Transcendental logaritmik (Translog) modelin etkin tahmini: Tahmin edicilerin Monte Carlo ile karşılaştırılması

Abstract

Transcendental logaritmik (Translog) modelde, modele eklenen her değişkenin karesi ve diğer değişkenler ile çapraz çarpımları da modelde yer aldığından çoklu iç ilişki problemi ile karşılaşılmaktadır. Çoklu iç ilişki problemi olduğunda klasik tahmin teknikleri kullanılamayacağından yanlı tahmin edicilere başvurulur. Bu çalışmada ele alınan Translog modelin tahmininde kullanılan ridge, kısıtlı ridge, genelleştirilmiş maksimum entropi, kısıtlı genelleştirilmiş maksimum entropi, en küçük kareler ve kısıtlı en küçük kareler tahmin edicileri hata kareleri ortalamalarına göre karşılaştırılmışlardır. Uygulamada hata kareleri ortalamalarının elde edilmesinde Monte Carlo simülasyonundan faydalanılmıştır. Sonuçta, en etkin tahmin edicinin kısıtlı genelleştirilmiş maksimum entropi olduğuna karar verilmiştir.

Transcendental logarithmic (Translog) model suffers from the multicollinearity problem since the squares are added to the model and cross products of variables. Since classical estimators can not be used under multicollinearity, biased estimators can be used to overcome the problem. In this study, ridge, restricted ridge, generalized maximum entropy, restricted generalized maximum entropy, ordinary least squares, restricted ordinary least squares estimators are compared according to the mean squared error criteria. In the application section, Monte Carlo simulation is used to obtain mean squared error values. In conclusion, restricted generalized maximum entropy is decided as the most efficient estimator.