پایان نامه درمورد رگرسیون، اثرات ثابت، معنادار بودن، ضریب تعیین

دانلود پایان نامه ارشد

ضرايب ثابت بوده، اما عرض از مبدأ براي عوامل مختلف، متفاوت است.
ضرايب ثابت بوده، اما عرض از مبدأ براي عوامل مختلف و در طي زمان متفاوت است.
عرض از مبدأ و تمامي ضرايب براي عوامل مختلف، متفاوت است.
عرض از مبدأ و ضرايب براي عوامل مختلف و در طي زمان متفاوت است.
براي برآورد الگوهاي رگرسيون خطي دو متغيره و چند متغيره اغلب از روش حداقل مجذورات معمولي(OLS)36 استفاده مي شود. آماره هاي اين روش بهترين تخمين زننده هاي خطي بدون تورش هستند. اما براي رفع مشكلاتي همچون خود همبستگی37 جملات پسماند و ناهمساني واریانس38 از روش كمترين مجذورات تعميم يافته(GLS)39 نیز استفاده مي شود(یحیی زاده فر و همکارانش، 1389، 120).
روش رگرسيون تركيبي با توجه به وضعيت ضريب ثابت معادله به چهار روش قابل انجام است(ایزدی نیا و رسائیان،1389، 12):
روشي كه معادله را بدون عرض از مبدأ برآورد مي كند.
روشي كه ضريب ثابت مشتركي را براي تمام اعضاء داده هاي تركيبي در نظر مي گيرد.
روش اثرات ثابت كه ضريب ثابت هاي متفاوتي را براي هر عضو داده هاي تركيبي برآورد مي نمايد
روش اثرات تصادفي كه در آن، ضريب ثابت براي اعضاي داده هاي تركيبي به صورت متغير تصادفي هستند.
قبل از تخمين و استنباط آماري رگرسيون، لازم است تا نوع روش تخمين داده هاي تركيبي تعيين شود. براي انتخاب بين روش هاي مدل رگرسيوني تلفيقي (Poold ) و رگرسيون اثرات ثابت (Panel) از آزمون F ليمر (تعميم يافته) استفاده شده است. اين آزمون متكي بر ضريب تعيین (R2) به دو روش بوده و آزمون می نمايد كه آيا ضريب تعيين رگرسيون با اثرات ثابت به صورت معناداري بزرگ تر از ضريب تعيين مدل رگرسيوني تلفيقي است يا خير. آماره اين آزمون در زير ارايه شده است(ایزدی نیا و رسائیان، 1389، 13):
F = (〖(R〗_FE^2 – R_POOL^2) /(n-1))/(((1-R_FE^2))⁄((nt-n-k))) (3-9)
که در آن R_FE^2 ضریب تعیین مدل رگرسیون با اثرات ثابت، R_POOL^2 ضریب تعیین مدل رگرسیون ترکیبی، n تعداد مشاهدات مقطعی، t تعداد سالهای پژوهش، nt تعداد کل مشاهدات و k تعداد متغیرهای مستقل (توضیحی) مدل است.
آماره مذکور با F نگاره مقایسه شده و فرضیه زیر آزمون می شود(یحیی زاده فر و همکاران، 1389، 121).
H0:ضریب تعیین دو روش تفاوت معناداری ندارند داده های تلفیقی
H1: ضریب تعیین دو روش تفاوت معناداری دارند داده های تابلویی
اگر فرضیه H0 پذیرفته شود از روش داده های تلفیقی استفاده می شود و اگر فرضیه H1 پذیرفته شود از روش داده های تابلویی استفاده می شود و آنگاه نوبت به انتخاب بين مدل هاي اثرات ثابت(FE) و اثرات تصادفی (RE) ميرسد. آزمون هاسمن ما را در انتخاب و به کارگیری یکی از روش های اثرات ثابت (FE) و اثرات تصادفی (RE) یاری می رساند. آزمون هاسمن دارای توزیع مجانبی کای دو بوده و درجات آزادی آن برابر با تعداد متغیرهای توضیحی (تعداد رگرسورها) است. در صورت پذیرش فرضیه H0 از روش اثرات تصادفی و در صورت پذیرش فرضیه H1 از روش اثرات ثابت استفاده می شود. آماره آزمون هاسمن در زیر ارائه شده است(ایزدی نیا و رسائیان، 1389، 13):
X = (b-B)́ . [(VAR(b) – VAR(B)-1] . (b-B) (3-10)
که در این آماره، b ضرایب برآوردی تحت روش FE، B ضرایب برآوردی تحت روش RE است. چنانچه آماره آزمون محاسبه شده بزرگتر از مقدار جدول باشد، فرضیه H0 رد شده و همبستگی وجود داشته و در نتیجه باید از روش اثرات تصادفی استفاده کرد.

3-11 . ضريب همبستگي
ضريب هبستگي با توجه به نوع نمودار رگرسيون و نوع نمودار پراكنش حالات مختلفي دارد و همواره بین 1 و 1- تعريف مي شود و هر چه قدر مطلق ضريب همبستگي به عدد 1 نزديكتر باشد، مي توان گفت اختلاف مقادير پيش بيني شده با مقادير واقعي کمتر خواهد بود؛ يعني معادله رگرسيون از خطاي کمتر و اعتبار بيشتري برخوردار است. ضریب همبستگي به صورت زير محاسبه مي شود(یحیی زاده فر و همکارانش، 1389، 119):
r = (n∑X_i Y_i- (∑X_i)(∑Y_i))/√([n∑X_i^2- (∑X_i )^2 ][n∑Y_i^2- (∑Y_i )^2 ] ) (3-11)

3-12 . بررسی پیش شرط های لازم برای استفاده از مدل رگرسیون:
برای استفاده از رگرسیون خطی باید رابطه خطی میان متغیر مستقل و متغیر وابسته وجود داشته باشد که از طریق جداول تحلیل واریانس قابل بررسی است. سطح اهمیت به دست آمده کمتر از 5% در این جدول نشانگر وجود رابطه خطی میان متغیرهای مستقل و وابسته است.
علاوه بر وجود رابطه خطی، باید پیش شرط های زیر نیز برقرار باشند. شرایط مورد نیاز به این شرح است(مهرانی و بهبهانی نیا، 1389، 8) :
1.توزیع خطاها دارای توزیع نرمال باشد.
2.بین خطاهای مدل همبستگی وجود نداشته باشد.
3..متغیر وابسته دارای توزیع نرمال باشد.
4.بین متغیرهای مستقل همبستگی وجود نداشته باشد.

3-12-1 . آزمون معنادار بودن مدل رگرسیونی:
در هر فرضیه جهت بررسی معنادار بودن مدل رگرسيون و آزمون ضریب های معنادار آن که دلالت بر معنادار بودن روابط بین متغبرهای مستقل و وابسته است، از آماره F فيشر استفاده می شود. با مقايسه آماره F که طبق فرمول زیر به دست می آید و F جدول كه با درجات آزادی K-1 و n-K در سطح خطای 5% محاسبه می شود، كل مدل فرضيه مورد بررسي قرار گرفته است.
F=(R^2/((K-1)))/(((1-R^2))/((n-K))) (3-12)
از آنجایی که برای آزمون آماری، فرضیه ها، به عنوان فرض جایگزین (H1) در نظر گرفته شده اند، زمانی فرضیه تایید می شود که F محاسبه شده (طبق محاسبه های نرم افزار Eviews) از F جدول بزرگتر باشد. البته در نرم افزار Eviews در این رابطه، اطلاعات دیگری مبنی بر حداقل احتمال تایید فرض صفر(H0) نیز ارائه می شود که بر اساس آن بدون مراجعه به جدول و استفاده از اطلاعات قسمت Prob (Pvalue)، می توان فرض H0 را تایید یا رد نمود، به این گونه که با در نظر گرفتن سطح اطمینان 95%، اگر این احتمال کوچکتر از 5% باشد، فرض H0 رد می شود و این به معنای تایید فرضیه تحقیق است(مهرانی و رسائیان، 1388، 224).

3-12-2. آزمون معناداري متغيرهاي مستقل:
براي بررسي معنادار بودن ضريب متغيرهاي مستقل در هر مدل از آمارة t استفاده می شود. برای محاسبه این آماره از فرمول زیر استفاده می شود:
t=(βᶺ-β)/〖se〗_βᶺ (3-13)
〖se〗_β=√(〖σᶺ〗^2/(∑▒x^2 )) (3-14)
〖σᶺ〗^2=(∑▒e^2 )/(n-k) (3-15)
در فرمول های بالا: βᶺ ضریب تخمین، β ضریب مورد آزمون، se_βᶺ انحراف معیار ضریب تخمین، e2 مجذور اختلاف بین مشاهده های واقعی و برآوردی، n تعداد مشاهده ها و تعداد پارامترها می باشد.
آمارة t به دست آمده با t جدول كه با درجة آزادي n-k در سطح اطمينان 95% محاسبه شده مقايسه مي شود، چنانچه قدرمطلق t محاسبه شده از t جدول بزرگ تر باشد، ضريب مورد نظر معنا دار خواهد بود كه دلالت بر وجود ارتباط بين متغير مستقل و وابسته است(مهرانی و رسائیان، 1388، 225).

3-12-3 .آزمون نرمال بودن متغیرهای تحقیق:
برای آزمون فرضیه ها از آزمون همبستگی استفاده می شود. بدین منظور ابتدا لازم است آزمون نرمال بودن متغیرها صورت گیرد. چنانچه جفت متغیرهای مورد بررسی هر فرضیه از توزیع نرمال برخوردار باشد از همبستگی پیرسون و در غیر این صورت از همبستگی اسپیرمن استفاده می شود. آزمون نرمال بودن با استفاده از آزمون کولموگروف-اسمیرنوف(KS) صورت می گیرد. در آزمون مزبور پذیرش فرض صفر بیانگر توزیع نرمال متغیر و فرض مقابل بیانگر توزیع غیرنرمال متغیر است.
آماره آزمون KS را با Dn نشان می دهند. این آزمون مبتنی بر جدول خاصی است. اگر آماره آزمون از مقدار جدول کوچکتر باشد فرض صفر پذیرفته، در غیر این صورت رد می شود. آماره آزمون برابر است با حداکثر قدر مطلق تفاضل فراوانی مشاهده شده نسبی تجمعی از فراوانی نظری نسبی تجمعی، یعنی:
D_n=Maximum |F_e-F_O | (3-16)
که در آن F_e و F_o به ترتیب فراوانی نظری نسبی تجمعی و فراوانی مشاهده شده نسبی تجمعی است(آذر و مومنی، 1384، 311).

3-12-4. آزمون خودهمبستگي
خودهمبستگي(عدم استقلال مشاهدات)، نقض يكي از فرض هاي استاندارد الگوي رگرسيون است. خودهمبستگی زمانی رخ می دهد که خطاها باهم رابطه داشته باشند. به بیان دیگر جزء خلل های مربوط به یک مشاهده، تحت تاثیر جزء خلل های یک مشاهده دیگر قرار دارد. اغلب در داده های مقطعی انتظار می رود که متغیر مستقل یک مشاهده فقط بر متغیر وابسته همان مشاهده تاثیر گذارد و با مشاهده های دیگر ارتباطی نداشته باشد. برخی از دلایل به وجود آمدن خود همبستگی عبارتند از:
الف. در برخی از موارد یک متغیر مهم حذف شده است و همین مساله باعث خودهمبستگی می شود.
ب. در مواردی تبدیل داده ها به اجزای مختلف باعث خودهمبستگی می شود.
ج. در مواردی که شکل مدل غلط است و دچار تورش تصریح از نوع شکل غلط تابع هستیم خودهمبستگی به وجود می آید.
برای تشخیص خودهمبستگی از آماره دوربین- واتسون استفاده می شود که طبق فرمول زیر محاسبه می شود:
d=(∑_(t=2)^n▒〖(e_t-e_(t-1))〗^2 )/(∑_(t=1)^n▒〖〖(e〗_i)〗^2 ) (3-17)
که در آن et : جمله خطا در زمان t، e_(t-1) : جمله خطا در زمان t-1 است.
چنانچه این آماره با توجه به سطح اطمینان 95%، نزدیک به عدد 2 باشد، خودهمبستگی وجود ندارد. خودهمبستگی اکثرا در مطالعه سری های زمانی اتفاق می افتد که این خود ناشی از اندازه گیری اجزای خلل ها و یا به احتمال زیاد ناشی از همبستگی شدید اثرات تجمعی متغیرهای حذف شده از الگو در طی زمان است(مهرانی و رساییان، 1388، 225).

3-13. آزمون هم خطی:
در تحلیل رگرسیون کمترین مربعات معمولی، عامل تورم واریانس 40(VIF)شدت همخطی چندگانه را ارزیابی می کند. در واقع یک شاخص معرفی می گردد که بیان میدارد چه مقدار از تغییرات مربوط به ضرایب برآورد شده بابت هم خطی افزایش یافته است. شدت همخطی چندگانه را با بررسی بزرگی مقدار  VIF می توان تحلیل نمود.به عنوان یک قاعده تجربی اگر مقدار VIF بزرگتر از 10 باشد همخطی  چندگانه بالا می باشد.

3-14. مانایی متغیرها:
در این تحقیق مانایی تمام متغیرهای مورد استفاده، باید مورد آزمون قرار بگیرد؛ زیرا نامایی متغیرها چه در مورد داده های سری زمانی و چه در مورد داده های تابلویی باعث بروز مشکل رگرسیون کاذب می شود. اما برخلاف آنچه در مورد داده های سری زمانی مرسوم است، در مورد داده های پانل نمی توان برای آزمون مانایی از آزمون دیکی فولر و دیکی فولر تعمیم یافته استفاده کرد (عرب صالحی و اخلاقی، 1390، 111).
به هر حال ضروری است يكي از پنج روش زير برای آزمون ريشه واحد پنل مورد استفاده قرار گيرد.
آزمون لوين، لين و چو(LLC)41
آزمون ايم، پسران و شيم(IPS)42
آزمون برتونگ43
آزمون های ADF فيشر و PPفیشر که توسط مادالاو وو(1999) و چوی (2001) ارائه شده است.
آزمون هادري
اين آزمون ها اصطلاحا آزمون هاي ريشه واحد پانل ناميده مي شوند، از لحاظ تئوري آن ها آزمون هاي ريشه واحد سري هاي چندگانه هستند كه براي ساختارهاي اطّلاعات پانل بكار رفته اند. در اين آزمون ها روند بررسي مانايي همگي به غير از روش هادري به يك صورت است و با رد H0 عدم مانايي رد مي شود و بيانگر مانايي متغيّر است. بنابراين با رد فرضيه H0 نامانايي يا ريشه واحد رد مي شود و مانايي پذيرفته مي شود. كه يا در سطح و يا با يك تفاضل و يا با دو تفاضل مانا مي شود كه براي تشخيص اين قسمت به Prob آن توجه مي شود كه بايستي از 5 درصد كوچكتر باشد(شاهچرا و میرهاشمی، 1390، 103و104).

3-15. آزمون هم انباشتگی:
در تحليلهاي همانباشتگي، وجود روابط بلندمدت اقتصادي آزمون و برآورد ميشوند. ايده اصلي در تجزيه و تحليل همانباشتگي آن است كه اگرچه بسياري از سريهاي زماني اقتصادي نامانا (حاوي روندهاي تصادفي) هستند، اما ممكن است در بلندمدت، تركيب خطي اين متغيرها، مانا (و بدون روند تصادفي) باشند. تجزيه و تحليلهاي همانباشتگي كمك ميكند تا اين رابطه تعادلي بلندمدت،

پایان نامه
Previous Entries پایان نامه درمورد رگرسیون، سودآوری، رونق اقتصادی، دارایی ها Next Entries پایان نامه درمورد سودآوری، ضریب تعیین، نسبت بدهی، رگرسیون