T.C.
İSTANBUL ÜNİVERSİTESİ
İKTİSAT FAKÜLTESİ
EKONOMETRİ BÖLÜMÜ
YATIRIMLAR
VE
TÜRKİYE’DE ÖZEL SEKTÖR SABİT SERMAYE YATIRIMLARINI
ETKİLEYEN UNSURLAR ÜZERİNE
EKONOMETRİK MODEL ÇALIŞMASI
Hazırlayanlar
0505020076 Ahmet ORMAN
0505020015 Cenk Ufuk YILDIRAN
Tez Danışmanı
Yard. Doç. Dr. Özlem GÖKTAŞ YILMAZ
1.ARAŞTIRMANIN AMACI VE YÖNTEMİ
1.1
Araştırmanın Amacı
1.2 Çalışılan Dönemin Belirlenmesi
1.3 Değişkenlerin Seçilmesi Ve Modelin Oluşturulması
1.4 Araştırmanın Yöntemi
2. FONKSİYONEL FORMUN VE GEREKSİZ DEĞİŞKENLERİN
BELİRLENMESİ
2.1 Gereksiz Değişkenlerin Belirlenmesi
2.2 Fonksiyonel Formun Belirlenmesi
2.2.1 PE Testi
2.2.2 Zaman Serisi Ve Dağılım Grafikleri Yardımıyla Fonksiyonel Formun
Belirlenmesi
3. KALINTILARIN ANALİZİ
3.1 Kalıntıların Normal Dağılması Varsayımının Gerekliliği
3.2 Jarque-Bera Testi
4. YAPISAL KIRILMA ANALİZİ
4.1 Cusum Testi
4.2 Cusum SQ Testi
4.3 Chow Breakpoint Testi
4.4 Kukla Değişken Kullanarak Yapısal Kırılmanın Araştırılması
5. İHMAL EDİLMİŞ DEĞİŞKEN VARLIĞININ ARAŞTIRILMASI
5.1 Ramsey Reset Testi
6. ÇOKLU DOĞRUSAL BAĞLANTININ ARAŞTIRILMASI
6.1 Çoklu Doğrusal Bağlantı
6.2 Çoklu Doğrusal Bağlantının Tespiti
7. OTOKORELASYONUN TESPİTİ VE KALDIRILMASI
7.1 Otokorelasyon
7.2 Hata Terimlerinin Grafiğinin İncelenmesi
7.3 Durbin Watson-d Testi
7.4 Breusch-Godfrey LM Testi
8. DEĞİŞEN VARYANS (HETEROSKEDASİTE) DURUMUNUN
İNCELENMESİ
8.1 Heteroskedasite
8.2 White Testi
8.3 Glejser Testi
9. SONUÇLAR
1.ARAŞTIRMANIN AMACI VE YÖNTEMİ
1.1 Araştırmanın Amacı
Bilindiği gibi yatırımlar bir ülkedeki büyüme ve kalkınmanın en önemli dinamiğidir.
Ayrıca bir ülkedeki yatırımların artması o ülkede ki refah seviyesinin artması yönünde olumlu
katkı yapar.
Yat
ırımlar kamu ve özel sektör yatırımları olarak iki kısma ayrılır. Devlet ağırlıkla yol
yapımı, enerji tesisleri kurulması gibi alt yapı; eğitim, güvenlik gibi hizmetlerin verilmesi
yönünde yatırımları gerçekleştirirken, özel sektör ise kendi karını maksimi
ze edecek
yatırımlar yapar.
Devletin yatırım yapmaktaki birincil amacı ise yukarıda belirtildiği gibi kar değil
sosyal faydadır.
Günümüz modern ekonomik sistemlerinde devletin ekonominin genelinde olduğu gibi
yatırımlarda da yerini özel sektöre bıraktığını görmekteyiz.
Bu çalışma 1980
-
2004 yılları arasında Türkiye’de özel sektör sabit sermaye
yatırımlarının hangi unsurlar tarafından pozitif ya da negatif yönlü etkilendiğini ekonometrik
yöntemler kullanarak analiz etmeyi amaçlamıştır.
1.2 Çalışılan D
önemin Belirlenmesi
1980 yılında başlayan Ekonomide Liberizasyon çalışmaları doğrultusunda aynı yılın
temmuz ayında mevduat faiz oranları serbest bırakılmıştır. Konjönktürü izleyen bir kur
politikasıyla birlikte uygulanacak olan pozitif reel faiz politikasının kaynak dağılımındaki
bozuklukları düzelterek yatırımları arttıracağı dolayısıyla ekonomik büyümeye katkıda
bulunacağı düşünülmekteydi.
O tarihe kadar izlenen negatif faiz politikası bu hamleyle pozitif düzeye çıkarılmak
istenmiştir. Bu girişimlerin sonucu olarak faizler 1981 yılında pozitif değer almıştır.
Bu çalışmanın temel varsayımı yatırımların ağırlıklı olarak faizler tarafından
şekillendirildiğidir. Bu nedenle faiz politikasının tamamen değiştirildiği 1980 yılı baz alınarak
üzerinde çalışılacak 3dönem belirlenmiştir.
1.3 Değişkenlerin Seçilmesi Ve Modelin Oluşturulması
Çalışmamızda, iktisadi teori göz önüne alınarak ve yapıla gelmiş çalışmalar
incelenerek özel sektör sabit sermaye yatırımlarını etkileyebilecek beş adet değişken
seçilmiştir.
Bunlar;
Reel GSMH:
Tasarrufların kaynağı elde edilen gelirdir. Bir ülkede ki toplam değerin
ifadesi GSMH dir. Bu nedenle GSMH’daki artış ve azalışlar tüketimi etkilediği gibi
tasarrufları dolayısıyla yatırımları etkil
eyecektir.
Reel Banka Mevduatı: Hane halkının tasarruflarının toplanarak yatırımların finanse
edilme işlemi banka aracılığıyla gerçekleştirilir. Dolayısıyla bir ekonomideki toplam mevduat
hacmi yatırımları şekillendirecektir.
Reel Kamu Yatırımları:
Ka
mu yatırımlarının özel sektöre kanalize olan sermayenin
verimini arttırarak bu yatırımların toplam yatırımlar içindeki payını arttırdığı düşünülerek bu
değişken modele dahil edilmiştir.
Enflasyon Oranı: Enflasyonist ortamda önünü göremeyen yatırımcı için
yatırım
yapmak rasyonel bir davranış değildir. Bu nedenle enflasyon oranının yatırımları negatif
yönde etkileyeceği düşünülerek modele alınması uygun görülmüştür.
Sonuçta 1980-
2004 yılları arasında Türkiye’de özel sektör sabit sermaye yatırımları
üzeri
nde inceleme yapmak için aşağıdaki gibi bir model oluşturulmasına karar verilmiş ve bu
modele çeşitli istatistiksel testler uygulanarak klasik doğrusal regresyon varsayımlarından en
sapmasız olan, en anlamlı model tahmin edilmeye çalışılmıştır.
ROSY=
f
(C,RFO,RGSMH,RBM,RKY,EO)
1.4 Araştırmanın Yöntemi
Toplanan verilerden oluşturulan model değişik ekonometrik testlerle kontrol edilmiş
ve istatistiksel olarak tutarlı bir yapıya sahip olmasına çalışılmış, yapısal analizin sonunda
sorunsuz modele u
laşılmaya çalışılmıştır.
2. FONKSİYONEL FORMUN VE GEREKSİZ DEĞİŞKENLERİN
BELİRLENMESİ
2.1 Gereksiz Değişkenlerin Belirlenmesi
ROSYDO=
f
(C,RFDO,RGSMHDO,RBMDO,RKYDO(-1),EDO)
Fonksiyonel formu uyarınca ilk olarak Model
-
1 tahmin edilmiştir.
RKY’nın ROSY’nı gecikmeli olarak etkileyeceği varsayılarak modele bir gecikmeli
değeriyle dahil edilmesine karar verilmiştir.
Oran
–
oran kriteri gereğince RGSMH, Reel Banka Mevduatı, Reel Kamu Yatırımları
değerlerinin değişim oranlarıyla modele sokulmasına karar verilmiştir. Ayrıca reel faiz
ve
enflasyon oranları da bir önceki yıl
a
göre değişim oranları alınarak modele sokulmuştur.
Dependent Variable: ROSYDO Method: Least Squares
Date: 06/25/06 Time: 12:53 Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C -0.033899 0.025932 -1.307234 0.2076 RFDO β1 0.001451 0.004084 0.355307 0.7265 RGSMHDO β2 1.575394 0.488695 3.223676 0.0047 RBMDO β3 0.363354 0.157109 2.312751 0.0328 RKYDO(-1) β4 0.034698 0.134285 0.258395 0.7990 EDO β5 0.209692 0.069452 3.019243 0.0074 R-squared 0.688502 Mean dependent var 0.053806 Adjusted R-squared 0.601975 S.D. dependent var 0.147340 S.E. of regression 0.092955 Akaike info criterion -1.701076 Sum squared resid 0.155533 Schwarz criterion -1.406563 Log likelihood 26.41291 F-statistic 7.957068 Durbin-Watson stat 1.650539 Prob(F-statistic) 0.000416
Model-1
İktisat teorisi ekonometrik modeldeki paremetrelerin anlamlılık testini yaparken dikkat
edilmesi gereken bir husustur.
Buna göre; iktisat teorisinde faizin yatırımları etkilemesiyle ilgili teorilere dikkat
ederek,
hipotezleri bu şekilde kurmamız gerekmektedir.
Çalışmamızın teorik kısımında da
belirttiğimiz gibi Keynez’de ve Neo
-
klasik Okul’da faizin artması yatırımların azalmasına
neden olur. Ancak Mc Kinnon ve Shaw’ın yatırım teorisin de ise Finansal Liberalleşme
uyarınca faiz oranlarında ki yükselmeler yatırımları olumlu yönde etkiler.
Bu iki farklı görüşü
de yansıtması için alternatif hipotezimiz çift taraflı kurulur.
Ho:
β1=0
thes=(0.001451/0.004084)= 0.355307
Hı:β1≠0
ttablo(0,05;18)= 2.101
(çift taraflı)
GSMH’nın artışının tasarrufları, dolayısıyla Özel sektör sabit sermaye yatırımlarını
arttıracağı düşünerek, alternatif hipotezimizi sıfırdan büyük kurarız.
Ho: β2
=0
thes=3.223676
Hı: β2
>0
ttablo
(0,05;18)= 1.714 (tek taraflı)
Karar: thes>tablo Ho red
β2
parametresi(RGSMHDO)
ROSY’nı açıklamada
anlamlıdır.
Özel sektör yatırımlarının fonlanması için kaynağa gerek duyulduğu açıktır.
Girişimcinin sermaye kaynaklarının birinin de bankalar olduğunu düşünürsek banka mevduat
hacminin artması durumunda yatırımlara kaynak olabilecek değerin, dolayısıyla yatırımların
artacağı kabul edilebilir bir gerçektir. Ancak iktisat teorisinde bu konuyla ilgili görüşler kesin
olarak ortaya konulmamıştır. Bu nedenle alternatif hipotezimizi ç
i
ft taraflı kuracağız.
Ho: β3=0
thes=
2.312751Hı: β3≠0
ttablo(0,05;18)=2.101 (çi
ft taraflı)
Karar: thes>tablo Ho red
β3
parametresi (RBMDO)
ROSY’nı açıklamada anlamlıdır.
Kamu yatırımlarının Özel sektör yatırımlarına olan etkisi için İktisadi Büyüme
Teorilerine bakarsak; Robert J. Barro’nun
Kamu yatırımlarının özel sektöre kanaliz
e olan
sermayenin verimini arttırarak bu yatırımların toplam yatırımlar içindeki payını arttırdığı
gör
üşüyle karşılaşırız. Bu görüş uyarınca
alternatif hipotezimizi sıfırdan büyük kurmamız
gerektiği sonucuna varırız.
Ho: β4=0
thes=
0.258395Hı: β4
>0
ttablo(0,05;18)= 1.714 (tek taraflı)
Karar: thes<tablo Ho kabul
β4
parametresi (RKYDO)
ROSY’nı açıklamada
anlamsızdır
.
Enflasyonunun büyümeyi
dolayısıyla yatırımları
etkilemesi yönün de olumlu ve
olumsuz görüşler bulunmaktadır.
Olumlu görüşler;
Ke
ynesyen ve Paracı okula mensup bazı iktisatçılara göre,
Enf
lasyondaki artış bireylerin servetlerinde azalışa neden olmaktadır. Bu nedenle,
bireyler enflasyon öncesi servet dengesine ulaşabilmek için tasarruf eğilimlerini arttırırlar ve
sonuçta artan tas
arruflar faiz oranlarını düşürmek ve yatırımları arttırmak suretiyle yatırımları
dolayısıyla büyümeyi arttırır.
Enflasyon, yatırım portföyünü finansal sektörden reel sektöre doğru kaydırmakta bu
da sermayenin yoğunluğunu arttırmak suretiyle ekonomik büyümeyi (yatırımları)
Olumsuz görüşler;
Enflasyon, gelecekle ilgili olumsuz beklentilerin ortaya çıkmasına neden olmakta, bu
da yatırımları ve büyümeyi olumsuz yönde etkilemektedir.
Farklı sektörlere ait fiyatlar farklı oranlarda arttığından enflasyon, ileriye dönük
yatırım kararlarını bozmaktadır.
Bu iki farklı görüşler uyarınca alternatif hipotezimizi çift taraflı kuracağız.
Ho: β5=0
thes= 3.019243
Hı: β5≠0
ttablo(0,05;18)= 2.101 (çift taraflı)
Kara
r: Ho red , β5 parametresi ROSY’nı açıklamada anlamlıdır.
Enflasyon değişim oranı Türkiye’de özel sektör sabit sermaye yatırımlarını olumlu
yönde (pozitif) etkilemektedir.
Bu analizde 1980 sabit fiyat esaslı deflatör kullanarak verileri reelize etmiş olmamıza
rağmen, enflasyon değişim oranının özel sektör sabit sermaye yatırımlarını yine de
etkilediğini görmekteyiz.
Anlamsız değişkenlerin atılması:
İlk olarak, anlamsız çıkan değişkenlerden RKYDO’nı çıkararak Model
-2 yi tahmin
edelim.
Variable Coefficient Std. Error t-Statistic Prob.
C -0.039041 0.023426 -1.666576 0.1112 RFDO 0.001238 0.003931 0.314992 0.7560 RGSMHDO 1.666488 0.456492 3.650644 0.0016 RBMDO 0.341175 0.150572 2.265851 0.0347 EDO 0.191408 0.061499 3.112384 0.0055 R-squared 0.681178 Mean dependent var 0.048958 Adjusted R-squared 0.617414 S.D. dependent var 0.146260 S.E. of regression 0.090467 Akaike info criterion -1.790810 Sum squared resid 0.163685 Schwarz criterion -1.547034 Log likelihood 27.38512 F-statistic 10.68274 Durbin-Watson stat 1.666837 Prob(F-statistic) 0.000085
Model-2
Model-2 de sabit terimimiz ve RFDO parametres
i anlamsız çıkmıştır. Bu durumda
teorisinde yatırım fonksiyonunu etkileyen en önemli unsur olduğunu bilmekteyiz.
Bu yüzden
bu değişkenin ROSY üzerindeki etkisini bas
it regresyon kurarak göstermek istiyoruz.
Dependent Variable: ROSYDO Method: Least Squares
Date: 06/18/06 Time: 19:41 Sample: 1980 2004
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob.
C 0.048819 0.029520 1.653779 0.1118 RFDO 0.004723 0.006270 0.753296 0.4589 R-squared 0.024078 Mean dependent var 0.048958 Adjusted R-squared -0.018354 S.D. dependent var 0.146260 S.E. of regression 0.147596 Akaike info criterion -0.912059 Sum squared resid 0.501044 Schwarz criterion -0.814549 Log likelihood 13.40074 F-statistic 0.567454 Durbin-Watson stat 1.633342 Prob(F-statistic) 0.458914
Model-3
Model-
3 de görüldüğü üzere
reel faiz oranının özel sektör sabit sermaye
yatırımlarındaki değişimi açıklama gücü oldukça düşüktür. Kurduğumuz basit model
parametreleri itibarıyla istatistiksel olarak anlamsızdır.
*Uygur’da 1993 yılında yaptığı çalışmasında Türkiye’de Özel Sektör Sabit Sermaye
Yatırımlarının, Konut Yatırımları dışında faize karşı duyarlı olmadığı
sonucuna varmıştır.
Yaptığımız çalışma da, Uygur’un bu sonucuyla uyuşmaktadır.
Türkiye’de yatırımların faize karşı duyarsız olmasının nedeni ; yıllar boyunca çok
yüksek seyreden enflasyon etkisiyle reel fa
izlerin negatif değer alması olabilir.
Buna göre
faizin de atıldığı yeni model oluşturulmuştur;
Dependent Variable: ROSYDO Method: Least Squares
Date: 06/18/06 Time: 20:00 Sample: 1980 2004
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob.
C -0.039553 0.022863 -1.730009 0.0983 RGSMHDO 1.671695 0.446301 3.745668 0.0012 EDO 0.190799 0.060136 3.172814 0.0046 RBMDO 0.346308 0.146442 2.364808 0.0277
R-squared 0.679596 Mean dependent var 0.048958 Adjusted R-squared 0.633825 S.D. dependent var 0.146260 S.E. of regression 0.088505 Akaike info criterion -1.865861 Sum squared resid 0.164497 Schwarz criterion -1.670841 Log likelihood 27.32326 F-statistic 14.84745 Durbin-Watson stat 1.705834 Prob(F-statistic) 0.000021
Model-4
Burada ise; F testi
sonucuna göre model tüm parametreleri ile anlamlıdır, R
-kare ise
sadece %67’lik kısmı bu bağımsız değişkenler tarafından açıklanabilmektedir. Ayrıca, sabit
par
ametre anlamsız çıkmıştır. Ancak şu ana kadar tahmin edilen en iyi model budur.
Bu modelin kullanılabilir olup olmamasını araştırmak istiyoruz.
2.2 Fonksiyonel Formun Belirlenmesi
Modelimizin fonksiyonel formunun belirlenmesi için ilk olarak dört değişik olası
model tahmin edilecektir. Daha sonra çeşitli testler yapılacak ve en uygun model
çalışmamızda kullanılacaktır.
Variable Coefficient Std. Error t-Statistic Prob.
C -0.039553 0.022863 -1.730009 0.0983 RGSMHDO 1.671695 0.446301 3.745668 0.0012 EDO 0.190799 0.060136 3.172814 0.0046 RBMDO 0.346308 0.146442 2.364808 0.0277
R-squared 0.679596 Mean dependent var 0.048958 Adjusted R-squared 0.633825 S.D. dependent var 0.146260 S.E. of regression 0.088505 Akaike info criterion -1.865861 Sum squared resid 0.164497 Schwarz criterion -1.670841 Log likelihood 27.32326 F-statistic 14.84745 Durbin-Watson stat 1.705834 Prob(F-statistic) 0.000021
Model-4
Yukarıda işlenen aşamalardan sonra bu doğrusal model tahmin edilmişti.
Dependent Variable: ROSYDO Method: Least Squares
Date: 06/25/06 Time: 19:32 Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.015445 0.029934 0.515988 0.6115 RGSMHDO(-1) -0.079829 0.497394 -0.160494 0.8741 RBMDO 0.677803 0.157237 4.310719 0.0003 EDO 0.245387 0.089795 2.732762 0.0128 R-squared 0.502837 Mean dependent var 0.053806 Adjusted R-squared 0.428262 S.D. dependent var 0.147340 S.E. of regression 0.111408 Akaike info criterion -1.400217 Sum squared resid 0.248237 Schwarz criterion -1.203874 Log likelihood 20.80260 F-statistic 6.742750 Durbin-Watson stat 1.931174 Prob(F-statistic) 0.002525
Model-5
Model-
5 de ise GSMH’nın özel sektör sabit sermaye yatırımlarının gecikmeli
Aşağıdaki aş
amalar
da ise verilerimizin logaritmik dönüşümü yapılarak tam logaritmik,
yarı logaritmik ve ters model kurularak modelimizin doğru fonksiyonel formunun bulunması
amaçlanmaktadır.
Variable Coefficient Std. Error t-Statistic Prob.
C -7.283617 1.960485 -3.715212 0.0013 LNGSMH 0.926572 0.232852 3.979238 0.0007 LNE 0.244478 0.048701 5.019964 0.0001 LNBM 0.347277 0.170124 2.041320 0.0540 R-squared 0.932687 Mean dependent var 16.39097 Adjusted R-squared 0.923071 S.D. dependent var 0.446393 S.E. of regression 0.123812 Akaike info criterion -1.194458 Sum squared resid 0.321918 Schwarz criterion -0.999437 Log likelihood 18.93072 F-statistic 96.99167 Durbin-Watson stat 0.625823 Prob(F-statistic) 0.000000
Model-6
Yukarıdaki modelde LNBM değişkeninin parametresi 0.05 ten az bir farkla da olsa
anlamsız çıkmıştır.
Model-7 de Model-
5’te olduğu gibi
GSMH’nın özel sektör sabit sermaye
yatırımlarının gecikmeli değeriyle modele konulmasına karar verilmiştir.
Dependent Variable: LNOSY Method: Least Squares Date: 06/18/06 Time: 19:07 Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -5.006841 2.163274 -2.314474 0.0314 LNGSMH(-1) β1 0.636831 0.244553 2.604068 0.0170 LNBM β2 0.536004 0.184793 2.900558 0.0088 LNE β3 0.228665 0.060030 3.809205 0.0011
R-squared 0.903451 Mean dependent var 16.41757 Adjusted R-squared 0.888968 S.D. dependent var 0.435279 S.E. of regression 0.145041 Akaike info criterion -0.872587 Sum squared resid 0.420738 Schwarz criterion -0.676245 Log likelihood 14.47105 F-statistic 62.38274 Durbin-Watson stat 0.716901 Prob(F-statistic) 0.000000
Model-7
GSMH
’nın gecikmeli değerleri R
-
kare değerini düşürmesine rağmen LNBM
değişkeninin parametresinin anlamlı hale gelmesini sağlamıştır.
(k=4, n=24)
Ho: β1=0
thes= 2.604068
Karar: Ho red GSMH’nın parametresi olan β1
OSY
’yi
açıklamada anlamlıdır.
Banka mevduatı için hipotez testi;
Ho: β2=0
thes= 2.900558
Hı: β2>0
ttablo(0,05;20)=
1.725 (tek taraflı)
Karar: thes>ttablo
Ho red Banka Mevduatı değişim oranı parametresi olan β2 OSY’yi
açıklamada anlamlıdır.
Enflasyon oranı için hipotez testi;
Ho: β3
=0
thes=
3.809205Hı: β3≠
0
ttablo(0,05;20)= 2.086 (çift
taraflı)
Kara
r: thes>tablo Ho red β3 parametresi anlamlıdır.
Sabit parametre için hipotez testi;
Ho: β0=0
thes= I -2.314474 I
Hı: β0≠0
ttablo(0,05;20)= 2.086 (çift taraflı)
Karar: thes>tablo Ho red sabit parametre de
anlamlıdır.
R-
kare değeri=0.903451 olup oldukça anlamlıdır. Bu haliyle model tercih edilebilir bir
görüntü çizmektedir. Ancak; yarı logaritmik model ve ters model de oluşturulduktan sonra bu
kararın verilmesi yerinde olacaktır.
3.Yarı Logaritmik Model
Dependent Variable: LNOSY Method: Least Squares Date: 06/25/06 Time: 19:42 Sample: 1980 2004
Included observations: 25
Variable Coefficient Std. Error t-Statistic Prob.
C -1.42E-12 3.10E-13 -4.580225 0.0002 RGSMHDO 1.000000 1.89E-14 5.29E+13 0.0000 RBMDO -1.81E-14 5.58E-14 -0.323965 0.7492 EDO 4.30E-15 2.79E-14 0.154263 0.8789
R-squared 1.000000 Mean dependent var 16.39097 Adjusted R-squared 1.000000 S.D. dependent var 0.446393 S.E. of regression 4.11E-14 Sum squared resid 3.54E-26 F-statistic 9.46E+26 Durbin-Watson stat 0.126343 Prob(F-statistic) 0.000000
Dependent Variable: LNOSY Method: Least Squares Date: 06/25/06 Time: 19:44 Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 0.817871 0.818709 0.998976 0.3297 RGSMHDO(-1) 0.950180 0.049896 19.04317 0.0000 RBMDO 0.661280 0.145619 4.541152 0.0002 EDO 0.239306 0.076836 3.114508 0.0055
R-squared 0.948200 Mean dependent var 16.41757 Adjusted R-squared 0.940430 S.D. dependent var 0.435279 S.E. of regression 0.106238 Akaike info criterion -1.495252 Sum squared resid 0.225732 Schwarz criterion -1.298910 Log likelihood 21.94303 F-statistic 122.0337 Durbin-Watson stat 2.073342 Prob(F-statistic) 0.000000
Model-9
Bu iki modelde Özel sektör sabit sermaye yatırımları logaritmik dönüşümü yapılmış
halinde, bağımsız değişkenler ise değişim oranları şeklinde modele dahil edilmiştir.
Model-9 da Model-
7 ve 5’te olduğu gibi GSMH gecikmeli değerleriyl
e modele dahil
edilmiştir.
Model-
8’de RBMDO ve Enflasyon değişim oranlarının parametreleri anlamsız
çıkmıştır. Model
-
9 da ise sabit parametre anlamsızdır.
Dolayısıyla her iki model de Model
-7’den anlamlı çıkmamıştır.
Variable Coefficient Std. Error t-Statistic Prob.
C 0.075895 0.031014 2.447141 0.0233 TRGSMHDO -0.000856 0.000694 -1.233931 0.2309 TRBMDO 0.004562 0.002757 1.654662 0.1129 TEDO 0.002158 0.001018 2.120751 0.0460 R-squared 0.295503 Mean dependent var 0.048958 Adjusted R-squared 0.194860 S.D. dependent var 0.146260 S.E. of regression 0.131238 Akaike info criterion -1.077958 Sum squared resid 0.361693 Schwarz criterion -0.882938 Log likelihood 17.47447 F-statistic 2.936164 Durbin-Watson stat 1.869213 Prob(F-statistic) 0.056987
Dependent Variable: ROSYDO Method: Least Squares
Date: 06/25/06 Time: 19:52 Sample(adjusted): 1981 2004
Included observations: 24 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 0.073092 0.034937 2.092129 0.0494 TRGSMHDO(-1) -0.000110 0.000487 -0.226714 0.8229 TRBMDO 0.001600 0.001995 0.802025 0.4320 TEDO 0.002334 0.001089 2.143044 0.0446
R-squared 0.251222 Mean dependent var 0.053806 Adjusted R-squared 0.138905 S.D. dependent var 0.147340 S.E. of regression 0.136724 Akaike info criterion -0.990692 Sum squared resid 0.373870 Schwarz criterion -0.794349 Log likelihood 15.88830 F-statistic 2.236724 Durbin-Watson stat 2.108606 Prob(F-statistic) 0.115343
Model-11
Model-
10 ve 11 OSY’nın değişim oranı, bağımsız değişkenlerin ise 1’e bölünmüş
değişim oranları olarak kullanıldığı modellerdir. Görüldüğü gibi iki modelde de parametre
değerleri çoğunlukla anlamsızdır. Dolayısıyla bu iki modeli de tercih edemeyeceğiz.
2.2.1 PE Testi
PE testi fonksiyonel formun logaritmik mi, yoksa doğrusal mı olduğunu test etmeye
yardımcı olan bir yuvalanmamış model testidir. Doğrusal modelin tahmin edilmiş değerleri ile
logaritmik modelin tahmin edilmiş değerlerinin antilog’u alınmış halinin farkı alınarak
lo
garitmik modele yerleştirilmesi ile bulunan büyüklüğün anlamlılığının testi yapılır. Aynı
işlemler logartimik model tahmin edilmiş değerleri ile doğrusal modelin tahmin edilmiş
değişkenlerinin logartimik dönüşümünün logartimik model tahmini değerlerinden farkıda
doğrusal regresyona eklenir.
Ancak; tam logaritmik Model-
7 ve doğrusal Model
-
5 arasında PE testi yapmamıza
gerek yoktur. Çünkü; Model-
5 iki parametresi anlamsız çıkmıştır, bu nedenle kullanılamaz.
Model-7, Model-
5’e PE testi yapılmadan üstün tutulacaktır.
Şimdi grafikler yardımıyla Model
-
7’yi seçmemizi açıklamaya çalışacağız.
2.2.2
Zaman Serisi Ve Dağılım Grafikleri Yardımıyla Fonksiyonel Formun
Belirlenmesi
Bu aşamada logaritmik modelin ve doğrusal modelin
zaman serisi grafikleri ve
bağımlı değişkenin bağımsız değişkenlere göre dağılım grafikleri incelenecektir.
Zaman Serisi Grafikleri:
Görüldüğü üzere Zaman Serisi Grafikleri incelendiğinde LN’i alınmış değişkenlerin
trendi,
LN’i alınmamış değişkenlerin trendinden daha düzgündür.
Dolayısıyla tam logaritmik
model, doğrusal modele tercih edilmelidir.
Serpilme Grafikleri:
Doğrusal Modelin Bağımsız Değişkenlerinin Bağımlı Değişkene Göre Dağılma
3. KALINTILARIN ANALİZİ
3.1 Kalıntıların Normal Dağılması Varsayımının Gerekliliği
Kalıntıların normal dağılımı,
klasik doğrusal regresyon modelinin ana
varsayımlarından biridir. Bu varsayım gerçekleştiğinde En Küçük Kareler tahmin edicileri,
sapmasızlık, en küçük varyans gibi aranan bazı özellikleri sağlamaktadır ve hipotez testleri
yapılabilmektedir.
Buna göre kalıntılar normal dağılıyor ise;
Ortalama:
E(ui) = 0
(kalıntıların ortalaması sıfırdır)
Varyans:
E(ui
2) = σ
2(kalıntıların varyansları sabittir)
Kov(ui,uj):
E(ui,uj) = 0
(kalıntıların ardışık değerleri birbirlerinden bağımsızdır)
Sonucu ui~N(0 ,
σ
2) kalıntılar normal dağılır denir.
ui, regresyon modeline açıkça dahil edilmemiş çok sayıda bağımsız değişkenin
bağımlı değişken üstündeki birleşik etkisini yansıtır.
D
ışlanmış ya
da göz ardı edilmiş bu
değişkenlerin etkisinin küçük ya da rassal olmasını umarız.
İşte burada merkezi limit teorisi
yardımıyla çok sayıda bağımsız ve aynı biçimde dağılmış rassal değişkenler varsa,
bu
değişkenlerin sayısı sonsuza doğru attıkça bunların toplam dağılımının,
birkaç ayrılık dışında
normal dağılıma yaklaştığı gösterilebilir.
İşte bu teorem ui’lerin normal dağıldığı
varsayımının gerekçesini oluşturur.
Merkezi limit teoreminin bir başka biçimi,değişken sayısı çok büyük olmasa da
toplamlarını yine de normal dağılabileceğini ileri sürer.
Normal dağılan değişkenlerin doğrusal fonksiyonlarının da normal dağılacağı kuralı
gereğince βi tahminleri de normal dağılacaktır.
Buna göre Normallik Va
rsayımı altında En Küçük Kareler Tahmin edicilerinin
özellikleri;
1. Sapmasızdırlar, en küçük varyanslıdırlar; böylece etkin tahmin edicilerdir.
3.2 Jarque-Bera Testi
Bu test hata terimlerinin dağılımını inceleyen ve nitelikli karar vermeye yarayan bir
testtir.
Ho=Kalıntılar normal dağılmaktadır.
Hı=Kalıntılar normal dağılmamaktadır.
Jarque-
Berre hesp değeri=n(((skewness)
2/6) + ((kurtosis - 3)
2/24))= 1.014860
Ki-kare tablo (0.05;2) = 5.99
4. YAPISAL KIRILMA ANALİZİ
Genel olarak araştırma yapılan dönem içinde değişkenlerin verilerinde iktisadi şoklar,
kuraklıklar, felaketler gibi durumlar nedeniyle bir kırılma yaşanabilir. Bu kırılmalar genelde
regresyon doğrusunun eğimini değiştirirler. Bu kırılma durumlarının dikkate alınmaması
modelde tanımlama hataları yapılmasına ve parametrelerin kararsız özellik sergilemelerine
neden olabilir. Bu
nedenle kırılmanın varlığı
CUSUM, CUSUM SQ ve Chow gibi testler ile
araştırılmalı eğer bir kırılmaya rastlanırsa bunun kukla değişken yöntemi ile giderilmesine
çalışılmalıdır.
4.1 Cusum Testi
Cusum ve Cusum SQ testleri yapısal değişikliği ölçmek için kullanılabileceği gibi,
regresyon denkleminin katsayılarının kararlı olup olmadığının da incelenmesi için kullanılan
testlerdir.
Yapısal değişiklik olduktan sonra katsayılar etkilenir ve kararlılıkları bozulur. Eğer
katsayılar kararlıysa yapısal değişiklik yoktur.
Cusum testi ardışık kalıntılara dayanan bir testtir.
Ho: Yapısal Kırılma yoktur
Hı: Yapısal Kırılma vardır
Şekilde görüldüğü gibi CUSUM artıkları bantların dışına çıkmamıştır. Yani Ho
hipotezini kabul ederiz; yapısal kırılma yoktur.
Ancak Cusum testine göre daha hassas olan
Cusum SQ testine de bakmak istiyoruz.
4.2 Cusum SQ Testi
Yukarıdaki Cusum SQ grafiği incelendiğinde,
ka
lıntıların
a
rdışık değerlerinin
karelerinin,
0.05 anlamlılık düzeyi
nde,
1991 değerinden 2003 değerine kadar bantların dışında
seyrettiği gözlenmektedir.
4.3 Chow Breakpoint Testi
Yapısal kırılmanın
incelenmesi için kullanılabilecek bir diğer test de
Chow Testidir.
Bu test
sadece incelenen dönemde kırılma olup olmadığını test eder, hangi yılda kırılma
olduğu konusunda önsel bilgiye ihtiyaç vardır.
Biz bu test ile, Cusum SQ de elde ettiğimiz bilgiyi test etmek istiyoruz. Buna göre;
1980-1991 ve 1992-2
003 olmak üzere incelediğimiz dönemi iki döneme ayırıyoruz.
Dependent Variable: LNOSY1 Method: Least Squares Date: 06/26/06 Time: 01:40 Sample(adjusted): 1981 1991
Included observations: 11 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C -8.056322 3.880415 -2.076150 0.0765 LNGSMH1(-1) 0.315274 0.434177 0.726140 0.4913 LNBM1 1.034086 0.249807 4.139539 0.0044 LNE1 0.429584 0.138268 3.106893 0.0172
R-squared 0.986329 Mean dependent var 16.04641 Adjusted R-squared 0.980470 S.D. dependent var 0.341771 S.E. of regression 0.047763 Akaike info criterion -2.969851 Sum squared resid 0.015969 Schwarz criterion -2.825162 Log likelihood 20.33418 F-statistic 168.3414 Durbin-Watson stat 0.896646 Prob(F-statistic) 0.000001
Model-12 1980-1991 dönemi
Dependent Variable: LNOSY2 Method: Least Squares Date: 06/26/06 Time: 01:48 Sample(adjusted): 1993 2003
Included observations: 11 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 26.63041 7.107457 3.746827 0.0072 LNRGSMH2(-1) -1.120750 0.437827 -2.559800 0.0376 LNBM2 0.622831 0.158783 3.922521 0.0057 LNE2 0.092423 0.100341 0.921087 0.3876 R-squared 0.805205 Mean dependent var 16.74634 Adjusted R-squared 0.721722 S.D. dependent var 0.186533 S.E. of regression 0.098400 Akaike info criterion -1.524262 Sum squared resid 0.067778 Schwarz criterion -1.379573 Log likelihood 12.38344 F-statistic 9.645091 Durbin-Watson stat 1.704958 Prob(F-statistic) 0.006995
Model-13 1992-2003 dönemi
Fhes= (SSRbüyük/n2-k)/(SSRküçük/n1-k)=( 0.067778/7)/( 0.015969/7)=4,24
Ftablo(7,7;0.05)= 3,79
4.4 Kukla Değişken Kullanarak Yapısal Kırılmanın Araştırılması
Kukla değişken yönteminin Cusum testlerine göre avantajı, şüphelendiğimiz
kırılmanın sabit katsayıyı mı?, eğim katsayılarını mı, yoksa her ikisini de mi? Kararsız hale
getirdiğini test edebilmesidir.
Bu yöntemde bir kukla değişken seçilip bu değişken sabit ve eğim katsayıları ile
modele konarak istatistiksel anlamlılığına bakılır.
Biz Cusum SQ grafiğinin kırılma olarak gösterdiği iki dönem için bu testi yapacağız.
Ancak ikinci dönem de 2004 değerini almayacağız. Çünkü Cusum SQ grafiğinde 2004 değeri
0.05’lik bandın içinde yeralmıştır.
Buna göre 1980-
1991 arası KUKLA=0,
1991-2003
arası
KUKLA=1 değerleri alacaktır.
Dependent Variable: LNOSY Method: Least Squares Date: 06/26/06 Time: 20:31 Sample(adjusted): 1981 2002
Included observations: 22 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C -0.447107 0.712760 -0.627290 0.5388 KUKLA 0.602728 0.743501 0.810662 0.4288 LNGSMH(-1) 0.221298 0.155031 1.427445 0.1716 LNE 0.067589 0.174843 0.386570 0.7039 LNBM 0.757729 0.181814 4.167597 0.0006
R-squared 0.579896 Mean dependent var -0.922861 Adjusted R-squared 0.481049 S.D. dependent var 2.354621 S.E. of regression 1.696228 Akaike info criterion 4.091408 Sum squared resid 48.91224 Schwarz criterion 4.339372 Log likelihood -40.00549 F-statistic 5.866554 Durbin-Watson stat 1.955767 Prob(F-statistic) 0.003728
Model-14
Dependent Variable: KLNOSY Method: Least Squares Date: 06/26/06 Time: 19:14 Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 0.002320 0.043717 0.053075 0.9582 KLNGSMH(-1) -0.007522 0.007952 -0.945958 0.3560 KLNE 0.012057 0.006503 1.854101 0.0793 KLNBM 0.952384 0.028754 33.12167 0.0000 R-squared 0.999770 Mean dependent var 9.444216 Adjusted R-squared 0.999734 S.D. dependent var 8.470492 S.E. of regression 0.138263 Akaike info criterion -0.962552 Sum squared resid 0.363215 Schwarz criterion -0.765075 Log likelihood 15.06935 F-statistic 27517.50 Durbin-Watson stat 0.628460 Prob(F-statistic) 0.000000
Model-15
Model-
15’te: LNOSY= βo + βı LNGSMH(
-1)*KUKLA
+ β2 LNE*KUKLA+
β3
LNBM*KUKLA fonksiyonel formu uygulanmıştır. Bu durumda Banka Mevduatı değişim
oranı parametres
i an
lamlı çıkmıştır; diyebiliriz ki model de eğim katsayılarının kararlılığını
etkileyen bir yapısal kırılma vardır.
Dependent Variable: KLNOSY Method: Least Squares Date: 06/26/06 Time: 19:13 Sample(adjusted): 1981 2003
Included observations: 23 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C 0.000000 0.028345 0.000000 1.0000 KLNGSMH(-1) 0.004214 0.005625 0.749113 0.4635 KLNE 0.014610 0.004244 3.442570 0.0029 KLNBM 0.368838 0.113416 3.252072 0.0044 KUKLA 9.421183 1.806168 5.216116 0.0001
R-squared 0.999908 Mean dependent var 9.444216 Adjusted R-squared 0.999888 S.D. dependent var 8.470492 S.E. of regression 0.089634 Akaike info criterion -1.796495 Sum squared resid 0.144618 Schwarz criterion -1.549649 Log likelihood 25.65969 F-statistic 49112.36 Durbin-Watson stat 1.622033 Prob(F-statistic) 0.000000
Model-16
Model-
16’da: LNOSY= βo + βı LNGSMH(
-
1)*KUKLA + β2
LNBM*KUKLA + β3
LNE*KUKL
A + fonksiyonel formu uygulanmıştır.
Burada KUKLA, KLNE, KLNBM
değişkenleri istatistiksel olarak anlamlı çıkmıştır; yani modelde hem sabit katsayıyı hem de
eğim katsayılarını birlikte etkileyen bir yapısal kırılma vardır.
Buna göre;
1980-1991 dönemi için tahmin edilen model (Model-17)
Dependent Variable: LNOSY1 Method: Least Squares Date: 06/26/06 Time: 18:47 Sample: 1980 1991
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob. C -5.279772 0.927541 -5.692225 0.0005 LNKAMU1 -0.429592 0.131855 -3.258073 0.0116 LNE1 0.489659 0.027464 17.82916 0.0000 LNBM1 1.612297 0.104996 15.35586 0.0000
R-squared 0.992322 Mean dependent var 16.02192 Adjusted R-squared 0.989443 S.D. dependent var 0.336731 S.E. of regression 0.034598 Akaike info criterion -3.628842 Sum squared resid 0.009576 Schwarz criterion -3.467206 Log likelihood 25.77305 F-statistic 344.6580 Durbin-Watson stat 2.029712 Prob(F-statistic) 0.000000
Model-17
1980-
1991 dönemi içinde özel sektör sabit sermaye yatırımlarının; Kamu Yatırımları,
Enflasyon ve Banka Mevduatı tarafından etkilendiği saptanmıştır.
İlk kurulan modelin aksine
bu dönem içerisinde GSMH’nın özel kesim yatırımları üzerinde etkisinin olmadığı ortaya
çıkmıştır (Model 18) , dolayısıyla GSMH model dışı bırakılmıştır.
Bu dönemde kamu kesimi yatırımlarının, özel kesim yatırımlarını etkilediğinin
göstergesi Devletin Ekonomik sistemde etkin olarak rol aldığının işareti olabilir. Ayrıca
katsayının negatif çıkması da belirtilen dönem içinde kamu yatırımlarının, özel sektör
yatırımlarını azaltıcı yönde şekillendiğinin göster
gesidir.
Dependent Variable: LNOSY1 Method: Least Squares Date: 06/26/06 Time: 18:47 Sample(adjusted): 1981 1991
Included observations: 11 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob. C -3.789279 3.282161 -1.154507 0.2922 LNGSMH1(-1) -0.076448 0.352313 -0.216989 0.8354 LNKAMU1 -0.400555 0.152086 -2.633737 0.0389 LNE1 0.546726 0.111009 4.925048 0.0026 LNBM1 1.564171 0.272535 5.739346 0.0012
R-squared 0.993659 Mean dependent var 16.04641 Adjusted R-squared 0.989432 S.D. dependent var 0.341771 S.E. of regression 0.035134 Akaike info criterion -3.556332 Sum squared resid 0.007406 Schwarz criterion -3.375470 Log likelihood 24.55982 F-statistic 235.0656 Durbin-Watson stat 1.092010 Prob(F-statistic) 0.000001
1992-2003 dönemi için tahmin edilen model;
Dependent Variable: LNOSY2 Method: Least Squares Date: 06/26/06 Time: 01:50 Sample(adjusted): 1993 2003
Included observations: 11 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 30.56663 5.625155 5.433919 0.0006 LNRGSMH2(-1) -1.373190 0.338187 -4.060451 0.0036 LNBM2 0.689607 0.139922 4.928502 0.0012
R-squared 0.781596 Mean dependent var 16.74634 Adjusted R-squared 0.726995 S.D. dependent var 0.186533 S.E. of regression 0.097463 Akaike info criterion -1.591681 Sum squared resid 0.075993 Schwarz criterion -1.483164 Log likelihood 11.75424 F-statistic 14.31470 Durbin-Watson stat 1.797759 Prob(F-statistic) 0.002275
Model-19
Model-
19’da Cusum SQ grafiği de göz önüne alınarak 0.05’lik bantların dışına çıkan
2004 değerleri, ikinci dönem modeline alınmamıştır. 2004 yılı alınarak kurulan model
de
Model-
19 anlamlı çıkan değişkenlerin hiçbiri anlamlı çıkmamıştır(Model
-20)
Dependent Variable: LNOSY2 Method: Least Squares Date: 06/26/06 Time: 20:48 Sample(adjusted): 1993 2004
Included observations: 12 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -0.895998 1.033258 -0.867158 0.4084 LNGSMH2(-1) -0.147352 0.306546 -0.480685 0.6422 LNE2 0.303114 0.371281 0.816401 0.4353 R-squared 0.087037 Mean dependent var -0.206081 Adjusted R-squared -0.115844 S.D. dependent var 2.335952 S.E. of regression 2.467548 Akaike info criterion 4.856645 Sum squared resid 54.79916 Schwarz criterion 4.977872 Log likelihood -26.13987 F-statistic 0.429006 Durbin-Watson stat 2.233968 Prob(F-statistic) 0.663803
1980-
1991 döneminin modelinde anlamlı çıkan Kamu Yatırımları, 1992
-2003 dönemi
modelinde anlamsız çıkmıştır (Model
-21).
Dependent Variable: LNOSY2 Method: Least Squares Date: 06/26/06 Time: 20:51 Sample: 1992 2003
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C 11.75842 3.009741 3.906789 0.0045 LNBM2 0.577121 0.162401 3.553674 0.0075 LNE2 0.173581 0.098971 1.753846 0.1175 LNKAMU2 -0.347668 0.199562 -1.742158 0.1197
R-squared 0.732132 Mean dependent var 16.72839 Adjusted R-squared 0.631682 S.D. dependent var 0.188410 S.E. of regression 0.114345 Akaike info criterion -1.237995 Sum squared resid 0.104598 Schwarz criterion -1.076359 Log likelihood 11.42797 F-statistic 7.288490 Durbin-Watson stat 2.112106 Prob(F-statistic) 0.011227
5. İHMAL EDİLMİŞ DEĞİŞKEN VARLIĞININ ARAŞTIRILMASI
Gerekli değişkenin modele alınmaması durumunda spesifikasyon hatası ile
karşılaşırız. Eğer bu hatayı yaparsak tahmincilerimiz eğilimli ve tutarsız olur. Ayrıca bu
durumda otokorelasyonla karşılaşırız.
5.1 Ramsey Reset Testi
1980-1991 Dönemi
Modeli İçin;
Dependent Variable: LNOSY1 Method: Least Squares Date: 06/26/06 Time: 01:42 Sample: 1980 1991
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C -5.279772 0.927541 -5.692225 0.0005 LNBM1 1.612297 0.104996 15.35586 0.0000 LNE1 0.489659 0.027464 17.82916 0.0000 LNKAMU1 -0.429592 0.131855 -3.258073 0.0116
R-squared 0.992322 Mean dependent var 16.02192 Adjusted R-squared 0.989443 S.D. dependent var 0.336731 S.E. of regression 0.034598 Akaike info criterion -3.628842 Sum squared resid 0.009576 Schwarz criterion -3.467206 Log likelihood 25.77305 F-statistic 344.6580 Durbin-Watson stat 2.029712 Prob(F-statistic) 0.000000
Model-17
Ramsey RESET Test:
F-statistic 5.588757 Probability 0.050042 Log likelihood ratio 7.042727 Probability 0.007959
Test Equation:
Variable Coefficient Std. Error t-Statistic Prob. C 130.8623 57.59312 2.272187 0.0573 LNBM1 -15.07738 7.060264 -2.135527 0.0701 LNE1 -4.553862 2.133531 -2.134424 0.0702 LNKAMU1 4.139915 1.935767 2.138644 0.0698 FITTED^2 0.320685 0.135650 2.364055 0.0500 R-squared 0.995731 Mean dependent var 16.02192 Adjusted R-squared 0.993291 S.D. dependent var 0.336731 S.E. of regression 0.027581 Akaike info criterion -4.049069 Sum squared resid 0.005325 Schwarz criterion -3.847024 Log likelihood 29.29441 F-statistic 408.1612 Durbin-Watson stat 1.810002 Prob(F-statistic) 0.000000
Model-22
Ho: Modelin Spesifikasyonu
Doğrudur
Hı:
Modelin Spesifikasyonu Yanlıştır
Fhesap= 5.588757
Ftablo(0,05;1,7)= 5.5900
Fhes<Ftablo ==
Hı
reddedilir, Ho kabul
Yani modelimizde ihmal edilmi
ş değişkenin varlığından söz edilemez
.
1992-
2003 Dönemi Modeli İçin;
Dependent Variable: LNOSY2 Method: Least Squares Date: 06/26/06 Time: 01:50 Sample(adjusted): 1993 2003
Included observations: 11 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 30.56663 5.625155 5.433919 0.0006 LNRGSMH2(-1) -1.373190 0.338187 -4.060451 0.0036 LNBM2 0.689607 0.139922 4.928502 0.0012
R-squared 0.781596 Mean dependent var 16.74634 Adjusted R-squared 0.726995 S.D. dependent var 0.186533 S.E. of regression 0.097463 Akaike info criterion -1.591681 Sum squared resid 0.075993 Schwarz criterion -1.483164 Log likelihood 11.75424 F-statistic 14.31470 Durbin-Watson stat 1.797759 Prob(F-statistic) 0.002275
Model-19
Ramsey RESET Test:
F-statistic 0.260191 Probability 0.625675 Log likelihood ratio 0.401457 Probability 0.526338
Test Equation:
Variable Coefficient Std. Error t-Statistic Prob.
C 614.9799 1145.722 0.536762 0.6081 LNRGSMH2(-1) -37.52958 70.88331 -0.529456 0.6129 LNBM2 18.84866 35.60004 0.529456 0.6129 FITTED^2 -0.786368 1.541628 -0.510090 0.6257 R-squared 0.789423 Mean dependent var 16.74634 Adjusted R-squared 0.699176 S.D. dependent var 0.186533 S.E. of regression 0.102309 Akaike info criterion -1.446359 Sum squared resid 0.073269 Schwarz criterion -1.301669 Log likelihood 11.95497 F-statistic 8.747351 Durbin-Watson stat 1.794918 Prob(F-statistic) 0.009120
Lnosy=Bo+B1* LNRGSMH2(-1)+B2* LNBM2 +B3*fitted^2
Ho: Modelin Spesifikasyonu Doğrudur
Hı: Modelin Spesifikasyonu Yanlıştır
Fhesap= 0.260191
Ftablo(0,05;1,7)= 5.5900
Fhes<Ftablo ==
Hı reddedilir, Ho kabul
Bu modelde
de eksik değişkenin varlığından söz edilemez.
6. ÇOKLU DOĞRUSAL BAĞLANTININ ARAŞTIRILMASI
6.1 Çoklu Doğrusal Bağlantı
Basit anlamda çoklu
doğrusal
bağlantı regresyonun bütün veya bazı açıklayıcı
değişkenleri arasında kesin doğrusal bir ilişkinin varlığı anlamına gelmektedir. Eğer bir
modelde öneml
i derecede çoklu bağlantı var ise standart hatalar olduğundan büyük tahmi
n
edilir ve katsayıların güvenilirliği azalır.
Çoklu
doğrusal
bağlantının nedenleri:
Kullanılan veri derleme yöntemi
Modelde veya örneklemdeki sınırlamalar
Değişkenler arasındaki iktisadi ilişki
Çalışılan veri azlığı
Çoklu
doğrusal
bağlantının ortaya çıkardığı sorunlar:
EKK tahmincileri, BLUE olmalarına karşın varyansları ve ortak varyansları büyüktür,
bu da tahmini güçleştirir
Yukarıdaki sorun nedeniyle aralıklı tahminde güven aralıkları çok geniş olacaktır sıfır
hipotezleri çoğunlukla kabul edilecektir.
B
ir yada daha çok katsayı istatistiksel olarak anlamsız olmasına rağmen R
-kare ve F
değerleri yüksek olabilir.
EKK tahmincileri ve varyansları verilerdeki küçük değişmelere karşı aşırı duyarlı hale
gelebilirler.
Yukarıdaki sorunların önüne geçilmesi için çalışılacak modelde m
utlaka çoklu
6.
2 Çoklu Doğrusal Bağlantının Tespiti
Çoklu doğrusal bağlantının en belirgin özelliği, modelde çok yüksek R
-kare
hesaplandığı halde parametrelerin t testlerinin anlamsız çıkmasıdır.
Çalıştığımız iki modelde de böyle bir sorunun olmamasına karşın çoklu doğrusal
bağlantı yine de araştırılacaktır.
6.2.3 VIF Kriteri
Çoklu bağlantının en tipik sonucu varyansların olduğundan büyük tahmin edilmesidir.
VIF kriteride bu sonucu analiz ederek çoklu bağlantının önemini araştırır öncelikle aşağıdaki
formül ile vary
ans şişirme faktörü hesaplanır.
VIF=1/1-RKare(xi)
VIF >5
çdb var
5<VIF<10
orta dereceli çdb var
VIF>10
ise ciddi çdb, söz konusudur.
1980-
1991 Dönemi Modeli İçin VIF analizi
;
Bu analiz için modelimizde bağımsız değişken olarak yer alan değişke
nler tek tek
bağımlı değişken olarak alınarak R
-
kare değerleri hesaplanacaktır.
Dependent Variable: LNKAMU1 Method: Least Squares
Date: 06/26/06 Time: 22:47 Sample: 1980 1991
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob. C 3.863024 1.959655 1.971278 0.0802 LNBM1 0.711799 0.118992 5.981909 0.0002 LNE1 0.052543 0.067184 0.782076 0.4543
R-squared 0.799805 Mean dependent var 15.58890 Adjusted R-squared 0.755317 S.D. dependent var 0.176820 S.E. of regression 0.087465 Akaike info criterion -1.822840 Sum squared resid 0.068851 Schwarz criterion -1.701614 Log likelihood 13.93704 F-statistic 17.97805 Durbin-Watson stat 0.836318 Prob(F-statistic) 0.000719
Model-24
Dependent Variable: LNBM1 Method: Least Squares Date: 06/26/06 Time: 22:49 Sample: 1980 1991
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C -1.056330 2.923573 -0.361315 0.7262 LNKAMU1 1.122553 0.187658 5.981909 0.0002 LNE1 -0.065946 0.084374 -0.781585 0.4545
R-squared 0.799789 Mean dependent var 16.18714 Adjusted R-squared 0.755297 S.D. dependent var 0.222044 S.E. of regression 0.109840 Akaike info criterion -1.367275 Sum squared resid 0.108582 Schwarz criterion -1.246048 Log likelihood 11.20365 F-statistic 17.97626 Durbin-Watson stat 0.755013 Prob(F-statistic) 0.000719
Model-25
Model-
25’te Banka Mevduatı
bağımlı değişken olarak alınmıştır.
Dependent Variable: LNE1 Method: Least Squares Date: 06/26/06 Time: 22:50 Sample: 1980 1991
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C 0.602317 11.25589 0.053511 0.9585 LNBM1 -0.963835 1.233180 -0.781585 0.4545 LNKAMU1 1.211108 1.548581 0.782076 0.4543
R-squared 0.067162 Mean dependent var 3.880416 Adjusted R-squared -0.140136 S.D. dependent var 0.393268 S.E. of regression 0.419920 Akaike info criterion 1.314813 Sum squared resid 1.586995 Schwarz criterion 1.436039 Log likelihood -4.888877 F-statistic 0.323987 Durbin-Watson stat 1.013775 Prob(F-statistic) 0.731356
Model-26
Model-
26’da Enflasyon değişim oranı bağımlı değişken olarak alınmıştı
r.
Model-24: LNKAMU1, R-kare=0.799805
Model-25: LNBM1, R-kare=0.799789
Model-26: LNE1, R-kare=0.067162
VIF(LNBM1)=1/(1-0.799789)=4.99473
LNE1, R-kare=1/(1-0.067162)=1.07
Yukarıdaki kriterlere göre,VIF
tes
ti sonucu 1. dönem modelimizde çoklu doğrusal
bağlantıya rastlanmamıştır.
1992-2003
Dönemi Modeli İçin VIF analizi;
Dependent Variable: LNRGSMH2(-1) Method: Least Squares
Date: 06/26/06 Time: 23:06 Sample(adjusted): 1993 2003
Included observations: 11 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 15.41857 2.079899 7.413132 0.0000 LNBM2 0.184306 0.123475 1.492665 0.1697
R-squared 0.198436 Mean dependent var 18.52286 Adjusted R-squared 0.109373 S.D. dependent var 0.101792 S.E. of regression 0.096065 Akaike info criterion -1.684626 Sum squared resid 0.083056 Schwarz criterion -1.612281 Log likelihood 11.26544 F-statistic 2.228050 Durbin-Watson stat 0.711577 Prob(F-statistic) 0.169725
Model-27
Model-27 GSMH(-
1) bağımlı değişken.
Model-27 GSMH(-1), R-kare= 0.198436
VIF(GSMH(-1))= 1/(1-0.198436)= 1.25
7. OTOKORELASYONUN TESPİTİ VE KALDIRILMASI
7.1 Otokorelasyon
Zaman ve mekan içinde sıralanan gözlem dizilerinin birimleri arasındaki ilişkidir.
Klasik regresyon modeli böyle bir ardışık bağımlılığın U
ibozucu terimleri arasında
varolmadığını varsayar.
Otokor
elasyonun neden olduğu sorunlar
Bu tür bir ilişkinin varlığında tahmin edilen tahminciler BLUE olamayacaktır. EKK
tahmincileri tutarlı ve sapmasız olmalarına rağmen böyle bir durumda etkin (en küçük
varyanslı) olamayacaklardır.
Otokorelasyonun nedenleri
Modelde ihmal edilmiş değişken bulunması
Modelde yanlış fonksiyon kalıbı ile çalışılması
Trend
Örümcek ağı durumu benzeri iktisadi olgular
Yukar
ıda açıklanan sorunlar nedeniyle bir modelde otokorelasyon bulunup
bulunmadığının belirlenmesi ve varsa bunun ortadan kaldırılması klasik doğrusal regresyon
modelinin varsayımlarının sağlanması açısından önem taşımaktadır.
Araştırmamızda modelimizin otokorelasyon durumunu incelemek için çeşitli
otokorelasyon tespit testleri kullanılacaktır.
7.2 H
ata Terimlerinin Grafiğinin İncelenmesi
1980-1991 Dönemi Modelinin Kalıntılarının Grafiği:
Yukarıda yer alan 1. Dönem Modelimizin Kalıntılarının Zamana göre grafiği
incelendiğinde negatif otokorelasyondan şüphelenilmektedir.
1992-2003 Dönemi Modelinin Kalıntılarının Grafiği:
7.3 Durbin Watson-d Testi
1980-
1992 Dönemi Modelinde Otokorelasyonun İncelenmesi
Bu testin yapılabilmesi
için regresyon modelinde sabit parametre olmalıdır.
Modelde 1.dereceden otoregresif süreç olduğu varsayılır. AR(1) U
t= pU
t-1+ V
tBağımsız değişkenler arasında
bağımlı değişkenin gecikmeli değeri
olmamalıdır.
Aksi
taktirde Durbin-
h testi kullanılır.
Dw-
d değeri ile otokorelasyon katsayısı ρ arasında Dw
-d=2(1-
p) şeklinde bir bağlantı
olduğu varsayılır. Bu ilişkiden faydalanılarak aşağıdaki şekile göre hesaplanan dw
-d
değerlerinin otokorelasyon durumu test edilebilir
.
ρ=0
DWd = 2
ρ=1 DWd = 4 0 (+OK) 2 OK(yok) (
-OK) 4
ρ=
-1 DWd=0
Hipotezlerimiz:
Ho: p=0 modelde otokorelasyon yok
Hı: p≠0 modelde otokorelasyon var
Dependent Variable: LNOSY1 Method: Least Squares Date: 06/26/06 Time: 01:42 Sample: 1980 1991
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob. C -5.279772 0.927541 -5.692225 0.0005 LNBM1 1.612297 0.104996 15.35586 0.0000 LNE1 0.489659 0.027464 17.82916 0.0000 LNKAMU1 -0.429592 0.131855 -3.258073 0.0116
R-squared 0.992322 Mean dependent var 16.02192 Adjusted R-squared 0.989443 S.D. dependent var 0.336731 S.E. of regression 0.034598 Akaike info criterion -3.628842 Sum squared resid 0.009576 Schwarz criterion -3.467206 Log likelihood 25.77305 F-statistic 344.6580 Durbin-Watson stat 2.029712 Prob(F-statistic) 0.000000
Model-
17’den Durbin Watson
-
d = 2.029712’dir
. Daha sonra Durbin Watson
tablosundan dl ve du değerleri bulunur.
(3;12)
(0.658) (1.864)
(2.146) (3.342)
Yukarıdaki şemaya göre Durbin Watson
-
d = 2.029712 değerimiz otokorelasyonun
olmadığı bölgeye düşmektedir.
1993-
2003 Dönemi Modelinde Otokorelasyonun İncelenmesi
Dependent Variable: LNOSY2 Method: Least Squares Date: 06/26/06 Time: 01:50 Sample(adjusted): 1993 2003
Included observations: 11 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C 30.56663 5.625155 5.433919 0.0006 LNRGSMH2(-1) -1.373190 0.338187 -4.060451 0.0036 LNBM2 0.689607 0.139922 4.928502 0.0012
R-squared 0.781596 Mean dependent var 16.74634 Adjusted R-squared 0.726995 S.D. dependent var 0.186533 S.E. of regression 0.097463 Akaike info criterion -1.591681 Sum squared resid 0.075993 Schwarz criterion -1.483164 Log likelihood 11.75424 F-statistic 14.31470 Durbin-Watson stat 1.797759 Prob(F-statistic) 0.002275
Model-19
Hipotezlerimiz:
Ho: p=0 modelde otokorelasyon yok
Model-
17’den Durbin Watson
-
d = 1.797759’dir. Daha so
nra Durbin Watson
tablosundan dl ve du değerleri bulunur. (2;11)
(0.658) (1.604) (2.40) (3.34)
Yukarıdaki şemaya göre Durbin Watson
-
d = 1.797759’dir değerimiz otokorelasyonun
olmadığı bölgeye düşmekte
dir.
Durbin Watson-d testine göre iki modelimizde de otokorelasyon yoktur. Ancak yine
de yüksek mertebeli otokorelasyon olabilir düşüncesiyle testlerimize devam kararı veriyoruz.
7.4 Breusch-Godfrey LM Testi
1980-1992 Dönemi Modelinde Otokorelasyonun İncelenmesi
5i dereceden otokorelasyon durumunun tespiti için;
Ho: p
1= p
2= p
3= p
4= p
5Hı:
p
1≠
p
2≠
p
3≠
p
4≠
p
5Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.118770 Probability 0.494690 Obs*R-squared 7.810959 Probability 0.166966
Test Equation:
Dependent Variable: RESID Method: Least Squares Date: 06/27/06 Time: 01:03
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C 3.382358 2.052893 1.647606 0.1980 LNBM1 0.503777 0.360884 1.395955 0.2571 LNE1 0.033698 0.050448 0.667973 0.5519 LNKAMU1 -0.748452 0.499443 -1.498573 0.2309 RESID(-1) -1.764349 1.018726 -1.731916 0.1817 RESID(-2) -1.517858 0.816388 -1.859236 0.1600 RESID(-3) -1.032149 0.572627 -1.802480 0.1693 RESID(-4) -0.238153 0.598782 -0.397730 0.7174 RESID(-5) -0.342015 0.616165 -0.555071 0.6175 R-squared 0.650913 Mean dependent var -1.57E-15 Adjusted R-squared -0.279985 S.D. dependent var 0.029505 S.E. of regression 0.033381 Akaike info criterion -3.847943 Sum squared resid 0.003343 Schwarz criterion -3.484263 Log likelihood 32.08766 F-statistic 0.699231 Durbin-Watson stat 2.925180 Prob(F-statistic) 0.695910
Model-28
Obs*R-squared=7.810959
Ki-karetablo(0.05;5sd)= 11.07
Obs*R-squared<ki-karetablo Ho kabul modelde 5ci dereceden (yüksek dereceden)
otokorelasyon var.
1992-2003
Dönemi Modelinde Otokorelasyonun İncelenmesi
5i dereceden otokorelasyon durumunun tespiti için;
Ho: p
1= p
2= p
3= p
4= p
5Hı: p
1≠p
2≠ p
3≠ p
4≠ p
5Breusch-Godfrey Serial Correlation LM Test:
F-statistic 0.458115 Probability 0.791618 Obs*R-squared 4.762492 Probability 0.445548
Test Equation:
Dependent Variable: RESID Method: Least Squares Date: 06/27/06 Time: 01:17
Presample missing value lagged residuals set to zero.
Variable Coefficient Std. Error t-Statistic Prob.
C -6.211989 11.44047 -0.542984 0.6249 LNRGSMH2(-1) 0.226898 0.710344 0.319420 0.7704 LNBM2 0.122534 0.238377 0.514035 0.6427 RESID(-1) -0.123031 0.569297 -0.216111 0.8428 RESID(-2) -0.983528 0.834299 -1.178867 0.3234 RESID(-3) -1.399235 1.135580 -1.232176 0.3056 RESID(-4) -0.914209 1.314925 -0.695256 0.5369 RESID(-5) -1.026641 1.449359 -0.708341 0.5298 R-squared 0.432954 Mean dependent var 2.84E-15 Adjusted R-squared -0.890154 S.D. dependent var 0.087174 S.E. of regression 0.119849 Akaike info criterion -1.249904 Sum squared resid 0.043091 Schwarz criterion -0.960526 Log likelihood 14.87447 F-statistic 0.327225 Durbin-Watson stat 2.177988 Prob(F-statistic) 0.898909
Model-29
Obs*R-squared=
4.762492Ki-karetablo(0.05;5sd)= 11.07
Obs*R-squared<ki-karetablo Ho kabul modelde 5ci dereceden (yüksek dereceden)
otokorelasyon var.
8. DEĞİŞEN VARYANS (HETEROSKEDASİTE) DURUMUNUN
İNCELENMESİ
8.1 Heteroskedasite
Klasik doğrusal regresyon varsayımlarından biri de hata terimi varyanslarının sabit
olması (homoskadesite) dır.
Bu varsayımın bozulması ise h
eteroskedasite durumudur. Heteroskedasite; hata terimi
varyans değerlerinin sabit olmaması, yani her yeni Xi değerine göre değişmesidir.
İncelenen modelde heteroskedasite durumu varsa;
Parametreler en küçük varyanslı olma özelliğini kaybeder.
EKK tahmincileri eğilimsiz yani sapmasız olacaktırlar; ancak etkin olmayacaktırlar.
Heteroskedasite durumu varsa böyle bir modeli kullanamayız, verileri homoskedastik
hale çevirmemiz gerekir.
Heteroskedasitenin nedenleri ise;
Spesifikasyon hatası,
Kesit verilerde birimlere, zaman serisi v
erilerinde trende göre değişim,
Veri toplama hatası,
8.2 White Testi
Yan regresyon mantığıyla çalışan sadece modelin değişen varyans durumu hakkında
bilgi veren, kalıbı hakkında bilgi vermeyen bir te
sttir.
1980-1991
Dönemi Modelinde White Testi ile Heteroskedasitenin Araştırılması
White Heteroskedasticity Test:
F-statistic 0.759623 Probability 0.684864 Obs*R-squared 9.284026 Probability 0.411480
Test Equation:
Variable Coefficient Std. Error t-Statistic Prob. C 6.008401 8.493695 0.707395 0.5526 LNBM1 Θ1 -0.747946 0.870973 -0.858748 0.4810 LNBM1^2 Θ2 -0.029532 0.055614 -0.531028 0.6485 LNBM1*LNE1 Θ3 0.015208 0.029785 0.510596 0.6604 LNBM1*LNKAMU1
Θ4 0.104974 0.133307 0.787464 0.5135
LNE1 Θ5 -0.273830 0.158309 -1.729717 0.2258 LNE1^2 Θ6 0.002354 0.007010 0.335755 0.7690 LNE1*LNKAMU1 Θ7 0.000636 0.036098 0.017631 0.9875 LNKAMU1 Θ8 0.074011 1.673362 0.044229 0.9687 LNKAMU1^2 Θ9 -0.056674 0.111702 -0.507364 0.6623
R-squared 0.773669 Mean dependent var 0.000798 Adjusted R-squared -0.244821 S.D. dependent var 0.001130 S.E. of regression 0.001261 Akaike info criterion -10.63964 Sum squared resid 3.18E-06 Schwarz criterion -10.23555 Log likelihood 73.83786 F-statistic 0.759623 Durbin-Watson stat 2.424383 Prob(F-statistic) 0.684864
Model-30
1992-
2003 Dönemi Modelinde White Testi ile Heteroskedasitenin Araştırılması
White Heteroskedasticity Test:
F-statistic 1.384955 Probability 0.364769 Obs*R-squared 6.387753 Probability 0.270295
Test Equation:
Dependent Variable: RESID^2 Method: Least Squares Date: 06/27/06 Time: 04:27 Sample: 1993 2003
Included observations: 11
Variable Coefficient Std. Error t-Statistic Prob.
C -44.09897 212.0951 -0.207921 0.8435 LNRGSMH2(-1) Θ1 8.522280 23.48118 0.362941 0.7315 LNRGSMH2(-1)^2 Θ2 -0.323071 0.732613 -0.440984 0.6776
LNRGSMH2(-1)*LNBM2 Θ3 0.207068 0.279009 0.742155 0.4914 LNBM2 Θ4 -4.158293 3.399432 -1.223232 0.2757
LNBM2^2 Θ5 0.008921 0.101289 0.088076 0.9332 R-squared 0.580705 Mean dependent var 0.006908 Adjusted R-squared 0.161410 S.D. dependent var 0.007780 S.E. of regression 0.007125 Akaike info criterion -6.748020 Sum squared resid 0.000254 Schwarz criterion -6.530986 Log likelihood 43.11411 F-statistic 1.384955 Durbin-Watson stat 2.727249 Prob(F-statistic) 0.364769
Model-31
Ho: Θ1 = Θ2 = Θ3 = Θ4 = Θ5 (Homoskedasite)
Hı:
Θ1 ≠ Θ2 ≠ Θ3 ≠ Θ4 ≠ Θ5 (Heteroskedasite)
Obs*R-squared = 6.387753
Ki-karetablo(0.05;5) = 11.0705
Obs*R-squared < Ki-karetablo Hokabul Heteroskedasite yoktur ve bu istenilen bir
durumdur.
8.3 Glejser Testi
EKK tahmincilerini kullanan parametrik bir testtir. Üstünlük noktası, değişen varyans
sorununu ortaya koyarken de
ğişen varyans kalıbını da verebilmesidir. Kalıntıları
n mutlak
değerleri, kalıntıların varyansını temsilen yan regresyonda bağımlı değişken olarak yer alır.
1980-1991
Dönemi Modelinde Glejser Testi ile Heteroskedasitenin Araştırılması
Genel Hipotez;
Ho: β1 = 0 Homoskedasite
Hı: β1 ≠ 0 Heteroskedasite
Dependent Variable: MUTLAKRSD Method: Least Squares
Date: 06/27/06 Time: 04:52 Sample: 1980 1991
Included observations: 12
Variable Coefficient Std. Error t-Statistic Prob.
C 0.356036 0.391172 0.910177 0.3841 LNBM1 -0.020593 0.024164 -0.852238 0.4140
R-squared 0.067713 Mean dependent var 0.022693 Adjusted R-squared -0.025516 S.D. dependent var 0.017572 S.E. of regression 0.017795 Akaike info criterion -5.068797 Sum squared resid 0.003167 Schwarz criterion -4.987979 Log likelihood 32.41278 F-statistic 0.726310 Durbin-Watson stat 2.142337 Prob(F-statistic) 0.414027
Model-32
Variable Coefficient Std. Error t-Statistic Prob.
C 0.019480 0.055078 0.353682 0.7309 LNE1 0.000828 0.014127 0.058608 0.9544
R-squared 0.000343 Mean dependent var 0.022693 Adjusted R-squared -0.099622 S.D. dependent var 0.017572 S.E. of regression 0.018427 Akaike info criterion -4.999026 Sum squared resid 0.003395 Schwarz criterion -4.918208 Log likelihood 31.99415 F-statistic 0.003435 Durbin-Watson stat 1.969269 Prob(F-statistic) 0.954419