Tahmin Hatası Varyans Ayrıştırması (FEVD)
Forecast Error Variance Decomposition (FEVD) · Ayrıca şöyle bilinir: Variance Decomposition, Error Variance Decomposition, VD Analysis, Varyans Ayrıştırması
Tahmin Hatası Varyans Ayrıştırması (FEVD), Vektör Otokorelasyon (VAR) çerçeveleri içinde, her bir değişkenin tahmin hatası varyansının sistemdeki diğer tüm değişkenlerden kaynaklanan şoklara ne kadarının atfedilebileceğini ölçmek için kullanılan çok değişkenli bir zaman serisi tekniğidir. Ekonomist, makroekonomist ve finans araştırmacıları tarafından birbirine bağlı ekonomik serilerdeki kısa ve uzun vadeli dalgalanmaları yönlendiren farklı yapısal bozulmaların göreceli önemini değerlendirmek için yaygın olarak kullanılır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
FEVD, bir VAR veya SVAR olarak tahmin edilen durağan veya eşbütünleşmiş çok değişkenli bir zaman serisi sistemiyle çalışırken ve amaç, zaman içinde tahmin belirsizliğine farklı şokların göreceli katkısını anlamak olduğunda uygundur. Dürtü tepki analiziyle birlikte uygulandığında en bilgilendirici olanıdır. Temel varsayımlar arasında doğru VAR gecikme sırası, yapısal şokların geçerli tanımlanması (örneğin, Cholesky veya işaret kısıtlamaları yoluyla) ve sistem durağanlığı veya uygun fark alma yer alır. VAR tahminlerinin kesin olmadığı çok küçük örneklemler için daha az uygundur. Alternatifler arasında gerçek epizotlar için tarihsel ayrıştırma ve büyük sistemler için yapısal FAVAR modelleri yer alır.
Güçlü yönler & sınırlılıklar
- Teknik olmayan kitlelere iletilmesi kolay, sezgisel bir yüzde tabanlı şok önemi ölçüsü sağlar
- Şok tanımlanmasının ötesinde ek yapısal varsayım gerektirmeyen standart VAR çerçevesi içinde doğal olarak çalışır
- Kısa vadeli ve uzun vadeli sürücüleri ayırt ederek, şok katkılarının birden fazla tahmin ufku boyunca karşılaştırılmasına olanak tanır
- Dinamik ilişkilerin yola dayalı değil, büyüklüğe dayalı bir görünümünü sunarak dürtü tepki fonksiyonlarını tamamlar
- Sonuçlar, seçilen şok tanımlama şemasına kritik derecede bağlıdır; Cholesky sıralaması değişkenler arasında keyfi nedensel öncelik dayatır
- Yanlış varyans paylarını önlemek için uygun gecikme uzunluğu ve ilgili tüm değişkenlerin dahil edilmesi de dahil olmak üzere doğru bir VAR'ın doğru şekilde belirtilmesini gerektirir
- Örnek dönem boyunca doğrusallık ve parametre kararlılığını varsayar; bu, yapısal kırılmalar veya rejim değişiklikleri sırasında geçerli olmayabilir
- Varyans payları durağanlık işlemine duyarlı olabilir; eşbütünleşmeyi göz ardı etmek uzun ufuklu ayrıştırmaları bozabilir
SSS
Cholesky ayrıştırmasındaki değişkenlerin sıralaması FEVD sonuçlarını etkiler mi?
Evet, önemli ölçüde. Cholesky ayrıştırması, tüm eşzamanlı kovaryansı sıralamadaki ilk değişkene atar, bu nedenle bir değişkeni ilk sıraya yerleştirmek, kısa vadelerde açıklanan varyansın daha büyük bir payını ona verir. Araştırmacılar ya sıralamayı ekonomik gerekçelere dayandırmalı, alternatif sıralamaları deneyerek duyarlılığı test etmeli ya da daha sağlam yapısal tanımlama için işaret kısıtlamaları veya dışsal araçlar kullanmalıdır.
8. ufukta, örneğin, %30'luk bir FEVD payını nasıl yorumlamalıyım?
Bu, ilgilenilen değişken için 8 adımlı tahmin hatası varyansının %30'unun, seçilen tanımlama şeması altında, tanımlanan ilgili şoka atfedilebileceği anlamına gelir. Kalan %70'i sistemdeki diğer tüm şoklar tarafından birlikte açıklanır. Daha yüksek paylar, şokun o ufukta tahmin belirsizliğinin daha önemli bir kaynağı olduğunu gösterir.
FEVD'yi tek bir ufukta mı yoksa birden fazla ufukta mı bildirmeliyim?
Birden fazla ufuk boyunca raporlama şiddetle tavsiye edilir, çünkü varyans paylarının deseni zamanla önemli ölçüde değişir. Kısa ufuklar, hangi şokların acil dalgalanmalara hakim olduğunu ortaya çıkarırken, uzun ufuklar kalıcı hareketlerin yapısal sürücülerini ortaya çıkarır. 1 ila 20 veya 24 dönemlik ufukları kapsayan bir tablo veya grafik sunmak, uygulamalı makroekonomide standart bir uygulamadır.
Kaynaklar
- Lütkepohl, H. (2005). New Introduction to Multiple Time Series Analysis. Springer. ISBN: 978-3-540-40172-8
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 2). Forecast Error Variance Decomposition (FEVD). ScholarGate. https://scholargate.app/tr/econometrics/forecast-error-variance-decomposition
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Darbe Tepki Fonksiyonu (DTF)Ekonometri↔ karşılaştır
- Yapısal Vektör Otoregresyonu (SVAR)Ekonometri↔ karşılaştır
- Vektör Otoregresyon (VAR) ModeliEkonometri↔ karşılaştır