پایان نامه ارشد با موضوع رگرسیون، سریهای زمانی، داده های تلفیقی، داده های سری زمانی

دانلود پایان نامه ارشد

دار بودن ضرایب β ، از آماره هایt و p-value استفاده می شود.
3-11).روش های آماری مورد استفاده
از آنجا که مدل‌هاي خطي مورد استفاده در اين پژوهش شامل مدل‌هاي رگرسيوني است، لذا در اين بخش به شرح مختصري پيرامون اين نوع از مدل‌ها و مفروضات کلاسيک آن پرداخته ميشود.
تحلیل رگرسیون در واقع بدنه اصلی مطالعات اقتصادسنجی را تشکیل می دهد، به طور کلی،اقتصاد سنجی درباره مدلهای رگرسیون و نحوه ی برآورد آنها بحث می کند. اقتصاد سنجی، روش هایی برای شناسایی و تخمین مدلهای با چند مجهول را ایجاد می کند؛ که این روش ها به محقق اجازه می دهد که استنتاجی علی معلولی در شرایطی غیر از شرایط آزمایشی کنترل شده ارائه دهد.
به کمک تکنیک های اقتصادسنجی می توان ضرایب مجهول مدل ساخته شده را برآورد کرد و سپس(در صورت برقرار بودن تعدادی فرض) به استنتاج آماری درباره ی آن پرداخت. در اقتصاد سنجی بیان می شود که علاوه بر متغیرهای مستقل(متغیرهای توضیح دهنده) موجود درمدل رگرسیون، عوامل دیگری وجود دارند که بیان کمّی آنها معمولاً دشوار است و در نتیجه، وارد کردن آنها در مدل مقدور نیست. همچنین از طرف دیگر در دنیای واقعی همواره عناصر تصادفی غیرقابل پیش بینی وجود دارند که اساساً نمی توان آن را در مدل های ریاضی گنجاند. در نتیجه می توان استدلال کرد که مدل های ریاضی برای توضیح پدیده های اقتصادی دقیق نیستند و خطا دارند؛ که به این خطا، اصطلاحاً جمله اخلال می گویند، زیرا تعادل مدل ریاضی را مختل می کند.جهت هر تحليل اقتصادسنجي بايد به قابليت دسترسي به داده‌هاي صحيح توجه نمود.انواع داده‌هايي که عموماً براي تحليل‌هاي تجربي به کار ميرود، در قالب داده‌هاي سري زماني، مقطعي و ترکيبي مطرح مي گردند.
در داده‌هاي سري زماني يک يا چند متغير طي يک دوره زماني مورد بررسي قرار ميگيرند.این دوره می تواند سالانه، فصلی، ماهانه، هفتگی یا حتی به صورت پیوسته باشد.داده های سری زمانی به طور کلی موضوع کار اقتصادسنجی کلان است، که روش های اقتصادسنجی را در سطح کلان بررسی می کند. در اقتصاد کلان عموماً از سری زمانی های سالانه یا فصلی استفاده می شود چراکه جمع آوری اطلاعاتی مانند حسابهای ملی در فواصل کوتاه تر با دشواری های زیادی همراه است. اما در اقتصاد سنجی مالی که داده ها در هر زمان به آسانی قابل گزارش هستند، استفاده از سری های زمانی ساعتی یا حتی دقیقه ای نیز امری غیر معمول نیست. که معمولاً از اندیس t برای داده های سری زمانی استفاده می کنند.
در داده‌هاي مقطعي مقادير يک يا چند متغير براي چند واحد يا مورد نمونهاي در يک زمان يکسان جمعآوري ميشود. که معمولاً از اندیس i برای داده های مقطعی استفاده می کنند.
در داده‌هاي ترکيبي(تلفیقی)، واحد‌هاي مقطعي يکسان طي زمان مورد بررسي قرار ميگيرند. بنابراین حجم مشاهدات در داده های تلفیقی نسبتاً زیاد است. در سالهای اخیر، کاربرد داده های تلفیقی در اقتصادسنجی افزایش بسیاری یافته است.معمولاً داده های تلفیقی و مقطعی در اقتصادسنجی خرد به کار می روند، که موضوع آن بررسی روشهای اقتصاد سنجی در اقتصادخرد است(درخشان،1385).

3-11-1). فروض کلاسیک مدل رگرسیون خطی
مدل رگرسيون خطي مبتنی بر پنج فرض کلاسيک به شرح زير است:
فرض 1 : ميانگين اجزای اخلال (et‌ها) برابر صفر است(E(et=0).
اين فرض بيان ميکند که مقدار ميانگين اجزای اخلال (et‌ها) بر حسب xt مفرض، صفر است.
هر مجموعه Y مربوط به يک X مفروض، در اطراف مقدار متوسط آن توزيع شده اند که بعضي از مقادير آن بالای ميانگين و برخي پايين آن قرار دارند.
فرض 2 : عدم وجود خود همبستگی بين اجزای اخلال(etها)(Cov(ei , ej)=0).
اين فرض بيان ميکند که بين اجزاي اخلالeiو ej همبستگي وجود ندارد. از نظر تکنيکي، اين فرض بيانگر عدم وجود همبستگي سريالي يا عدم وجود خود همبستگي است و به عبارت ديگر پس از هر ei مثبت، ei مثبت ديگري وجود دارد و يا پس از هر ej منفي، ej منفي ديگري وجود دارد.
فرض 3 : يکساني(همساني) واريانس بين اجزای اخلال(etها)(Var(et)= δ2)
فرض مذکور بيان ميکند که واريانسetبراي هرxtعدد ثابت و مثبتي معادل2δاست. از نظر آماري معادله (Var(et)= δ2) ،فرض همساني پراکندگي يا واريانس برابر را نشان ميدهد.
فرض 4 : کوواريانس صفر بين et و xt(متغير‌هاي توضيحي غير تصادفياند)(Cov(xt , et)=0).
اين فرض بيان ميکند که جزء اخلال et و متغير توضيحی xtناهمبستهاند و دليل منطقي اين فرض به قرار ذيل است: اگر x وe همبسته باشند تشخيص تأثير خاص و مجزای هر کدام بر متغير Y ممکن نيست. بنابراين اگر x و e به طور مثبت همبستگی داشته باشند،x با افزايشe افزايش و با کاهشe، کاهش مي يابد و چنانچه بين اين دو همبستگی منفی وجود داشته باشد، تغييرات آنها در جهت عکس يکديگر خواهد بود و به هر ترتيب جدا کردن تأثيرx بر Y دشوار خواهد بود.
فرض 5 : مدل رگرسيون دقيقاً تصريح شده باشد(عدم وجود خطاي تورش يا تصريح).
اين فرض اولاً برای يادآوری اين موضوع است که تحليل رگرسيون و در نتيجه نتايج مبتني بر اين تحليل، به مدل انتخابی بستگی دارد و ثانياً هشدار اينکه بايد در فرمول بندی مدل‌های اقتصادسنجي بسيار دقيق بود(گجراتي، 1387).
در نتیجه با توجه به مفروضات مدل‌هاي رگرسيوني ، قبل از تخمین و اجرای مدل های رگرسیون لازم است از وجود برخی شرایط در بین متغیرها اطمینان حاصل شود؛ بنابراین به منظور اطلاع از برخورداری داده های پژوهش از شرایط لازم ، انجام تعدادی آزمون بر روی متغیرها ضروری می باشد که در ادامه فصل به اختصار به کلیات آن اشاره می شود .
3-11-2). نرمال بودن
برای بررسی نرمال بودن داده ها از آزمون های نرمال بودن143استفاده می شود . این آزمون ها به طور کلی به دو گروه روش ترسیمی144 و روش های عددی145 تقسیم می شوند . روش های ترسیمی تنها تصویری از توزیع متغیر تصادفی را ارائه می کنند اما روش های عددی قادرند معیارهای عینی و کمی برای قضاوت در خصوص نرمال بودن توزیع متغیر تصادفی فراهم نماید . در روش های عددی می توان هم آمار توصیفی و هم از تکنیک ها و آزمون های مختلف آمار استنباطی استفاده کرد . در این پژوهش با استفاده از آزمون جارگ – برا به عنوان یک روش عددی به آزمون نرمال بودن داده ها پرداخته شده است .
در آزمون جارگ – برا از اختلاف بین ضریب کشیدگی و چولگی داده های مورد بررسی می توان به نرمال بودن توزیع داده ها پی برد . در این آزمون فرض صفر مبتنی بر نرمال بودن است که در صورت به دست آمدن احتمال تایید کمتر از 5 درصد ، فرض صفر با احتمال 95 درصد اطمینان پذیرفته نمی شود (جعفری سرشت ، 1389).

3-11-3). ناهمسانی واریانس
یکی از مهمترین فروض مدل کلاسیک رگرسیون خطی این است که اجزای اخلال u_itکه در تابع رگرسیون ، جامعه ظاهر می شوند ، دارای واریانس همسان می باشند یعنی :=σ^2 E(u_i^2) i=1,2,….n
اگر این فرض تامین نشود دارای ناهمسانی واریانس خواهیم بود . مشکل ناهمسانی واریانس ، در داده های مقطعی متداول تر از داده های زمانی است . از آن جایی که یکی از ابعاد داده های تابلویی ، بعد مقطعی می باشد. لذا در پژوهش حاضر امکان مواجه با مساله ناهمسانی واریانس وجود دارد . برای رفع ناهمسانی واریانس می توان از روش حداقل مربعات تعمیم یافته (EGLS) استفاده کرد (گجراتی،1387).
حال سوال عملی مهم در ناهمسانی واریانس این است که چگونه می توان دریافت که ناهمسانی در یک حالت خاص موجود است . روش های متعددی برای کشف ناهمسانی واریانس ارائه شده است که عبارتند از : روش ترسیمی ، آزمون پارک ، آزمون گلچستر ، آزمون گلوفلد – کوانت ، آزمون بارتلت، آزمون بروچ – پاگان، آزمون پیک ، آزمون همسانی عمومی وایت، آزمون لوین (گجراتی،1387: 421). که در این پژوهش برای بررسی ناهمسانی واریانس از روش بارتلت استفاده می شود.
3-11-4). خودهمبستگی
یکی از مفروضاتی که در رگرسیون مدنظر قرار می گیرد ، استقلال خطاها ( تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون ) از یکدیگر است . درصورتی که فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند امکان بهره مندی از رگرسیون وجود ندارد (مومنی و قیومی ،1391).
برای تشخیص وجود خود همبستگی می توان از روش ترسیمی ، آزمون دوربین _ واتسون استفاده نمود.
الف – روش ترسیمی
اگر بتوان باقیمانده های روش OLS را در مقابل زمان ترسیم نمود آن گاه وجود همبستگی به وسیله مشاهده یک الگوی پیوسته در جملات خطا شناخته می شود ، بدین معنی که اگر اندازه جمله خطا به تدریج بزرگتر یا کوچکتر شود، یا یک الگوی سیکلی را نشان دهد ، معرف آن است که متغیر دیگری وجود دارد که به طور سیستماتیک بر متغیر مستقل اثر دارد.
ب – آزمون دوربین واتسون
این آزمون از مشهورترین آزمون ها جهت تشخیص خود همبستگی است. زمانی که آماره دوربین واتسون در حدود 1.5 تا 2.5 باشد، معرف آن است که خود همبستگی وجود ندارد، ولی مقادیر بالاتر یا کمتر از 1.5 تا 2.5 معرف آن است که جملات خطا به صورت تصادفی اتفاق نمی افتند و بنابراین ، نتایج غیرواقعی است(همان منبع).
روش های گوناگون برای رفع خود همبستگی وجود دارد که عبارتند از: روش اولین تفاضل ، روش کوکران – اورکات، روش دوربین – واتسون و روش GLS ( گجرانی،1387: 547).
در این پژوهش برای تشخیص خود همبستگی از آزمون دوربین – واتسون استفاده می شود.به طوریکه اگر 1.5DW2.5 باشد خود همبستگی در مدل وجود ندارد و در صورت وجود خود همبستگی در مدل با اضافه کردن جزء متغیر توضیحی(AR146(1), AR(2),MA(2),…….)مشکل خود همبستگی حل می شود (بدری،1389).
3-11-5). هم خطی
اصطلاح هم خطي، منسوب به راگنارفريش است. هم خطي در اصل به معناي وجود ارتباط خطي بين همه يا بعضي از متغيرهاي توضيحي مدل رگرسيون است. از فروض كلاسيك، كامل بودن مرتبه ماتريس X (ماتريس متغيرهاي توضيحي) است كه نقض اين فرض موجب بروز مشكل هم خطي مي شود. البته هم خطي بر دو نوع هم خطي كامل و هم خطي ناقص است و در صورتي كه هم خطي از نوع كامل باشد، فرض كلاسيك مذكور نقض می شود و با استفاده از موارد زير هم خطي رفع می شود:
1.حذف متغيري كه باعث هم خطي شده است
2.تبديل متغيرها (به جاي سطح، از اولين تفاضل استفاده شود)
3.استفاده از لگاريتم داده ها
4.استفاده از داده هاي جديد و اضافي (عادل آذر،1380)
3-11-6). آزمون مانایی
داده های مورد استفاده در مطالعات اقتصاد سنجی را می توان به سه دسته داده های سری زمانی، مقطعی، پانلی تقسیم بندی کرد. به استثنای داده های مقطعی، در بقیه داده ها باید آزمون ریشه واحد صورت گیرد (صمدی،25). روشهای سنتی اقتصادسنجی در برآورد ضرایب یک الگو، مبتنی بر پايا147 (مانا) بودن سریهای زمانی میباشند. متغیر سریزمانی وقتی مانا است که میانگین، واریانس، کواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باشد و مهم نباشد كه در چه مقطعي از زمان، اين شاخصها را محاسبه كنيم. امّا از طرفي، «بررسيهايي كه از سالهاي 1990 به بعد انجام شده، نشان داده است كه بسياري از متغيرهاي سريزماني در اقتصاد مانا نيستند»(هژبر کیانی، 1376: 52). به عبارتی دیگر، میانگین و واریانس این سریها در طول زمان متغیر بوده و کواریانس آنها در ازای وقفههای مشخص، ثابت نیست که از این خصوصیات به عنوان نامانا148بودن سریهای زمانی یاد میشود. اگر سریهای زمانی مورد استفاده در برآورد ضرایب الگو نامانا باشند، برآورد الگو با چنین متغیرهایی ممکن است به رگرسیون کاذب149 منجر شود؛ بدین معنی که ممکن است ضریب تعیین R^2 به دست آمده از الگوی برآوردی بسیار بالا بوده، ولی هیچ رابطۀ معنیداری بین متغیرهای الگو وجود نداشته باشد. عدم توجه به چنین نکتهای، موجب گمراهی محقق و استنباطهای غلط در مورد ارتباط بین متغیرها خواهد شد. از اين رو قبل از استفاده از اين متغيرها لازم است نسبت به مانايي يا عدم مانايي آنها اطمينان حاصل كرد.(نوفرستی ،1378:86)
آزمون مزبور با

پایان نامه
Previous Entries پایان نامه ارشد با موضوع قلام تعهدی، اقلام تعهدی، جریان های نقدی، جریان های نقدی عملیاتی Next Entries پایان نامه ارشد با موضوع ریشه واحد، رگرسیون، قلام تعهدی، اقلام تعهدی