Bayesçi Yapısal Zaman Serisi (Bayesian Structural Time Series, BSTS), gözlenen ekonomik seriyi zaman içinde değişebilen gözlenemeyen trend bileşenlerine ayıran olasılıksal bir durum-uzayı modelidir; Bayesçi Model Ortalaması (Bayesian Model Averaging, BMA) ise tek bir regresyon modelini seçmek yerine alternatif model kombinasyonlarının posterior olasılıklarını birlikte değerlendirerek değişkenlerin model belirsizliği altındaki sağlamlığını ölçen bir yöntemdir. Bu çalışma, Güney Afrika’nın 1960Q1–2025Q3 arasındaki üç aylık makroekonomik verilerini kullanarak uzun dönemli büyüme yavaşlamasını ve yatırım dinamiklerinin bu yavaşlamayla ilişkisini iki yöntemi birlikte kullanarak incelemektedir. BSTS sonuçları latent trend büyümede uzun dönemli belirgin bir gerileme bulunduğunu; temel BMA modeli ise yatırım büyümesinin incelenen dört makroekonomik değişken arasında en güçlü eşzamanlı büyüme korelatı olduğunu göstermektedir. Bununla birlikte gecikmeli GSYH büyümesi modele eklendiğinde yatırımın bağımsız tahmin desteği keskin biçimde azalmakta; dolayısıyla sonuçlar yatırımın büyümenin bağımsız nedensel sürücüsü olduğunu kanıtlamamaktadır.

BSTS posterior ortalaması, örneklemin başlangıcında %5'in üzerinde olan latent trend büyümenin 2025Q3 civarında yaklaşık %1,1 düzeyine gerilediğini göstermektedir. Post-GFC/Pre-COVID dönemi ile Pre-GFC dönemi arasındaki ortalama trend büyüme farkı −1,535 yüzde puandır ve düşüşün posterior olasılığı 0,996'dır. Post-COVID dönemi ile Pre-GFC arasındaki fark −2,188 yüzde puan ve düşüş olasılığı yine 0,996'dır. Buna karşılık Post-COVID ile Post-GFC/Pre-COVID dönemleri arasındaki ilave −0,652 puanlık düşüşün %95 güvenilir aralığı sıfırı kapsadığı için pandemi sonrası ayrı bir yapısal kırılma daha az kesin biçimde belirlenmektedir.

Temel BMA modelinde yatırım büyümesinin posterior inclusion probability (PIP) değeri 1,000, posterior ortalama katsayısı 0,214'tür. Döviz kuru büyümesinin PIP'si 0,831, faiz oranının 0,612 ve kamu harcaması büyümesinin 0,412'dir. Ancak bir dönem gecikmeli GSYH büyümesi ile bir dönem gecikmeli yatırım büyümesi aynı model uzayına alındığında gecikmeli GSYH büyümesinin PIP'si 1,000'e ulaşırken yatırımın PIP'si 0,238'e düşmektedir. Çalışmanın en önemli yorum sınırı budur: zayıf yatırım Güney Afrika'nın uzun süreli düşük büyüme ortamının güçlü bir özelliğidir, fakat veriler yatırımın tek başına bağımsız ve nedensel üstünlüğünü göstermemektedir.

Araştırma problemi

Güney Afrika'nın ekonomik büyümesi son birkaç on yılda belirgin biçimde zayıflamıştır. Araştırmanın temel sorusu yalnız büyümenin düştüğünü göstermek değil, yatırım dinamiklerinin bu uzun dönemli yavaşlama içindeki göreli önemini diğer makroekonomik değişkenlerle birlikte ve model seçimine ilişkin belirsizliği hesaba katarak değerlendirmektir.

Çalışma özellikle yatırımın rolüne odaklanmaktadır; ancak yatırımı ekonominin tek veya nihai nedeni olarak ele almamaktadır. Kaynak, elektrik arzındaki sorunlar, lojistik darboğazları, altyapı eksiklikleri, kamu kapasitesindeki sınırlılıklar ve politika belirsizliği gibi daha derin yapısal koşulların yatırımın beklenen getirisini düşürebileceğini ve yatırım üzerinden büyümeye aktarılabileceğini tartışmaktadır.

Çalışmanın literatürde hedeflediği boşluk

Önceki çalışmalar yatırım, altyapı, kurumlar, makroekonomik istikrar ve büyüme arasındaki bağlantıları geniş biçimde incelemiştir. Kaynağın belirlediği boşluk, Güney Afrika için yatırımın diğer seçilmiş makroekonomik büyüme korelatlarına göre göreli sağlamlığını, aynı anda hem değişen uzun dönem trendini hem de model belirsizliğini dikkate alan birleşik bir Bayesçi çerçevede değerlendiren çalışmaların sınırlı olmasıdır.

İki yöntem neden birlikte kullanılıyor?

BSTS ve BMA aynı soruyu cevaplamaz. BSTS, Güney Afrika'nın altında yatan trend büyüme hızının zaman içinde nasıl değiştiğini tahmin eder. BMA ise gözlenen reel GSYH büyümesinin seçilmiş makroekonomik değişkenlerle ilişkisini farklı model kombinasyonları altında değerlendirir. Böylece çalışma “büyümenin uzun dönemli eğilimi nasıl değişti?” sorusuyla “hangi makro değişkenler farklı spesifikasyonlarda en tutarlı biçimde büyümeyle ilişkilidir?” sorusunu ayırır.

Yatırım büyümesi neden güçlü görünüyor ama nedensel sonuç sayılmıyor?

Çünkü temel BMA modelinde yatırım büyümesi PIP=1,000 ile bütün yüksek posterior olasılıklı spesifikasyonlarda yer alsa da GFCF aynı zamanda GSYH'nin harcama bileşenlerinden biridir ve yatırım ile çıktı güçlü biçimde pro-döngüseldir. Bir dönem gecikmeli GSYH büyümesi aynı model uzayına eklendiğinde yatırımın PIP'si 0,238'e düşerken gecikmeli GSYH büyümesinin PIP'si 1,000 olmaktadır. Bu nedenle temel sonuç güçlü eşzamanlı ilişkiyi destekler; bağımsız nedensel etkiyi desteklemez.

Neoklasik ve içsel büyüme çerçevesi

Çalışmanın kuramsal çerçevesi neoklasik ve içsel büyüme teorilerine dayanmaktadır. Neoklasik yaklaşımda yatırım, sermaye stokunu ve üretken kapasiteyi artırır. İçsel büyüme modelleri ise sermaye oluşumunun teknoloji benimseme, verimlilik, bilgi yayılımı ve beşerî sermaye kanalları üzerinden daha uzun süreli etkiler yaratabileceğini vurgular.

Kaynak, bu teorik kanalları doğrudan ayrı ayrı tahmin etmez. Ampirik analiz yalnız yatırım, kamu harcaması, para koşulları ve döviz kuru dinamikleri gibi seçilmiş makro değişkenlerin büyümeyle ilişkisini değerlendirir.

Üç ekonomik rejim

Örneklem üç rejime ayrılmıştır:

Bu rejimler deterministik olarak tahmin edilmiş yapısal kırılma tarihleri değildir; önemli makroekonomik dönemleri karşılaştırmak için çalışmada önceden tanımlanmış zaman bölümleridir.

Veri seti ve değişkenler

Bütün temel makroekonomik seriler South African Reserve Bank'tan alınmıştır. Reel GSYH, reel kamu harcaması ve gayrisafi sabit sermaye oluşumu (Gross Fixed Capital Formation, GFCF) reel büyüklüklerdir. Faiz oranı temel modelde düzey olarak, döviz kuru ise Rand/ABD doları biçiminde kullanılmaktadır.

Durağanlık kontrolleri

Uzun örneklem ve belirgin yapısal değişimler nedeniyle Augmented Dickey–Fuller (ADF) ve Kwiatkowski–Phillips–Schmidt–Shin (KPSS) testleri uygulanmıştır. ADF testinde sıfır hipotezi birim kök; KPSS testinde ise düzey durağanlığıdır.

Log reel GSYH ve faiz oranı düzeyi için durağan olmama yönünde belirgin kanıt bulunmaktadır. Yatırım büyümesi ve döviz kuru büyümesi daha güçlü durağanlık özellikleri gösterirken reel GSYH ve kamu harcaması büyümesinde testler kısmen farklı sinyaller vermektedir. BSTS modeli log reel GSYH'nin latent seviye ve eğimini stokastik olarak değiştirdiği için sabit deterministik trend etrafında durağanlığı zorunlu tutmamaktadır.

Yatırım oranı ile yatırım büyümesi neden farklı sonuç veriyor?

Yatırım oranı belirli bir dönemde sermaye oluşumunun GSYH'ye göre büyüklüğünü, yatırım büyümesi ise sermaye oluşumunun ne kadar hızlı arttığını veya azaldığını gösterir. Post-GFC/Pre-COVID döneminde yatırım oranı %17,67 ile Pre-GFC dönemindeki %14,50'nin üzerindeyken yatırım büyümesi %4,67'den −%0,06'ya ve GSYH büyümesi %3,31'den %1,43'e düşmüştür. Bu nedenle kaynak, büyüme yavaşlamasını açıklamada yatırımın GSYH içindeki düzeyinden çok yatırım momentumunun zayıflamasını daha bilgilendirici bulmaktadır.

Çalışmanın Yöntemi ve Bulguları

Bayesçi Yapısal Zaman Serisi modeli

Gözlenen log reel GSYH şu biçimde ayrıştırılır:

\[ y_t = \mu_t + \varepsilon_t, \qquad \varepsilon_t \sim N(0,\sigma_\varepsilon^2) \tag{1} \]

\(y_t\) gözlenen log reel GSYH, \(\mu_t\) gözlenemeyen trend seviyesi ve \(\varepsilon_t\) düzensiz bileşendir.

Trend, yerel doğrusal trend modeliyle geliştirilir:

\[ \mu_t = \mu_{t-1}+\beta_{t-1}+\eta_t, \qquad \eta_t \sim N(0,\sigma_\eta^2) \tag{2} \]

\[ \beta_t=\beta_{t-1}+\zeta_t, \qquad \zeta_t \sim N(0,\sigma_\zeta^2) \tag{3} \]

\(\beta_t\), trendin zamanla değişebilen eğimini, yani temel büyüme momentumunu temsil eder. \(\eta_t\) ve \(\zeta_t\) birbirinden bağımsız Gauss bozucularıdır.

Trend büyümesinin yıllıklaştırılması

Ana yöntem bölümünde trend büyüme:

\[ g_t=400(\mu_t-\mu_{t-1}) \tag{4} \]

biçiminde yazılmıştır. Bu, üç aylık log-trend değişiminin lineerleştirilmiş yıllık yüzde oranıdır.

Kaynağın Şekil 3 notu ise posterior eğim çekimlerini:

\[ 100[\exp(4\beta)-1] \]

ifadesiyle yıllıklaştırdığını belirtmektedir. Bu iki biçim küçük büyüme oranlarında birbirine yakın olmakla birlikte teknik olarak özdeş değildir. Verianla burada kaynakta bulunan iki gösterimi ayrı tutmaktadır.

Latent trend büyüme sonucu

Şekil 3'te posterior ortalama latent trend büyüme örneklemin başlangıcında %5'in üzerindedir. 1970'ler ve 1980'lerde kademeli gerileme, 1990'ların sonu ve 2000'lerin başında geçici iyileşme ve 2000'lerin ortasından sonra yeniden belirgin zayıflama görülmektedir. 2025Q3'e gelindiğinde posterior ortalama yaklaşık %1,1'dir.

İlk ve üçüncü karşılaştırmalarda güvenilir aralık tamamen negatiftir. İkinci karşılaştırmada aralık sıfırı içerir. Dolayısıyla uzun dönemli yavaşlama için posterior kanıt güçlüdür; COVID sonrası ayrı bir ek kırılmanın büyüklüğü ise daha belirsizdir.

Reel büyüme ve yatırımın rejimlere göre değişimi

Bu tablolar birlikte değerlendirildiğinde, Post-GFC/Pre-COVID dönemindeki yüksek yatırım oranının yatırım momentumundaki belirgin bozulmayı maskelediği görülmektedir.

Yatırım oranının hesaplanması

Kaynak, çeyreklik GFCF'yi yıllıklaştırarak yatırım oranını yaklaşık şu biçimde tanımlar:

\[ Investment\ Ratio_t = 100\times\frac{4\,GFCF_t}{RGDP_t} \]

Burada \(GFCF_t\) çeyreklik gayrisafi sabit sermaye oluşumu, \(RGDP_t\) reel GSYH'dir. Faktör 4, çeyreklik GFCF'nin yıllıklaştırılmasını sağlar.

Bayesçi Model Ortalaması

Temel büyüme denklemi:

\[ g_t= \alpha +\beta_1 GFCF_t +\beta_2 GE_t +\beta_3 InRate_t +\beta_4 ExRate_t +\epsilon_t \tag{5} \]

\(g_t\) reel GSYH büyümesini, \(GFCF_t\) yatırım büyümesini, \(GE_t\) kamu harcaması büyümesini, \(InRate_t\) faiz oranını ve \(ExRate_t\) döviz kuru büyümesini temsil eder.

Dört aday değişken bulunduğundan model uzayı \(2^4=16\) olası spesifikasyondan oluşur. BMA tek bir modeli seçmez; her modelin posterior olasılığını hesaba katar.

Bir model \(M_k\)'nın veri \(D\) verildiğinde posterior olasılığı genel olarak:

\[ P(M_k\mid D) = \frac{P(D\mid M_k)P(M_k)} {\sum_j P(D\mid M_j)P(M_j)} \tag{6} \]

biçiminde ifade edilir.

Bir değişkenin posterior inclusion probability değeri ise:

\[ PIP_j = \sum_{M_k:x_j\in M_k} P(M_k\mid D) \tag{7} \]

olarak hesaplanır. Yüksek PIP, ilgili aday değişkenin incelenen model uzayında çok sayıda yüksek posterior olasılıklı modelde yer aldığını gösterir. PIP nedensellik olasılığı değildir.

Temel BMA sonuçları

Temel modelde yatırım büyümesi, dört aday arasındaki en sağlam eşzamanlı büyüme korelatıdır. Döviz kuru büyümesinin negatif posterior ortalaması da nispeten güçlü posterior destek almaktadır.

Bir dönem gecikmeli yatırım

GFCF büyümesi bir çeyrek geciktirildiğinde yatırımın PIP'si yine 1,000, posterior ortalaması 0,151'dir. Döviz kuru büyümesinin PIP'si 0,942, faiz oranının 0,706 ve kamu harcaması büyümesinin 0,616'dır.

Bu test, temel yatırım–GSYH ilişkisinin yalnız aynı çeyrekte GFCF'nin GSYH muhasebe bileşeni olmasından kaynaklanmadığını düşündürmektedir. Ancak gecikme kullanmak tek başına nedensellik problemi veya ekonomik sürekliliği çözmez.

Dağıtılmış gecikme modeli

Birinci gecikme güçlü ve pozitif; ikinci ve üçüncü gecikmeler zayıf; dördüncü gecikme yüksek PIP fakat negatif posterior ortalama; beşinci gecikme ise orta düzeyde destek ve pozitif işaret göstermektedir. Kaynak, komşu yatırım gecikmelerinin örtüşen bilgi içerdiğini vurguladığı için bu katsayıların birbirinden bağımsız yapısal etkiler olarak yorumlanmaması gerekir.

Prior duyarlılığı

Yatırım büyümesi üç prior altında da PIP=1,000 değerini korumaktadır. İkincil değişkenlerin posterior desteği bir miktar değişmekle birlikte temel sıralama büyük ölçüde korunur.

Çıktı sürekliliğini kontrol eden kritik sağlamlık testi

Bu model beş aday değişken içerdiği için \(2^5=32\) olası spesifikasyonun tamamı değerlendirilmiştir. Sonuç, yatırımın önceki gecikmeli modellerdeki yüksek posterior desteğinin önemli bir kısmının genel ekonomik süreklilik ile örtüştüğünü göstermektedir.

Faiz oranının dönüşümüne sağlamlık

Temel modelde faiz oranı düzey olarak kullanılır. Ek A'daki alternatif model faiz oranını birinci fark olarak kullanmaktadır.

Yatırımın PIP=1,000 sonucu faiz oranının dönüşümünden etkilenmez. Buna karşılık para koşullarına ilişkin posterior destek, faiz oranının düzeyi kullanıldığında değişimine kıyasla çok daha yüksektir.

Alternatif büyüme ölçüleri

BSTS trendine ek olarak Hodrick–Prescott filtresi kullanılmış ve üç aylık veriler için \(\lambda=1600\) seçilmiştir. Kaynak, HP trendinin küresel finansal kriz sonrasındaki büyüme yavaşlamasını ve COVID dönemindeki sert daralmayı aynı genel yönde yakaladığını bildirmektedir.

Ayrıca yıllık değişim yerine yıllıklaştırılmış çeyreklik GSYH büyümesi kullanılmıştır. Bu ölçüyle ortalama büyüme Pre-GFC döneminde %3,24, Post-GFC/Pre-COVID döneminde %1,33 ve COVID/Post-COVID döneminde %0,62'dir. Son dönemin standart sapması %20,1'e yükselmekte ve pandemi kaynaklı yüksek kısa dönem volatiliteyi göstermektedir.

Çalışmanın desteklediği sonuçlar

• Güney Afrika'nın latent trend büyümesi uzun tarihsel örneklem boyunca belirgin biçimde zayıflamıştır.
• Post-GFC dönemi Pre-GFC dönemine göre daha düşük trend büyümeyle güçlü posterior kanıt altında ilişkilidir.
• Yatırım büyümesi temel BMA modelinde seçilen dört değişken arasındaki en sağlam eşzamanlı GSYH büyüme korelatıdır.
• Bu temel sıralama UIP, BRIC ve hyper-g priorlarında korunmaktadır.
• Yatırım momentumundaki zayıflama, yalnız GSYH içindeki yatırım oranına bakmaktan daha fazla bilgi sağlamaktadır.
• Döviz kuru büyümesi de birçok spesifikasyonda yüksek posterior destek almaktadır.
• Bir dönem gecikmeli GSYH büyümesi modele dâhil edildiğinde çıktı sürekliliği, gecikmeli yatırımın tahmin desteğini büyük ölçüde gölgede bırakmaktadır.

Çalışmanın desteklemediği sonuçlar

• Yatırım düşüşünün Güney Afrika'daki büyüme yavaşlamasının tek nedeni olduğu gösterilmemiştir.
• BMA sonuçları yatırımın yapısal veya nedensel etkisini tahmin etmemektedir.
• PIP=1,000 değeri “yatırımın büyümeye neden olma olasılığı %100” anlamına gelmez.
• Post-COVID dönemindeki ilave trend düşüşünün kesin ayrı bir yapısal kırılma olduğu gösterilmemiştir.
• Yüksek yatırım/GDP oranının otomatik olarak yüksek büyüme sağlayacağı desteklenmemektedir.
• Aday değişkenler insan sermayesi, kurum kalitesi, ticaret açıklığı ve diğer bütün olası büyüme belirleyicilerini kapsamamaktadır.
• Sonuçların diğer gelişmekte olan ekonomilere otomatik olarak genellenebileceği gösterilmemiştir.

Politika anlamı

Kaynağın politika sonucu yalnız “daha fazla yatırım yapılmalıdır” değildir. Yatırımın üretken kapasiteye dönüşebilmesi için elektrik arzı güvenilirliği, yük ve demiryolu lojistiği, liman kapasitesi, altyapı uygulama etkinliği, belediye altyapısı, kurumsal kapasite ve politika öngörülebilirliği gibi koşulların geliştirilmesi gerektiği savunulmaktadır.

Çalışma ayrıca yatırımın miktarı ile kalitesini ayırmaktadır. Sınırlı mali alan altında kaynak, ayrım gözetmeyen geniş mali teşvik yerine ekonomik dışsallığı yüksek altyapı yatırımlarına, mevcut sermaye bütçelerinin daha etkin uygulanmasına ve uygun yapılandırılmış kamu–özel ortaklıklarına öncelik verilmesini tartışmaktadır.

Para ve maliye politikasındaki istikrar gerekli olmakla birlikte uzun dönemli trend yavaşlamanın tek başına bu araçlarla tersine çevrilebileceği sonucuna varılmamaktadır. Kaynağın yaklaşımı makroekonomik istikrarı, yapısal reformları ve üretken özel sermaye oluşumunu birbirini tamamlayan unsurlar olarak görmektedir.

Sınırlılıklar ve gelecek araştırma

BMA model seçimi belirsizliğini değerlendirir fakat endojenliği çözmez. Aday değişken sayısı bilinçli biçimde sınırlıdır. Yaklaşık 65 yıllık örneklem büyük kurumsal, politik ve yapısal dönüşümler içermektedir; bütün bu değişimler ayrı yapısal rejimler olarak modellenmemiştir. Sektörel yatırım ve üretim farklılıkları da ana modelde yer almamaktadır.

Kaynak gelecekte yapısal veya araç değişken temelli tanımlama stratejileri, daha zengin büyüme belirleyicisi setleri, açık yapısal kırılma modelleri, sektör düzeyi yatırım/üretim verileri ve diğer yapısal kısıtlı gelişmekte olan ekonomilerle karşılaştırmalı çalışmalar önermektedir.

Kaynak ve Yöntem Notu

Özgün çalışma: Investment Decline and South Africa’s Growth Slowdown: Evidence from Bayesian Model Averaging.

Yazarlar: Kazeem Abimbola Sanusi; Zandri Dickason-Koekemoer.

Sorumlu yazar: Kazeem Abimbola Sanusi.

Kurum: Trade Research Unit, Economic and Management Sciences, North-West University, Potchefstroom, South Africa.

Dergi: Economies.

Yayınevi: MDPI.

Bibliyografik kayıt: Economies, 2026, 14, 423.

DOI: 10.3390/economies14090423.

Yayın süreci: Alındı: 20 Ağustos 2026; revize edildi: 16 Eylül 2026; kabul edildi: 18 Eylül 2026; yayımlandı: 21 Eylül 2026.

Kaynak türü: Hakemli, açık erişimli özgün araştırma makalesi.

Lisans: Creative Commons Attribution (CC BY).

Ana veri: Güney Afrika için 1960Q1–2025Q3 döneminde üç aylık makroekonomik seriler.

Veri kaynağı: South African Reserve Bank.

Ana yöntemler: Yerel doğrusal trendli Bayesian Structural Time Series; Bayesian Model Averaging; ADF ve KPSS durağanlık testleri; ekonomik rejim karşılaştırmaları; gecikmeli ve dağıtılmış gecikmeli BMA; prior duyarlılığı; çıktı sürekliliği kontrolü; HP-filter ve alternatif büyüme ölçüsü sağlamlık analizleri.

Temel BMA model uzayı: Yatırım büyümesi, kamu harcaması büyümesi, faiz oranı ve döviz kuru büyümesi olmak üzere dört aday değişken ve toplam 16 olası model. Model priorı uniform, temel katsayı priorı Unit Information Prior'dır; BRIC ve hyper-g priorları duyarlılık kontrolü olarak kullanılmıştır.

Çıktı sürekliliği sağlamlık modeli: Bir dönem gecikmeli GSYH büyümesinin eklenmesiyle beş aday değişken ve toplam 32 model değerlendirilmiştir.

Finansman: Haricî finansman alınmamıştır.

Etik kurul: Uygulanabilir değil.

Bilgilendirilmiş onam: Uygulanabilir değil.

Veri erişilebilirliği: Çalışmada kullanılan 1960Q1–2025Q3 üç aylık değişken verilerinin South African Reserve Bank'tan elde edildiği bildirilmiştir.

Çıkar çatışması: Yazarlar çıkar çatışması bildirmemiştir.

Yazar katkıları: Kavramsallaştırma K.A.S. ve Z.D.-K.; yöntem, yazılım, biçimsel analiz, araştırma ve veri düzenleme K.A.S.; doğrulama K.A.S. ve Z.D.-K.; kaynaklar K.A.S. ve Z.D.-K.; ilk taslak K.A.S.; gözden geçirme ve düzenleme K.A.S. ve Z.D.-K.; görselleştirme K.A.S. ve Z.D.-K.; gözetim Z.D.-K.; proje yönetimi K.A.S.; finansman edinimi Z.D.-K. tarafından gerçekleştirilmiştir.

Temel yorum sınırı: Çalışmanın Bayesçi sonuçları model uzayındaki ilişki ve posterior desteği ölçmektedir. Endojenliği ortadan kaldıran ayrı bir tanımlama stratejisi bulunmamaktadır. Yatırım büyümesinin temel modelde PIP=1,000 olması nedensellik kanıtı değildir; gecikmeli GSYH büyümesiyle yapılan sağlamlık analizi yatırımın bağımsız tahmin gücünü önemli ölçüde sınırlandırmaktadır.

Kaynak içi yöntemsel nüans: Trend büyümesinin yıllıklaştırılması ana yöntem metninde \(400(\mu_t-\mu_{t-1})\) olarak, Şekil 3 notunda ise posterior eğim çekimleri için \(100[\exp(4\beta)-1]\) olarak ifade edilmiştir. İki gösterim burada birbirinin yerine sessizce kullanılmamıştır.

Görsel yeniden yapılandırma notu: Rejimler arası posterior trend farkları, GSYH büyümesi–yatırım büyümesi karşılaştırmaları, temel PIP tablosu, prior duyarlılığı ve çıktı sürekliliği sağlamlık testi kesin tablo verileriyle Verianla için özgün grafikler olarak yeniden çizilebilir. PDF'deki uzun zaman serilerinin ara gözlemleri ham veri olmadan grafikten kesin sayı olarak yeniden oluşturulmamalıdır.