Akaike Bilgi Kriteri

AKAIKE BILGI KRITERI

Akaike bilgi kriteri açiklayici degiskenlerin sayisini tespit etmek için yaygin olarak kullanilan kriterlerden birisidir Akaike bilgi kriteri AIC=formülü ile hesaplanmaktadir AIC,HKT yani ile tahmin edilecek parametre sayisini yani k’ ya baglidir Burada yeni açiklayici degisken ilave edildikten sonra ’deki düsüs AIC kriterinde bir düsüse neden olmadikça modele degisken ilave edilmesi gerekli degildir Çünkü her ilave degisken tahmin edilecek parametre sayisinda artisa neden olur Eger ’ deki düsme k’daki artisin etkisinden daha önemli ise burada AIC’ nin degeri düser

Kisitlanmis Y=(0+(1X1+(2X2+u model:

düzeltilmis R2=%36,6

X3 degiskeninin ilavesiyle R2 düserken AIC degeri de yükselmistir Bu yüzden X3 degiskenini modele ilave edilmesinin gerekli olmadigini kabul ediyoruz

Kisitlanmis Y=(0+(2X2+(3X3+u model:

=-3455,230+14,203x2+1,828x3
düzeltilmis R2=%47,3
AIC=ln

X1 degiskeninin ilavesiyle R2 yükselirken AIC degeri de düsmüstür Bu yüzden X1 degiskenini modele ilave edilmesinin gerekli oldugunu kabul ediyoruz
Kisitlanmis Y=(0+(1X1+(3X3+u model:
=-3600,864+2,905x1+1,970x3 N=15
AIC=ln düzeltilmis R2=%45,7

X2 degiskeninin ilavesiyle R2 yükselirken AIC degeri de düsmüstür Bu yüzden X2 degiskenini modele ilave edilmesinin gerekli oldugunu kabul ediyoruz
Modelimiz Y=(0+(1X1+(2X2+(3X3+u model:
=-3753,173+17,065X1-6,675X2+2,135X3 N=15
AIC=In düzeltilmis R2=%42,7

HETEROSKEDASTITE ILE ILGILI TESTLERIN YAPILMASI VE SORUNLARIN GIDERILMESI

GLAJSER FARKLI VARYANS TESTI

Glajser testi (2’ nin Xi ile baglantisinin sekli konusunda bilgi veriyor Bu bilgi ise farkli varyansi ortadan kaldirmada yardimci olur
adim: Y ile X ya da X’ ler arasinda ki iliski tahmin edilerek ilgili örnek hata terimleri bulunur
adim: e’lerin mutlak degerleri I ei I ile iliski