An important issue is that the respiratory mortality may be a result of air pollution which can be measured by the following variables: temperature, relative humidity, carbon monoxide, sulfur dioxide, nitrogen dioxide, hydrocarbons, ozone and particulates. The usual way is to fit a model using the ordinary least squares regression, which has some assumptions, also known as Gauss-Markov assumptions, on the error term showing white noise process of the regression model. However, in many applications, especially for this example, these assumptions are not satisfied. Therefore, in this study, a quantile regression approach is used to model the respiratory mortality using the mentioned explanatory variables. Moreover, improved estimation techniques such as preliminary testing and shrinkage strategies are also obtained when the errors are autoregressive. A Monte Carlo simulation experiment, including the quantile penalty estimators such as Lasso, Ridge and Elastic Net, is designed to evaluate the performances of the proposed techniques. Finally, the theoretical risks of the listed estimators are given.

Wiener (1956) ve Granger (1996) tarafından geliştirilen nedensellik kavramı zaman serileri arasındaki dinamik ilişkileri incelemek için temel bir dayanak noktası olmuştur. Değişkenler arasındaki Granger nedensellik ilişkisi, araştırmacıların uygun bir model formüle etmesine ve ilgilendikleri değişkenler için daha iyi tahmin değerleri elde etmesine olanak tanıdığından, literatürde oldukça fazla ilgi görmüş ve çok sayıda çalışmada Granger nedensellik testi kullanılmıştır. Bu çalışmada Granger nedensellik sınmalarında kullanılan güncel yöntemlere yer verilmiştir. Bu bağlamda, ilgili bölümlerde Krolzig (1996) tarafından önerilen rejimlere bağlı nedensellik testi, Toda ve Yamamoto (1996) tarafından geliştirilen gecikmesi arttırılmış VAR model dayanan nedensellik testi, Hong (2001) tarafından önerilen varyansta nedensellik testi Breitung ve Candelon (2006) tarafından geliştirilen frekans alanında nedensellik testi,  Hatemi-J (2012) tarafından geliştirilen asimetrik nedensellik testi ve Enders ve Jones (2016) tarafından önerilen Fourier Granger nedensellik testi teorik ve ampirik açıdan ele alınmıştır. Kitabın ortaya çıkmasında katkı sağlayan tüm bölüm yazarlarına şükranlarımızı sunarız.

Bu çalışmada Türkiye’de tüketici güven endeksi, politika faizi ve BİST100 endeksi arasındaki kısa dönem nedensellik ilişkisi araştırılmıştır. 2011:01-2023:01 dönemleri arasında aylık veriler kullanılarak Enders ve Jones (2016) Fourier Granger Nedensellik analizi ile Nazlıoğlu vd. (2016) Fourier Toda-Yamamoto Nedensellik analizi kullanılarak analiz edilmiştir. Fourier Granger Nedensellik analizinin ön şartı olarak değişkenlerin durağanlığı ADF birim kök testi ile incelemiştir. Yapılan analizler neticesinde tüketici güven endeksinden politika faizine ve BİST100’den tüketici güven endeksine doğru tek yönlü kısa dönem nedensellik ilişkisi bulunmuştur.