İçeriğe geçScholarGate
KütüphaneKitaplığımMasaReview StudioAsistan
Giriş
Bu sayfada
SezgiNasıl çalışırNe zaman kullanılırGüçlü yönler & sınırlılıklarYaygın tuzaklarUygulamalarSSS🔒 Tam yöntemi okuKaynaklarİlişkili yöntemler
Bu sayfaya atıf yapBu sayfada bir hata mı var? Bildir / düzeltme öner →
Ana sayfa›Ekonometri›Görünüşte İlişkisiz Regresyonlar (SUR)
Regression model

Görünüşte İlişkisiz Regresyonlar (SUR)

Seemingly Unrelated Regressions (SUR) · Ayrıca şöyle bilinir: SUR, Zellner's SUR, seemingly unrelated regression equations, Görünürde İlişkisiz Regresyon (SUR)

Arnold Zellner tarafından 1962'de tanıtılan Görünüşte İlişkisiz Regresyonlar, hata terimleri denklemler arasında ilişkili olduğunda birkaç doğrusal denklemi ortaklaşa tahmin eden bir sistem regresyon yöntemidir. Genelleştirilmiş en küçük kareler yoluyla denklem içi bu korelasyondan yararlanarak, her denklemi ayrı ayrı En Küçük Kareler (OLS) ile tahmin etmekten daha verimlidir.

ScholarGate
  1. Regression model
  2. v1
  3. 1 Kaynaklar
  4. PUBLISHED
Bu sayfaya atıf yap →
Araçlar & kaynaklar
Slaytları indir
Öğren & keşfet

Tam yöntemi oku

Yalnızca üyeler

Bu bölümü okumak için ücretsiz hesapla giriş yapın.

Giriş yap

Yöntem haritası

İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.

Görünüşte İlişkisiz Regresyonlar (SUR)
İki Aşamalı En Küçük Kar…En Küçük Kareler (EK) Re…Panel Veri Sabit Etkiler…System GMM (Arellano-Bov…Üç Aşamalı En Küçük Kare…Doğrusal Olmayan Genelle…Mekansal Regresyon (Meka…

Ne zaman kullanılır

Denklem hatalarının denklemler arasında makul ölçüde ilişkili olduğu birkaç sürekli sonuçlu doğrusal denklem sistemine sahip olduğunuzda SUR'u kullanın, ancak otokorelasyonlu olmayan, kesitsel veya panel verilerde makul derecede büyük bir örneklemle (yaklaşık 100 gözlem veya daha fazla). Talep sistemlerinde, maliyet fonksiyonu sistemlerinde ve ilgili denklemlerin gözlemlenmemiş etkileri paylaştığı diğer ortamlarda parlar. Denklemler aynı regresörlere sahipse veya denklem içi hata korelasyonu ihmal edilebilir ise, SUR sıradan OLS'ye indirgenir ve herhangi bir kazanç sağlamaz.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Denklem hataları denklemler arasında ilişkili olduğunda denklem bazında OLS'den daha verimli.
  • Her denklemin kendi, muhtemelen farklı, öngörücü kümesine sahip olmasına izin verir.
  • Talep ve maliyet fonksiyonu sistemleri gibi ortaklaşa tahmin edilen ekonomik sistemlere iyi uyar.
Sınırlılıklar
  • Denklem içi hata korelasyonunun sıfır olduğu veya tüm denklemlerin aynı regresörleri paylaştığı durumlarda OLS'ye göre verimlilik kazancı sunmaz.
  • Doğru şekilde belirtilmiş doğrusal bir sisteme dayanır; bir denklemdeki yanlış belirtme diğerlerini kirletebilir.
  • Hataların denklemler arasında ilişkili olduğunu ancak otokorelasyondan arınmış olduğunu varsayar ve tipik olarak büyük bir örneklem gerektirir (yaklaşık 100+).

SSS

SUR, ayrı OLS regresyonları çalıştırmaktan nasıl farklıdır?

Ayrı OLS, her denklemi izole edilmiş olarak ele alır. SUR, bunları ortaklaşa tahmin eder ve sistemi denklem içi hata kovaryansı ile ağırlıklandırır, böylece hataların birlikte nasıl hareket ettiği bilgisi, bu korelasyon mevcut olduğu sürece her katsayıyı daha verimli hale getirir.

SUR ne zaman OLS ile aynı cevabı verir?

İki durum: hata terimleri denklemler arasında ilişkisiz olduğunda veya tüm denklemler tam olarak aynı regresörleri içerdiğinde. Her ikisinde de SUR, denklem bazında OLS'ye indirgenir ve kazanç sağlanmaz.

Σ⁻¹ ⊗ I terimi ne anlama geliyor?

Σ, M denklem arasındaki hataların kovaryans matrisidir. Kronecker çarpımı Σ⁻¹ ⊗ I, bu denklem içi ağırlıklandırmayı tüm gözlemlere yayar, böylece genelleştirilmiş en küçük kareler tahmincisi gürültülü denklemleri daha az ağırlıklandırır ve korelasyon yapısından yararlanır.

SUR, 3SLS ile nasıl ilişkilidir?

Üç Aşamalı En Küçük Kareler, SUR fikrini endojen regresörlere sahip sistemlere genişletir: enstrümantal değişkenler (2SLS) tahminini, SUR'un kullandığı aynı denklem içi hata korelasyon ağırlıklandırması ile birleştirir. SUR'un kendisi regresörlerin dışsal olduğunu varsayar.

Kaynaklar

  1. Zellner, A. (1962). An Efficient Method of Estimating Seemingly Unrelated Regressions and Tests for Aggregation Bias. Journal of the American Statistical Association, 57(298), 348-368. DOI: 10.1080/01621459.1962.10480664 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 1). Seemingly Unrelated Regressions (SUR). ScholarGate. https://scholargate.app/tr/econometrics/seemingly-unrelated-regression

İlişkili yöntemler

İki Aşamalı En Küçük Kareler (2SLS / IV) RegresyonuEn Küçük Kareler (EK) RegresyonuPanel Veri Sabit Etkiler ModeliSystem GMM (Arellano-Bover / Blundell-Bond)Üç Aşamalı En Küçük Kareler (3SLS)

Hangi yöntem?

Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.

  • İki Aşamalı En Küçük Kareler (2SLS / IV) RegresyonuEkonometri↔ karşılaştır
  • En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
  • Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır
  • System GMM (Arellano-Bover / Blundell-Bond)Ekonometri↔ karşılaştır
  • Üç Aşamalı En Küçük Kareler (3SLS)Ekonometri↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

Doğrusal Olmayan Genelleştirilmiş En Küçük Kareler (NGLS)Mekansal Regresyon (Mekansal Gecikme ve Mekansal Hata Modelleri)Üç Aşamalı En Küçük Kareler (3SLS)

Benzer yöntemler

Üç Aşamalı En Küçük Kareler (3SLS)Genelleştirilmiş En Küçük Kareler (GLS)İki Aşamalı En Küçük Kareler (2SLS / IV) RegresyonuPanel Genelleştirilmiş En Küçük Kareler (Panel GLS)İnstrumantal Değişkenler - İki Aşamalı En Küçük Kareler (IV/2SLS)Panel Veri Rastgele Etkiler ModeliEn Küçük Kareler Yöntemi (OLS)

İlgili referans kavramlar

Çok Değişkenli Çoklu RegresyonYapısal Eşitlik ModellemesiÇok Denklemli veya Eş Anlı Denklem Modelleri • Çok DeğişkenlerÇok Değişkenli RegresyonEconometricsYapısal ve Gizil Değişken Modelleri

Bu sayfada bir hata mı var? Bildir / düzeltme öner →

ScholarGate — Seemingly Unrelated Regression (Seemingly Unrelated Regressions (SUR)). 2026-07-20 tarihinde şu adresten erişildi: https://scholargate.app/tr/econometrics/seemingly-unrelated-regression · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Arnold Zellner
Year
1962
Type
System regression (multi-equation)
Estimator
Feasible generalized least squares (FGLS)
Outcome
continuous
MinSample
100
İlişkili yöntemler
İki Aşamalı En Küçük Kareler (2SLS / IV) RegresyonuEn Küçük Kareler (EK) RegresyonuPanel Veri Sabit Etkiler ModeliSystem GMM (Arellano-Bover / Blundell-Bond)Üç Aşamalı En Küçük Kareler (3SLS)
ScholarGate

Araştırma yöntemleri için içerik öncelikli bir referans kütüphanesi — her yöntemin ne olduğu, nasıl çalıştığı ve nereden geldiği.

Açık veri (CC-BY)

Keşfet

  • Kütüphane
  • Yöntemlerde ara…
  • Alanlara göre gez
  • Alanlar
  • Yolculuk
  • Karşılaştır
  • Hangi yöntem?

Başvuru

  • Konular
  • Atlas
  • Sözlük
  • Metodoloji
  • Felsefe

Çalışma alanı

  • Kitaplığım
  • Masa
  • Sohbet

Şirket

  • Hakkımızda
  • Fiyatlandırma
  • İletişim
  • Yöntem öner

Kayıtlar, başvuru amacıyla yayımlanmış kaynaklardan derlenmiştir. Herhangi bir bilginin doğruluğunu ve kendi kullanımınıza uygunluğunu denetlemek sizin sorumluluğunuzdadır.

© 2026 ScholarGate · Araştırma yöntemleri referans kütüphanesi
  • Gizlilik
  • Çerezler
  • Koşullar
  • Hesabı sil