دانلود پایان نامه

به وسيله ي روش حداقل مربعات معمولي(OLS) مدل را تخمين بزنيم . حال از آنجا که اغلب ضرايب مقاطع يا سري هاي زماني معني دار هستند در نتيجه مدل رگرسيون تلفيقي (مشترک) کمتر مورد استفاده قرار مي گيرد . بنابراين جهت اينکه بتوانيم مشخص کنيم که آيا روش داده هاي تلفيقي مناسب است يا روش داده هاي تابلويي (انتخاب بين Pooling يا Panel) فرضيه اي را آزمون خواهيم کرد که به آزمون Fليمر يا F مقيد معروف است . فرض صفر اين آزمون (H0) مبين يکسان بودن عرض از مبدأ و فرض يک آن (H1) نشان از ناهمساني عرض از مبدأها دارد . در صورتي که فرض H0 تأييد شود اينگونه نتيجه گرفته مي شود که شيب ها براي مقاطع مختلف يکسان بوده و قابليت ترکيب شدن داده ها را دارند و در نتيجه از روش داده هاي تلفيقي(Pooling Data) استفاده خواهد شد و در صورتي که فرض H0 رد شود ، روش داده هاي پانل(Panel Data) مورد استفاده قرار خواهد گرفت .جدول زير فرضيه و اين آزمون را بيشتر تشريح مي کند :

جدول 3-7) فرضيه و مدل آزمون F ليمر
فرضيه آزمونF ليمر
H0: αi=α
H1: αi≠α
آزمونF ليمر

N
تعداد واحدهاي مقطعي
T
طول دوره ي مورد نظر
K
تعداد متغيرهاي توضيحي
RRSS
مجذور پسماندهاي حاصل از برآورد مقيد رگرسيون به صورت حداقل مربعات متغير مجازي(LSDV)
URSS
مجذور پسماندهاي حاصل از برآورد نامقيد رگرسيون به صورت حداقل مربعات متغير معمولی(OLS)

3-8-1-5) آزمون هاسمن
پس از حصول اطمينان از برآورد مدل به صورت داده هاي تابلويي، مهمترين سوالي که مطرح مي شود اين است که اثرات مقطعي به صورت ثابت (وجود اثرات ثابت) هستند يا تصادفي(وجود اثرات تصادفي). براي تعيين آنكه در مورد يك نمونه از داده ها ، كداميك از اين دو روش بايد مورد استفاده قرار گيرد آزمون هاسمن مورد استفاده مي گيرد و همانطور که اشاره شد فرضيه صفر آزمون هاسمن آن است كه مدل داراي اثرات تصادفي مي باشد . در روش اثرات تصادفي ، بار متغيرهاي تحقيق بر روي جمله ي اخلال (خطا) قرار مي گيرد اما اين موضوع مشروط بر آن است که بين متغيرهاي مستقل و جمله ي خطا همبستگي وجود نداشته باشد . در واقع آزمون هاسمن اين همبستگي را آزمون مي کند و در صورتي که بين متغيرهاي مستقل و جمله ي خطا همبستگي وجود داشته باشد روش اثرات ثابت و در صورتي که بين متغيرهاي مستقل و جمله ي خطا همبستگي نباشد روش اثرات تصادفي را انتخاب خواهد کرد .آماره ي آزمون هاسمن ، کاي-مربع (خي-دو) بوده و درجه ي آزادي آن با تعداد متغيرهاي مستقل برابر است . جدول 3-8 اين آزمون را بيشتر تشريح خواهد کرد :
جدول 3-7) فرضيه آزمون هاسمن
فرضيه آزمون هاسمن
H0 : E(uit│Xit)=0
H1 : E(uit│Xit)≠0
پذيرفته شدن H1 و رد شدن H0
استفاده از روش اثرات ثابت
پذيرفته شدن H0 و رد شدن H1
عدم همبستگي بين بين متغيرهاي مستقل و جمله ي خطا. هردو روش اثرات ثابت و اثرات تصادفي سازگار هستند اما روش اثرات ثابت ناکارآمد خواهد بود و در نتيجه مي بايست از روش اثرات تصادفي استفاده گردد .

3-8-2) آزمون معنی دار بودن کل مدل
جهت بررسي کردن اين موضوع که مدل رگرسيون معنا دار است يا نه ، مي بايست از آماره -ي F فيشر استفاده کرد .جهت تصميم گيري در مورد پذيرش يا رد فرضيه ي صفر (H0) ، آماره ي F به دست آمده با F جدول مقايسه مي شود . F جدول با درجات آزادي N-K , K-1 و در سطح خطاي 5% محاسبه شده است . در صورتي که F محاسبه شده بيشتر از F جدول باشد ، در نتيجه مقدار عددي آزمون ، در ناحيه ي بحراني قرار گرفته و در نتيجه فرض صفر (H0) رد خواهد شد . در اين حالت با اطمينان 95% مي توان گفت کل مدل معنا دار خواهد بود . اما در صورتي که مقدار F محاسبه شده کمتر از F جدول باشد فرض H0 پذيرفته شده و با اطمينان 95% معني دار بودن مدل مورد تأييد قرار نمي گيرد . فرضيه و آزمون F و توضيحات بيشتر در جدول 3-8 ارائه شده است :

جدول 3-8) فرضيه معنادار بودن کل مدل
فرضيه معناداربودن کل مدل
H0 :β1=β2=….=βk=0
H0 :β1≠β2≠….≠βk≠0
آماره ی F فيشر

ESS
مجذور متغيرها Explained Sum of Squares
RSS
مجذور خطاها Residual Sum of Squares
پذيرفته شدن H0 و رد شدن H1
که مدل معنا دار نخواهد بود
K-1,N-K))F‹Fα محاسبه شده
پذيرفته شدن H1 و رد شدن H0
که مدل معنادار می باشد
K-1,N-K))F›Fα محاسبه شده

3-8-3) آزمون معنی دار بودن متغیرها ی تحقیق
جهت بررسي معني دار بودن ضرايب متغيرهاي مستقل ، از آماره ي t استفاده مي گردد. در اين بررسي جهت تصميم گيري در مورد پذيرش يا رد فرضيه ي صفر (H0) ، آماره ي t محاسبه شده با t جدول مقايسه خواهد شد . t جدول با درجه ي آزادي N-K و در سطح خطاي 5% محاسبه شده است . چنانچه قدر مطلق t محاسبه شده از t جدول بيشتر باشد ، در نتيجه مقدار عددي آزمون ، در ناحيه ي بحراني قرار گرفته و در نهايتاً فرض صفر (H0) رد خواهد شد که در اين حالت با اطمينان 95% مي توان گفت ضرايب معنا دار خواهند بود. اما در صورتي که قدر مطلق t محاسبه شده کمتر از t جدول باشد فرض صفر (H0) پذيرفته شده و با اطمينان 95% معني دار بودن ضرايب مورد تأييد قرار نمي گيرد . فرضيه و آماره ي اين آزمون ، به همراه توضيحات بيشتر در جدول 3-9 نشان داده شده است :

جدول 3-9) فرضيه معنادار بودن ضرايب
فرضيه معناداربودن ضرايب
H0: β1=0
H0: β1≠0
آماره ی t

پذيرفته شدن H0 و رد شدن H1
که ضرايب معنادار نمی باشند
│t│‹ t_(α/2.N-K)محاسبه شده
پذيرفته شدن H1 و رد شدن H0
که ضرايب معنادار می باشند
│t│› t_(α/2.N-K) محاسبه شده
زماني که فرض صفر (H0) رد مي شود آنگاه با اطمينان 95% ضريب مورد نظر(β1) معني دار خواهد بود . معني دار بودن ضرايب به طور کلي به اين معناست که بين متغير مستقل و متغير وابسته ارتباط وجود دارد .
3-8-4) آزمون های مربوط به مفروضات مدل رگرسیون خطی
در مدل رگرسيون خطي ، مجموعه اي از مفروضات وجود دارند که اکثر آنها در مورد جملات اخلال (خطاهاي) مدل مطرح مي شوند . به جهت اينکه در روش حداقل مربعات معمولي ، تخمين زنها ، بهترين تخمين زنهاي بدون تورش خطي باشند لازم است مفروضات مدل رگرسيون خطي آزمون شوند . اين مفروضات را در اصطلاح ، مفروضات کلاسيک مدل رگرسيون خطي مي- نامند . مفروضات کلاسيک رگرسيون خطي به صورت زير مي باشند :
1) متغير وابسته داراي توزيع نرمال باشد .
2) بين خطاهاي مدل همبستگي وجود نداشته باشد (استقلال خطاها).
3) بين متغيرهاي مستقل همبستگي وجود نداشته باشد (داراي هم خطي نباشند) .
درادامه آزمونهای مربوط به مفروضات مدل رگرسيون خطی بيان می شوند .
3-8-4-1) آزمون فرض نرمال بودن متغیر ها
جهت آزمون نرمال بودن داده ها ، معمولاً بهترين و کارآمدترين روش که سريعتر هم انجام مي شود ، آزمون نرمال بودن به کمک شاخصهاي توزيع نرمال خصوصاً ضرايب چولگي54 و کشيدگي55 مي باشد . يک آماره ي مناسب که با تکيه بر همين دو خاصيت توزيع نرمال يعني ضرايب چولگي و کشيدگي وجود دارد ، آزمون جارکو- برا56 است که در سال 1981 معرفي شده است .توزيع اين آماره کاي مربع (خي- دو) و با درجه ی آزادی 2 است که در همان سال توسط جارکو و برا به دست آمد . اين آماره خصوصاً در مورد آماره هاي با حجم بالا (بيشتر از50) مي تواند از کارايي خوبي نسبت به بعضي از روشهاي ديگر برخوردار باشد.(صيدخانی،حسين-1385) بنابراين در اين پژوهش جهت بررسي اينکه آيا متغيرهای وابسته از توزيع نرمال برخوردار هستند يا خير ، از آزمون جارکو- برا استفاده خواهد شد . جدول 3-10 اين آزمون را بيشتر توضيح می دهد :
جدول 3-10) فرضيه ی نرمال بودن متغيرها
فرضيه ی نرمال بودن متغيرها
H0 : Normal Distribution
H1 :Not Normal Distribution
آماره

پذيرفته شدن H0 و رد شدن H1
نرمال بودن متغيرها
در صورتی که Probability›0.05
پذيرفته شدن H1 و رد شدن H0
نرمال نبودن متغيرها
در صورتی که Probability‹0.05

3-8-4-2) آزمون فرض مستقل بودن باقیمانده ها
همانطور که قبلاً ذکر شد ، از فرضهايي که در مدل رگرسيون مد نظر قرارمي گيرد ، استقلال خطاها (تفاوت بين مقادير واقعي و مقادير پيش بيني شده توسط مدل رگرسيون) از يکديگر است . در صورتي که فرض استقلال خطاها رد شود و خطاها با يکديگر همبستگي داشته باشند در نتيجه امکان استفاده از رگرسيون وجود نخواهد داشت .فرض مستقل بودن باقيمانده ها در واقع همين واقعيت را بيان مي کند که بين جملات اخلال رگرسيون هيچ گونه همبستگي وجود ندارد . آزموني که به وسيله ي آن مي توان تشخيص داد که آيا در مدل رگرسيون جملات اخلال از يکديگر مستقل هستند ، آزمون دوربين-واتسون57 است . آماره ي اين آزمون ما بين 0 تا 4 قرار مي گيرد . هر چه ميزان آماره ي به دست آمده به عدد 2 نزديکتر باشد در نتيجه فرض ما مبني بر مستقل بودن باقيمانده ها قوت خواهد گرفت. در واقع آستانه هاي مورد قبول اين آماره به اين صورت است که اگر مقدار آماره نزديک به 2 باشد(ما بين 1.5 تا 2 و نهايتاً از2 تا 2.5) در نتيجه هيچ همبستگي ميان جملات اخلال وجود ندارد و يا همبستگی بسيار ضعيفی وجود دارد که اين حالت مطلوبي در فرضيات محسوب خواهد شد .اما در صورتي که ميزان آماره از 1.5 کمتر و يا از 2.5 بيشتر باشد ، درنتيجه زنگ هشداري مبني بر وجود همبستگي مثبت يا منفي بين باقيمانده ها مي باشد . جدول 3-11 فرضيه و آماره ی اين آزمون را نشان می دهد :

جدول 3-11) فرضيه ی مستقل بودن باقيمانده ها
فرضيه ی مستقل بودن باقيمانده ها
H0 :There is a correlation
H1:There is no correlation
آماره در پانل ديتا

پذيرفته شدن H0 و رد شدن H1
بين متغيرها همبستگی وجود دارد
d›2.5 يا d‹1.5
پذيرفته شدن H1 و رد شدن H0
بين متغيرها همبستگی وجود ندارد
1.5‹d‹2.5

3-8-4-3) آزمون فرض عدم وجود هم خطی بین متغیرهای مستقل
از فرض هاي ديگري که در مورد مدل رگرسيون بيان شد ، فرض عدم وجود هم خطي بين متغيرهاي مستقل است . در صورتي که بين متغيرهاي مستقل رابطه اي وجود داشته باشد در نتيجه واريانس و کواريانس ضرايب بزرگتر از حد معمول برآورد خواهند شد که اين به نوبه ي خود باعث افزايش خطاي معيار ضرايب و کاهش مقدار متغيرهاي معني دار در معادله مي شود . در نهايت نمي توان اثرات جزئي متغيرهاي مستقل را روي منتغير وابسته برآورد کرد . از مواردي که براي رفع هم خطي وجود دارد مي توان به افزايش حجم نمونه (به بيش از 50 نمونه) و همچنين لگاريتمي کردن مدل رگرسيون اشاره کرد . در اين پژوهش جهت بررسي رابطه ي هم خطي بين متغيرهاي مستقل از ضريب همبستگي پيرسون58 استفاده خواهد شد . اين ضريب همواره بين 1 و 1- قرار مي گيرد . در صورتي که مقدار اين ضريب 1 باشد نشان دهنده ي رابطه ي خطي و مستقيم و کامل متغيرها بر يکديگر است و در صورتي که مقدار اين ضريب 1- باشد نشان دهنده ي رابطه- ي خطي و معکوس متغيرها بر يکديگر. اگر مقدار اين ضريب صفر باشد ، در نتيجه هيچ رابطه ي خطي بين متغيرها وجود ندارد . به طور معمول در آمار ، در صورتي که مقدار اين ضريب کمتر از 0.7 باشد در نتيجه مي توان گفت مشکل هم خطي بين متغيرها وجود ندارد و ورود همزمان اين متغ
يرها به مدل موجب ايجاد هم خطي در مدل نخواهد شد .
3-8-5) تحلیل همبستگی
از جمله ابزارهاي آماري که به وسيله ي آن مي توان ميزان و درجه اي که يک متغير از لحاظ خطي بودن به متغير ديگر مرتبط باشد را اندازه گيري کرد ، تحليل همبستگي است . در اين پژوهش جهت تحليل همبستگي از ضريب تعيين R2 استفاده مي شود . اين ضريب برابر است با نسبت تغييرات توجيه شده توسط مدل به تغييرات کل . به طور بهتر اين گونه مي توان عنوان کرد که با ضريب تعيين مي توان بيان کرد که چند درصد از تغييرات متغير وابسته توسط متغيرهاي وارد شده به مدل (متغيرهاي مستقل) قابل تبيين هستند . توجه به اين نکته حائز اهميت است

متن کامل پایان نامه ها در سایت sabzfile.com

دیدگاهتان را بنویسید