The Estimators of random coefficient models
Stokastik katsayılı modeller için tahmin yöntemleri
- Tez No: 89703
- Danışmanlar: PROF. DR. ASAD ZAMAN
- Tez Türü: Doktora
- Konular: Ekonomi, Economics
- Anahtar Kelimeler: Stokastik Katsayılı Model, Aralıksal Gibbs Örnekleyicisi, Olabilirlik Maksimizasyonu Yöntemi, Momentler Yöntemi, Monte Carlo Deneyi, Bayesyen Yöntemler, Random Coefficient Model, Griddy Gibbs Sampler, Maximum Likelihood, Method of Moments, Monte Carlo Experiment, Bayesian Methods 111
- Yıl: 1999
- Dil: İngilizce
- Üniversite: İhsan Doğramacı Bilkent Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonomi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 159
Özet
ÖZET STOKASTİK KATSAYILI MODELLER İÇİN TAHMİN YÖNTEMLERİ Bal Gündüz, Yasemin Doktora, Ekonomi Bölümü Tez Yöneticisi: Prof. Dr. Asad Zaman Haziran 1999 Bu tez Stokastik Katsayılı modellerin tahmin yöntemleri konusunu ele almaktadır. Hildreth-Houck tipi Stokastik Katsayılı model için standard olmayan veri sonrasal (posterior) frekans dağılımlarından örneklemeyi sağlayan“Aralıksal Gibbs Örnekleyicisi”tekniğini kullanan bir Bayesyen tahmin yöntemi geliştirilmiştir. Monte Carlo deneyleri kullanılarak bu yöntem literatürde önerilen Swamy ve Tinsley(1980) yöntemi, Momentler yöntemi ve Zaman(1998) ile önerilen“Değiştirilmiş Olabilirlik Maksimizasyonu”yöntemi ile karşılaştırılmaktadır. Karşılaştırma kriterleri yanlılık, gerçek parametrelerden sapma kareleri ortalaması ve etkinliktir. Tahmin yöntemlerinin performanslarının örneklem büyüklüğü, açıklayıcı değişkenler matrisinin dengesi ve stokastik katsayıların varyans yapısından etkilendiğini görülmektedir. Bayesyen yöntem dışındaki yöntemler için stokastik katsayıların varyans parametresi tahminleri belirgin biçimde yanlıdır. Bayesyen yöntem ve momentler yöntemi diğer yöntemler ile karşılaştırıldığında daha iyi performans göstermektedir. En iyi yöntem bazı gözlemlenebilir ve gözlemlenemez kriterlere bağlı olarak değişmektedir. Ampirik çalışmalarda her iki yöntemin uygulanması ve örneklem dışı gözlemler için en düşük ortalama öngörü hataları karesi veren yöntemin seçilmesi önerilmektedir. Asimptotik olarak Olabilirlik Maksimizasyonu yönteminin yansızlığı ve kovaryans tahmininde Cramer Rao alt sınırına ulaşacağı bilinmektedir. Bu çalışmada Olabilirlik Maksimizasyonu yönteminin sonlu örneklem boyutu özellikleri ayn bir Monte Carlo deneyi ile araştırılmaktadır. Sonuçlar problem boyutuna oranla çok büyük örneklem boyutları dışında bu yöntemin performansının alternatif tahmin yöntemleri ile belirgin olarak iyileştirilebileceğini göstermektedir.
Özet (Çeviri)
ABSTRACT THE ESTIMATORS OF RANDOM COEFFICIENT MODELS Bal Gündüz, Yasemin Ph.D., Department of Economics Supervisor: Prof. Dr. Asad Zaman June 1999 This thesis concentrates on the estimators of Random Coefficient models. A Bayesian estimator with non-standard posterior density implementing Griddy Gibbs Sampler technique for Hildreth-Houck type Random Coefficient Model is introduced and it is compared with a range of existing estimators for Random Coefficient models. Monte Carlo experiments are used for comparing this estimator with Swamy and Tinsley (1980), Method of Moments and Zaman (1998) Modified Maximum Likelihood estimators on the basis of biases, Mean Square Errors and efficiencies of parameter estimates. The results show that performances of estimators are affected by sample size, balance of design matrix and variance structure of stochastic regression coefficients. In most of the cases estimates for variance parameter of regression coefficients are seriously biased for all estimators except the Bayesian Griddy Gibbs estimator. The Bayesian Griddy Gibbs and Method of Moments estimators show better performance compared with others, the best one changes in lines with some observable and unobservable criteria. In empirical work, using both methods in estimation and selecting the estimates with minimum out of sample forecast Mean Square Error might be recommended. Asymptotically Maximum likelihood estimator is unbiased and achieves Cramer Rao Lower Bound therefore it can not be improved upon. The finite sample properties of Modified Maximum Likelihood estimator are studied with a separate Monte Carlo study and it is shown that except very high sample sizes relative to the dimension of the problem there is substantial room for improvement of the of Modified Maximum Likelihood estimator in finite samples.
Benzer Tezler
- Examining the efficiency of regression estimators in modified ranked set sampling methods
Modifiye sıralı küme örneklemesi yöntemlerinde regresyon kestiricilerinin etkinliklerinin incelenmesi
EDA DAVASLIOĞLU
Yüksek Lisans
İngilizce
2019
İstatistikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. NESLİHAN DEMİREL
- Panel veri yapılarına bağlı öngörü yöntemleri ve bir uygulama
Panel data structure dependent forecasting methods and an application
MÜCELLA ŞAHİN
- Yoksulluğun ve gelir dağılımındaki eşitsizliğin dinamikleri: oecd ülkelerine yönelik bir uygulama
Dynamics of poverty and income distribution: an application to oecd countries
SERKAN GÖKSU
Doktora
Türkçe
2019
EkonomiKütahya Dumlupınar Üniversitesiİktisat Ana Bilim Dalı
PROF. DR. RAMAZAN KILIÇ
- Unit root problems in time series analysis
Zaman serisi analizlerinde birim kök
VİLDA PURUTCUOĞLU
Yüksek Lisans
İngilizce
2004
İstatistikOrta Doğu Teknik Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. MOTİ LAL TİKU