دانلود مقاله با موضوع اثرات ثابت، روش حداقل مربعات، اطلاعات مربوط

نوامبر 30, 2018 0 By admin4
پایان نامه  

نيازمند انجام مطالعات متعدد و وقت و هزينه فراوان مي باشد . بنابراين در اين مطالعه تنها تاثير برخي از اين متغيرها تحت عنوان ويژگي هاي ساختار مالکيت با توجه به درجه اهميت آن و براساس مباني تئوريک موجود و نيز در دسترس بودن و سهل الوصول بودن داده ها و اطلاعات مربوط به آنها ، برروي ساختار سرمايه شرکتهاي منتخب مورد بررسي قرار مي گيرد و اميد است که در مطالعات آتي ، تاثير ساير متغير ها و پيشنهادات سياستگذاري جامع و کاملتري را شاهد باشيم .
در اين مطالعه با توجه به مجموعه شرايط موجود ، تعداد 60 شرکت در دوره زماني 88-1384 از ميان صنعايع مختلف به عنوان نمونه آماري انتخاب گرديدند .
متغييرهاي معرفي شده در اين مطالعه از دوجنبه متفاوت بررسي مي شوند . اين متغييرها از يک سو در ميان صنايع و از سوي ديگر در دوره زماني 5 ساله بر شمرده در بالا انتخاب شده اند بدين ترتيب داده هاي تلفيقي در مجموع 300 مشاهده را بوجود آورده اند . به دليل ثابت نبودن و در دسترس نبودن اطلاعات مربوط به متغيرها در همه سالها(به چند دليل فني زير، مقادير پاره ايي از متغيرها از برخي سالها حذف گرديده اند:
بعضي از شرکتها در پاره ايي از سالها در سه ماهه منتهي به پايان سال سهامشان معامله نشده بوده، و چون يکي از معيارهاي انتخاب نمونه اين بود که شرکت در سه ماهه آخر سال حداقل يکبار معامله شده باشد بنابرين اگر حائذ اين شرط در يک سال خاص نبوده در همان سال از نمونه حذف شده است). ، از روش تلفيق داده هاي نا متوازن و به دليل استفاده از داده هاي تلفيقي ، براي رفع واريانس ناهمساني ، از روش حداقل مربعات تعميم يافته تلفيقي با وزن دهي به مقاطع102 ، استفاده شده است .
لازم به يادآوري است که داده هاي آماري به سه دسته داده هاي سري زماني103، مقطعي104 و ترکيبي105 ، تقسيم مي شوند . در داده هاي ترکيبي واحدهاي مقطعي طي زمان مورد بررسي قرار مي گيرند .استفاده از روش داده هاي ترکيبي نسبت به روش هاي مقطعي و سري زماني دو مزيت عمده دارد (بالتاگي،2005 ،99) 106 .
الف-ابتدا اينکه به محقق اين امکان را مي دهد تا ارتباط بين متغيرها و حتي واحدها را در طول زمان در نظر بگيرد و به بررسي آنها بپردازد.
ب- مزيت و توانايي ديگر اين روش در بهره مندي آن از اثرات انفرادي مربوط به واحدهاست که قابل مشاهده و اندازه گيري نيستند(همان منبع،100 )107.
روش تخمين در داده هاي ترکيبي، بيشتر بر عدم تجانس بين مقاطع تأکيد مي کند و هدف آنها بيشتر متمايز کردن مقاطع از همديگر با استفاده از تخمين عرض از مبدأ هاي مختلف است. اين تمايز به سه صورت اثرات مشترک108 ، اثرات ثابت109و اثرات تصادفي110 قابل اندازه گيري است (يافي،2003،158) 111 .
بنابراين بسته به رفتار عرض از مبدأ در بين بخش هاي مختلف و همچنين جمله خطا () از سه روش ياد شده در بالا مي توان استفاده کرد که هر کدام به شرح زير توضيح داده مي شود :
روش اثرات مشترک
روش اثرات مشترک بر اين فرض مبتني است که عرض از مبدأ توابع (ai) براي کليه واحدها ثابت بوده و با هم برابرند(a=ai).اين مدل با ترکيب داده هاي مقطعي و سري زماني بوسيله حداقل مربعات معمولي (ols) ، تخمين زده مي شود . به عبارت ديگر تخمين معادله ذيل، با استفاده ازi,t مشاهده انجام مي شود:
(رابطه 1-3)
i : تعداد مقاطع ، T: طول سري زماني ، Y: متغير وابسته ، X: متغيرهاي مستقل ، ? : ضرايب متغيرهاي مستقل و : جمله اخلال
همانگونه که مشاهده مي گردد در برآورد رابطه (1) عرض از مبدأ و ضرايب شيب بين تمامي مقاطع مشترک خواهند بود . برآورد رابطه (1) که با روش حداقل مربعات معمولي 112ols صورت مي گيرد ، به روش حداقل مربعات تلفيقي PLS معروف است.
روش اثرات ثابت
در اين روش فرض مي شود که ضرايب شيب بين مقاطع ثابت بوده ولي عرض از مبدأ براي واحدهاي مختلف متفاوت است. لذا معادله رگرسيون به شرح زير تصريح مي گردد :
(رابطه 2-3)
در رابطه (2) ، انديس i در جمله عرض از مبدأ (?1) نشان مي دهد که عرض از مبدأهاي متفاوت ممکن است، ناشي از ويژگي خاص هر يک از مقاطع باشد. در ادبيات اقتصادي مدل (2) به مدل رگرسيون اثرات ثابت يا حداقل مربعات متغير موهومي113، معروف است. اصطلاح تأثيرات ثابت ناشي از اين حقيقت است که با وجود تفاوت عرض ازمبدأ ميان مقاطع، عرض ازمبدأهاي هرمقطع طي زمان تغييرنمي کند.براي اينکه عرض از مبدأهاي هر مقطع بدون تغيير باقي بماند، از متغيرهاي موهومي دراين روش استفاده مي شود.
براي انتخاب مدل حداقل مربعات تلفيقي و مدل اثرات ثابت(مدل حداقل مربعات تابلويي) از آزمون F ليمر استفاده مي شود. تصريح اين آزمون به صورت زير مي باشد :
(رابطه3-3)
اين فرضيه با توجه به آماره F مورد آزمون قرار مي گيرد که در آن :
n : تعداد مقاطع ، T : تعداد مشاهدات سري زماني ، k : تعداد متغيرهاي مستقل ، و نيز ضرايب تعيين در روش اثرات ثابت و مشترک است. اگر F محاسباتي از f بحراني بزرگتر باشد، در اينصورت روش اثرات ثابت انتخاب خواهد شد و برعکس. اگرچه کاربرد مستقيم مدل اثرات ثابت يا حداقل مربعات متغير موهومي ممکن است، اما اين مدل از مشکلاتي مانند کمبود درجه آزادي و امکان همخطي مرکب رنج مي برد. استدلال پايه اي مدل اثرات ثابت آن است که در تصريح مدل رگرسيوني نمي توان متغيرهاي توضيحي مناسب را که طي زمان تغيير نمي کنند، وارد مدل کنيم. از اين رو وارد کردن متغيرهاي موهومي پوشش و جبراني براي اين بي توجهي و ناآگاه ماست (ابونوري و قاسمي،1387،158)1.
روش اثرات تصادفي
طرفداران مدل اثرات تصادفي يا مدل اجزاء خطا معتقدند که اگر متغيرهاي موهومي نشان دهنده فقدان دانش واطلاعات ما درباره مدل حقيقي هستند چرا آن را از طريق جمله خطا ( بيان نکنيم؟ايده اساسي و آغازين با رابطه(2) شروع مي شود. طرفداران اين روش معتقدند به جاي اينکه فرض کنيم دررابطه 2، ثابت است، بهتر است مقدار عرض از مبدأ براي هر مقطع به صورت زير بيان شود:
(رابطه4-3)
در اين رابطه، جمله خطاي تصادفي با ميانگين صفر و واريانس است. فرض اساسي در مدل تاثيرات تصادفي اين است که مقاطع مورد مطالعه متعلق به جامعه اي بزرگتر هستند و ميانگين مشترکي براي عرض از مبدأ دارند. اختلاف در مقادير عرض از مبدأ هر مقطع در جمله خطاي () منعکس مي شود. بر اساس مدل اثرات تصادفي، رابطه (2) اين چنين خواهد بود :
(رابطه 5-3)
جمله خطاي ترکيبي متشکل از دو جزء (خطاهاي مقطعي) و (خطاي ترکيبي) مي باشد. مدل اجزاء خطا به اين سبب خوانده مي شود که جمله خطاي ترکيبي () از دو و يا چند جزء خطا تشکيل شده است. بايستي توجه کرد که در اين حالت واريانس هاي مربوط به مقاطع مختلف برابر نبوده و مدل دچار ناهمساني واريانس خواهد بود.لذا به جاي استفاده از روش ols، بايستي از روش حداقل مربعات تعميم يافته GLS استفاده شود.
چند نکته در مورد روش هاي اثرات ثابت و تصادفي قابل ذکر است:
1)در روش اثرات تصادفي نبايستي بين جمله خطاهاي مقطعي و متغيرهاي توضيحي الگو رابطه وجود داشته باشد.درحالي که در روش اثرات ثابت اين رابطه مي تواند وجود داشته باشد. همان طور که قبلا نيز گفته شد، در روش اثرات ثابت بايد جمله عرض از مبدأ طي زمان ثابت باشد در حالي که در روش اثرات تصادفي عرض از مبدأ مي تواند طي زمان تغيير کند.
2) در روش اثرات ثابت نمي توان از متغير موهومي استفاده کرد، زيرا با متغيرهاي موهومي که براي عرض از مبدأ در اين مدل به کاربرده مي شود، همخطي پيدا خواهد کرد. اين در حالتي است که در روش اثرات تصادفي مي توان از اين نوع متغير استفاده نمود.
در پايان لازم به ذکر است که براي انتخاب بين روش اثرات ثابت و تصادفي مي توان از آزمون هاوسمن114 استفاده کرد:
(رابطه 6-3)
در اين رابطه و به ترتيب بردار ضرايب در روش اثرات ثابت و تصادفي، و به ترتيب کوواريانس ضرايب در روش اثرات ثابت و تصادفي مي باشند. همانگونه که ملاحظه مي گردد نتايج آزمون هاوسمن داراي توزيع جانبي x2 (خي دو) مي باشد و تعداد درجات آزادي آن برابر با تعداد متغيرهاي توضيحي (k) مدل است. در اين آزمون فرضيات زير آزمون مي گردد:
H0 : روش اثرات تصادفي کاراتراست.
H1 : روش اثرات ثابت کاراتراست.
البته آزمون ديگري به نام آزمون LM وجود دارد که از آن نيز استفاده مي کنند. آزمون LM به روش بروش-پاگان براي انتخاب بين دو روش اثرات مشترک و اثرات تصادفي با استفاده از باقيمانده هاي مدل اثرات مشترک قابل محاسبه مي باشد :
(رابطه7-3)
e : باقيمانده مقادير مشاهده شده و پيش بيني شده در مدل اثرات مشترک است. بقيه عوامل دقيقاًًًً همانند عوامل معادله (3) و يا همان آزمون F مي باشد. اين آماره نيز داراي توزيع خي دو (x2 ) با درجه آزادي يک مي باشد. چنانچه آماره LM محاسبه شده بيشتر از آماره مقدار بحراني در سطح 95% باشد بدين مفهوم است که تفاوت بين مقاطع تصادفي است يعني اينکه عرض از مبدأها متفاوت نبوده، بلکه تفاوت ها در جمله اخلال ظاهر مي شوند و لذا مي بايست از روش GLS استفاده شود. بنابراين الگوهاي مورد نظر را مي توان به سه روش يادشده برآورد نمود. پس از آن بايد اين موضوع بررسي شود که نتايج حاصل از کداميک از روشهاي فوق براي تجزيه و تحليل نهايي ملاک عمل قرار گيرد و لذا بدين منظور از سه آزمون ياد شده F ، LM و هاوسمن براي انتخاب بين اين سه روش ، استفاده مي نمائيم(يافي،2003،158) 115 .
10-3 آزمون هاي آماري مورد نياز براي تخمين مدل ها
پس از بحث و بررسي در رابطه با نوع مدل ها و روش هاي مورد استفاده در تخمين ضرايب مربوط به متغيرهاي اين تحقيق لازم است که در مرحله بعدي موضوع آزمون هاي آماري اساسي و مورد نياز جهت انجام استنباط هاي نهايي مطرح گردد که به ترتيب و به شرح زير ارائه مي شود :
1-10-3 آزمون معني داري مدل رگرسيون
از آنجا که برآورد ضرايب مربوط به متغيرهاي توضيحي معادلات رگرسيون با استفاده از داده هاي مربوط به نمونه انجام مي گيرد، لذا به کمک علم آمار بايستي مشخص کرد که اين برآوردها تا چه حد درباره کل جامعه تطبيق مي کنند . از اين رو مسأله آزمون فرضيه تک تک پارامترها مورد توجه قرار مي گيرد.
اگر مدل رگرسيون
(رابطه8-3)
در نظر گرفته شود. فرضهاي آزمون ضرايب ?i به شرح زير خواهد بود:
H0: ?i = 0 i=1,2,….,k
H1: ?i ? 0
آماره آزمون t را با مقدار بدست آمده از جدول t استيودنت در سطح و با در جه آزادي (n-k-1) مقايسه مي کنيم . اگر آماره آزمون بزرگتر از عدد بدست آمده از جدول باشد، فرض H0 را رد مي کنيم و يا به عبارت ديگر نتيجه مي گيريم که ?i در سطح ? درصد معني داراست. روش ساده تر براي آزمون تک تک ضرايب،توجه به ستون احتمال116 است. اگر اين احتمال کمتر از 10 درصد باشد، نشانگر معني دار بودن ضريب متغير ياد شده است.
براي بررسي و آزمون معني دار بودن معادله رگرسيون نيز از آماره F استفاده خواهيم نمود. با توجه به مدل رگرسيوني معرفي شده در قبل، فرضيه هاي اين آزمون به شرح زير خواهد بود:
(رابطه 9-3)
اگر فرضيه H0 صحيح باشد به اين معني است که هيچکدام از متغيرهاي توضيحي بر تغييرات Yt تأثيري ندارند و تغييرات صرفاً تصادفي است. و لي اگر فرضيه H1 درست باشد به اين مفهوم است که حداقل يک متغير توضيحي وجود دارد که در تغييرات Yt (متغير وابسته) مؤثر است. نحوه آزمون نيز بدين صورت است که آماره آزمون