منابع پایان نامه ارشد با موضوع رگرسیون، اثرات ثابت، مدل رگرسیون، متغیر مستقل

دانلود پایان نامه ارشد

مقطعی122» برآورد میشوند؛ یعنی متغیرها در یک دوره زمانی معیین برای مثال یک هفته، یک ماه یا یک سال در واحدهای مختلف بررسی می‌شوند.
روش سوم برآورد مدل، که در این پژوهش نیز مورد استفاده قرار گرفته است، برآورد بر اساس «داده‌های پانل123» است. در این روش یک سری واحدهای مقطعی(برای مثال شرکتها) در طی چند سال مورد توجه قرار می‌گیرند. با کمک این روش که در مطالعات سال‌های اخیر نیز زیاد استفاده شده است، تعداد مشاهدات تا حد مطلوب افزایش می‌یابد. مهمترين مزيت استفاده از داده‌هاي پانل، كنترل نمودن ويژگي‌هاي ناهمگن و در نظر گرفتن تك تك افراد، شركت‌ها، ايالات وكشورها مي‌باشد. درحاليكه در مطالعات مقطعي و سريز مانياين ناهمگني كنترل نمي‌گردد و با تخمين مدل با استفاده از اين روش‌ها احتمالا ريب بودن نتايج، مي‌باشد. بنابراين با توجه به این‌که مشاهده‌های ادغام شده باعث تغییرپذیری بالاتر، هم‌خطی چندگانه کمتر، میان متغیرهای توضیحی، درجه آزادی بیشتر و کارآیی بالاتر تخمین کننده‌ها می‌شود، مطالعات پانل نسبت به مطالعات مقطعی و سری زمانی دارای مزیت است(بالتاجی124، 2008).
در حالت کلی مدل زیر نشان دهنده یک مدل با داده‌های پانل می‌باشد:

که در آن نشان‌گر واحدهای مقطعی(برای مثال شرکت‌ها) و نشان‌گر زمان است. متغیر وابسته را برایامین واحد مقطعی در سال نشان می‌دهد و نیز امین متغیر مستقل غیرتصادفی برای برای امین واحد مقطعی در سال ام است. جمله اخلال بوده که فرض می‌شود دارای میانگین صفر () و واریانس ثابت () است.
پارامترهای مدل می‌باشد که واکنش متغیر مستقل نسبت به تغییراتامین متغیر مستقل درامین مقطع وامین زمان را اندازه‌گیری میکند. برای برآورد مدل بر اساس داده‌های پانل روش‌های مختلفی همچون روش اثرات ثابت125 و روش اثرات تصادفی126 وجود دارد که بر حسب مورد، کاربرد خواهند داشت.

-13-3مانایی و آزمون ریشه واحد
استفاده از داده ها نامانا می تواند منجر به رگرسیون کاذب بشود.اگر دو متغیر مانا داشته باشیم که به صورت سری های تصادفی مستقل باشند ، هنگامی که یکی از آنها روی دیگر برازش شود دارای tوR2 نسبتا پایینی خواهد بود. این وضعیت برای متغیرهایی که به یکدیگر وابسته نیستند بدیهی است. اما اگر دو متغیر روند زمانی بوده و هیچ ارتباط منطقی با هم نداشته باشند ، رگرسیون یکی روی دیگری دارای R2 بالای خواهد بود.(سور ، علی1390)

3-14- آزمون چاو یا اف مقید
در بررسی داده‌های مقطعی و سری‌های زمانی، اگر ضرایب اثرات مقطعی و اثرات زمانی معنیدار نشود، می‌توان داده‌ها را با یکدیگر ترکیب کرده و به وسیله یک رگرسیون حداقل مربعات معمولی تخمین بزنیم. از آن‌جایی که در اکثر داده‌های ترکیبی اغلب ضرایب مقاطع یا سری‌های زمانی معنییدار هستند این مدل که به مدل رگرسیون ترکیب شده127 معروف است، کمتر مورد استفاده قرار می‌گیرد(یافی128، 2003). بنابراین برای این‌که بتوان مشخص نمود که آیا داده‌های پانل برای برآورد تابع مورد‌نظر کارآمدتر خواهد بود یا نه، فرضیهای را آزمون می کنیم که در آن کلیه عبارات ثابت برآورد با یکدیگر برابر هستند. فرضیه صفر این آزمون که به آزمون چاو یا F مقید معروف است به‌صورت زیر می‌باشد:

برای آزمون فرضیه مذکور از آماره F به‌صورت زیر استفاده می‌شود:

که در آن N برابر با تعداد واحدهای مقطعی، T طول دوره مورد نظر، K تعداد متغیرهای توضیحی، RRSS مجذور پسماندهای حاصل از برآورد مقید رگرسیون به‌صورت حداقل مربعات متغیر مجازی و URSS مجذور پسماندهای حاصل از برآورد نامقید رگرسیون به‌صورت حداقل مربعات معمولی می‌باشد.
نحوه داوری: در این آزمون فرضیه یعنی یکسان بودن عرض از مبداء‌ها در مقابل فرضیه یعنی ناهمسانی عرض از مبداء‌ها قرار می‌گیرد. در صورتی که فرضیه پذیرفته شود به معنی یکسان بودن شیب‌ها برای مقاطع مختلف بوده و قابلیت ترکیب شدن داده‌ها و استفاده از مدل رگرسیون ترکیب شده مورد تأیید آماری قرار می‌گیرد و فرضيه‌هاي پژوهش با استفاده از روش داده‌هاي تركيب شده مورد آزمون قرار خواهد گرفت. اما در صورت رد فرضیه روش داده‌های پانل پذیرفته می‌شود و فرضيه‌هاي پژوهش با استفاده از روش داده‌هاي پانل آزمون مي‌شود.

3-15- آزمون هاسمن129
در صورتي كه بر اساس نتايج آزمون چاو براي هر يك از فرضيهها، استفاده از روش داده‌هاي پانل مورد تأييد واقع شود، به منظور این‌که مشخص گردد کدام روش(اثرات ثابت و یا اثرات تصادفی) برای برآورد مناسب‌تر مي‌باشد(تشخیص ثابت یا تصادفی بودن تفاوت‌های واحدهای مقطعی) از آزمون هاسمن استفاده می‌شود. در روش اثرات تصادفی، بار متغیرهای حذف شده روی جمله اخلال قرار می‌گیرند؛ اما این مشروط بر آن است که بین متغیرهای مستقل و مؤلفه خطای مقطعی همبستگی وجود نداشته باشد. آزمون هاسمن وجود این همبستگی را بررسی می‌کند. این آزمون مبتنی بر این فرض اولیه است که در صورت وجود همبستگی، روش اثرات ثابت سازگار و روش اثرات تصادفی ناسازگار است. اگر تخمین‌کننده روش اثرات تصادفی و تخمین‌کننده روش اثرات تصادفی باشد، آماره این آزمون که دارای توزیع کای-دو با درجه آزادی برابر با تعداد متغیرهای مستقل است به‌صورت زیر قابل تعریف می‌باشد:

فرضیه صفر در آزمون هاسمن به صورت زیر خواهد بود:

نحوه داوری: فرضیه صفر به این معنی است که ارتباطی بین جزء اخلال مربوط به عرض از مبدأ و متغیرهای توضیحی وجود ندارد و آنها از یکدیگر مستقل هستند. در حالی که فرضیه مقابل به این معنی است که بین جزء اخلال مورد‌نظر و متغیرهای توضیحی همبستگی وجود دارد. از آن‌جایی که به هنگام وجود همبستگی بین اجزاء اخلال و متغیر توضیحی با مشکل تورش و ناسازگاری مواجه می‌شویم، بنابراین بهتر است در صورت پذیرفته شدن (رد) براي آزمون فرضيات از روش اثرات ثابت استفاده کنیم. هنگامی که بین اجزاء اخلال و متغیر توضیحی همبستگی وجود نداشته باشد ( قبول)، هر دو روش اثرات ثابت و اثرات تصادفی سازگار هستند؛ ولی روش اثرات ثابت ناکارآ بوده و بایستی براي آزمون فرضيات از روش اثرات تصادفی استفاده شود (جانستون و دیناردو130، 2005).

3-16- آزمون معنی دار بودن مدل
براي بررسی معنی‌دار بودن مدل رگرسیون از آماره F استفاده شده است. فرضیه صفر در آزمون F به صورت زیر خواهد بود:

كه به‌وسيله آماره زير صحت آن مورد بررسي قرار مي گيرد:

پایان نامه
Previous Entries منابع پایان نامه ارشد با موضوع روش پژوهش، محافظه کاری، گزارشگری مالی، حافظه کاری Next Entries تحقیق درباره تحلیل واریانس، توانمندسازی، توانمندی روانی، زنان سرپرست