinde onikişer adetlik demet gül talebi (Y), demet gülün fiyatı ( ) ile ikame mal olarak bir demet karanfilin fiyatı ( ) değişkenlerine ait veriler yan tabloda verilmiştir.
2X3X
UYGULAMA:
İzmir ilinde 1971(III)-1975(II) üçer aylık dönemlerinde onikişeradetlik demet gül talebi incelenmiştir. Demet gül talebi Ybağımlı değişken, bir demet gülün fiyatı X2 ve ikame mal olarakda bir demet karanfilin fiyatıX3 bağımsız değişken olarakmodele alınmıştır. Bu model hem doğ-doğ hem de log-logmodel olarak tahmin edilmiştir. Hangi model tercih edilmelidir?
Doğ-doğ model:
2 3Y 9734.26 3782.19X 2815.25X R2 = 0.776
Log-log model:
2 3ln Y 9.2278 1.7607ln X 1.3398ln X R2 = 0.729234
Zi değişkeni ile birlikte tahmin edilen doğrusal model
2 3 iY 9727.56 3783.06X 2817.71X 85.23Z
t (3.2178) (-6.3337) (2.8366) (0.0207)
R2 = 0.7707
H0: Doğ-doğ model geçerlidir
H1: Log-log model geçerlidir.
ttab = tn-k = t12, =0.05 = 2.179
thes < ttab H0 reddedilemez.
35
UYGULAMA: Bir ekonomideki para talebi modelinde MD = Talep edilen para miktarı, Y = Milli Gelir, L = (para dışındaki) likit Akifler stoku( tasarruflar, vadeli mevduat gibi) değişkenleri yer almaktadır.
1960-1997 dönemi verileri ile bir ülke için şu tahmin edilmiştir.
Daha sonra bu değişkenlerle tam logaritmik model oluşturulmuştur.
Doğrusal modelin doğru model olduğu hipotezini test etmek için aşağıdaki model kurulmuştur. Gerekli hipotezleri kurup %5 önem seviyesinde hangi modelin tercih edileceğini söyleyiniz.
D
i2 2i
M 0.003 0.216 i 0.53 Y 0.367 Ls(b ) 0.009 0.112 0.101 0.102
y 0.1903 R 0.579
D
i2 2i
ln M 0.412 2.325ln i 1.982ln Y 0.417 ln Ls(b ) 0.519 0.321 0.192 1.562
y 0.123 R 0.413
D 1
i2 2i
M 0.01 0.038 i 0.23 Y 0.68 L 2.814Zs(b ) 0.004 0.0026 0.004 0.512 0.164
y 0.09 R 0.495
36
UYGULAM:
1.Adım:H0 : Dog-dog model geçerlidir.H1: Log-log model geçerlidir.
2.Adım: z değişkeninin t değeri
3.Adım: ttab = t38-5=33 ,=0.05 = 2.042
4.Adım: thes > ttab H0 reddedilir. Log-log model geçerlidir
hes2.814t 17.150.164
37
DOĞRUSAL OLMAYAN SINIRLAMALAR
İiiii XXXY 4433221ˆˆˆˆ
1. 43
Bazı durumlarda sınırlamaların yapısı doğrusal olmaz. Bu
durumda doğrusal sınırlamalardan farklı olarak modellerin
tahmininde problemlerle karşılaşılır. Parametreler klasik en
küçük kareler yöntemi ile tahmin edilemeyebilirler.
Regresyon modelinin,
olduğunu ve katsayılar ile ilgili sınırlamanın olduğunu
varsayalım. Bu durumda,
34
1
38
İiiii XXXY
43
332211ˆˆˆ
olacaktır. Bu model doğrusal olmayan bir modeldir. Model
parametreleri, en küçük kareler veya farklı bir yöntemle
tahmin edilecektir.
olacağı model,
39
DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİGerçekte doğrusal olmayan modeller için söz konusu olan
doğrusal olmayan sınırlamalar için kullanılacak testlerde, bu
tür modellerin tahmincilerinin dağılımı normal dağılım
olmadığından farklı olacaktır.
Sınırlamalar için Benzerlik Oranı testi (LR), Wald testi (W) ve
Lagrange Çarpanı testi (LM) kullanılır. Bu testler sadece
doğrusal olmayan sınırlamalar için geçerli olmayıp, doğrusal
sınırlamalar için de geçerlidir.
Ancak doğrusal sınırlamalar için açıklanan testlerin gerçekte
doğrusal olmayan modeller için kullanılması söz konusu
değildir.40
BENZERLİK ORANI TESTİBenzerlik oranı testi için adından da anlaşılacağı gibi
benzerlik fonksiyonu kullanılır. Test için sınırlandırılmış
modelin tahmini de yapılır ve logaritmik benzerlik
fonksiyonunu eğiminin sıfır veya sıfırdan farklı olması
durumuna göre sınırlamaların geçerli olup olmayacağına
karar verilir. Sınırlandırılmış modelin logaritmik benzerlik
fonksiyonunu LR, sınırlandırılmamış modelin logaritmik
benzerlik fonksiyonu LU ile ifade edersek test istatistiği,
)(2 UR LLLR olarak hesaplanır. LR test istatistiğinin dağılımı c serbestlikdereceli ki-kare dağılımıdır. c sınırlama sayısıdır. Temelhipotez sınırlamaların geçerli olduğunu,alternatif hipotez isesınırlamaların geçerli olmadığını ifade eder.
41
LR test istatistiği hata payı ve c serbestlik derecesi ileki-kare tablosundan bulunacak değer ile karşılaştırılır. LRtablo değerinden büyükse H0 hipotezi reddedilir, sınırlamalargeçersizdir. Aksi söz konusu ise sınırlamalar geçerlidir.
LR test istatistiği sınırlandırılmış ve sınırlandırılmamışmodellerin artıklarının karelerinin toplamı ile
Ut
Rte e
enLR
2
2
log
veya sınırlandırılmış ve sınırlandırılmamış modellerinbelirlilik katsayısı ile,
olarak da hesaplanabilir.
2
2
11log
U
Re R
RnLR
42
LAGRANGE ÇARPANI TESTİBu test Lagrange fonksiyonuna ve sınırlandırılmış modelintahminine dayanarak yapılır. Büyük örnekler için
neee
LMRt
UtRt
/2
22
olarak hesaplanır ve test istatistiğinin dağılımı c (sınırlamasayısı) serbestlik dereceli ki-kare dağılımıdır. LM testistatistiği R2 değerleri ile,
nRRRLMR
RU
/)1()(
2
22
hesaplanabilir.
Doğrusal sınırlamalar söz konusu olduğunda test istatistiği,43
2nRLM olarak hesaplanabilir. Hipotezler ve hipotezin kabul kararı benzerlik oranı testinde açıklandığı gibidir.
LM testi F testi gibi bağımsız değişken katsayılarınıntümünün anlamlılığını test etmek için kullanılabilir. Budurumda test istatistiği sınırlandırılmamış modelin belirlilikkatsayısı kullanılarak2
UR
2UnRLM
hesaplanır. LM test istatistiğinin dağılımı test edilenparametre sayılı (k-1) serbestlik dereceli ki-karedağılımıdır.
44
WALD TESTİTestte, sınırlandırılmamış modelden tahmin edilen varyans
kullanıldığından sınırlandırılmamış modelin tahminini gerektirir.
Birden fazla sınırlama test edilebilir. Sınırlama sayısı c ile ifade
edilebilir. Wald test istatistiği,
neee
WUt
UtRt
/2
22
olarak hesaplanır. Wald test istatistiği R2 değerleri ile,
nRRRW
U
RU
/)1()(
2
22
hesaplanır. 45
Sınırlama sayısı c=1 olduğundan ki-kare tablosunda 1
serbestlik derecesi ile tablo değeri bulunarak benzerlik
oranı testinde olduğu gibi karar verilir.
Aynı modelde aynı kısıtlamalar için Lagrange çarpanı,
Benzerlik oranı ve Wald testleri hesaplandığında,
WLRLM
ilişkisi görülür.
46
Uygulama: Mayıs 2001-Mart 2010 dönemi için faiz oranları
(FAİZ), enflasyon açığı (EACIK), üretim açığı
(URETİMACIK), bir dönem önceki faiz oranı (GFAİZ) ve
döviz kuru açığı (DKACIK) değişkenleriyle model tahmin
edilmiştir.
Daha sonra döviz kuru açığının yer almadığı modeli ele
alarak sınırlama testlerinden F, LR, LM ve W testleri ile
hangi model ile çalışılacaktır.
47
Sınırlandırılmamış model: = 0.995498
0:0:
31
30
HH
Yt=β1+β2GFAİZ β3DKAÇIK+β4EAÇIK+β5ÜRETİMAÇIK+ut
2UR
4291.1212 Ute 48
Sınırlandırılmış model: = 0.994842 2RR
1270.1392 Rte 49
1. aşama: H0: Sınırlamalar geçerlidir. ( )
H1: Sınırlamalar geçersizdir. ( )
2. aşama: f1: c= 1 , f2: n-k= 106-5=101 Ftab=6,85
3. aşama:
)/()1(/)(
2
22
knRcRRF
U
RU
7170.14101/)995498.01(
1/)994842.0995498.0(
F
1. F TESTİ ÖRNEĞİ0: 30 H
0: 31 H
50
4. aşama: Fhes = 14.7170 > Ftab = 6.85
H0 reddedilir. Sınırlamalar geçersizdir. Sınırlandırılmamış
model ile çalışılmalıdır.
51
2.BENZERLİK ORANI TESTİ ÖRNEĞİ1. aşama: H0: Sınırlamalar geçerlidir. ( )
H1: Sınırlamalar geçersizdir. ( )
2.aşama: c=1
3.aşama:
84.321
Ut
Rte e
enLR
2
2
log
42.144291.1211270.139log106 eLR
0: 30 H
0: 31 H
52
4.aşama: LR=14.42 >
H0 reddedilir. Sınırlamalar geçersizdir. Sınırlandırılmamış model ile çalışılmalıdır.
veya
84.32 tab
2
2
11log
U
Re R
RnLR
419.14995498.01994842.01log106
eLR > 84.32 tab
H0 reddedilir. Sınırlamalar geçersizdir. 53
3.LAGRANGE ÇARPANI TESTİ ÖRNEĞİ
1. aşama: H0: Sınırlamalar geçerlidir. ( )
H1: Sınırlamalar geçersizdir. ( )
2.aşama: c=1
3.aşama:
84.321
neee
LMRt
UtRt
/2
22
483.13106/127.139
4291.121127.139
LM
0: 31 H
0: 30 H
54
84.321 4.aşama LM=13.483 >
H0 reddedilir. Sınırlamalar geçersizdir.
veya
nRRRLMR
RU
/)1()(
2
22
481.13106/)994842.01(
)994842.0995498.0(
LM > 84.321
H0 reddedilir. Sınırlamalar geçersizdir. Sınırlandırılmamış model ile çalışılmalıdır.
55
WALD TESTİ ÖRNEĞİ1. aşama: H0: Sınırlamalar geçerlidir. ( )
H1: Sınırlamalar geçersizdir. ( )
2.aşama: c=1
3.aşama:
84.321
neee
WUt
UtRt
/2
22
449.15106/4291.121
4291.1211270.139
W
0: 30 H
0: 31 H
56
W=15.449 >
H0 reddedilir. Sınırlamalar geçersizdir.
veya
84.321
nRRRW
U
RU
/)1()(
2
22
446.15106/)995498.01(
)994842.0995498.0(
W > 84.321
H0 reddedilir. Sınırlamalar geçersizdir. Sınırlandırılmamış model ile çalışılmalıdır.
57
LM=13.483
LR=14.42
W=15.449
LM LR W
58
Yt=β1+β2GFAİZ β3DKAÇIK+β4EAÇIK+β5ÜRETİMAÇIK+ut
0:0:
431
430
HH
Sınırlandırılmamış model: = 0.9954982UR
4291.1212 Ute 59
Sınırlandırılmış model: =0.9945972RR
7361.1452 Rte 60
1. aşama: H0: Sınırlamalar geçerlidir. ( )
H1: Sınırlamalar geçersizdir. ( )
2.aşama: c=2
0: 430 H
0: 431 H
991.52 tab
3.aşama: neee
WUt
UtRt
/2
22
218.21106/4291.121
4291.1217361.145
W
4.WALD TESTİ ÖRNEĞİ
61
W=15.449 >
H0 reddedilir. Sınırlamalar geçersizdir.
veya
991.52 tab
nRRRW
U
RU
/)1()(
2
22
214.21106/)995498.01(
)994597.0995498.0(
W
W=15.449 >
H0 reddedilir. Sınırlamalar geçersizdir. Sınırlandırılmamış model ile çalışılmalıdır.
991.52 tab
62