Kazanimlar:
- Çoklu doğrusal bağlantı, değişen varyans (heteroskedastisite) ve otokorelasyon gibi ihlalleri teşhis testleri ve grafiklerle yapay zeka desteğiyle saptayabilme
- Her ihlalin katsayı tahminini mi yoksa standart hataları mı bozduğunu ayırt edip uygun düzeltmeyi (dirençli standart hata, dönüşüm, model revizyonu) seçebilme
- Yapay zekanın önerdiği düzeltmelerin sorunu gizlemek yerine çözdüğünü ve teşhisin veri üreten sürecin anlaşılmasına dayandığını doğrulayabilme
Bir regresyon çıktısını okumak kolaydır; ona güvenmek zordur. Çünkü katsayıların yansız, standart hataların doğru ve p-değerlerinin geçerli olması, bir önceki ünitede tanıttığımız varsayımların sağlanmasına bağlıdır. Bu ünitede en sık karşılaşılan üç ihlali ele alacağız: çoklu doğrusal bağlantı, değişen varyans (heteroskedastisite) ve otokorelasyon. Her biri için üç soruyu yanıtlayacağız: nasıl teşhis edilir, neyi bozar (katsayıyı mı, standart hatayı mı) ve nasıl düzeltilir. Yapay zeka (YZ) teşhis testinin ve düzeltmenin kodunu üretir; ama hangi ihlalin gerçekten sorun olduğuna ve düzeltmenin sorunu çözüp çözmediğine siz karar verirsiniz.
En kritik ayrımı baştan koyalım: Bir ihlal katsayı tahminini mi yoksa yalnızca standart hataları mı bozuyor? Bu ayrım çözümü belirler. Katsayıyı bozan bir sorun (örneğin dışsallık ihlali) modelin yeniden düşünülmesini gerektirir; yalnızca standart hatayı bozan bir sorun (değişen varyans, otokorelasyon) ise çoğu zaman standart hata düzeltmesiyle çözülür. YZ'nin sık hatası, standart hatayı düzelten bir teknik uygulayıp sorunu "çözüldü" ilan etmesidir; oysa altta yatan yapı hâlâ orada olabilir.
İhlal 1: Çoklu doğrusal bağlantı (multicollinearity)
Nedir? İki veya daha çok açıklayıcı değişkenin birbiriyle güçlü ilişkili olmasıdır; örneğin modele hem "toplam deneyim yılı" hem "yaş" koymak. Bu değişkenler neredeyse aynı bilgiyi taşıdığından model onları ayrıştırmakta zorlanır.
Neyi bozar? Katsayı tahminleri yansız kalır ama kararsızlaşır: standart hatalar şişer, güven aralıkları genişler, tek tek katsayılar anlamsız çıkabilirken model genel olarak (F-testi) anlamlı olabilir. Küçük bir veri değişikliği katsayıyı büyük ölçüde oynatır.
Nasıl teşhis edilir? VIF (Variance Inflation Factor — varyans şişme faktörü): her değişken için, o değişkenin diğerlerince ne kadar açıklandığını ölçer. Kaba bir eşik olarak VIF > 5 (bazıları 10) dikkat gerektirir. Ayrıca açıklayıcı değişkenler arası korelasyon matrisine bakılır.
Nasıl düzeltilir? Bağlantılı değişkenlerden birini çıkarmak, onları birleştirmek (endeks yapmak) veya (kuram gerektiriyorsa) ikisini de tutup tek tek katsayıları yorumlamaktan kaçınmak. Hangi değişkenin kalacağı istatistiksel değil kuramsal bir karardır — YZ eleme önerir, gerekçeyi siz verirsiniz.
İhlal 2: Değişen varyans (heteroskedastisite)
Nedir? Hata teriminin varyansının gözlemler arasında sabit olmamasıdır. Tipik örnek: gelir arttıkça harcamanın etrafındaki saçılım da artar; düşük gelirde dar, yüksek gelirde geniş bir "huni" deseni oluşur.
Neyi bozar? Katsayı tahminleri yine yansızdır — bu önemli. Bozulan şey standart hatalardır: yanlış hesaplanır, dolayısıyla p-değerleri ve güven aralıkları güvenilmez olur. Yani katsayınız doğru merkezdedir ama "ne kadar eminsiniz" sorusunun cevabı yanlıştır.
Nasıl teşhis edilir? Artıkların (residuals) tahmin değerlerine karşı saçılım grafiği (huni deseni aranır) ve resmi testler: Breusch-Pagan testi, White testi. Küçük p-değeri "sabit varyans yok" der.
Nasıl düzeltilir? En yaygın ve pratik çözüm dirençli standart hatalar (robust / heteroskedasticity-consistent, HC standart hataları) kullanmaktır: katsayıyı değiştirmez, standart hatayı ihlale karşı düzeltir. Alternatif: bağımlı değişkeni dönüştürmek (log almak gibi) ya da ağırlıklı EKK. Dirençli standart hatalar bugün ampirik çalışmada neredeyse varsayılan hâline gelmiştir.
İhlal 3: Otokorelasyon
Nedir? Hata terimlerinin birbirinden bağımsız olmamasıdır; en çok zaman serisinde görülür: bir dönemin hatası bir sonrakini etkiler (örneğin bir şoku takip eden dönemlerde de artık pozitif kalır).
Neyi bozar? Yine öncelikle standart hataları bozar (genellikle olduğundan küçük gösterir, sahte anlamlılık yaratır); katsayılar EKK'de yansız kalır ama etkinliğini yitirir.
Nasıl teşhis edilir? Durbin-Watson testi (birinci derece otokorelasyon için), Breusch-Godfrey testi (daha genel) ve artıkların gecikmeli değerlerine karşı grafiği.
Nasıl düzeltilir? Newey-West (HAC — otokorelasyona ve değişen varyansa dirençli) standart hataları, modele gecikmeli terimler eklemek ya da uygun zaman serisi modeline geçmek (8. ünite).
Dikkat: Değişen varyans ve otokorelasyon katsayıyı değil standart hatayı bozar. Bu yüzden "katsayım anlamlı çıktı" demeden önce standart hatanın doğru hesaplandığından emin olun; yoksa anlamlılık bir yanılsama olabilir.
Karşılaştırma tablosu
İhlal
Neyi bozar
Teşhis
Yaygın çözüm
Çoklu bağlantı
Standart hataları şişirir, katsayıyı kararsızlaştırır
VIF, korelasyon matrisi
Değişken çıkar/birleştir (kuramla)
Değişen varyans
Standart hataları (katsayı yansız)
Breusch-Pagan, White, artık grafiği
Dirençli (HC) standart hata, dönüşüm
Otokorelasyon
Standart hataları (katsayı yansız)
Durbin-Watson, Breusch-Godfrey
Newey-West (HAC), gecikmeli terim
Dört kopyalanabilir prompt
1. Tam teşhis paketi:
Rolün: regresyon teşhis asistanı. R kodu istiyorum, veriyi paylaşmıyorum.Model: lm(harcama ~ gelir + yas + bolge, data=veri).Görev: (1) VIF hesapla, (2) Breusch-Pagan ve artık-tahmin grafiğiyledeğişen varyansı sına, (3) Durbin-Watson ile otokorelasyonu sına.Her testin hangi ihlali ölçtüğünü ve p-değerinin nasıl yorumlanacağınıyorum satırında açıkla. Düzeltme UYGULAMA; teşhis üret.
2. Dirençli standart hata:
Aynı model için değişen varyansa dirençli (HC3) standart hatalarlakatsayı tablosunu yeniden üreten R kodu yaz (sandwich + lmtest paketleri).Klasik ve dirençli standart hataları yan yana gösteren bir tablo üret kifarkı görebileyim. Katsayıların DEĞİŞMEDİĞİNİ, sadece standart hatalarındeğiştiğini yorum satırında vurgula.
3. Çoklu bağlantı incelemesi:
VIF'i yüksek çıkan değişkenler için bana bir DÜŞÜNME listesi ver:hangi değişkenler kuramsal olarak aynı şeyi ölçüyor olabilir, hangisinitutmanın gerekçesi güçlü. Otomatik eleme YAPMA; kararı kuramla ben vereceğim.Sadece VIF'e bakıp değişken atmanın neden yanlış olabileceğini de açıkla.
4. Otokorelasyon düzeltmesi:
Zaman serisi regresyonumda Breusch-Godfrey p-değeri 0,001 çıktı.Newey-West (HAC) standart hatalarıyla katsayı tablosunu üreten R kodu yazve gecikme (lag) seçimini nasıl yapacağımı açıkla. Bu düzeltmeninotokorelasyonun NEDENİNİ çözmediğini, sadece çıkarımı düzelttiğini not düş.
Zayıf prompt / Güçlü prompt
Zayıf prompt:
Regresyonumda sorun var mı, varsa düzelt.
Bu istem YZ'yi kör bir "düzeltme" moduna sokar: testleri atlayıp doğrudan bir dönüşüm veya değişken eleme uygulayabilir, hangi ihlalin gerçekten var olduğunu ve neyi bozduğunu size göstermez.
Güçlü prompt:
Rolün: teşhis asistanı, otomatik düzeltici değil.Önce ÜÇ ihlali ayrı ayrı sına (çoklu bağlantı, değişen varyans, otokorelasyon)ve her biri için: hangi test, sonuç nasıl okunur, KATSAYIYI mı STANDARTHATAYI mı bozuyor. Sonra sadece GERÇEKTEN saptanan ihlal için düzeltme önerve düzeltmenin sorunu çözdüğünü nasıl doğrulayacağımı açıkla.
Fark: güçlü istem teşhisi düzeltmeden önce zorunlu kılar ve "neyi bozuyor" ayrımını açık ister.
Üç mini vaka
Vaka 1 — Sahte anlamlılık (değişen varyans). Bir analist harcama ~ gelir modelinde gelir katsayısını p=0,01 ile "anlamlı" buldu. Ama artık grafiğinde belirgin bir huni deseni vardı. Dirençli standart hatalar uygulanınca p-değeri 0,09'a çıktı; anlamlılık kayboldu. İlk sonuç, yanlış hesaplanmış standart hatanın yarattığı bir yanılsamaydı. Ders: standart hatayı düzeltmeden anlamlılığa güvenilmez.
Vaka 2 — Körü körüne değişken eleme. Bir öğrenci VIF'i yüksek diye "deneyim" değişkenini modelden attı; katsayılar "temizlendi" ama modelin kuramsal anlamı bozuldu, çünkü deneyim ana ilgi değişkeniydi. Doğru yol: yaşı çıkarıp deneyimi tutmak ya da ikisini birleştirmekti. Ders: VIF eşiği tek başına eleme gerekçesi değildir; kuram belirler.
Vaka 3 — Otokorelasyonun gizlediği belirsizlik. Bir zaman serisi çalışmasında Durbin-Watson göz ardı edildi; katsayı çok "kesin" (dar güven aralığı) görünüyordu. Newey-West standart hataları uygulanınca güven aralığı iki katına çıktı ve politika önerisi çok daha temkinli hâle geldi. Ders: otokorelasyon belirsizliği olduğundan küçük gösterebilir.
Sık yapılan hatalar
- Standart hatayı bozan ihlali katsayı sorunu sanmak. Değişen varyans ve otokorelasyon katsayıyı bozmaz; paniğe kapılıp modeli gereksiz yere yeniden kurmayın, önce standart hatayı düzeltin.
- VIF'e bakıp körü körüne değişken atmak. Kuramsal olarak gerekli bir değişkeni sırf VIF yüksek diye çıkarmak modeli anlamsızlaştırır.
- Düzeltmeyi doğrulamamak. Dirençli standart hata uyguladıktan sonra ihlalin gerçekten çıkarımı düzelttiğini kontrol edin; "uyguladım, bitti" demeyin.
- Teşhissiz düzeltme. Hangi ihlalin var olduğunu sınamadan dönüşüm/eleme uygulamak, olmayan sorunu "çözüp" olanı gizleyebilir.
- Düzeltmeyi neden yerine koymak. Newey-West otokorelasyonun nedenini çözmez; sadece çıkarımı düzeltir. Yapısal sorun varsa model değişmeli.
İpucu: Her ihlal için kendinize "bu katsayıyı mı yoksa ona olan güvenimi mi bozuyor" diye sorun. Cevap "güvenimi" ise çözüm neredeyse her zaman standart hata düzeltmesidir, modeli baştan kurmak değil.
Özetle
Regresyon teşhisi, çıktıya güvenmenin ön koşuludur. Üç yaygın ihlalden çoklu bağlantı katsayıyı kararsızlaştırıp standart hatayı şişirir; değişen varyans ve otokorelasyon ise katsayıyı yansız bırakıp yalnızca standart hatayı bozar. YZ teşhis ve düzeltme kodunu üretir, ama hangi ihlalin gerçek sorun olduğuna, hangi değişkenin kuramsal olarak kalacağına ve düzeltmenin sorunu çözüp çözmediğine siz karar verirsiniz. "Neyi bozuyor" ayrımını netleştirmeden ne panik ne de körü körüne düzeltme doğrudur.
Uygulama görevi
Çok değişkenli bir regresyon kurun ve YZ'den yalnızca teşhis üreten (düzeltme yapmayan) bir kod isteyin: VIF, Breusch-Pagan/White ve Durbin-Watson/Breusch-Godfrey. Her test için sonucu yorumlayın ve ihlalin katsayıyı mı standart hatayı mı bozduğunu belirtin. Saptadığınız gerçek bir ihlal için (örneğin değişen varyans) dirençli standart hataları uygulayıp klasik ve dirençli sonuçları yan yana koyun; katsayının değişmeyip standart hatanın değiştiğini gösterin. Bir paragrafta anlamlılık sonucunuzun düzeltmeden nasıl etkilendiğini raporlayın.
Kontrol listesi
- [ ] Üç ihlali (çoklu bağlantı, değişen varyans, otokorelasyon) ayrı ayrı sınadım.
- [ ] Her ihlal için "katsayıyı mı standart hatayı mı bozuyor" ayrımını yaptım.
- [ ] Çoklu bağlantıda değişken elemeyi kurama dayandırdım, sadece VIF'e değil.
- [ ] Değişen varyans/otokorelasyonda dirençli (HC/HAC) standart hata kullandım.
- [ ] Düzeltmeden sonra ihlalin çıkarıma etkisini kontrol edip doğruladım.
- [ ] Anlamlılık sonucumun standart hata düzeltmesinden nasıl etkilendiğini raporladım.