Detecting structural change when the change points is unknown

Abstract

ÖZET DE?İŞİM NOKTASININ BİLİNMEDİ?İ DURUMDA YAPISAL DE?İŞİMİN SINANMASI SIDIKA BAŞÇI Yüksek Lisans Tezi, iktisat Bölümü Tez Yöneticisi: Prof. Dr. Asad Zaman Mayıs 1994 Değişim noktasının bilinmediği durumda yapısal değişimin sınanması amacıyla kul lanılan pek çok farklı test vardır. Bunların arasında en çok kullanılanları Brown, Durbin ve Evans (1975) tarafından önerilen Birikmiş Toplamlar (CUSUM) ve Birikmiş Toplamlar Karesi, Sen (1980) ve Ploberger, Kramer and Kontrus (1989) tarafından önerilen Dal galanma testleridir. Daha yakın zamanda Andrews (1990) Sup F testini önermiştir ve bu testin yukarıda belirtilen testlerden daha güçlü bir test olduğunu göstermiştir. Bütün bu testlerde var olan problem hepsinin bir kısımdan diğer kışıma geçerken regresyon kat sayılarının değiştiğini varsaymasına rağmen varyansı sabit tutmalarıdır. Bu tezde, bu varsayım hafifletiliyor ve varyans değişimini de göz önüne alan alternatif bir test öneriliyor. Bu amaca Bayesyen yaklaşımla ulaşılıyor.Tez içerisinde, Bayesyen yaklaşımla elde edilen testin daha güçlü olduğunu gösteren Monte Carlo çalışması sonuçlan da yer almaktadır. Anahtar Kelimeler: Yapısal Değişim, Bilinmeyen Değişim Noktası, Varyans Değişimi, Bayesyen Yaklaşım. ııı

ABSTRACT DETECTING STRUCTURAL CHANGE WHEN THE CHANGE POINT IS UNKNOWN SIDIKA BAŞÇI MASTER OF ECONOMICS Supervisor: Prof. Dr. Asad Zaman May 1994 There are various tests which are used to detect structural change when the change point is unknown. Among these widely used ones are Cumulated Sums (CUSUM) and CUSUM of Squares tests of Brown, Durbin and Evans (1975), Fluctuation test of Sen (1980) and Ploberger, Kramer and Kontrus (1989). More recently, Andrews (1990) suggests Sup F test and shows that it performs better than the above stated tests in terms of power. The problem with these tests is that they all assume stable variance although the regression coefficients change while moving from one regime to the other. In this thesis, we relax this assumption and suggest an alternative test which also allows heteroskedasticity. For this aim, we follow the Bayesian approach. We also present some of the Monte Carlo study results where we find that Bayesian test has superiority over the above stated tests in terms of power. Key Words: Structural Change, Unknown Change Point, Heteroskedasticity, Bayesian Approach.