EViews, kullanıcı dostu arayüzü ve güçlü analiz araçları ile ekonometrik modellemeyi kolaylaştırır. Bu yazılım, zaman serisi analizi, regresyon modellemesi, hipotez testleri ve tahminler gibi temel ekonometri konularında geniş bir uygulama yelpazesi sunar.
Zaman Serisi Analizi
Zaman serileri nedir?
Günümüz ekonomik ortamında, geleceğe yönelik sağlam tahminler yapmak işletmeler ve araştırmacılar için hayati öneme sahiptir. Ekonometride zaman serileri en çok kullanılan veri türlerinden biridir. Zaman serileri, zaman sırasına göre dizine alınan (veya listelenen veya işaretlenen) bir veri noktaları dizisidir. Dolayısıyla, bu tür veri ayrık zamanlı bir veri dizisidir. Zaman serisi modeller Eviews ve Stata yazılımlarıyla yapılır ve özellikle finans ve ekonomi alanlarında yoğunlukla kullanılır.
Zaman Serisi Analizlerinin Çeşitleri
Zaman serisi verilerinin doğal bir geçici sıralaması vardır. Bu, zaman serileri analizini, gözlemlerin doğal olarak sıralanmadığı kesitsel çalışmalardan farklı kılar. Bir zaman serisi için stokastik bir model, genellikle zaman içinde birbirine yakın gözlemlerin uzak gözlemlerden daha yakından ilişkili olacağı gerçeğini yansıtır. Belirli zaman aralıklarında toplanan veya kaydedilen serilerinin analizi, zaman serisi modellerinin kullanılmasını gerektirir. Zaman serisi modellerin çeşitleri genellikle aşağıdakileri içerir:
1. Otoregresyon (AR) modeli: bir veri ile birkaç geriye dönük veri (önceki zaman noktaları) arasındaki korelasyonun incelemektedir. Örneğin, bir AR (1) modeli, önceki zamanı kullanarak mevcut zaman noktasını tahmin eder.
2. Hareketli ortalama (MA) modeli: Bu model, gecikmeli gözlemlere uygulamak için bir gözlem ile hareketli ortalama modelinden kalıntı hata arasındaki bağımlılığı kullanır. Örneğin MA (1) modelinde önceki zaman noktasına ait hata terimi kullanılır.
3. Otoregresif hareketli ortalama (ARMA) modeli: Gözlemlerdeki artık hatalar ve gecikmeler dikkate alınarak MA ve AR'nin birleştirilmesiyle oluşturulur.
4. Otoregresif entegre hareketli ortalama (ARIMA) modeli: veri farklılıklarını kullanarak durağan olmayan kaynaklardan durağan veriler üretir. Bu model AR, MA ve farklılaşma yönteminin birleşimidir.
5. Mevsimsel ARIMA modeli (SARIMA): Gözlemleri mevsimsel desenlere sahip olan ARIMA modelidir.
6. Üstel düzeltme modeli: Algoritmik ağırlıkları azalan verilerin kullanımı modellenmiştir. Holt-Winters Mevsimsel Modeli, Holt Doğrusal Trend Modeli ve Basit Üstel Düzeltme (SES) bu tip modellere örnektir.
7. Durum uzayı modeli: Bu model, durum değişkenlerini kullanarak bir sistemin zaman içindeki değişimini inceler.
8. Uzun süreli belleğe (LSTM) sahip tekrarlayan sinir ağları (RNN): Karmaşık zaman serilerini tahmin etmek için zaman serisi verilerindeki uzun vadeli bağımlılıkları tanımlar.
Zaman serisi modelleri nedir?
Bir zaman serisinin modellenmesi, içindeki süreçlerin türünü ve sırasını belirlemek anlamına gelir. Zaman serisi modellenmesinde Eviews ve Stata yazımlarını kullanabilirsiniz. Modelleme sürecinde aşağıdaki adımların yapılması gerekir:
A) Modelin tanımlanması
B) Model uyumu
C) uyumlu modelin değerlendirilmesi
D) gözlenen serinin davranışını açıklayacak ve geleceğini tahmin edecek bir modelin uygun olduğu düşünülmektedir.
Zaman (serisi) durağan olduğunda; Kapsamlı ARMA modeli serinin değişikliklerini açıklayabilir ancak zaman (serisi) durağan olmadığında öncelikle birikim derecesi (d) belirlenmeli, daha sonra ARIMA süreci ile zaman serisi modellemesi yapılmalıdır. Yani kısaca bir zaman serisini modellemenin aşağıdaki soruların yanıtlanmasını gerektirdiği söylenebilir:
1) Seri durağan mıdır? Kaç tane farklılaştırmayla durağan olacaktır? (Birikim derecesinin belirlenmesi)
2) Süreç bir Otoregresif Modeli midir? Eğer öyleyse, derecesi nedir? Süreç hareketli bir ortalama modeli midir? Eğer öyleyse, derecesi nedir?
Zaman serisi örnekleri ve modellenmesi
Zaman serisi gözlemlerinin sıklığı, bu modelin analizini istatistik biliminin en yararlı dallarından biri haline getirmiştir.
Zaman serisi modellerindeki nedensellik testleri nelerdir?
Nedensellik testler, bağımsız değişkenler ile bağımlı değişkenler arasındaki neden-sonuç ilişkilerini belirlemeye yardımcı olmak için kullanılan bir yöntemdir ve zaman serisi modellerinde en sık kullanılan testlerden biri Granger nedensellik testidir. Ekonometrik zaman serisi modellerinde kullanılan bazı yaygın nedensellik testleri şunlardır:
1. Toda-Yamamoto nedensellik testi: Bu test, entegre ve eş zamanlı süreçleri dikkate alarak nedensellik testi yapma olanağı sağlar.
2. Johansen eşbütünleşme testi, çoklu zaman serileri arasındaki uzun vadeli eşbütünleşme ilişkilerini belirlemek için kullanılır.
3. İki aşamalı Engel Granger yöntemi: Bu yöntem, iki seri arasındaki uzun dönemli denge ilişkisinin araştırılması ve bu yöntemde gerçekleştirilen kısa dönemli bir nedensellik testidir.
4. Etki-Tepki yöntemi ve varyans ayrıştırma nedensellik analizi: VAR modellerinde etki tepki yöntemi, nedensellik analizi ve bir değişkene ait şokların diğer değişkenleri zaman içinde nasıl etkilediğini belirlemek için kullanılır. Varyans ayrıştırma analizi, ekonometride bir modeldeki farklı nedensel etki kaynaklarının katkısını anlamak için kullanılan bir tekniktir.
Veri Kalitesi ve Sonuçların Yorumlanması
Yaptığımız analizlerde, verilerin doğru ve temiz olması son derece önemlidir. Bu nedenle, veri toplama ve ön işleme aşamalarında titiz bir kontrol mekanizması uygulanır. Elde ettiğimiz sonuçlar, yalnızca istatistiki olarak değil, aynı zamanda işlevsel olarak da yorumlanır. Böylece, analiz çıktılarımızın hem bilimsel geçerliliği hem de pratik uygulanabilirliği garanti altına alınır.
PANEL VERİ ANALİZİ
Ekonometrik modelleme ekonomi ve finans alanında çok önemlidir. Birçok ekonomik ve finansal araştırma ve makale panel verisi de dahil olmak üzere ekonometrik modeller kullanılarak yapılmıştır. Ekonometrik analizlerinde en çok kullanılan model Panel veri analizidir.
Panel veri analizi, çapraz kesit verilerinin ve zaman serisi verilerinin avantajlarını birleştirerek daha kesin sonuçlar elde edilmesini sağlar. Bu yöntem, bireyler, firmalar veya ülkeler gibi farklı birimler arasındaki değişiklikleri ve zaman içindeki değişiklikleri gözlemlemeye olanak tanır. Böylelikle, analiz edilen verilerin doğruluğu ve güvenilirliği artar.
Ekonometrik analizlerinde, bu model çok boyutlu ve farklı zamanlarda ölçülen bilgilerden oluşmaktadır.
Panel (veri), gözlemlerin belirli bir zaman diliminde (T) sıklıkla rastgele seçilen çok sayıda yatay kesit değişkeni (N) tarafından incelendiği bir veri setilerin analiz modelidir. Başka bir deyişle, yatay kesit veri özellikleri iki yıl veya daha uzun süre inceleniyorsa, ortaya çıkan gözlem yapısına bileşik panel seti veya boylamsal panel veri seti adı verilir. Bu veri seti, özellikleri zaman içinde tekrarlanan herhangi bir nesne, canlı vb. kümesini içerir, çünkü birleştirilmiş veriler, uygun istatistiksel açıklayıcı modeller kullanılarak hem zaman serilerinin hem de kesit verilerinin özelliklerini içerir.
Panel ekonometrisinde panel veriler üzerinde yapılan analizlere panel analizleri (Panel data analysis) de denmektedir. Panel analizi yönteminde öncelikle ülke, bölge, eyalet vb. gibi belirli bir bölüm ele alınır ve bu değişkenlerin özellikleri istenilen zaman dilimindeki tüm bölümler için incelenir. Veri sayısının her zaman noktasında eşit olması gerekli değildir; incelenen zaman dilimi için bir zaman noktasında sabit olan değişkenlerin olması da mümkündür. Bileşik veri seti kullanmanın, zaman serisi ve kesitsel verilere göre birçok avantajı vardır ve bu avantajlar, daha büyük veri hacmine ve zaman serisi ile kesitsel verilerin özelliklerinin birleşimine dayanır.
Panel Veri Kullanım Alanları
Panel ekonometrisinde ekonomi ve finans sektörün hipotezlerini anlamak için panel veri analizi yoğun olarak kullanılır. Ayrıca panel analizi sıkça sağlık, endüstri, işletme gibi farklı sektörlerin araştırmalında kullanılır. Panel veri analizinin uygulama alanları geniştir. Ekonomi ve finansın yanı sıra sağlık hizmetleri, sosyal bilimler, işletme yönetimi, eğitim araştırmaları ve çevresel bilimlerde de etkin bir şekilde kullanılmaktadır.
Panel Veri Analizinde Kullanılan Ekonometrik Veriler
Ekonomik ve finansal konularda kullanılan veriler üç genel kategoriye ayrılabilir:
Zaman serileri
Yatay kesit verileri
Panel verileri
Zaman serisi verileri, yıllık, mevsimsel, aylık, haftalık, günlük ve hatta saatlik veya daha az olabilen belirli bir zaman dilimiyle ilgilidir. Kesitsel veriler, belirli bir zamandaki bir değişken hakkındaki bilgileri temsil eder. Panel veri, zaman serisi ve yatay kesit verilerinin birleşimidir, yani hem yatay kesiti hem de zamanı içerir. 2000-2015 döneminde farklı ülkelerin ekonomik büyümesi ve ya 2015-2020 döneminde farklı şirketlerin hisse senedi fiyatları gibi verilerden oluşmaktadır.
EViews ile Panel Veri Analizin Avantajları
Panel veri analizlerin kullanmasının başlıca avantajları şunlardır:
Bileşik verilerde gözlem ve veri sayısı genellikle çok daha fazla olup tahminlere olan güveni artırır.
Araştırmacıların daha gelişmiş modelleri daha az bağlayıcı hipotezlere sahip olacak şekilde açıklamasına ve test etmesine olanak tanır.
Gözlem sayısının fazla olması ekonometrideki eşdoğrusallık (kolinearite) sorununu büyük ölçüde çözmektedir. Veriler hem zamanla hem de insanlar arasında değiştiğinden, değişkenlerin birbirleriyle aynı doğrultuda olma olasılığı daha düşüktür.
Bireysel heterojenliği kontrol etmek.
Uyum dinamiklerini çalışmak daha kolay.
Daha gelişmiş modeller oluşturmak ve test etmek daha kolay.
Panel veri tahminlerinde kullanılan iki tip etki modeli vardır: sabit efektler ve rastgele efekt modelleri. Verilere bağlı olarak, panel veri regresyonlarında kullanım için farklı yöntemler uygundur.