برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.

ار است. چنین حالتی به دلیل ارتباط جزء اخلال هر مشاهده (تفاوت متغیر وابسته با مقدار تخمینی آن) با جزء اخلال مشاهده دیگر به وجود می‌آید. همبستگی پیاپی یا خود‌همبستگی در چندین نوع یا مرتبه قابل مشاهده است. برای مثال، در همبستگی پیاپی مرتبه اول[۵۵] اجزای اخلال یک دوره زمانی به طور مستقیم با اجزای اخلال یک دوره بعد همبستگی دارند. اهمیت توجه به این موضوع از آن جهت است که وجود همبستگی پیاپی، کارایی برآوردکننده (تخمین زن) حداقل مربعات معمولی (OLS)[56] را تحت تأثیر قرار می‌دهد. راه حل متداول برای بررسی احتمال وجود همبستگی پیاپی، استفاده از آماره دوربین واتسون[۵۷] می‌باشد که در این تحقیق نیز برای این منظور به کار گرفته شده است. این آماره به طور معمول بین صفر تا ۴ تغییر می‌کند. مرز تقریبی بین همبستگی پیاپی مثبت و منفی عدد۲ است. اگر آماره بالاتر از ۲ باشد بیانگر وجود خود‌همبستگی منفی و اگر کمتر از ۲ باشد نشان دهنده‌ی وجود خودهمبستگی مثبت است. چنانچه آماره در حدود دو باشد به این معنی است که در رگرسیون، خود‌همبستگی مرتبه اول وجود دارد. از طریق مراجعه به جداول آماری مربوط به دوربین واتسون می‌توان نسبت به رد یا قبول وجود خود‌همبستگی قضاوت و نتیجه‌گیری کرد. با تشخیص ساختار همبستگی‌ها به ویژه با آزمون نمودار ACF یا آزمون تشخیص ساختار ARMA در نرم افزار Eviews 8 می‌توان روش مناسب برای خود‌همبستگی را در مدل یافت. به این ترتیب در صورت برخورداری از ساختار ARMA مدل با اضافه کردن ترکیبات AR یا MA در بین مولفه‌های مدل اجرا می‌گردد.
هم‌خطی
هم‌خطی در اثر ارتباط خطی یا فنی متغیرهای مستقل مدل به وجود می‌آید. معیار تشخیص هم‌خطی (که به تورم واریانس معروف است) مبتنی بر تغییر ضریب تعیین و واریانس رگرسیون در نتیجه ورود متغیرهای هم خط به مدل است. از جنبه کاربردی تا زمانی که میزان توضیح‌دهندگی مدل به واسطه ورود متغیرهای هم‌خط کاسته نشود و ضرایب رگرسیونی آن‌ها نیز معنادار باشند در جهت رفع هم‌خطی اقدامی صورت نمی‌گیرد. راه کار رفع هم‌خطی پیش از حذف متغیرهای شدیدأ هم‌خط، استفاده از تحلیل عاملی یا همان ادغام‌کردن تأثیر متغیرهای هم خط در قالب یک متغیر روی مدل است.
مانایی متغیرها
از آنجا که ممکن است متغیرهای اقتصادی دارای داده‌های تلفیقی نامانا باشند بنابراین باید قبل از بکارگیری در مدل، بررسی لازم در خصوص مانایی آن‌ها صورت گیرد و نسبت به مانا یا نامانا بودن متغیرهای تلفیقی اطمینان حاصل شود. در‌واقع، به طور معمول عملیاتی مانند استفاده از روش حداقل مربعات معمولی(OLS) در تحقیقات تجربی با فرض مانا بودن متغیرهای سری زمانی صورت می‌گیرد. مانایی در مجموع به دو شکل مانای اکید و مانای ضعیف قابل بررسی است. مانای اکید به این معنی است که عامل تغییر زمان هیچ گونه تأثیری بر تابع توزیع مشترک ندارد. در عمل، با توجه به دشواربودن آزمون‌های مانایی اکید، محققان معمولاً از آزمون های مانایی ضعیف استفاده می‌کنند. بر همین اساس، در این پژوهش نیز متغیرها در صورت برخورداری از خصوصیات مانایی ضعیف، مانا شناخته می‌شوند. ثبات میانگین، ثبات واریانس و ثبات کوواریانس فرایند تصادفی () به ازای مقادیر مختلف t، از خصوصیات مانایی ضعیف است. به منظور پرهیز از به کارگیری داده‌های تلفیقی نامانا از سه روش زیر می‌توان متغیرهای موجود در مدل را آزمون کرد:
الف: روش ترسیمی
ب: روش همبسته نگار (که تابع‌خودهمبستگی را در مقابل تعداد مشخصی وقفه ترسیم می‌کند)
ج: روش آزمون ریشه واحد
همچنین، برای بررسی و آزمون ریشه واحد در نرم‌افزارهای آماری سه آزمون متداول به شرح زیر وجود دارد که به طور معمول مورد استفاده قرار می‌گیرند:
آزمون دیکی‌فولر (DF)
آزمون دیکی‌فولر افزوده شده (ADF)
آزمون فیلیپس‌پرون (PP)
در آزمون دیکی فولر روال کار بر این است که متغیر دارای داده تلفیقی را با یک وقفه خود رگرس می‌کنند:
سپس می توان نتیجه گرفت که سری یک سری ماناست اگر ضریب وقفه آن در رگرسیون بالا ۱> >1- باشد. در صورتی که ۱= باشد می‌توان گفت سری ناماناست. چنانچه مدل گام تصادفی با مقصد نامعلوم[۵۸] باشد در این صورت در طی فرایند آغاز شده در برخی نقاط واریانس متغیر وابسته به طور مداوم همراه با زمان افزایش‌یافته و به سوی بی‌نهایت حرکت می‌کند. در آزمون دیکی‌فولر افزوده معادله رگرسیون به صورت تفاضلی به شرح زیر تدوین می‌شود:
در این رگرسیون شرط مانایی کوچکتر از صفر بودن سیگما() است. همچنین با رعایت وجود وقفه کمتر باید تا جایی به مدل وقفه داد که مشکل خود‌همبستگی آن حل شود. در نرم‌افزارهای اقتصاد سنجی معمولاً ناحیه بحرانی آزمون ریشه واحد در سه سطح اطمینان مختلف شامل: ۹۹ درصد، ۹۵ درصد و ۹۰ درصد صورت می‌گیرد.
فروض صفر و یک نیز در آزمون مانایی به صورت زیر تبیین می‌شود:
در اینجا، فرض صفر دلیل نامانایی و رد فرض صفر دلیل بر مانایی شمرده می‌شود. نحوه دستیابی به نتیجه در آزمون دیکی‌فولر افزوده، مقایسه با مقدار بحرانی است. در صورتی که آماره آزمون دیکی‌فولر از مقدار ناحیه بحرانی بزرگتر باشد، آنگاه فرض صفر رد می‌شود.در صورتی که داده‌های پژوهش از نوع سری زمانی باشند آزمون فیلیپس- پرون مناسب است. در صورتی که نتیجه آزمون ریشه واحد، حاکی از نامانایی متغیرهای سری زمانی باشد راه حل موجود در این رابطه تفاضل‌گیری و توجه به آزمون ه
م‌انباشتگی است. در واقع، هنگامی که متغیرها مانا نیستند اضافه کردن روند زمانی در بین متغیرها و یا کم کردن روند قطعی از متغیرها موجب مانایی متغیرها نخواهد شد. البته اگرچه روش معمول رسیدن به مانایی تفاضل‌گیری است اما از آنجا که این اقدام موجب از دست دادن اطلاعات داده‌ها می‌گردد، به عنوان راه حل نهایی حل مشکل نامانایی توصیه شده است و توسط محققان به ویژه در خصوص داده‌های اقتصادی که معمولا نامانا هستند، مورد استفاده قرار می‌گیرد، زیرا برای حفظ اطلاعات در رابطه با سطح بلند‌مدت متغیرها کار خاصی نمی‌توان انجام داد.
۳- ۱۰ روش تجزیه و تحلیل داده‌ها
در بررسی ارتباط بین یک متغیر وابسته با یک یا چند متغیر مستقل و با استفاده از دادههای تاریخی از سه نوع داده می توان پارامترهای متغیر (متغیرهای) مستقل را برآورد و با ارائه مدل اقدام به پیشبینی نمود، این سه نوع داده را می توان به شرح زیر استخراج کرد:
الف) دادههای سری زمانی
دادههایی هستند که در قالب یک یا چند متغیر خاصی در طول زمان رخ میدهند. به عبارت دیگر سری زمانی، مجموعهای از مشاهدات است که بر حسب زمان مرتب شده باشند (آذر و مومنی، ۱۳۸۹).
ب) دادههای مقطعی
دادههایی هستند که در یک مقطع مشخص از زمان محاسبه و جمعآوری می شوند. به عنوان مثال، اگر متغیر SDA برای ۱۰۰ شرکت و در یک مقطع خاصی از زمان (مثلا سال ۱۳۸۵ ) جمع آوری گردد، این دادهها را مقطعی گویند. در این حالت تعداد مشاهدات (N) برابر ۱۰۰ است (آذر و مومنی، ۱۳۸۹).