ZAMAN SERİSİ MODEL 1. Verinin Excel Dosyası Olarak

ZAMAN SERİSİ MODEL
Aşağıdaki anlatım sadece lisans düzeyindeki temel ekonometri bilgisine göre
hazırlanmıştır. Bir akademik çalışmanın gerektirdiği birçok ön ve son testi
içermemektedir. Bu dosyalar ilk defa ampirik bir çalışma yapmayı hedefleyen lisans
öğrencilerine yöneliktir.
1. Verinin Excel Dosyası Olarak Düzenlenmesi
Verilerin Excel Çalışma Kitabının ilk sayfasında olmasına dikkat edilmelidir. Değişken adları
Türkçe karakter içermemelidir. Veriler aşağıdaki gibi dizayn edildikten sonra “Excel 97 – 2003
Çalışma Kitabı” formatında kaydedilir.
2. Verinin E-Views Programına Aktarılması
Birinci Adım
File / Workfile seçeneğine tıklanır.
Aşağıdaki ekran açılır.
“Workfile structure type” kutusundan “Dated – regular frequency” seçilir. İncelenen veriler
yıllık olduğu için “Frequency” bölümünden “Annual” seçilir. “Start date” kısmına başlangıç yılı
1981 ve “End date” kısmına bitiş yılı 2010 yazılır.
Eğer veriler aylık ise 01-2001 şeklinde; üçer aylık şeklinde ise Q1-2001 şeklinde yazılmalıdır.
OK tuşuna basılır.
Excel dosyasından verileri aktarmak için Proc/Import/Read Text-Lotus-Excel menüsüne
tıklanır.
Açılan pencerede verilerin bulunduğu Excel dosyasına çift tıklanır.
Aşağıdaki ekran gelir. “Upper-left data cell” kısmına Excel dosyasında verilerin bulunduğu ilk
hücrenin yeri (B3) belirtilir.
“Names for series or Number if named in file” kısmına değişken sayısı yazılır. OK tuşuna
basılır.
Değişkenler E-views programına aktarılmış olur.
3. E-views Dosyası Olarak Kaydetmek
Kaydetmek için File/Save tıklanır.
Aşağıdaki pencere açılır. OK Tuşuna basılır.
Ekrana gelen pencerede dosyaya isim verilir ve Kaydet butonuna basılır. Ardından gelen
pencerede OK butonuna basılır.
4. Değişkenlerin logaritmasını almak
Eğer çalışmada kullanacağınız değişkenlerden bir kısmı oran şeklinde bir kısmı ise büyük
parasal değerler şeklinde ise parasal olan değişkenlerin logaritması alınabilir. Böylece
katsayılar değişkenler arasındaki değişimi daha anlaşılır bir şekilde ifade etmiş olur.
Yukarıda verilen örnekte kir değişkeni orandır; %0-100 arasında değişmektedir. Fakat gelir
değişkeni parasal değerdir; 11.000 dolara kadar değişen değerler almaktadır. Bu değişkenler
aynı modelde aldığında katsayıların üssel ifadelerle çıkması yorumları zorlaştırmaktadır. Bu
nedenle gelir değişkeninin de logaritması alınarak yüzde değişim haline getirilebilir.
Gelir değişkeninin logaritmasını almak için Genr sekmesine tıklanır ve aşağıdaki ekran gelir.
Bu ekranda logaritma alınarak oluşturulacak yeni değişkene loggelir adını verdiğimizi kabul
edersek “Enter equation” kısmına loggelir=log(gelir) denklemi yazılır ve OK butonuna basılır.
Değişken listesine yeni bir değişken eklenmiş olur.
5. Model Tahmininde Bulunmak
Model tahmini için Quick/Estimate Equation… tıklanır.
Aşağıdaki pencerede “Equation Specification” bölümüne bağımlı değişken (kir) başta olmak
üzere sabit terim (c) ve ardından bağımsız değişkenler sırasıyla yazılır.
“Options” sekmesine tıklanır. “Heteroskedasticity consistent coefficient covariance”
seçeneğinin başındaki kontrol kutusuna tıklanır. (Böylece değişen varyans sorunu ortadan
kaldırılmış olur.) OK butonuna basılır.
Aşağıdaki sonuç ekranına ulaşılır…
5. Sonuçların Raporlanması
Yukarıda sonuç ekranını aşağıdaki tabloda özetlenebilir.
Tablo : Ampirik Sonuçlar
Bağımsız Değişken = KIR
Türkiye 1980-2010
Değişkenler
Katsayı
t-istatistiği
Anlamlılık
C
88,83926
9,101126
0,0000
LogGelir
-4,808934
-3,540776
0,0015
Okul
-0,181066
-4,779568
0,0001
R2
0,867124
F-Testi
88,09863
Durbin-Watson
0,204177
t-değerleri Değişen varyans sorunu olmayan değerlerdir.
Yukarıdaki tabloda yer alan sonuçlar aşağıdaki gibi yorumlanır.
LogGelir değişkeninin KIR üzerine etkisi negatif ve istatistiksel olarak %1 düzeyinde (0,0015)
anlamlıdır. LogGelir değişkeninde %1 oranında artış olması durumunda KIR değişkeninde
4,808934 birimlik artışa neden olur. (Logaritması alınan değişkenlerdeki değişim birim ile
değil yüzdelik olarak değerlendirilir.) Daha açık bir ifadeyle kişi başına gelirin artması kırda
yaşayan nüfus azalmaktadır. Bu sonuç beklentilere uygundur.
Okul değişkeninin KIR üzerine etkisi negatif ve istatistiksel olarak %1 düzeyinde (0,0001)
anlamlıdır. Okul değişkenindeki 1 birimlik artış KIR değişkeninde 0,181066 birimlik düşüşe
neden olmaktadır. Daha açık bir ifadeyle Türkiye’de okullaşma oranı arttıkça kırda yaşayan
nüfus azalmaktadır Bu sonuç beklentilere uygundur.
Modelin R2 değeri 0,867124 olarak hesaplanmıştır. Bu sonuç modeldeki bağımsız
değişkenlerin bağımlı değişkendeki değişmenin %86’sını açıkladığını göstermektedir. Modelin
anlamlılığını gösteren F değeri 88,09863 hesaplanmıştır ve %1 düzeyinde (0,0000) anlamlıdır.
Bu sonuç modelin anlmalı olduğunu göstermektedir.
Durbin-Watson İstatistiği 0,204177 olarak hesaplanmıştır. Bu sonuca göre modelde
otokorelasyon sorunu olduğu görülmektedir. Durbin-Watson istatistiği 0-4 aralığında değer
almaktadır. İstatistik eğerinin 2 civarında olması modelde oto korelasyon sorununun
olmadığını gösterir.