منبع پایان نامه ارشد درباره اثرات ثابت، داده های ترکیبی، نرخ بیکاری

می‌سازد. جامعه‌ی آماري پژوهش را شرکت‌های پذيرفته شده در بورس اوراق بهادار تهران تشكيل مي‌دهد.
3-7- نمونه آماري و روش نمونهگيري
نمونه آماري اين پژوهش برای آزمون فرضیه تحقیق، مشتمل بر شركت‌هايي است كه از ویژگی‌های زير همزمان برخوردار بوده‌اند:
شرکت‌های مورد نظر جزو بانک‌ها، واسطه‌گری مالی، لیزینگ و شرکت‌های بیمه نباشند.
پایان سال مالی شرکت، منطبق بر پایان اسفند ماه باشد.
شرکت تغییر سال مالی و تغییر فعالیت نداشته باشد.
سهام شرکت حداقل هر سه ماه یک بار معامله شده باشد.
شرکت‌های مورد نظر از ابتدا تا انتهای تحقیق در عضویت بورس اوراق بهادار باشند.
تمامی داده‌های مورد نیاز آن‌ها در طی ساله‌ای 1389 الی 1393 در دسترس باشد.
از تعداد 484 شرکت پذیرفته شده در بورس اوراق بهادار، تعداد شرکت بر اساس محدودیت‌های اعمال شده به مدت 5 سال انتخاب شده است و در نهایت تعداد 110 شرکت (687 سال-شرکت) به عنوان جامعه مورد آزمون مورد استفاده قرار گرفته است.
جدولی که در ادامه می آید نشان دهنده نحوه تاثیر هر یک از شرطهای انتخاب نمونه تحقیق بر نمونه و مقدار شرکتهای حذف شده از نمونه پس از اعمال هر یک از شرطهای فوق می‌باشد:

جدول تاثیر اعمال هر یک از شرطهای انتخاب نمونه بر تعداد شرکتهای موجود در نمونه
شرح
تعداد
تعداد
کل شرکت‌های پذیرفته شده
678

شرط اول

165
شرط دوم

38
شرط سوم

126
شرط چهارم

34
شرط پنجم

61
شرط ششم

71
شرط هفتم

73
مانده
110

3-8- نحوه جمعآوري دادهها
روش‌هاي مختلفي براي جمع آوري اطلاعات از جامعه مورد مطالعه وجود دارد از جمله پرسشنامه، مصاحبه، مشاهده و روش بررسي اسناد و مدارك. در این پژوهش برای جمع‌آوري داده‌هاي مورد نياز از نرم‌افزار ره‌آوردنوین و صورت‌های مالی شرکت‌های عضو نمونه استفاده می‌شود. پس از گردآوري، داده‌ها از طريق نرم افزارهای اکسل و اکسس تلخیص، کدگذاری و طبقه‌بندي و در نهایت با استفاده از نرم افزار آماری EVIEWS مورد تجزيه و تحليل قرار خواهند گرفت.
3-9- روش‌شناسی پژوهش
موفقیت هر تحلیل اقتصادسنجی در گرو دسترسی به داده‌های مناسب است. برای هر تحلیل تجربی، ممکن است سه نوع داده وجود داشته باشد. داده‌های سری‌های زمانی، مقطعی و ترکیبی (ترکیبی از سری‌های زمانی و مقطعی).
داده‌های سری‌ زمانی76: در طول زمان جمع‌آوری می‌شوند، از قبیل داده‌های مربوط به اشتغال، بیکاری، و حجم پول. این داده‌ها ممکن است در فاصله زمانی مشخص جمع‌آوری شوند- روزانه (مثلاً، قیمت سهام)، هفتگی (مثلاً، حجم پول)، ماهیانه (مثلاً، نرخ بیکاری) و یا سالیانه (مثلاً بودجه دولت). این داده‌ها ممکن است ماهیتاً کمی باشند (از قبیل، قیمت، درآمد) و یا کیفی باشند (از قبیل، شاغل و یا بیکار، مجرد و یا بیکار).
داده‌های مقطعی77:داده‌هائی هستند که در آن اطلاعات یک یا چندین متغیر در نقطه‌ای از زمان جمع‌آوری شده‌اند، از قبیل آمار نفوس و مسکن که آماری از جمعیت است که توسط اداره سرشماری ایالات متحده هر ده سال یک بار جمع‌آوری می‌شود.
داده‌های ترکیبی78:در داده ‌های ترکیبی عناصر سری زمانی و مقطعی وجود دارند. به عنوان مثال، اگر آمار نرخ بیکاری برای 10 کشور به مدت 20 سال جمع‌آوری بکنیم، داده تولید شده یک مثال از نوع ترکیبی خواهد بود- داده‌های نرخ بیکاری به مدت 20 سال از نوع سری زمانی هستند، در حالی که نرخ بیکاری برای 10 کشور از نوع مقطعی است زیرا فقط برای یک سال است. در داده ‌های ترکیبی 200 مشاهده خواهیم داشت- 20 مشاهده سالانه برای هر یک از 10 کشور.
یک نوع داده مخصوص وجود دارد به نام پانل دیتا79، که لانگیتیودینال80 یامایکروپانل دیتا81نیز نامیده می‌شود، که در آن یک واحد مقطعی، مثلاً، یک بنگاه و یا یک خانوار در طول زمان مورد مطالعه قرار می‌گیرد. به عنوان مثال، وزارت بازرگانی ایالات متحده آماری از مسکن در زمان‌های مشخص جمع‌آوری می‌کند. در فاصله زمانی مشخص با همان خانوار (یا کسی که در آن جای مشخص زندگی می‌کند) مصاحبه می‌شود تا بینند که آیا تغییراتی در وضعیت مسکن و یا وضعیت مالی خانوار از زمان آمارگیری قبلی اتفاق افتاده است. پانل دیتا که از مصاحبه‌های مکرر با خانوار مشخصی که در فواصل زمانی معین صورت می‌گیرد تولید می‌شود اطلاعات بسیار مفیدی در خصوص رفتار خانوار و دگرگونی آن را بدست می‌دهد (گجراتی و پورتر، 1390).
در پژوهش حاضر، داده‌ها از نوع داده‌های ترکیبی است و در ادامه مدل‌ داده‌های ترکیبی تشریح می‌شود.
3-9-1- داده‌های ترکیبی
داده های ترکیبی، محیطی بسیار مناسب برای گسترش روش‌های تخمین و نتایج نظری فراهم می‌سازند، به طوری که پژوهشگران قادر به استفاده از داده های مقطعی و سری‌های زمانی برای بررسی مسایلی می شوند که امکان مطالعه‌ی آن‌ها در محیط‌های فقط مقطعی یا فقط سری زمانی وجود ندارد. مزیت این روش در این است که معمولاًروش‌های سنتی اقتصاد سنجی بر سری‌های زمانی و داده های مقطعی، ناهماهنگی‌ها در روش داده های ترکیبی در نظر گرفته می شوند و نتایج دارای ریسک تورش دار (اریب بودن، احتمال وجود اشتباه در نتایج)، بودن است. در بسیاری از مطالعات اخیر از مجموعه داده های ترکیبی جهت تحلیل‌ها استفاده گردیده است. بدین ترتیب که چند بنگاه، خانوار، کشور و … را در طول زمان مورد بررسی و تجزیه و تحلیل قرار داده‌اند. در تجزیه و تحلیل داده های ترکیبی یک محیط بسیار غنی از اطلاعات برای گسترش تکنیک‌های تخمین و نتایج قابل تحلیل فراهم می گردد. در بسیاری موارد، پژوهشگران می‌توانند از داده های ترکیبی برای مواردی که نمی‌توان به صورت فقط سری زمان یا فقط به صورت مقطعی بررسی کرد، بهره بگیرد.
به طور كلي از داده‏هاي تركيبي، مي‏توان براي برآورد معادلاتي به شكل زير استفاده نمود:

که در آن:
عبارتست از تعداد مقطع‏هاي موجود در داده‏هاي تركيبي؛
عبارتست از دورهاي زماني.
بدين منظور 2 روش وجود دارد:
الف-در روش اول، فرض مي‏شود كه بين مقطع‏ها هيچ تفاوتي وجود ندارد و لذا همه مقطع‏ها را با هم تخمين مي‏زند كه اين روش به روش تلفيقي82است.
ب- در روش دوم فرض مي‏شود كه بين مقطع‏ها اختلاف معني‏داري وجود دارد كه اين اختلاف‏هاي معني‏دار مي‏توانند بر شيب و يا عرض از مبدأ تأثیر بگذارند كه به اين روش، روش تابلویی83گويند.
به منظور اينكه مشخص شود كه كدام روش جهت برآورد مناسب است، فرضيه‏اي آزمون مي‏شود كه در آن فرض مي‏شود كه كليه عبارات ثابت برآورد شده با يكديگر برابر هستند. بدين ترتيب مي‏توان مشخص كرد كه آيا روش داده‏هاي تابلويي (پانلی) جهت برآورد مورد نظر كارآمدتر است يا تلفيقي. براي آزمون فرض مورد نظر، آماره ای است كه داراي توزيع با درجه آزادي (N-1,NT-N-K) مي‏باشد (مرادی جز، 1391).
3-9-2- آزمون معنيدار بودن اثرات فردي ليمر84
در داده‌های ترکیبی لازم است که در ابتدا همگن یا ناهمگن بودن مقاطع (واحدها) مورد آزمون قرار گیرد. منظور از اثرات فردی این است که اثرات مربوط به شرکت‌هامی‌باشد.در صورتی که مقاطع همگن باشند به سادگی می‌توان از روش تلفیقی استفاده نمود، در غیر این صورت استفاده از روش اثرات ثابت ضرورت دارد؛زیر مدل با اثرات ثابت این است که می‌تواند اثراتی را که در هر یک از مؤلفه‌ها متفاوت است ولی در طول زمان تغییر نمی‌کند، نشان دهد. البته پس از تشکیل مدل دیگر نمی‌توان به آن متغیری افزود که در طول زمان تغییر نکند، چرا که با اثرات ثابت موجود هم خطی کامل پیدا خواهد کرد. به عبارت دیگر لازم است که معنی‌داری اثرات ثابت از آماره F ليمر استفاده ‏شود. اين آزمون مقايسه بين مجموع مربعات جملات خطا (RSS)85 در روش دادههاي تابلويي (پانلی) و دادههاي تلفيقي ميباشد. از آنجا كه در روش دادههاي تلفيقي، پارامترهاي محدود كننده بيشتري (از قبیل آنكه ضرایب عرض از مبدأ α در طول زمان و در بين دادههاي مقطعي، ثابت در نظر گرفته ميشوند) وجود دارد، لذا انتظار بر اين است كه روش داده‏هاي تلفيقي نسبت به دادههاي تابلويي (پانلی)، RSS بيشتري داشته باشد. بنابراين اگر RSS مدل حداقل مربعات معمولي (OLS)86، با اضافه شدن محدوديتها به طور معنيداري افزايش پيدا نكند، بهتر است كه اين روش استفاده گردد. در غير اين صورت، روش دادههاي تابلويي (پانلی)مناسب‌ترمی‌باشد.
با استفاده از مجموع مربعات باقيمانده مقيد ()87حاصل از تخمين مدل تركيبي به دست آمده از OLS و مجموع مربعات باقيمانده غير مقيد ()88 حاصل از تخمين رگرسيون درون گروهي، مي‏توان آماره آزمون مناسب در اين زمينه را به صورت زير نوشت:

که در آن:
عبارتست از مجموع مجذورات پسماندهاي مقيد؛
عبارتست از مجموع مجذورات پسماندهاي غیر مقید؛
عبارتست از تعداد متغيرهاي توضيحي؛
عبارتست از تعداد مقطع‌ها.
در آزمون ، فرضيه يكسان بودن عرض از مبدأها (داده هاي تلفيقي) در مقابل فرضيه مخالف، ناهمساني عرض از مبدأها (روش داده‏هاي تابلويي ( پانلی) قرار مي‏گيرد؛ لذا مي‏توان نوشت:

حداقل يكي از عرض از مبدأها با بقيه متفاوت است :
اگرمحاسبه شده () ازجدول با درجه آزادی‌های وبزرگ‌تر باشد، فرضيه رد شده و استفاده از روش داده‌هاي تابلويي ( پانلی) بهتر است. در غير اين صورت از روش داده‏هاي تلفيقي استفاده ميشود (مرادی جز، 1391).
از آزمون هاسمن برای تصمیم‌گیری در رابطه با استفاده از اثرات ثابت یا تصادفی استفاده می‌شود. در ادامه ابتدا اثرات ثابت و تصادفی تشریح شده و سپس آزمون هاسمن جهت گزینش بین این دو روش برای افزایش کارایی، تشریح می‌گردد.

3-9-3- مدلهاي تابلويي ( پانلی)
3-9-3-1- روش اثرات ثابت89
روش اثرات ثابت که به مدل (90) معروف است این امکان را فراهم می‌کند که ویژگی انفرادی بنگاه‌ها و یا واحدهای انفرادی با یکدیگر متفاوت باشد که این ناهمگونی در اثرات ثابت انفرادی، در عرض از مبدأ واحدها نشان داده می‌شود. بنابراین مدل رگرسیون به صورت زیر خواهد بود:

در رابطه فوق پارامتر عرض از مبدأ بوده و بیانگر اثرات ثابت یا ویژگی‌های انفرادی در هر یک از واحدهای مقطعی می‌باشد (محمد زاده و همکاران، 1389).
3-9-3-2- روش اثرات تصادفی91
مدل اثرات تصادفی را می‌توان به منزله مدل رگرسیونی با عرض از مبدأ تصادفی بیان کرد. اگر اثرات انفرادی با تخمین زننده‌ها همبستگی نداشته باشند احتمالاً مناسب‌تر خواهد بود تا از واحدهای مقطعی تصادفی برای بیان عرض از مبدأها استفاده نمود. به ویژه اگر بر این عقیده باشد که واحدهای مقطعی از یک جمعیت نسبتاً زیاد بدست آمده است. بنابراین، در مدل اثرات تصادفی ناهمگنی بین واحدها به صورت یک جز تصادفی در نظر گرفته شده و این مدل به صورت زیر خواهد بود:

طوری که جملات اخلال ترکیب شده عبارتست از:

مشخصه اصلی این جملات خطا در ناهمسانی آن است، به گونه‌ای که (محمد زاده و همکاران، 1389) :

3-9-4- آزمون هاسمن92
آزمون هاسمن برای بررسی وجود همبستگی بین جز خطا و متغیر های توضیحی در مدل اثرات تصادفی به کار می‌رود که آماره آن دارای توزیع کای- دو با درجه آزادی (تعداد متغیر های توضیحی) است. به طور کلی، برای انتخاب بین مدل‌های اثرات ثابت و اثرات تصادفی از آزمون هاسمن استفاده می‌شود. این آزمون به صورت زیر است:

که در آن:

می‌توان آزمون هاسمن را به روشی نسبتاً ساده‌تر با استفاده از رابطه زیر انجام داد:

به طوری که معرف تخمین‌های روش اثرات ثابت و نشان‌دهنده‌ی اثرات تصادفی است. این آزمون در حقیقت آزمون فرضیه نا همبسته بودن اثرات ثابت انفرادی و متغیر های توضیحی است که طبق آن تخمین‌های حداقل مربعات تعمیم یافته (GLS)93 تحت فرضیه سازگار و تحت فرضیه ناسازگار است. از سوی دیگر، تخمین‌های اثرات ثابت تحت هر دو فرضیه سازگار اما تنها تحت فرضیه کارا می‌باشند. بنابراین، در صورتی که فرضیه قابل رد کردن نباشد، روش اثرات تصادفی به روش اثرات ثابت ترجیح داده می‌شود و به عنوان روش مناسب‌تر و کاراتر انتخاب می‌گردد