Eşik Regresyonu
Threshold Regression Model · Ayrıca şöyle bilinir: threshold model, regime-switching regression, sample splitting model, Eşik Değer Regresyonu (Threshold Regression)
Eşik regresyonu, regresyon parametrelerinin bir eşik değişkeninin tahmin edilen bir eşik değerinin altında ve üstünde farklı değerler aldığı doğrusal olmayan, rejim değiştiren bir modeldir. Örnek bölme ve eşik tahmin çerçevesi Bruce E. Hansen (2000) tarafından geliştirilmiş olup, yapısal kırılmalar ve rejim bağımlı ilişkiler içeren zaman serisi ve panel verileri için yaygın olarak kullanılmaktadır.
Tam yöntemi oku
Bu bölümü okumak için ücretsiz hesapla giriş yapın.
Yöntem haritası
İlişkili yöntemlerin komşuluğu — keşfetmek için bir düğüm seçin.
Ne zaman kullanılır
Sürekli bir sonucun, dışsal veya gecikmiş bir bağımlı değişken olabilen bir eşik değişkeni tarafından bölünen farklı rejimleri makul bir şekilde izlediği ve zaman serisi veya panel verilerine sahip, makul derecede büyük bir örneğiniz (yaklaşık 100 gözlem veya daha fazla) olduğunda eşik regresyonunu kullanın. Tek bir küresel eğim yerine bir yapısal kırılma veya doğrusal olmayan, rejim bağımlı bir ilişki şüphesi olduğunda uygundur. Hataların rejimler arasında homojen olduğu varsayılır; bu başarısız olursa, sağlam standart hatalar kullanılmalıdır.
Güçlü yönler & sınırlılıklar
- Tek bir doğrusal modelin kaçıracağı yapısal kırılmaları ve rejim bağımlı ilişkileri yakalar.
- Eşiği zorlamak yerine verilerden tahmin eder ve Hansen'in bootstrap'i kırılma noktası için bir güven aralığı sağlar.
- Katsayılar her rejim içinde, her iki tarafın ayrı bir regresyonu gibi yorumlanabilir.
- Her rejimde kararlı katsayıları tahmin etmek için yeterli gözlem olduğundan, oldukça büyük bir örneğe (yaklaşık 100 veya daha fazla) ihtiyaç duyar.
- Rejimler arasında homojen olmayan artıklar varsayar; değişen varyans standart hataları geçersiz kılar, sağlam olanlar kullanılmadıkça.
- Eşik üzerindeki çıkarım standart dışıdır, sıradan t-testleri yerine bootstrap yöntemleri gerektirir.
SSS
Eşik değişkeni nedir?
Her gözlemin hangi rejime düştüğünü belirleyen değişkendir. Dışsal bir değişken veya gecikmiş bir bağımlı değişken olabilir; tahmin edilen eşiğe eşit veya ondan küçük gözlemler bir katsayı seti kullanır ve ondan büyük gözlemler başka bir set kullanır.
Eşiğin kendisi nasıl tahmin edilir?
Koşullu en küçük kareler ile: model her aday eşik için uydurulur ve artık kareler toplamı kaydedilir ve bu toplamı en aza indiren eşik seçilir. Hansen'in (2000) yöntemi daha sonra etrafına bir bootstrap güven aralığı oluşturur.
Ne kadar örneğe ihtiyacım var?
Örnek ayrı rejimlere bölündüğü ve her iki tarafın katsayılarını kararlı bir şekilde tahmin etmek için yeterli veriye ihtiyaç duyduğu için kabaca 100 gözlem veya daha fazla.
Artıklar rejimler arasında homojen değilse ne olur?
Homojen artık varsayımı, standart çıkarımın temelini oluşturur; ihlal edilirse, katsayı testlerinin geçerli kalması için sağlam standart hatalar kullanın.
Kaynaklar
- Hansen, B. E. (2000). Sample Splitting and Threshold Estimation. Econometrica, 68(3), 575-603. DOI: 10.1111/1468-0262.00124 ↗
Bu sayfayı kaynak gösterin
ScholarGate. (2026, June 1). Threshold Regression Model. ScholarGate. https://scholargate.app/tr/econometrics/threshold-regression
Hangi yöntem?
Bu yöntemi en yakın akrabalarının yanına koyup yan yana okuyun — kütüphane kitapları masaya serer; seçim sizindir.
- ARDL sınır testi (Pesaran sınır testi)Ekonometri↔ karşılaştır
- Doğrusal Olmayan Otoregresif Dağıtılmış Geriye Yayılım (NARDL) ModeliEkonometri↔ karşılaştır
- En Küçük Kareler (EK) RegresyonuEkonometri↔ karşılaştır
- Panel Veri Sabit Etkiler ModeliEkonometri↔ karşılaştır
- Kuantil RegresyonuEkonometri↔ karşılaştır