Panel verilerde yapısal kırılma noktasının belirlenmesi

Abstract

Bu çalışmada, N kesit birimine ait T uzunluğundaki N tane zaman serisinden oluşan bir panel veride yapısal kırılma varlığının incelenmesi ve kırılma tarihinin tespit edilmesinde kullanılan bazı yöntemlerin farklı faktör düzeylerine bağlı olarak kırılma noktası tahmin performansları incelenmiştir. Performansı incelenen testler, Ortalama Kayma Modeli (OKM) Yaklaşımına dayalı test yöntemleridir. Bununla birlikte, bu testlere ek olarak Rasgele Kırılma Modeli yaklaşımına dayalı testlerden olan EM Algoritması yönteminin kırılma noktası tahmin etme performansı da incelenmiştir. OKM yaklaşımına dayalı pek çok test yöntemi bulunmaktadır. Bu yöntemlerden bir kısmı, test yönteminde kullanılan panel değişken sayısı dikkate alınarak çalışmaya dâhil edilmiştir. Bu kapsamda, çalışmada Monte Carlo benzetimleri yardımıyla Basit Ortalama Kayma Modeli Yöntemi, Dalgalanma Testi, Wald İstatistiği Testi, Kim Testi, Basit Ortalama Kayma modeline CUSUM yaklaşımı ve EM Algoritması yönteminin kırılma noktası tahmin performansları incelenmiştir. Panel verilerde yapısal kırılmanın tespit edilmesinde kullanılan bu testlerin performansı üzerinde etkisi olabileceği düşünülen kesit sayısı, zaman boyutu, kırılma büyüklüğü ve kırılma oranı faktörlerinin sırasıyla 3, 3, 4 ve 3 düzeylerine bağlı olarak her biri 3000 tekrardan oluşan 108 Monte Carlo benzetimi yapılmıştır. Monte Carlo benzetimleri sonucunda, Basit Ortalama Kayma Modeli yaklaşımının diğer yöntemlere göre kırılma noktasını tahmin etmede daha yüksek bir performans ortaya koyduğu görülmüştür. Ayrıca kırılmaların serilerin orta noktasında olması durumunda Wald ve Kim Testleri, en yüksek performansları gösterirken kırılmaların serilerin üçüncü çeyreğinde ortaya çıkması durumunda Dalgalanma Testi en yüksek kırılma noktası tahmin performansı göstermektedir. Genel olarak kesit sayısı arttıkça testlerin tahmin performansı, artarken zaman boyutu arttıkça Basit Ortalama Kayma Modeli dışındaki yöntemlerin performansı azalmaktadır. Son olarak, kırılma büyüklüğü arttıkça yöntemlerin doğru tahmin performansları azalmakla birlikte yöntemler, gerçek kırılma noktasına daha yakın tahminler üretmekte ve tahminlerin standart hataları küçülmektedir.

In this study, performances of break point estimation of some methods used to investigate presence of structural break and determine the date of break in a panel data consisting of N time series, each of T length, belonging to N cross-section have been investigated by depending on different levels of factors. Tests of which performances have been investigated are test methods depending on Mean Shift Model (MSM) Method. Nevertheless, in addition to these test, performance of break point estimation of EM Algorithm method depending on Random Break Point Model also have been investigated. There are many test methods depending on MSM approach. Some of these have been included in this study by taking into account the number of panel data variables used in test methods. In this context, break point estimation performances of Simple Mean Shift Model Method, Fluctuation Test, Wald Statistic Test, Kim Test, CUSUM Approach to Simple Mean Shift Model and EM Algorithm Method have been evaluated via Monte Carlo simulations in the study. 108 Monte Carlo simulations with each 3000 repeats have been carried out for 3, 3, 4 and 3 levels of factors, respectively number of cross-section units, length of series, size of break and proportion of break, expected influence the performance of these tests. Monte Carlo simulations concluded that Simple Mean Shift Model approach has better performance of break point estimation than other methods. Moreover, while Wald and Kim Tests put forth their best performances in the case where the breaks in series are at the half of the series, Fluctuation Test showed its best performance in the case that the breaks are at the third quarter of series. Generally, while break point estimation performances of tests increase as the number of cross-section increases, the performance of methods except Simple Mean Shift Model decrease as length of series increases. Finally, the correct estimations performance of tests decrease as the size of breaks increase but the methods produce closer estimates to the real break point and the standard deviations of these estimates decrease as the size of break increase.