منابع پایان نامه ارشد با موضوع اثرات ثابت، اصل موضوع، اصل انتقال، درآمد سرانه

دانلود پایان نامه ارشد

+ b ln M و نيمه لگاريتمي: Xi = a + b ln M
تابع نيمه لگاريتمي نسبت به دو مورد ديگر کليت بيشتري دارد. زيرا کشش درآمدي به سطوح تقاضا بستگي داشته و از طرفي منحني انگل در حالت درآمد صفر، يک مصرف اوليه ϒi را نشان مي‌دهد. پريس و تاکر در مطالعه‌ي خود شکل نيمه لگاريتمي را براي کالاهاي ضروري و شکل لگاريتم دوطرفه را براي کالاهاي لوکس مناسب دانسته‌اند. مورد ديگري که در تابع انگل مطرح است، اثر بعد خانوار است که در تقاضا موثر است. براساس اين رابطه تقاضا و درآمد به دو صورت خانوار و سرانه مورد بررسي قرار مي‌گيرد.
3-7-2 تابع انگل با توجه به متوسط هزينه خانوار
در اين حالت بعد خانوار به صورت متغير مستقل در مدل‌ها منظور مي‌شود:
Ki M = bo ( M/X ) , Ki H = KO ( H/X ) , Xi = a + b M + KH (22)
Ln Xi = a + b ln M + K ln H , Ki M = b , Ki H = K (23)
Xi = a + b ln M + K ln H , Ki M = ( b/X ) , Ki H = ( K/X ) (24)
در اين جا Xi تقاضاي کالاي i ام توسط خانوار، M درآمد خانوار و H تعداد نفرات يا بعد خانوار است که اگر 1 K باشد، صرفه به مقياس وجود دارد. يعني هرچه خانوار بزرگتر باشد، مصرف متوسط اعضا به طور نسبي کاهش مي‌يابد. همچنين در صورتي که 1 K باشد عدم صرفه به مقياس و هرگاه K = 1 تابع همگن از درجه‌ي يک خواهد بود.
3-7-3 تابع انگل باتوجه به هزينه سرانه
اگر فرض ساده‌ي K = 1 تابع انگل همگن و خطي را بپذيريم، مصرف سرانه تابعي از درآمد سرانه به دست مي‌آيد. پس متغيرها را بر بعد خانوار تقسيم مي‌کنيم:
Xi/H = a + b (M/H) , KiM = b0 (M/Xi) (25)
Ln (Xi/H) = a + b0 m (M/H) , Ki M = b (26)
Xi/H = a + b0 ln (M/H) , KiM = (b)/Xi /H (27)
که Xi /H نسبت تقاضاي کالاي i ام توسط خانوار به بعد خانوار و يا به عبارتي مصرف سرانه‌ي کالاي i ام و M/H نسبت درآمد خانوار مي‌باشد.
3-8 روش داده هاي ترکيبي
روش دادههاي ترکيبي (پانل ديتا) روشي براي تلفيق دادههاي مقطعي و سريزماني است. مزيت اين روش در اين است که معمولاً روشهاي سنتي اقتصاد سنجي بر سريهاي زماني و دادههاي مقطعي، ناهماهنگيهاي مربوط به واحدها يا گروهها را لحاظ نميکنند و نتايج داراي ريسک تورشدار بودن است. اين نوع ناهمگنيها در روش دادههاي پانل در نظر گرفته ميشوند و برآوردهاي نااريب وسازگارتري را ارائه ميدهند. همچنين استفاده از مدل پانل، تعداد مشاهدات در اختيار محقق، افزايش مي يابد که اين مسئله موجب افزايش درجه آزادي و کاهش همخطي ميشود. مهمترين مزيت استفاده از روش دادههاي ترکيبي، کنترل نمودن خواص ناهمگن و در نظر گرفتن تک تک افراد، شرکتها، ايالت و کشورها است. درحاليکه مطالعات مقطعي و سري زماني اين ناهمگني را کنترل نکرده و با تخمين الگو بدان روشها، بيم اريب در نتايج ميرود. درواقع با استفاده از دادههاي ترکيبي، شناسايي و اندازهگيري تأثيراتي که به سادگي در دادههاي مقطعي و سريزماني قابل شناسايي نيست، امکانپذير ميشود.
3-8-1 آزمون قابليت برآورد الگو به صورت پانل
براي انتخاب مسأله ناهمگني واحدها ميتوان از F ليمر کمک گرفت. در صورت تأييد ناهمگني واحدها، الگو از طريق دادههاي پانل برآورد ميشود و در غير اين صورت به روش OLS معمولي يا Pooling Data برآورد ميشود. آمارهي F بدين شکل تعريف ميشود:
F=(((PRSS-URSS))⁄(N-1))/(URSS⁄(NT-N-K))≈ F_[(N-1),(NT-N-K)]
در رابطه فوق RRSS نشانگر مجموع مجذورات پسماندهاي مقيد و URSS مجموع مجذورات پسماندهاي غير مقيد است. N تعداد مقاطع و T تعداد سالهاي دوره زماني و K تعداد پارامترها ميباشد.
آماره F به صورت زير نيز توسط گرين27 قابل تعريف است. البته با يک تبديل ساده رياضي ميتوان چنين رابطهاي را از رابطه قبلي به دست آورد. در نتيجه هر دو رابطه معادل يکديگر هستند.
F=(((R_LSDV^2-R_Pooled^2 ))⁄(N-1))/(((1-R_LSDV^2 ))⁄(NT-N-K))
که در ان 〖R^2〗_LSDV ضزيب تعيين الگوي غير مقيد و 〖R^2〗_Pooled ضريب تعيين الگوي غير مقيد ميباشد.
در آزمون قابليت آزمون برآورد به صورت پانل ديتا فرضيه صفر مبتني بر عدم ناهمگني ميان واحدها يا مقاطع ميباشد و فرضيه مقابل آن بيانگر ناهمگني در بين مقاطع يا واحدها ميباشد به بيان آماري داريم:
〖 H〗_0 : μ_1=μ_2=…=μ_N= ∙
حداقل يکي از μ_i‌ها برابر صفر است H_(1 ):
که μ_i‌ها بين کنندهي اثرات فردي يا ناهمگني است.
در آزمون فرضيه صفر، اگر F محاسبه شده از F جدول با درجه آزاديهاي N-1 و NT-N-K بزرگتر باشد، فرضيهي H_0 رد ميشود. بنابراين الگو رگرسيوني به روش دادههاي پانل برآورد ميشود. در غير اين صورت از روش OLS معمولي (پولينگ ديتا) براي برآورد مدل استفاده ميشود.
3-8-2 اثرات ثابت28 و اثرات تصادفي29
در صورتي که دادههاي آماري به گونهاي بود که مقاطع داراي عکسالعملهاي متفاوتي باشند و براي هر مقطع عرض از مبدأ جداگانهاي در نظر گرفته شود، بايد منشأ خطاهاي ناشي از تخمين نيز مشخص شود. به بيان ديگر، بايد مشخص شود که خطاي ناشي از تخمين در طي زمان اتفاق افتاده است يا اينکه که خطاي نام برده شده علاوه بر اينکه در طي زمان اتفاق افتاده به دليل تغيير در مقاطع نيز بوده است. در نحوهي در نظر گرفتن چنين خطاهاي با دو اثر، اثرات و تصادفي مواجه خواهيد بود. در اثرات ثابت، خطاي تخمين ناشي از تغيير مقاطع در عرض از مبدأ منظور ميگردد ولي در مدل اثر تصادفي چنين خطاهايي بهطور تصادفي در نظر گرفته ميشود. به بيان آماري ميتوان اين گونه توضيح داد که:
اگر جملات اخلال ε_it را به صورت زير بنويسيم:
ε_it=μ_i+ η_it
که در آن η_it خطاي جزئي است که با مشاهدات همبسته نيست وμ_i مربوط به مقاطع است، که ممکن است با مشاهدات همبسته باشد يا نباشد.
در رويکرد اثرات ثابت μ_i ‌ها با مشاهدات همبسته است، ولي در رويکرد اثرات تصادفي μ_i ‌ها با مشاهدات همبسته نيستند. الگوي اثر تصادفي فرض ميکند μ_i يک جمله تصادفي براي هر گروه است، اما در هر دورهي زماني، از اين توزيع تصادفي μ_i ‌ها فقط يک رخداد بهطور يکسان در هر دوره در الگوي رگرسيوني وارد ميشود (اشرفزاده و مهرگان، 1387).
در الگوي اثرات ثابت، عرض از مبدأ در الگوي رگرسيون بدين دليل بين افراد متفاوت است که هر فرد يا واحد مقطعي، ويژگيهاي خاص خود را داراست. در الگوي اثرات تصادفي فرض ميشود که عرض از مبدأ يک واحد تکي، انتخابي تصادفي از جامعهاي بزرگتر با ميانگين ثابت است. بدين ترتيب عرض از مبدأ تکي، به صورت انحرافي از ميانگين ثابت بيان ميشود (جانستون، ديناردو؛ 1997).
چنانچه فرضيهي صفر آمارهي F ليمر مبتني بر پولينگ بودن رد شود و دليلي براي پذيرش فرضيهي صفر وجود نداشته باشد. فرضيه مقابل آن مبني بر پانل ديتا بودن دادههاي آماري مورد پذيرش قرار ميگيرد. براي انتخاب بين اثرات ثابت FEM و اثرات تصادفي REM، از آزمون هاسمن استفاده ميشود.
3-8-3 آزمون هاسمن30
براي انتخاب بين الگوهاي اثرات تصادفي و اثرات ثابت از آزمون هاسمن استفاده ميشود. اين آزمون به شکل زير است:
w = (b_s β_s )^’ (M_1- M_0 )^(-1) (b_s- β_s )≈ χ^2 (r)
در رابطه فوق r تعداد پارامترها، W داراي توزيع χ^2 با درجه آزادي تعداد پارامترها است که در آن M_1 ماتريس کوواريانس براي ضرايب الگوي ثابت (b_s ) و M_0 ماتريس کوواريانس الگوي اثرات تصادفي (β_s ) است. اگر M_0 و M_1 همبسته باشند، b_s و β_s ميتوانند بهطور معنيداري متفاوت باشند و اين انتظار وجود دارد تا اين امر در آزمون منعکس شود. در آزمون هاسمن، فرضيهي صفر آن M_0 مبتني بر اثر تصادفي بودن دادههاي آماري در مدل است. چنانچه فرضيهي صفر رد شود و دليلي براي پذيرش آن وجود نداشته باشد، فرضيهي مقابل آن H_1 مبتني بر اثر تصادفي بودن دادههاي آماري پذيرفته ميشود (سوري،1391).
3-9 مقدمه‌اي بر شاخص‌هاي فقر
اندازه گيري خط فقر و مشخص نمودن تعداد فقرا در جامعه به تنهايي کافي نيست. زيرا به ازاي خط فقر و تعداد افراد فقير در جامعه، شدت فقر مي‌تواند متفاوت باشد. دليل اين امر، آن است که مولفه‌هايي مانند ميزان نابرابري در توزيع درآمد در بين فقرا، متوسط درآمد آن‌ها و فاصله درآمدشان تا خط فقر بر ميزان شدت فقر تاثير گذار هستند و تغيير هر يک مي‌تواند موجب تغيير در ميزان شدت فقر شود و بنابراين نياز به تابع تجميع کننده‌اي داريم که به ما سنجه‌اي از فقر کل جمعيت بدهد.
محققان بسياري در معرفي اين سنجه‌ها تلاش نموده‌اند. مهم ترين اين افراد سن (1976) است که براساس نگرشي مبتني بر اصل موضوعه به معرفي شاخص فقر پرداخت.
توجه به رعايت اين اصل موضوعه در معرفي شاخص‌هاي فقر داراي مزاياي مهمي است. نخست آنکه اين اصل چهارچوبي را فراهم مي‌سازد که شاخص فقر را مقيد مي‌سازد و لذا محقق نمي‌تواند هر فرمولي را به عنوان سنجه‌ي فقر معرفي نمايد. دوم اينکه اين اصول معيارهايي هستند که امکان تفکيک و مقايسه‌ي شاخص‌هاي فقر و در نتيجه شناخت سنجه‌ي بهتري را فراهم مي‌سازد. مهم ترين اين اصول عبارتند از: اصل گنامي، اصل همگن بودن جمعيت، اصل يکنوائي، اصل انتقال، اصل حساسيت توزيعي، اصل تمرکز بر فقرا و اصل تجربه پذيري که در زير توضيح مختصري در خصوص برخي از اصول و شاخص‌ها ارائه مي‌کنيم.
3-9-1 اصول موضوعه
براي معرفي اين اصول فرض مي کنيم يک مجموعه‌ي Ώ تايي از بردارهاي درآمد داريم و تمامي بردارهاي درآمد که در مثال‌ها مي‌آيد متعلق به اين مجموعه مي‌باشد.
اصل گمنامي: اگر X وY دو بردار درآمد متعلق به مجموعه‌ي Ώ باشند و X تنها با جابجايي عناصر Y به دست آمده باشد آنگاه X و Y فقر يکساني دارند ( ( X ~ PY . براي روشن تر شدن مسئله به اين مثال توجه کنيد:
فرض کنيد خط فقر 2/5 Z = تومان باشد و دو بردار توزيع درآمد به صورت زير داشته باشيم:
Y1 = ( 1 2 3 4 ) , Y2 = ( 1 2 3 4 )
اين دو بجز اينکه داراي ترتيبات متفاوتي اند، فرقي با هم ندارند. تنها دريافت کنندگان درآمد در هر دو متفاوت هستند. حال محاسبه‌ي فقر در جوامع يا جمعيت متفاوت را در نظر مي‌گيريم. براي مثال دو بردار توزيع درآمد Y 3 و Y4 را در نظر بگيريم:
Y3 = ( 2 4 6 8) , Y4 = ( 22 44 66 88)
با استفاده از خط فقر 2/5 دو جواب داريم. از يک سو مي‌توان گفت که فقر در Y4 دو برابر Y3 است. زيرا Y4 دو فرد فقير و Y3 تنها يک فقير دارد. از سوي ديگر مي‌توان گفت Y3و Y4 هر دو 25% جمعيت فقيري دارند. در نتيجه از اين منظر Y3و Y4 هر دو به يک ميزان فقر دارند. بنابراين وقتي جوامع و اندازه‌هاي مختلف با هم مقايسه مي‌شوند، مقايسه به صورت سرانه به درک بهتر مسئله کمک خواهد کرد. بطور مثال هيچگاه گفته نمي‌شود که هند فقر بيشتري نسبت به سنگاپور دارد. چرا که هند بيش از سيصد برابر سنگاپور جمعيت دارد. بر همين اساس اصل موضوعه‌ي زير مطرح مي‌شود:
اصل همگن بودن جمعيت
اگر X وY دو بردار توزيع درآمد متعلق به مجموعه‌ي Ώ باشند و X با تکرار عناصر موجود در Y استخراج شود، آن گاه فقر موجود در X وY يکسان خواهد بود.
اصل يکنوائي
اگر ساير عوامل را ثابت در نظر بگيريم و X ϵ Ώ با اضافه نمودن مقدار مثبت به درآمد افرادي که در توزيع درآمد Y ϵ Ώ زير خط فقر قرار دارند استخراج شود، آن گاه ميزان فقر در Y حداقل به ازاي X خواهد بود.
اصل انتقال
اگر انتقال درآمد از يک فرد فقير به هر فردي که از او ثروتمندتر است صورت گيرد، آن گاه بايد شاخص فقر افزايش يابد (سن، 1976). براي مثال توزيع درآمد Y1 = (1 2 3 4) و خط فقر Z = 2/5 تومان را در نظر بگيريد.

پایان نامه
Previous Entries منابع پایان نامه ارشد با موضوع تابع تقاضا، مصرف کننده، رفتار مصرف کننده، بودجه خانوار Next Entries منابع پایان نامه ارشد با موضوع اثرات ثابت، مصرف کننده، اصول موضوعه، تابع تقاضا