Yapısal Kırılmalı AR Modeli
Autoregressive Model with Structural Breaks · Ayrıca şöyle bilinir: AR model with structural change, breakpoint AR model, piecewise autoregressive model, AR model with regime shifts
Yapısal kırılmalı AR modeli, kesişim ve otoregresif katsayıların bir veya daha fazla bilinmeyen kırılma tarihinde kaymasına izin vererek standart otoregresif çerçeveyi genişletir. Ardışık kırılma noktaları arasındaki her rejim, kendi AR parametreleri tarafından yönetilir ve krizler, politika değişiklikleri veya diğer şoklardan kaynaklanan bir zaman serisinin dinamiklerindeki ani değişiklikleri yakalar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Ekonomik veya ampirik akıl yürütmenin, tek değişkenli bir zaman serisinin dinamiklerinin bir veya daha fazla noktada değiştiğini gösterdiği durumlarda yapısal kırılmalı AR modelini kullanın — örneğin bir finansal krizden, bir para politikası rejimi değişikliğinden veya büyük bir kurumsal reformdan sonra. Standart bir AR modelinin şüpheli bir kırılma tarihinde artıklar etrafında sistematik desenler bıraktığı veya kırılmaya izin veren birim kök testlerinin (Zivot-Andrews) anlamlı bir kırılma noktası ortaya çıkardığı durumlarda uygundur. Maddi bir kırılma nedeni olmadığında, örneklem çok kısa olduğunda (kabaca 60-80 gözlemden az, çünkü her rejim AR katsayılarını tahmin etmek için yeterli veriye ihtiyaç duyar) veya kırılmalar ani yerine kademeli olduğunda (kademeli değişim için yumuşak geçişli AR modelleri daha uygundur) kullanmayın.
Güçlü yönler & sınırlılıklar
- Sabit parametreli bir AR modelinin kaçıracağı zaman serisi dinamiklerindeki ani, kalıcı değişimleri yakalar.
- Kırılma sayısının ve yerinin bilinmemesine ve verilere yerleşik prosedürler (Bai-Perron) kullanılarak tahmin edilmesine izin verir.
- Her rejim basit OLS ile tahmin edilir, yöntemi hesaplama açısından şeffaf ve yorumlanabilir tutar.
- Rejimlere özgü katsayı testleri, kesişimlerin, kalıcılığın veya her ikisinin de kırılma noktasında değişip değişmediğini ortaya koyar.
- Her rejim içinde uygulanan standart AR model seçimi kriterleriyle (AIC/BIC) uyumludur.
- Kırılmaları güvenilir bir şekilde belirlemek için minimum bir rejim uzunluğu gerektirir (genellikle örneklemin %10-15'i); kısa seriler veya çok sayıda kırılma bu gereksinimi hızla tüketir.
- Kırılmaların anlık olduğunu varsayar; kademeli rejim değişiklikleri yetersiz yakalanır ve tahmin edilen kırılma sayısını şişirebilir.
- Hatalar normal veya heteroskedastik olmadıkça (HAC düzeltmeleri uygulanmadıkça) sıralı kırılma testleri güç kaybeder.
- Kırılma tarihi tahminleri belirsizlik taşır; sonraki çıkarımda tahmin edilen kırılma tarihlerini bilinen olarak kabul etmek standart hataları hafife alır.
SSS
Yapısal kırılma sayısına nasıl karar verilir?
Sıralı bir test stratejisi kullanın: en az bir kırılmanın var olup olmadığını belirlemek için sup-F testini uygulayın, ardından maksimum sayı için UDmax veya WDmax'ı kullanın ve son olarak BIC veya Liu-Wu-Zidek (LWZ) kriteri ile onaylayın. Bilinen olaylar hakkındaki ekonomik öncelikler de seçimi yönlendirmelidir.
Yapısal kırılmalı AR modeli serinin durağan olmasını gerektirir mi?
Her rejim, rejim parametrelerine bağlı olarak durağan olmalıdır; model tipik olarak durağan veya trend-durağan serilere uygulanır. Genel seri I(1) ise, fark alma veya yapısal kırılmalı birim kök testi (Zivot-Andrews) uygulamasından önce hangisinin daha uygun olduğunu düşünün.
Minimum rejim uzunluğu gereksinimi nedir?
Bai ve Perron, toplam örneklemin %10-15'i oranında bir kırpma parametresini izin verilen minimum rejim uzunluğu olarak önermektedir. 100 gözlemlik bir seri için bu, her rejimin en az 10-15 veri noktası içermesi gerektiği anlamına gelir; pratikte, güvenilir AR katsayısı tahminleri için rejim başına 20+ tercih edilir.
Bu, Markov-geçişli AR modelinden nasıl farklıdır?
Markov-geçişli AR modeli, rejimlerin her periyotta olasılıksal olarak tekrarlanmasına izin verir, böylece seri durumlar arasında ileri geri geçiş yapabilir. Yapısal kırılmalı AR modeli, kırılmaların kalıcı olduğunu ve serinin asla önceki bir rejime dönmediğini varsayar, bu da onu bir kırılmanın tek seferlik bir politika veya kurumsal değişikliği yansıttığı durumlar için daha uygun hale getirir.
Bu modeli tahmin için kullanabilir miyim?
Evet, ancak tahmin doğruluğu, gelecekteki verilerin son belirlenen rejimde kalıp kalmadığına bağlıdır. En son kırılma geçmişte iyi bir şekilde yerleşmişse ve rejim istikrarlı görünüyorsa, rejimlere özgü AR tahminleri, kırılmayı göz ardı eden tam örneklem AR'sinden daha iyi performans gösterebilir. Çok yakın veya beklenen kırılmalar için, olası rejimler arasında senaryo bazlı tahmin yapmak tavsiye edilir.
Kaynaklar
- Bai, J., & Perron, P. (2003). Computation and analysis of multiple structural change models. Journal of Applied Econometrics, 18(1), 1-22. DOI: 10.1002/jae.659 ↗
- Perron, P. (1989). The great crash, the oil price shock, and the unit root hypothesis. Econometrica, 57(6), 1361-1401. DOI: 10.2307/1913712 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Autoregressive Model with Structural Breaks. ScholarGate. https://scholargate.app/tr/econometrics/structural-break-ar-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Genişletilmiş Dickey-Fuller (ADF) Birim Kök TestiEkonometri↔ karşılaştır
- Otokorelatif Model (AR)Ekonometri↔ karşılaştır
- Yapısal Kırılmalı ARIMA ModeliEkonometri↔ karşılaştır
- Yapısal Kırılma VAR ModeliEkonometri↔ karşılaştır
- Yapısal Kırılmalı Vektör Hata Düzeltme Modeli (SB-VECM)Ekonometri↔ karşılaştır
- Zivot-Andrews Yapısal Kırılma TestiEkonometri↔ karşılaştır