Yapısal Kırılma VAR Modeli
Vector Autoregression Model with Structural Breaks · Ayrıca şöyle bilinir: VAR with structural breaks, break-point VAR, regime-switching VAR, SB-VAR
Yapısal Kırılma VAR modeli, katsayı matrislerinin ve hata kovaryansının bir veya daha fazla bilinmeyen kırılma tarihinde kaymasına izin vererek standart Vektör Otoregresyon (VAR) çerçevesini genişletir. Politika değişiklikleri, finansal krizler veya büyük yapısal olaylar nedeniyle ekonomik ilişkilerin ani bir şekilde değiştiği çok değişkenli zaman serileri için tasarlanmıştır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Teori veya görsel inceleme, değişkenleriniz arasındaki dinamik ilişkilerin örneklem dönemi boyunca en az bir kez değiştiğini (örneğin, bir finansal kriz, büyük bir politika değişikliği veya yapısal reform etrafında) gösterdiğinde bir yapısal kırılma VAR'ı kullanın. Her segmentin güvenilir bir şekilde tahmin edilebilmesi için en az 50-60 gözlemle çok değişkenli bir sisteminiz olduğunda uygundur. Örneklem kısa olduğunda ve şüpheli kırılmalar bir segmentte 30 gözlemden az bıraktığında, kırılmalar sık olduğunda (bunun yerine Markov-anahtarlamalı VAR'ı düşünün) veya tek bir indirgenmiş form VAR'ı kukla kesişimlerle kaymayı yeterince yakaladığında kullanmayın.
Güçlü yönler & sınırlılıklar
- Tüm örneklem üzerinde tek bir katsayı kümesini zorlamadan çok değişkenli dinamiklerde gerçek rejim değişikliklerini yakalar.
- Rejime özgü dürtü yanıtları ve varyans ayrıştırmaları, her dönemde şok iletiminin daha doğru resimlerini sunar.
- Resmi kırılma noktası testleri (Bai-Perron) boyutu kontrol eder ve birden fazla kırılmayı eş zamanlı olarak belirleyebilir.
- Granger nedensellik ve eşbütünleşme bulgularını bozabilecek eksik kırılma yanlılığını önler.
- Yorumlanabilir kalır: her segmentin doğrudan ekonomik anlamı olan katsayıları olan standart bir VAR'dır.
- Her rejim yeterli gözlem gerektirir; örneklem boyutuna göre çok fazla kırılma, belirsiz tahminlere yol açar.
- Kırılma tarihleri belirsizlikle tahmin edilir ve tahmin edilen kırılmalara koşullu çıkarım, gerçek değişkenliği hafife alır.
- Değişken, gecikme ve rejim sayısı arttıkça parametre sayısı hızla artar, aşırı uyum riskini artırır.
- Kırılmaların ani olduğunu (seviye kayması) varsayar; kademeli veya yumuşak parametre değişiklikleri bunun yerine zamanla değişen parametreli VAR gerektirir.
SSS
Kaç kırılmaya izin vereceğime nasıl karar veririm?
Genel anlamlılık düzeyini kontrol eden ve sıfır kırılmadan başlayıp kırılmaları tek tek ekleyen Bai-Perron sıralı sup-F test prosedürünü kullanın. BIC gibi bilgi kriterleri çapraz kontrol görevi görebilir. Pratikte, savaş sonrası makroekonomik örneklemler için iki veya üç kırılma tipiktir.
Rejim başına minimum gözlem sayısı nedir?
Yaygın bir kural, toplam örneklemin en az %15'i veya segment başına en az 30 gözlem olmasıdır - hangisi daha büyükse - böylece her rejimin VAR'ı makul bir hassasiyetle tahmin edilebilir. Pratikte, güvenilir dürtü-yanıt çıkarımı için segment başına 50 veya daha fazla gözlem tercih edilir.
Yapısal kırılma VAR'ını mı yoksa Markov-anahtarlamalı VAR'ı mı kullanmalıyım?
Kırılmaların kalıcı ve tarihlendirilebilir olduğuna inanıldığında (tek seferlik politika değişiklikleri, krizler) yapısal kırılma VAR'ını kullanın. Ekonomi, sabit geçiş tarihleri olmayan tekrarlayan rejimler (örneğin, genişleme ve durgunluk) arasında döngüye girdiğinde Markov-anahtarlamalı VAR'ı kullanın.
Kırılma bulursam tam örneklem üzerinden Granger nedensellik testi yapabilir miyim?
Hayır. Katsayılar istikrarlı değilse tam örneklem Granger nedensellik testleri geçersizdir. Granger nedensellik testlerini her rejim içinde ayrı ayrı yapmalı ve rejimler arasındaki sonuçları karşılaştırmalısınız.
VAR'da yapısal bir kırılma bulmak, önceki bir eşbütünleşme analizini geçersiz kılar mı?
Olabilir. Yapısal kırılmaların varlığında standart Johansen ve Engle-Granger testleri düşük güce veya bozulmuş boyuta sahiptir. Kırılmalara izin veren eşbütünleşme testlerini (örneğin, Gregory-Hansen) kullanmalı veya analizi her rejim içinde yeniden çalıştırmalısınız.
Kaynaklar
- Bai, J., & Perron, P. (1998). Estimating and testing linear models with multiple structural changes. Econometrica, 66(1), 47–78. DOI: 10.2307/2998540 ↗
- Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1–48. DOI: 10.2307/1912017 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Vector Autoregression Model with Structural Breaks. ScholarGate. https://scholargate.app/tr/econometrics/structural-break-var-model
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- Yapısal Kırılmalı ARIMA ModeliEkonometri↔ karşılaştır
- Yapısal Kırılmalı Vektör Hata Düzeltme Modeli (SB-VECM)Ekonometri↔ karşılaştır
- Yapısal Vektör Otoregresyonu (SVAR)Ekonometri↔ karşılaştır
- Vektör Otoregresyon (VAR)Ekonometri↔ karşılaştır
- Vektör Hata Düzeltme Modeli (VECM)Ekonometri↔ karşılaştır
- Zivot-Andrews Yapısal Kırılma TestiEkonometri↔ karşılaştır