Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir eğitmen tarafından sunulan ekonometrik model tahminleme yöntemlerini anlatan kapsamlı bir eğitim içeriğidir.
- Video, kesit serisi veri setinin IU ve EViews programlarına aktarılması ile başlayıp, basit regresyon modelinin oluşturulması, yorumlanması ve farklı model formlarının (doğrusal, tam logaritmik, yarı logaritmik ve doğrusal-logaritmik) tahmin edilmesi sürecini adım adım göstermektedir. Eğitmen, tüketim harcaması ve gelir arasındaki ilişkiyi örnek olarak kullanarak, model seçim kriterleri olan R-kare, AIC, BIC gibi istatistiksel değerlerin nasıl değerlendirileceğini açıklamaktadır.
- Videoda ayrıca model tahminleme yöntemlerinin üç farklı yolu (eşitlik ekranı, quick menüsü ve komut ekranı) gösterilmekte ve model sonuçlarının hem istatistiksel hem de iktisadi yorumlanması detaylı olarak anlatılmaktadır. Bir sonraki derste modern spesifikasyon konusunun daha derinlemesine inceleneceği belirtilmektedir.
- 00:01İta'da Kesit Serisi Veri Seti Oluşturma
- İta programında basit ekometrik model tahminleri yapılacak.
- Örnek için 10 gözlemden oluşan bir kesit serisi kullanılacak.
- İta'da "File > New > Work File" seçeneği ile kesit serisi için "Unstructured Undated" seçeneği seçilir.
- 01:54Veri Setini İta'ya Aktarma
- Excel'den kopyalanan veri seti İta'ya "Quick > Empty Group" seçeneği ile aktarılır.
- Veri seti aktarıldıktan sonra değişken isimleri değiştirilebilir (örneğin Y = Tüketim Harcaması, X = Gelir).
- Veri setine ait tanımlayıcı istatistikler ve grafikler incelenmelidir.
- 04:35Tanımlayıcı İstatistikler ve Grafikler
- Tüketim harcaması serisinin ortalaması 4,30, standart sapması 5,43, çarpıklığı 0,19, asimetrisi pozitif, basıklığı 1,81 ve normal dağılımlı olduğu görülmüştür.
- Gelir serisinin ortalaması 19,50, pozitif asimetrisi, normale göre basık ve normal dağılımlı olduğu tespit edilmiştir.
- Scatter grafiği çizildiğinde gelir arttıkça tüketimin arttığı gösteren doğrusal bir ilişki görülmüştür.
- 08:33Regresyon Modeli Tahmini
- Amac, değişkenler arasındaki en uygun ilişkiyi gösteren regresyon doğrusunu tahminlemektir.
- Grafik üzerinden "Fit Lines" kısmından regresyon doğrusu eklenerek doğrusal ilişkinin uyumlanabileceği görülmüştür.
- Veriler tanımlayıcı istatistikleriyle incelenmiş, dağılımları incelenmiş ve doğrusal ilişkinin modellemesi yapılabilir hale getirilmiştir.
- 10:57Basit Regresyon Modelinin Oluşturulması
- İlk yöntemde bağımlı değişken (tüketim harcaması) ve bağımsız değişken (gelir) seçilerek regresyon modeli oluşturulur.
- Seçilen değişkenler "Open" ve "Equation" seçenekleriyle denklem olarak açılır.
- Equation estimation ekranında ilk görülen değişken bağımlı değişken, ikinci görülen değişken ise sabit katsayıdır.
- 12:14Regresyon Modelinin Özellikleri
- En küçük kareler (LS) yöntemi kullanılarak model tahmin edilir ve örnek hacmi 10 gözlem için seçilmiştir.
- Sabit terimi olmayan bir modelle çalışmak isteyenler c katsayısını silebilir, ancak sabitin anlamsız olması gerektiği durumlarda bu yapılabilir.
- Option kısmında kovaryans metrudu, bilgi matrisleri, ağırlık matrisi ve optimizasyon tekniği gibi ek bilgiler bulunur.
- 13:49Regresyon Modelinin Sonuçları
- Regresyon modelinin tahminlenmiş halinin çıktısında bağımlı değişken (tüketim harcaması), yöntem (en küçük kareler), tarih ve örnek hacmi bilgileri yer alır.
- Variable kısmında bağımsız değişkenler ve sabit katsayı, katsayı değerleri, hatalar, istatistikler ve prob değerleri gösterilir.
- Tüketim harcama tahmin denklemi 29,81 + 0,739 gelir şeklinde yazılabilir.
- 15:37Katsayıların Yorumlanması
- Katsayıların istatistiksel anlamlılığına prob değerlerine bakarak karar verilir.
- Gelir değişkenine ait katsayı ve sabit katsayının prob değerleri %5 önem seviyesinde 0,05'ten küçük olduğu için istatistiksel olarak anlamlıdır.
- İktisadi yorumda, gelir 0,739 birim arttığında tüketim harcaması ortalama 29,81 birim artar.
- 17:42Model Çıktılarının Değerlendirilmesi
- R-kare belirlilik katsayısı, bağımlı değişkendeki değişmenin %94,60'ının gelir tarafından açıklandığını gösterir ve modelin başarılı olduğunu belirtir.
- Standart hata, regresyonun hata karesinin n-2'ye bölünmesi ve karekökü alınarak hesaplanır.
- Model seçim kriterleri olarak AIC, BIC, HQ kriterleri ve Durbin-Watson istatistiği önemlidir.
- 21:40EVS Programında Model Kaydetme ve Ekranı Dondurma
- EVS programında modeli kaydetmek için "name" diyerek isimlendirebilirsiniz, ancak bu şekilde kaydedilen model son yapılan işlem olarak açılır.
- Ekranı sabitlemek için "freeze" diyerek isimlendirebilirsiniz, bu şekilde ekran sabit kalır ve daha sonra aynı şekilde görüntülenebilir.
- Sabitlenen modelde işlem yapmak için eşitlik sembolüne tıklayarak işlem yapabilirsiniz.
- 23:08Model Tahmin Yöntemleri
- Model tahmininde birinci yöntem, ana menüden "quick" ve "estimate equation" seçeneğini kullanarak bağımlı ve bağımsız değişkenleri seçerek model tanımlamaktır.
- İkinci yöntem, komut ekranından "ls" komutu kullanarak bağımlı değişken (tüketim harcaması), bağımsız değişken (gelir) ve sabit katsayıyı belirterek model tahmin etmektir.
- Üçüncü yöntem, kullanıcı dostu menüleri aracılığıyla işlem yapmaktır.
- 25:42Tam Logaritmik Model Oluşturma
- Doğrusal model yerine tam logaritmik model oluşturmak için önce değişkenlerin doğal logaritmalarını (ln) hesaplamak gerekir.
- Logaritma değerlerini oluşturmak için "quick" menüsünden "generate series" seçeneği kullanılabilir.
- Tam logaritmik modelde, gelirdeki %1'lik artış tüketim harcamasını %0,33 arttırır ve tüketim harcamasının ortalama değerini bulmak için logaritmik değerin anti-logaritması alınmalıdır.
- 31:23Tam Logaritmik Modelin Farklı Yöntemleri
- Tam logaritmik modeli oluşturmak için, normal modeli açıp bağımlı değişken yerine "ln" yazarak da aynı sonucu elde edebilirsiniz.
- Komut ekranından "series" komutu kullanarak da logaritma serileri oluşturabilirsiniz.
- Tam logaritmik modelde, "ls lnim" komutu ile bağımlı değişken (ln tüketim harcaması), bağımsız değişken (ln gelir) ve sabit katsayıyı belirterek model tahmin edilebilir.
- 34:48Yarı Logaritmik Model Tahminleme
- Yarı logaritmik formda model tahminlemek için bağımlı değişkenin logaritmik, bağımsız değişkenin doğrusal olduğu form kullanılır.
- Model tahminlemek için değişkenleri seçip sağ tıklayıp "expansion" seçeneği kullanılabilir veya "estimate equation" komutu kullanılabilir.
- Yarı logaritmik modelde, gelirdeki bir birimlik artış tüketim harcamasını %1,60 arttırmaktadır.
- 37:33Doğrusal Logaritmik Model Tahminleme
- Doğrusal logaritmik modelde bağımlı değişken doğrusal, bağımsız değişken logaritmik olur.
- Bu modelde bağımsız değişkenin katsayısı istatistiksel olarak anlamlı iken sabit katsayının anlamlı olmadığı görülür.
- Gelirdeki %1'lik artış tüketim harcamasını 0,142 birim arttırır.
- 39:40Model Seçimi
- Bağımlı değişkenleri aynıysa (örneğin tüketim harcaması), R karesi, AIC, BIC, QL, OLS gibi değerler karşılaştırılarak model seçimi yapılabilir.
- Bağımlı değişkenin doğrusal ve logaritmik olduğu modelleri karşılaştırmak için özel testler gereklidir.
- R karesi büyük olan model daha başarılıdır ve iktisadi geçmişinde sabit katsayı olması önemliyse, sabit katsayısı anlamlı olan model tercih edilmelidir.
- 42:42Model Karşılaştırması
- Model 2 ve Model 3 karşılaştırıldığında, R karesi 0,91 olan Model 2 (tam logaritmik form) daha uygun olarak değerlendirilir.
- AIC, BIC, QL, OLS gibi değerler de karşılaştırılarak model seçimi yapılabilir.
- Dersin sonunda üç farklı model tahminleme yöntemi ve değişken oluşturma konuları ele alınmıştır.