HATALARI ARDIŞIK BAĞIMLI (OTOKORELASYONLU) OLAN REGRESYON MODELLERİNİN TAHMİN EDİLMESİ

Selahattin Yavuz
1.912 7.088

Öz


Özet: Doğrusal regresyon modellerinde en küçük kareler yönteminin
başarılı bir biçimde uygulanıp istenilen sonuçları verebilmesi için bazı
varsayımların sağlanması gerekir. Bu varsayımlardan biri ardışık hata terimi
değerlerinin birbirinden bağımsız olmasıdır. Yani hata terimi değerleri arasında
otokorelasyon bulunmamasıdır. Bu varsayımın sağlanmaması durumunda en
küçük kareler yöntemiyle bulunan tahminler sapmalı, t ve F gibi testler
olduğundan büyük çıkıp güvenilirliğini yitirirler.
Bu çalışmada doğrusal regresyon modellerinde otokorelasyon sorunu,
otokorelasyonun saptanması yöntemlerinden; grafik yöntemi, sıra testi, Durbin-
Watson testi, Von-Neumann oran testi, Ki-kare otokorelasyon testi üzerinde
durulduktan sonra bir doğrusal modelde otokorelasyon olması durumunda
modelin nasıl tahmin edileceği yöntemi anlatılmıştır. Bu yöntem çok değişkenli
bir regresyon modeline uygulanmıştır.

Anahtar Kelimeler: Regresyon, Otokorelasyon, Parametre Tahmini


Abstract: In linear regression models it is need to provide some
hypothesis to perform the least square method successfully to have wanted
results. One of the hypothesis is that values of the sequential residual terms have
to be independent from each other. It means that there is not any autocorrelation
among the values of the sequential residual terms. In case of not to provide this
hypothesis; the predictions which have been obtained by the method of the least
square must decline. The tests such as t and F lose their reliability by increasing
more than natural.
In this study, autocorrelation problem in linear regression models, from
autocorrelation determine methods; graphic method, rank test, Durbin-Watson
test, Von-Neumann rate test, chi-square autocorrelation tests have been looked
around and then the method that how to estimate the model if there is
autocorrelation in linear model has been told. This method has been applied on a
multivariete regression model.

Key Words: Regression, Autocorrelation, Estimate of Parameter

Tam metin:

PDF




Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 License.