پایان نامه با کلمات کلیدی داده های تلفیقی، اثرات ثابت، مدل رگرسیون

دانلود پایان نامه ارشد

(بدون اندیس i) می باشد. بر این اساس مقدار عرض از مبدأ به صورت زیر بیان می شود:
α_1i=α_1+e_(i ) (3-14)
ei جمله خطای تصادفی با میانگین صفر و واریانس 2σ می باشد. در مدل اثر احتمالی فرض بر آن است که همبستگی ei با متغیرهای توضیحی صفر می باشد:
cov(x_it,e_i )=o t=1,2,3,….,T (3-15)
با جایگزینی رابطه 3-14 در رابطه3-13، خواهیم داشت:
y_it=α_1+β_1 x_1it+β_2 x_2it+u_it+e_i (3-16)
در رابطه فوق، مقدار uit نشان دهنده خطای هر مشاهده بوده و ei به عنوان یک متغیر غیر قابل مشاهده نشان دهنده خطای (تصادفی) مقطعی معین می باشد. اگر i نشان دهنده مقاطع یا افراد می باشد، در این صورت در برخی موارد به آن اثر انفرادی89 و یا نا همگونی فردی90 نیز اطلاق می شود. به صورت مشابه همین واژه ها را در مورد شرکت ها نیز می توان بکار برد. بدین ترتیب u_it+e_i خطای کل با شرط cov(u_it,e_i )=0 برای تمام t ها و i ها است که ان را می توان به عنوان جمله خطای ترکیبی (vit) تعریف نمود. بدین ترتیب رابطه 3-16 را می توان بشکل زیر خلاصه نمود:
y_it=α_1+β_1 x_1it+β_2 x_2it+v_it (3-17)
بنابر این در مدل اثر تصادفی ( بر خلاف مدل اثر ثابت که در آن هر واحد مقطعی مقدار عرض از مبدأ ثابت خود را دارد)، عرض از مبدأ α_1، میانگین تمام عرض از مبدأهای مقطعی را نشان می دهد و جز خطای u_i، انحراف (تصادفی) عرض از مبدأ انفرادی را از این میانگین مشخص می نماید(مشکی، 1390).

۳-2-6-2) مدل داده های تلفیقی پویا
در صورتی مدل رگرسیون مورد تحلیل در برگیرنده یک یا چند عنصر با وفقه از متغیر وابسته به عنوان متغیر توضیحی باشد، در آن صورت مدل را مدل خود رگرسیونی یا مدل دینامیک (پویا) می نامند. این مدل ها در واقع بیانگر رگرسیون متغیر وابسته بر حسب خودش با وفقه زمانی معین می باشد. مدل های خود رگرسیونی از شکل مشترک زیر برخوردارند:
Y it = α 1 + β1 Xit + β2 Yit-1 + v it (3-18)
روش کلاسیک حداقل مربعات به طور مستقیم در مدل فوق قابل کاربرد نمی باشد. این موضوع ناشی از دو علت است: اول به لحاظ وجود متغیر توضیحی استوکاستیک و دوم به لحاظ امکان وجود همبستگی سریالی در اجزای اخلال. به عبارت دیگر در صورتی که متغیر توضیحی در مدل رگرسیون با جزء اخلال استوکاستیک همبسته باشد، در این صورت تخمین زنهای OLS تورش دار خواهند بود. یکی از راه حل های موجود برای مشکل استفاده از متغیرهای ابزاری است. به این معنی که بتوان برای متغیر yit-1 جانشینی پیدا نمود که علی رغم همبستگی شدید با متغیر مزبور، با v it همبسته نباشد. چنین جانشینی متغیر ابزاری نامیده می شود.

۳-2-7) تکنیک های تخمین سیستم معاملات
سیستم معادلات مشتمل بر مجموعه ای از معادلات با ضرایب نا معلوم می باشد که با استفاده از روش های متععدی می توان اقدام به برآورد ضرایب آن نمود. برخی از روش های تخمین برای برآورد ضرایب متغیرهای مستقل که در این پژوهش از آن استفاده شده را می توان بشرح زیر خلاصه نمود(مشکی، 1390):
۳-2-7-1) روش حداقل مربعات معمولی (OLS)
روش حداقل مربعات ممولی91 به کارل فردریک گوس92 ریاضیدان نامی آلمان، نسبت داده می شود. روش مزبور مجموع مربعات جملات پسماند را کمینه می نماید. روش OLS تخمین زننده هایی را ارائه می کند که خطی، بدون تورش و در بین تمام تخمین زننده های خطی و بدون تورش، دارای حداقل واریانس باشد.

۳-2-7-2)روش حداقل مربعات تعمیم یافته (GLS)93
یکی از مهمترین مفروضات مدل کلاسیک رگرسیون خطی (CLR)94 این است که واریانس هر جزء جمله خطا ui، به شرط مقدار معینی از متغیرهای توضیحی، مقدار ثابتی مساوی با σ2 می باشد. فرضی که در اصطلاح، همسانی واریانس95 نامیده می شود:
E(Ui2) = σ2 i= 1, 2, ….., N (3-19)
با قبول فرض فوق، تخمین زننده βi از طریق OLS بهترین تخمین زن خطی بدون تورش (BLUE) محسوب خواهد شد. اما چنانچه فرض ناهمسانی واریانس، جایگزین فرض همسانی گردد، دیگر تخمین زن مزبور، بهترین (دارای حداقل واریانس یا کارایی) نخواهد بود.

۳-2-7-3) روش گشتاورهای تعمیم یافته (GMM)
روش GMM 96 تخمین زننده قدرتمندی است که بر خلاف روش حداکثر راستنمایی، نیاز به اطلاعات دقیق توزیع جملات اخلال ندارد. روش مزبور که در داده های تلفیقی پویا بکار گرفته می شود، مبتنی بر این فرض است که جملات اخلال در معادلات با مجموعه متغیرهای ابزاری غیر همبسته می باشد. در مدل های اثرات ثابت یا تصادفی به لحاظ آنکه ممکن است جمله خطا با متغیرهای تأخیری، همبستگی داشته باشد، می تواند منجر به ارائه برآورد کننده ناسازگار و یا تورش داری شود. هنگامی که در مدل های تلفیقی، متغیر وابسته به صورت وقفه در سمت راست مدل ظاهر می شود، دیگر برآوردهای OLS سازگار نخواهد بود. در چنین شرایطی لازم است از روش های برآورد دو مرحله ای (2SLS) یا روش گشتاورهای تعمیم یافته (GMM) استفاده شود.
ماتیاس و سوستر 97 (۱۹۹۱) معتقداند که برآورد 2SLS (روش پیشنهادی اندرسون و هسیائو98، ۱۹۸۱) ممکن است به دلیل مشکل در انتخاب ابزارها، منجر به محاسبه واریانس بزرگ برای ضرایب شده و در نهایت باعث شود که برآوردها از لحاظ آماری معنادار نباشد. برای حل این مشکل روش GMM توسط آرلانو و باند99 (۱۹۹۱) پیشنهاد شد. روش تخمین GMM بواسطه انتخاب متغیرهای ابزاری صحیح و با اعمال یک ماتریس وزنی می تواند برای شرایط ناهمسانی واریانس و نیز خود همبستگی های ناشناخته، برآورد کننده قدرتمندی محسوب شود.
در مدل GMM وقفه متغیر وابسته، به صورت متغیر مستقل در سمت راست معادله وارد می شود. تا بدین ترتیب امکان پارامتر بندی مجدد مدل به روش مدل داده های تلفیقی پویا فراهم گردد. در چنین شرایطی اگر وقفه های توزیع شده نیز در مدل وارد شود، می توان به مدل خود رگرسیون با وقفه توزیعی دست یافت که امکان پارامتر بندی غنی تر مدل را فراهم می سازد.

3-2-8)آزمون های مربوط به انتخاب مدل مناسب در داده های تلفیقی ایستا
با توجه به اینکه در حوزه تخمین مدل رگرسیون با داده های تلفیقی از مدل های متفاوتی می توان استفاده نمود، لذا این سئوال که کدام یک از مدل های موجود مناسب تر بوده و در تجزیه و تحلیل داده ها کدام مدل باید انتخاب شود، همیشه از سئوالات مطرح در این حوزه بوده است. حقیقت این است که انتخاب یک مدل مناسب بر خلاف آنچه که شاید در وهله اول بنظر رسد، کار ساده ای نیست. موندلاک100 (1961) و والاک101 و هاسین102 (1969) از مدل اثرات ثابت حمایت کرده و بالسترا103 و نرلاو104 (1966) به طرفداری از مدل اثرات تصادفی پرداختند(Jurajda ,2003). به منظور تعیین نوع مدل مورد استفاده در داده های تلفیقی، آزمونهای مختلفی طراحی گردیده است. درصورتیکه هدف انتخاب یک مدل مناسب از بین دو مدل اثرات ثابت واثرات تصادفی باشد، می توان از آزمونی به نام آزمون هاسمن105 استفاده نمود. درانتخاب بین مدل رگرسیون تلفیقی و مدل اثر ثابت معمولا از آزمـون CHOW استفاده مـی شود. این درحـالی است به منظور انتخاب مدل مناسب ازبین دومدل اثر تصادفی و مدل رگرسیون تلفیقی ،آزمون مورد استفاده آزمون LM خواهد بود.
3-2-8-1)آزمون چاو
چاو (1960 )، آزموني را معرفي كرد كه براي انتخاب بين دو مدل گرسیون تلفیقی (Pooled) و مدل اثرات ثابت مورد استفاده قرار مي گيرد. فرضیات آزمون مزبور بشرح زیر می باشد:

عرض از مبدا ها با هم برابرند
…و1n- 1حداقل یکی از عرض از مبداها با بقیه متفاوت است

در این آزمون، فرضيه صفر بيانگر برابری ضرايب و عرض از مبدأ در شركت هاي مورد بررسي بوده و از اين رو رد فرضيه صفر مبين استفاده از روش داده هاي پانلي(مدل اثرات ثابت) و عدم رد فرضيه صفر بيانگر استفاده از روش داده های تلفیقی(Pooled) مي باشد. آماره آزمون Chow بر اساس مجموع مربعات خطای مدل مقید و غیر مقید به صورت زیر می باشد.
Chow=((PRSS-URSS)⁄((N-1)))/(URSS⁄((NT-N-K))) ~F_(N-1,N(T-1)-K) (3-20)

آماره فوق دارای توزیع F با 1-N و NT-N-K درجه آزادی است. در رابطه فوق N نشان دهنده تعداد شرکتها، k به معنای تعداد تخمین زننده ها (به استثنای متغیر موهومی)، T تعداد دوره های زمانی،NT تعداد کل مشاهدات، RRSS مجموع مجذورات باقیمانده رگرسیون مقید و URSS مجموع مجذورات باقیمانده رگرسیون غیر مقید می باشد.

3-2-8-2)آزمون هاسمن
در فرایند انتخاب بین دو مدل اثرات تصادفی و مدل اثرات ثابت ، معمولترین آزمون محسوب می شود. آزمون هاسمن بر پایه وجود همبستگی بین متغیرهای مستقل و اثرات انفرادی طراحی شده و فرض صفر و فرض مقابل در آن بشرح زیر قابل ارائه می باشد.

در صورتی که جز خطای تصادفی (اثرانفرادی) با متغیرهای توضیحی همبستگی داشته باشد(فرض H0 رد شود)، درآن صورت مدل اثر تصادفی تورش دار بوده و در چنین حالتی لازم است مدل اثر ثابت بکار گرفته شود.
اگر عرض از مبدا و ضرایب شیب در طول زمان و مکان ثابت باشد، می گوییم برآورد از نوع Pooled بوده است. اگر مدل به گونه ای برآورد شود که در آن عرض از مبدا، شیب، و یا هر دو در ابعاد زمانی، مکانی یا هر دو ثابت نباشد و تغییر کنند، می گوییم برآورد از نوع Panel است (افلاطونی و نیکبخت، 1389).
3-2-9)خلاصه فصل
در این فصل روش تحقیق مورد استفاده به تفصیل بیان شد.در این رابطه، انواع متغیرهای مورد استفاده در مدل اصلی تحقیق، آزمون های مورد نیاز در خصوص داده ها و مبانی آماری و اقتصادسنجی مورد نظر برای آزمون فرضیات تشریح گردید. امروزه در اقتصادهای پیشرفته و نوظهور، روش داده های تلفیقی به لحاظ مزایا و برتری هایی که ن

پایان نامه
Previous Entries پایان نامه با کلمات کلیدی داده های تابلویی، داده های تلفیقی، اثرات ثابت Next Entries پایان نامه با کلید واژگان گروه کنترل، کانون کنترل سلامت، منبع کنترل