پایان نامه ارشد با موضوع دادههای پانل، ریشه واحد، رگرسیون، امید به زندگی

دانلود پایان نامه ارشد

به صورت مجزا برای کشور ایران مورد بررسی قرار گرفتند که نتایج حاکی از این هست که افزایش زاد و ولد تنها در صورتی مناسب خواهد بود که بايد به تناسب آن رشد اقتصادي و فرصتهای جديد شغلي نيز جهت افزايش سطح رفاه اين جمعيت بايد به تناسب افزايش يابند.

4-1- مقدمه
در این فصل از تحقیق سعی بر این است که روششناسی تحقیق مورد بررسی قرار بگیرد. برای این منظور، در ابتدا مدل تحقیق بررسی میشود و سپس به تعریف عملیاتی متغیرهای مدل پرداخته میشود. همچنین در قسمت معرفی روش تحقیق نیز به اختصار به مزایای دادههای پانلی نسبت به سریهای زمانی و دادههای مقطعی اشاره شده و سپس آزمون مانایی دادههای پانلی از طریق آزمون لوین، لین و چو43، ایم، پسران و شین44 و آزمون فیشر45 به صورت تئوریکی، مورد تجزیه و تحلیل قرار میگیرد و در پایان مدل اثرات ثابت46 و مدل اثرات تصادفی 47 مطرح میشود.
4-2- مدل تحقیق
هدف اصلی این تحقیق بررسی تأثیر نرخ خام تولد به ازای هر 1000 نفر بر تولید ناخالص داخلی سرانه کشورهای منتخب سازمان کنفرانس اسلامی با استفاده از دادههای پانلی طی دوره زمانی 2011-1990میباشد. الگوی اقتصادسنجی مورد استفاده در این مطالعه برگرفته از مدل مورد استفاده توسط پرتنر و همکاران48 (2013) میباشد که تعدیل یافته مدل مذکور به شکل زیر می‌باشد:

Y_it=A_i 〖+β_i CBR〗_it+∂_i ∑_(i=1)^n▒Z_it +ε_it (4-1)

: Y_it تولید ناخالص داخلی سرانه بر اساس برابری قدرت خرید پول49
CBR_it50 : نرخ خام تولد به ازای هر 1000 نفر به عنوان عامل باروری در نظر گرفته شده است.
Z_it : بیانگر i امین متغیر کنترل در زمان tمیباشد که شامل متغیرهای زیر میباشد:
:LE امید به زندگی در بدو تولد51
EC : مصرف سرانه انرژی 52
K: تشکیل سرمایه ناخالص سرانه 53
وε نشانگر جمله اخلال میباشد.
A_i بیانگر اثرات ثابت،β_(i ) بیانگر بردار ضرایب بلندمدت باروری، ∂_i بیانگر بردار ضرایب بلندمدت متغیرهای کنترل میباشد.
با توجه به مبانی نظری و تئوریکی ارائه شده انتظار می‌رود علامت ضرایب نرخ خام تولد به ازای هر 1000 نفر، مصرف سرانه انرژی، تشکیل سرمایه ناخالص سرانه و امید به زندگی در بدو تولد مثبت باشند.
4-3- تعریف عملیاتی متغیرها
در این قسمت از تحقیق، تعریف عملیاتی متغیرهای مورد استفاده در مدل بحث میشود. دوره زمانی مورد مطالعه، سالهای 2011-1990 بوده و متغیرهای مدل عبارتند از :
Y_it: تولید ناخالص داخلی سرانه بر اساس برابری قدرت خرید پول (به قیمت ثابت سال پایه 2005) که دادههای مربوط به این شاخص، از WDI جمعآوری شده است و سپس دادههای مربوطه به فرم لگاریتمی تعریف شدهاند.
:CBR_it نرخ خام تولد به ازای هر 1000 نفر به عنوان عامل باروری در نظر گرفته شده است که بیانگر تعداد کودکان زنده به دنیا آمده به ازای هر 1000 نفر جمعیت برآورد شده در طول یک سال معین میباشد که دادههای مربوط به این شاخص، از WDI جمعآوری شده است .
: LEامید به زندگی در بدو تولد میباشد که بیانگر متوسط سالهایی هست که شخص در هنگام تولد انتظار دارد زندگی کند. دادههای مربوط به این متغیر، از WDI جمعآوری شده است و سپس دادههای مربوطه به صورت لگاریتمی تعریف شدهاند.
EC : مصرف سرانه انرژی بر حسب کیلوگرم معادل نفت خام که دادههای مربوطه از WDI بدست آمده است.
K: تشکیل سرمایه ناخالص سرانه بر حسب دلار ثابت که از تقسیم شاخص تشکیل سرمایه ناخالص بر حسب دلار ثابت بر جمعیت بدست آمده است. و سپس دادههای مربوطه به صورت لگاریتمی تعریف شدهاند. دادههای مربوطه از WDI تهیه شده است.
4-4- معرفی دادههای پانل و کاربردهای آن
به طور کلی در مطالعات اقتصادی با سه نوع از دادهها مواجه هستیم که عبارتند از:
1- دادههای سری زمانی54
2- دادههای مقطعی55
3- دادههای پانلی56
در دادههای سری زمانی مقدار یک یا چند متغیر در طول یک دوره زمانی مشخص مشاهده میشود اما در دادههای مقطعی، مقادیر یک یا چند متغیر برای چندین واحد اقتصادی برای یک زمان مشخص گردآوری میشود.
دادههای پانلی ترکیبی از دادههای مقطعی و سری زمانی میباشند. بدین صورت که دادههای پانلی دارای دو بعد میباشند که یک بعد آن مربوط به واحدهای مختلف در هر مقطع زمانی خاص است و بعد دیگر آن مربوط به زمان میباشد.
به طور کلی دادههای پانلی دارای مزایای زیادی نسبت به دادههای مقطعی و سری زمانی میباشند که برخی از مهمترین آنها عبارتند از:
الف) مطالعه مشاهدات به صورت دادههای پانلی، وضعیت مناسبتری برای مطالعه و بررسی پویایی تغییرات نسبت به سری زمانی و مقطعی فراهم میآورد.
ب) محققان میتوانند از دادههای پانلی برای مواردی که استفاده از دادههای مقطعی و سری زمانی ناکارآمد است استفاده کنند. مثلاً در بررسی تابع تولید مسألهای که وجود دارد این است که بتوان تغییرات تکنولوژیکی را از صرفههای به مقیاس تفکیک کرد. در این گونه موارد کاربرد دادههای مقطعی در فرآهم آوردن اطلاعاتی درباره صرفههای به مقیاس میباشد. در حالیکه دادههای سری زمانی اثرات هر دو را بدون هیچ گونه تفکیکی نشان میدهد. بنابراین صرفههای اقتصادی و تغییرات تکنولوژیکی میتواند توسط دادههای پانلی مورد بررسی و آزمون قرار بگیرد.
ج) دادههای پانلی حاوی اطلاعات بیشتر ، تغییرپذیری بیشتر، درجه آزادی بالاتر، همخطی کمتر میان متغیرها و کارایی بالاتر نسبت به دادههای مقطعی و سری زمانی میباشند. با توجه به اینکه دادههای پانلی ترکیبی از دادههای مقطعی و سری زمانی میباشند، باعث کاهش همخطی شده و برآوردهای معتبرتری را میتوان انجام داد.
د) دادههای پانلی از طریق فراهم آوردن تعداد دادههای بیشتر، تورش را کاهش میدهد.
ه) دادههای پانلی امکان طراحی الگوهای رفتاری پیچیدهتری را فراهم میکنند.
و) با مجموعه دادههای پانلی، میتوان اثراتی را شناسایی و اندازهگیری کرد که در دادههای مقطعی محض یا سری زمانی خالص قابل شناسائی نیست. گاهی استدلال میشود دادههای مقطعی، رفتارهای بلندمدت را نشان میدهند، در حالی که در دادههای سری زمانی بر اثرات کوتامدت تأکید میشود. با ترکیب این دو خصوصیت در دادههای پانل، که خصوصیت متمایز دادههای پانلی است، ساختار عمومیتر و پویاتری را میتوان تصریح و برآورد کرد (اشرفزاده و مهرگان، ۱۳۸۷).
در آخر باید اضافه کرد که مدلهای پانل سنتی بدون در نظر گرفتن ایستایی متغیرها وجود و یا عدم وجود رابطه همانباشتگی بین آنها مورد برآورد قرار میگرفتند و احتمال دچار شدن به خطای رگرسیون کاذب در این مدلها بیشتر بود ولی در تکنیک همانباشتگی پانلی این نقایص برطرف شده و آزمونها و تخمینهای انجام یافته با استفاده از این روش از استحکام و سطح اطمینان بیشتری نسبت به مدلهای پانل سنتی برخوردارند.

4-5 – آزمون مانایی در دادههای پانل
در تحلیلهای اقتصادی فرض بر این است که بین متغیرهای مطرح در یک تئوری اقتصادی، ارتباط بلندمدت و تعادلی برقرار است. به طور کلی یک فرآیند تصادفی وقتی ساکن (مانا) نامیده میشود که میانگین و واریانس آن در طول زمان ثابت باشند و مقدار کوواریانس بین دو دوره زمانی، تنها به فاصله یا وقفهای بین این دو دوره بستگی داشته باشد و ارتباطی به زمان واقعی محاسبه کوواریانس نداشته باشد.
یکی از آزمونهایی که برای بررسی مانایی متغیرهای سری زمانی مورد استفاده قرار میگیرد آزمون ریشه واحد است. آزمون ریشه واحد بر این اساس است که وقتی در یک فرآیند خود رگرسیونی مرتبه اول y_t= ρy_(t-1)+U_t و ρ= 1 در این صورت سری زمانی y_tدارای ریشه واحد است. در اقتصادسنجی سریهای زمانی، سری زمانی که دارای ریشه واحد باشد فرآیند گام تصادفی57 نامیده میشود و نمونهای از یک سری زمانی نامانا است.
بنابراین وجود متغیرهای ناایستا در مدل سبب میشود تا آزمونهای کلاسیک t و F از اعتبار لازم برخوردار نباشند. در چنین حالتی با رگرسیون کاذب58 مواجه خواهیم بود. گرچه پی بردن به امکان وجود رگرسیون کاذب و استفاده از آرمونهای ایستایی در دادههای سری زمانی به سالهای گذشته برمیگردد ولی استفاده از آزمونهای ایستایی در دادههای پانلی به اوایل دهه 1990 باز میگردد. در طول دهه گذشته تحقیقات متعددی در مورد آزمون ریشه واحد پانل دیتا انجام گرفته است، آزمونهای ریشه واحد دادههای پانلی توسط کواه59 (1992و1994) و بریتون60 (2002) پایهریزی شد. این مطالعات توسط لوین، لو و چو61 (1992و 2003) و ایم، پسران و شین62 (1997و 2003) تکمیل شد. هر کدام از آزمونهای مطرح شده تصریحات متفاوتی برای فرضیه صفر و فرضیه آلترناتیو دارند و همچنین روشهای متفاوتی برای شناسایی مشکلاتی از قبیل همبستگی سریالی و ناهمسانی واریانس دارند. بنابراین با توجه به آزمونهای ایستایی در دادههای پانلی، آزمونهای لوین لین و چو (LLC)، ایم، پسران و شین (IPS) و فیشر63 در قسمت زیر توضیح داده میشوند.
4-5-1- آزمون مانایی لوین، لین و چو (LLC)
لوین، لین و چو (2002) نشان دادند که در دادههای پانلی استفاده از آزمون ریشه واحد برای ترکیب دادهها دارای قدرت و اعتبار بیشتری نسبت به آزمون ریشه واحد برای هر مقطع به صورت جداگانه است. اوه64 (1996) و فرانکن و روزی65 (1996) وو66 (1999)، با مثالهایی در تحقیقات خود نشان دادند که آزمونهاي معمول ريشه واحد مثل ديکي فولر، ديکي فولر تعميم يافته و فليپس پرون که براي يک سري زماني مورد استفاده قرار ميگيرند از توان آزمون پاييني برخوردار بوده و داراي تورش به سمت قبول فرضيه صفر هستند. اين موضوع وقتي که حجم نمونه کوچک است، خيلي تشديد ميشود. يکي از روشهايي که براي رفع اين مشکل پيشنهاد شده، استفاده از دادههاي تابلويي براي افزايش حجم نمونه و آزمون ريشه واحد میباشد.
لوین و لین آزمون ریشه واحد را به صورت زیر نشان دادهاند:

〖∆X〗_it= ρ_i X_(i,t-1)+δ_t+ α_i+ε_(i,t) (4-2 )

і = 1,2,…,N
t = 1,2,…,T
که در رابطه فوق، N تعداد مقاطع و T دوره زمانی،ρ_i پارامتر خودهمبسته برای هر مقطع، δ اثر زمان، α_i ضریب ثابت برای هر مقطع و ε_(i,t) خطای مدل که دارای توزیع نرمال با میانگین صفر و واریانسδ^2 است. این آزمون بر اساس آزمون ADF به صورت زیر در نظر گرفته شده است:

〖∆X〗_it= ρ_i X_(i,t-1)+δ_t+α_i+∑_(j=1)^(l_i)▒θ_ij 〖∆X〗_(i,t-j)+ε_it (4-3)
که در رابطه فوق، ρ_i پارامتر خودهمبسته برای هر مقطع، l_i طول وقفه، δ اثر زمان، α_i ضریب ثابت برای هر مقطع ε_it خطای مدل که دارای توزیع نرمال با میانگین صفر و واریانسδ^2 است. آزمون LLC آزمون ترکیبی آزمون ADF با روند زمانی است که در ناهمگنی مقطعها و ناهمسانی واریانس جملات خطا، دارای قدرت بالایی است.
فرضیات این آزمون به صورت زیر میباشد:

{█(H_0:ρ_i=0 @H_1:ρ_i0)┤ (4-4)
در این فرضیات هر چه TوN بزرگتر شوند، آماره آزمون به سمت توزیع نرمال با میانگین صفر و واریانس یک میل خواهند کرد. آزمون LLC دارای چند مرحله است. ابتدا به جای رابطه معمولی از رابطه زیر استفاده شده است:

〖∆X〗_it= ρ_i X_(i,t-1)+δ_it + α_i+ ∑_(j=1)^(l_i)▒θ_ij 〖∆X〗_(i,t-j)+ε_it (4-5)
برای انجام آزمون بر اساس این رابطه LLC از دو معادله زیر برای محاسبه مقدار استفاده میکنند:
〖∆X〗_it=∑_(j=1)^(l_i)▒θ_ij 〖∆X〗_(i,t-j)+δ_i t+α_i+ ε_it → ε ̂_it (4-6)

(4-7)

پایان نامه
Previous Entries پایان نامه ارشد با موضوع تولید ناخالص داخلی، امید به زندگی، کشورهای منتخب، رشد جمعیت Next Entries دانلود پایان نامه با موضوع بازارگرایی، فرهنگ سازمانی، چابکی سازمانی، ارزش افزوده