وبلاگ

برای آزمون فرضه اول از آزمون t استیودنت (یک جمله ای) و از نرم افزارSpss استفاده میکنیم و برای سنجش فرضیه دوم اقدام به برآورد ضرایب مدل رگرسیون با بهره گرفتن از روش حداقل مربعات معمولی (OLS) در نرم افزار Eviews و از آزمون t استیودنت (دو جمله ای)، در نرم افزار Spss استفاده می کنیم.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۱۱- بخش دوم: مدل داده های تلفیقی و روش های تخمین
۳-۱۲- مقدمه
امروزه روش داده های تلفیقی به لحاظ مزایا و برتری هایی که نسبت به روش های مقطعی و سرس زمانی دارد،به طور فزاینده ای در تحقیقات اقتصادی استفاده می شود. داده های تلفیقی به مجموعه داده هایی اطلاق می شود که بر اساس آن مشاهدات به واسطه تعداد زیادی از متغیرهای مقطعی(N) که اغلب به صورت تصادفی انتخاب می شوند، در طول یک دوره زمانی (T) مورد بررسی قرار می گیرد. در این صورت N×T داده های آماری را داده های تلفیقی_سری زمانی می نامند (مشکی،۱۳۹۰).
۳-۱۲-۱- مزایای استفاده از داده های تلفیقی
از آنجا که استفاده از داده های ترکیبی به افراد ، بنگاه ها، شرکت ها و کشور ها و از این قبیل واحد ها، در طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود می شود.
با ترکیب مشاهدات سری زمانی و مقطعی، داده های ترکیبی اطلاعات بیشتر، تغییر پذیری بیشتر، هم خطی کمتر میان متغیرها، درجه آزادی بیشتر و کارایی بیشتر را ارائه می کند.
در مطالعه مشاهدات مقطعی تکراری، داده های ترکیبی به منظور مطالعه پویایی تغییرات، مناسب تر و بهترند.
داده های ترکیبی، تاثیراتی را که نمیتوان به سادگی در داده های سری زمانی و مقطعی مشاهده کرد بهتر معین می کنند.
داده های ترکیبی با ارائه داده برای هزاران واحد، می توانند تورشی را که ممکن است در نتیجه لحاظ افراد یا بنگاه های اقتصادی(به صورت جمعی و کلی) حاصل شود و به حداقل برسانند. به طور کلی باید گفت،داده های ترکیبی، تحلیل های تجربی را به شکلی غنی می سازد که در صورت استفاده از داده های زمانی یا مقطعی این امکان وجود ندارد. البته نمی توان گفت که مدل سازی با داده های ترکیبی هیچ مشکلی ندارد.(تفلاطونی و نیکبخت،۱۳۸۹).
۳-۱۳- انواع مدل های داده های تلفیقی
مدل های مربوط به داده های تلفیقی از انواع مختلف مدل ها تشکیل شده است در یک طبقه بندی کلی می توان مدل های مذبور را بشرح زیر طبقه بندی نمود:
الف)داده های تلفیقی ایستا
ب)داده های تلفیقی پویا
۳-۱۳-۱- مدل داده های تلفیقی ایستا
الف)مدل ضرایب ثابت(CCM)
ب)مدل اثرات ثابت(FEM)
ج)مدل اثرات تصادفی(REM)
۳-۱۳-۱-۱- مدل ضرایب ثابت: در صورتی که هیچکدام از اثرات مقطعی ویا اثرات زمانی تفاوت معنی داری از هم نداشته باشند،در آن صورت می توان تمامی داده هارا با هم ترکیب نموده و به وسیله رگرسیون حداقل مربعات معمولی (OLS) تخمین زد.مدل مزبور مدل رگرسیون ترکیبی نیز نامیده می شود. شکل کلی مدل با فرض وجود سه متغیر مقطعی (سه شرکت)، ده دوره زمانی(۲۰۰۰۰-۱۹۹۱) و دو متغیر مستقل به شرح زیر خواهد بود:
(۳-۱۲)
Y_i,t=α_۱+β_۱X_1i,t+β_۲X_2i,t+u_i,t
t=1,2,3,…,۱۰ i=1,2,3
در رابطه فوق y نشان دهنده متغیر وابسته، iنشان دهنده iامین واحد مقطعی،t نشان دهنده t امین دوره زمانی، X_i,t نشان دهنده برداری از متغیر های مستقل و u_i,t جمله خطا می باشد. اگر هر واحد مقطعی دارای تعداد یکسانی از مشاهدات سری زمانی باشد در آن صورت داده های ترکیبی، متوازن نامیده شده و در غیر اینصورت نا متوازن تلقی خواهد شد.
۳-۱۳-۱-۲- مدل اثرات ثابت: در این مدل، ضرایب شیب بین واحد های مقطعی (شرکت ها) ثابت بوده و لیکن عرض از مبدا برای هر یک از شرکت ها متفاوت می باشد.در این مدل با وجود آنکه عرض از مبدا برای هر یک از شرکت ها متفاوت می باشد و لیکن در طول زمان ثابت بوده و تغییر نمی کند و به همین دلیل نیز به مدل اثرات ثابت معروف شده است. با در نظر گرفتن فروضات قبلی،شکل کلی مدل مزبور به شرح زیر خواهد بود:
(۳-۱۳):
Y_i,t=α_i,t+ β_۱X_1i,t+ β_۲X_2i,t
اندیس iدر جمله فوق نشان دهنده ی این مطلب است که عرض از مبدا برای هر یک از واحد های مقطعی (شرکت ها) متفاوت بوده ولی در طول زمان ثابت است.
۳-۱۳-۱-۳- مدل اثرات تصادفی: در صورتیکه متغیرها به صورت تصادفی انتخاب شده باشند و بین متغیرها توضیحی و خطاها همبستگی وجود نداشته باشد، می توان برای رسیدن به تخمین کارا و سازگار از روش اثر تصادفی استفاده نمود. طرفداران روش اثرات تصادفی چنین استدلال می کنند که آوردن متغیر های مجازی در مدل رگرسیون، پوششی برای بی توجهی و ناآگاهی ما از وجود متغیر های توضیحی مناسب و بکار گرفتن آن در مدل تخمین می باشد. لذا در مدل اثرات غفلت از کاربرد متغیرهای مزبور بواسطه جمله خطا بیان می شود.
ایده اولیه مدل اثرات تصادفی مبتنی بر رابطه(۳-۱۲) می باشد. در این مدل به جای آنکه فرض شود _۱,iα ثابت است ، فرض می شود متغیری تصادفی با میانگن _۱α (بدون اندیس i) می باشد. بر این اساس مقدار عرض از مبدا به صورت زیر بیان می شود:
(۳-۱۴):
α_۱,i=α_۱+e_i
e_i جمله خطای تصادفی با میانگین صفر و واریانس ^۲σ می باشد. در این مدل اثرات احتمالی فرض بر آن است که همبستگی e_i با متغیر های توضیحی صفر می باشد:
(۳-۱۵):
Cov(x_i,t e_i) t=1,2,3,……,T
با جایگزینی رابطه(۳-۱۴)در رابطه (۳-۱۳)خواهیم داشت :
(۳-۱۶):
Y_i,t=α_۱+ β_۱X_1i,t+ β_۲X_2i,t+u_i,t+e_i
در رابطه فوق،مقدار u_i,t نشان دهنده خطای هر مشاهده بوده و e_i به عنوان یک متغیر غیر قابل مشاهده نشان دهنده خطای (تصادفی) مقطعی معین می باشد. اگر i نشان دهنده مقاطع یا افراد باشد، در این صورت در برخی موارد به آن اثر انفرادی و یا ناهمگونی فردی نیز اطلاق می شود. به صورت مشابه همین واژه ها را در ورد شرکت ها نیز می توان بکار برد.بدین ترتیب u_i,t + e_i خطای کل با شرایط cov(u_it ,e_i) برای تمام t ها و تمام i ها است که آن را می توان به عنوان جمله خطای ترکیبی (v_it) تعریف نمود. بدین ترتیب رابطه (۳-۸) را می توان بشکل زیر خلاصه نمود:
(۳-۱۷):
Y_i,t=α_۱+ β_۱X_1i,t+ β_۲X_2i,t+v_it
بنابراین در مدل اثرات تصادفی (برخلاف مدل اثر ثابت که در آن هر واحد مقطعی مقدار عرض از مبدا ثابت خود را دارد)، عرض از مبدا _۱α ،میانگین تمام عرض از مبداهای مقطعی را نشان می دهد و جز خطای u_i،انحراف عرض از مبدا انفرادی را از میانگین مشخص می نماید. (مشکی۱۳۹۰).
۳-۱۴- تفاوت بین مفاهیم pooled & panel
اگر عرض از مبدا و ضرایب شیب در طول زمان و مکان ثابت باشد، می گوییم برآورد از نوع pooled بوده است. اگر مدل به گونه ای برآورد شود که عرض از مبدا ، شیب، و یا هر دو در ابعاد زمانی، مکانی یا هر دو ثابت نباشد و تغییر کنند، می گوییم برآورد از نوع panel است. (افلاطونی و نیکبخت،۱۳۸۹).
۳-۱۴-۱- آزمون چاو
چاو(۱۹۶۰) آزمونی را معرفی کرد که برای انتخاب بین دو مدل رگرسیون تلفیقی(pooled)و مدل اثرات ثابت مورد استفاده قرار می گیرد. فرضیات آزمون مزبور بشرح زیر می باشد:
H₀:α_۱ =α_۲=…α_n-1=0عرض از مبدا با هم برابرند
H₁:α_۱≠۰ Ǝ_i€ ۱,….n-1حداقل یکی از عرض از مبدا ها با بقیه تفاوت دارد.
در این آزمون ، فرضیه صفر بیانگر برابری ضرایب و عرض از مبدا شرکت های مورد بررسی بوده و از این رو رد فرضیه صفر مبین استفاده از روش داده های پانل (مدل اثرات ثابت) و عدم رد فرضیه صفر بیانگر استفاده از روش داده های تلفیقی (pooled) می باشد.