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›Yapısal Zaman Serisi Modeli (Temel Yapısal Model)
Regression model

Yapısal Zaman Serisi Modeli (Temel Yapısal Model)

Basic Structural Model (Structural Time Series Model) · Ayrıca şöyle bilinir: BSM, basic structural model, unobserved components model, Yapısal Zaman Serisi Modeli (BSM)

Temel Yapısal Model (TYM) biçimindeki Yapısal Zaman Serisi Modeli, Andrew Harvey'nin bir seriyi ayrı stokastik trend, mevsimsel, döngüsel ve düzensiz bileşenlere ayıran durum-uzay yaklaşımıdır. Harvey'nin 1990'daki çalışmasında geliştirilen bu model, yorumlanabilirliği ve bileşen ayrıştırması açısından değerlidir; oysa ARIMA yalnızca kara kutu bir uyum sağlar.

ScholarGate
  1. Regression model
  2. v1
  3. 2 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.

Yapısal Zaman Serisi Modeli (Temel Yapısal Model)
ARIMA (Autoregressive In…Bayesian Yapısal Zaman S…Markov Rejim Değişim Mod…Vektör Otoregresyon (VAR…ETS: Hata, Eğilim, Mevsi…Basit ve Çift Üstel Düze…Holt-Winters Üçlü Üstel…ProphetDurum Uzay Modeli (Kalma…

Ne zaman kullanılır

TYM'yi, yalnızca bir tahminden ziyade trend, mevsimsel ve döngüsel kısımlara yorumlanabilir bir ayrıştırma istediğinizde, sürekli bir zaman serisi (en az yaklaşık 30 gözlem) için kullanın. Serinin durum-uzay biçiminde yazılabileceğini, Kalman filtresinin uygulanabilir olduğunu ve bileşenlerin anlamlı ve yorumlanabilir olduğunu varsayar. Temel trendi veya mevsimsel deseni okumanız, eksik gözlemleri işlemeniz veya bir tahmini uzman olmayanlara açıklamanız gerektiğinde güçlü bir seçimdir; sade bir ARIMA uyumunun yeterli olduğu ve yorumlanabilirliğin bir endişe olmadığı durumlarda daha az gereklidir.

Güçlü yönler & sınırlılıklar

Güçlü yönler
  • Seriyi ayrı, doğrudan yorumlanabilir trend, mevsimsel, döngüsel ve düzensiz bileşenlere ayırır.
  • Her bileşen soyut otoregresif ve hareketli ortalama terimler yerine açık bir anlama sahip olduğu için genellikle ARIMA'dan daha yorumlanabilirdir.
  • Durum-uzay ve Kalman filtresi formülasyonu, eksik gözlemleri ve zamanla değişen yapıyı doğal olarak ele alır.
Sınırlılıklar
  • Sorunu durum-uzay biçimine dökmeyi ve hangi bileşenlerin (trend, mevsimsel, döngü) dahil edileceğini seçmeyi gerektirir.
  • Bileşen varyanslarının en büyük olabilirlik tahmini, başlangıç değerlerine ve optimizasyon rutinine duyarlı olabilir.
  • Güvenilir olması için makul bir veri akışı (en az yaklaşık 30 gözlem) ve iyi tanımlanmış, yorumlanabilir bileşenler gerektirir.

SSS

TYM, ARIMA'dan nasıl farklıdır?

ARIMA, fark alma işleminden sonra bir seriyi soyut otoregresif ve hareketli ortalama terimlerle tanımlar; bu iyi uyum sağlar ancak yorumlanması zordur. TYM bunun yerine açık trend, mevsimsel, döngüsel ve düzensiz bileşenleri modeller, böylece her bölümü doğrudan okuyabilirsiniz. Ayrıştırma ve yorumlanabilirlik için TYM genellikle tercih edilir.

Kalman filtresinin rolü nedir?

Model durum-uzay biçiminde yazılır ve Kalman filtresi, her gözlem geldiğinde gözlemlenmeyen bileşenleri özyinelemeli olarak tahmin eder, tahminini tahmin hatasına orantılı bir düzeltme ile günceller. Ayrıca bileşen varyanslarını tahmin etmek için kullanılan olabilirlik fonksiyonunu da üretir.

'Yerel doğrusal trend' ne anlama geliyor?

Hem seviyesi hem de eğimi zaman içinde stokastik olarak sapmasına izin verilen bir trenddir, bu nedenle trend sabit olmak yerine yönünü kademeli olarak değiştirebilir. Temel Yapısal Modeldeki standart trend spesifikasyonudur.

Ne kadar veriye ihtiyacım var?

En az yaklaşık 30 gözlem ve dahil ettiğiniz mevsimsel ve döngüsel bileşenleri tanımlamak için yeterli bir zaman aralığı; aksi takdirde varyansları kararsız hale gelebilir veya sıfıra çökebilir.

Kaynaklar

  1. Harvey, A. C. (1990). Forecasting, Structural Time Series Models and the Kalman Filter. Cambridge University Press. ISBN: 978-0521405737
  2. Harvey, A. C. & Shephard, N. (1993). Structural Time Series Models. In G. S. Maddala, C. R. Rao & H. D. Vinod (Eds.), Handbook of Statistics, Vol. 11 (pp. 261-302). Elsevier. DOI: 10.1016/S0169-7161(05)80045-8 ↗

Bu sayfayı kaynak gösterin

ScholarGate. (2026, June 1). Basic Structural Model (Structural Time Series Model). ScholarGate. https://scholargate.app/tr/econometrics/structural-time-series

İlişkili yöntemler

ARIMA (Autoregressive Integrated Moving Average) ModeliBayesian Yapısal Zaman SerileriMarkov Rejim Değişim Modeli (MS-AR / MS-VAR)Vektör Otoregresyon (VAR) Modeli

Hangi yöntem?

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

  • ARIMA (Autoregressive Integrated Moving Average) ModeliEkonometri↔ karşılaştır
  • Bayesian Yapısal Zaman SerileriBayesçi↔ karşılaştır
  • Markov Rejim Değişim Modeli (MS-AR / MS-VAR)Ekonometri↔ karşılaştır
  • Vektör Otoregresyon (VAR) ModeliEkonometri↔ karşılaştır
Yan yana karşılaştır →

Bu yönteme atıf yapanlar

ETS: Hata, Eğilim, Mevsimsel Üstel DüzeltmeBasit ve Çift Üstel Düzeltme (SES / Holt)Holt-Winters Üçlü Üstel DüzeltmeProphetDurum Uzay Modeli (Kalman Filtresi)

Benzer yöntemler

Durum Uzay Modeli (Kalman Filtresi)Zaman Serisi Kalman FiltresiBayesian Yapısal Zaman SerileriZamanla Değişen Parametreli SARIMA Modeli (TVP-SARIMA)Zaman Serisi Bayesyen ÇıkarımıETS: Hata, Eğilim, Mevsimsel Üstel DüzeltmeZamanla Değişen Parametreli ARIMA Modeli (TVP-ARIMA)STL Ayrıştırması: Loess Kullanarak Mevsimsel-Eğilim Ayrıştırması

İlgili referans kavramlar

Gizli Markov ModelleriYapısal ve Gizil Değişken ModelleriTime-Series Models • Dynamic Quantile Regressions • Dynamic Treatment Effect Models • Diffusion Processes • State Space ModelsÇok Düzeyli ve Kısmi Havuzlama ModelleriYapısal Eşitlik ModellemesiBayesçi Model Ortalaması

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

ScholarGate — Structural Time Series Model (Basic Structural Model (Structural Time Series Model)). 2026-07-20 tarihinde şu adresten erişildi: https://scholargate.app/tr/econometrics/structural-time-series · Veri seti: https://doi.org/10.5281/zenodo.20539026
Hızlı bilgiler
Originator
Andrew C. Harvey
Year
1990
Type
State-space (unobserved components) time series model
Estimator
Kalman filter with maximum likelihood
Components
trend, seasonal, cycle, irregular
Outcome
continuous time series
İlişkili yöntemler
ARIMA (Autoregressive Integrated Moving Average) ModeliBayesian Yapısal Zaman SerileriMarkov Rejim Değişim Modeli (MS-AR / MS-VAR)Vektör Otoregresyon (VAR) Modeli
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