پایان نامه ارشد درباره رگرسیون، حداقل مربعات معمولی، روش حداقل مربعات، تحلیل داده

دانلود پایان نامه ارشد

و تحليل، آنچه مهم است اين است که پژوهش‌گر بايد اطلاعات و داده‌ها را در مسير هدف پژوهش، پاسخ‌گويي به سوالات پژوهش و نيز ارزيابي فرضيه‌هاي پژوهش خود، مورد تجزيه و تحليل قرار دهد (حافظ نيا، 1385: 231).
در انجام اين پژوهش، روش‌هاي آماري و الگوهاي اقتصاد سنجي متعددي استفاده شده كه در ادامه به تفصيل تشريح مي‌شود. پس از جمع آوري اطلاعات، نخستين گام محاسبه آماره‌هاي توصيفي از متغيرهاي مورد استفاده است. اين آماره‌ها شامل ميانگين، ميانه، انحراف استاندارد و ساير اطلاعات مورد استفاده است. پس از بررسي آماره‌هاي توصيفي، توابع (الگوهاي) مورد نظر به کمک الگوهاي اقتصادسنجي برآورد خواهد شد که در ادامه به اين الگوها اشاره مي‌شود.
لازم به ذکر است که داده‌هاي اوليه اين پژوهش پس از استخراج از منابع ذكر شده وارد نرمافزار Excel ویرایش 2010 شده تا با انجام برخي محاسبات، متغير‌هاي مورد نياز براي آزمون فرضيههاي پژوهش بهدست آيد. سپس تجزيه و تحليل و آزمون فرضيههاي پژوهش، به همراه نتايج آن نيز با توجه به خروجي‌‍‍‌هاي به دست آمده از نرمافزارهای Stata نسخه 13 و Eviews نسخه 7، انجام مي‌شود.

الگوی اقتصادسنجی
روش مورد استفاده در این پژوهش برای تخمین فرضیه های تحقیق، پنل معمولی است. در ادامه به توضیح این روشها پرداخته میشود.
در مطالعات انجام شده در زمينهی مالی، روش كار بيشتر متكي بر روشهاي سري زماني يا آمار مقطعي بوده است، كه خود نيز مشكلات آماري از جمله مشكلاتي چون ناهمساني واريانس، وجود خودهمبستگي و … را به همراه داشته است. به همين دليل، در سالهاي اخير توجه بيشتر به سمت دادههاي تركيبي (سري زماني مقطعي) معطوف شده است. از جمله مزاياي استفاده از دادههاي تركيبي اين است كه وجود ناهمساني واريانس را محدود ميكند. دادههاي تركيبي با تركيب مشاهدات سريزماني و مقطعي، اطلاعات بيشتر، همخطي كمتر ميان متغيرها، درجهی آزادی و كارايي بيشتری را به دنبال دارد. همچنین، ميتوان از اين روش به منظور مطالعهی پويايي متغيرها نیز استفاده كرد. افزون بر این، دادههاي تركيبي تأثيري را كه نميتوان به سادگي در داده‏هاي مقطعي و سريزماني مشاهده كرد، بهتر نشان میدهد و محقق را قادر ميسازد تا مدل‏هاي رفتاري پيچيدهتر را مطالعه كند. به همین دلایل، در این پژوهش از روش دادههای ترکیبی استفاده شده است.
دادههای ترکیبی به یک مجموعه 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 دورهی زمانی مشخص (T) مورد بررسی قرار گرفته باشند. این N×T داده آماری را داده‏های ترکیبی یا دادههای مقطعی سریزمانی مینامند و دادههای ترکیبی شامل هر دو جنبهی دادههای سریزمانی و دادههای مقطعی است (زراء نژاد و انواری، 1384). در روش تجزیه و تحلیل دادههای ترکیبی ابتدا یک مقطع خاصی (مثلا ایالات، کشور یا استان) در نظر گرفته میشود. سپس، ویژگیهای متغیرهای مربوط، برای تمامی N مقطع در دورهی زمانی مورد نظر T بررسی میشود. در دادههای ترکیبی برابری تعداد دادهها در هر مقطع لازم نیست و میتوان متغیرهایی را در نظر گرفت که در یک مقطع از دورهی زمانی مورد بررسی ثابت باشند.

الگوی اقتصاد سنجی پنل معمولی
روش بررسی دادههای تابلویی
استفاده از روش دادههای مقطعی ممکن است با مشکلات عدم کارایی و ناسازگاری تخمین مدل‏ها همراه باشد. مشکلات مزبور در تخمین مدلها به روش دادههای ترکیبی و با استفاده از روشهایی مانند مدل اثر ثابت103، مدل اثر تصادفی104، مدل رگرسیون به ظاهر نامرتبط105 و مدل دادههای یکپارچه شده106، وجود نخواهد داشت. در بررسی دادههای مقطعی و سریزمانی، اگر ضریب اثرات مقطعی و اثر زمانی معنیدار نشود، میتوان تمامی دادهها را با یکدیگر ترکیب کرده و بوسیله رگرسیون حداقل مربعات معمولی107 تخمین زد. به این روش، دادههای تلفیق شده نیز میگویند. مدلهای اثر ثابت و اثر تصادفی به سبب اهمیت، در این قسمت به اختصار توضیح داده میشوند.

الف) مدل اثر ثابت
يكي از مشكلات تركيب دادههاي مقطعي و سريهاي زماني در وجود متغيرهاي غير قابل اندازه‏گيري اثرگذار بر متغير وابسته به مدل است. بنابراين، اگر با روشهايي اين متغيرها كنترل شود، ميتوان از روش حداقل مربعات معمولي يا حداقل مربعات تعميم يافته108 براي رسيدن به تخمينهاي كارا در مدل استفاده كرد. به كارگيري مدل اثر ثابت يكي از راههایي است كه ميتوان به وسيله آن اين مشكل را كاهش داد. مدل اثر ثابت به اين دليل به اثر ثابت معروف شده است، كه اثرات مشاهده نشده، به صورت جمله ثابت رگرسيون ظاهر مي‌شود.
در اين مدل با استفاده از روش متغيرهاي مجازي يا روش تفاضلگيري، اثرات متغيرهاي غير قابل محاسبه، كنترل مي‌شود. در روش متغيرهاي مجازي، اثرات مشاهده نشده در مدل منظور مي‌شود. اما، وابستگي اين مشاهدات با متغيرهاي توضيحي مستقل در نظر گرفته نمي‌شود. مدل‏هاي اثر ثابت با توجه به وجود يا عدم وجود روند زماني در جمله ثابت، به مدلهاي اثر ثابت دو طرفه يا يك طرفه قابل تفكيك است. در هر دو مدل شيب رگرسيونها براي كليه متغيرها در همهی مقطع ثابت است. شكل كلي مدل ثابت يك طرفه كه با روش متغيرهاي مجازي برآورد مي‌شود، به این صورت است:

در اين رابطه “X” _”it” نشان دهندهی برداري از متغيرهاي مستقل،”‌” 〖”DUM” 〗_”i ” 109 نشانگر متغير مجازي براي نشان دادن اثر مقطعي، Y_it برداري از متغيرهاي وابسته و e_it جمله خطاي معادله است (بالتاجي، 2005). در مدل اثر ثابت دو طرفه، شيب توابع در هر مقطع ثابت است، اما جمله ثابت (عرض از مبدا) هم با زمان و هم با مقطع تغيير ميكند (بالتاجي، 2005).‌ براي نشان دادن اين اثرات از i-1 متغير مجازي براي مقطع و t-1 متغير مجازي براي زمان به صورت زير استفاده مي‌شود:

در اين رابطه X_it نشان دهندهی برداري از متغيرهاي مستقل، DUM نشانگر متغيرهاي مجازي براي نشان دادن اثر مقطعي، Y_it برداري از متغيرهاي وابسته و e_it جمله خطاي معادله و اثر زمان بر روي جمله ثابت است. در تمامی مدلهاي اثر ثابتي كه شيب ثابت دارند، فرض مي‌شود كه خطاها در هر مقطع و همچنين بين مقاطع همسان است و خودهمبستگي بين اجزاء وجود ندارد. به بیان ديگر،‌ براي هر و وجود داشته باشد:
نقطه ضعف مدلهاي اثر ثابت با استفاده از متغيرهاي مجازي اين است كه براي تشريح مدل، بیشتر به متغيرهاي مجازي زيادي نياز است كه اين موضوع باعث كاهش درجهی آزادي رگرسيون و كاهش آمار آزمونهاي ضرايب مدل مي‌شود. بنابراين، به جاي استفاده از متغيرهاي مجازي مي‏توان از روش تفاضلگيري استفاده كرد. در اين روش، پس از محاسبهی ارزش ميانگين متغيرهاي مشاهده شده، اين مقادير از ارزشهاي متغيرها در مدل اوليه كم مي‌شود. در اين حالت، اثر متغيرهاي مشاهده نشده اثرگذار بر متغير وابسته به صورت زير از مدل حذف مي‌شود:

در رابطهی مزبور، متوسط خطاها در هر مقطع است و اندازهی متوسط متغيرهاي مستقل و وابسته براي هر مقطع در طول زمان به صورت زير محاسبه مي‌شود:‌

اما، با توجه به كاهش واريانس متغيرهاي توضيحي در مدل به دليل تقاضلگيري، حذف ضريب ثابت و همچنين كاهش درجهی آزادي، براي حذف اثر متغيرهاي مشاهده نشده در هر مقطع، روش اثر ثابت را ميتوان به صورت زير تغيير داد:‌

در رابطهی مزبور، با استفاده از روش تفاضل اول، اثر متغيرهاي مشاهده نشده از مدل حذف مي‌شود. اين مدل نيز به دليل وجود همبستگي بين اجزای خطا كارايي لازم را ندارد، اما از مدل قبلي بهتر است.

ب) مدل اثر تصادفی
در مدلهاي اثر ثابت، براي دستيابي به تخمين كارا از روش حذف متغيرهاي غير قابل اندازهگيري اثرگذار در مدل استفاده میشود. به كارگيري اين روش موجب حذف بسياري از متغيرهاي مهم اثرگذار در رگرسيون دادههاي تركيبي مي‌شود. به اين دليل ميتوان با وارد كردن اين متغيرها در اجزاء خطا، به روشي ديگر اين مشكل را حل كرد. اين روش به مدل اثر تصادفي معروف است. اولين شرط براي

پایان نامه
Previous Entries پایان نامه ارشد درباره ارزش شرکت، مسئولیت اجتماعی، مسئولیت اجتماعی شرکت، جریان نقد عملیاتی Next Entries پایان نامه با کلید واژگان داراییهای نامشهود، آزمون فرضیه، تحلیل واریانس، رگرسیون