Yapısal Kırılmalı SVAR Modeli
Structural Vector Autoregression with Structural Breaks · Ayrıca şöyle bilinir: break-SVAR, SVAR with regime change, structural break structural VAR, SB-SVAR
Yapısal kırılmalı SVAR modeli, standart Yapısal Vektör Otoregresyonu (SVAR), sistemin parametrelerinde zaman içinde bir veya daha fazla ayrık kaymaya izin vererek genişletir. Eş zamanlı olarak nedensel (yapısal) şokları belirler ve birden fazla zaman serisi arasındaki dinamikleri değiştiren politika kaymaları, krizler veya kurumsal reformlar gibi rejim değişikliklerini hesaba katar.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Çok değişkenli bir makroekonomik veya finansal sistemin, politika değişikliği, finansal kriz veya yapısal reform gibi rejim kaymaları içermesi muhtemel uzun bir ufku kapsadığı durumlarda yapısal kırılmalı SVAR kullanın. Nedensel şokları (sadece indirgenmiş form korelasyonlarını değil) belirlemeniz gerektiğinde ve şok yayılımının rejimler arasında farklılaşmasını istediğinizde uygundur. Güvenilir tahmin için rejim başına en az 30–50 gözlem gerektirir. Örneklem boyutlarının küçük olduğu (rejim başına 30 gözlemden az), değişken sayısı gözlemlere göre büyük olduğunda (boyutluluk laneti) veya kırılmaların ani yerine kademeli olduğu durumlarda kullanmayın — bu durumlarda zamanla değişen parametreli VAR veya düz geçişli VAR tercih edin.
Güçlü yönler & sınırlılıklar
- Nedensel şokların yapısal tanımlamasını, ayrık parametre kararsızlığının açık modellemesiyle birleştirir.
- Tek rejimli tahminlerin yapısal olarak farklı dönemler üzerinden ortalamasının alınmasından daha fazla politika ilgisine sahip rejim-özgü dürtü tepkileri üretir.
- Esnek tanımlama: Cholesky, işaret veya uzun vadeli kısıtlamalar rejim bazında uygulanabilir.
- Biçimsel kırılma tarihi tahmini, örneklemin keyfi olarak bölünmesini önler.
- Kointegrasyonlu sistemlerle uyumludur, yapısal kırılmalı VECM çerçevesiyle birleştirildiğinde.
- Her rejimde yeterince büyük alt örneklemler gerektirir; kısa rejimler güvenilmez katsayı tahminleri verir.
- Serbestlik derecesi maliyetleri, değişken ve rejim sayısıyla çarpılır, bu da boyutluluk lanetini şiddetlendirir.
- Kırılma tarihi belirsizliği nadiren IRF'ler için güven aralıklarına yayılır, bu da aşırı güvenli çıkarıma yol açar.
- Yapısal tanımlama kısıtlamaları her rejim için yeniden gerekçelendirilmelidir, bu da ek bir modelleme yargısı katmanı ekler.
SSS
Kırılma tarihini nasıl seçerim?
Görsel inceleme yerine biçimsel bir test kullanın. Bai-Perron (1998) sıralı testi, çok değişkenli sistemlerde birden fazla kırılma için standart seçimdir; Chow testi önceden belirlenmiş tek bir tarih için işe yarar. Aday kırılma yapılandırmaları üzerinde BIC veya LWZ'yi en aza indirin.
Her rejimde farklı tanımlama kısıtlamalarına sahip olabilir miyim?
Evet, ve bazen olmalısınız. Eğer ekonomik teori, örneğin bir merkez bankasının sabit kurdan enflasyon hedefleme kuralına geçtiğini ima ediyorsa, bu davranışı yakalayan eş zamanlı kısıtlamalar rejimler arasında farklı olmalıdır. Her kısıtlama setini bağımsız olarak gerekçelendirin.
Kırılma ani değil de kademeli ise ne olur?
Yapısal kırılmalı SVAR, keskin, ayrık bir kaymayı varsayar. Rejim değişikliği yavaş veya düzgünse — örneğin, kademeli bir düzenlemeye tabi tutma — parametrelerin zaman içinde sürekli olarak gelişmesine izin verdikleri için zamanla değişen parametreli VAR (TVP-VAR) veya düz geçişli VAR daha uygundur.
Kaç değişken dahil edebilirim?
Pratikte, çekme önsel (Bayesci SVAR) kullanmadığınız sürece sistemi küçük (3–6 değişken) tutun. Eklenen her değişken, rejim başına parametre sayısını çarpar, bu da güvenilir bir şekilde tahmin etmek için orantılı olarak daha fazla gözlem gerektirir — özellikle örneklem zaten kırılmalarla parçalanmışsa.
Her rejimi ayrı ayrı mı yoksa birlikte mi tahmin etmeliyim?
Rejim-özgü parametrelerle birlikte tahmin, tüm verileri kırılma noktalarını belirlemek için kullandığı ve rejimler arasındaki belirsizliği dikkate aldığı için tercih edilir. Ayrı tahmin daha basittir ancak kırılma tarihlerini bilinen olarak kabul eder ve geçişle ilgili bilgiyi boşa harcar.
Kaynaklar
- Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1–48. DOI: 10.2307/1912017 ↗
- Lütkepohl, H. (2005). New Introduction to Multiple Time Series Analysis. Springer. ISBN: 978-3540401728
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Structural Vector Autoregression with Structural Breaks. ScholarGate. https://scholargate.app/tr/econometrics/structural-break-svar-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Yapısal Kırılmalı ARDL Sınır TestiEkonometri↔ karşılaştır
- Yapısal Kırılma VAR ModeliEkonometri↔ karşılaştır
- Yapısal Kırılmalı Vektör Hata Düzeltme Modeli (SB-VECM)Ekonometri↔ karşılaştır
- Yapısal Vektör Otoregresyonu (SVAR)Ekonometri↔ karşılaştır
- Vektör Hata Düzeltme Modeli (VECM)Ekonometri↔ karşılaştır
- Zivot-Andrews Yapısal Kırılma TestiEkonometri↔ karşılaştır