Yapısal Vektör Otoregresyonu (SVAR)
Structural Vector Autoregression · Ayrıca şöyle bilinir: SVAR, structural vector autoregression, identified VAR, structural VAR model
Yapısal VAR, indirgenmiş formdaki VAR'ı, ortogonal yapısal şokları tanımlayan ekonomik teori temelli kısıtlamalar getirerek genişletir. Bu, araştırmacıların arz şoklarına karşı talep şokları gibi farklı ekonomik bozulmaların nedensel etkilerini ayırmalarına ve dürtü yanıt fonksiyonları (impulse response functions) ve tahmin hatası varyans ayrıştırmaları (forecast error variance decompositions) aracılığıyla bir değişken sistemi üzerinden dinamik yayılımlarını izlemelerine olanak tanır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
+9 tane daha
Ne zaman kullanılır
Çok değişkenli bir zaman seriniz olduğunda ve ekonomik teoriye dayanan farklı yapısal şokların nedensel dinamik etkilerini tanımlamak ve ölçmek istediğinizde SVAR'ı kullanın. Makroekonomik politika analizi için çok uygundur — örneğin, para politikası şoklarını, petrol fiyatı şoklarını veya teknoloji şoklarını izole etmek ve bunların yayılımını incelemek. Yöntem, durağanlığı (veya uygun eşbütünleşme (cointegration) muamelesini), savunulabilir bir tanımlama şemasını ve yeterli zaman serisi uzunluğunu (tipik olarak değişken başına en az 80-100 gözlem) gerektirir. Tanımlama kısıtlamalarını teorik olarak haklı çıkaramadığınızda, örneklem çok kısaysa (50 gözlemden az) veya değişkenler standart VAR dinamiklerinin yakalayamayacağı güçlü doğrusal olmayanlıklar sergilediğinde SVAR kullanmayın.
Güçlü yönler & sınırlılıklar
- Tam bir yapısal DSGE modeli gerektirmeden farklı yapısal şoklar hakkında nedensel çıkarım yapmayı sağlar.
- Dürtü yanıt fonksiyonları, sezgisel, politika açısından ilgili dinamik anlatılar sunar.
- Esnek tanımlama: Cholesky, uzun vadeli (Blanchard-Quah) ve işaret kısıtlamalarını destekler.
- Tahmin hatası varyans ayrıştırması, her şokun her değişkene ait değişkenliğe göreli önemini ortaya koyar.
- Tek denklem yaklaşımlarını baltalayan eşzamanlı denklem yanlılığını ele alır.
- Sonuçlar seçilen tanımlama şemasına duyarlıdır; farklı kısıtlamalar esaslı olarak farklı dürtü yanıtları verebilir.
- Güvenilir bir şekilde tahmin etmek için değişken ve gecikme sayısına göre yeterli sayıda gözlem gerektirir.
- Doğrusallık ve zamanla değişmeyen katsayıları varsayar; rejim değişikliklerini veya doğrusal olmayan dinamikleri gözden kaçırabilir.
- Tanımlama kısıtlamaları ekonomik teori ile gerekçelendirilmelidir; rastgele seçimler güvenilirliği zayıflatır.
- IRF'ler için güven bantları, özellikle uzun ufuklarda geniş olabilir.
SSS
Bir VAR ile bir SVAR arasındaki fark nedir?
İndirgenmiş formdaki bir VAR, değişkenler arasındaki tahmin ilişkilerini tahmin eder ancak hataları ilişkili olduğu için şokların nedensel yönünü tanımlayamaz. Bir SVAR, nedensel bir yorum verilebilecek ortogonal yapısal şokları kurtarmak için ekonomik teoriden türetilen kısıtlamalar getirir.
Bir tanımlama şemasını nasıl seçerim?
Seçim, ekonomik teori tarafından yönlendirilmelidir. Cholesky (kısa vadeli) kısıtlamaları, özyinelemeli bir nedensel sıralama varsayar; uygulaması kolaydır ancak güçlü sıralama varsayımları gerektirir. Blanchard-Quah uzun vadeli kısıtlamaları, tanımlamayı teorik uzun vadeli tarafsızlık özelliklerine bağlar. İşaret kısıtlamaları daha tarafsızdır ve nitel teorik tahminleri yansıtır. Seçiminizi açıkça belgeleyin ve savunun.
SVAR için ne kadar örneklem boyutuna ihtiyacım var?
Genel bir kural olarak, küçük bir SVAR (2-4 değişken) için en az 80-100 zaman gözlemi hedefleyin. Eklenen her değişken ve gecikme, tahmin edilecek parametre sayısını katlar. Kısa örneklemlerde IRF güven bantları çok genişler ve tanımlama hassas olabilir.
SVAR'ı durağan olmayan verilerle kullanabilir miyim?
Doğrudan değil. Durağan olmayan değişkenler önce dönüştürülmeli (farkları alınmalı) veya eşbütünleşik iseler, yapısal bir VECM çerçevesinde modellenmelidir. Eşbütünleşme düzeltmesi olmadan I(1) değişkenlerin seviyelerine SVAR uygulamak, uydurma sonuçlar verir.
Dürtü yanıtları için güven bantlarını nasıl oluştururum?
En yaygın yaklaşımlar özyinelemeli bootstrap (indirgenmiş form hatalarını yeniden örnekleme), wild bootstrap (heteroskedastiklikten etkilenmeyen) ve eşlenik veya Minnesota önsel (prior) değerleri ile Bayes yöntemleridir. Asimptotik delta-metodu bantları mevcuttur ancak küçük örneklemlerde daha az güvenilir olma eğilimindedir.
Kaynaklar
- Blanchard, O. J., & Quah, D. (1989). The dynamic effects of aggregate demand and supply disturbances. American Economic Review, 79(4), 655-673. link ↗
- Sims, C. A. (1980). Macroeconomics and reality. Econometrica, 48(1), 1-48. DOI: 10.2307/1912017 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 3). Structural Vector Autoregression. ScholarGate. https://scholargate.app/tr/econometrics/structural-var
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARMA Modeli (Otokoregresif Hareketli Ortalama)Ekonometri↔ karşılaştır
- Dinamik Panel Veri ModeliEkonometri↔ karşılaştır
- Granger Nedensellik TestiEkonometri↔ karşılaştır
- Vektör Otoregresyon (VAR)Ekonometri↔ karşılaştır
- Vektör Hata Düzeltme Modeli (VECM)Ekonometri↔ karşılaştır