İçeriğe atla

Otokorelasyon

Üstte: Bir sinüs sinyalini saklayan 100 rassal sayıdan oluşan bir dizi. Altta: Otokorelasyon ile ortaya çıkarılmış sinüs sinyali.

Otokorelasyon ya da öz ilinti, bir sinyalin farklı zamanlardaki değerleri arasındaki korelasyonudur. Başka bir deyişle, gözlemlenen değerler arasındaki benzerliğin, zamansal gecikmenin bir fonksiyonu olarak ifadesidir. Otokorelasyon analizi tekrar eden örüntülerin tanınması, bir sinyalin kayıp temel frekansının tespit edilmesi gibi amaçlar için kullanılan bir matematiksel araçtır. Sinyal işlemede fonksiyonların ya da dizilerin analizi için sıkça kullanılır.

Çoklu regresyon analizinde otokorelasyon, hata teriminin birbirini izleyen değerleri arasındaki ilişkiyi tanımlar. Bu durum, genel doğrusal regresyon modelinin önemli bir varsayımından sapmadır. Genel doğrusal regresyon modeli varsayım gereği olarak, hata terimleri arasında bir ilişki yoktur.

Tanım

Matematiksel olarak otokorelasyon olmaması demek, i ve j zaman noktalarındaki rassal u hatalarının arasındaki kovaryansin 0'a esit olmasi olarak gosterilir:

Oysa pratikle bu varsayım bazen çiğnenmekte ve hata terimleri arasında bir ilişki bulunmaktadır. Bu durum otokorelasyon olarak adlandırılmaktadır.

≠0, i≠j

Eğer i ve j arasinda tek bir zaman donemi varsa buna birinci derece otokorelasyon denilir.

≠0

Pratik ekonometrinin ilk gelişme çağlarında çok kere sadece bu turlu otokorelasyon incelemesi ile yeterli bulunmakta idi. Bu durumda rassal hataların varyns-kovaryans matrisi bir diyagonal matris olur:

Otokorelasyon, uygulamada daha çok zaman serilerinde ortaya çıkmaktadır. Bununla birlikte, yatay kesit verilerinde de otokorelasyona (serisel korelasyon) rastlanabilir. Zaman serilerinde otokorelayon, zaman periyodunun büyüklüğü veya küçüklüğüne göre değişebilir. Periyot, bir aylık veriye dayanıyorsa, otokorelasyon büyük, üç aylıksa biraz daha küçük ve yıllıksa daha da küçüktür.

Otokorelasyonun nedenleri şu şekilde sıralanabilir:

  1. Bazı açıklayıcı değişkenlerin modele alınmaması
  2. Modelin matematiksel biçiminin yanlış seçilmesi
  3. Açıklanan değişkende ölçme hatası olması
  4. Verilerin işlenmesi
  5. Hata teriminin yanlış belirlenmesi.

Otokorelasyon sonucunda ise;

  1. Parametre tahminleri sapmasız olmakla birlikte etkin değildir.
  2. Hata teriminin varyansı, olduğundan küçük tahmin edilmektedir.
  3. E.K.K. tahminlerine göre yapılan öngörüler etkin değildir.

Durbin-Watson Testi

Otokorelasyonun belirlenmesinde kullanılan ve en çok bilinen testlerden biri Durbin-Watson testidir. Bu test sadece birinci derecedeki otokorelasyonun bulunup bulunmadığını sınamaktadır. Dört aşamalı bir testtir.

1. Aşama: Hipotezlerin kurulması

  • H0: P = 0 (otokorelasyon yoktur)
  • H1: P ≠ 0 (otokorelasyon vardır)

2. Aşama: Tablo değerlerinin bulunması

Bu aşamada, seçilen bir anlamlılık düzeyi ile gözlem sayısı ve açıklayıcı değişken sayısına göre, Durbin-Watson tablosundan, d istatistiğinin alt (dL) ve üst (du) sınırları bulunur.

3. Aşama: Kritik oran d istatistiğinin hesaplanması

d istatistiği:

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<dL ise pozitif otokorelasyon
  • d≤sub>Ld≤du ise karar verilememektedir
  • du≤d<4-du ise otokorelasyon yoktur
  • 4-du≤d≤4-dL ise karar verilememekte
  • 4-dL<d<4 ise negatif otokorelasyon sonuçları ortaya çıkmaktadır.

Durbin-Watson d testi şu durumlarda kullanılmamaktadır;

  1. Modelin sabit teriminin olmaması
  2. Bağımsız değişkenler stokastik ise
  3. Hata terimleri birinci dereceden otokorelasyonlu değilse
  4. Bağımsız değişkenler arasında bağımlı değişkenin gecikmeli değeri bulunuyorsa.

Durbin-Watson d istatistiği tablosu n<15 için dL ve du değerlerini vermemektedir. Bu durumda, Von-Neumann testi kullanılmaktadır.

Kaynakça

İlgili Araştırma Makaleleri

<span class="mw-page-title-main">Ekonometri</span>

Ekonometri İki veya daha fazla verinin, birbirleri arasındaki ilişkiyi ve bu ilişkiden yola çıkarak, matematik, istatistik ve bilgisayar bilimi aracılığıyla ekonomik ilişkilerin ampirik bir biçimde değerlendirilerek, bu veriler arasındaki ilişkiyi inceleyen bilim dalıdır. Daha açık olmak gerekirse, "sonucu uygun metodlarla ilişkilendirilmiş, teori ve gözlemin eşzamanlı gelişimi tabanlı mevcut ekonomik olgunun nicel çözümlemesidir." Bir ekonomiye giriş ders kitabı ekonometriyi: "dağlarca verinin arasından basit ilişkileri çıkarmak için titizlikle araştırmak" olarak açıklamıştır. "Ekonometri" terimi ilk olarak Polonyalı ekonomist Pawel Ciompa tarafından 1910 yılında kullanılmıştır. Bugünkü kullanım şekline getiren ise Ragnar Frisch'dir. Günümüzde daha güçlü bilgisayar yazılımların varlığıyla ekonometrik analizlerin gücü artmıştır.

<span class="mw-page-title-main">İntegral</span> fonksiyon eğrisinin altında kalan alan

İntegral veya tümlev, toplama işleminin sürekli bir aralıkta alınan hâlidir. Türev ile birlikte kalkülüsün temelini oluşturan iki işlemden birisidir. Kalkülüsün temel teoremi sayesinde aynı zamanda türevin ters işlemidir.

Olasılık kuramı ve istatistik bilim dallarında varyans bir rassal değişken, bir olasılık dağılımı veya örneklem için istatistiksel yayılımın, mümkün bütün değerlerin beklenen değer veya ortalamadan uzaklıklarının karelerinin ortalaması şeklinde bulunan bir ölçüdür. Ortalama bir dağılımın merkezsel konum noktasını bulmaya çalışırken, varyans değerlerin ne ölçekte veya ne derecede yaygın olduklarını tanımlamayı hedef alır. Varyans için ölçülme birimi orijinal değişkenin biriminin karesidir. Varyansın karekökü standart sapma olarak adlandırılır; bunun ölçme birimi orijinal değişkenle aynı birimde olur ve bu nedenle daha kolayca yorumlanabilir.

<span class="mw-page-title-main">Kovaryans</span>

Olasılık teorisi ve istatistikte, kovaryans iki değişkenin birlikte ne kadar değiştiklerinin ölçüsüdür. Kovaryans, iki rastgele değişkenin beraber değişimlerini inceleyen bir istatistiktir. İki değişkenin birbirine benzer (eş) işlevli olması kovaryant; iki değişkenin birbirine zıt işlevli olması kontravaryant olarak ifade edilir.

Regresyon analizi, iki ya da daha çok nicel değişken arasındaki ilişkiyi ölçmek için kullanılan analiz metodudur. Eğer tek bir değişken kullanılarak analiz yapılıyorsa buna tek değişkenli regresyon, birden çok değişken kullanılıyorsa çok değişkenli regresyon analizi olarak isimlendirilir. Regresyon analizi ile değişkenler arasındaki ilişkinin varlığı, eğer ilişki var ise bunun gücü hakkında bilgi edinilebilir. Regresyon terimi için öz Türkçe olarak bağlanım sözcüğü kullanılması teklif edilmiş ise de Türk ekonometriciler arasında bu kullanım yaygın değildir.

Serbestlik derecesi istatistik'te bir istatistiğin kesin hesaplanmasında kullanılan değerlerin sayısının ne kadar değişme serbestisi olduğunu sayısal olarak verir.

Zaman serisi modellerinde, otoregresif bir ekonometrik modelde denklemi için ise birim kökün varlığından söz edilir. Bu denklemde , ilgili değişkenin t zamanındaki değerini ifade etmektedir. ise değişkenin bir önceki dönemde aldığı değeri ifade etmektedir. Denklemde a terimini ihmal ederek içeren ifadeyi sol tarafa atarsak, ifadesini elde ederiz. b'nin bir olduğu durumda değişkenin iki dönem arasındaki değeri sağ tarafta kalan rassal bir terime eşit demektir. Bu ise birim kökün varlığı sebebiyle serinin rassal bir sürecin etkisinde olduğunu ifade eder. Serinin dönemler arası değişimi tesadüfi olduğu için uzun dönemde varyansı kovaryansı ve ortalaması sabit olmayacaktır. Dolayısıyla birim kök içeren bir serinin durağan olmadığı söylenir.


Dickey Fuller testi istatistikte bir zaman serisinin birim kök içerip içermediğini test etmeye yarayan bir işlemdir. D. A. Dickey ve W. A. Fuller tarafından 1970'li yıllarda geliştirilmiştir.

Korelasyon, olasılık kuramı ve istatistikte iki rassal değişken arasındaki doğrusal ilişkinin yönünü ve gücünü belirtir. Genel istatistiksel kullanımda korelasyon, bağımsızlık durumundan ne kadar uzaklaşıldığını gösterir.

<span class="mw-page-title-main">Normal dağılım</span> sürekli olasılık dağılım ailesi

Normal dağılım, aynı zamanda Gauss dağılımı veya Gauss tipi dağılım olarak isimlendirilen, birçok alanda pratik uygulaması olan, çok önemli bir sürekli olasılık dağılım ailesidir.

Durbin Watson istatistiği, bir regresyon modeli tahmin edildikten sonra artık terimlerin korelasyon halinde olup olmadığını test etmeye yarayan bir sayıdır. Bu sayının 2 civarında çıkması, "otokorelasyon vardır" boş hipotezini reddedemeyeceğimizi gösterir. Buna göre e = hata terimi ya da artık, t = zaman olmak üzere Durbin Watson test istatistiği:

Otoregresif hareketli ortalamalar modelleri, istatistik biliminde George Box ve Gwilym Jenkins'e ithafen Box-Jenkins modelleri olarak da bilinen zaman serisi kestirimi ve öngörme yöntemi olup eşit zaman aralıklarında gözlenen zaman serisi verilerinde uygulanır.

En küçük kareler yöntemi, birbirine bağlı olarak değişen iki fiziksel büyüklük arasındaki matematiksel bağlantıyı, mümkün olduğunca gerçeğe uygun bir denklem olarak yazmak için kullanılan, standart bir regresyon yöntemidir. Bir başka deyişle bu yöntem, ölçüm sonucu elde edilmiş veri noktalarına "mümkün olduğu kadar yakın" geçecek bir fonksiyon eğrisi bulmaya yarar. Gauss-Markov Teoremi'ne göre en küçük kareler yöntemi, regresyon için optimal yöntemdir.

İstatistiksel terimler, kavramlar ve konular listesi matematik biliminin çok önemli bir alt-bölümü olan istatistik biliminde içeriğinde bulunan konuların çok ayrıntılı olarak sınıflandırılması ile ortaya çıkarılmıştır. Milletlerarası İstatistik Enstitüsü bir enternasyonal bilim kurumu olarak istatistik bilimi konu ve terimlerini bir araya toplayıp 28 bilim dilinde karşılıklı olarak yayınlamıştır. Bu uğraşın sonucunun milletlerarası bilim camiasının büyük başarılarından biri olduğu kabul edilmektedir. Ortaya çıkartılan, istatistik bilimi içinde kullanılan ve bu bilime ait özel kavramların ve terimlerin listesi, tam kapsamlı olma hedeflidir ve böylelikle istatistik bilimi için bir Türkçe yol haritası yapılmış olmaktadır.

<span class="mw-page-title-main">Tekdüze dağılım (sürekli)</span> Özel olasılık dağılımı

Sürekli tekdüze dağılım (İngilizce: continuous uniform distribution) olasılık kuramı ve istatistik bilim dallarında, her elemanı, olasılığın desteklendiği aynı büyüklükteki aralık içinde bulunabilir, her sürekli değer için aynı sabit olasılık gösteren bir olasılık dağılımları ailesidir. Desteklenen aralık iki parametre ile, yani minimum değer a ve maksimum değer b ile, tanımlanmaktadır. Bu dağılım kısa olarak U(a,b) olarak anılır.

Olasılık kuramı ve istatistik bilim kollarında, çokdeğişirli normal dağılım veya çokdeğişirli Gauss-tipi dağılım, tek değişirli bir dağılım olan normal dağılımın çoklu değişirli hallere genelleştirilmesidir.

İstatistik bilim dalında Yates süreklilik düzeltmesi veya Yates'in ki-kare sınamasıisimsel ölçekli' veya sırasal ölçekli iki değişken için gözlemlenmiş örneklem verileri bir bağımlılık tablosu halinde betimlenmiş iken, ilişkili iki değişken arasında bağımsızlık sınaması yapmak için bazı özel hallerde kullanılır.

<span class="mw-page-title-main">Doğrusal olmayan regresyon</span>

Doğrusal olmayan regresyon, istatistik bilimde gözlemi yapılan verilerin bir veya birden fazla bağımsız değişkenin model parametrelerinin doğrusal olmayan bileşiği olan ve bir veya daha çok sayıda bağımsız değişken ihtiva eden bir fonksiyonla modelleştirilmesini içeren bir regresyon (bağlanım) analizi türüdür. Veriler arka-arkaya yapılan yaklaşımlarla kurulan modele uydurularak çözümleme yapılır.

Tobit modeli negatif olmayan bağımlı bir değişken ile bağımsız bir değişken veya vektör arasındaki ilişkiyi tanımlamak için James Tobin tarafından öne sürülen bir ekonometrik yöntemdir.

Vektör otoregresyon (VAR), tek değişkenli AR modellerini genelleştiren, çoklu zaman serileri arasındaki gelişimi ve karşılıklı bağımlılığı veren ekonometrik bir modeldir. Bir VAR'daki tüm değişkenler, modeldeki değişkenin kendi gecikmeleri ve diğer tüm değişkenlerin gecikmelerine bağlı olarak değişkenin gelişimini açıklayarak her bir değişken için bir denklem ile simetrik olarak ele alır. Bu özellik sebebiyle Christopher Sims, ekonomik ilişkilerin tahmininde teoriden bağımsız bir metot olarak VAR modelleri kullanımını, böylelikle yapısal modellerin "inanılmaz tanımlama kısıtlamalarına" bir alternatif olarak destekler.