EKONOMETRİK MODELLERDE EKSİK GÖLGE DEĞİŞKENLERİN GENETİK ALGORİTMALAR İLE TESPİT EDİLMESİ

Abstract

Genetik algoritmalar, biyolojideki doğal seçilim ilkelerini taklit eden ve optimizasyon problemlerini çözmeye yarayan hesaplamalı yöntemlerdir. Hem kombinasyonal hem de reel sayı optimizasyon problemlerinde kullanılabilen genetik algoritmaların en büyük üstünlüğü problemin global optimumunu belirleyebilmesidir. Ekonometride, modelde yer alması gerektiği halde modele dahil edilmeyen değişken sorunu parametrelerin sapmalı tahmin edilmesine sebep olmaktadır. Modele dahil ediİmeyen bir değişken varsa bu değişkenin tespit edilmesi bir optimizasyon problemi olarak düşünülebilir ve genetik algoritmalar ile çözülebilir. Bu makalede modelden dışlanmış fek bir gölge değişkenin belirlenmesi problemi modelden dışlanmış birden çok gölge değişken problemine genişletildi. Yapılan Monte Carlo simülasyonlan sonucunda dışlanmış değişken sapmasının azaltılabileceği ve bu değişkenlerin yaklaşık olarak belirlenebileceği gösterildi.

Keywords

• Genetik Algoritma, Eksik Değişken Sapması

References

1. AKYOL, A.P. (2006), Doğrusal Olmayan Ekonometrik Modellerin Genetik Algoritma Yaklaşımı ile Parametre Tahmini, Gazi Üniversitesi Sosyal Bilimler Enstitüsü, Yüksek Lisans Tezi
2. BALCOMBE, Kelvin G. (2005), "Model Selection Using Information Criteria and Genetic Algorithms", Computational Economics, 25, ss.207-228.
3. DAWID, Herbert (1999), Adaptive Learning by Genetic Algorithms - Analytical Results and Applications to Economic Models, Springer, New York.
4. GÜRİŞ Selahattin, ÇAĞLAYAN Ebru (2005), Ekonometri - Temel Kavramlar, Der Yayınlan
5. HASHEMİNIA, Hamed, NIAKI, Seyed T.A. (2006), "A genetic algorithm approach to find the best regression/econometric model among the candidates", Applied Mathematics and Computation, 183, ss.337-349.
6. HRUSCHKA, E.R., EBECHEN, N.F.F. (2003), "A genetic algorithm for cluster analysis", Intelligent Data Analysis, 7, ss. 15-25 and Artificial Systems, University of Michigan Press. (Second Edition: MIT Press, 1992).
7. MITCHELL, Melanie (1999), An Introduction to Genetic Algorithms, MIT Press, 1999, England.
8. ONG, C.S., HUANG, J.J., TZENG, G.H. (2005), "Model identification of ARIMA family using genetic algorithms", Applied Mathematics and Computation, 164, ss.885-912.

9. SATMAN, M. Hakan (2007), "Durağan Zaman Serilerinde Uygun ARMA Modelinin Genetik Algoritmalar ile Bulunması ve İMKB Uygulaması", İktisat Fakültesi Mecmuası, Basım Aşamasında
10. SESSIONS, David N., STEVANS, Lonnie K. (2006) , "Investigating omitted variable bias in regression parameter estimation: A genetic algorithm approach", Computational Statistics & Data Analysis, 50, ss. 2835-2854
11. WISNOWSKI, James Walter, Multiple Outliers in Linear Regression: Advances in Detection Methods, Robust Estimation, and Variable Selection, Arizona State University, Doktora Tezi, 1999