Hataları ardışık bağımlı (otokorelasyonlu) olan regresyon modellerinin tahmin edilmesi

Doğrusal regresyon modellerinde en küçük kareler yönteminin başarılı bir biçimde uygulanıp istenilen sonuçları verebilmesi için bazı varsayımların sağlanması gerekir. Bu varsayımlardan biri ardışık hata terimi değerlerinin birbirinden bağımsız olmasıdır. Yani hata terimi değerleri arasında otokorelasyon bulunmamasıdır. Bu varsayımın sağlanmaması durumunda en küçük kareler yöntemiyle bulunan tahminler sapmalı, t ve F gibi testler olduğundan büyük çıkıp güvenilirliğini yitirirler. Bu çalışmada doğrusal regresyon modellerinde otokorelasyon sorunu, otokorelasyonun saptanması yöntemlerinden; grafik yöntemi, sıra testi, DurbinWatson testi, Von-Neumann oran testi, Ki-kare otokorelasyon testi üzerinde durulduktan sonra bir doğrusal modelde otokorelasyon olması durumunda modelin nasıl tahmin edileceği yöntemi anlatılmıştır. Bu yöntem çok değişkenli bir regresyon modeline uygulanmıştır. 

Regresyon ,

Parametre Tahmini ,

Otokorelasyon ,

In linear regression models it is need to provide some hypothesis to perform the least square method successfully to have wanted results. One of the hypothesis is that values of the sequential residual terms have to be independent from each other. It means that there is not any autocorrelation among the values of the sequential residual terms. In case of not to provide this hypothesis; the predictions which have been obtained by the method of the least square must decline. The tests such as t and F lose their reliability by increasing more than natural. In this study, autocorrelation problem in linear regression models, from autocorrelation determine methods; graphic method, rank test, Durbin-Watson test, Von-Neumann rate test, chi-square autocorrelation tests have been looked around and then the method that how to estimate the model if there is autocorrelation in linear model has been told. This method has been applied on a multivariete regression model

Regression, ,

Autocorrelation, ,

Estimate of Parameter ,