Sağlam Vektör Hata Düzeltme Modeli (Sağlam VECM)
Robust Vector Error Correction Model · Ayrıca şöyle bilinir: robust VECM, outlier-robust VECM, robust cointegration model, robust VEC model
Sağlam VECM, adi en küçük kareler kestirimini aykırı değerlere dayanıklı prosedürlerle – örneğin M-kestiricileri, S-kestiricileri veya en küçük kırpılmış kareler – değiştirerek klasik Vektör Hata Düzeltme Modelini genişletir; böylece, çok değişkenli zaman serisi aykırı değerler, yapısal kırılmalar veya ağır kuyruklu yenilikler içerse bile eşbütünleşme ilişkileri ve kısa dönem uyum dinamikleri güvenilir bir şekilde tahmin edilir.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Örneklem aykırı değerler, aşırı gözlemler (finansal krizler, veri hataları, yapısal kaymalar) veya klasik VECM kestirimlerini bozacak şişkin kuyruklu hata dağılımları içerdiğinde, ancak muhtemelen eşbütünleşmiş iki veya daha fazla entegre I(1) zaman seriniz olduğunda Sağlam VECM kullanın. Özellikle finansal zaman serileri (döviz kurları, hisse senedi endeksleri, emtia fiyatları) ve kriz dönemlerini kapsayan makroekonomik paneller için değerlidir. Yapısal kırılmaları düzgün bir şekilde test etmenin yerine ikame olarak kullanmayın — eğer gerçek bir rejim kayması örneği bölerse, bölünmüş örneklem analizi veya rejim değiştiren bir VECM daha uygundur. Ayrıca, örneklem çok kısa olduğunda (denklem başına yaklaşık 50 gözlemden az) kaçının, çünkü sağlam kestiriciler küçük örneklemlerde verimlilik kaybeder.
Güçlü yönler & sınırlılıklar
- Örneklem aykırı değerler veya ağır kuyruklu yenilikler içerse bile uzun dönem eşbütünleşme vektörlerinin ve uyum hızlarının güvenilir kestirimlerini üretir.
- Johansen tipi rank testinin Gauss hata varsayımının ihlallerine karşı duyarlılığını azaltır.
- Sandviç düzeltilmiş standart hatalar, hata normalliğini gerektirmeden geçerli çıkarımlar sağlar.
- VECM yorumunu (hata düzeltme dinamikleri) korurken sağlamlık ekler, sonuçları klasik VECM çıktılarıyla doğrudan karşılaştırılabilir hale getirir.
- Faydalı tanı: gözlem ağırlıkları, daha fazla inceleme gerektirebilecek etkili veri noktalarını tanımlar.
- Klasik VECM'den hesaplama açısından daha maliyetlidir; IRLS'nin yakınsaması kötü koşullandırılmış sistemlerde garanti edilmez.
- Kayıp fonksiyonu ve ayarlama sabitinin seçimi (bozunma noktası ve verimlilik ödünleşmesi) araştırmacı tarafından belirlenir ve sonuçları etkileyebilir.
- Eşbütünleşme mertebesi için sağlam rank seçimi, klasik Johansen prosedürü kadar standartlaşmamıştır, bu da yazılım ve tekrarlanabilirliği zorlaştırır.
- Gauss, iyi davranışlı örneklemlerde, sağlam kestiriciler OLS tabanlı VECM'den biraz daha az verimlidir.
- Sağlam VECM altında dürtü tepki fonksiyonları ve tahmin hatası varyans ayrıştırması üzerine teori hala gelişmektedir.
SSS
Sağlam VECM standart bir VECM'den nasıl farklıdır?
Standart bir VECM, tüm parametreleri OLS ile tahmin eder, bu da her gözleme eşit ağırlık verir. Sağlam VECM, kalıntıları olağanüstü derecede büyük olan gözlemleri otomatik olarak aşağı ağırlıklandıran sınırlı etki kestiricisi ile OLS'yi değiştirir, böylece aykırı değerlerin tahmin edilen eşbütünleşme vektörleri ve uyum hızları üzerinde çok daha az etkisi olur.
Sağlam VECM, eşbütünleşme vektörünü yorumlama şeklimi değiştirir mi?
Hayır. Eşbütünleşme vektörü beta hala uzun dönem denge ilişkisini temsil eder ve alfa hala her değişkenin o dengeye ne kadar hızlı geri döndüğünü ölçer. Tek fark, bu kestirimlerin kaldıraç noktalarına ve aykırı değerlere karşı daha dirençli olmasıdır.
Hangi kayıp fonksiyonunu seçmeliyim?
Huber M-kestiricisi (ayarlama sabiti c ≈ 1.345, %95 Gauss verimliliği için) orta düzeydeki aykırı değerleri minimum verimlilik kaybıyla ele alan güvenli bir varsayılan değerdir. Tukey bisquare, eğer çok sayıda aykırı değerden şüpheleniyorsanız daha yüksek bir bozunma noktası sunar, ancak daha yavaş yakınsar ve iyi başlangıç değerleri gerektirebilir.
Eşbütünleşme rankı için Johansen'in iz testini hala kullanabilir miyim?
Klasik Johansen iz testi normallik dışılığa ve aykırı değerlere duyarlıdır. Sağlam VECM için, iz istatistiğinin sağlam bir varyantını (örneğin, öğrencileştirilmiş kalıntıların özdeğerlerine dayalı) kullanmak veya klasik testi öğrencileştirilmiş kalıntı grafiği ile bir sağlamlık kontrolü ile desteklemek daha iyidir.
Sağlam VECM, yüksek frekanslı finansal veriler için uygun mudur?
Evet, özellikle ağır kuyrukların ve ara sıra piyasa çökmelerinin norm olduğu günlük veya haftalık finansal seriler için çok uygundur. Çok yüksek gün içi frekanslarda, mikro yapısal gürültü, sağlam ağırlıklandırmanın ötesinde ek işlem gerektirebilir.
Kaynaklar
- Caner, M., & Kilian, L. (2001). Size distortions of tests of the null hypothesis of stationarity: Evidence and implications for the PPP debate. Journal of International Money and Finance, 20(5), 639-657. link ↗
- Lucas, A. (1997). Robustness of the student t based M-estimator. Communications in Statistics — Theory and Methods, 26(5), 1165-1182. link ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Robust Vector Error Correction Model. ScholarGate. https://scholargate.app/tr/econometrics/robust-vecm
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
Yan yana karşılaştır →