Otokorelasyon Durumunda En Küçük Kareler Tekniğinin Alternatifi Otoregresyon Teknikleri ve Bir Uygulama


Creative Commons License

Albayrak A. S.

Süleyman Demirel Üniversitesi İktisadi ve İdari Bilimler Fakültesi Dergisi, cilt.19, sa.1, ss.1-20, 2014 (Hakemli Dergi)

Özet

En küçük kareler (EKK) regresyon analizi çeşitli istatistiksel varsayımlara dayanmaktadır. Bu varsayımlardan birisi model hatalarının birbirinden bağımsız olmasıdır. Ancak, zaman serilerine regresyon analizi uygulandığında model hataları genellikle zamanla ilişkili olduğundan bu varsayım sağlanamaz. Doğrusal regresyon modelinin dayandığı varsayımlar sağlanamadığı zaman EKK tekniği ile elde edilen sonuçlara güvenilmez. Hataların bağımsızlığı varsayımı sağlanamaması regresyon sonuçları üzerinde üç önemli etkisi vardır: Birincisi, parametrelerin istatistik anlamlılık testleri ile tahminlerin güven aralıkları doğru değildir. İkincisi, regresyon katsayılarının tahminleri etkin değildir. Üçüncüsü, model hatalarının ardışık bağımlı olması hataların model tahminlerinin geliştirilmesinde ilave bilgiler sağlayabileceğini gösterir.  Bu çalışmada 11.01.2002 ile 10.08.2012 dönemine ait 553 haftalık zaman serileri kullanılarak makroekonomik değişkenleri (S&P endeksi, altın fiyatları, döviz kuru, faiz oranları) ile sermaye hareketlerinin (doğrudan yabancı yatırımlar ve yabancı portföy yatırımları) BIST-100 endeksi üzerine olan etkileri EKK ve otoregresyon teknikleri ile çözümlenerek karşılaştırılmaktadır.

Ordinary least squares (OLS) regression analysis is based on several statistical assumptions. One key assumption is that the errors are independent of each other. However, with time series data, the OLS residuals usually are correlated over time. It is not desirable to use OLS analysis for time series data since the assumptions on which the classical linear regression model is based will usually be violated. Violation of the independent errors assumption has three important consequences for ordinary regression: First, statistical tests of the significance of the parameters and the confidence limits for the predicted values are not correct. Second, the estimates of the regression coefficients are not efficient. Third, since the ordinary regression residuals are not independent, they contain information that can be used to improve the prediction of future values. This study attempts to explain the effects of macroeconomic variables (such as gold prices, S&P index, currency parity and interest rates) and capital flows (such as foreign direct investment and foreign portfolio investment) on ISE-100 index using the 553 weekly time series data between 07.01.2005 to 03.02.2012 and compare OLS and autoregression results.