Orta

Hipotez Testleri, R² ve Çoklu Regresyon

t ve F testleri, belirlilik katsayısı, çoklu regresyonda katsayı yorumu ve dummy değişkenler.

🎯 Öğrenme hedefleri

  • t testi ile katsayı anlamlılığını sınamak
  • R² ve düzeltilmiş R²'yı yorumlamak
  • Çoklu regresyonda 'ceteris paribus' yorumunu yapmak

t testi tek katsayının anlamlılığını sınar: t = β̂ / standart hata. |t| kritik değeri aşarsa (yaklaşık 2) katsayı istatistiksel olarak anlamlıdır; p-değeri < 0,05 ise %5 anlam düzeyinde sıfır hipotezi (β=0) reddedilir. F testi modelin bütün olarak anlamlılığını sınar.

Uyum iyiliği: R²

Belirlilik katsayısı R², Y'deki değişkenliğin modelle açıklanan oranıdır (0-1 arası). Yüksek R² tek başına iyi model kanıtı değildir; değişken ekledikçe mekanik artar. Düzeltilmiş R² değişken sayısını cezalandırır; model karşılaştırmalarında esas alınır. Zaman serilerinde trendli verilerde şişkin R² ve sahte regresyon riski vardır.

Çoklu regresyon ve kuklalar

Çoklu modelde her katsayı diğer değişkenler sabitken ilgili değişkenin etkisini verir; dışlanan önemli değişken sapma (omitted variable bias) yaratır. Kukla (dummy) değişkenler nitel bilgiyi modele taşır (kadın=1, erkek=0; kriz dönemi=1): katsayısı grup farkını ölçer. Kukla tuzağından kaçınmak için k kategori varsa k−1 kukla kullanılır.

🔑 Temel kavramlar

t testiF testip-değeriR²Düzeltilmiş R²Çoklu regresyonKukla (dummy) değişken

Bu konudan sorular

Bu konudan soru çöz →