منبع پایان نامه ارشد درمورد دادههای پانل، سریهای زمانی، مصرف انرژی، کشورهای منتخب

دانلود پایان نامه ارشد

چه شیوه و روشی را آغاز کند تا او را هر چه دقیقتر، آسانتر و سریعتر در دستیابی به پاسخ یا پاسخهایی که برای پرسش تحقیق در نظر گرفته شده، یاری نماید (دلاور، 1384).
با توجه به مهمترین هدف این تحقیق که مقایسه اثرگذاری توسعهمالی بر کیفیت محیط زیست در کشورهای درحالتوسعه و توسعهیافته است. هدف این است با استفاده از دادههای سری زمانی به بررسی اثرگذاری شاخص توسعهمالی، شاخص اندازه دولت، شاخص جهانی شدن و شاخص درآمد سرانه با استفاده از روش پانل دیتا بر آلودگی محیط زیست کشورهای منتخب پرداخته شود.
این تحقیق برای برآورد مدل تصریح شده، از الگوی دادههای تابلویی استفاده خواهد نمود. استفاده از این الگو مزایای متعددی دارد که میتوان به افزایش کارایی نتایج تخمین به دلیل استفاده از اطلاعات بیشتر و متنوعتر و نیز جامعیت نتایج تحلیل به دلیل توانایی این الگو در تفسیر آثار دادههای مقطعی در کنار دادههای سری زمانی اشاره نمود. لذا نتایج تحلیل از تفسیر صرف دادههای مقطعی و یا سری زمانی کاملتر و جامعتر است. در دادههای سری زمانی همواره با افزایش دادهها احتمال بروز همخطی افزایش مییابد. همچنین بررسیهای مقطعی فقط یک دید ایستا به محقق میدهد، چرا که امکان بررسی روند متغیر در آن وجود ندارد، در حالیکه در الگوهای تابلویی، هر دو مشکل به خوبی مرتفع میشوند. ابتدا برای برآورد مدل از آزمونهای ایستای تابلویی، همانباشتگی تابلویی و برای اینکه از بین الگوهای تابلویی (اثرات تصادفی یا اثرات ثابت)، الگوی بهتری انتخاب شود از آزمون هاسمن استفاده خواهد شد، سپس با استفاده از آزمونهای مناسب به آزمون فرضیه پرداخته میشود.
3-2- مدل پایه تحقیق
مدل پایه تحقیق حاضر از مطالعه جلیل و فریدان (2011) و شهباز (2013) اتخاذ شده است. که به شرح زیر معرفی میشود:
LCO2Pit = B0 + B1 LCREDIT2it +B2 LGDPPit + B3 LGDPPSit + B4 LSIZEit +B5 LOPPit+B6 LENERG1it + Ԑit
که در آن
CO2Pit : میزان سرانه انتشار گاز دیاکسیدکربن در کشور i در زمان t [ مأخذ: بانک جهانی ]
GDPPit : تولید ناخالص ملی سرانه کشور i در زمان t [ مأخذ: بانک جهانی ]
GDPPSit : مجذور تولید ناخالص ملی سرانه کشور i در زمان t [ مأخذ: بانک جهانی ]
CREDIT2it :اعتبار تأمین شده توسط بانکها در کشور i در زمان t (درصد از GDP) [ مأخذ: بانک جهانی ]
SIZEit : سهم مخارج دولت از GDP کشور i در زمان t [منبع : بانک جهانی ]
ENERG1it : مصرف انرژی سرانه معادل نفت کشور i در زمان t [منبع : بانک جهانی ]
OPPit : شاخص جهانی شدن کشور i در زمان t [منبع : بانک جهانی ]
انتظار میرود علامت ضریب مصرف سرانه انرژی مثبت و علامت ضریب شاخص توسعهمالی منفی باشد چون سطح بالایی از مصرف انرژی، در نتیجه فعالیتهای اقتصادی بیشتر است که منجر به انتشار آلایندهها میشود. از طرف دیگر توسعه بیشتر بخش مالی میتواند سرمایهگذاری بیشتر با هزینههای پایین را تسهیل کند که شامل سرمایهگذاری در پروژههای زیستمحیطی هم میشود. بنابراین انتظار میرود با افزایش نسبت اعتبارات داخلی اعطایی بانکها به تولید ناخالص داخلی، انتشار آلایندهها کاهش پیدا کند. معادله فوق اجازه میدهد تا شکلهای مختلف رابطه رشد اقتصادی و محیطزیست مورد آزمون قرار گیرد. منابع آماری مورد استفاده در این مطالعه برای تمامی متغیرها، شاخصهای توسعهیافتگی جهانی منتشره توسط بانک جهانی (WDI) میباشد به دلیل غیر قابل دسترس بودن دادهها برای برخی کشورها، نمونه مورد بررسی شامل دادههای تابلویی 13 ساله (2013-2000) برای کشورهای منتخب درحالتوسعه و توسعهیافته میباشد.
3-3- الگوی دادههای تابلویی
دادههای تابلویی49 به مجموعهای از دادهها گفته میشود که بر اساس آن مشاهدات به وسیله تعداد زیادی از متغیرهای مقطعی (N) که اغلب به صورت تصادفی انتخاب میشوند، در طول یک دوره زمانی مشخص (T) مورد بررسی قرار گرفته باشند، N*T داده آماری را دادههای تابلویی یا دادههای مقطعی-سری زمانی مینامند. به عبارت دیگر، اگر ویژگی دادههای مقطعی برای دو سال یا بیشتر مورد بررسی قرار گیرند، ساختار شکل یافته مشاهدات، دادههای پانلی نامیده میشود. این مجموعه دادهها شامل هر مجموعه از اشیاء یا موجودات است که ویژگیهای آن در طول زمان تکرار شود. به این دلیل که دادههای تابلویی در برگیرنده هر دو جنبه دادههای سری زمانی و مقطعی میباشد، بهکارگیری مدلهای توضیح دهنده آماری مناسبی که ویژگیهای آن متغیرها را توصیف کند، پیچیدهتر از مدلهای استفاده شده در دادههای مقطعی یا دادههای سری زمانی است (زراءنژاد و انوری، 1384).
به طور خلاصه میتوان گفت به دادههای اقتصادی که ترکیبی از دادههای سری زمانی و مقطعی باشند، اصطلاحاً الگو یا دادههای پانل و یا تابلویی میگویند، مشروط بر اینکه در دوره زمانی گوناگون واحدهای اقتصادی یکسان باشند.
3-3-1 -مزایای دادههای تایلویی
دادههایی که عموماً برای تحلیلهای تجربی به کار برده میشوند در سه گروه مورد بحث و بررسی قرار میگیرند:
دادههای سری زمانی
دادههای مقطعی
دادههای تلفیقی سری زمانی و مقطعی
در دادههای سری زمانی، مقادیر یک یا چند متغیر را در طی یک دوره زمانی مشاهده میکنیم. در دادههای مقطعی مقادیر یک یا چند متغیر برای چند واحد یا مورد نمونهای در یک زمان یکسان جمعآوری میشود. دادههای تابلویی ترکیبی از دادههای مقطعی و سری زمانی میباشند، یعنی اطلاعات مربوط به دادههای مقطعی در طول زمان مشاهده میشود. در آمار و اقتصاد سنجی، مجموعه دادههای تابلویی، شامل مشاهداتی برای چندین بخش (خانوار، بنگاه و ….) میباشد که در طی زمانهای مختلف جمعآوری شدهاند. یعنی یک مدل دادههای تابلویی حاوی اطلاعاتی در زمان و مکان است که شامل N مؤلفه در T دوره زمانی میباشند.
در مجموع میتوان گفت که دادههای تابلویی مزایای بسیاری نسبت به دادههای مقطعی یا سری زمانی دارند که برخی از مهمترین آنها عبارتند از (ابریشمی، 1387).
* از آنجا که دادههای تابلویی به افراد، بنگاهها و واحدها طی زمان ارتباط دارند، وجود ناهمسانی واریانسها محدود میشود.
* با ترکیب مشاهدات سری زمانی و مقطعی، دادههای پانلی با اطلاعات بیشتر، تغییرپذیری بیشتر، همخطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتر ارائه مینمایند.
* دادههای پانلی تأثیراتی که نمیتوان به سادگی در دادههای مقطعی و سری زمانی مشاهده کرد، بهتر معین میکنند.
* دادههای تابلویی ما را قادر میسازند تا مدلهای رفتاری پیچیدهتر را مطالعه کنیم.
در مجموع میتوان گفت که دادههای تابلویی مزایای بسیاری نسبت به دادههای مقطعی یا سری زمانی دارند که برخی از مهمترین آنها عبارتند از:
مدلهای تخمین زده شده از درجه بالایی برخوردار هستند و به نتایج برآورد شده اعتماد بیشتری میتوان داشت.
به محققان و مدلسازان اجازه میدهد تا مدلهای پیشرفتهتر و کاملتری را تصریح کنند.
استفاده از دادههای پانل، تورش برآورد را از بین میبرد یا کم میکند.
با این مجموعه دادهها، میتوان اثراتی را شناسائی و اندازهگیری کرد که در دادههای مقطعی محض یا سری زمانی خالص قابل شناسائی نیست.
زیاد بودن تعداد مشاهدات مسئله هم خطی در اقتصاد سنجی را نیز تا حدود زیادی حل میکند.
دادههای تابلویی با ارائه داده برای هزاران واحد، میتوانند تورشی را که ممکن است در نتیجه لحاظ افراد یا بنگاهها (به صورت جمعی و کلی) حاصل میشود، حداقل سازند.
مزیت عمده در این دادهها این است که دادههای گروهی یعنی دادههای مرکب از یک سری زمانی از نمونههای مقطعی بالقوه، از نظر اطلاعات غنیتر از نمونه مقطعی (N) خواهد بود و اگر صرفاً از سریهای زمانی استفاده شود تنها به اندازه مشاهدات (T) خواهد بود، اما با تلفیق این دو، تعداد دادهها به اندازه تعداد مقاطع ضربدر تعداد مشاهدات ( T˟N) افزایش خواهد یافت که این امر میتواند منجر به برآوردهای کاراتری از پارامترها شود. در محاسبه واریانس جامعه با توجه به مشاهدات مربوط به سری زمانی، واریانس به دست آمده از مشاهدات بر تعداد دادهها منهای تعداد پارامترها تقسیم میشود.
α_i^2 =(α_i^2)/(N-K) (3-1)
در حالی که در دادههای تابلویی داریم:
α_i^2=(α_i^2)/(NT-N-T) (2-3)
که معمولأ در این حالت مخرج بزرگتر شده و بنابراین واریانس محاسبه شده کوچکتر از واریانس به دست آمده از حالت دادههای سری زمانی میباشد و بنابراین کارایی تخمین افزایش مییابد. به همین قیاس چنانچه آزمون F ( آزمون معنیدار بودن کل رگرسیون) را در دو حالت یعنی سری زمانی و تابلویی مقایسه کنیم داریم:
در مدل سری زمانی:
F=(ḕē-éē/N-1)/(éē/(N-K)) (3-3)
در صورتی که در مدل تلفیقی F به صورت زیر محاسبه میگردد:
F=(ḕē-éē/(N-1))/(éē/(NT-N-K)) (3-4)
به وضوح مشخص است که مقدار F در مدل تابلویی میتواند بزرگتر از مدل سری زمانی باشد و احتمال معنیدار بودن کل رگرسیون بیشتر خواهد بود. همچنین دادههای تابلویی ما را قادر میسازند تا مدلهای رفتاری پیچیدهتر را مطالعه کنیم. دادههای تابلویی از طریق فراهم کردن تعداد دادههای زیاد تورش را پایین میآورد (بالتاجی50، 2005).
در روش تجزیه و تحلیل دادههای تابلویی، ابتدا یک مقطع خاص در نظر گرفته میشود و ویژگیهای متغیرهای مربوط، برای تمامی N مقطع در دوره زمانی مورد نظر T بررسی میشود. برابری تعداد دادهها در هر مقطع لازم نیست و همچنین میتوان متغیرهایی داشت که در یک مقطع برای دوره زمانی مورد بررسی ثابت باشند (بالتاجی، 2005).
3-4- ایستایی
الگوهای سری زمانی که اغلب برای پیشبینیهای کوتاه مدت مورد استفاده قرار میگیرند، سعی دارند تا رفتار یک متغیر را بر اساس مقادیر گذشته آن توضیح دهند. این الگوها قادرند این امکان را فراهم کنند که حتی در مواردی که الگوهای اقتصادی، زیرساخت نامشخصی دارند، پیشبینیهای دقیقتری را از متغیر مورد نظر ارائه کنند.
هر سری زمانی را میتوان محصول تولید یک فرایند تصادفی دانست. دادههای مربوط به این سری زمانی در واقع یک مصداق خاص از فرایند تصادفی است (جامعه و نمونه در دادههای مقطعی). نوعی از فرآیندهای تصادفی که مورد توجه بسیار زیاد تحلیلگران سریهای زمانی قرار گرفته است، فرایندهای تصادفی ایستا میباشند. استفاده از روشهای متداول اقتصادسنجی مانند OLS در کارهای تجربی بر این فرض استوار است که متغیرهای سری زمانی مورد استفاده ایستا هستند. از طرف دیگر، بسیاری از متغیرهای سری زمانی در اقتصاد ایستا نیستند. از این رو لازم است نسبت به ایستایی این متغیرها اطمینان حاصل کرد.
سری زمانی Xt ایستا است، اگر ویژگیهای زیر را دارا باشند.
میانگین آن برای تمام نقاط زمانی ثابت بماند.
(5-3) «E(Xt)=µ»

واریانس آن برای همه نقاط در طول زمان ثابت بماند.
≫var(xt)=E(xt -µ)2 =α2≫ (3-6)
مقدار کواریانس بین دوره زمانی، تنها به فاصله یا وقفه بین دو دوره بستگی داشته و ارتباطی به زمان واقعی محاسبه کوواریانس نداشته باشد.
Cov(Xt+j,xt+j-k) = cov(xt,xt-k)= γk (3-7)
بنابراین به طور خلاصه میتوان چنین گفت که یک سری زمانی وقتی ایستا است که میانگین، واریانس و کواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باقی بماند و مهم نباشد که در چه مقطعی از

پایان نامه
Previous Entries منبع پایان نامه ارشد درمورد رشد اقتصادی، کیفیت محیط، مصرف انرژی، انتشار CO2 Next Entries منبع پایان نامه ارشد درمورد اثرات ثابت، رگرسیون، مدل رگرسیون، آزمون فرضیه