Eğitim TS10. Stata ile ARDL ve NARDL Eşbütünleşme Yöntemleri: PSS-ARDL, ARDL-LRM, NARDL ve İki-Aşamalı NARDL

• 2 gün (10.00-12.00 ve 13.00-15.00 arası)
• Toplam 8 Saat
• Kategori: Özel Eğitim
• Açıklamalar
  • PSS-ARDL yöntemi (Pesaran, Shin ve Smith (2001) Sınır Testi), ARDL modeli içinde uzun dönem ilişkiyi gecikmeli seviyelerin ortak anlamlılığı üzerinden test eden bir yaklaşımdır. Serilerin I(0) veya I(1) olmasına karşı esnek olup, entegrasyon derecesi tam bilinmese bile uygulanabilir. Uzun dönem katsayıları da tahmin ederek değişkenler arasındaki denge ilişkisini birlikte değerlendirir.
  • ARDL-LRM yöntemi (Webb, Linn ve Lebo, 2019 & 2020) veya uzun dönem çarpanı (LRM) ile sınır (bounds) yaklaşımı, bağımlı değişkenin I(0) mı I(1) mi olduğu bilinmese bile geçerli çıkarım yapabilen daha esnek bir yaklaşımdır. PSS testinden farklı olarak sadece ilişki var mı sorusuna değil, hangi değişkenlerin uzun dönemde gerçekten etkili olduğuna odaklanır. Ayrıca sahte veya eksik denge durumlarını eleyerek yalnızca gerçek bir uzun dönem ilişkiyi test eder.
  • NARDL modeli (Shin vd., 2011), ARDL çerçevesini genişleterek bağımsız değişkenlerin pozitif ve negatif değişimlerine verilen tepkilerin farklı olup olmadığını analiz eder. Bu yaklaşım, uzun dönem eşbütünleşme ilişkisi içinde asimetrik etkileri ve dinamik çarpanları ayrı ayrı incelemeye imkân tanır. Ayrıca pozitif ve negatif şokların etkilerini ayrıştırarak ekonomik ilişkilerin daha gerçekçi ve detaylı biçimde modellenmesini sağlar.
  • İki aşamalı NARDL yaklaşımı (Cho vd., 2019), uzun dönem katsayıları FM-OLS ile tahmin ederek endojenlik ve otokorelasyon kaynaklı sapmaları ortadan kaldırır ve standart çıkarıma imkân verir. Ayrıca NARDL’de pozitif ve negatif bileşenlerin ortak trendinden doğan asimptotik tekillik problemini gidererek katsayıların limit dağılımının düzgün tanımlanmasını sağlar ve t ile Wald testlerinin güvenilir hale gelmesine imkân verir. Bu sayede özellikle küçük örneklemlerde uzun dönem katsayılar daha hassas ve güvenilir biçimde tahmin edilir.

 

Eğitim Programı

1. Gün

ARDL Yöntemi (Pesaran ve Shin, 1999)
- Hata Düzeltme Modeli ve ARDL Model
- Stata'da ARDL Sınır Testi Uygulamaları
- F testi (Pesaran, Shin ve Smith, 1999)
- t testi (Banerjee, Dolado ve Mestre 1998)

ARDL-LRM Yöntemi (Webb ve vd., 2019 & 2020)
- ARDL-LRM için temel örnek
- ARDL(2,1,3) spesifikasyonu
- Bewley IV ve zaman trendi içeren model
- Gecikme seçimi
- Tüm görselleştirmeler ve robust hatalar

2. Gün

NARDL Yöntemi (Shin vd., 2011) 
- Stata'da NARDL Uygulamaları
- Dinamik çarpanlar
- Asimetriler
- Bootstrap seçeneği ve Güven Aralıkları

İki-Aşamalı NARDL Yöntemi (Cho vd., 2019)
- İki aşamalı NARDL (FMOLS)
- Tek aşamalı NARDL (Shin ve diğ., 2014)
- Otomatik gecikme seçimi
- Karma model
- Eşbütünleşme için sınır (bounds) testi
- Tahmin sonrası analiz
- Öngörüler
- Özel eşik (asimetrik)
- Trend içeren durum