= ضریب خود همبستگی
آماره h، دارای توزیع Z است و حالتهای زیر را می توان در نظر گرفت:
۱)نبود خود همبستگی؛ اگر ویا
۲)خود همبستگی مثبت ؛اگر
۳)خود همبستگی منفی ؛ اگر
در صورت مشاهده خودهمبستگی، بایستی نسبت به رفع آن اقدام نمود. راهکارهای متعددی نظیر روش اولین تفاضل، روش کوکران –اورکاتوروشGLS وجود دارد ولی معمولا” در نرم افزار Eviews برای رفع خودهمبستگی به مدل های مورد نظر یک فرآیند اتو رگرسیو [۷۰]AR اضافه می نمایند. در این روش بعد از شناسایی وقفه مناسب، نسبت به اصلاح مدل مورد نظر اقدام می گردد. به عنوان مثال اگر عبارت (۱)AR را به مدل اضافه نماییم، همانند این است که وقفه متغیر وابسته از درجه یک را به مدل اضافه کرده ایم ویا اگر )۱و۱)[۷۱]ARMAرا اضافه کنیم همانند این است که هم وقفه متغیر وابسته از درجه یک و هم وقفه باقیمانده ها از درجه یک را به مدل اضافه کرده ایم. در این تحقیق در صورت مشاهده خود همبستگی از روش یاد شده استفاده خواهد شد.
برای شناسایی مشکل ناهمسانی واریانس نیز روش های متفاوتی نظیر روش ترسیمی، آزمون وایت، آزمون بارتلت، آزمون پارک وجود دارد. در صورتی که با آزمون های موجود تشخیص دادیم که مدل دچار ناهمسانی واریانس است بایستی در اینجا نیز به رفع آن اقدام کرد. راهکار مناسب در این جا استفاده از روش GLS است.
۳-۹-۳٫ آزمون هم خطی بین متغیرهای تحقیق
همخطی[۷۲]، در اصل به معنای وجود ارتباط خطی بین همه و یا بعضی از متغیرهای مدل رگرسیون است. یکی دیگر از فروض کلاسیک، کامل بودن مرتبه ماتریس x (ماتریس متغیرهای توضیحی مدل) است که نقض این فرض نیز موجب بروز مشکل هم خطی می‌شود. هم خطی بر دو نوع هم خطی کامل و هم خطی ناقص است. اگر هم خطی از نوع کامل باشد، معمولا تخمین ضرایب امکان پذیر نیست.
در هم خطی معمولا مقدار ضریب تعیین ([۷۳]۲R) بالا بوده ولی مقدار t های معنی دار اندک است. بعلاوه در صورت ناقص بودن هم خطی، بزرگی واریانس –کوواریانس ، فواصل اعتماد عریض تر و نسبت های غیر معنی دار t را شاهد خواهیم بود و از اینرو شناسایی هم خطی قبل از هر گونه اقدام جدی بسیار مهم می‌باشد (بیدرام،۱۳۸۱). در این تحقیق جهت شناسایی همخطی بین متغیرهای تحقیق از روش زیر استفاده می‌شود:
ماتریس همبستگی (ضریب همبستگی پیرسون)
به منظور شناسایی بهتر روابط بین متغیرهای تحقیق و با توجه به در نظر گرفتن رابطه خطی بین متغیرهای مستقل و وابسته در مدل های تحلیلی این تحقیق می توانیم با استفاده ضریب همبستگی پیرسون[۷۴] وجود همخطی بین متغیرها را بررسی کرده و نتایج حاصله را با یکدیگر مقایسه کرد. نتایج حاصل از ضریب همبستگی پیرسون (r) بر اساس قاعده زیر تفسیر خواهد شد:
۱) اگر ضریب همبستگی (r) بزرگتر از ۹۰% باشد همبستگی زیاد و عالی بین متغیرها وجود دارد.
۲) اگر ضریب همبستگی (r) بین ۹۰% – ۷۰% باشد همبستگی بالایی بین متغیرها وجود دارد.
۳) اگر ضریب همبستگی (r) بین ۷۰% – ۴۰% باشد همبستگی در حد متوسط بین متغیرها وجود دارد.
۴) اگر ضریب همبستگی (r) بین ۴۰% – صفر باشد همبستگی در حد ضعیف بین متغیرها وجود دارد.
اگر ضریب یاد شده منفی باشد نشان از وجود رابطه منفی و معکوس بین متغیرهای یاد شده و در صورت مثبت بودن این ضریب، نشان از وجود ارتباط مستقیم و مثبت بین متغیرهای یاد شده خواهد بود. از این رو مقدار این ضریب مابین ۱+ و ۱- خواهد بود.
۴-۹-۳٫ آزمون ایستایی (مانایی)متغیرهای تحقیق
سری های زمانی یکی از مهمترین داده‌هایی هستند که در مطالعات تجربی اقتصادسنجی مورد استفاده قرار می‌گیرند. معمولاً در مطالعات تجربی فرض براین است که محققات از سری های زمانی ساکن[۷۵] استفاده می‌کنند چون استفاده از سری زمانی غیر ساکن نه تنها می‌تواند فروض کلاسیک یک معادله رگرسیون را نقص کند، بلکه تخمینهای تجربی بدست آمده نیز کاذب و یا بی معنی[۷۶] خواهد بود و لذا پارامترهای تخمین زده شده در مدل ها، نه تنها از نظر سیاستگذاری قابل ارزش نیستند، بلکه پیش‌بینی های به عمل آمده از آنها نیز برای آینده بی اختیار خواهد بود (بیدرام -۱۳۸۱ ).
یک سری زمانی ساکن و یا (۰)I، زمانی دارای فرایند تصادفی ساکن است که واریانس، میانگین و کوواریانس آن در وقفه های مختلف در طول زمان ثابت باقی بماند. حال اگر متغییری غیر ساکن باشد، آنگاه آن متغییر می‌تواند یک و یا چند ریشه واحد[۷۷]داشته باشد. اگر متغییر مزبور بعد از یک بار تفاضل گیری ساکن شود آن متغییر دارای یک ریشه واحد و یا (۱)I است و یا اگر بعد از ۲ بار تفاضل گیری ساکن گردد در آنصورت دارای دو ریشه واحد (۲)I خواهند بود.
برای تعیین ایستایی داده‌های پانلی، آزمون های متفاوتی نظیر آزمون دیکی –فولرافزوده (ADF )، فیلیپس و پرون (PP)، ایم –پرانوشین (IPS) وجود دارد. در این تحقیق برای بررسی ایستایی متغییرها از آزمون دیکی فولر افزوده شده استفاده شده و نتایج نشان داد که تمامی متغییرهای تحقیق در سطح قابل قبولی (۹۵ درصداطمینان) ایستا و ساکن هستند.
۳-۹-۴٫ آزمون وجود عرض از مبدأ در مدل‌ها
در تخمین مدل های مفروض در این تحقیق، بعد از مشخص شدن روش نهایی جهت انتخاب مدل (اثرات مشترک، اثرات ثابت، اثرات تصادفی)، از دو مدل با عرض از مبدأ و بدون عرض از مبدأ استفاده خواهیم نمود. اصولاً جهت تعیین وجود عرض از مبدأ در یک مدل از معیارهای متفاوتی می توان استفاده کرد. مثلاً در یک روش می توان دو مدل مجزا (در یکی از عرض از مبدأ و دیگری بدون عرض از مبدأ)را تخمین زده و سپس با توجه مقدار آماره t ضریب عرض از مبدأ و یا مجموع مجذور پسماندهای[۷۸] مدل ها تصمیم گرفت. اصولاً اگر ضریب عرض از مبدأ از نظر آماری معنی دار باشد، مدل با عرض از مبدأ انتخاب می‌گردد و یا هر قدر در یک مدلی مجموع مجذور پسماندها (ssr) کوچکتر باشد آن الگوی رگرسیونی به سایر الگوها ترجیح داده می‌شود.
دو معیار اطلاعاتی آکائیک[۷۹] و ملاک اطلاعاتی شوارتز[۸۰] نیز، هر دو سنجه ای جدید از مجموع مجذور پسماندهای رگرسیونی است که در خروجی الگوی رگرسیونی گزارش می‌شود و در مقام مقایسه هر مدلی که معیارهای یادشده‌اش بزرگتر باشد بر مدل دیگر ترجیح داده می‌شود. ضریب تعیین تعدیل شده (R) نیز معیار دیگری در رابطه با تصمیم گیری انتخاب و ترجیح مدل ها می‌باشد و طبیعتاً مدلی که ضریب تعیین تعدیل شده بالاتری داشته باشد بر دیگری ترجیح داده می‌شود.
آزمون والد[۸۱] و یا همان آزمون محدودیت،روش دیگری است که بوسیله آن نیز می توان نسبت به وجود عرض از مبدأ در یک مدل پی برد. در این آزمون فرض می‌شود که عرض از مبدأ (۰= (۱ )C) برابر صفر می‌باشد و مورد بررسی قرار می‌گیرد و چنانچه میزان آماره خی دو حاصل شده از میزان خی دو( جدول بزرگتر باشد لذا فرض H0 رد شده و مدل با عرض مبدأ خواهد بود.
۳-۱۰٫ روش ترکیب و آرایش داده‌های تحقیق
همانطور که قبلاً نیز قید گردیده بود دراین مطالعه متغییهای مورد نظر از دوجنبه متفاوت بررسی خواهند شد و این متغیرها از یک سو درمیان شرکتهای متفاوت (۱۳۰ شرکت ) و از سوی دیگر در دوره زمانی سال های ۸۸-۱۳۸۱ (هشت سال ) انتخاب شده اند.راه حل پیشنهاد شده در چنین مواردی تلفیق داده‌های میان گروهی و سری های زمانی با یکدیگر و برآورد الگوی مورد نظر براساس مجموعه جدید تشکیل شده است.
چنانچه داده‌های مقطعی استخراج شده از واحدهای مقطعی متفاوت را در سال های مختلف در کنار هم قرار دهیم، با داده‌های از نوع ادغام شده مواجه خواهیم بود اصولاً آرایش داده‌ها در اینگونه مطالعات به دو روش زیر انجام می پذیرد (نمازی، رستمی -۱۳۸۵):
در حالت اول،داده‌های یک واحد مقطعی (نظیر شرکت، کشورو…) برای T سال را درکنار هم قرار می دهیم و سپس عمل یادشده را برای واحد مقطعی دوم و واحدهای بعدی تکرار می‌کنیم. این نحوه آرایش و چینش داده‌ها را اصطلاحا” (داده‌های ادغام شده)[۸۲] می گویند.
در حالت دوم، قراردادن واحدهای مقطعی در هرسال در کنار هم است به گونه ای که این روند براساس سال های بعد هم تکرار می‌شود. نحوه آرایش داده‌ها به این صورت را نیز اصطلاحاً “داده‌های ترکیبی “[۸۳] می‌گویند.
در این مطالعه چینش داده‌ها بصورت رولش دوم و با همان داده‌های ترکیبی خواهد بود.
۳-۱۱٫ خلاصه‌ای از آزمون های آماری تحقیق
با توجه به مطالب ارایه شده در قبل ملاحظه گردید که در طی مراحل مختلف تحقیق از آزمون های متعدد استفاده می‌شود و نتایج حاصله، مطالب و نکات جدیدی از فرایند تحقیق را آشکار می نمایند.مواردی همچون آزمون دیکی –فولروآزمون هایه مخطی ازجمله آزمونهای بسیارمهم بودنند که نتایج حاصل شده ازآنهادرمباحث قبلی ارایه وموردبحث وبررسی قرارگرفتند ولذا بطورخلاصه می توانیم آزمون های آماری که در این تحقیق استفاده خواهند شد را در طی یک جدول به شرح زیر نشان دهیم که پاره ای از آنها در مراحل بعدی ملاک عمل خواهند بود.
جدول ۴-۴ –آزمونهای آماری لازم جهت تحلیل مباحث مورد نظرتحقیق
| توضیحات |
نوع آزمون مورد استفاده |
نوع آماره مورد استفاده |
| دانلود متن کامل پایان نامه در سایت jemo.ir موجود است |
