Vektör otoregresyon modellerinde belirleme sorunu
The Identification problem in vector autoregressive models
- Tez No: 97796
- Danışmanlar: PROF. DR. CENAP ERDEMİR
- Tez Türü: Doktora
- Konular: İstatistik, Statistics
- Anahtar Kelimeler: Mevsimsellik, Vektör otoregresyon modeli, Seasonality, Vector autoregression model
- Yıl: 2000
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
HI ÖZET Bu doktora tezi çalışmasında, tahmin hatası en az olan vektör otoregresyon modellerinin gecikme sayısını bulabilmek amacıyla literatürde varolan kriterler incelenmiş, bu konu ile ilgili Nickelsburg (1985), Lütkepohl (1985), Pukkila ve Krishnaiah (1988) ve Koreisha ve Pukkila (1993) gibi literatürdeki çalışmalar örnek alınarak seriye en uygun gecikme sayısını tesbit etmede kullanılan Akaike (1974), Schwarz (1978) Shibata (1980) ve Quinn (1980) geleneksel bilgi kriterlerinin, bir benzetim çalışmasıyla vektör otoregresyon modellerinde olduğu gibi mevsimsel vektör otoregresyon modeller üzerinde de uygulanılabileceği gösterilmeye çalışılmış ve bu kriterler bu modeller üzerinde başarımları bakımından karşılaştırılıp elde edilen sonuçlar tartışılmıştır. Bu sonuçlardan mevsimsel vektör otoregresyon modellerinde Akaike bilgi kriteri üzerinde birtakım mevsimsel düzeltmelere gidilmeye ihtiyaç duyulmuş, bu düzeltmeler sonucunda“Mevsimselliğe Göre Düzeltilmiş Akaike Bilgi Kriteri”geliştirilmiş ve böylece mevsimsel vektör otoregresyon modellerinin gecikme sayısının tesbiti ile ilgili bir çalışma ortaya konmuştur.
Özet (Çeviri)
IV ABSTRACT In this Ph.D. dissertation, the criteria, used to determine the lag number of the VAR models which have the smallest estimation error, in literature are investigated, and by following the papers, such as Nickelsburg (1985), Lütkepohl (1985), Pukkila and Krishnaiah (1988), Koreisha and Pukkila (1993), a simulation study is made to show the traditional information criteria, as Akaike (1974), Schwarz (1978), Shibata (1980), Quinn (1980), can be used in SVAR models as well, and by the results of the simulation these criteria are compared by their performances in VAR and SVAR models. This comparison reveals that Akaike information criterion (AIC) should be modified in SVAR models, and after this modification“Seasonally Modified Akaike Information Criterion (SMAIC)”is developed. By this way, it is noted that this Ph.D. dissertation presents a study about identifying the order of SVAR models.
Benzer Tezler
- Vektör otoregressif modeller üzerine bir inceleme
An Investigation on vector autoregressive models
NEZİR KÖSE
- The Determinants of private investment in Turkey
Türkiye'de özel yatırımı belirleyen faktörler
ESMA GAYGISIZ
- Estimating and forecasting exchange rate: Comparison of structural and var models
Döviz kuru tahmin ve öngörü analizi: Vektör otoregresyon (VAR) ve yapısal modellerin karşılaştırılması
BELMA EVİN FIRAT
- Kentsel işlevlerin boyutları ve mekansal dağılımını kestirmede kullanılabilecek bir model vekör otoregresyon: Trabzon örneği
A model for the forecasting of the development of urban function and their spatial distribution-the vector autoregressive model: In the case of Trabzon
AHMET MELİH ÖKSÜZ
Doktora
Türkçe
1997
MimarlıkKaradeniz Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. SALİHA E. AYDEMİR
- Forecasting the Turkish manufacturing sector price index: Several VAR Models vs single equation modelling
Türk özel imalat sanayi fiyat endeksi tahmini: Çeşitli vektör otoregresif modellere karşı tek denklem modellemesi
ALİ HAKAN KARA
