Parametrik olmayan MIDAS regresyon

Abstract

Yüksek frekanslı açıklayıcı değişkenlerin olduğu durumlarda regresyon analizine olanak sağlayan MIDAS (Mixed Data Sampling) regresyon yöntemlerinin, parametrik olmayan türleriyle ilgili gelişmeye açık konular incelenmiştir. Tez, parametrik olmayan MIDAS regresyon yönteminin öncü çalışmalarından olup, büyük ve akışkan veri içeren ilk araştırmalardandır. Parametrik ve parametrik olmayan MIDAS regresyon yöntemlerinin literatür özeti, tasarlanan deneyin performans karşılaştırması ve gerçek veriler üzerinden elde edilen bulguların tartışılması sunulmuştur. Literatür özetinde, yüksek frekanslı değişkenlerin dönüştürülmesinde yaygın kullanılan, zaman toplulaştırma ve iterasyon yöntemlerinin sakıncalarına ve MIDAS regresyon yönteminin çözüm önerilerine değinilmiştir. Ayrıca, Köprü Denklemi Yöntemi ve Durum Uzayı Modelleri incelenmiştir. Otoregresif zaman serileri, MIDAS parametrik ağırlıklandırma işlevleri, veri matrisleri ve MIDAS türlerine odaklanılmış; Almon Polinomu, Üssel Almon, Beta ve Adımsal ağırlıklandırma işlevleri anlatılmış ve parametrik olmayan regresyon yöntemleri incelenmiştir. Splayn regresyon türleri ve çekirdek regresyon modellerinin ardından, Düzleştirilmiş MIDAS regresyon modeli ele alınmıştır. Çekirdek regresyon yöntemleri hakkında genel bilgi verilmiş, MIDAS regresyon yönteminde potansiyel kullanılabilirliği tartışılmıştır. Deneyde, artan-azalan, kısa-uzun gecikme uzunluğu, değişkenlik ölçeklendirilmesiyle stres testleri yapılarak, elde edilen sonuçlar kıyaslanmıştır. Stres testi için tasarlanmış ağırlıklandırma işlevleri, rassal veri üretimi için kullanılmıştır. Uygulama için, bağımlı değişken olarak Türkiye'de kaydedilen COVID-19 günlük vakaları ve yüksek frekanslı bağımsız değişken olarak saatlik COVID-19 içerikli paylaşılan Türkçe Twitter mesajlarının sayısı üzerinden, MIDAS regresyon yöntemleri çalıştırılmıştır. Bulgulara göre, parametrik olmayan MIDAS regresyon yöntemi, yüksek frekanslı serinin uzun gecikmeli değerlerinde, uzun vadeli etkinin kısa vadeden fazla olduğu, artan-azalan değerler aldığı durumlarda, parametrik yöntemlerden daha etkili bir yöntemdir. Çekirdek regresyon yöntemlerinin kısıtlamaları ve hesaplama yükü ileri çalışmalarda ele alınmalıdır.