منابع و ماخذ پایان نامه مدل رگرسیون، مدل ریاضی، اثرات ثابت

روند که موضوع آن بررسی روشهای اقتصادسنجی در اقتصاد خرد است. يكي از قابليت هاي نرم افزار Eviews تركيب داده هاي مقطعي و زماني است و مي توان مدل رگرسيون با داده هاي تركيبي را اجرا نمود. در تحقيق حاضر روش آماري استفاده شده به منظور تجزيه و تحليل داده ها، روش رگرسيون چند متغيره با استفاده از داده هاي تركيبي است. لذا نرمافزار استفاده شده نيز نرم افزار Eviews است كه قابليت چنين تجزيه تحليلي را دارا مي باشد.

3-8-6 آزمون تشخیص دوربین- واتسون
آزمون دوربین – واتسون شاید یکی از معمولی ترین آزمون های نادرستی تبیین الگوی مورد بررسی باشد، که اساساً برای شناسایی همبستگی پیاپی (سریالی) بین باقی مانده ها (جمله اخلال) در اطلاعات آماری طراحی شده است. همبستگی پیاپی برای توضیح موقعیتی که در آن مقادیر یک متغیر به یکدیگر وابستگی دارند، بکار می روند. (همبستگی پیاپی، سریالی) بین باقی مانده ها به معنای اثر گذاری مشاهدات بر روی هم است. همبستگی پیاپی یا خود همبستگی، هر دو به منظور نشان دادن نقض فرض استقلال در جمله اخلال مورد استفاده قرار می گیرند. انجام این آزمون به بهبود اعتبار آماری تخمین های بدست آمده در هر مدل رگرسیون منجر خواهد شد. چرا که در این حالت مقادیر بدست آمده را می توان معیار درستی از توضیح دهندگی متغیر مستقل دانست. اگر آماره دوربین واتسون بین ٥/١ تا ٥/٢ قرار گیرد، میتوان فرض عدم وجود همبستگی بین خطاهای مدل را پذیرفت.

3-8-7 آزمون کولموگوروف- اسمیرنوف Ks
این آزمون روش ناپارامتری ساده ای برای تعیین همگونی اطلاعات تجربی با توزیعهای آماری منتخب است.بنابر این آزمون کولموگوروف-اسمیرنوف روشی برای همگونی یک توزیع فراوانی نظری برای اطلاعات تجربی است (آذر و مومنی، ١٣٨٥، ٣١٠). این آزمون جهت بررسی ادعای مطرح شده در مورد توزیع داده های یک متغیر کمی مورد استفاده قرار می گیرد.

3-8-8 آزمون نابرابري واريانس های جملات اختلال
همانطوري که گفته شد يکي ازفرضهاي اساسي رگرسيون برابري واريانسها است. آزمونهاي متعددي براي تشخيص نابرابري واريانسهاي جملات خطا نظیرآزمون گلد فلد-کوانت، آزمون بروش- پاگان، آزمون بروش- پاگان- گادفری، آزمون وايت، آزمون گليزر، روش نموداري و روشهای آرچ/گارچ). در اين مطالعه برای تشخیص ناهمسانی واریانسها از آزمون وایت استفاده می شود.
ناهمواریانسی بدین معناست که تغییرپذیری در طول زمان پایدار نیست و هموارینسی بدین معناست که تغییرپذیری در طول زمان پایدار است. اگر فرض همواریانسی (پایدار ماندن تغییرپذیری در طول زمان) نقض شود، تعبیر و تفسیر نتایج دقت لازم را نخواهد داشت.
عواقب ناشی از وجود واریانس های نابرابر عبارتند از:
برآورد کننده های OLS ضرایب رگرسیون نااریب و سازگارند، ولی کارا یا مجانباً کارا نیستند.
واریانس های برآورد شده تخمین ضرایب OLS عموماً اریب بوده، انجام آزمون فرضیه و ساختن فاصله اطمینان به شیوه معمول از درجه اعتبار ساقط است (هژبر کیانی، 1377، 266).

3-8-9 تحلیل رگرسیون
رگرسیون در لغت به معنای «بازگشت به مراحل قبلی در یک مسیر تحول و توسعه» است.
تحلیل رگرسیون در واقع بدنه اصلی مطالعات اقتصادسنجی را تشکیل می‌دهد و به طور کلی درباره مدلهای رگرسیون و نحوه برآورد آنها بحث می‌کند.
برای آشنایی با مفهوم رگرسیون، فرض کنید یک متغیر مثل Y را در طول زمان یا در بین واحدهای مختلف مشاهده کرده و داده‌های مربوط به آن را به دست آورده ایم. می‌خواهیم چگونگی تغییرات آن را تفسیر کنیم. برای این منظور باید متغیر یا متغیرهایی را در نظر بگیریم که بتوانند این تغییرات را توضیح دهند. فرض کنید:
رابطه شماره (3-11)
این مدل، یک مدل ریاضی است چرا که فقط رابطه ریاضی بین متغیر وابسته (Y) و متغیرهای مستقل (xiها) را منعکس کرده است. اگر تابع f نسبت به متغیرهای x1 تا xk خطی باشد یعنی به فرم:
رابطه شماره (3-12)
این مدل، یک مدل ریاضی خطی نامیده می‌شود. اینکه چه متغیرهایی باید به عنوان متغیرهای توضیح دهنده استفاده شوند می‌تواند به تئوری‌های اقتصادی یا برداشت شخصی مدل ساز بستگی داشته‌باشد. شکل تابع نیز تابع نظر مدلساز است و او می‌تواند شکلهای تابعی متفاوتی را امتحان کند که بیشترین سازگاری را با داده‌های موجود داشته باشد. اما باید توجه داشت که حتی اگر متغیرهای توضیح دهنده به درستی انتخاب شده باشند و فرم تابعی نیز درست تصریح شده باشد، باز هم مدل ساخته‌شده یک رابطه همواره درست نخواهد بود. دلایل این امر را می‌توان چنین برشمرد:
علاوه بر متغیرهای توضیح دهنده وارد شده در مدل، عوامل دیگری نیز وجود دارند بیان کمی آنها معمولاً بسیار دشوار است و در نتیجه وارد کردن آنها در مدل مقدور نیست. به عنوان مثال اگر قصد مدل کردن مصرف یک کشور را داشته باشیم، چگونگی انتظارات مصرف کننده نسبت به تغییر در پارامترهای مختلف اقتصادی و درجه عدم اطمینان نسبت به تغییر در پارامترهای مختلف اقتصادی قابل مشاهده نیستند.
ثانیا اقتصاد با رفتار انسانها سر و کار دارد و می‌دانیم که در رفتار انسان همواره عناصر تصادفی غیرقابل پیش بینی وجود دارد که اساسا نمی توان آنها را در مدلهای ریاضی گنجاند. همچنین دلایل دیگری مانند خطا در اندازه گیری متغیرهای وابسته و مستقل می‌توان ذکر کرد. پس باید پذیرفت که مدلهای ریاضی برای توضیح پدیده‌
های اقتصادی دقیق نیستند و خطا دارند. به این خطا اصطلاحا «جمله اخلال» می‌گویند زیرا تعادل ریاضی مدل را مختل می‌کند. به همین دلیل یک جمله خطا (یا ترم تصادفی) به مدل اضافه می‌کنیم که جانشینی برای اثر همه عوامل نادیده گرفته شده در مدل است. بنابراین تفاوت کلی مدلهای ریاضی و مدلهای رگرسیون در جمله اخلال است. هر گاه به مدلهای ریاضی یک جمله اخلال – که یقینا تصادفی است – اضافه کنیم به یک مدل رگرسیون تبدیل خواهد شد.
رابطه شماره (3-13)
به متغیر Y که در سمت چپ معادله قرار دارد، متغیر وابسته و به xiها متغیرهای توضیح دهنده یا رگرسورها گفته می‌شود. اصطلاحات متغیر برونزا و متغیر درونزا نیز به ترتیب برای xi‏ها و Y به کار می‌رود زیرا فرض بر این است که مقادیر xiها خارج از مدل مفروض تعیین شده و در نتیجه برونزا هستند در حالی که مقادیر Y در داخل مدل و بر اساس قانونمندی تعیین می‌شود و به همین دلیل درونزا خواهد بود.

3-8-10 مدل هاي داده هاي تابلويي
سياري از مطالعات اخير که در زمينه اقتصاد صورت گرفته از مجموعه داده هاي تابلويي براي بررسي استفاده کرده اند، بدين ترتيب که چندين بنگاه، خانوار، کشور و… در طول زمان مورد تجزيه و تحليل قرار گرفته است. تجزيه و تحليل داده های تابلويي يکي از موضوع هاي جديد و کاربردي در اقتصاد سنجي ميباشد، چرا که داده هاي تابلويي يک محيط بسيار غني از اطلاعات را براي گسترش دادن روش هاي تخمين و نتايج نظري فراهم مي آورد. در بسياري موارد محققين مي توانند از داده هاي تابلويي براي مواردي که مسائل را نمي توان فقط به صورت سري زماني و يا فقط به صورت مقطعي بررسي کرد، استفاده کرده و بهره گيرند. مثلاً در بررسيهاي تابع توليد مسئله اي که وجود دارد اين است که بتوان تغييرات فناوري را از صرفه هاي حاصل از مقياس اقتصادي تفکيک کرد. در اين گونه موارد داده هاي مقطعي فقط اطلاعاتي را در مورد صرفه هاي به مقياس فراهم مي آورد. در حالي که داده هاي سري زماني آثار هر دو را بدون هيچ گونه تفکيکي نشان مي دهد. تلفيق آمارهاي سري زماني با آمارهاي مقطعي نه تنها مي تواند اطلاعات سودمندي را براي تخمين مدلهاي اقتصاد سنجي فراهم آورد، بلکه بر مبناي نتايج به دست آمده همچنين مي توان استنباطهاي سياستگذاري در خور توجهي به عمل آورد. ضرورت استفاده از اين تكنيك كه داده هاي سري زماني و مقطعي را با هم تركيب مي كند، بيشتر به خاطر افزايش تعداد مشاهدات، بالا بردن درجه آزادي، کاهش ناهمساني واريانس و کاهش هم خطي ميان متغيرها است.

3-8-11 آزمون ليمر (معني دار بودن اثرات فردي)
براي انتخاب بين روش هاي داده هاي تابلويي و داده هاي تلفيقي، از آماره ليمر استفاده مي شود. اين آزمون مقايسه بين مجموع مربعات جملات خطا () در روش داده هاي تابلويي و داده هاي تلفيقي است. از آنجا كه در روش داده هاي تلفيقي، پارامترهاي محدود كننده بيشتري (از قبيل آنكه ضرايب عرض از مبدأ در طول زمان و در بين داده هاي مقطعي، ثابت در نظر گرفته مي شوند) وجود دارد، لذا انتظار بر اين است كه روش داده هاي تلفيقي نسبت به داده هاي تابلويي، بيشتري داشته باشد. بنابراين اگر مدل ، با اضافه شدن محدوديت ها به طور معني داري افزايش پيدا نكند، بهتر است كه اين روش استفاده گردد. در غير اين صورت، روش داده هاي تابلويي مناسب تر مي باشد (بالتاجي، 2006، 57).
با استفاده از مجموع مربعات باقيمانده مقيد () حاصل از تخمين مدل تركيبي به دست آمده از و مجموع مربعات باقيمانده غير مقيد () حاصل از تخمين رگرسيون درون گروهي، مي توان آماره آزمون مناسب در اين زمينه را به صورت زير نوشت:
رابطه شماره (3-14)
كه در آن:
: مجموع مجذورات پسماندهاي مقيد
: مجموع مجذورات پسماندهاي غيرمقيد
: تعداد متغيرهاي توضيحي،
: تعداد مقطع ها

در آزمون ، فرضيه يكسان بودن عرض از مبدأ ها (داده هاي تلفيقي) در مقابل فرضيه مخالف ، ناهمساني عرض از مبدأها (روش داده هاي تابلويي) قرار مي گيرد. لذا مي توان نوشت:

حداقل يكي از عرض از مبدأها با بقيه متفاوت است:
گر محاسبه شده () ازجدول با درجه آزادي هاي و بزرگتر باشد، فرضيه رد شده و استفاده از روش داده هاي تابلويي بهتر است. در غير اين صورت از روش داده هاي تلفيقي (Pooling) استفاده مي شود (همان منبع، 58).

3-7-12 آزمون هاسمن
آماره اين آزمون که براي تشخيص ثابت يا تصادفي بودن تفاوت هاي واحدهاي مقطعي به صورت زير محاسبه مي شود که داراي توزيع کاي- دو با درجه آزادي برابر با تعداد متغيرهاي مستقل (K) است.
فرضيه صفر بودن آزمون هاسمن، برابري بر آورد کننده هر دو روش حداقل مربعات تعميم يافته و متغير مجازي است يعني داريم:

چنانچه آماره آزمون محاسبه شده بزرگتر از جدول باشد فرضيه Ho رد مي‏شود. اگر Ho رد شود يعني درحقيقت برابر بودن برآوردهاي اين دو روش رد شده است كه در اين صورت از مدل اثرات ثابت استفاده مي شود. اما اگر Ho پذيرفته شود توصيه مي گرددكه از مدل اثرات تصادفي استفاده شود.
مطلب بالا رامي توان به طريق ديگر نيز بيان كرد بدين ترتيب كه اگر (اثرات فردي) و ها همبستگي داشته باشند ازمدل اثرات ثابت استفاده مي نماييم. و اگر وها همبستگي نداشته باشند از مدل اثرات تصادفي استفاده مي نماييم (بالتاجي، 2006،57).

3-7-13 آزمون مانايي
اغلب مدل هاي اقتصاد سنجي که در دهه هاي اوليه مورد استفاده قرار مي گرفت، بر فرض م
انايي سري هاي زماني استوار بود.
بعدها که نامانايي اکثر سري هاي زماني آشکار شد، به کارگيري سري هاي زماني منوط به انجام آزمون هاي مانايي مربوطه گرديد. به اين دليل، در اين بخش مانايي متغيرها و آزمون هاي مانايي آن مورد بحث قرار مي گيرد. متغيرهاي اقتصادي عموماً نامانا و داراي روند تصادفي هستند. ترکيب خطي سري هاي نامانا نيز در حالت کلي يک سري نامانا است. پيش از برآورد مدل لازم است مانايي تمام متغيرهاي مورد استفاده در تخمين مورد آزمون قرار گيرد. زيرا مانايي متغيرها چه در مورد داده هاي سري زماني و چه در مورد داده هاي تابلويي باعث بروز مشکل رگرسيون مجازيمي شود. تاکنون روش ها و آزمون هاي متعددي براي بررسي مانايي داده هاي تابلويي ارائه شده است که عبارتند از: آزمون لوين، لين و چو ((LLC، آزمون ايم، پسران و شين (IPS)، آزمون فيشر، آزمون بريتونگ و مي ير(BM)، آزمون

دیدگاهتان را بنویسید