۳-۱۰- تحلیل ماهیت و ویژگی‌های متغیرهای تحقیق
برای انجام رگرسیون خطی، مفروضه‌هایی وجود دارد. حداقل فاصلهای بودن مقیاس اندازهگیری، نرمال بودن توزیع متغیرها، وجود رابطه خطی بین متغیرهای مستقل و وابسته، یکسان بودن پراکندگی باقی مانده‌آموزش‌ها، یکسانی واریانس متغیرهای مورد مطالعه، نبود خود همبستگی و نبود رابطه همخطی، از مفروضههای استفاده از تحلیل رگرسیون می‌باشند.در تحقیق حاضر مقیاس اندازهگیری متغیرهای تحقیق نسبتی است، رابطه بین متغیرهای مستقل و وابسته خطی است.برای بررسی رابطه خطی بین متغیرهای مستقل و وابسته از آزمون ضریب کلی رگرسیون استفاده می‌شود. در نهایت برای بررسی تاثیر متغیر مستقل بر متغیرهای وابسته از تحلیل رگرسیون استفاده می‌شود.
۳-۱۱- آزمون‌های رگرسیون
تکیه بر نتایج آماری بدون توجه به پیش فرضهای مدل رگرسیون از اعتبار چندانی برخوردار نیست و نمی توان از آن برای تصمیم گیریها استفاده کرد. بنابرین قبل از انجام هر گونه تفسیر نتایج رگرسیون، باید برای تصدیق صحت نتایج، مفروضات مدل را بررسی نمود.
۳-۱۱-۱- آزمون دیکی فولر تعمیم یافته جهت مانایی متغیرها
قبل از برآورد مدل رگرسیون بر روی داده ها، لازم است مانایی تک تک متغیرها بررسی شود چون در صورتی که متغیرها نامانا باشند، باعث بروز مشکل رگرسیون کاذب می شود. فرض صفر در این آزمون وجود ریشه واحد یا به طور معادل، عدم مانایی متغیرها می‌باشد که اگر مقدار p-value کمتر از ۰۵/۰ باشد فرض صفر رد می‌شود و متغیرها مانا هستند.
۳-۱۱-۲- بررسی ناهمسانی واریانس
یکی از موضوعات مهم در اقتصاد سنجی، موضوع واریانس ناهمسانی است. واریانس ناهمسانی به این معنا است که در تخمین مدل رگرسیون مقادیر جملات خطا دارای واریانس های نابرابر هستند. در واقع ما درتخمین رگرسیون که با بهره گرفتن از روش حداقل مربعات معمولی انجام می شود ابتدا فرض می‌کنیم که تمامی جملات خطا دارای واریانس های برابر هستند و بعد از آن که مدل را تخمین زدیم سپس با بهره گرفتن از یک سری روش‌ها و تکنیک‌ها به بررسی این فرض می‌پردازیم. در مورد کارهای عملی اقتصاد سنجی همواره دو مسئله برای محقق پیش می‌آید ۱) با توجه به آن که مقادیر جملات خطا در جامعه ی اصلی قابل مشاهده نمی باشد چگونه میتوان به وجود واریانس ناهمسانی در مدل پی برد؟ ۲) در عمل بسیار غیر محتمل است که دقیقا تمامی واریانس‌های جملات خطا با یکدیگر برابر باشند و معمولاً واریانس‌ها مقداری با یکدیگر تفاوت دارند. برای اندازه گیری میزان نابرابری واریانس‌ها روش‌های گوناگونی وجود دارد که میتوان برای مثال آزمون بروش پاگان و آزمون وایت و آزمون پارک را نام برد که البته یکی از پرکاربرترین روش‌ها آزمون وایت است.
برای بررسی وجود ناهمسانی واریانس جملات اخلال،از آزمون وایت((White استفاده می‌شود. با بهره گرفتن از آماره F (فیشر) براحتی میتوان قضاوت کرد که مدل، ناهمسانی دارد یا خیر. به این صورت که اگر احتمال مربوط به آماره F ((Prob (F- Static) بیشتر از سطح خطا (آلفا) باشد، فرضیه H0 رد نشده و لذا همسانی واریانس پذیرفته می‌شود. در صورتی که خلاف این شرط محقق شود و مدل ناهمسانی داشته باشد برای رفع آن میتوان از روش کمترین مجذورات تعمیم یافته (GLS) استفاده کرد.
H0: همسانی واریانس
H1: ناهمسانی واریانس
۳-۱۱-۳- آزمون F لیمر
به منظور گزینش یکی ازروشهای داده های تابلویی ویا داده های تلفیقی از آماره F لیمر استفاده میگردد.به عبارت دیگر آماره F لیمرتعیین می‌کند که عرض ازمبداً جداگانه برای هریک از شرکت‌ها وجود دارد یاخیر.درصورتی که دربین مشاهدات، ناهمگنی یاتفاوت‌های فردی وجود داشته باشد، از روش داده های تابلویی ودرغیر این صورت از روش داده های تلفیقی استفاده می‌شود. زیرا فقط داده ها روی هم انباشت شده وتفاوت بین آن ها لحاظ نشده است.
:H0 داده های تلفیقی
H1: داده های تابلویی
۳-۱۱-۴- آزمون هاسمن
اگر پس از آزمون F لیمر، فرضیه صفر رد شده باشد، این پرسش مطرح می‌شود روابط را میتوان در قالب کدام یک از روش های آثار ثابت و یا آثار تصادفی بررسی کرد. آزمون هاسمن این موضوع را مشخص می‌کند. فرضیه صفر (روش آثار تصادفی) در این آزمون به این معنی است که ارتباطی بین جزء اخلال مربوط عرض از مبدأ ومتغیرهای توضیحی وجود ندارد و از یکدیگر مستقل هستند. درحالی که فرضیه مقابل (روش آثار ثابت) به این معنی است که بین جزء اخلال مورد نظر ومتغیر توضیحی همبستگی وجود دارد. بنابرین در صورت رد فرضیه صفر از روش آثار ثابت و در غیر این صورت روش آثار تصادفی استفاده می‌شود.
H0: روش آثار ثابت
H1: روش آثار تصادفی
۳-۱۱-۵- آزمون عدم خود همبستگی باقیمانده ها
جهت آزمون خود همبستگی بین باقیمانده‌ها از آزمون دوربین واتسون استفاده میگردد. آماره دوربین واتسون محدود به دامنه ۴≥DW≥ ۰ می‌باشد. که اگر مقدار آماره صفر شود، خود همبستگی کامل مثبت و اگر ۴ شود، خود همبستگی کامل منفی بین پسماندها وجود دارد. اگر این مقدار حدود ۲ باشد، خود همبستگی وجود ندارد. در پژوهش حاضر از این آزمون برای تشخیص وجود و یا عدم وجود خودهمبستگی استفاده شده و در صورت وجود، خود همبستگی به وسیله جزء AR یا با بهره گرفتن از روش حداقل مربعات تعمیم یافته(GLS) برطرف می‌شود.
H0: عدم وجود خود همبستگی
H1: وجود خود همبستگی
۳-۱۱-۶- ضریب همبستگی پیرسون:
ضریب همبستگی با حرف R نشان داده می‌شود و مقدار آن بین ۱- و ۱+ نوسان دارد.همبستگی مثبت مبین حرکت هم جهت متغیر تابع و متغیر مستقل است. در حالی که همبستگی منفی، حرکت دو متغیر را در جهات معکوس مشخص می‌کند.
۳-۱۱-۷- ضریب تعیین
ضریب تعیین، معیاری را برای خوبی برازش رگرسیون برآورد شده با اطلاعات آماری دوره نمونه و برای مقاطع مختلف، فراهم می‌سازد. به ویژه این معیار درصد یا نسبت کل تغییرات متغیر وابسته را نشان می‌دهد که به تغییرات همه متغیرهای مستقل الگو مربوط است. هر چه مقدار ضریب تعیین بیشتر باشد برازش بهتری بین رابطه خطی برآورد شده و داده های آماری نمونه وجود دارد. البته افزایش ضریب تعیین در داده های سری زمانی امری مطلوب است اما وقتی از داده های مقاطع مختلف در یک دوره استفاده شود، این امر به طور منطقی به کاهش ضریب تعیین منجر خواهد شد. چرا که با توجه به خصوصیات متفاوت در هر یک از مقطع‌ها، وجود مقاطع مختلف در یک دوره، نشانگر عدم هماهنگی داده های تحت بررسی است کهاین امر باعث نزول قدرت توضیح دهندگی در یک رگرسیون خواهد شد.
۳-۱۲- نرم افزار تحلیل آماری
فرم در حال بارگذاری ...
