kukla deĞİŞkenlİ modeller
DESCRIPTION
KUKLA DEĞİŞKENLİ MODELLER. Bir kukla değişkenli modeller (Varyans Analiz Modelleri). Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller). Kukla değişkenlerin karşılıklı olarak birbirini etkilemeleri. - PowerPoint PPT PresentationTRANSCRIPT
![Page 1: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/1.jpg)
1
KUKLA DEĞİŞKENLİ MODELLER• Bir kukla değişkenli modeller (Varyans Analiz Modelleri)
• Kukla değişkenlerin diğer kantitatif değişkenlerle alındığı modeller (Kovaryans Analizi Modeller)
• Kukla değişkenlerin karşılıklı olarak birbirini etkilemeleri
• Mevsim dalgalanmalarının ölçülmesinde kukla değişkenler
![Page 2: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/2.jpg)
2
Meslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.
Bir Kukla Değişkenli Modeller (Varyans Analiz Modelleri)
Har
cam
a
N
Meslek Lisesi
Devlet Lisesi
Birleştirilmiş Denklem Yıllık Okul Harcaması = 1 + 2ML + uML = 0 Devlet Lisesi Yıllık Okul Harcaması = 1 ML= 1 Meslek Lisesi Yıllık Okul Harcaması = 1 + 2
![Page 3: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/3.jpg)
3
0.0
20000.0
40000.0
60000.0
80000.0
100000.0
120000.0
1 2 3 4 5 6 7 8 9 101Devlet Lisesi Meslek Lisesi
1
ML = 0 Devlet Lisesi
ML= 1 Meslek LisesiYıllık Okul Harcaması = b1 + b2 ML + u
![Page 4: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/4.jpg)
4
BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLERHa
rcam
a
N
Meslek Lisesi
Devlet Lisesi
KUKLA DEĞİŞKENLERİN DİĞER KANTİTATİF DEĞİŞKENLERLE ALINDIĞI MODELLER
(KOVARYANS ANALİZİ MODELLER)
Harcama:Okul harcaması
N:Öğrenci sayısı
Bu kukla değişkenlerin açıklayıcı değişken olarak regresyon denkleminde nasıl yer aldıkları incelenecektir.
![Page 5: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/5.jpg)
5
Meslek lisesi ve devlet lisesine giden N tane öğrenci olduğu ve bunların yıllık okul harcamalarına ait verilerin olduğu varsayılsın.
Meslek lisesindeki öğrenciler belirli meslek dallarında yetenek sahibi olmaya çalışırken her meslek grubuna özgü gerekli olan araç ve gereçlerin temini için devlet lisesinde okuyan öğrencilere göre yıl içerisinde daha fazla harcama yapmaları gerekmektedir.
Her iki lisede okuyan öğrencilerin harcamaları arasındaki farkı görmek için birinci yol iki grup içinde ayrı ayrı regresyon denklemi oluşturmaktır.
Bununla birlikte iki ayrı regresyon denklemi kurmanın bazı sakıncaları olmaktadır. Bu sakıncalardan bir tanesi; büyük bir anakütle ile çalışmak yerine ayrı ayrı küçük örneklemler ile çalışmak katsayı tahminlerinin doğruluğu üzerinde ters etki olmasına neden olacaktır.
![Page 6: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/6.jpg)
6
OCC = 0 Devlet Lisesi Harcama = 1 + 2N + uOCC = 1 Meslek Lisesi Harcama= 1' + 2N + u
İki lise harcamaları arasındaki fark için diğer bir yol ise ; meslek lisesi harcama denkleminin sabit terimi 1' in devlet lisesinden daha büyük olduğunu varsayan bir hipotez kurmaktır.
Harc
ama
N
Meslek Lisesi
Devlet Lisesi
1
1'
Aslında, bu varsayım ile her iki lise için yıllık marjinal maliyetlerin aynı fakat sabit maliyetlerin farklı olduğu varsayımı yapılmaktadır. Marjinal maliyet varsayımı görünüşte makul gözükmese de, bu varsayım anlatımı kolaylaştırmak için yapılmaktadır.
![Page 7: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/7.jpg)
7
Har
cam
a
N
Meslek Lisesi
Devlet Lisesi
İki sabit terim arasındaki fark olarak tanımlanabilir: = 1' - 1.
1
1'
Devlet Lisesi Harcama = 1 + 2N + u Meslek Lisesi Harcama = 1' + 2N + u
![Page 8: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/8.jpg)
8
1' = 1 + olacaktır ve meslek lisesine ait harcama fonksiyonu aşağıdaki gibi yazılabilir:
OCC = 0 Devlet Lisesi Harcama = 1 + 2N + uOCC = 1 Meslek Lisesi Harcama = 1 + + 2N + u
= 1' - 1 idi.
Artık iki harcama fonksiyonunu birleştirip kukla değişken ML oluşturulabilir. ML öğrenci devlet lisesine gidiyor ise 0 değerini, meslek lisesine gidiyor ise 1 değerini almaktadır.
Birleştirilmiş Denklem Harcama = 1 + ML + 2N + uML = 0 Devlet Lisesi Harcama = 1 + 2N + uML= 1 Meslek Lisesi Harcama = 1 + + 2N + u
![Page 9: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/9.jpg)
9
Her zaman kukla değişkenler sadece iki değer alırlar; 0 yada 1. Eğer ML 0 değerini alır ise harcama fonksiyonu devlet lisesine giden öğrencilerin harcama fonksiyonu olmakta, yada eğer ML 1 değerini alırsa harcama fonksiyonu meslek lisesine giden öğrencilerin harcama fonksiyonu olmaktadır.
Har
cam
a
N
Meslek Lisesi
Devlet Lisesi
1
1+
Birleştirilmiş Denklem Harcama = 1 + ML + 2N + uML = 0 Devlet Lisesi Harcama = 1 + 2N + uML= 1 Meslek Lisesi Harcama = 1 + + 2N + u
![Page 10: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/10.jpg)
10
Bu aşamada bir şehirdeki 74 lise için gerçek veri setini kullanarak regresyon denklemi oluşturulabilir.
0100000200000300000400000500000600000700000
0 500 1000 1500
N
Har
cam
a
MeslekLisesiDevletLisesi
![Page 11: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/11.jpg)
11
Okul Okul Tipi Okul Harcaması N ML
1 Meslek 345,000 623 1
2 Meslek 537,000 653 1
3 Devlet 170,000 400 0
4 Meslek 526.000 663 1
5 Devlet 100,000 563 0
6 Devlet 28,000 236 0
7 Devlet 160,000 307 0
8 Meslek 45,000 173 1
9 Meslek 120,000 146 1
10 Meslek 61,000 99 1
Tablo ilk 10 okulun verilerini göstermektedir. Yıllık harcama yuan olarak ölçülmüştür. Bir yuan yaklaşık olarak 20 U.S centine eşittir. N okullardaki öğrenci sayısıdır.
BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER
ML okul tipini gösteren kukla değişkendir.
![Page 12: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/12.jpg)
12
. reg Harcama N ML
Source | SS df MS Number of obs = 74---------+------------------------------ F( 2, 71) = 56.86 Model | 9.0582e+11 2 4.5291e+11 Prob > F = 0.0000Residual | 5.6553e+11 71 7.9652e+09 R-squared = 0.6156---------+------------------------------ Adj R-squared = 0.6048 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 89248
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 331.4493 39.75844 8.337 0.000 252.1732 410.7254 ML | 133259.1 20827.59 6.398 0.000 91730.06 174788.1 _cons | -33612.55 23573.47 -1.426 0.158 -80616.71 13391.61------------------------------------------------------------------------------
Her ne kadar ML kukla değişken olsa da yeni bir açıklayıcı değişkenmiş gibi düşünülerek; Harcama değişkeni , N ve ML değişkenleri üzerine regresyona tabi tutulmaktadır.
Katsayı yorumları: Regresyon sonuçları eşitlik şeklinde yeniden yazılabilir. ML değişkenine 0 ve 1 değerleri verilerek yeni eşitlikler türetilebilir.
BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER
![Page 13: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/13.jpg)
13
Devlet Lisesi (ML = 0)
Harcama = -34,000 + 133,000ML + 331N
Harcama = -34,000 + 331N^
^
Eğer ML=0 olursa, devlet lisesine ait eşitlik elde edilir. Buradan yıllık marjinal harcamanın öğrenci başına 331 yuan olduğu ve sabit harcamanın da -34,000 Yuan olduğu ifade edilebilir.Kukla değişkenin katsayısı ile tahminlenmektedir. Meslek lisesindeki öğrenciler için extra yıllık sabit harcamayı ifade etmektedir.
BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER
![Page 14: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/14.jpg)
14
Devlet Lisesi (ML= 0)
Meslek Lisesi (ML = 1)
Eğer ML yerine 1 değeri konulursa, meslek lisesi öğrencileri için yıllık sabit harcamayı 99,000 yuan olarak hesaplayabiliriz. Meslek lisesindeki öğrencinin marjinal harcaması ise devlet okulundaki öğrenci ile aynıdır.
Harcama = -34,000 + 133,000ML + 331N
Harcama = -34,000 + 331N
Harcama = -34,000 + 133,000 + 331N = 99,000 + 331N
^
^
^
BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER
![Page 15: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/15.jpg)
15
Dağılma diyagramı regresyon sonuçlarından elde edilen iki harcama fonksiyonunu göstermektedir.
-100000
0
100000
200000
300000
400000
500000
600000
700000
0 500 1000 1500
Har
cam
a
N
Meslek Lisesi
Devlet Lisesi
BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER
![Page 16: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/16.jpg)
16
. reg Harcama N ML
Source | SS df MS Number of obs = 74---------+------------------------------ F( 2, 71) = 56.86 Model | 9.0582e+11 2 4.5291e+11 Prob > F = 0.0000Residual | 5.6553e+11 71 7.9652e+09 R-squared = 0.6156---------+------------------------------ Adj R-squared = 0.6048 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 89248
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 331.4493 39.75844 8.337 0.000 252.1732 410.7254 ML | 133259.1 20827.59 6.398 0.000 91730.06 174788.1 _cons | -33612.55 23573.47 -1.426 0.158 -80616.71 13391.61------------------------------------------------------------------------------
Kukla değişkeninin katsayısını test etmek için; H0: = 0 ve H1: ≠ 0 hipotezleri t testi yardımı ile test edilebilir. Bir başka ifadeyle, H0 hipotezi iki okul türü arasında sabit harcamalar bakımından fark olmadığını ifade etmektedir. ML’nin katsayısının prob değeri 0.05 önem düzeyinden küçük olduğu için H0 hipotezi reddedilebilmektedir. Yani iki okul türünün sabit harcamaları arasında fark vardır.
BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER
![Page 17: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/17.jpg)
17
reg Harcama N ML
Source | SS df MS Number of obs = 74---------+------------------------------ F( 2, 71) = 56.86 Model | 9.0582e+11 2 4.5291e+11 Prob > F = 0.0000Residual | 5.6553e+11 71 7.9652e+09 R-squared = 0.6156---------+------------------------------ Adj R-squared = 0.6048 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 89248
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 331.4493 39.75844 8.337 0.000 252.1732 410.7254 ML| 133259.1 20827.59 6.398 0.000 91730.06 174788.1 _cons | -33612.55 23573.47 -1.426 0.158 -80616.71 13391.61------------------------------------------------------------------------------
Benzer şekilde diğer katsayılar içinde t-testi yapabiliriz. İlk olarak N ele alınırsa; N ‘in katsayısının da istatistiksel olarak anlamlı olduğu söylenebilir. Bu da bize marjinal harcamaların istatistiksel olarak sıfırdan oldukça farklı olduğunu göstermektedir.
BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER
![Page 18: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/18.jpg)
18
. reg Harcama N ML
Source | SS df MS Number of obs = 74---------+------------------------------ F( 2, 71) = 56.86 Model | 9.0582e+11 2 4.5291e+11 Prob > F = 0.0000Residual | 5.6553e+11 71 7.9652e+09 R-squared = 0.6156---------+------------------------------ Adj R-squared = 0.6048 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 89248
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 331.4493 39.75844 8.337 0.000 252.1732 410.7254 ML | 133259.1 20827.59 6.398 0.000 91730.06 174788.1 _cons | -33612.55 23573.47 -1.426 0.158 -80616.71 13391.61------------------------------------------------------------------------------
1 = 0 yani sabit terim için t istatistiğine baktığımızda bu katsayının anlamsız olduğu görülmektedir.
BİR KUKLA ve BİR KANTİTATİF DEĞİŞKENLİ MODELLER
![Page 19: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/19.jpg)
19
BİRDEN FAZLA KUKLA DEĞİŞKENLİ MODELLER
Harcama:Okul harcaması
Sadece bir Di kukla değişkenli modellerin yanında, D sayısı iki, üç, hatta yirmiye kadar olan modeller de söz konusu olmaktadır.
Daha önce devlet lisesi ve meslek liseleri arasındaki harcama fonksiyonu arasındaki farkı belirtmek için kukla değişken kullanmıştık.
Şangay’da iki tip devlet okulu bulunmaktadır.
Bunlardan bir tanesi olağan akademik eğitimin verildiği genel liseler, diğeri ise akademik eğitim ile birlikte ticaret eğitimi veren ticaret liseleridir.
Harcama = 1+ TTEK + NNİT + İTİC + 2N + u
![Page 20: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/20.jpg)
20
Harcama = 1+ TTEK + NNİT + İTİC + 2N + u
Ticaret okullarının öğretim programı genel liselerden çok az bir farklılık göstermekte, sadece genel liselere göre birkaç ticaret eğitimleri bulunmaktadır.
Aynı şekilde iki tip meslek lisesi bulunmaktadır. Teknik eğitim okulları(TEK) ve Nitelikli (NİT) öğrenci yetiştiren liselerdir. Sonuçta kalitatif değişkenimiz dört gruba sahiptir.
Uygulamada; bir kategori temel sınıf olarak seçilmektedir ve buna bağlı olarak diğer kukla değişkenler tanımlanmaktadır. Genellikle, kategoriler içerisinde en basit ve normal olan kategori temel sınıf olarak seçilmektedir.
![Page 21: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/21.jpg)
21
Harcama = 1+ TTEK + NNİT + İTİC + 2N + u
Şangay örneğinde genel liseleri temel sınıf olarak seçmek en uygundur. Çünkü genel liseler sayıca çok olan liselerdir ve diğer liseler genel liselerin birer varyasyonlarıdır. Dolayısıyla okul tiplerine bağlı olarak üç tane kukla değişken tanımlayabiliriz. TEK : teknik eğitim okulları için kukla değişken; eğer öğrenci teknik okula gidiyorsa 1, diğer durumda 0 değerini alan kukla değişken.
Benzer şekilde NİT ve TİC kukla değişkenleri sırasıyla nitelikli öğrenci yetiştiren ve ticaret eğitimi veren okullar için birer kukla değişkenlerdir.
Her bir kukla değişkenin katsayı değeri bulunmaktadır ve bu katsayılar temel kategoriye göre her bir okul için ayrı ayrı ekstra harcama maliyetlerini ifade etmektedir.
Dikkat edilirse temel kategori (referans kategori) modelde yer almamaktadır ve çıkarılmış kategori olarak ifade edilir.
![Page 22: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/22.jpg)
22
Eğer gözlem genel lise ile ilgili ise; diğer kukla değişkenler sıfır değerini almakta ve regresyon modeli en basit duruma indirgenmektedir.
Harcama = 1+ TTEK + NNİT + İTİC + 2N + u
Genel Lise Harcama = 1+ 2N + u(TEK = NİT = TİC = 0)
![Page 23: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/23.jpg)
23
Eğer gözlem teknik lise ile ilgili ise; TEK değişkeni 1 değerini, diğer kukla değişkenlerde 0 değerini almaktadır. Regresyon denklemi ise yukarıda gösterildiği gibi olmaktadır.
Harcama = 1+ TTEK + NNİT + İTİC + 2N + u
Genel Lise Harcama = 1+ 2N + u(TEK = NİT = TİC = 0)
Teknik Lise Harcama = (1+ T) + 2N + u(TEK = 1; NİT= TİC = 0)
![Page 24: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/24.jpg)
24
Harcama = 1+ TTEK + NNİT + İTİC + 2N + u
Genel Lise Harcama = 1+ 2N + u(TEK = NİT = TİC = 0)
Teknik LiseHarcama = (1+ T) + 2N + u(TEK = 1; NİT = TİC = 0)
Nitelikli Öğr. Yet. Lİsesi Harcama = (1+ N) + 2N + u(NİT= 1; TEK = TİC = 0)
Ticaret Lisesi Harcama = (1+ Tİ) + 2N + u(TİC = 1; TEK = NİT = 0)
Benzer şekilde gözlem nitelikli öğrenci yetiştiren lisesi yada Ticaret lisesi ise, regresyon denklemleri yukarıda gösterildiği gibi oluşturulmaktadır.
![Page 25: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/25.jpg)
25
Yukarıdaki diyagram modeli grafiksel olarak göstermektedir. katsayısı; teknik, nitelikli ve ticaret lisesi için genel liseye göre ekstra gider harcamalarını ifade etmektedir.
Har
cam
a
N
1+T
1+
1+İ
1
Nitelikli
Ticaret
N
İ
T
Teknik
Genel
![Page 26: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/26.jpg)
26
Dikkat edilecek olurda katsayıların büyüklülüğü ve işaretleri için önceden bir varsayımda bulunulmamaktadır. Örnek verilerinden tahminlenecektir.
Har
cam
a
N
1+T
1+N
1+Tİ
1
Nitelikli
Ticaret
N
Tİ
T
Teknik
Genel
![Page 27: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/27.jpg)
27
Okul Tip Harcama N TEK NİT TİC
1 Teknik 345,000 623 1 0 02 Teknik 537,000 653 1 0 03 Genel 170,000 400 0 0 04 Nitelikli 526.000 663 0 1 05 Genel 100,000 563 0 0 06 Ticaret 28,000 236 0 0 17 Ticaret 160,000 307 0 0 18 Teknik 45,000 173 1 0 09 Teknik 120,000 146 1 0 0
10 Nitelikli 61,000 99 0 1 0
Yukarıdaki tabloda 74 liseden 10 tanesine ait veriler gösterilmektedir. Her bir kukla değişken TEK, NİT ve TİC kukla değişkenleri okul tiplerine göre oluşturulmuştur.
![Page 28: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/28.jpg)
28
Dağılma diyagramı yeni okulların verilerini göstermektedir.
0100000200000300000400000500000600000700000
0 500 1000 1500
Harc
ama
NTeknik Lise Ticaret Lisesi Genel Lise Nitelikli Lisesi
![Page 29: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/29.jpg)
29
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 342.6335 40.2195 8.519 0.000 262.3978 422.8692 TEK | 154110.9 26760.41 5.759 0.000 100725.3 207496.4 NİT | 143362.4 27852.8 5.147 0.000 87797.57 198927.2 TİC | 53228.64 31061.65 1.714 0.091 -8737.646 115194.9 _cons | -54893.09 26673.08 -2.058 0.043 -108104.4 -1681.748------------------------------------------------------------------------------
Verilere ait regresyon sonuçları tabloda gösterilmiştir. N in katsayısı her bir öğrenci için marjinal harcamayı ifade etmektedir ve yaklaşık 343 yuandır.
![Page 30: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/30.jpg)
30
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
------------------------------------------------------------------------------ Harcama| Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 342.6335 40.2195 8.519 0.000 262.3978 422.8692 TEK | 154110.9 26760.41 5.759 0.000 100725.3 207496.4 NİT | 143362.4 27852.8 5.147 0.000 87797.57 198927.2 TİC | 53228.64 31061.65 1.714 0.091 -8737.646 115194.9 _cons | -54893.09 26673.08 -2.058 0.043 -108104.4 -1681.748------------------------------------------------------------------------------
TEK, NİT ve TİC değişkenlerinin katsayıları 154,000, 143,000, ve 53,000 sırasıyla genel liselere göre ilave yıllık sabit harcamaları ifade etmektedir.
![Page 31: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/31.jpg)
31
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 342.6335 40.2195 8.519 0.000 262.3978 422.8692 TEK | 154110.9 26760.41 5.759 0.000 100725.3 207496.4 NİT | 143362.4 27852.8 5.147 0.000 87797.57 198927.2 TİC | 53228.64 31061.65 1.714 0.091 -8737.646 115194.9 _cons | -54893.09 26673.08 -2.058 0.043 -108104.4 -1681.748------------------------------------------------------------------------------
Sabit terim genel liselerde sabit harcamaların -55000 yuan olduğunu söylemektedir.
![Page 32: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/32.jpg)
32
Harcama = -55,000 + 154,000TEK + 143,000NİT+ 53,000TİC + 343N
En üsteki regresyon sonuçlarını göstermektedir. Her bir okul için harcama fonksiyonları ayrı ayrı gösterilecektir.
^
![Page 33: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/33.jpg)
33
Harcama= -55,000 + 154,000TECH + 143,000NİT + 53,000TİC + 343N
Genel Lise Harcama = -55,000 + 343N(TEK= NİT = TİC = 0)
Öğrenci başına yıllık marjinal harcama 343 yuandır. Öğrenci başına yıllık sabit harcamalar her bir okul için -55,000 yuan olarak tahmin edilmiştir.
^
^
![Page 34: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/34.jpg)
34
Harcama = -55,000 + 154,000TEK + 143,000NİT + 53,000TİC + 343N
Genel Lise Harcama = -55,000 + 343N(TEK= NİT = TİC = 0)
Teknik Lise Harcama = -55,000 + 154,000 + 343N(TEK = 1; NİT = TİC = 0) = 99,000 + 343N
Genel liseye göre teknik lisenin ekstra yıllık sabit harcaması 154,000 yuan olarak tahminlenmiştir.
^
^
^
![Page 35: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/35.jpg)
35
Harcama = -55,000 + 154,000TEK + 143,000NİT + 53,000TİC + 343N
Genel Lise Harcama = -55,000 + 343N(TEK= NİT = TİC = 0)
Teknik Lise Harcama = -55,000 + 154,000 + 343N(TEK = 1; NİT = TİC = 0) = 99,000 + 343N
Nitelikli Lisesi Harcama = -55,000 + 143,000 + 343N(NİT = 1; TEK = TİC = 0) = 88,000 + 343N
Ticaret Lisesi Harcama = -55,000 + 53,000 + 343N(TİC = 1; TEK = NİT = 0) = -2,000 + 343N
Benzer şekilde nitelikli öğrenci yetiştiren ve ticaret okulunun genel liseye göre yıllık ekstra harcaması 143,000 and 53,000 yuandır.
^
^
^
^
^
![Page 36: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/36.jpg)
36
Dikkat edilirse öğrenci başına yıllık marjinal harcama 343 yuan olarak tahmin edilmiştir.
^
^
^
^
^
Harcama = -55,000 + 154,000TECH + 143,000NİT + 53,000TİC + 343N
Genel Lise Harcama = -55,000 + 343N(TEK = NİT = TİC = 0)
Teknik Lise Harcama = -55,000 + 154,000 + 343N(TEK = 1; NİT = TİC = 0) = 99,000 + 343N
Nitelikli Lisesi Harcama = -55,000 + 143,000 + 343N(NİT = 1; TEK = TİC = 0) = 88,000 + 343N
Ticaret Lisesi Harcama = -55,000 + 53,000 + 343N(TİC = 1; TEK = NİT = 0) = -2,000 + 343N
![Page 37: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/37.jpg)
37
Dört harcama grafiği şekilde gösterilmiştir.
-100000
0
100000
200000
300000
400000
500000
600000
700000
0 200 400 600 800 1000 1200 1400
Har
cam
a
N
Teknik Lise Ticaret Lisesi Genel Lise Nitelikli
![Page 38: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/38.jpg)
38
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 342.6335 40.2195 8.519 0.000 262.3978 422.8692 TEK | 154110.9 26760.41 5.759 0.000 100725.3 207496.4 NİT | 143362.4 27852.8 5.147 0.000 87797.57 198927.2 TİC | 53228.64 31061.65 1.714 0.091 -8737.646 115194.9 _cons | -54893.09 26673.08 -2.058 0.043 -108104.4 -1681.748------------------------------------------------------------------------------
Bütün katsayılar için t-testi yapabiliriz. N değişkenin katsayısı için t istatistiği 8.52 ve bu da bize beklenildiği gibi marjinal harcamaların istatistiksel olarak sıfırdan oldukça farklı olduğunu göstermektedir.
![Page 39: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/39.jpg)
39
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 342.6335 40.2195 8.519 0.000 262.3978 422.8692 TEK| 154110.9 26760.41 5.759 0.000 100725.3 207496.4 NİT | 143362.4 27852.8 5.147 0.000 87797.57 198927.2 TİC | 53228.64 31061.65 1.714 0.091 -8737.646 115194.9 _cons | -54893.09 26673.08 -2.058 0.043 -108104.4 -1681.748------------------------------------------------------------------------------
Ayrıca teknik lise t-istatistiği katsayısı da istatistiksel olarak anlamlıdır. Bunun anlamı ise teknik lise yıllık sabit harcamalarının genel liselerin sabit harcamalarından oldukça büyük olduğunu göstermektedir.
![Page 40: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/40.jpg)
40
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 342.6335 40.2195 8.519 0.000 262.3978 422.8692 TEK | 154110.9 26760.41 5.759 0.000 100725.3 207496.4 NİT | 143362.4 27852.8 5.147 0.000 87797.57 198927.2 TİC | 53228.64 31061.65 1.714 0.091 -8737.646 115194.9 _cons | -54893.09 26673.08 -2.058 0.043 -108104.4 -1681.748------------------------------------------------------------------------------
Benzer şekilde vasıflı NİT lerin t istatistiği 5.15 olarak bulunmuştur.
![Page 41: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/41.jpg)
41
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 342.6335 40.2195 8.519 0.000 262.3978 422.8692 TEK | 154110.9 26760.41 5.759 0.000 100725.3 207496.4 NİT | 143362.4 27852.8 5.147 0.000 87797.57 198927.2 TİC | 53228.64 31061.65 1.714 0.091 -8737.646 115194.9 _cons | -54893.09 26673.08 -2.058 0.043 -108104.4 -1681.748------------------------------------------------------------------------------
Bununla birlikte Ticaret lisesinin t istatistiği sadece 1.71 dir ve bu da ticaret lisesi sabit harcamalarının genel lise sabit harcamalarında yeterince farklı olmadığını göstermektedir.Bu sonuç çok şaşırtıcı değil, çünkü ticaret lisesi genel liselerden çok farklı bir eğitime sahip değil.
![Page 42: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/42.jpg)
42
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 342.6335 40.2195 8.519 0.000 262.3978 422.8692 TEK | 154110.9 26760.41 5.759 0.000 100725.3 207496.4 NİT | 143362.4 27852.8 5.147 0.000 87797.57 198927.2 TİC | 53228.64 31061.65 1.714 0.091 -8737.646 115194.9 _cons | -54893.09 26673.08 -2.058 0.043 -108104.4 -1681.748------------------------------------------------------------------------------
Son olarak kukla değişkenlerin ortak açıklayıcısı gücünü test etmek için F testi yapabiliriz. H0: T = N = Tİ = 0 olarak tanımlanabilir. Alternatif hipotez ise en az bir sıfırdan farklıdır şeklinde kurulmaktadır.
![Page 43: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/43.jpg)
43
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
------------------------------------------------------------------------------ Harcama| Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 342.6335 40.2195 8.519 0.000 262.3978 422.8692 TEK | 154110.9 26760.41 5.759 0.000 100725.3 207496.4 NİT | 143362.4 27852.8 5.147 0.000 87797.57 198927.2 TİC | 53228.64 31061.65 1.714 0.091 -8737.646 115194.9 _cons | -54893.09 26673.08 -2.058 0.043 -108104.4 -1681.748------------------------------------------------------------------------------
Kukla değişkenli modelinde hata kareler toplamı 5.41×1011.
![Page 44: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/44.jpg)
44
. reg Harcama N
Source | SS df MS Number of obs = 74---------+------------------------------ F( 1, 72) = 46.82 Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940---------+------------------------------ Adj R-squared = 0.3856 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
------------------------------------------------------------------------------ Harcama | Coef. Std. Err. t P>|t| [95% Conf. Interval]---------+-------------------------------------------------------------------- N | 339.0432 49.55144 6.842 0.000 240.2642 437.8222 _cons | 23953.3 27167.96 0.882 0.381 -30205.04 78111.65------------------------------------------------------------------------------
Kukla değişkensiz modelin hata kareler toplamı 8.92×1011.
![Page 45: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/45.jpg)
45
. reg Harcama N
Source | SS df MS Number of obs = 74---------+------------------------------ F( 1, 72) = 46.82 Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940---------+------------------------------ Adj R-squared = 0.3856 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
Değişkenlerin katsayılarına 0 sınırlaması konan genel F testi uygulanabilir.
![Page 46: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/46.jpg)
46
. reg Harcama N
Source | SS df MS Number of obs = 74---------+------------------------------ F( 1, 72) = 46.82 Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940---------+------------------------------ Adj R-squared = 0.3856 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
92.1469/1041.5
3/)1041.51092.8()69,3( 11
1111
F
F istatistiğinin payında hesaplanan RSS modeldeki kukla değişken sayısına bölünmektedir. Bir başka ifadeyle, modele eklenen yeni değişken sayısına bölünmektedir.
f1 = c =3
f2 =n-k=74-5=69
![Page 47: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/47.jpg)
47
. reg Harcama N
Source | SS df MS Number of obs = 74---------+------------------------------ F( 1, 72) = 46.82 Model | 5.7974e+11 1 5.7974e+11 Prob > F = 0.0000Residual | 8.9160e+11 72 1.2383e+10 R-squared = 0.3940---------+------------------------------ Adj R-squared = 0.3856 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 1.1e+05
. reg Harcama N TEK NİT TİC
Source | SS df MS Number of obs = 74---------+------------------------------ F( 4, 69) = 29.63 Model | 9.2996e+11 4 2.3249e+11 Prob > F = 0.0000Residual | 5.4138e+11 69 7.8461e+09 R-squared = 0.6320---------+------------------------------ Adj R-squared = 0.6107 Total | 1.4713e+12 73 2.0155e+10 Root MSE = 88578
H0 hipotezi redddilebilir
92.1469/1041.5
3/)1041.51092.8()69,3( 11
1111
F 17.6)60,3( %1.0 crit, F
![Page 48: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/48.jpg)
48
KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU
1.HAL: Sabit Terimlerin Farklı Eğimlerin Eşit olması
i 1 2 i 3 i iY b b D b X u
i i 1 2 3 iE(Y | D 1,X ) b b b X i i 1 3 iE(Y | D 0,X ) b b X
≠
=
![Page 49: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/49.jpg)
49
KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU
2.HAL: Sabit Terimlerin Eşit, Eğimlerin Farklı Olması Hali
i 1 2 i i 3 i iY b b D X b X u
i i 1 2 3 iE(Y | D 1, X ) b (b b )X i i 1 3 iE(Y | D 0,X ) b b X
≠
=
![Page 50: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/50.jpg)
50
)
) b2 + b3
b3
b1
Yi
Xi
i i 1 3 iE(Y | D 0,X ) b b X
i i 1 2 3 iE(Y | D 1, X ) b (b b )X
![Page 51: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/51.jpg)
51
KUKLA DEĞİŞKENLİ MODELLERDE KANTİTATİF DEĞİŞKEN SAYISININ İKİ SINIF İÇİN FARKLI OLMASI DURUMU
3.HAL: Sabit Terim ve Eğimin İki Sınıf İçin Farklı Olması
i 1 2 i 3 i i 4 i iY b b D b D X b X u
i i 1 2 3 4 iE(Y | D 1, X ) (b b ) (b b )X i i 1 4 iE(Y | D 0,X ) b b X
≠
≠
![Page 52: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/52.jpg)
52
Yi
Xi
i i 1 4 iE(Y | D 0,X ) b b X
i i 1 2 3 4 iE(Y | D 1,X ) (b b ) (b b )X
) b4 ) b3+b4
b1
b1+b2
![Page 53: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/53.jpg)
53
İKİ SINIF MODELLERİNİN FARKLILIĞININ KUKLA DEĞİŞKEN YÖNTEMİ İLE TESTİ
i 1 2 i 3 i i 4 i iY b b D b D X b X u
2. Chow Testi
1. t testi ne bakılır. b3 katsayısı anlamsız ve b2 anlamlı ise 1.durum (sabit
terim farklı eğimler aynı) -b2 katsayısı anlamsız b3 anlamlı ise 2. durum (sabit
terim aynı eğimler farklı) her iki katsayı da anlamlı ise 3. durum (iki fonk.
birbirinden farklıdır denir)
Eğim farkıSabit terim farkı
![Page 54: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/54.jpg)
54
İKİ SINIF MODELLERİNİN FARKLILIĞININ KUKLA DEĞİŞKEN YÖNTEMİ İLE TESTİ
Uygulama: Yıllık Sigara
Tüketimi
Cinsiyet (Di)(Erkek = 1, Kadın =
0)
Yıllık Gelir (Xi)
25 1 40020 0 26019 0 27024 1 36020 0 24022 1 31021 1 28018 0 20019 0 26022 1 320
i 1 2 i 3 i i 4 i iY b b D b D X b X u
![Page 55: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/55.jpg)
55
İKİ SINIF MODELLERİNİN FARKLILIĞININ KUKLA DEĞİŞKEN YÖNTEMİ İLE TESTİ
Dependent Variable: YMethod: Least Squares Included observations: 10
Variable Coefficient Std. Error t-Statistic Prob. C 14.94231 2.598383 5.750619 0.0012Di -3.786344 3.350850 -1.129965 0.3016Xi 0.017308 0.010508 1.647020 0.1507DiX 0.017555 0.012245 1.433624 0.2017
R-squared 0.955060 Mean dependent var 21.00000Adjusted R-squared 0.932591 S.D. dependent var 2.260777S.E. of regression 0.586972 Akaike info criterion 2.061496Sum squared resid 2.067219 Schwarz criterion 2.182530Log likelihood -6.307482 F-statistic 42.50422Durbin-Watson stat 1.943502 Prob(F-statistic) 0.000195
Sabit Terim FarkıEğim Farkı
![Page 56: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/56.jpg)
56
Sonuç olarak İki sınıf tüketim fonksiyonlarının aynı olduğunu söyleyebiliriz.
![Page 57: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/57.jpg)
57
BİR MODELDE KUKLA DEĞİŞKENLERİN KARŞILIKLI OLARAK BİRBİRİNİ ETKİLEMELERİ PROBLEMİ
i 1 2 2 3 3 4 i iY b b D b D b X u
i 1 2 2 3 3 4 2 3 5 i iY b b D b D b D D b X u
2
1, Erkek D
0, Kadın
3
1, Şehirde Oturanlar D
0, Kırsal Kesimde Oturanlar
i iY : Tüketim,X : Gelir
i 2 3 i 1 5 iE Y | D 0,D 0,X b b X
i 2 3 i 1 2 3 4 5 iE Y | D 1,D 1,X b b b b b X
Erkeğin Tüketim Farkı Şehirde Oturanların Tüketim Farkı
Şehirde Oturan bir Erkeğin Tüketim Farkı
![Page 58: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/58.jpg)
58
b4 katsayısının t istatistiğine bakılır. Şayet
anlamlıysa iki kukla değişkenin modelde birlikte yer
alması, bunların bireysel etkilerini azaltabilir veya
arttırabilir. Bu durumda bu katsayının modelde yer
almaması da spesifikasyon hatalarına yol açabilir.
![Page 59: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/59.jpg)
59
MEVSİM DALGALANMALARININ ETKİSİNİN ARINDIRILMASINDA KUKLA DEĞİŞKENLERDEN FAYDALANMA
Üçer Aylar
Karlar (Milyon Dolar)
Şatışlar (Milyon Dolar)
1965-I 10503 114862II 12092 123968
III 10834 121454IV 12201 131917
1966-I 12245 129911II 14001 140976
III 12213 137828IV 12820 145465
D2
01000100
D3
00100010
D4
00010001
2
1, İkinci Üç Aylık Dönem D
0, Diğer Dönemler
3
1, Üçüncü Üç Aylık Dönem D
0, Diğer Dönemler
4
1, Dördüncü Üç Aylık Dönem D
0, Diğer Dönemler
![Page 60: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/60.jpg)
60
MEVSİM DALGALANMALARININ ETKİSİNİN ARINDIRILMASINDA KUKLA DEĞİŞKENLERDEN FAYDALANMA
1 2 2 3 3 4 4 5 t ttKar b b D b D b D b (Satış) u
Dependent Variable: Kar
Variable Coefficient Std. Error t-Statistic Prob.
C 6688.363 1711.366 3.908201 0.0009
D2 1322.892 638.4745 2.071957 0.0521
D3 -217.8054 632.2552 -0.344490 0.7343
D4 183.8564 654.2925 0.281000 0.7817
Satış 0.038246 0.011481 3.331281 0.0035
R2=0.525494
İstatistiki olarak anlamsız
![Page 61: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/61.jpg)
61
MEVSİM DALGALANMALARININ ETKİSİNİN ARINDIRILMASINDA KUKLA DEĞİŞKENLERDEN FAYDALANMA
Dependent Variable: Kar
Sample: 1965:1 1970:4
VariableCoefficient Std. Error t-Statistic Prob.
C 6515.581 1623.083 4.014323 0.0006
D2 1331.352 493.0214 2.700395 0.0134
Satış 0.039310 0.010575 3.717315 0.0013
R2 = 0.515460Mevsim dalgalanmalarının etkisinde
![Page 62: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/62.jpg)
EŞİK DEĞER ETKİLERİ*
*62-81 arası slaytlar, Mustafa SEVÜKTEKİN, Ekonometriye Giriş, 563-576
![Page 63: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/63.jpg)
Kukla değişkenler arasında nitelik, kategorik, vasıf, özellik, ortaya çıkış ya da
gerçekleşme farklılıkları söz konusudur. Gerçek hayatta herhangi bir kukla
değişkenin vasıfları veya özellikleri arasındaki geçiş noktaları olarak
tanımlanan eşik değerler her zaman kesin sınırlarla belirlenemeyebilir. Bu
konuda uygulanabilecek bir yaklaşım, bağımlı değişkenin açıklayıcı
değişkenlere göre dağılım diyagramından açıklayıcı değişkenin
belli bir spesifik değerinden sonra kesin bir değişimin görülüp
görülmediğini incelemektir.
Ya da geleneksel uygulamalar yardımıyla benzer gözlemler ile eşik
değerler saptanmaya çalışılır. Düzeyler arasındaki farklılıklar eşik
değerlerle tanımlanabilir ve kukla değişkenler ile gösterilebilir.
![Page 64: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/64.jpg)
Parçalı Kesikli (Spline) FonksiyonlarGenelde farklı parçaların birleştirilmesiyle oluşan kesikli yapıdaki fonksiyonlara parçalı kesikli (spline) fonksiyon
denir.
Parçalar farklı eğimli doğru parçaları olabilecekleri gibi, doğrusal olmayan fonksiyonlar da olabilir
Fonksiyon, parçalarının birleşme noktasında kırılma gösterir. Bu kırılma noktaları eşik değerler olarak nitelendirilir.
Örnek olarak; bireylerin değişen yaşlarının ve eğitim düzeylerinin gelire olan etkileri incelenmiş ve özellikle eğitim
düzeyi ile ilgili eşik değerlerden yararlanılmıştır. Eğitim düzeyi ile yaşlar arasında başka bir eşik değer tanımı
yapılabilir. Eğitim düzeyi ile ilişkilendirilen yaş eşik değerleri; 20 yaş için lisans öncesi eğitimin, 25 yaş için lisans
eğitiminin tamamlandığı şeklinde oluşturulur. Bu tanım yardımı ile kabaca bireyler için gelirin zaman profili
çıkarılabilir.
![Page 65: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/65.jpg)
65
Gelir Yaş Eğitim LÖ L YL DO700 16 0 1 0 0 0900 17 0 1 0 0 0850 18 0 1 0 0 0
1350 19 0 1 0 0 01300 19 0 1 0 0 01200 20 1 0 1 0 01100 20 0 1 0 0 01450 20 1 0 1 0 01700 21 0 1 0 0 01750 21 0 1 0 0 02400 22 1 0 1 0 02400 23 1 0 1 0 02650 23 0 1 0 0 02000 24 0 1 0 0 01750 24 0 1 0 0 02900 24 0 1 0 0 03500 25 2 0 0 1 03200 25 1 0 1 0 02850 28 1 0 1 0 02300 28 1 0 1 0 03700 29 2 0 0 1 02850 31 0 1 0 0 04000 33 3 0 0 0 14200 34 3 0 0 0 13450 34 0 1 0 0 04000 36 2 0 0 1 03200 38 1 0 1 0 05000 42 3 0 0 1 03750 44 1 0 1 0 04300 45 2 0 0 1 0
![Page 66: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/66.jpg)
66
Eğitim değişkeni nitel olarak orta ve lisans öncesi eğitim-öğretim (LÖ);
lisans (üniversite, yüksek okul veya M.Y. okulu) (L), yüksek lisans
(YL) ve doktora (DO) gibi sınıflandırılsın. Eğitim düzeyine ilişkin bu
düzeyler değerlendirilirken
lisans öncesi eğitim düzeyi kontrol grubu olarak seçilip 0 değerini,
lisan düzeyi 1,
yüksek lisans düzeyi 2 ve
doktora düzeyi 3 değerini alır.
![Page 67: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/67.jpg)
Buna göre önce belirlenen yaş eşikleri için tahminler üç yaş grubuna ayrılarak tahmin edilmiştir;
Yaş ≤ 20 için Gelir1 = -1614 + 146 Yaş1
20 < Yaş ≤ 25 için Gelir2 = -4559 + 301 Yaş2
Yaş > 25 için Gelir3 = 719 + 82.9 Yaş3
biçiminde elde edilir . (1)Gelir1 = 20 yaşından küçük gelir ve yaş değişkenlerine ait gözlemler kullanılarak elde edilmiştir.
Gelir2 = 20 – 25 yaş arasındaki gelir ve yaş değişkenlerine ait gözlemler kullanılarak elde edilmiştir.
Gelir3 = 25 yaşından büyük gelir ve yaş değişkenlerine ait gözlemler kullanılarak elde edilmiştir.
![Page 68: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/68.jpg)
Şekil 1
![Page 69: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/69.jpg)
Yukarıda tanımlanan eşik değerle 20 ve 25 yaş sınırları
aynı zamanda birer dönme noktaları olarak da
adlandırılır. Daha sonra bu dönme noktaları kukla
değişken gibi tanımlanacak olursa:
D1 = 1, eğer yaş > y1* ise
(2)D2 = 1, eğer yaş > y2
* ise
y1* ve y2
* eşik değerlerdir; y1* = 20 ve y2
* = 25 dir.
![Page 70: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/70.jpg)
70
Yaş D1 D2 Yas1 Yas2
16 0 0 0 017 0 0 0 018 0 0 0 019 0 0 0 019 0 0 0 020 0 0 0 020 0 0 0 020 0 0 0 021 1 0 1 021 1 0 1 022 1 0 2 023 1 0 3 023 1 0 3 024 1 0 4 024 1 0 4 024 1 0 4 025 1 0 5 025 1 0 5 028 1 1 8 328 1 1 8 329 1 1 9 431 1 1 11 633 1 1 13 834 1 1 14 934 1 1 14 936 1 1 16 1138 1 1 18 1342 1 1 22 1744 1 1 24 1945 1 1 25 20
![Page 71: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/71.jpg)
Denklem (2) eşik değerleri açısından ifade edilecek olursa;D1 = 1, eğer yaş > 20 ise
(3)
D2 = 1, eğer yaş > 25 ise
şeklinde yazılır. Denklem (1)’e kukla değişkenler dahil ederek
aşağıdaki (4) nolu denklem tahmin edilmiştir:
Gelir = β0 + β1 Yaş + α1 D1 + γ1 D1 Yaş + α2 D2 + γ2 D2 Yaş + u (4)
Gelir = -1614 + 146 Yaş – 2945 D1 + 155 D1 Yaş + 5278 D2 – 218 D2 Yaş (5)
![Page 72: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/72.jpg)
Şekil 2
![Page 73: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/73.jpg)
Birinci eşik değer öncesi grup için yani, lisans eğitimi
olmayan bireyler için gelir ve yaş ilişkisi;
(Yaş ≤ 20) = -1614 + 146 Yaş (6)
Lisans eğitimi alan bireyler için gelir ve yaş ilişkisi;
(20 < Yaş ≤ 25) = -4559 + 301 Yaş (7)
ve lisansüstü (yüksek lisans + doktora) eğitimi alan bireyler
için gelir ve yaş ilişkisi;
(Yaş > 25) = 719 + 83 Yaş (8)
Dikkat edilecek olursa denklem (1)’de elde edilen sonuçlar ve
denklem (5)’de elde edilen sonuçlar aynıdır.
![Page 74: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/74.jpg)
Parçalı Sürekli (Piecewise) Fonksiyonlar
Ekonomik modellerin birçoğunda herhangi bir açıklayıcı
değişken ya da değişkenlerde küçük bir değişme
olduğunda bağımlı değişken üzerindeki etkinin ölçülmesi
gerekir. Dolayısıyla bir ekonomik modelde özellikle
niteliksel veya kukla değişken kullanıldığında regresyon
modelinin hem sabit, hem eğim, hem de her ikisinde bir
kayma ve değişme hesaplanmak istendiğinde temel model
yapısı yeniden gözden geçirilmelidir.
![Page 75: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/75.jpg)
Daha ayrıntılı analiz için kesikli parçalardan oluşan bir
model sürekli olarak tahmin edilmek istenirse bazı
kısıtlamalarla bu sağlanabilir. Örnekte bazı kısıtlamalar
ile eğitimdeki değişmelere izin verilebilir. Aşağıda gelir
ve yaş ilişkisinin grafiği verilmiştir.
![Page 76: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/76.jpg)
Şekil 3
![Page 77: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/77.jpg)
Şekilde tire çizgili fonksiyonlar üç parçalı ve eğimleri birbirinden farklı olan ve farklı yaş grubundaki kişilere ilişkin gelir fonksiyonlarıdır.
Bu fonksiyonların tahminleri denklem (1) ve şekil 1’de verilmiştir. Bu parçalı fonksiyonların spline fonksiyon tahmini denklem (5) ve regresyon doğrusu şekil 2’de verilmiştir.
Gelir = -1614 + 146 Yaş – 2945 D1 + 155 D1 Yaş + 5278 D2 – 218 D2 Yaş (5)
Farklı yaş grupları açısından regresyon doğruları süreksiz (kesikli) bir yapı gösterse de, yaşın gelir üzerindeki etkisine ilişkin gerçek doğru model, yapısal kırılmalı (eşik değerli) sürekli bir modeldir.
![Page 78: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/78.jpg)
Eğer yaşın bir fonksiyonu olarak gelir açıklanmak
istenirse, eğitim düzeylerine bağlı olarak bazı eşik
değerler dikkate alındığında yapısal kırılmalar ortaya
çıkacaktır. Bu durumda fonksiyonda kırılmadan
kaynaklanan kesiklilik (veya süreksizlik) söz konusu olur.
Yani gelir düzeyinde yıldan yıla kaymalar yaşanabilir.
![Page 79: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/79.jpg)
Dolayısıyla fonksiyon üç düz doğrudan oluşan bir parçalı
(piecewise) doğrusal modeldir. Parçalı doğrusal
modeller oldukça büyük modeller setinin veya spline
olarak adlandırılan ilişkilerin özel bir halidir. Spline
fonksiyonlar ayrı ayrı fonksiyonlardır, fakat her bir
parçayı gösteren eğri sürekli bir fonksiyondur ve düz bir
doğru şart değildir.
![Page 80: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/80.jpg)
Örnekte yaş değişkeni için aşağıdaki gibi tanımlamalar
yapılabilir:
Yaş1 = Yaş
Yaş2 = Yaş – 20, Eğer yaş > 20 ise
değilse 0
Yaş3 = Yaş – 25, Eğer yaş > 25 ise
değilse 0
![Page 81: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/81.jpg)
ve denklem (4) bu tanımlamalar ile yeniden yazılırsa;
Gelir = β0 + β1 Yaş1 + γ1 D1 Yaş2 + γ2 D2 Yaş3 + u (6)
denklemi elde edilir. Denklem (6) tahmin edilerek;
Gelir = -2003 +169 Yaş + 141 D1 Yaş2 – 236 D2 Yaş3 (7)
sonucu elde edilir. Buna göre parçalı doğrusal modeli
aşağıda şekil 4’de görülmektedir. Kırılma (eşik)
noktalarında fonksiyonun farkı şekil 2 ile
karşılaştırılabilir.
![Page 82: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/82.jpg)
Şekil 4
![Page 83: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/83.jpg)
83
ZAMAN SERİSİ VE ÇAPRAZ-KESİT VERİLERİNİN BİRARAYA GETİRİLMESİNDE KUKLA DEĞİŞKENLERİN KULLANIMI
UYGULAMA: 1935-1954 yıllarına arasında General Motor, Westinghouse ve General Electric firmalarna ait yatırım (Y), firmanın değeri (X2 ) ve sermaye stoğu (X3) verilerine ait tablo aşağıda verilmiştir.
![Page 84: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/84.jpg)
84
ZAMAN SERİSİ VE ÇAPRAZ-KESİT VERİLERİNİN BİRARAYA GETİRİLMESİNDE KUKLA DEĞİŞKENLERİN KULLANIMI
Firmaların yatırımları arasında fark olup olmadığını inceleyebilmek için de kukla değişkenlerden yararlanabiliriz. Firmaların ilk üç yıllarına ait veriler ile oluşturulan yeni tablo aşağıdaki gibidir.
Yıllar Y X2 X3 Di Firma1935 317.6 3078.5 2.8 1 GM1936 391.8 4661.7 52.6 1 GM1937 410.6 5387.1 156.9 1 GM1935 12.93 191.5 1.8 0 WE1936 25.90 516.0 0.8 0 WE1937 35.05 729.0 7.4 0 WE1935 33.1 1170.6 97.8 0 GE1936 45.0 2015.8 104.4 0 GE1937 77.2 2803.3 118.0 0 GE
![Page 85: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/85.jpg)
85
ZAMAN SERİSİ VE ÇAPRAZ-KESİT VERİLERİNİN BİRARAYA GETİRİLMESİNDE KUKLA DEĞİŞKENLERİN KULLANIMI
i
1, G.M gözlemleri için D
0, Diğerleri için
GM yatırımlarının diğer firma yatırımlarından sabit terim kadar farklı olduğunu ifade etmektedir.
i 1 2 2 3 3 4 i iY b b X b X b D u
![Page 86: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/86.jpg)
86
Dependent Variable: YMethod: Least SquaresIncluded observations: 60
Variable Coefficient Std. Error t-Statistic Prob. C -61.80754 23.79039 -2.598004 0.0120X2 0.038311 0.016752 2.286884 0.0260X3 0.347303 0.032048 10.83683 0.0000Di 278.5911 51.74338 5.384091 0.0000
R-squared 0.924866 Mean dependent var 251.067Adjusted R-squared 0.920841 S.D. dependent var 311.6501S.E. of regression 87.68352 Akaike info criterion 11.84969Sum squared resid 430550.4 Schwarz criterion 11.9893Log likelihood -351.4906 F-statistic 229.7778Durbin-Watson stat 0.502776 Prob(F-statistic) 0.000000
ZAMAN SERİSİ VE ÇAPRAZ-KESİT VERİLERİNİN BİRARAYA GETİRİLMESİNDE KUKLA DEĞİŞKENLERİN KULLANIMI
İstatistiki olarak anlamlı
GM yatırımları, diğer firma yatırımlarından farklı ve fazladır.
![Page 87: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/87.jpg)
87
ÖRNEKLER
![Page 88: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/88.jpg)
88
Yi = + Di +ui
Yi = Öğretim Üyelerinin Yıllık Maaşları
Di = 1 Öğretim Üyesi Erkekse
= 0 Diğer Durumlar (yani Kadın Öğretim Üyesi)
Varyans Analiz Modelleri (ANOVA)
Kadın Öğretim Üyelerinin Ortalama Maaşları: E( Yi|Di = 0 ) =
Erkek Öğretim Üyelerinin Ortalama Maaşları : E ( Yi|Di = 1) = +
Örnek:Özel bir üniversitede öğretim üyelerinin yıllık maaşları ile cinsiyetleri arasında önce varyans daha sonra tecrübe değişkeni eklenerek kovaryans modeli oluşturulacaktır:
![Page 89: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/89.jpg)
89
Yi = + Di
(0.32) (0.44)
t (57.74)(7.44) , R2=0.8737
1516171819202122232425
-0.5 0 0.5 1 1.5 2
3.280
18.00
21.280
![Page 90: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/90.jpg)
90
Yi = + Di + Xi + ui
Yi = Öğretim Üyelerinin Yıllık Maaşları
Xi = Öğretim Üyesinin Yıl olarak Tecrübesi
Di = 1 Öğretim Üyesi Erkekse
= 0 Diğer Durumlar (yani Kadın Öğretim Üyesi)
Kadın Öğretim Üyelerinin Ortalama Maaşları :
E( Yi|Xi,Di = 0 ) = Xi
Erkek Öğretim Üyelerinin Ortalama Maaşları :
E ( Yi|Xi,Di = 1) = ( + Xi
![Page 91: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/91.jpg)
91
Maaş Cinsiyet Tecrübe22 1 1619 0 1218 0 12
21.7 1 1518.5 0 1021 1 11
20.5 1 1317 0 8
17.5 0 921.2 1 14
![Page 92: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/92.jpg)
92
Yıll
ık M
aaş
Tecrübe (yıl olarak)
Y
X
2
1
YXi
Y( + Xi
Kadın
Erkek
Yi = + Di + 0.289 Xi
s(b) (0.95) (0.44) (0.09)
p (0.000) (0.002) (0.020) , R2=0.949
Di = 1 Öğretim Üyesi Erkekse = 0 Öğretim Üyesi Kadınsa
![Page 93: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/93.jpg)
93
DATA7-191960-1988 yılları arasında Türkiye’deki Sigara Tüketimi
Q Yetişkinlerin sigara tüketim miktarı(kg), Range 1.86 - 2.723.
Y GNP(1968) TL, Range 2560 - 5723.
P Türkiye’deki sigara fiyatları Range 1.361 - 3.968.
ED1 Kayıtlı ortaokul ve lise mezunu nüfus oranı(12-17 yaş) Range 0.112 - 0.451.
ED2 Kayıtlı üniversite mezunu oranı (20-24) Range 0.026 - 0.095.
D82 = 1 , 1982 ve sonrası
D86 = 1 , 1986 ve sonrası
![Page 94: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/94.jpg)
94
Dependent Variable: QSample: 1960 1988Included observations: 29
Variable Coefficient Std. Error t-Statistic Prob.
P -0.097291 0.079389 -1.225493 0.2340ED2 -5.547295 2.679248 -2.07046 0.0509ED1 -2.994166 2.708828 -1.105336 0.2815D86 -0.262700 0.090825 -2.89238 0.0087D82 -0.288739 0.083649 -3.451774 0.0024Y 0.000762 0.000190 4.009205 0.0006C 5.1139345 0.34132 0.101585 0.9200
Katsayılar istatistiki olarak anlamsız
![Page 95: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/95.jpg)
95
Dependent Variable: Q
Method: Least Squares
Sample: 1960 1988
Included observations: 29
Variable Coefficient Std. Error t-Statistic Prob.
ED2 -6.455259 2.724204 -2.369595 0.0266
D86 -0.351822 0.078985 -4.454297 0.0002
D82 -0.269429 0.084743 -3.179385 0.0042
Y 0.000672 0.000170 3.945228 0.0006
C 58.18878 33.26618 1.749187 0.0936
![Page 96: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/96.jpg)
96
DATA7-2Belirli bir şirkette çalışan 49 kişinin istihdam durumu ve ücretleri
WAGE = Aylık Ücret (Range 981 - 3833)
EDUC = 8 yıllık eğitimden sonraki sahip olunan eğitim seviyesi(Range 1 - 11)
EXPER =Şirkette çalışma süresi(Range 1 - 23)
AGE = Yaş (25 - 64)
GENDER = 1, Erkek ise; 0 kadın ise
RACE = 1, beyaz ise; 0 diğerleri
CLERICAL = 1 büro memuru ise, 0 diğerleri
MAINT = 1 bakım işlerinde çalışıyor ise; 0 diğerleri
CRAFTS =1,usta ise; 0 diğerleri
Temel sınıf Profesyonel meslek grupları.
![Page 97: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/97.jpg)
97
Dependent Variable: WAGE
Method: Least Squares
Included observations: 49
Variable Coefficient Std. Error t-Statistic Prob.
C 1637.202 263.6726 6.209224 0.0000
EDUC 49.33178 27.99678 1.762052 0.0855
EXPER 27.29509 9.488883 2.876533 0.0064
GENDER 473.6966 152.4818 3.106578 0.0034
RACE 207.0888 130.4491 1.587506 0.1201
CLERICAL-946.7380 174.6505 -5.420758 0.0000
MAINT -1053.424 203.4297 -5.178320 0.0000
CRAFTS -708.8822 176.0507 -4.026580 0.0002
R-squared 0.737516 Mean dependent var 1820.204
Adjusted R-squared 0.692702 S.D. dependent var 648.2687
S.E. of regression 359.3643 Akaike info criterion 14.75483
Sum squared resid 5294850. Schwarz criterion 15.06370
Log likelihood -353.4934 F-statistic 16.45717
Durbin-Watson stat 2.107977 Prob(F-statistic) 0.000000
![Page 98: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/98.jpg)
98
DATA 7-9 1985 yılında koleje giriş yapan öğrencilerin ilk yıl başarılarını göstermekte
colgpa = 1986 sonbaharındaki ortalamaları (Range 0.85 - 3.97) hsgpa = Lise GPA (Range 2.29 - 4.5) vsat = Sözel derecesi (Range 200 - 700) msat = Sayısal derecesi (Range 330 - 770) dsci = 1 Bilim dalı için, 0 diğerleri dsoc = 1 Sosyal bilim dallı için, 0 diğerleri dhum = 1 Beşeri bilimdalı için 0 diğerleri darts = 1 Sanat dalı için, 0 diğerleri dcam = 1 Öğrenci kampüste yaşıyorsa, 0 diğerleri dpub = 1 Genel lise mezunu ise, 0 diğerleri
![Page 99: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/99.jpg)
99
Dependent Variable: COLGPAMethod: Least Squares
Sample: 1 427Included observations: 427
Variable Coefficient Std. Error t-Statistic Prob. C 0.367296 0.224302 1.637506 0.1023HSGPA 0.405914 0.063418 6.400630 0.0000VSAT 0.000726 0.000290 2.503907 0.0127MSAT 0.001086 0.000303 3.586609 0.0004DSCI -0.027323 0.057319 -0.476673 0.6338DSOC 0.056148 0.072778 0.771494 0.4409DHUM -0.004059 0.141771 -0.028632 0.9772DARTS 0.228650 0.188921 1.210294 0.2269DCAM -0.040705 0.052162 -0.780362 0.4356DPUB 0.029403 0.063040 0.466416 0.6412
Katsayılar istatistiki olarak anlamsız
![Page 100: KUKLA DEĞİŞKENLİ MODELLER](https://reader034.vdocuments.site/reader034/viewer/2022050803/568130e8550346895d9704c0/html5/thumbnails/100.jpg)
100
Dependent Variable: COLGPA
Variable Coefficient Std. Error t-Statistic Prob. C 0.423249 0.219749 1.926053 0.0548HSGPA 0.398349 0.060586 6.574882 0.0000VSAT 0.000737 0.000281 2.627361 0.0089MSAT 0.001015 0.000294 3.457749 0.0006