Otokorelasyon: Revizyonlar arasındaki fark

[kontrol edilmemiş revizyon][kontrol edilmemiş revizyon]
İçerik silindi İçerik eklendi
Noyder (mesaj | katkılar)
Değişiklik özeti yok
Noyder (mesaj | katkılar)
Değişiklik özeti yok
1. satır:
{{düzenle|Nisan 2008}}
'''Otokorelasyon''', çoklu regresyon analizinde hata teriminin birbirini izleyen değerleri arasında ilişki bulnumasıbulunması halidir. Bu durum, genel doğrusal regresyon modelinin önemli bir varsayımından sapmadır. VarsayımGenel doğrusal regresyon modeli varsayım gereği olarak, hata terimleri arasında bir ilişki yoktur.
n
*Kov(u<sub>i</sub>u<sub>j</sub>)=E{[u<sub>i</sub>-E(u<sub>i</sub>)][u<sub>j</sub>-E(u<sub>j</sub>)]}=E(u<sub>i</sub>u<sub>j</sub>)=0
==Tanınım==
t=1
Matematiksel olarak otokorelasyon olmaması demek, i ve j zaman noktalarindaki rassal u hatalarinin arasindaki kovaryansin 0'a esit olmasi olarak gosterilir: <br/>
*Kov(u<sub>i</sub>u<sub>j</sub>)=E{[u<sub>i</sub>-E(u<sub>i</sub>)][u<sub>j</sub>-E(u<sub>j</sub>)]}=E(u<sub>i</sub>u<sub>j</sub>)=0
 
 
Oysa bu varsayım bazen çiğnenmekte ve hata terimleri arasında bir ilişki bulunmaktadır. Bu durum otokorelasyon olarak adlandırılmaktadır.
 
Oysa pratikle bu varsayım bazen çiğnenmekte ve hata terimleri arasında bir ilişki bulunmaktadır. Bu durum '''otokorelasyon''' olarak adlandırılmaktadır.
 
*E=(u<sub>i</sub>u<sub>j</sub>)≠0, i≠j
 
Eğer i ve j arasinda tek bir zaman donemi varsa buna ''birinci derece otokorelasyon'' denilir.
Otokorelasyon, daha çok zaman seirlerinde ortaya çıkmaktadır. Bununla birlikte, yatay kesit verilerinde de otokorelasyona rastlanabilir. Zaman serilerinde otokorelayon, zaman periyodunun büyüklüğü veya küçüklüğüne göre değişebilir. Periyon, bir aylık veriye dayanıyorsa, otokorelasyon büyük, üç aylıksa biraz daha küçük ve yıllıksa daha da küçüktür.
 
*E=(eu<sub>ti</sub>-eu<sub>t-i+1</sub>)<sup>2</sup>≠0,
 
Pratik ekonometrinin ilk gelisme caglarinda cok kere sadece bu turlu otokorelasyon incelemesi ile yeterli bulunmakta idi. Bu durumda rassal hatalarin varyns-kovaryans matrisi bir diyagonal matris olur:
Var-Kov = ∑e<sub>t</sub>&sigma;<sup>2</sup>I
 
Otokorelasyon, uygulamade daha çok zaman seirlerindeserilerinde ortaya çıkmaktadır. Bununla birlikte, yatay kesit verilerinde de otokorelasyona (serisel korelasyon) rastlanabilir. Zaman serilerinde otokorelayon, zaman periyodunun büyüklüğü veya küçüklüğüne göre değişebilir. PeriyonPeriyod, bir aylık veriye dayanıyorsa, otokorelasyon büyük, üç aylıksa biraz daha küçük ve yıllıksa daha da küçüktür.
 
Otokorelasyonun nedenleri şu şekilde sıralanabilir:
Satır 23 ⟶ 36:
#E.K.K. tahminlerine göre yapılan öngörüler etkin değildir.
 
 
Otokorelasyonun belirlenmesinde kullanılan ve en çok bilinen testlerden biri Durbin-Watson testidir. Dört aşamalı bir testtir.
==Durbin-Watson Testi==
 
Otokorelasyonun belirlenmesinde kullanılan ve en çok bilinen testlerden biri Durbin-Watson testidir. Dört aşamalı bir testtir.
Bu test sadece birinci derecedeki otokorelasyonun bulunup bulunmadığını sınamaktadır. Dört aşamalı bir testtir.
 
1. Aşama: Hipotezlerin kurulması
Satır 36 ⟶ 53:
3. Aşama: Kritik oran d istatistiğinin hesaplanması
 
d istatistiği, :
n
<math>d = {\sum_{t=2}^T (e_t - e_{t-1})^2 \over {\sum_{t=1}^T e_t^2}}</math>.
∑(e<sub>t</sub>-e<sub>t-1</sub>)<sup>2</sup>
t=2
d= ----------
n
∑e<sub>t</sub><sup>2</sup>
t=1
4. Aşama: Karşılaştırma ve karar aşaması
 
Bu aşamada, ikinci aşamada bulunan tablo tablo değerleri ile üçüncü aşamada hesaplanan d istatistiği karşılaştırılarak, otokorelasyonun varlığı konusunda bir sonuca ulaşılabilir. Karar vermede şu eşitsizlikler kullanılmaktadır.
 
*0<d<d<sub>L</sub> ise pozitif otokorelasyon
*d≤sub>L</sub>d≤d<sub>u</sub> ise karar verilememekte
*d<sub>u</sub>≤d<4-d<sub>u</sub> ise otokorelasyon yoktur
*4-d<sub>u</sub>≤d≤4-d<sub>L</sub> ise karar verilememekte
*4-d<sub>L</sub><d<4 ise negatif otokorelasyon sonuçları ortaya çıkmaktadır.
 
Durbin-Watson d testi şu durumlarda kullanılmamaktadır;
"https://tr.wikipedia.org/wiki/Otokorelasyon" sayfasından alınmıştır