Yapay zekadan makale özeti
- Kısa
- Ayrıntılı
- Bu video, bir konuşmacının panel veri analizi ve tahmin yöntemleri hakkında sunduğu kapsamlı bir eğitim içeriğidir.
- Video, panel bütünleşme tahmincilerinin (parametre tahminleri) nasıl yapılacağını adım adım anlatmaktadır. İlk bölümde Pool FMLS, Weighted FMLS, Dynamic OLS, ARDL, Group FMLS ve Group Dynamic OLS gibi yöntemler STATA programında uygulanırken, ikinci bölümde Panel ARDL, CC, AMG, CFM, OS ve Vals gibi yöntemler ele alınmaktadır. Her yöntem için hangi durumlarda (no cross section dependency, homojen veya heterojen) kullanılacağı, katsayıların nasıl yorumlanacağı ve R-kare değerlerinin nasıl değerlendirileceği açıklanmaktadır.
- Video, 32 yıllık ve 11 yatay kesitli bir veri seti üzerinde döviz kuru ve enerji değişkenleri kullanılarak örnekler sunmakta ve STATA'dan sonra başka bir programda devam edeceğini belirtmektedir.
- 00:03Panel Bütünleşme Tahmincileri Tanıtımı
- Video, birinci ve ikinci nesil panel bütünleşme sonuçlarının ardından tahmincileri (parametre tahminleri) konusunu ele alıyor.
- Tahminciler, y tahmini = b tahmini + b1 tahmini x1 + b2 tahmini x2 formülünde katsayıların değerlerini bulmayı amaçlıyor.
- Tahminciler için EViews, Stata ve Gauss programları kullanılacak ve sonuçlar her üç programda da gösterilecek.
- 01:19Havuzlanmış Tam Modifiye Edilmiş En Küçük Kareler (PFMLS)
- PFMLS, yatak bağımlılığı olmadığı ve homojen olduğunda kullanılan bir yöntemdir.
- Stata'da "Pool FMLS" seçeneği ile, bağımlı değişken döviz kuru, bağımsız değişken enerji olarak belirlenir.
- Katsayıların anlamlılığı prob değeri ile değerlendirilir; prob değeri 0,05'ten küçükse katsayı anlamlıdır.
- 03:46Ağırlıklandırılmış Tam Modifiye Edilmiş En Küçük Kareler (WAITED FMLS)
- WAITED FMLS, ağırlıklandırılmış tam modifiye edilmiş en küçük kareler yöntemidir ve yatak bağımlılığı olmadığı ve homojen olduğunda kullanılır.
- Bu yöntemde "WAITED FMLS" seçeneği ile, bağımlı değişken enerji, bağımsız değişken döviz kuru olarak belirlenir.
- Katsayıların anlamlılığı prob değeri ile değerlendirilir; prob değeri 0,05'ten küçükse katsayı anlamlıdır.
- 04:51Dinamik OLS
- Dinamik OLS, daha fazla oynaklık içeren bir modeldir ve yatak bağımlılığı olmadığı ve homojen olduğunda kullanılır.
- Bu yöntemde "Dynamic OLS" seçeneği ile, bağımlı değişken döviz kuru, bağımsız değişken enerji olarak belirlenir.
- Dinamik OLS'te prob değeri 0,02 ve R-kare değeri 0,53 olarak hesaplanır.
- 05:51ARDL (Ortalamaların Alındığı)
- ARDL, ortalamaların alındığı bir yöntemdir ve yatak bağımlılığı olmadığı, hem homojen hem heterojen durumlarda kullanılabilir.
- Bu yöntemde "ARDL" seçeneği ile, bağımlı değişken döviz kuru, bağımsız değişken enerji olarak belirlenir.
- ARDL'de uzun dönem katsayıları ve hata düzeltme modeli (correction) sonuçları sunulur.
- 08:32Gruplanmış Tam Modifiye Edilmiş En Küçük Kareler (GAFMS)
- GAFMS, gruplanmış tam modifiye edilmiş en küçük kareler yöntemidir ve yatak bağımlılığı olmadığı, heterojen durumlarda kullanılır.
- Bu yöntemde "Group GAFMS" seçeneği ile, bağımlı değişken döviz kuru, bağımsız değişken enerji olarak belirlenir.
- GAFMS'te alfa ve beta seçenekleri ile katsayılar ve varyans matrisi sonuçları elde edilebilir.
- 11:16Gruplanmış Dinamik OLS
- Gruplanmış dinamik OLS, gruplanmış tam modifiye edilmiş en küçük kareler yöntemidir ve yatak bağımlılığı olmadığı, heterojen durumlarda kullanılır.
- Bu yöntemde "Group Dynamic OLS" seçeneği ile, bağımlı değişken döviz kuru, bağımsız değişken enerji olarak belirlenir.
- Gruplanmış dinamik OLS'te gamma ve teta seçenekleri ile katsayılar ve varyans matrisi sonuçları elde edilebilir.
- 13:56Panel ARDL ve Mean Group Estimator
- Panel ARDL ve Mean Group Estimator (MGE) iki farklı yöntem olarak ele alınacak.
- CC (Common Correlated Effects) yöntemi, yatay kesit bağımlılığı varken ve heterojenlik durumunda kullanılır.
- AMG (Augmented Mean Group Estimator) yöntemi de yatay kesit bağımlılığı varken ve heterojenlik durumunda kullanılır.
- 14:44Veri Tanımlama ve CC Yöntemi
- Veriler Excel dosyasından import edilerek tanımlanır ve ilk satır isimler içerir.
- Veri setinde 32 yıl ve 11 yatay kesit bulunmaktadır.
- CC yöntemi için xdmg komutu kullanılır ve "full" parametresi ile tüm yatay kesit sonuçları, "robust" parametresi ile daha güçlü sonuçlar elde edilebilir.
- 18:48AMG Yöntemi
- AMG yöntemi, yatay kesit bağımlılığı varken ve heterojenlik durumunda kullanılır.
- AMG için de xdmg komutu kullanılır ve "augmented" parametresi ile tek sonuçlar, "augmented full" parametresi ile tüm yatay kesit sonuçları elde edilebilir.
- AMG yöntemi, Eberhardt'ın 2009 ve 2010 makalelerinden esinlenerek geliştirilmiştir.
- 20:06Gauss Yöntemi ve CFM Sonuçları
- Gauss yöntemi için CFM (Common Factor Model) kullanılır ve yatay kesit bağımlılığı varken ve homojenlik durumunda sonuçlar elde edilir.
- CFM sonuçları için t değeri hesaplanır ve t tablo değerinden büyükse hipotez reddedilemez, küçükse reddedilebilir.
- CFM sonuçlarında beta değeri 0,7 ve t değeri 760 olarak hesaplanmış, t tablo değeri 1,96 olduğu için hipotez reddedilemez ve katsayı anlamsızdır.
- 23:51OS ve Vals Sonuçları
- OS (Ordinary least squares) sonuçları da yatay kesit bağımlılığı varken ve homojenlik durumunda elde edilir.
- OS sonuçlarında beta değeri 357 ve t değeri 3,17 olarak hesaplanmış, t tablo değeri 1,96 olduğu için hipotez reddedilemez ve katsayı anlamlıdır.
- Vals sonuçlarında beta değeri 623 ve t değeri 1,96 olduğu için hipotez reddedilemez ve katsayı anlamlıdır.