تبلیغ شماره 1
بازگشت به پورتال مرکزی

در برآورد یک مدل که داده های آن از نوع ترکیبی هست ابتدا باید نوع الگوی براورد مشخص شود. به عبارت دیگر ابتدا باید بررسی شود که مدل م,رد بررسی در کدام طبقه pool یا panel قرار می گیرد.

در مورد داده‌های ترکیبی ابتدا آزمون  F(آزمون چاو) به منظور انتخاب شیوه تخمین مدل از بین دو راهکار Pooling وPanel  انجام می-شود. 
اولین گام در تخمین های پانل دیتا تعیین نمودن قیود وارد شده بر مدل اقتصادسنجی است. به عبارت دیگر ابتدا باید مشخص کنیم که رابطه رگرسیونی در نمونه مورد بررسی دارای عرض از مبدأهای ناهمگن و شیب همگن است یا اینکه فرضیه عرض از مبدأهای مشترک و شیب مشترک در بین مقاطع (مدل داده¬های تلفیقی)  پذیرفته می شود. بدین منظور آزمون F مورد استفاده قرار می گیرد. بر اساس این آزمون ابتدا مدل را به صورت نامقید و در حالت کلی با عرض از مبدأهای مشترک و شیب های مشترک برآورد نموده و مقدار پسماندهای رگرسیون  را محاسبه می کنیم، سپس مدل را به صورت مقیّد و با فرض عرض از مبدأهای ناهمگن در بین مقاطع و شیب های مشترک تخمین می زنیم و مقادیر پسماند مقید  را بدست می‌آوریم.

 

در صورتیکه مقدار F محاسبه شده از F جدول با درجات آزادی مشخص شده بزرگتر باشد فرضیه H0 مبنی بر همگنی مقاطع و عرض از مبدأهای یکسان رد میشود و لذا اثرات گروه پذیرفته شده و میبایستی عرض از مبدأهای مختلفی را در برآورد لحاظ نمود در نتیجه میتوان از روش پانل جهت برآورد استفاده کرد ولی در صورتی که فرضیه H0 پذیرفته شود به معنی یکسان بودن شیب‏ها برای مقاطع مختلف بوده و قابلیت ترکیب شدن داده ‏ها و استفاده از مدل از داده های تلفیقی مورد تأیید آماری قرار می‏ گیرد. در این آزمون با توجه به آماره F، برای تمامی مدل‏های مورد بررسی، روش داده ‏های تابلویی مورد پذیرش قرار گرفته زیرا در مدل مورد نظر این احتمال صفر شده است.
عرض از مبدأ در تمام مقاطع برابر هستند (داده ‏های تلفیقی) : H0    
عرض از مبدأ در تمام مقاطع برابر نیستند (داده‏ های تابلویی)  :H1

منبع:

کتاب اقتصاد سنجی کاربردی پانل دیتا نوشته دکتر علی فقه مجیدی و صلاح ابراهیمی

کتاب تجزیه و تحلیل آماری نوشته دکتر عباس افلاطونی

در صورت علاقه مندی به یادگیری کامل مبحث روش های اقتصاد سنجی جهت پیش ثبت نام و یا  شرکت در دوره ها کلیک کنید.

جهت پیش ثبت نام  کلیک کنید...

در صورتی که به مشاوره پیرامون موضوع فوق علاقه دارید کلیک کنید...

اطلاعات بیشتر کلیک کنید...

 

 

 

ثبت نام و عضویت میز کار

لینک های مفید

 

 

 

علی اژدری |   1395/10/14 20:19:52   |
3     1
می توان متن زیر را اضافه کرد :
چنانچه آزمون f در مورد یک مدل معنی دار نباشد مدل به طور کلی رد شده و دیگر نیازی به بررسی بیشتر مدل نمی باشد
 پاسخ 
دیدگاه کاربران
hosein dehshiri |   1396/04/08 22:36:24   |
0     0
در بررسی داده‌های مقطعی و سری‌های زمانی، اگر ضرایب اثرات مقطعی و اثرات زمانی معنی‌دار نشود، می‌توان داده‌ها را با یکدیگر ترکیب کرده و به وسیله یک رگرسیون حداقل مربعات معمولی تخمین بزنیم. از آن‌جایی که در اکثر داده‌های ترکیبی اغلب ضرایب مقاطع یا سری‌های زمانی معنی‌دار هستند این مدل که به مدل رگرسیون ترکیب شده معروف است کمتر مورد استفاده قرار می‌گیرد بنابراین برای این‌که بتوان مشخص نمود که آیا داده‌های پانل برای برآورد تابع مورد‌نظر کارآمدتر خواهد بود یا نه، فرضیه ای را آزمون می کنیم که در آن کلیه عبارات ثابت برآورد با یکدیگر برابر هستند. فرضیه صفر این آزمون که به آزمون چاو یا F مقید معروف است به‌صورت زیر می‌باشد:

برای آزمون فرضیه مذکور از آماره F به‌صورت زیر استفاده می‌شود:





که در آن N برابر با تعداد واحدهای مقطعی، T طول دوره مورد نظر، K تعداد متغیرهای توضیحی، RRSS مجذور پسماندهای حاصل از برآورد مقید رگرسیون به‌صورت حداقل مربعات متغیر مجازی و URSS مجذور پسماندهای حاصل از برآورد نامقید رگرسیون به‌صورت حداقل مربعات معمولی می‌باشد.
 پاسخ 
دیدگاه کاربران
محمد کاظم سالاری |   1396/09/27 08:52:18   |
2     0
در مورد داده‌های ترکیبی ابتدا آزمون F(آزمون چاو) به منظور انتخاب شیوه تخمین مدل از بین دو راهکار Pooling وPanel انجام می-شود.
 پاسخ 
دیدگاه کاربران
محمدرضا تیموری |   1396/10/03 23:16:46   |
1     0
اولین گام در تخمین های پانل دیتا تعیین نمودن قیود وارد شده بر مدل اقتصادسنجی است. به عبارت دیگر ابتدا باید مشخص کنیم که رابطه رگرسیونی در نمونه مورد بررسی دارای عرض از مبدأهای ناهمگن و شیب همگن است یا اینکه فرضیه عرض از مبدأهای مشترک و شیب مشترک در بین مقاطع (مدل داده¬های تلفیقی) پذیرفته می شود. بدین منظور آزمون F مورد استفاده قرار می گیرد. بر اساس این آزمون ابتدا مدل را به صورت نامقید و در حالت کلی با عرض از مبدأهای مشترک و شیب های مشترک برآورد نموده و مقدار پسماندهای رگرسیون را محاسبه می کنیم، سپس مدل را به صورت مقیّد و با فرض عرض از مبدأهای ناهمگن در بین مقاطع و شیب های مشترک تخمین می زنیم و مقادیر پسماند مقید را بدست می‌آوریم.
 پاسخ 
دیدگاه کاربران
ابوالفضل موحدی |   1396/10/05 12:00:17   |
2     1
آزمون هاسمن:
بعد از انجام آزمون fلیمر(چاو )و انتخاب مدل اثرات ثابت مقطعی برای انتخاب روش آزمون داده‌ها از بین دو روش اثرات ثابت و اثرات تصادفی از آزمون‌هاسمن استفاده می شود.
بعد از این که مشخص شد ناهمگنی در مقاطع وجود دارد و تفاوت های فردی قابل لحاظ کردن است به منظور اینکه مشخص گردد کدام روش (اثرات ثابت و یا اثرات تصادفی) جهت برآورد مناسب‏تر است (تشخیص ثابت یا تصادفی بودن تفاوت واحدهای مقطعی) از آزمون هاسمن استفاده می‏ شود. در آزمون هاسمن، فرضیه صفربه معنی این است که ارتباطی بین جزء اخلال مربوط به عرض از مبدأ و متغیرهای توضیحی وجود ندارد و آن‏ها از یکدیگر مستقل هستند در حالی که فرضیه مقابل به این معنی است که بین جزء اخلال مورد نظر و متغیرهای توضیحی با مشکل تورش و ناسازگاری مواجه می‏شویم. بنابراین بهتر است در صورت پذیرفته شدن فرض H1از روش اثرات ثابت استفاده کنیم. تحت فرضیه H0، اثرات ثابت و اثرات تصادفی هر دوسازگار هستند ولی روش اثرات ثابت ناکارا است. فرضیه آزمون هاسمن به صورت زیر خواهد بود:
اثرات تصادفی: H0
اثرات ثابت: H1
 پاسخ 
دیدگاه کاربران
ابوالفضل موحدی |   1396/10/05 12:03:56   |
2     1
نحوه داوری: در این آزمون فرضیه یعنی یکسان بودن عرض از مبداء‌ها در مقابل فرضیه یعنی ناهمسانی عرض از مبداء‌ها قرار می‌گیرد. در صورتی که فرضیه پذیرفته شود به معنی یکسان بودن شیب‌ها برای مقاطع مختلف بوده و قابلیت ترکیب شدن داده‌ها و استفاده از مدل رگرسیون ترکیب شده مورد تأیید آماری قرار می‌گیرد و فرضیه‌های پژوهش با استفاده از روش داده‌های ترکیب شده مورد آزمون قرار خواهد گرفت. اما در صورت رد فرضیه روش داده‌های پانل پذیرفته می‌شود و فرضیه‌های پژوهش با استفاده از روش داده‌های پانل آزمون می‌شود.
 پاسخ 
دیدگاه کاربران
Sobhan Karimi |   1396/10/05 23:27:28   |
1     2
در برآورد مدل پانل دیتا با دو حالت کلی روبرو هستیم. حالت اول این است که عرض از مبدأ برای کلیه مقاطع یکسان است که در این صورت با مدل پول دیتا (pool data) مواجه هسیم. حالت دوم عرض از مبدأ برای تمام مقاطع متفاوت است که به این حالت پانل دیتا (panel data) گفته می شود. برای شناسایی دو حالت فوق از آزمونی به نام اف -لیمر استفاده می شود. بنابراین آزمون اف-لیمر برای انتخاب بین روشهای رگرسیون پول دیتا (تلفیقی) و رگرسیون با اثرات ثابت استفاده می شود.
 پاسخ 
دیدگاه کاربران
محسن برزگری |   1396/10/06 10:06:41   |
برای آزمون اینکه از بین دو مدل رگرسیون با جملات مشترک (رگرسیون معمولی) و رگرسیون با اثرات ثابت کدام مناسب تر است آز آزمون f لیمر استفاده می کنیم که فرض صفر در آن بر بی تاثیر بودن مدل با اثرات ثابت نسبت به مدل جملات مشترک دلالت دارد.
فرضیه های آزمون به صورت زیر می باشد:
H0: مدل رگرسیون معمولی است
H1: مدل رگرسیون با اثرات ثابت است
در این آزمون اگر فرض صفر رد شود نتیجه می گیریم که مدل با اثرات ثابت بر مدل معمولی برتری دارد و باید داده های خود را بر اساس مدل اثرات ثابت برازش دهیم. اگر مدل با اثرات ثابت پذیرفته شد نیاز است آزمون دیگری ( آزمون هاسمن ) نیز انجام دهیم تا مشخص شود بین مدل با اثرات ثابت و مدل با اثرات تصادفی کدام مناسب تر است.
حمید زارعی |   1396/10/07 09:04:44   |
2     0
سلام برای آزمون چاو

ابتدای امر باید داده ها را به صورت panel تهیه نمایم یا به صورت pool

آزمون را اجرا نماییم
 پاسخ 
دیدگاه کاربران
عراقی |   1396/10/20 21:49:17   |
1     1
در برآورد مدل پانل دیتا با دو حالت کلی روبرو هستیم. حالت اول این است که عرض از مبدأ برای کلیه مقاطع یکسان است که در این صورت با مدل پول دیتا (pool data) مواجه هسیم.
 پاسخ 
دیدگاه کاربران
فرزاد فرات |   1396/10/20 21:49:51   |
1     0
برای آزمون اینکه از بین دو مدل رگرسیون با جملات مشترک (رگرسیون معمولی) و رگرسیون با اثرات ثابت کدام مناسب تر است آز آزمون f لیمر استفاده می کنیم که فرض صفر در آن بر بی تاثیر بودن مدل با اثرات ثابت نسبت به مدل جملات مشترک دلالت دارد.
 پاسخ 
دیدگاه کاربران
مهدی شایق |   1396/10/20 21:50:29   |
1     0
بر اساس این آزمون ابتدا مدل را به صورت نامقید و در حالت کلی با عرض از مبدأهای مشترک و شیب های مشترک برآورد نموده و مقدار پسماندهای رگرسیون را محاسبه می کنیم، سپس مدل را به صورت مقیّد و با فرض عرض از مبدأهای ناهمگن در بین مقاطع و شیب های مشترک تخمین می زنیم و مقادیر پسماند مقید را بدست می‌آوریم
 پاسخ 
دیدگاه کاربران
فهیمه تقدیری |   1396/10/21 14:20:19   |
1     0
در برآورد مدل پانل دیتا با دو حالت کلی روبرو هستیم.

حالت اول این است که عرض از مبدأ برای کلیه مقاطع یکسان است که در این صورت با مدل پول دیتا (pool data) مواجه هسیم....
 پاسخ 
دیدگاه کاربران
علیرضا حاتمی |   1396/11/02 22:31:03   |
1     0
اولین گام در تخمین های پانل دیتا تعیین نمودن قیود وارد شده بر مدل اقتصادسنجی است. به عبارت دیگر ابتدا باید مشخص کنیم که رابطه رگرسیونی در نمونه مورد بررسی دارای عرض از مبدأهای ناهمگن و شیب همگن است یا اینکه فرضیه عرض از مبدأهای مشترک و شیب مشترک در بین مقاطع (مدل داده¬های تلفیقی) پذیرفته می شود. بدین منظور آزمون F مورد استفاده قرار می گیرد. بر اساس این آزمون ابتدا مدل را به صورت نامقید و در حالت کلی با عرض از مبدأهای مشترک و شیب های مشترک برآورد نموده و مقدار پسماندهای رگرسیون را محاسبه می کنیم،
 پاسخ 
دیدگاه کاربران
parisa teymouri |   1396/11/08 21:52:26   |
1     1
در برآورد یک مدل که داده های آن از نوع ترکیبی هست ابتدا باید نوع الگوی براورد مشخص شود. به عبارت دیگر ابتدا باید بررسی شود که مدل م,رد بررسی در کدام طبقه pool یا panel قرار می گیرد.

در مورد داده‌های ترکیبی ابتدا آزمون F(آزمون چاو) به منظور انتخاب شیوه تخمین مدل از بین دو راهکار Pooling وPanel انجام می-شود
 پاسخ 
دیدگاه کاربران
دیدگاه کاربران

 

 

هدیه مالی تیم متفکران نوین مالی در شبکه اجتماعی
Web Analytics