دانلود مقاله با موضوع اثرات ثابت، آزمون انتخاب، روش کوکران

نوامبر 30, 2018 0 By admin4
پایان نامه  

F را با مقدار بدست آمده از جدول F در سطح درصد و با درجه آزادي K و n – k -1 مقايسه مي کنيم. اگر آماره آزمون بزرگتر از عدد بدست آمده از جدول باشد فرض H0را رد مي کنيم و نتيجه مي گيريم که کل مدل رگرسيون تخمين زده شده معني دار است. روش ساده تر براي اين آزمون نيز توجه کردن به مقدار احتمال مربوط به آماره F مدل است. اگر کمتر از 10 درصد باشد، نشانگر معني دار بودن ضرايب کل رگرسيون خواهد بود.
2-10-3 آزمون هاي خودهمبستگي و ناهمساني واريانس
در مورد خودهمبستگي در مدل هاي اقتصادسنجي بايد گفت که فرض ناهمبسته بودن جملات اخلال يکي از فروض رگرسيون است و در صورتي که نقض شود، مدل رگرسيون دچار همبستگي117 بين جملات اخلال مي شود. از سوي ديگر فرض برابري واريانس هاي جملات اخلال، يکي ديگر از فروض کلاسيک رگرسيون است و در صورتي که اين فرض نيز نقض شود مشکل واريانس ناهمساني118 در مدل رگرسيوني بوجود مي آيد.
اصولاً گفته مي شود که خود همبستگي مشکل مربوط به داده هاي سري زماني و ناهمساني واريانس مشکل خاص داده هاي مقطعي است. در يک تقسيم بندي کلي مي توان گفت که اگر سري زماني مورد مطالعه طولاني و واحدهاي مقطعي محدود باشد، بايستي به مشکل خود همبستگي بيشتر توجه گردد و در شرايطي که سري زماني دوره مطالعه محدود و واحدهاي مقطعي زياد باشد احتمال بيشتري در وجود ناهمساني واريانس بين گروهي وجود خواهد داشت.
براي شناسايي خود همبستگي و يا همان همبسته بودن جملات اخلال مي توان از آزمون هايي نظير آزمون دوربين واتسون119،آزمون ضريب تکاثري لاگرانژ(LM) استفاده کرد. در اين تحقيق از آزمون “h دوربين” استفاده مي شود. اصولا در مدل هايي که متغير وابسته خود به صورت متغير مستقل و با وقفه در مدل ظاهرگردد از اين آزمون استفاده مي گردد. آماره h به صورت زير محاسبه مي گردد :
(رابطه 9-3)
که در آن :
n = تعداد مشاهدات
? = ضريب متغير وابسته وقفه دار
= ضريب خود همبستگي
آماره h ، داراي توزيع Z است و حالتهاي زير را مي توان در نظر گرفت :
1)نبود خود همبستگي؛ اگر ويا
2)خود همبستگي مثبت ؛اگر
3)خود همبستگي منفي ؛ اگر
در صورت مشاهده خودهمبستگي، بايستي نسبت به رفع آن اقدام نمود. راهکارهاي متعددي نظير روش اولين تفاضل، روش کوکران – اورکات و روش GLS وجود دارد ولي معمولا” در نرم افزار Eviews براي رفع خودهمبستگي به مدل هاي مورد نظر يک فرآيند اتو رگرسيو 120AR اضافه مي نمايند. در اين روش بعد از شناسايي وقفه مناسب، نسبت به اصلاح مدل مورد نظر اقدام مي گردد.
به عنوان مثال اگر عبارت (1)AR را به مدل اضافه نماييم، همانند اين است که وقفه متغير وابسته از درجه يک را به مدل اضافه کرده ايم ويا اگر )1و1) 121ARMAرا اضافه کنيم همانند اين است که هم وقفه متغير وابسته از درجه يک و هم وقفه باقيمانده ها از درجه يک را به مدل اضافه کرده ايم. در اين تحقيق در صورت مشاهده خود همبستگي از روش ياد شده استفاده خواهد شد.
براي شناسايي مشکل ناهمساني واريانس نيز روش هاي متفاوتي نظير روش ترسيمي، آزمون وايت، آزمون بارتلت، آزمون پارک وجود دارد. در صورتي که با آزمون هاي موجود تشخيص داديم که مدل دچار ناهمساني واريانس است بايستي در اينجا نيز به رفع آن اقدام کرد. راهکار مناسب در اين جا استفاده از روش GLS است.
3-10-3 آزمون هم خطي بين متغيرهاي تحقيق
همخطي122 ، در اصل به معناي وجود ارتباط خطي بين همه و يا بعضي از متغيرهاي مدل رگرسيون است. يکي ديگر از فروض کلاسيک، کامل بودن مرتبه ماتريس x (ماتريس متغيرهاي توضيحي مدل) است که نقض اين فرض نيز موجب بروز مشکل هم خطي مي شود. هم خطي بر دو نوع هم خطي کامل و هم خطي ناقص است. اگر هم خطي از نوع کامل باشد، معمولا تخمين ضرايب امکان پذير نيست.
در هم خطي معمولا مقدار ضريب تعيين (2R) بالا بوده ولي مقدار t هاي معني دار اندک است. بعلاوه در صورت ناقص بودن هم خطي، بزرگي واريانس – کوواريانس، فواصل اعتماد عريض تر و نسبتهاي غير معني دار t را شاهد خواهيم بود و از اينرو شناسايي هم خطي قبل از هر گونه اقدام جدي بسيار مهم مي باشد (بيدرام،1381،158)123. در اين تحقيق جهت شناسايي همخطي بين متغيرهاي تحقيق از روش زير استفاده مي شود :
1-3-11-3 ماتريس همبستگي (ضريب همبستگي پيرسون124)
به منظور شناسايي بهتر روابط بين متغيرهاي تحقيق و با توجه به در نظر گرفتن رابطه خطي بين متغيرهاي مستقل و وابسته در مدل هاي تحليلي اين تحقيق مي توانيم با استفاده ضريب همبستگي پيرسون وجود همخطي بين متغيرها را بررسي کرده و نتايج حاصله را با يکديگر مقايسه کرد. نتايج حاصل از ضريب همبستگي پيرسون (r) بر اساس قاعده زير تفسير خواهد شد:
1) اگر ضريب همبستگي (r) بزرگتر از 90% باشد همبستگي زياد و عالي بين متغيرها وجود دارد.
2) اگر ضريب همبستگي (r) بين 90% – 70% باشد همبستگي بالايي بين متغيرها وجود دارد.
3) اگر ضريب همبستگي (r) بين 70% – 40% باشد همبستگي در حد متوسط بين متغيرها وجود دارد.
4) اگر ضريب همبستگي (r) بين 40% – صفر باشد همبستگي در حد ضعيف بين متغيرها وجود دارد.
اگر ضريب ياد شده منفي باشد نشان از وجود رابطه منفي و معکوس بين متغيرهاي ياد شده و در صورت مثبت بودن اين ضريب، نشان از وجود ارتباط مستقيم و مثبت بين متغيرهاي ياد شده خواهد بود. از اين رو مقدار اين ضريب مابين 1+ و 1- خواهد بود.
4-10-3 آزمون ايستايي (مانايي)متغيرهاي تحقيق
سري هاي زماني يکي از مهمترين داده هايي هستند که در مطالعات تجربي اقتصادسنجي مورد استفاده قرار مي گيرند . معمولاً در مطالعات تجربي فرض براين است که محققات از سري هاي زماني ساکن125 استفاده مي کنند چون استفاده از سري زماني غير ساکن نه تنها مي تواند فروض کلاسيک يک معادله رگرسيون را نقص کند ، بلکه تخمينهاي تجربي بدست آمده نيز کاذب و يا بي معني126 خواهد بود و لذا پارامترهاي تخمين زده شده در مدل ها ، نه تنها از نظر سياستگذاري قابل ارزش نيستند، بلکه پيش بيني هاي به عمل آمده از آنها نيز براي آينده بي اختيار خواهد بود.
يک سري زماني ساکن و يا (0)I ، زماني داراي فرايند تصادفي ساکن است که واريانس ، ميانگين و کوواريانس آن در وقفه هاي مختلف در طول زمان ثابت باقي بماند . حال اگر متغييري غير ساکن باشد ، آنگاه آن متغيير مي تواند يک و يا چند ريشه واحد127داشته باشد .
اگر متغيير مزبور بعد از يک بار تفاضل گيري ساکن شود آن متغيير داراي يک ريشه واحد و يا (1)I است و يا اگر بعد از 2 بار تفاضل گيري ساکن گردد در آنصورت داراي دو ريشه واحد (2)I خواهند بود .
براي تعيين ايستايي داده هاي پانلي ، آزمون هاي متفاوتي نظير آزمون ديکي – فولر افزوده (ADF ) ، فيليپس و پرون (PP) ، ايم – پران و شين (IPS) وجود دارد. در اين تحقيق براي بررسي ايستايي متغيرها از آزمون ديکي فولر افزوده شده استفاده شده و نتايج نشان داد که تمامي متغييرهاي تحقيق در سطح قابل قبولي (95 درصد اطمينان ) ايستا و ساکن هستند.
5-10-3 آزمون وجود عرض از مبدأ در مدل ها
در تخمين مدل هاي مفروض در اين تحقيق، بعد از مشخص شدن روش نهايي جهت انتخاب مدل (اثرات مشترک، اثرات ثابت، اثرات تصادفي)، از دو مدل با عرض از مبدأ و بدون عرض از مبدأ استفاده خواهيم نمود. اصولاً جهت تعيين وجود عرض از مبدأ در يک مدل از معيارهاي متفاوتي مي توان استفاده کرد. مثلاً در يک روش مي توان دو مدل مجزا (در يکي ا عرض از مبدأ و ديگري بدون عرض از مبدأ )را تخمين زده و سپس با توجه مقدار آماره t ضريب عرض از مبدأ و يا مجموع مجذور پسماندهاي128 مدل ها تصميم گرفت. اصولاً اگر ضريب عرض از مبدأ از نظر آماري معني دار باشد، مدل با عرض از مبدأ انتخاب مي گردد و يا هر قدر در يک مدلي مجموع مجذور پسماندها (ssr) کوچکتر باشد آن الگوي رگرسيوني به ساير الگوها ترجيح داده مي شود.
دو معيار اطلاعاتي آکائيک129 و ملاک اطلاعاتي شوارتز نيز، هر دو سنجه اي جديد از مجموع مجذور پسماندهاي رگرسيوني است که در خروجي الگوي رگرسيوني گزارش مي شود و در مقام مقايسه هر مدلي که معيارهاي يادشده اش بزرگتر باشد بر مدل ديگر ترجيح داده مي شود. ضريب تعيين تعديل شده (R) نيز معيار ديگري در رابطه با تصميم گيري انتخاب و ترجيح مدل ها مي باشد و طبيعتاً مدلي که ضريب تعيين تعديل شده بالاتري داشته باشد بر ديگري ترجيح داده مي شود.
آزمون والد و يا همان آزمون محدوديت،روش ديگري است که بوسيله آن نيز مي توان نسبت به وجود عرض از مبدأ در يک مدل پي برد. در اين آزمون فرض مي شود که عرض از مبدأ (0 = (1 )C) برابر صفر مي باشد و مورد بررسي قرار مي گيرد و چنانچه ميزان آماره خي دو حاصل شده از ميزان خي دو( جدول بزرگتر باشد لذا فرض H0 رد شده و مدل با عرض مبدأ خواهد بود.
11-3 روش ترکيب و آرايش داده هاي تحقيق
همانطور که قبلاً نيز قيد گرديده بود دراين مطالعه متغييهاي مورد نظر از دوجنبه متفاوت بررسي خواهند شد و اين متغيرها از يک سو درميان شرکتهاي متفاوت (60 شرکت ) و از سوي ديگر در دوره زماني سال هاي 88-1384 (پنج سال ) انتخاب شده اند .راه حل پيشنهاد شده در چنين مواردي تلفيق داده هاي ميان گروهي و سري هاي زماني با يکديگر و برآورد الگوي مورد نظر براساس مجموعه جديد تشکيل شده است (خسروي نژاد،1378 ،ص137-117)130.
چنانچه داده هاي مقطعي استخراج شده از واحدهاي مقطعي متفاوت را در سال هاي مختلف در کنار هم قرار دهيم ، با داده هاي از نوع ادغام شده مواجه خواهيم بود اصولاً آرايش داده ها در اينگونه مطالعات به دو روش زير انجام مي پذيرد (نمازي ، رستمي -1385،158)131 .
1) در حالت اول ، داده هاي يک واحد مقطعي (نظير شرکت ، کشورو………) براي T سال را درکنار هم قرار مي دهيم و سپس عمل يادشده را براي واحد مقطعي دوم و واحدهاي بعدي تکرار مي کنيم . اين نحوه آرايش و چينش داده ها را اصطلاحا” (داده هاي ادغام شده )132 مي گويند .
2) در حالت دوم ، قراردادن واحدهاي مقطعي در هرسال در کنار هم است به گونه اي که اين روند براساس سال هاي بعد هم تکرار مي شود . نحوه آرايش داده ها به اين صورت را نيز اصطلاحاً “داده هاي ترکيبي “133 مي گويند.
در اين مطالعه چينش داده ها بصورت رولش دوم و با همان داده هاي ترکيبي خواهد بود.
12-3 خلاصه اي از آزمون هاي آماري تحقيق
با توجه به مطالب ارايه شده در قبل ملاحظه گرديد که در طي مراحل مختلف تحقيق از آزمون هاي متعدد استفاده مي شود و نتايج حاصله ، مطالب و نکات جديدي از فرايند تحقيق را آشکار مي نمايند .مواردي همچون آزمون ديکي – فولر و آزمون هاي هم خطي از جمله آزمون هاي بسيار مهمي بودنند که نتايج حاصل شده از آنها در مباحث قبلي ارايه و مورد بحث و بررسي قرار گرفتند و لذا بطورخلاصه مي توانيم آزمون هاي آماري که در اين تحقيق استفاده خواهند شد را در طي يک جدول به شرح زير نشان دهيم که پاره اي از آنها در مراحل بعدي ملاک عمل خواهند بود.
جدول 2-3 – آزمون هاي آماري لازم جهت تحليل مباحث مورد نظر تحقيق
توضيحات
نوع آزمون مورد استفاده
نوع آماره مورد استفاده
بررسي متغيرهاي مستقل
آزمون پايايي و مانايي متغيرها
آزمون همخطي بين متغيرهاي مستقل
آزمون ديکي – فولر ( ADF )
ضريب همبستگي پيرسون وعامل تورم واريانس
انتخاب مدل مناسب
آزمون انتخاب بين مدلهاي اثرات مشترک(دادههاي تلفيقي) و اثرات ثابت(دادههاي تابلويي)
آزمون انتخاب بين مدلهاي اثرات ثابت و اثرات تصادفي
آماره F ليمر
آزمون هاسمن ( H )
آزمون کليه فرضيات
آزمون معني دار بودن تک تک ضرايب مدل
آزمون معني دار بودن کل معادله رگرسيون
آزمون خود همبستگي
آزمون