SlideShare une entreprise Scribd logo
1  sur  6
Télécharger pour lire hors ligne
T.C.
DOKUZ EYLÜL ÜNİVERSİTESİ
SOSYAL BİLİMLER ENSTİTÜSÜ
EKONOMETRİ ANABİLİM DALI
EKONOMETRİ DOKTORA PROGRAMI

Simülasyon Modeline Ait Örnek Bir Çalışma
Hazırlayan: Nicat GASIM

Öğretim Üyesi
Prof. Dr. Şenay ÜÇDOĞRUK
İzmir-2013
Tablo 1
Yıllar
1966
1967
1968
1969
1970
1971
1972
1973
1974
1975

Y
504
524
540
580
611
652
705
770
814
886

C
331
345
355
375
395
421
453
486
512
557

I
95
95
92
103
107
114
128
141
136
146


49
47
47
51
53
58
67
70
67
70

G
117
124
133
142
148
157
164
182
205
223

Model:

Ct   0  1Y t 1 u1
I t   0  1 t  u2
Y  C  I G
Soru: 1) A ülkesinin yıllık gelir gider verileri ile ilgili tablo yukarıda verilmiştir. Yukarıdaki
modeli tahminledikten sonra Y1  504, C1  331, I1  95, 1  49 ve G1  117 alarak
gelir(Y), tüketim(C), yatırım(I) için simülasyon değerlerini elde edip gerçek değerler ile
karşılaştırınız. (Karın her yıl 2 birim, hükümet harcamalarının ise her yıl 3 birim arttığını
varsayalım). 2) Dinamik çarpan katsayılarını kar ve kamu harcamaları için elde ediniz.
İlk olarak her iki denklem(tüketim ve yatırım) İki Aşamalı En Küçük Kareler
Yöntemi(2AEKKY) ile tahmin edilmiş ve aşağıdakı sonuçlara ulaşılmıştır.
Dependent Variable: CUN
Method: Two-Stage Least Squares
Date: 12/08/13 Time: 00:44
Sample (adjusted): 1967 1975
Included observations: 9 after adjustments
Instrument specification: Y PI INV GOV
Constant added to instrument list
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
Y(-1)

9.796235
0.668567

13.59010
0.021175

0.720836
31.57373

0.4944
0.0000

R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)

0.993002
0.992002
6.602593
996.9001
0.000000

Mean dependent var
S.D. dependent var
Sum squared resid
Durbin-Watson stat
Second-Stage SSR

433.2222
73.82882
305.1597
2.443798
146.4512

Dependent Variable: INV
Method: Two-Stage Least Squares
Date: 12/08/13 Time: 02:56
Sample: 1966 1975
Included observations: 10
Instrument specification: Y CUN GOV
Constant added to instrument list
Variable

Coefficient

Std. Error

t-Statistic

Prob.

C
PI

-6.308542
2.107229

6.818021
0.116309

-0.925275
18.11753

0.3819
0.0000

R-squared
Adjusted R-squared
S.E. of regression
F-statistic
Prob(F-statistic)

0.975982
0.972980
3.368777
328.2449
0.000000

Mean dependent var
S.D. dependent var
Sum squared resid
Durbin-Watson stat
Second-Stage SSR

115.7000
20.49417
90.78925
1.436855
54.96113

Buradakı amacımız her denklem için kurulan modelin istatistiksel olarak anlamlı veya
anlamsız olduğunu açıklamak değil. Bu denklemleri tahmin etmekteki esas amaç katsayıların
tahmin değerlerini bulmaktır.
CUN = 9.79623539145 + 0.668567347628*Y(-1)
INV = -6.30854215978 + 2.10722870742*PI
Tablo 2: 2AEKKY’den elde edilen katsayılar
Katsayı Tablosu
9.796
0.668
-6.308
2.107

b1
b2
b3
b4

Yapsal denklemleri kullanarak geliri (Yt)’yi yalnız bırakırsak aşağıdaki denkleme ulaşırız.

Tablo3: Gerçek ve Simülasyon Değerleri
Gerçek Değerler
Yg

Cg

Simülasyon Değerleri
Ig

Pig

Gg

504

331

95

49

117

524

345

95

47

124

540

355

92

47

133

580

375

103

51

142

611

395

107

53

148

652

421

114

58

157

705

453

128

67

164

770

486

141

70

182

814

512

136

67

205

886

557

146

70

223

Yt
504
560,6997
605,8217
643,2032
675,4097
704,1564
730,5899
755,477
779,3301
802,492

Şekil 1: Gerçek ve Simülasyon Değerlerinin Grafiği

Ct
331
346,754
384,6615
414,8286
439,8207
461,3529
480,572
498,2446
514,8832
530,8306

It
95
96,94568
101,1601
105,3746
109,5891
113,8035
118,018
122,2324
126,4469
130,6613

Pit
49
51
53
55
57
59
61
63
65
67

Gt
117
120
123
126
129
132
135
138
141
144
Tablo 4: Dinamik Çarpanlar Tablosu
Yd
-

Pid
-

56.69968
45.12199
37.38153
32.20652
28.74667
26.43354
24.88705
23.85312
23.16186
22.69972
22.39074
22.18417
22.04606
21.95373
21.89199
21.85072
21.82313
21.80468
21.79235
21.7841

2
4
6
8
10
12
14
16
18
20
22
24
26
28
30
32
34
36
38
40

Şekil 2: Yd/pid

Gd

yd/pid

Yd/Gd

3
6
9
12
15
18
21
24
27
30
33
36
39
42
45
48
51
54
57
60

28.34984
11.2805
6.230256
4.025815
2.874667
2.202795
1.777646
1.49082
1.28677
1.134986
1.017761
0.92434
0.847925
0.784062
0.729733
0.682835
0.641857
0.605686
0.573483
0.544603
68.00638

18.89989
7.520332
4.153504
2.683877
1.916445
1.46853
1.185097
0.99388
0.857847
0.756657
0.678507
0.616227
0.565284
0.522708
0.486489
0.455223
0.427905
0.40379
0.382322
0.363068
45.33759
Şekil 3: Yd/Gd

Dinamik Çarpanlar Tablosunu, Şekil2 ve Şekil 3’ü incelediğimiz zaman, yd/pid ve yd/Gd
değerlerinin 20 yıl içerisinde üstel azalış sergilemesi modelin istikrarlı olması yönünde yanlış
bir fikre yol açabilir. Ama dinamik çarpan katsayılarının birden büyük olması simülasyon
modelinin istikrarsız olduğunu kanıtlamaktadır.

Contenu connexe

En vedette

Altdata alteryx 2016 tahminleri
Altdata alteryx 2016 tahminleriAltdata alteryx 2016 tahminleri
Altdata alteryx 2016 tahminleriMustafa Kaplan
 
Kamu Entegre Veri Merkezleri - Mustafa Afyonluoglu
Kamu Entegre Veri Merkezleri - Mustafa AfyonluogluKamu Entegre Veri Merkezleri - Mustafa Afyonluoglu
Kamu Entegre Veri Merkezleri - Mustafa Afyonluogluafyonluoglu
 
Veri Madenciliği ve Makine Öğrenmesi Konularına Giriş
Veri Madenciliği ve Makine Öğrenmesi Konularına GirişVeri Madenciliği ve Makine Öğrenmesi Konularına Giriş
Veri Madenciliği ve Makine Öğrenmesi Konularına GirişŞadi Evren ŞEKER
 
Yazılım Nedir
Yazılım NedirYazılım Nedir
Yazılım Nedir_aerdeger
 
Programlamaya Giriş, Algoritma ve Akış Şeması Diyagramı
Programlamaya Giriş, Algoritma ve Akış Şeması DiyagramıProgramlamaya Giriş, Algoritma ve Akış Şeması Diyagramı
Programlamaya Giriş, Algoritma ve Akış Şeması DiyagramıAhmet POLAT
 
Test Mühendisliğine Giriş Eğitimi - Bölüm 1
Test Mühendisliğine Giriş Eğitimi - Bölüm 1Test Mühendisliğine Giriş Eğitimi - Bölüm 1
Test Mühendisliğine Giriş Eğitimi - Bölüm 1Mesut Günes
 
Test Mühendisliğine Giriş Eğitimi - Bölüm 2
Test Mühendisliğine Giriş Eğitimi - Bölüm 2Test Mühendisliğine Giriş Eğitimi - Bölüm 2
Test Mühendisliğine Giriş Eğitimi - Bölüm 2Mesut Günes
 
Global Perspective for Oil and Gas in Energy Policies
Global Perspective for Oil and Gas in Energy PoliciesGlobal Perspective for Oil and Gas in Energy Policies
Global Perspective for Oil and Gas in Energy PoliciesDr.Zeynep Elif Yildizel
 

En vedette (18)

Altdata alteryx 2016 tahminleri
Altdata alteryx 2016 tahminleriAltdata alteryx 2016 tahminleri
Altdata alteryx 2016 tahminleri
 
Veri analizi sunu
Veri analizi sunuVeri analizi sunu
Veri analizi sunu
 
Bünyamin Demir - 10 Adımda Yazılım Güvenliği
Bünyamin Demir - 10 Adımda Yazılım GüvenliğiBünyamin Demir - 10 Adımda Yazılım Güvenliği
Bünyamin Demir - 10 Adımda Yazılım Güvenliği
 
Kamu Entegre Veri Merkezleri - Mustafa Afyonluoglu
Kamu Entegre Veri Merkezleri - Mustafa AfyonluogluKamu Entegre Veri Merkezleri - Mustafa Afyonluoglu
Kamu Entegre Veri Merkezleri - Mustafa Afyonluoglu
 
Apriori algoritması
Apriori algoritmasıApriori algoritması
Apriori algoritması
 
Veri Madenciliği ve Makine Öğrenmesi Konularına Giriş
Veri Madenciliği ve Makine Öğrenmesi Konularına GirişVeri Madenciliği ve Makine Öğrenmesi Konularına Giriş
Veri Madenciliği ve Makine Öğrenmesi Konularına Giriş
 
Yazılım Nedir
Yazılım NedirYazılım Nedir
Yazılım Nedir
 
Bitirme sunum
Bitirme sunumBitirme sunum
Bitirme sunum
 
Programlamaya Giriş, Algoritma ve Akış Şeması Diyagramı
Programlamaya Giriş, Algoritma ve Akış Şeması DiyagramıProgramlamaya Giriş, Algoritma ve Akış Şeması Diyagramı
Programlamaya Giriş, Algoritma ve Akış Şeması Diyagramı
 
Test Mühendisliğine Giriş Eğitimi - Bölüm 1
Test Mühendisliğine Giriş Eğitimi - Bölüm 1Test Mühendisliğine Giriş Eğitimi - Bölüm 1
Test Mühendisliğine Giriş Eğitimi - Bölüm 1
 
Test Mühendisliğine Giriş Eğitimi - Bölüm 2
Test Mühendisliğine Giriş Eğitimi - Bölüm 2Test Mühendisliğine Giriş Eğitimi - Bölüm 2
Test Mühendisliğine Giriş Eğitimi - Bölüm 2
 
50 Soruda Yazılım Testi
50 Soruda Yazılım Testi50 Soruda Yazılım Testi
50 Soruda Yazılım Testi
 
Apriori algoritması
Apriori algoritmasıApriori algoritması
Apriori algoritması
 
Kenya afrika
Kenya afrikaKenya afrika
Kenya afrika
 
Global Perspective for Oil and Gas in Energy Policies
Global Perspective for Oil and Gas in Energy PoliciesGlobal Perspective for Oil and Gas in Energy Policies
Global Perspective for Oil and Gas in Energy Policies
 
GDA Kazilan Kuyular 2007
GDA Kazilan Kuyular 2007GDA Kazilan Kuyular 2007
GDA Kazilan Kuyular 2007
 
Basics for LNG 2011
Basics for LNG 2011Basics for LNG 2011
Basics for LNG 2011
 
Irak Refinery Status 2011
Irak Refinery Status 2011Irak Refinery Status 2011
Irak Refinery Status 2011
 

Plus de Dokuz Eylül University

Plus de Dokuz Eylül University (7)

Sayma Modelleri Count Model
Sayma Modelleri Count ModelSayma Modelleri Count Model
Sayma Modelleri Count Model
 
Truncated Regression. Heckman Sample Selection/Kesikli Regresyon. Heckman Örn...
Truncated Regression. Heckman Sample Selection/Kesikli Regresyon. Heckman Örn...Truncated Regression. Heckman Sample Selection/Kesikli Regresyon. Heckman Örn...
Truncated Regression. Heckman Sample Selection/Kesikli Regresyon. Heckman Örn...
 
Tobit Model&Tobit Modeli
Tobit Model&Tobit ModeliTobit Model&Tobit Modeli
Tobit Model&Tobit Modeli
 
Fuzzy Regression&Bulanık Regresyon
Fuzzy Regression&Bulanık RegresyonFuzzy Regression&Bulanık Regresyon
Fuzzy Regression&Bulanık Regresyon
 
Bayesian regression.
Bayesian regression.Bayesian regression.
Bayesian regression.
 
Constrained Optimization Example Kısıtlı Optimizasyon Örneği (Atama örneği)
Constrained Optimization Example Kısıtlı Optimizasyon Örneği (Atama örneği)Constrained Optimization Example Kısıtlı Optimizasyon Örneği (Atama örneği)
Constrained Optimization Example Kısıtlı Optimizasyon Örneği (Atama örneği)
 
Forcasting example
Forcasting exampleForcasting example
Forcasting example
 

Simulation/Simülasyon

  • 1. T.C. DOKUZ EYLÜL ÜNİVERSİTESİ SOSYAL BİLİMLER ENSTİTÜSÜ EKONOMETRİ ANABİLİM DALI EKONOMETRİ DOKTORA PROGRAMI Simülasyon Modeline Ait Örnek Bir Çalışma Hazırlayan: Nicat GASIM Öğretim Üyesi Prof. Dr. Şenay ÜÇDOĞRUK İzmir-2013
  • 2. Tablo 1 Yıllar 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 Y 504 524 540 580 611 652 705 770 814 886 C 331 345 355 375 395 421 453 486 512 557 I 95 95 92 103 107 114 128 141 136 146  49 47 47 51 53 58 67 70 67 70 G 117 124 133 142 148 157 164 182 205 223 Model: Ct   0  1Y t 1 u1 I t   0  1 t  u2 Y  C  I G Soru: 1) A ülkesinin yıllık gelir gider verileri ile ilgili tablo yukarıda verilmiştir. Yukarıdaki modeli tahminledikten sonra Y1  504, C1  331, I1  95, 1  49 ve G1  117 alarak gelir(Y), tüketim(C), yatırım(I) için simülasyon değerlerini elde edip gerçek değerler ile karşılaştırınız. (Karın her yıl 2 birim, hükümet harcamalarının ise her yıl 3 birim arttığını varsayalım). 2) Dinamik çarpan katsayılarını kar ve kamu harcamaları için elde ediniz.
  • 3. İlk olarak her iki denklem(tüketim ve yatırım) İki Aşamalı En Küçük Kareler Yöntemi(2AEKKY) ile tahmin edilmiş ve aşağıdakı sonuçlara ulaşılmıştır. Dependent Variable: CUN Method: Two-Stage Least Squares Date: 12/08/13 Time: 00:44 Sample (adjusted): 1967 1975 Included observations: 9 after adjustments Instrument specification: Y PI INV GOV Constant added to instrument list Variable Coefficient Std. Error t-Statistic Prob. C Y(-1) 9.796235 0.668567 13.59010 0.021175 0.720836 31.57373 0.4944 0.0000 R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic) 0.993002 0.992002 6.602593 996.9001 0.000000 Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat Second-Stage SSR 433.2222 73.82882 305.1597 2.443798 146.4512 Dependent Variable: INV Method: Two-Stage Least Squares Date: 12/08/13 Time: 02:56 Sample: 1966 1975 Included observations: 10 Instrument specification: Y CUN GOV Constant added to instrument list Variable Coefficient Std. Error t-Statistic Prob. C PI -6.308542 2.107229 6.818021 0.116309 -0.925275 18.11753 0.3819 0.0000 R-squared Adjusted R-squared S.E. of regression F-statistic Prob(F-statistic) 0.975982 0.972980 3.368777 328.2449 0.000000 Mean dependent var S.D. dependent var Sum squared resid Durbin-Watson stat Second-Stage SSR 115.7000 20.49417 90.78925 1.436855 54.96113 Buradakı amacımız her denklem için kurulan modelin istatistiksel olarak anlamlı veya anlamsız olduğunu açıklamak değil. Bu denklemleri tahmin etmekteki esas amaç katsayıların tahmin değerlerini bulmaktır. CUN = 9.79623539145 + 0.668567347628*Y(-1) INV = -6.30854215978 + 2.10722870742*PI
  • 4. Tablo 2: 2AEKKY’den elde edilen katsayılar Katsayı Tablosu 9.796 0.668 -6.308 2.107 b1 b2 b3 b4 Yapsal denklemleri kullanarak geliri (Yt)’yi yalnız bırakırsak aşağıdaki denkleme ulaşırız. Tablo3: Gerçek ve Simülasyon Değerleri Gerçek Değerler Yg Cg Simülasyon Değerleri Ig Pig Gg 504 331 95 49 117 524 345 95 47 124 540 355 92 47 133 580 375 103 51 142 611 395 107 53 148 652 421 114 58 157 705 453 128 67 164 770 486 141 70 182 814 512 136 67 205 886 557 146 70 223 Yt 504 560,6997 605,8217 643,2032 675,4097 704,1564 730,5899 755,477 779,3301 802,492 Şekil 1: Gerçek ve Simülasyon Değerlerinin Grafiği Ct 331 346,754 384,6615 414,8286 439,8207 461,3529 480,572 498,2446 514,8832 530,8306 It 95 96,94568 101,1601 105,3746 109,5891 113,8035 118,018 122,2324 126,4469 130,6613 Pit 49 51 53 55 57 59 61 63 65 67 Gt 117 120 123 126 129 132 135 138 141 144
  • 5. Tablo 4: Dinamik Çarpanlar Tablosu Yd - Pid - 56.69968 45.12199 37.38153 32.20652 28.74667 26.43354 24.88705 23.85312 23.16186 22.69972 22.39074 22.18417 22.04606 21.95373 21.89199 21.85072 21.82313 21.80468 21.79235 21.7841 2 4 6 8 10 12 14 16 18 20 22 24 26 28 30 32 34 36 38 40 Şekil 2: Yd/pid Gd yd/pid Yd/Gd 3 6 9 12 15 18 21 24 27 30 33 36 39 42 45 48 51 54 57 60 28.34984 11.2805 6.230256 4.025815 2.874667 2.202795 1.777646 1.49082 1.28677 1.134986 1.017761 0.92434 0.847925 0.784062 0.729733 0.682835 0.641857 0.605686 0.573483 0.544603 68.00638 18.89989 7.520332 4.153504 2.683877 1.916445 1.46853 1.185097 0.99388 0.857847 0.756657 0.678507 0.616227 0.565284 0.522708 0.486489 0.455223 0.427905 0.40379 0.382322 0.363068 45.33759
  • 6. Şekil 3: Yd/Gd Dinamik Çarpanlar Tablosunu, Şekil2 ve Şekil 3’ü incelediğimiz zaman, yd/pid ve yd/Gd değerlerinin 20 yıl içerisinde üstel azalış sergilemesi modelin istikrarlı olması yönünde yanlış bir fikre yol açabilir. Ama dinamik çarpan katsayılarının birden büyük olması simülasyon modelinin istikrarsız olduğunu kanıtlamaktadır.