DURAĞANLIK ANALİZİ,BİRİM KÖK TESTLERİ VE TREND •

SUNU PLANI

1.Zaman Serisi Analizi

1.1.Otoregresif Süreç(AR)

1.2.Hareketli Ortalama Süreci(MA)

1.3.ARMA ve ARIMA Süreci

2.Zaman Serilerinde Durağanlık ve Trend

3.Trend ve İktisatta Son Gelişmeler

4.Durağanlığın Tespiti

4.1.Görsel Saptama-Korelogram

4.2.Dickey-Fuller Testi

4.3, Dickey-Fuller Testi’nin Eleştirisi

5.Dickey Fuller Birim Kök Testlerindeki Problemler Ve Phillips Perron Testi

5.1. Phillips Perron Testi

1.ZAMAN SERİSİ ANALİZİ

Bir zaman serisi,ilgilenilen bir büyüklüğün zaman içerisinde sıralanmış ölçümlerinin bir
kümesidir.Zaman serisi ile ilgili bu analizin yapılma amacı ise, gözlem kümesince temsil edilen
gerçeğin anlaşılması ve zaman serisindeki değişkenlerin gelecekteki değerlerinin doğru bir şekilde
tahmin (forecast) edilmesidir 1 .Ekonometrik yöntemlerin zaman serileri için uygulanmasına
geçmeden önce zaman serilerini oluşturan farklı unsurları incelemek gerekmektedir.

Zaman serileri dört bileşenden oluşur 2 ;

1.Trend(Genel Eğilim) bileşeni; Zaman serilerinin uzun sürede gösterdiği düşme ve

yükselme süreçlerinden sonra oluşan kararlı durumdur.Zaman serileri uzun dönem açısından kararlı
alçalma ya da yükselme şeklinde bir eğilime sahiptir.

2.Mevsim Bileşeni; Zaman serilerinde mevsimlere göre değişmeyi ifade eder.Zaman serileri
açısından kullanılan verilerin kimi dönemleri diğer dönemlere göre farklılık gösterir.
•
Avni Önder Hanedar,Onur Akkaya,Çiğdem Bizim
1
ALLEN,R.G.D,Statics for Economists,Mc-Millan,UK,1964,ss.133-152.
2
NEWBOLD,Paul,İşletme ve İktisat için İstatistik,çev.Ümit Şenesen,Literatür Y.,İstanbul,2000.ss.777-785.

1
 3.Çevrimsel Bileşen; Ekonomide, mevsimsel değişmeler ile ilgili olmayan dönemsel
değişmelerdir.Örneğin,ekonomide genel eğilimden bağımsız kısa süreli genişleme ya da daralma
durumu çevrimsel süreci tarif eder.

4.Düzensiz Bileşen; Diğer unsurlar gibi belirli olmayan, hata terimi ile ifade edilebilecek
değişmelerdir.

Zaman serileri tüm bu kendilerini oluşturan bileşenlere ayrıştırıldıktan sonra, bileşenlerin

toplamı şeklinde, Yt =Tt+St+Ct+It ya da çarpma yöntemi ile Yt= TtStCtIt şeklinde belli bir t
döneminde Y zaman serisi ifade edilebilir.

1.1.Otoregresif(AR) Süreç

Bir AR modelinde, bağımlı değişken geçmişteki değerinin bir fonksiyonudur.Bir çok zaman
serisi verisi de bu süreci içermektedir.Bu durum aşağıdaki gibi bir denklemle ifade edilebilir.

xt = a+ a1*x(t-1) + a2*x(t-2) + a3*x(t-3) + ... + ε

Burada, a, sabit terimi temsil ederken a1 ..... gibi katsayılarda gecikmeli değerlerin şimdiki
değerle olan ilişkisini temsil eder.Ayrıca ε hata terimi de rassal şokları tanımlamaktadır.Genel bir
şekilde AR(p) şeklinde ifade edilir.

AR süreci için bir örnek olarak 3 ,

“Bir limonata satıcısı olduğunuzu ve her saat beş bardak limonata sattığınızı düşünürseniz
.Eğer siz limonata sattığınız yeri kapatmak ve limonata bittiği için satmaktan vazgeçmek
istemiyorsanız, her saat başına tükenen limonata yerine yeni limonata doldurmanız gerekir.Böylece
her saat beş bardak limonata satılsa da siz her zaman yerine yenisini ilave ettiğinizden siz bir kaza
geçirmediğiniz sürece asla limonata satışınızda bir aksama olmaz. Bu bir otoregresif süreci tarif
eder.Çünkü daha az ya da daha fazla limonata satmanız şeklinde bir şok belli bir saatteki limonata
seviyesini etkiler.

verilebilir.

1.2. Hareketli Ortalama (Ma) Süreci

Eğer serinin gecikmeli hata terimi, şimdiki hata terimini etkiliyorsa hareketli ortalama
süreci tanımlanır.Bir hareketli ortalama sürecinde değişkenin tahmin değeri hata terimlerinini
tahmin değeri ile ilgilidir.

Bir hareketli ortalama süreci,

3
SANDY,Robert,Statistics for Business and Economics,Mc-Graw—Hill C.USA,1990,ss693-694.

2
 xt = et - a1et-1 -....., t = 1, 2, …n

şeklinde ifade edilebilir.Genel şekil olarak MA(q) şeklinde ifade edilir.

Hareketli ortalama sürecinde, her bir gecikmeli hata terimi onun şimdiki değerini
etkilemektedir.

Hareketli ortalama süreci için, 4

’’yolda kalan kamyonları çekmek üzerenine uzmanlaşmış olan bir şirkete sahip olduğunuzu
düşünürseniz,her bir yolda kalan aracın çekilmesi bir bağımsız olay olacaktır.Deneyimleriniz aracın
bozulduğu yere ve araca sahip olan şirketin bir tamir şirketinin tamirhanesinin olduğu yere bağlı
olarak, bir aracın çekilmesi ve onun tamirhaneye götürülmesi için üç günün gerekli olduğunu
göstermiştir.Eğer siz yeterli çekiciye sahip olmazsanız aracın sahipleri bu işi başkasına
verecektir.Bir gündeki tamir edilmek için çekilmesi gerekli araç sayısı size gerekli olan çekici için
bilgi vermektedir.Üç gün ötesinde, bu günkü tercihler size gelecekte olanlar hakkında bir şey
söylemez.Bu süreç bir hareketli ortalama sürecidir“

örneği verilebilir.

1.3.ARMA VE ARIMA SÜRECİ

Çoğu zaman serisi gerek AR ve gerekse de MA sürecini içermektedir.Ayrıca I(integrated)

ise seri tarafından içerilen trendi ifade etmektedir.ARIMA olarak ifade edilen süreç
değerlendirilecek olursa, ARIMA(p,d,q) bize , zaman serisinin p dereceden kendisinin gecikmesi ile
ilişkisini ifade eden AR(p) sürecini içerdiğini, q ile ifade edilen ve hata terimlerinin geçmiş
değerleri ile ilişkisini ifade eden ve rassal süreci yansıtması açısından hata terimlerinin düzleştirilme
metodlarından olan MA(q) sürecini ifade etmektedir.Ayrıca eğer zaman serilerinde genelde olduğu
gibi bir durağan olmama durumunun olması ya da durağan bir zaman serisi ile karşılaşmamaız d ile
ifade edilir ve zaman serisi hangi düzeyde durağan(integrated) ise belirtilir.

Söz konusu denklem,

Yt=m+a1yt-1....................apyt-p+ut-but-1-..........-bqut-q

bize ARIMA(p,d,q) sürecini ifade eder.

AR ve MA için bir örnek olarak, 5

4
SANDY,R.,a.g.e.ss.693-694.
5
SANDY,R.,a.g.e.ss.693-694.

3
 “Ulusal park yakınında bir hotele sahip olduğunuzu düşünün,Hotel defteri bazı
rezervasyonları içermektedir.Yani, müşterilerin bazıları otelinizde bir günden daha fazla zaman
harcamakta ve ayrıca müşterilerden bazıları da ulusal parkta bir haftalık tatil geçirirken aynı
zamanda evlerine dönmeden önce gece kalmak için sizin otelinize gelmektedirler.Belli bir günde
meydana gelecek şok otelde sürekli kalan müşterileri artan-birden fazla dönem- bir şekilde
etkileyecektir. Ancak bu şokun, ulusal parkta bir tatil geçirdikten sonra gece için kalmaya gelenler
üstünde bir hafta sonra tek bir etkisi olacaktır”

verilebilir.

Box-Jenkis yönteminin temeli ARIMA(p,d,q) paradigmasına dayanır., otoregresif ve

hareketli ortalamaya sahip zaman serilerini incelemekte ve bu yönteme göre zaman serilerinin
durağanlığı korelogram ile tespit edilmekte ve yine zaman serisinin ne tür bir süreç içerdiği de
korelasyon fonksiyonları ile analiz edilmektedir.Zaman serilerinde durağan olmama durumunda
farkı alınarak durağanlaştırılmakta,ancak eğer yine durağanlık ile karşılaşılmaz ise bu sefer verilere
yine geri dönülmektedir.Ancak eğer durağanlık sağlanmış ise bu durumda model ARMA ile tahmin
edilip, öngörü işlemi yapılmaktadır 6 .

2.ZAMAN SERİLERİNDE DURAĞANLIK VE TREND

Zaman serilerinin durağan olması olarak ifade edilen şey, zaman içinde varyansın ve
ortalamanın sabit olması ve gecikmeli iki zaman periodundaki değişkenlerin ko-varyansının
değişkenler arasındaki gecikmeye bağlı olup zamana bağlı olmamasıdır. 7

Ortalama=E(Yt)=μ

Varyans=var(Yt- μ)2=δ2

Kovaryans= χk=E((Yt- μ)(Yt-k- μ)

Zaman serilerinin durağan olmaması durumunda, zaman serileri trend içerecektir.Bu

durumda zaman serilerinin kullanılacağı öngörümleme ve regresyon denklemlerinde sahte
regresyon benzeri durumlar ortaya çıkacaktır. Zaman serileri durağan değillerse, stokastik ya da
deterministik trend içermektedirler.Ancak seri üzerinde uzun dönemde deterministik bir trendin
varlığı ile düzensiz modellerde zaman içinde ortaya çıkan ve bir müddet sonra kayıp olan trendler
birbirinden farklıdır.

6
MADDALA, G.S. ve Inn-Moo Kim,Unit Roots,Cointegration and Structural Changes,Cambridge University
Press,U.K.,2002.s.18 ve KUTLAR Azia,Ekonometrik Zaman Serileri-Teori ve Uygulama-,Gazi
K.Ankara,2000,ss.47-48.
7
GUJARATİ,Damodar N.,Basic Econometrics,third edit,MC-Graw-Hill,İnc.,USA,1995.ss.712-713.

4
 Deterministik trend,oldukça uzun bir dönemde ortaya çıkan ve yükseliş ve alçalış zikzakları
arasında belli bir yöndeki uzun dönemdeki eğilimi ifade etmektedir. Zaman serisi içerisinde trendin
bütünü ile kestirilebilir oluşu deterministik trende 8 işaret etmektedir.

Yt=a+βt +ε

Söz konusu denklem bize durağan olmayan bir zaman serisi içerisindeki deterministik trendi tarif
etmektedir. Eğer rassal yürüyüş(random walk) modelini 9 ifade edecek olursak,

Yt=Yt-1+ ε

stokastik bir trendi ifade etmiş oluruz. Yine stokastik ve deterministik trendle birlikte
10
gösterimi de mümkündür. Ayrıca söz konusu denklemde yer alan sabit terimde, zaman serileri
belli bir başlangıç değerine sahip olması gerektiğinden ve bu sabit değerinin anlamsızda olsa
denkleme dahil edilmemesi durumunda durağan olmama durumlarının ortaya çıkabileceğinden
dahil edilmektedir 11 .Durumu, tren stationary process ve difference stationary proses açısından
incelediğimizde zaman serisine yapılacak doğrusal trend ilavesi ile yani trendsizleştirme sonucunda
eğer zaman serisi durağan hale geliyorsa bu zaman serisinin deterministik bir trende sahip
olduğunu, ancak eğer doğrusal bir trend ilavesi eğer zaman serisini durağan hale getirmiyorsa bu
durumda fark alınarak zaman serisi durağan hale getirileceğinden stokastik bir tren geçerlidir. 12

3.TREND VE İKTİSATTA SON GELİŞMELER

Geleneksel İktisat görüşü, zaman serilerinin esas olarak uzun dönemde

düzgün(deterministik) tren segilediğini ve trend değerlerinden meydana gelecek sapmaların, talep
şoklarınca ortaya çıkacağı ve bu değişmelerin tekrar sürecin trendine dönmesi ile kapacağını ifade
etmektedirler. Klasik iktisat tam istihdam düzeyinde bir denge öngördüğünden, ekonominin
trendinden kısa dönemde ortaya çıkacak sapmalar geçicidir.Ayrıca moneterist görüşte beklentisel
yanılgıyla açıklanabilecek kısa dönemli sapma ve trende geri dönüşü öngörmektedir.Yine

8
Bkz.Deterministic trend,DİEBOLD,Francis X. ve Sendhadji Abdelhak S.,”Deterministic vs Stochastic Trend in US
GNP,Yet Again”,NBER Working Series,Working Paper 5481,www.nber.org.
9
MANKIW,G. ve Matthew Shappiro,Trends,”Random Walks and Tests of the Permenant Income
Hypothesis”,Jouranal of Monetary Economics,v;16,1985,ss.165-174.
10
CHAREMZA,Wojciech W ve Derek F. Ddeadman,New Directions in Econometric Practice,Edward
Elgar,UK,1997,ss84-95.Random Walk başlangıç değerine yani bir sabit değer ve deterministik trend ya da zaman
değişkeni ile ifade edilirse Yt=u+bt+Yt-1+ ε şeklinde gösterilir.
11
FRANSES,Philip Hans,Time Series Models for Business and Economic Forecasting,Cambridge University
Press,UK,1998,ss.80-90.
12
ENDERS,Walter,Applied Econometric Time Series,John Wiley and Sons,UK,1995,ss.155-195.

5
Keynezyen görüşün konjoktür konusundaki fikirleri Samuelson-Hicks çarpan ve hızlandıran 13
modeline dayanmaktadır.

Ancak yeni konjonktür yaklaşımları ile, iktisadi değişkenlerin gösterdiği trendlerin

kendisinin de dalgalanmalardan muaf olmadığını ortaya koymuştur. Ayrıca moneterist iktisatçıların
paranın yansızlığı konusundaki ifadeleri de geçersizleşmiştir.Yaşanan şoklar, örneğin parasal etkiler
moneterist iktisatçıların dediği gibi değişkenlerin trendlerinde kısa dönem bir sapma yaratmak
yerine değişkenlerin zaman trendlerini tümüyle değiştirmektedirler.Dolayısıyla yaşanan şoklar
sonucunda bir daha eski trende dönülememekte ve şok kalıcı etkiler yaratmaktadır. Bu durumda
zaman serilerinin sahip oldukları trendlerde şoklar nedeniyle ortaya çıkan kayma sonucunda bizatihi
stokastik hale gelmektedir. 14
T1
T2
Y
Y

t t

Nelson ve Ploser üretimde gözlemlenen değişmelerin pek çoğunun kalıcı olduğunu ve

üretimin rassal yürüyüş olarak bilinen bir istatistiki süreç olduğunu ifade etmişlerdir.

Yt=g+Yt-1+zt

Denklemi ile ifade edilen bir rassal yürüyüş olarak ifade edilen üretim, yaşanacak bir(t) şok
sonucunda, geleneksel görüşe göre bu şok sonucu üretim eski değerine geri dönmek zorunda iken,
geçmiş üretimin gelecekteki üretimi belirlemesi nedeniyle, üretim yeni bir trende sahip
olmuştur.Dolayısıyla reel unsurları dikkate alan ve trend etrafında dalgalanmaktan çok yeni bir

13
Daha geniş bilgi için,ALLEN,R.G.D.,Macro-Economic Theory-A methematical Treatment-,Mc-
Millan,UK,1968,ss-321-340.
14
SNOWDON,Brian,Vane Howard ve Peter Wynarczyk,A Modern Guide to Macroeconomics,-An Introduction to
Competing Schools of Thought-Edward Elgar,UK,1995.ss.236-260. ve Snowdon,Brian ve Howard Vane,Reflections
on the Development of Modern Macroeconomics,Edward Elgar,UK,1997,ss. 103-128.

6
trendin oluştuğu ve bu trendinde kendini oluşturan unsurların rassal olması nedeniyle rassal olduğu
bir konjonktür yaklaşımı gelişmiştir 15 .

4.DURAĞANLIĞIN TESPİTİ

4.1GÖRSEL SAPTAMA -KORELOGRAM

Bu durağanlık testi otokorelasyon fonksiyonuna(ACF) dayanır.Otokorelasyon fonksiyonu

serinin bazı değerleri ve gecikmeli değerleri arasındaki ilişkinin (correlation) boyutunu
belirler.Değişik zaman aralıkları(k) için bulunacak ACF(k) katsayısı değerleri ilişkilendirildiğinde,
korelogram elde edilir.ACF(k) değerleri 1 ve –1 arasında yer almaktadır.

S(Xt-Xbar)(Xt-k-Xbar)

ACF(k) = ------------------------

S(Xt-Xbar)2

Durağanlık tespiti için korelogramdan şu şekilde yararlanılır.ACF eğer çok yüksek bir
değerden başlayıp çok yavaş küçülüyorsa, bu serinin durağan olmadığının bir göstergesidir.Söz
konusu hipotez testi her bir ACF(k) değeri için +-1.96(1/√n) değeri bulunarak yapılır.Eğer ACF(k)
değeri güven aralığı sınırları dışında kalıyorsa otokorelasyon vardır. Kısmi korelasyon fonksiyonu
gecikmeli değişkenler arasındaki ilişkiyi ifade eder.Kısmi korelasyon fonksiyonu ile korelasyon Y
ve Yt-k değerleri arasındaki terimlerin etkisi çıkarılarak bulunur. 16

Bütün bu ACF(k) değerlerinin eş-anlı olarak sıfıra eşit olduğunun testi için diğer bir
yöntemde,Box-PierceQ ve Ljung-Box istatistiğinin kullanılmasıdır.

m ⎛ m
k ⎞⎟
∑ ⎜
∑
2 2
Box − PierceQ n⋅ p k LB n ( n + 2) n ⋅ p ⋅
⎜ n − k⎟
k =1 ⎝ k =1 ⎠

n,örneklem büyüklüğü,m gecikme sayısı iken Q ve LB istatistiği ki-kare dağılımı dikkate

alınarak test edilir.

Ho=Bütün ACF(k) lar sıfır

Ha=Bütün Acf(k) lar sıfırdan farklı

Hipotezleri geçerli iken eğer hesaplanan Q ve LB değeri ki-kare çizelgesindeki eşik

değerinden büyükse H0 red edilir.Yani seri durağan değildir.

15
Lucas Kritiği için,SARGENT,Thomas,Macroeconomic Theory,s.edit.,Academic Press Inc.,UK,1987,ss.397-398.
16
ERTEK,Tümay,Ekonometriye Giriş,2.b.,Beta b.yay.,İstanbul,1996,ss.383-384.

7
 4.2.DİCKEY-FULLER TESTİ

Dickey-Fuller testi, gözlenen serilerde birim kökün varlığının (serinin durağan olmadığı)
olup olmadığının belirlenmesinde kullanılan bir testtir. Bu yöntemin ilk olarak duyurulması, Dickey
D.A. ve W.A.Fuller’ın 1979’da ‘Journal of American Statistical Association’ adlı dergide
yayınlanan makaleleriyle olmuştur. Testin ilk çıktığı dönemden günümüze kadar çeşitli alanlarda
yeterli gelmediği ve bundan dolayı eksikliklerin kapatılması için oluşturulan yardımcı yöntemler
ortaya çıkmıştır δ . Ancak yapılan uygulamalarda serinin birim kök taşıyıp taşımadığının saptanması
için mutlak suretle DF (Dickey-Fuller) testinin yapılması şart niteliğinde bulunmaktadır.

Testin kullanımını açıklamak için aşağıdaki veri üreten süreç kullanabiliriz;

Model: Yt = pYt-1 + ut

ut = stokastic hata terimi

Eşitliği aşağıdaki gibi gösterilebiliriz.

yt – yt-1 = (p-1) yt-1 + ut

Denklemin her iki tarafından yt-1 çıkarıldığında, (p-1) = y olmak üzere denklem
aşağıdaki şekle gelir.

Δyt = γyt-1 + ut

Ho : p=1, H1: p<1

(p-1) = 0 veya γ = 0 durumunda yt serisi bir birim kök içermektedir. Ancak IpI < 1
durumunda seri durağan olur. Burada Dickey ve Fuller’ın Monte Carlo uygulamasında ortaya
çıkarılan ‘‘ T’’ (tau) istatistiği kullanılmaktadır.

Hesaplanan ‘‘ T’’ değerinin mutlak değeri Dickey-Fuller veya McKinnon Dickey-Fuller

kritik değerlerinin mutlak değerini aşıyorsa, zaman serisinin durağan olduğu hipotezini
reddedemeyiz. ‘Ho: p=1’ reddedilirse zaman serisi durağandır (Şimşek ve Halaç, 2003;6).

Dickey-Fuller’in ortaya koyduğu üç denklem türü bulunmaktadır ;

Sabitsiz trendsiz Dickey-Fuller denklemi :ΔYt =γY(t-1) +ut

Sabitli trendsiz Dickey-Fuller denklemi :ΔYt =a+γY(t-1) +ut

Sabitli trendli Dickey-Fuller denklemi: ΔYt =a+bt+γY(t-1) +ut

δ
Bu kısım ‘DF’nin eleştirisi’ bölümünde ele alınacaktır.

8
 Üç regresyonun birbirinden farkı a ve b gibi deterministik elemanlar içermesidir. Bu
denklemde yer alan γ parametresinde ‘γ = 0’ eşitliğinin sağlanması ‘‘yt’’nin birim kök
içerdiğini göstermektedir.

Birim kökün varlığının sınanması için kullanılan iki hipotez kullanılmaktadır.

Bunlar;

H1: γ<0 (p<1) (seride birim kök yoktur.) (seri durağandır.)

H0 : γ=0 (p=1) (seride birim kök vardır.) (seri durağan değildir.)

Hipotezlerinin oluşturulduktan sonra mevcut model içinde sınanması şu şekilde olmaktadır;

Dickey-Fuller testinin uygulanmasında ‘‘Δyt = γyt-1 + ut’’ regresyonunda yer alan γ

parametresinin sahip olduğu ‘t’ değerinin, Dickey-Fuller’a özel olarak hazırlanan ‘‘ T’’
istatistik tablo değeri ile karşılaştırılarak, önceden hazırlanan Ho ve H1 hipotezlerine göre
birim kökün varlığı tespit edilmektedir.

Yukarıda ele alınan DF test modelinin içerdiği kabul edilen otoregresif süreç sayısı AR (1)
kabul edilmektedir. Ancak her zaman serisinde durum böyle olmamaktadır. Bundan dolayı Dickey
D.A. ve W.A.Fuller’ın (1981) ‘de ‘Econometrıca’ dergisinde yayınlanan makalelerinde bu konuyu
işlermişler ve mevcut olan test denklemini en genel haliyle şu şekilde kullanmaktadırlar:

ADF denklemi ( en geniş ADF denklemi) :

ΔYt =a + bt + γY(t-1) + cΣΔY(t-1) + ut

Son şekli oluşan regresyon günlük yaşamda kullanılan zaman serilerinin birim kök taşıyıp
taşımadığını açıklamada daha yüksek işlevsellik kazanmıştır.

Örnek; U.S. ‘deki enflasyonun skolastik trende sahip midir?

U.S.’deki (1960:1-1990:4) tarihleri aralısındaki enflasyondaki değişimleri dikkate alan

veriler ile U.S.’deki enflasyonun trend içerip içermediğinin araştırıldığında ;

Bu araştırmada kullanılan hipotezler şu şekildedir; ‘Ho = seri durağan değildir.’, ‘H1= seri
durağandır.’ hipotezlerinin testinde ADF testi kullanılmıştır. Sonuçta bulunan regresyon şu
şekildedir.

ΔInft = 0.53 – 0.11 Inft-1 – 0.14 ΔInft-1 – 0.25 ΔInft-2 + 0.24 Δ Inft –3 + 0.01 Δ
Inft-4

(0.23) (0.04) (0.08) ( 0.08) (0.08) (0.08)

9
 Yapılan önceki araştırmalarda AR(1) kabul edildiğinde Inft-1 için bulunan t = -2.60
olmaktadır. %5 anlamlılık düzeyindeki kritik tablo değeri ise = -2.86 dır. Buna göre US’deki
enflasyonun durağan olmadığı söylenebilir. Yukarıdaki denklemde ele alınan geçikme sayısına
göre; AR(3)’teki t değeri = -2.60 ve AR(4)’teki t değeri ise –2.65 olmaktadır. % 5 anlamlılık
düzeyindeki kritik değer ise –2.86 dır. Bu anlamlılık düzeyinde yine U.S.’deki enflasyonun trend
içerdiği söylenir. Ancak değer aralığının % 10 anlamlılık düzeyinde aldığımızda kritik değer –
2.57’ye düşer. Bu duruma göre U.S.’teki enflasyonun trend içermediği ve veri setinin durağan
olduğu söylenebilir. Ancak yapılan farklı çalışmalar sonucu U.S.’deki enflasyonun trend içerdiği
bir çok kez ortaya çıkarılmıştır. Bu durum U.S.’deki enflasyon için hazırlanacak stratejiler
kullanılmaktadır (Stock ve Watson, 2003;466).

4.3.DICKEY- FULLER TESTININ ELEŞTIRISI

ADF testi birim kökün bulunmasında oldukça önemli bir yere sahip olmasına rağmen
testin içerdiği eksiklerde bulunmakta ve bu eksiklikler yardımcı testlerle giderilmektedir.

ADF’nin tespitte eksik olduğu yönleri şöyle açıklaya biliriz ;

- ARMA içeren veri seti içinde hareketli ortalama derecesinin bilinmemesi durumu

- AR sürecin tam olarak bilinmemesi ve oluşturulacak gecikme sayısı problemi

- Sabit terim ve zaman trendinin regresyonda olup olmamasına karar verilmesi durumu

- Zaman serisinde yapısal kırılma durumu

- Dışsal kırılma

- İçsel kırılma

- Birden çok yapısal kırılma

- Yan parametrik düzeltmeler

- Zaman serisinde mevsimsellik etkisinin bulunması

- Çoklu birim kök durumu (Dickey-Pantula (1987))

- I (2) zaman serileri durumu

- Parçalı durağanlığın bulunması

şeklinde sıralayabiliriz.

10
 5.DICKEY FULLER BIRIM KÖK TESTLERINDEKI PROBLEMLER VE
PHILLIPS PERRON TESTI

Zaman serileri otoregresif (autoregressive-AR) ya da haraketli ortalamalı (moving

average-MA) süreçler olabilir.

Dickey –Fuller Testi denklemi zaman serilerinin AR özelliğini dikkate alır. 17

Δt = φXt-1 + ut Xt = ut φ = 0 in AR(1)

Ve Ho hipotezi şöyle yazılır.

φ=1 Xt = φXt-1 + ut

ya da φ* = φ-1 = 0 ΔXt = φ*Xt-1 + ut

(Xt- Xt-1)= φXt-1- Xt-1+ ut ΔXt = φ*Xt-1 + ut φ* = φ-1 = 0

Burada φ* katsayısı istatistiki olarak anlamlı ise seri durağan değildir 18 .

Dickey-Fuller birim kök testlerindeki en önemli noktalar şunlardır.

- Seri, trend durağan mı ya da fark durağan mı

- Birim kök testinin gücü

- Zaman serilerindeki yapısal kırılma olup olmaması.

Bir testin gücü , yanlış olan hipotezi red etme olasılığı ile ölçülür. Dickey – Fuller
testlerinin bu açıdan gücü düşüktür. Çünkü bu testler birim kök ve yakın birim kökü
ayırdetmede yetersiz kalmaktadırlar. 19

φ=1 olursa birim kök vardır ancak φ=0.95 olması birim kök olmadığını
göstermez(yakın birim kök vardır).Eğer , model şu şekilde olursa ; yt = 0.95yt-1 + ut Dickey-
Fuller testine göre seri durağan kabul edilir. 20 Ancak böyle bir durumda aslında null hipotez
kabul edilmelidir. Katsayı 1 den küçüktür ancak 0,95 olması seride aslında birim kök
olduğunu söylemektedir. Testing güçsüz olması yakın birim kök olması durumunda problem
olmaktadır. Testing gücünün düşük olması sorunu veri aralığı genişletilerek çözülebilir.
Bunların yanında ADF testi test denklemindeki terimlerin ilave farklarının dahil edilmesi

17
Kerry Patterson,An Introduction to Applied Econometrics:A Time Series Approach , St. Martin’s Pres,Scholary
and Reference Division,2000, pp. 238-241
19
Enders Walter,Applied Econometric Time Series, Iowa State University,John Wiley&Sons Inc.pp.251-252
20
Chris Brooks , İntroduction Econometrics for Finance, 2002,
http://www.cambridge.org/resources/0521790182/1552_117097.ppt 20.03.2005

11
 gerektirir. Bu da serbestlik derecesinde bir azalmaya ve test sürecinin gücünde bir azalmayı
ortaya çıkarır.

Bir zaman serisinde yapısal kırılmalar serinin AR sürecini değiştirmektedir. Dickey

Fuller testi yapısal kırılmalara bağlı olarak AR sürecindeki bu kırılmayı dikkate
almamaktadır. Yapısal kırılmanın bu etkisini gidermek için Perron 1989’da kendi testini
geliştirmiştir. Böylece Dickey-Fuller testinin kırılmalara bağlı olan yanlış hipotezi kabul
etmeye götüren sonuç ortadan kaldırılmıştır. 21 Bunların yanında ADF testi test denklemindeki
terimlerin ilave farklarının dahil edilmesi gerektirir. Bu da serbestlik derecesinde bir azalmaya
ve test sürecinin gücünde bir azalmayı ortaya çıkarır.

Yukarıda bahsedilen yapısal kırılma dışında Dickey-Fuller testinde seriler üzerinde

trendin etkisini ve bu trende bağlı olarak ortaya çıkabilecek hata terimlerinin standart
hatasının farklı olmasına bağlı etkiler yoktur. Bu eksiklik Phillips ve Perron tarafından
eleştirilmiştir ve yazarlar literatürdeki “Phillips-Perron Testi” olarak bilinen birim kök
testini geliştirmişlerdir.

5.1.PHILLIPS-PERON TESTI

Dickey-Fuller Testi hata terimlerinin istatistiki olarak bağımsız olduklarını ve sabit

varyansa sahip olduklarını varsayar. Bu metodoloji kullanılırken hata terimleri arasında
korelasyon olmadığına ve sabit varyansa sahip olduklarına emin olmak gerekir. Phillips ve
Perron (1988) Dickey-Fuller ‘ın hata terimleri ile ilgili olan bu varsayımı genişletmişlerdir.
Bu durumu daha iyi anlamak için şu regresyon dikkate alınır.

Yt=a0* + a1*yt-1 + µt

Yt= a0• + a1• yt-1+a2• (t-T/2) + µt

Burada T gözlem sayısını µt hata terimlerinin dağılımını göstermekte olup bu hata

teriminin beklenen ortalaması sıfıra eşittir. Fakat burada hata terimleri arasında içsel
bağlantının(serial correlation)olmadığı veya homojenlik varsayımı gerekli değildir. Bu açıdan
bakıldığında Dickey-Fuller testinin bağımsızlık ve homojenite varsayımları Phillips-Perron
testinde terk edilmiş hata terimlerinin zayıf bağımlılığı ve heterojen dağılımı kabul edilmiştir.
Böylece Phillips-Perron Dickey – Fuller t istatistiklerini geliştirmesinde hata terimlerinin
varsayımları konusundaki sınırlamaları dikkate almamıştır 22 .

21
Perron Pierre, “Testing for a Unit Root in a Time Series With a Changing Mean”,Journal of Business&Economic
Statistics , April 1990,Vol.8,No.2
22
Enders Walter,Applied Econometric Time Series, Iowa State University,John Wiley&Sons Inc.pp.239-240

12
 Phillips-Perron istatistiklerinin kritik değerleri Dickey-Fuller testi tarafından kesinlikle
verilmektedir. Örnek vermek gerekirse yukarıda ki modelde,

Z(ta1*): a1*=1 hipotezinin testi için kullanılmıştır.

Z(ta1•): a1•=1 hipotezinin testi için kullanılmıştır.

Z(ta2•): a2•=0 hipotezinin testi için kullanılmıştır.

Z(φ3): a1•=1 ve a2•=0 hipotezlerinin testi için kullanılmıştır.

Phillips-Perron’un Dickey-Fuller testinin hata terimleri konusundaki sınırlayıcı

varsayımlarından vazgeçmesinin nedeni hata terimlerini ya da bu hata terimlerinin geçmiş
değerlerinin hareketli ortalama olarak (MA-Moving Avarage) kullanmalarıdır. Bu açıdan
bakıldığında Dickey-Fuller testindeki AR süreci Phillips- Perron testinde ARMA sürecine
dönüştürülmüştür. MA sürecinin kullanılmaya başlanması trend durağanlık kavramının
testinin daha güçlü yapılmasına imkan vermektedir. Özellikle trend içeren serilerde MA
süreçlerinin artan olması durumunda Phillips-Perron testi Dickey-Fuller testine göre daha
güçlü olmaktadır. MA süreçlerinin negatif olması durumunda ADF testleri Phillips-Perron’a
daha güçlüdür. ( MA süreçlerinin negative olması ya da azalan olması hata terimlerinin
beklenen ortalamasının sıfıra yaklaşması demektir.)

13
 KAYNAKÇA

ALLEN,R.G.D.,Macro-Economic Theory-A methematical Treatment-,Mc-

Millan,UK,1968,

ALLEN,R.G.D,Statics for Economists,Mc-Millan,UK,1964,

BROOKS, Chris , İntroduction Econometrics for Finance, 2002,

http://www.cambridge.org/resources/0521790182/1552_117097.ppt

CHAREMZA,Wojciech W ve Derek F. Ddeadman,New Directions in Econometric

Practice,Edward Elgar,UK,1997

DİEBOLD,Francis X. ve Sendhadji Abdelhak S.,”Deterministic vs Stochastic Trend in US

GNP,Yet Again”,NBER Working Series,Working Paper 5481,www.nber.org.

ENDERS,Walter,Applied Econometric Time Series,John Wiley and Sons,UK,1995.

ERTEK,Tümay,Ekonometriye Giriş,2.b.,Beta b.yay.,İstanbul,1996,

FRANSES,Philip Hans,Time Series Models for Business and Economic

Forecasting,Cambridge University Press,UK,1998

GUJARATİ,Damodar N.,Basic Econometrics,third edit,MC-Graw-Hill,İnc.,USA,1995.

MADDALA, G.S. ve Inn-Moo Kim,Unit Roots,Cointegration and Structural

Changes,Cambridge University Press,U.K.,2002

MANKIW,G. ve Matthew Shappiro,Trends,”Random Walks and Tests of the Permenant

Income Hypothesis”,Jouranal of Monetary Economics,v;16,1985

NEWBOLD,Paul,İşletme ve İktisat için İstatistik,çev.Ümit Şenesen,Literatür

Y.,İstanbul,2000
KUTLAR Azia,Ekonometrik Zaman Serileri-Teori ve Uygulama-,Gazi K.Ankara,2000.

PERRON Pierre, “Testing for a Unit Root in a Time Series With a Changing
Mean”,Journal of Business&Economic Statistics , April 1990,Vol.8,No.2

SANDY,Robert,Statistics for Business and Economics,Mc-Graw—Hill C.USA,1990,

SARGENT,Thomas,Macroeconomic Theory,s.edit.,Academic Press Inc.,UK,1987

SNOWDON,Brian,Vane Howard ve Peter Wynarczyk,A Modern Guide to

Macroeconomics,-An Introduction to Competing Schools of Thought-Edward Elgar,UK,1995

Snowdon,Brian ve Howard Vane,Reflections on the Development of Modern

Macroeconomics,Edward Elgar,UK,1997,

UTKULU, Utku, “Is The Turkish External Debt Sustainable? Evidence From Unit Root
Testing”Yapı Kredi Economic Review, vol 10, Number 2, 1999.

14