منبع پایان نامه ارشد درمورد اثرات ثابت، روش حداقل مربعات، روش کوکران

دانلود پایان نامه ارشد

فقط به صورت سري زماني و يا فقط به صورت مقطعي بررسي کرد، استفاده کرده و بهره گيرند. مثلاً در بررسيهاي تابع توليد مسئله اي که وجود دارد اين است که بتوان تغييرات فناوري را از صرفه هاي حاصل از مقياس اقتصادي تفکيک کرد. در اين گونه موارد داده هاي مقطعي فقط اطلاعاتي را در مورد صرفه هاي به مقياس فراهم مي آورد. در حالي که داده هاي سري زماني آثار هر دو را بدون هيچ گونه تفکيکي نشان مي دهد. تلفيق آمارهاي سري زماني95 با آمارهاي مقطعي نه تنها مي تواند اطلاعات سودمندي را براي تخمين مدلهاي اقتصاد سنجي فراهم آورد، بلکه بر مبناي نتايج به دست آمده همچنين مي توان استنباطهاي سياستگذاري در خور توجهي به عمل آورد. ضرورت استفاده از اين تكنيك كه داده هاي سري زماني و مقطعي را با هم تركيب مي كند ، بيشتر به خاطر افزايش تعداد مشاهدات، بالا بردن درجه آزادي، کاهش ناهمساني واريانس و کاهش هم خطي ميان متغيرها است.

3-7-3 – آزمون ليمر96 (معني داربودن اثرات فردي)
براي انتخاب بين روش هاي داده هاي تابلويي و داده هاي تلفيقي97 ، از آماره ليمر استفاده مي شود. اين آزمون مقايسه بين مجموع مربعات جملات خطا () در روش داده هاي تابلويي و داده هاي تلفيقي است. از آنجا كه در روش داده هاي تلفيقي، پارامترهاي محدود كننده بيشتري (از قبيل آنكه ضرايب عرض از مبدأ در طول زمان و در بين داده هاي مقطعي، ثابت در نظر گرفته مي شوند) وجود دارد، لذا انتظار بر اين است كه روش داده هاي تلفيقي نسبت به داده هاي تابلويي، بيشتري داشته باشد. بنابراين اگر مدل ، با اضافه شدن محدوديت ها به طور معني داري افزايش پيدا نكند، بهتر است كه اين روش استفاده گردد. در غير اين صورت، روش داده هاي تابلويي مناسب تر مي باشد (بالتاجي، 2006،57) 98.
با استفاده از مجموع مربعات باقيمانده مقيد () حاصل از تخمين مدل تركيبي به دست آمده از و مجموع مربعات باقيمانده غير مقيد ( ) حاصل از تخمين رگرسيون درون گروهي، مي توان آماره آزمون مناسب در اين زمينه را به صورت زير نوشت:

كه در آن:
99: مجموع مجذورات پسماندهاي مقيد
100: مجموع مجذورات پسماندهاي غيرمقيد
: تعداد متغيرهاي توضيحي،
: تعداد مقطع ها
در آزمون ، فرضيه يكسان بودن عرض از مبدأ ها (داده هاي تلفيقي) در مقابل فرضيه مخالف ، ناهمساني عرض از مبدأها (روش داده هاي تابلويي) قرار مي گيرد. لذا مي توان نوشت:

حداقل يكي از عرض از مبدأها با بقيه متفاوت است :
گرمحاسبه شده () ازجدول با درجه آزادي هاي و بزرگتر باشد، فرضيه رد شده و استفاده از روش داده هاي تابلويي بهتر است. در غير اين صورت از روش داده هاي تلفيقي (Pooling) استفاده مي شود (همان منبع،58).

3-7-4 – آزمون هاسمن101
آماره اين آزمون که براي تشخيص ثابت يا تصادفي بودن تفاوت هاي واحدهاي مقطعي به صورت زير محاسبه مي شود که داراي توزيع کاي- دو با درجه آزادي برابر با تعداد متغيرهاي مستقل (K) است.
فرضيه صفر بودن آزمون هاسمن، برابري بر آورد کننده هر دو روش حداقل مربعات تعميم يافته و متغير مجازي است يعني داريم:

چنانچه آماره آزمون محاسبه شده بزرگتر از جدول باشد فرضيه Ho رد مي‏شود. اگر Ho رد شود يعني درحقيقت برابر بودن برآوردهاي اين دو روش رد شده است كه در اين صورت از مدل اثرات ثابت102 استفاده مي شود. اما اگر Ho پذيرفته شود توصيه مي گرددكه از مدل اثرات تصادفي103 استفاده شود.
مطلب بالا رامي توان به طريق ديگر نيز بيان كرد بدين ترتيب كه اگر ( اثرات فردي ) و ها همبستگي داشته باشند ازمدل اثرات ثابت استفاده مي نماييم. و اگر وها همبستگي نداشته باشند از مدل اثرات تصادفي استفاده مي نماييم (بالتاجي، 2006،57)104.

3-7-5 – فروض مدل رگرسيون خطي کلاسيک
تحليل رگرسيون مبتني بر چند فرض اساسي و ساده مي باشد و اگر يك يا چند مورد از اين مفروضات برقرار نباشد، تفسير مربوط به تحليل رگرسيون نادرست بوده و پيش بيني هاي انجام شده بر اساس آن ضعيف خواهد بود. براي برآورد مدلهاي رگرسيون، آزمون فروض کلاسيک از جمله بررسي نرمال بودن خطاها، خود همبستگي، ناهمساني واريانس و هم خطي از اهميت ويژهاي برخوردار است، لذا قبل از آنکه مدلها برآورد گردد اين فروض مورد آزمون قرار خواهد گرفت.

3-7-5-1 – نرمال بودن خطاها
بر اساس اين فرض اندازهي ميانگين باقيماندهها بر حسب مفروض، صفر است. در موردي که از روش OLS استفاده مي شود، هر مجموعهي مربوط به يک مفروض، در اطراف مقدار متوسط آن توزيع شدهاند که بعضي از مقادير، بالاي ميانگين و برخي ديگر پايين آن قرار دارند. فواصل بالا و پايين مقادير ميانگينها، همان ها هستند که ميانگين آنها صفر مي باشد.

3-7-5-2 – ناهمساني واريانس
يکي از مهمترين فروض مدل کلاسيک رگرسيون خطي اين است که اجزاي اخلالUi که تابع رگرسيون جامعه ظاهر مي شوند، داراي واريانس همسان هستند. اگر ناهمساني واريانس ها وجود داشته باشد آزمون هاي t و F نتايج غلطي را ارائه مي دهند و آنگاه نمي توانيم فرضيه ها را با آزمون F و t آزمون کنيم.

3-7-5-3 – هم خطي
طبق اين فرض هيچ رابطه خطي دقيقي بين هيچ يک از متغيرهاي توضيحي وجود ندارد، لازم است هيچ يک از متغيرهاي توضيحي با هيچ يک از متغيرهاي توضيحي ديگر و يا با هر ترکيب خطي از متغيرهاي توضيحي ديگر، کاملاٌ همبسته نباشند. وقتي که اين فرض نقض شود سخن از هم خطي مرکب به ميان مي آيد. آنگاه حالات بين اينها درجات مختلف هم خطي را توصيف مي کند.
موارد حائز اهميت، درجات بالاي هم خطي است و وقتي پيش مي آيد که يکي از متغيرهاي توضيحي با متغير توضيحي ديگر و يا ترکيب خطي متغيرهاي توضيحي ديگر به شدت همبسته باشد. در مورد هم خطي به دو نکته بايد توجه داشت:
1- مسئله هم خطي مربوط به درجه است و نه نوع آن، وجه تمايز مشخصي بين حضور و عدم حضور هم خطي نيست، بلکه بين درجات مختلف آن است.
2- از آنجا که هم خطي به وضعيت متغيرهاي توضيحي مربوط مي شود که غير تصادفي فرض شده اند، پس يک ويژگي نمونه است و نه جامعه. اگر متغيرهاي توصيف کننده تصادفي باشند و بين آنها در جامعه رابطه مشخص وجود داشته باشد، اين رابطه بايد به عنوان بخشي از مدل مشخص شود. اگر چنين رابطه اي در جامعه وجود نداشته باشد، هنوز ممکن است ما روابطي بين متغيرهاي توضيحي در نمونه پيدا کنيم. بنابراين باز هم خطي ويژگي نمونه است و نه جامعه .
جهت تشخيص وجود هم خطي راههاي مختلفي وجود دارد، واضحترين علامت وجود هم خطي زماني است که بسيار بالا باشد ولي هيچ يک از ضرايب رگرسيون از لحاظ آماري براساس آزمون t معنيدار نباشند .
در صورتي که مدل رگرسيوني داراي مشکل همخطي باشد جهت رفع آن ميتوان از روشهاي مختلفي استفاده نمود که اهم آنها ترکيب دادههاي مقطعي و سري زماني و استفاده از لگاريتم متغيرها ميباشد. در تحقیق حاضر ترکيب دادههاي مقطعي و سري زماني از بروز هم خطي جلوگيري خواهد کرد.

3-7-5-4 – عدم وجود خود همبستگي بين ها:
اصطلاح خودهمبستگي را ميتوان چنين تعريف کرد: ” همبستگي بين سريهاي مشاهداتي که در زمان (مانند دادههاي سري زماني) يا مکان (مانند دادههاي مقطعي) رديف شدهاند .در مدل کلاسيک رگرسيون خطي فرض ميشود که در اجزاء اخلال چنين خود همبستگي وجود ندارد. به اين معني که جزء اخلال مربوط به يک مشاهده، تحت تأثير جزء اخلال مربوط به مشاهده ديگر قرار نميگيرد. زماني كه بين جملات خطا ارتباط وجود داشته باشد، مشكل خودهمبستگي بين جملات خطا پيش ميآيد.
براي تشخيص وجود خود همبستگي ميتوان از روش ترسيمي، آزمون دوربين_ واتسون و LM 105استفاده نمود.

الف- روش ترسيمي
اگر بتوان باقيماندههاي روش OLS را در مقابل زمان ترسيم نمود آنگاه وجود همبستگي به وسيله مشاهده يك الگوي پيوسته در جملات خطا شناخته ميشود؛ بدين معني که اگر اندازه جمله خطا به تدريج بزرگتر يا كوچكتر شود، يا يك الگوي سيكلي را نشان دهد، معرف آن است كه متغير ديگري وجود دارد كه به طور سيستماتيك بر متغير مستقل اثر دارد.

ب- آزمون دوربين_ واتسون
اين آزمون از مشهورترين آزمونها جهت تشخيص خود همبستگي است. زماني که آماره دوربين واتسون در حدود 1.5 تا 2.5 باشد، معرف آن است كه خود همبستگي وجود ندارد، ولي مقادير بالاتر يا كمتر از1.5 تا 2.5 معرف آن است كه جملات خطا به صورت تصادفي اتفاق نميافتند و بنابراين، نتايج غيرواقعي است .

ج- آزمون LM
آزمون LM که منتسب به بروش- گادفري106 است، يکي از کاملترين آزمونهاي تشخيص همبستگي است. در اين روش علاوه بر خود همبستگي از درجه يک، خودهمبستگي از درجات بالاتر نيز قابل تشخيص است.
روشهاي گوناگوني براي رفع خودهمبستگي وجود دارد که عبارتند از روش اولين تفاضل، روش کوکران-اورکات107، روش دوربين-واتسون و روش GLS . در اين تحقیق براي تشخيص خود همبستگي از آزمون دوربين- واتسون و روش تر

پایان نامه
Previous Entries منبع پایان نامه ارشد درمورد وجوه نقد، وجوه نقد آزاد، جریان وجوه نقد آزاد، هزینه نمایندگی Next Entries پایان نامه با واژگان کلیدی وجدان کاری، نیروی انسانی، مدیران و کارکنان، نظم اجتماعی