Upload
others
View
15
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. Aynı
modelde sınırlama olursa, 32
İi XXXXY 554433221ˆˆˆˆˆ
modeli,
4
32
* XXXİ
tanımlaması ile model,
İii XXXY 5544
*
21ˆˆˆˆ
olarak tahmin edilir.
olarak incelenebilir. Burada,
İi XXXXY 55443221ˆˆ)(ˆˆ
5
DOĞRUSAL SINIRLAMALARIN TESTİ
Sınırlamalar doğrusal olduğunda test edilmeleri için t ve F
testleri kullanılabilir.
t TESTİ
Katsayıların 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 edilmek
istendiğinde ise, sabit katsayının anlamlılığın yani sıfırdan
farklı olup olmadığının test edilmesi gerekecektir. Sabit değer
kısıtlaması birden fazla parametre için geçerli ise, t testi her
biri için ayrı ayrı uygulanacaktır. Test işlemleri
sınırlandırılmamış model ile yapılacaktır.
İki parametrenin birbirine eşit olması, toplamlarının veya
farklarının belirli bir değere eşit olması şeklinde bir sınırlama
söz konusu ise, yani veya sınırlaması
veya örneğin veya sınırlaması test
edilecekse 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
st olacaktır.Burada,
8
olacaktır. Diğer işlemler daha önce açıklandığı gibi
yapılacaktır.
),(2 21
2ˆ
2ˆ
2ˆˆ
2121
Covsss
9
Uygulama: Türkiye’nin 1980-2000 yılları arasında elde ettiği
turizm gelirlerini (TG) incelemek amacıyla Türkiye’ye gelen
turist sayısı (TS) ve turizm yatırımları (TY) değişkenleri ile tam
logaritmik model elde edilmiştir. Bulunan bu modelde turist
sayısına ilişkin parametrenin turizm yatırımlarına ilişkin
parametre 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( 22
ˆˆ32
s
11
thes= 3.273 > ttab= 1.734
H0 reddedilir. Sınırlama geçerli değildir.
Parametrelerin birbirine eşit olduğu söylenemez.( ) 32
12
F TESTİ Doğrusal 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
kne
ceeF
olarak hesaplanacaktır. Burada,
RU kkc
2
Re
2
Ue
14
ve test istatistiğinin dağılımı c ve (n- kU) serbestlik
dereceli F dağılımıdır.
F test istatistiği R2 değerleri ile,
)/()1(
/)(2
22
knR
cRRF
U
RU
olarak da hesaplanabilir.
veya
)/()(
/)(
knHBD
cRBDRBDF RU
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(makin
e saati)
1 60 300
2 120 1200 400
3 190 1430 420
4 250 1100 400
5 300 1520 510
6 360 1620 590
7 380 1800 600
8 430 1820 630
9 440 1800 610
10 490 1750 630
11 500 1950 850
12 520 1960 900
13 540 1830 980
14 410 1900 900
15 350 1500 800
16
32 log366228.0log721901.272020.16log XXY
n=15, k=3 915.02 uR
Bu üretim fonksiyonu sınırlanmamış modeldir, zira b
parametrelerine sınır konmamıştır.
Şimdi b2 + b3 =1 sınırlamasını koymak isteyelim.
1. Aşama: 1:
1:
321
320
bbH
bbH
2. Aşama: 05.0 anlamlılık seviyesi ve f1=c=1 sınırlama,
f2=n-k=15-3=12 sd. lerinde Ftab=4.75
2 3
1 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 fonksiyonunu
belirleyip EKKY ile tahmin etmeliyiz, yani sınırlandırılmış
EKKY’yı uygulamalıyız. Şöyleki; yukarıdaki sınırlandırılmamış
orijinal üretim fonksiyonu;
uXbXbbY 33221 lnlnln
göre H0 hipotezi sınırlaması b2 + b3=1’i dikkate almak için
3223 11 bbveyabb
alınmalıdır. Biz sonuncusunu alalım:
uXXbXb
uXbXbbY
)ln(lnln
lnln)1(ln
23321
33231
veya 18
uXXbbXY
veya
uX
Xbb
X
Y
uXbXbbXY
uXbXbXbY
uXXbbXY
)/ln()/ln(
)ln()ln(
lnlnlnln
lnlnlnln
)ln(lnlnln
23312
2
331
2
233312
332321
23312
Burada Y/X2, üretim/emek oranı; X3/X2, sermaye/emek oranı
olup, iktisadi yönden önemlidir. İşte b1 ve b3 ‘ün denklemden
EKKY ile tahmini sınırlandırılmış EKKY adını alır. b3’ü bu
yöntemle bulduktan sonra b2 =1-b3’den b2’yi bulabiliriz. Üretim
fonksiyonu için yani sınırlandırılmış EKKY tahmin sonuçları
şöyledir:
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 farklı
olduğu kabul edilir. Buradan, istatistik testlerden anlamlılık
seviyesinin tespitinin, testi gerçekleştirmeden önce yapılması
gerektiği sonucu çıkmaktadır.
088129.33
^
2
^
bb
Sınırlı EKKY tahminlerinden bulunduğuna göre 279176.13
^
b
279176.0279176.112
^
b
olacaktır. 20
Yapısal Kararlılığın Sınanması
21
21.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Yapısal Kararlılığın Sınanması
22
21.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Yapısal Kararlılığın Sınanması
23
21.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Yapısal Kararlılığın Sınanması
24
21.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Yapısal Kararlılığın Sınanması
25
21.-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
26
21.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Chow Sınaması
27
21.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
Chow Sınaması Verilen 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.
28
21.-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
29
21.-30. slaytlar arası http://yalta.etu.edu.tr/econometrics-lecture-notes.html sayfasından alınmıştır.
16
Chow Sınaması
1 2 3HKT HKT HKT RHKT
30
21.-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 3lnY b b lnX b lnX 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
Yln
3. ADIM: 1. adımdaki değerlerinin log.
YdoğYZiˆln)(ˆln 4. ADIM:
5.ADIM: 4.adımda elde edilen Z değişkeni 1 nolu modeldeki
doğrusal regresyon modeline bağımsız değişken olarak
eklenir .
Z değişkeninin katsayı tahmini istatistiksel olarak anlamlı
ise 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(II)-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.
2X
3X
UYGULAMA:
İzmir ilinde 1971(II)-1975(II) üçer aylık dönemlerinde onikişer
adetlik demet gül talebi incelenmiştir. Demet gül talebi Y
bağımlı değişken, bir demet gülün fiyatı X2 ve ikame mal olarak
da bir demet karanfilin fiyatıX3 bağımsız değişken olarak
modele alınmıştır. Bu model hem doğ-doğ hem de log-log
model 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 3lnY 9.2278 1.7607lnX 1.3398lnX R2 = 0.7292
34
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 = t13, =0.05 = 2.160
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 L
s(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 L
s(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 2.814Z
s(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
hes
2.814t 17.15
0.164
37
DOĞRUSAL OLMAYAN SINIRLAMALAR
İiiii XXXY 4433221
ˆˆˆˆ
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,
3
4
1
38
İiiii XXXY
4
3
33221
1ˆˆˆ
olacaktır. Bu model doğrusal olmayan bir modeldir. Model
parametreleri, en küçük kareler veya farklı bir yöntemle
tahmin edilecektir.
olacağı model,
39
DOĞRUSAL OLMAYAN SINIRLAMALARIN TESTİ
Gerçekte 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 TESTİ Benzerlik 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 serbestlik
dereceli ki-kare dağılımıdır. c sınırlama sayısıdır. Temel
hipotez sınırlamaların geçerli olduğunu,alternatif hipotez ise
sınırlamaların geçerli olmadığını ifade eder. 41
LR test istatistiği hata payı ve c serbestlik derecesi ile
ki-kare tablosundan bulunacak değer ile karşılaştırılır. LR
tablo değerinden büyükse H0 hipotezi reddedilir, sınırlamalar
geçersizdir. Aksi söz konusu ise sınırlamalar geçerlidir.
LR test istatistiği sınırlandırılmış ve sınırlandırılmamış
modellerin artıklarının karelerinin toplamı ile
Ut
Rt
ee
enLR
2
2
log
veya sınırlandırılmış ve sınırlandırılmamış modellerin
belirlilik katsayısı ile,
olarak da hesaplanabilir.
2
2
1
1log
U
Re
R
RnLR
42
LAGRANGE ÇARPANI TESTİ
Bu test Lagrange fonksiyonuna ve sınırlandırılmış modelin
tahminine dayanarak yapılır. Büyük örnekler için
ne
eeLM
Rt
UtRt
/2
22
olarak hesaplanır ve test istatistiğinin dağılımı c (sınırlama
sayısı) serbestlik dereceli ki-kare dağılımıdır. LM test
istatistiği R2 değerleri ile,
nR
RRLM
R
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 katsayılarının
tümünün anlamlılığını test etmek için kullanılabilir. Bu
durumda test istatistiği sınırlandırılmamış modelin belirlilik
katsayısı kullanılarak
2
UR
2
UnRLM
hesaplanır. LM test istatistiğinin dağılımı test edilen
parametre sayılı (k-1) serbestlik dereceli ki-kare
dağılımıdır. 44
WALD TESTİ
Testte, sınırlandırılmamış modelden tahmin edilen varyans
kullanıldığından sınırlandırılmamış modelin tahminini gerektirir.
Birden fazla sınırlama test edilebilir. Sınırlama sayısı c ile ifade
edilebilir. Wald test istatistiği,
ne
eeW
Ut
UtRt
/2
22
olarak hesaplanır. Wald test istatistiği R2 değerleri ile,
nR
RRW
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
H
H
Yt=β1+β2GFAİZ β3DKAÇIK+β4EAÇIK+β5ÜRETİMAÇIK+ut
2
UR
4291.1212 Ute 48
Sınırlandırılmış model: = 0.994842 2
RR
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
knR
cRRF
U
RU
7170.14101/)995498.01(
1/)994842.0995498.0(
F
1. F TESTİ ÖRNEĞİ
0: 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 ÖRNEĞİ
1. aşama: H0: Sınırlamalar geçerlidir. ( )
H1: Sınırlamalar geçersizdir. ( )
2.aşama: c=1
3.aşama:
84.32
1
Ut
Rt
ee
enLR
2
2
log
42.144291.121
1270.139log106 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
1
1log
U
Re
R
RnLR
419.14995498.01
994842.01log106
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:
84.32
1
ne
eeLM
Rt
UtRt
/2
22
483.13106/127.139
4291.121127.139
LM
0: 31 H
0: 30 H
54
84.32
1 4.aşama LM=13.483 >
H0 reddedilir. Sınırlamalar geçersizdir.
veya
nR
RRLM
R
RU
/)1(
)(2
22
481.13106/)994842.01(
)994842.0995498.0(
LM > 84.32
1
H0 reddedilir. Sınırlamalar geçersizdir. Sınırlandırılmamış
model ile çalışılmalıdır.
55
WALD TESTİ ÖRNEĞİ
1. aşama: H0: Sınırlamalar geçerlidir. ( )
H1: Sınırlamalar geçersizdir. ( )
2.aşama: c=1
3.aşama:
84.32
1
ne
eeW
Ut
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
84.32
1
nR
RRW
U
RU
/)1(
)(2
22
446.15106/)995498.01(
)994842.0995498.0(
W > 84.32
1
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
H
H
Sınırlandırılmamış model: = 0.995498 2
UR
4291.1212 Ute 59
Sınırlandırılmış model: =0.994597 2
RR
7361.1452 Rte60
1. aşama: H0: Sınırlamalar geçerlidir. ( )
H1: Sınırlamalar geçersizdir. ( )
2.aşama: c=2
0: 430 H
0: 431 H
991.52 tab
3.aşama: ne
eeW
Ut
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
nR
RRW
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