مقادیر مرسوم برای β بین ۰۱/۰ تا ۰۵/۰ می‌باشد. سطح معنی داری که محقق برای تعیین β در پژوهش انتخاب می‌کند بر تخمین او از اهمیت و یا درجه قابلیت کاربرد یافته هایش مبتنی است. در تحقیقات مالی و حسابداری غالباً این مقدار برابر ۰۵/۰ در نظر گرفته می شود(آذر و مومنی،۱۳۸۹:۱۰۱). از طرفی دیگر در این پژوهش جهت معنی دار بودن ضرایب β ، از آماره هایt و p-value استفاده می شود.

۳-۱۱).روش های آماری مورد استفاده

از آنجا که مدل‌های خطی مورد استفاده در این پژوهش شامل مدل‌های رگرسیونی است، لذا در این بخش به شرح مختصری پیرامون این نوع از مدل‌ها و مفروضات کلاسیک آن پرداخته می­ شود.

تحلیل رگرسیون در واقع بدنه اصلی مطالعات اقتصادسنجی را تشکیل می‌دهد، به طور کلی،اقتصاد سنجی درباره مدل‌های رگرسیون و نحوه ی برآورد آن ها بحث می‌کند. اقتصاد سنجی، روش هایی برای شناسایی و تخمین مدل‌های با چند مجهول را ایجاد می‌کند؛ که این روش ها به محقق اجازه می‌دهد که استنتاجی علی معلولی در شرایطی غیر از شرایط آزمایشی کنترل شده ارائه دهد.

به کمک تکنیک های اقتصادسنجی می توان ضرایب مجهول مدل ساخته شده را برآورد کرد و سپس(در صورت برقرار بودن تعدادی فرض) به استنتاج آماری درباره ی آن پرداخت. در اقتصاد سنجی بیان می شود که علاوه بر متغیرهای مستقل(متغیرهای توضیح دهنده) موجود درمدل رگرسیون، عوامل دیگری وجود دارند که بیان کمّی آن ها معمولاً دشوار است و در نتیجه، وارد کردن آن ها در مدل مقدور نیست. همچنین از طرف دیگر در دنیای واقعی همواره عناصر تصادفی غیرقابل پیش‌بینی وجود دارند که اساساً نمی توان آن را در مدل های ریاضی گنجاند. در نتیجه می توان استدلال کرد که مدل های ریاضی برای توضیح پدیده‌های اقتصادی دقیق نیستند و خطا دارند؛ که ‌به این خطا، اصطلاحاً جمله اخلال می‌گویند، زیرا تعادل مدل ریاضی را مختل می‌کند.جهت هر تحلیل اقتصادسنجی باید به قابلیت دسترسی به داده های صحیح توجه نمود.انواع داده هایی که عموماً برای تحلیل‌های تجربی به کار می­رود، در قالب داده های سری زمانی، مقطعی و ترکیبی مطرح
می‌گردند.

در داده های سری زمانی یک یا چند متغیر طی یک دوره زمانی مورد بررسی قرار می­ گیرند.این دوره می‌تواند سالانه، فصلی، ماهانه، هفتگی یا حتی به صورت پیوسته باشد.داده های سری زمانی به طور کلی موضوع کار اقتصادسنجی کلان است، که روش های اقتصادسنجی را در سطح کلان بررسی می‌کند. در اقتصاد کلان عموماً از سری زمانی های سالانه یا فصلی استفاده می شود چراکه جمع‌ آوری اطلاعاتی مانند حسابهای ملی در فواصل کوتاه تر با دشواری های زیادی همراه است. اما در اقتصاد سنجی مالی که داده ها در هر زمان به آسانی قابل گزارش هستند، استفاده از سری های زمانی ساعتی یا حتی دقیقه ای نیز امری غیر معمول نیست. که معمولاً از اندیس t برای داده های سری زمانی استفاده می‌کنند.

در داده های مقطعی مقادیر یک یا چند متغیر برای چند واحد یا مورد نمونه ­ای در یک زمان یکسان جمع ­آوری می­ شود. که معمولاً از اندیس i برای داده های مقطعی استفاده می‌کنند.

در داده های ترکیبی(تلفیقی)، واحد‌های مقطعی یکسان طی زمان مورد بررسی قرار می­ گیرند. ‌بنابرین‏ حجم مشاهدات در داده های تلفیقی نسبتاً زیاد است. در سال‌های اخیر، کاربرد داده های تلفیقی در اقتصادسنجی افزایش بسیاری یافته است.معمولاً داده های تلفیقی و مقطعی در اقتصادسنجی خرد به کار می‌روند، که موضوع آن بررسی روش های اقتصاد سنجی در اقتصادخرد است(درخشان،۱۳۸۵).

۳-۱۱-۱). فروض کلاسیک مدل رگرسیون خطی

مدل رگرسیون خطی مبتنی بر پنج فرض کلاسیک به شرح زیر است:

فرض ۱ : میانگین اجزای اخلال (et‌ها) برابر صفر است(E(et=0).

این فرض بیان می­ کند که مقدار میانگین اجزای اخلال (et‌ها) بر حسب xt مفرض، صفر است.

هر مجموعه Y مربوط به یک X مفروض، در اطراف مقدار متوسط آن توزیع شده اند که بعضی از مقادیر آن بالای میانگین و برخی پایین آن قرار دارند.

فرض ۲ : عدم وجود خود همبستگی بین اجزای اخلال(etها)(Cov(ei , ej)=0).

این فرض بیان می­ کند که بین اجزای اخلالeiو ej همبستگی وجود ندارد. از نظر تکنیکی، این فرض بیانگر عدم وجود همبستگی سریالی یا عدم وجود خود همبستگی است و به عبارت دیگر پس از هر ei مثبت، ei مثبت دیگری وجود دارد و یا پس از هر ej منفی، ej منفی دیگری وجود دارد.

فرض ۳ : یکسانی(همسانی) واریانس بین اجزای اخلال(etها)(Var(et)= δ۲)

فرض مذکور بیان می­ کند که واریانسetبرای هرxtعدد ثابت و مثبتی معادل۲δاست. از نظر آماری معادله (Var(et)= δ۲) ،فرض همسانی پراکندگی یا واریانس برابر را نشان می­دهد.

فرض ۴ : کوواریانس صفر بین et و xt(متغیر‌های توضیحی غیر تصادفی­اند)(Cov(xt , et)=0).

این فرض بیان می­ کند که جزء اخلال et و متغیر توضیحیxtناهمبسته­اند و دلیل منطقی این فرض به قرار ذیل است: اگر x وe همبسته باشند تشخیص تأثیر خاص و مجزای هر کدام بر متغیر Y ممکن نیست. ‌بنابرین‏ اگر x و e به طور مثبت همبستگی داشته باشند،x با افزایشe افزایش و با کاهشe، کاهش می‌یابد و چنانچه بین این دو همبستگی منفی وجود داشته باشد، تغییرات آن ها در جهت عکس یکدیگر خواهد بود و به هر ترتیب جدا کردن تأثیرx بر Y دشوار خواهد بود.

فرض ۵ : مدل رگرسیون دقیقاً تصریح شده باشد(عدم وجود خطای تورش یا تصریح).

این فرض اولاً برای یادآوری این موضوع است که تحلیل رگرسیون و در نتیجه نتایج مبتنی بر این تحلیل، به مدل انتخابی بستگی دارد و ثانیاًً هشدار اینکه باید در فرمول بندی مدل‌های اقتصادسنجی بسیار دقیق بود(گجراتی، ۱۳۸۷).

در نتیجه با توجه به مفروضات مدل‌های رگرسیونی ، قبل از تخمین و اجرای مدل های رگرسیون لازم است از وجود برخی شرایط در بین متغیرها اطمینان حاصل شود؛ ‌بنابرین‏ به منظور اطلاع از برخورداری داده های پژوهش از شرایط لازم ، انجام تعدادی آزمون بر روی متغیرها ضروری می‌باشد که در ادامه فصل به اختصار به کلیات آن اشاره می شود .

۳-۱۱-۲). نرمال بودن

برای بررسی نرمال بودن داده ها از آزمون های نرمال بودن[۵۹]استفاده می شود . این آزمون ها به طور کلی به دو گروه روش ترسیمی[۶۰] و روش های عددی[۶۱] تقسیم می‌شوند . روش های ترسیمی تنها تصویری از توزیع متغیر تصادفی را ارائه می‌کنند اما روش های عددی قادرند معیارهای عینی و کمی برای قضاوت در خصوص نرمال بودن توزیع متغیر تصادفی فراهم نماید . در روش های عددی می توان هم آمار توصیفی و هم از تکنیک ها و آزمون های مختلف آمار استنباطی استفاده کرد . در این پژوهش با بهره گرفتن از آزمون جارگ – برا به عنوان یک روش عددی به آزمون نرمال بودن داده ها پرداخته شده است .

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...