فایل پایان نامه روانشناسی روش حداقل مربعات

(نزدیک به صفر) است.

استفاده از روش برآورد OLS در کارهای تجربی بر این فرض استوار است که متغیرهای سری زمانی مورد استفاده پایا هستند. از سوی دیگر، بسیار از متغیرهای سری زمانی در اقتصاد پایا نیستند. از این رو قبل از استفاده از این متغیرها لازم است نسبت به پایایی یا عدم پایایی آنها اطمینان حاصل کرد. اولین قدم در راستای تعیین پایایی یک متغیر مشاهده نمودار سری زمانی آن متغیر است. روش دیگر برای تشخیص وجود روند تصادفی در یک سری زمانی از طریق آزمون ریشه واحد امکان پذیر است. در تحقیقات مبتنی بر داده های سری زمانی فرض می شود که سری زمانی ایستا (ساکن، پایا) است.
بنابراین، بررسی ارتباط حقیقی یا ساختگی متغیرهای اقتصادی از اهمیت خاصی برخوردار است به طوری که ، در صورت غیر ایستا بودن سری های زمانی، رگرسیون ساختگی به وجود می آید. ترسیم نمودار متغیرها در مقابل زمان معمولا نخستین مرحله در تجزیه و تحلیل سری زمانی است.
3-5-5-1- آزمون ریشه واحد برای پایایی
استفاده از ریشه واحد برای آزمون پایایی بدین معنی است که ببینیم آیا در معادله برابر یک میباشد یا نه. اگر برابر یک بود به معنی وجود ریشه واحد و ناپایایی سری مورد بررسی است. در اینجا نمیتوان برای آزمون از آماره t حاصل از روش حداقل مربعات استفاده کرد. زیرا تحت فرض ، t حتی برای نمونه های بزرگ هم دارای توزیع t معمول نیست. از این رو برای این کار از آزمون دیکی – فولر استفاده میکنیم. در مواردی که اطلاعات ما به صورت داده های تابلویی میباشند، برای انجام آزمون ریشه واحد مخصوص داده های تابلویی استفاده میشود. این روشها نیز مانند روش های مربوط به داده های سری زمانی متنوع هستند. برخی از این روشها عبارتند از: روش لوبن، لین و چو (2002)، روش بریتونگ (2000)، روش ایم، پسران و شین (2003) ، آزمونهای فیشر با بهره گرفتن از روش های ADF و PP (مدلا و وو (1999) . چوی (2001)) و آزمون هاردی (2000)
3-5-5-1- آزمون دیکی فولر:
بر اساس روش حداقل مربعات داشتیم:
معادله( 3-17)
معادله( 3-18)
معادله( 3-19)
این برآوردکننده طوری است که وقتی n افزایش مییابد، توزیع احتمال آماره به سمت توزیع نرمال با میانگین صفر و واریانس میل میکند. اما این آماره تحت فرض درست بودن H0 یعنی دارای توزیع احتمال حدی نرمال نمیباشد و شکل استاندارد ندارد. بنابراین برای انجام آزمون نمیتوان از کمیتهای بحرانی ارائه شده توسط توزیع نرمال و یا t استفاده کرد.
دیکی و فولر(1979) بر اساس براوردکننده بالا برای ، آماره را پیشنهاد کردند و کمیتهای بحرانی آن را برای آزمون ریشه واحد به کمک روش های شبیهسازی بدست آورده و جدول بندی کردند.
3-5-6- همجمعی
در اکثر سریهای زمانی به دلیل وجود روند در سری، شاهد حرکات همسو بین سریها هستیم. این مساله باعث میشود تا در بسیاری از موارد رگرسیونهای اعمال شده، کاذب باشند. در روش سنتی برای حل این مشکل، از وارد کردن یک جمله روند در معادله استفاده میکردند. اگر متغیر مورد نظر ما، روند پایا باشد، این روش، روش خوبی است ولی در غیر این صورت برای پایا کردن متغیر از آن تفاضل میگیریم. اگرچه این عمل باعث میشود تا در نهایت رگرسیون ما پاسخ های درستتری را به ما بدهد، اما یک ایراد بزرگ نیز دارد. تفاضل گیری باعث میشود تا متغیر ما به یک متغیر جدید تبدیل شود و اطلاعات متغیر اول را منعکس نکند.
کاربرد روش همجمعی در این است که به ما اجازه میدهد تا تحت شرایط خاصی، بدون تفاضلگیری معادله مورد نظر را برآورد کنیم. ایده اصلی همجمعی وجود هماهنگی بین سریهای زمانی میباشد. این هماهنگی نشان میدهد که احتمالا یک رابطه تعادلی بلندمدت بین برخی از متغیرها وجود دارد.
شرایطی که تحت آن میتوان از همجمعی استفاده کرد عبارتند از:
مرتبه جمعی هر دو متغیر همانند و برابر I(d) باشد.
یک ترکیب خطی از آنها وجود داشته باشد که جمعی از مرتبه d-b باشد. (b0)
این شرط در واقع به این معنی است که u از مرتبه جمعی کمتر از d است. و این یعنی روندهای موجود در متغیر مستقل و وابسته به مرور زمان یکدیگر را خنثی میکنند.
برای انجام آزمون همجمعی روش های متفاوتی وجود دارد که عبارتند از:
آزمون انگل – گرینجر و انگل – گرینجر تعمیم یافته
دوربین – واتسون رگرسیون همجمعی (CRDW) (نوفرستی، 1378)
3-5-6-1-آزمون هم انباشتگی
پیشتر در روش سنتی بیان شد که اگر می خواهید از مشکل رگرسیون کاذب خلاص شوید، یک متغیر روند را به عنوان یک متغیر مستقل جدید وارد کنید و به قول معروف روند زدایی کنید. از طرفی بیان می‏شود که اگر در یک مدل، متغیرها، نامانا شدند به جای سطح ، اولین تفاضل آنها را وارد کنید، در این حالت شکل رگرسیون کاذب منتفی می شود. هر چند شرط مانایی متغیرهای سری زمانی یک رابطه رگرسیون را می توان از طریق تفاضل گیری تامین کرد اما کار خاصی را برای حفظ اطلاعات بلند مدت در رابطه با سطح متغیر ها نمی توان انجام داد. اینجاست که هم انباشتگی به ما کمک می کند تا بتوانیم رگرسیون بر اساس متغیرهای سری زمانی برآورد کرد.
مفهوم اقتصادی هم انباشتگی این است که وقتی دو یا چند سری زمانی بر اساس مبانی نظری با یکدیگر ارتباط داده می شوند تا یک رابطه تعادلی بلند مدت را شکل دهند، هر چند ممکن است خود این سری های زمانی دارای روند تصادفی باشند (نامانا باشند)، یکدیگر را در طول زمان به خوبی دنبال می کنند، به گونه ای که تفاضل بین آنها با ثبات است(مانا است). یکی از راه های آزمون هم انباشتگی، آزمون انگل‏گرنجر می باشد که روش آزمون انگل-گرنجر (EG) و انگل گرنجر تعمیم یافته (AEG) به این ترتیب است که اگر آزمون دیکی-فولر را روی پسماندهای مدل انجام داده و سری زمانی پسماند مانا باشد، این تائیدی بر هم انباشتگی است.
در این حالت مانایی و نامانایی را از طریق آزمون ریشه واحد دیکی- فولر برای سری u بررسی می شود که فرضیه 0H عدم هم انباشتگی و فرضیه H1   هم انباشتگی را نشان می دهد. با توجه به آزمون انجام شده نشان داده می شود که فرضیه  0H رد می شود، چون مقدار محاسبه از مقادیر بحرانی بزرگتر و ترکیب دو سری هم انباشته می شود.
مفهوم اقتصادی همجمعی آن است که، وقتی دو یا چند متغیر سری زمانی بر اساس مبانی نظری با یکدیگر ارتباط داده می شوند تا یک رابطه تعادلی بلند مدت را شکل دهند، هرچند ممکن است خود این سریهای زمانی دارای روندی ناپایا باشند اما در طول زمان یکدیگر را به خوبی دنبال میکنند به گونه ای که تفاضل بین آن ها پایا بوده است. بنابراین مفهوم همجمعی تداعی کننده وجود یک رابطه تعادلی بلند مدت است. نظام اقتصادی در طول زمان به سمت آن حرکت می کند (نوفرستی، 1387).
به اعتقاد گرنجر، در صورت وجود یک رابطه هم انباشتگی بین دو متغیر، علّیت به مفهوم گرنجری – حداقّل در یک جهت ) یک طرفه یا دوطرفه( بین آنها وجود خواهد داشت. به هر حال اگر چه آزمون هم انباشتگی می تواند وجود یا عدم وجود رابطه علّیت گرنجری بین متغیرها را معین کند، اما نمی تواند جهت رابطه علّیت را مشخص کند. لذا انگل وگرنجر ( 1987 ) عنوان می کنند که اگر دو متغیر هم انباشته باشند، همواره یک الگوی تصحیح خطای برداری بین آنها وجود خواهد داشت. در نتیجه می توان برای بررسی رابطه علّیت گرنجری بین متغیرها از این نوع الگو استفاده کرد. (رنج پور و همکاران، 1390)
در این راستا انگل و گرنجر (1987) برای دو متغیر سری زمانی و که همجمع از مرتبه (d,b) هستند، همجمعی را چنین تعریف می کنند:
الف) مرتبه جمعی هر دو همانند و برابر |(d) باشد.
ب)یک ترکیب خطی از این دو متغیر وجود داشته باشد که جمعی از مرتبه d-b یعنی I(d-b) باشد (b0).
این تعریف به بیش از دو سری زمانی نیز قابل تعمیم بوده است.
3-5-7- خود همبستگی
یکی از فروض کلاسیک در تخمین معادلات ols نبود ارتباط میان پسماندها (باقیمانده ها یا خطاها) در دوره های مختلف زمانی است؛ نقض این فرض مشکلی به نام خود همبستگی ایجاد می کند. به عبارت دیگر مدل کلاسیک فرض می کند که جزء اخلال مربوط به یک مشاهده، تحت تاثیر جزء اخلال مربوط به مشاهده دیگر قرار نمی گیرد.
آزمون دوربین واتسون ( durbin-watson) یکی از مشهورترین ازمون ها برای تشخیص خود همبستگی است. البته برای به کار بردن این آزمون نیاز به برقراری شرایطی است که در زیر به آنها اشاره می کنیم.
محدودیت های آزمون دوربین واتسون:
این آزمون تنها خود همبستگی از درجه اول را نشان می دهد.
برای به کار بردن این آزمون هیچ مشاهده ی گم شده ای نباید وجود داشته باشد.
متغیر با وقفه از نوع وابسته نباید در سمت راست مدل وجود داشته باشد.
مدل رگرسیونی باید عرض از مبدا داشته باشد.
در آمار، آماره دوربین-واتسن (Durbin–Watson statistic ) یک آماره آزمون میباشد که برای بررسی وجود خود همبستگی ( (auto-correlation رابطه بین مقادیر که با تاخیر(lag) زمانی مشخص از یکدیگر جدا شده اند) بین بافیمانده ها در تحلیل رگرسیون استفاده می گردد. مقدار این آماره همواره بین ۰ تا ۴ قرار میگیرد که آستانه های مورد پذیرش آن به صورت زیر است:
مقدار ۲ برای این آماره نشانگر عدم وجود خود همبستگی می باشد که حالت مطلوب در فرضیات اصلی مربوط به باقیمانده ها در تحلیل رگرسیون می باشد. اصلا مقدار کمتر از ۲ همبستگی پیاپی مثبت (نوعی همبستگی پیاپی می باشد که در آن مقدار باقیمانده مثبت برای یک مشاهده شانس مثبت بودن باقیمانده مشاهده دیگر را افزایش میدهد و بالعکس )و مقدار بیشتر از ۲ این آماره همبستگی پیاپی منفی را در بین باقیمانده نشان می دهد. لازم به ذکر است مقدار آماره آزمون اگر کمتر از ۱ یا بیشتر از ۳ باشد زنگ هشدار برای وجود خود همبستگی مثبت یا منفی بین باقیمانده می باشد. 
3-6- نرم افزار های بکار گرفته شده در تحقیق حاضر
برای تجزیه و تحلیل اطلاعات تحقیق حاضر از 2 نرم افزاز Excel (برای ثبت و تلخیص داده ها) و نرم افزار تحلیل آماری (Eviews) برای آزمون فرضیات تحقیق استفاده شده است. نرم افزار اخیر یکی از نرم‌افزارهای تخصصی آمار است که بیشتر به بحث‌های آماری در حیطه علوم اقتصادی، مدیریتی و … می پردازد.
فصل چهارم
تجزیه و تحلیل تحقیق

مطلب مشابه :  تحریف های شناختی

مقدمه
این فصل ابتدا به معرفی الگوی تحقیق میپردازد. سپس، نتایج آزمونهای مختلف برای تعیین نوع الگو بررسی میشود. در بخش بعدی، نتایج برآورد و تفسیر آنها ارائه شده و در نهایت با ذکر توضیحاتی دربارۀ نتایج حاصل، این فصل خاتمه مییابد.
مدل تحقیق
برای تخمین مدل، از مطالعه وینا دی آنچارز در مورد تحلیل جذب FDI به EPZ موریس بهره برداری شده است. با توجه به مطالعه مذکور، مدل پیشنهادی عبارت زیر است، ضمن در نظر گرفتن صرفه جویی در لحاظ کردن تعداد متغیرها، تنها متغیرهای در دسترس از مناطق آزاد ایران، بیش از این نیز نبوده است.
t=1380-1391
i=کیش، قشم، چابهار، انزلی، ارس
متغیر های مستقل در این مطالعه عبارتند از :
نرخ بهره واقعی سوئیس،

نرخ تورم ایران بر اساس شاخص تعدیل کننده GDP،
سرمایه گذاری داخلی در هر یک از مناطق که با CPI ایران تورم زدایی شده است
و متغیر که سرمایه گذاری خارجی جذب شده به این مناطق می باشد که با CPI آمریکا تورم زدایی شده است و به عنوان متغیر وابسته وارد مدل می شود.
نرخ بهره جهانی که در این مقاله نرخ بهره واقعی سوئیس نمایند های از آن است ، نمایانگر هزینه فرصت سرمایه است. سرمایه یک شرکت فراملیتی که FDI انجام می دهد، شامل حق صاحبان شرکت (درآمدهای احراز شده و موجودی دارایی) و بدهی (داراییهای قرض گرفته شده) است. هزینه فرصت درآمدهای احراز شده بنگاه، منعکس کننده درآمدی است که سهامداران موجود اگر آنچه را که بدست می آوردند خود سرمایه گذاری می کردند بدست می آوردند، می باشد و از منظر کسانی که سهام خریداری می نمایند، هزینه فرصت دارایی های ناشی از سهام جدید، بازگوکننده درآمدی است که سهامداران جدید، اگر آنها دارایی خود را جای دیگر سرمایه گذاری می کردند بدست می آوردند، است.
جامعه و حجم نمونه
جامعه آماری تحقیق شامل اطلاعات مربوط به سرمایه گذاری داخلی و سرمایه گذاری خارجی جذب شده در پنج منطقه آزاد تجاری ذکر شده در کشور می باشد. به منظور تجزیه و تحلیل اطلاعات در این پژوهش از آمار توصیفی و استنباطی استفاده خواهد شد. در آمار توصیفی، مقادیر آماره های توصیفی شامل میانگین، انحراف استاندارد و …استفاده می شود.
بررسی روش‌شناسی اقتصادسنجی داده های تابلویی
امروزه داده های تابلویی بطور فزاینده‌ای در تحقیقات اقتصادی بکار برده می‌شوند. تجزیه و تحلیل با داده‌های تابلویی محیط بسیار غنی از اطلاعات را برای گسترش تکنیک‌های تخمین و نتایج نظری فراهم می‌آورد. در بسیاری از موارد محققین از این روش برای مواردی که نمی‌توان مسائل را به صورت سری زمانی یا مقطعی بررسی کرد و یا زمانی که تعداد داده‌ها کم است، استفاده می‌کنند. ادغام داده های سری زمانی و مقطعی و ضرورت استفاده از آن بیشتر به خاطر افزایش تعداد مشاهدات و بالا بردن درجه آزادی است؛ زیرا در بررسی امکان دارد تعداد مقاطع زیاد و دوره های زمانی کم باشد و یا برعکس تعداد دوره های زمانی نسب تا زیاد و تعداد مقاطع کم باشد.
برای برآورد الگوهای رگرسیون خطی دو متغیره و چند متغیره معمولا از روش کمترین مجذورات معمولی (OLS) نشان داده می شود، استفاده می گردد. این روش ویژگی های مطلوب آماری مانند بهترین برآورد کننده خطی بدون تورش یا (BLUE) بودن را دارا می باشد. روش آماری مورد استفاده در این تحقیق روش رگرسیون ترکیبی می باشد. داده های ترکیبی، داده هایی هستند که ترکیبی از داده های مقطعی و سری زمانی می باشند. برای آزمون فرضیه های تحقیق از رگرسیون ترکیبی برای دوره زمانی (1383-1390) استفاده شده است. به منظور آزمون نرمال بودن داده ها، از آزمون نرمال بودن جملات پسماند بر اساس نرم افزار Eviews استفاده شده است. بر این مبنا، در صورتی که نتایج حاصل در قسمت احتمال بزرگتر از 5 درصد باشد فرض صفر مبنی بر داشتن توزیع خی – دو که طبق آماره (Jarque-Bera) محاسبه شده است، پذیرفته می شود که بر نرمال بودن توزیع داده ها دلالت دارد.
4-4-1- تخمین مدل‌های رگرسیون با داده های تابلویی
چارچوب اصلی برای داده های تابلویی به صورت زیر می‌باشد:
‌‌‌‌‌‌‌‌‌‌‌ (4-11)
که در آن:
: عرض از مبدأ
: شامل k متغیر توضیحی است که ضرایب آن‌ها به صورت است.
: جمله اختلال مدل است که از فروض کلاسیک رگرسیون خطی پیروی می‌کند. یعنی

 

مطلب مشابه :  دانلود مقاله با موضوع اضطراب اجتماعی

اینجا فقط تکه های از پایان نامه به صورت رندم (تصادفی) درج می شود که هنگام انتقال از فایل ورد ممکن است باعث به هم ریختگی شود و یا عکس ها ، نمودار ها و جداول درج نشوند.

برای دانلود متن کامل پایان نامه ، مقاله ، تحقیق ، پروژه ، پروپوزال ،سمینار مقطع کارشناسی ، ارشد و دکتری در موضوعات مختلف با فرمت ورد می توانید به سایت  77u.ir  مراجعه نمایید

رشته روانشناسی و علوم تربیتی همه موضوعات و گرایش ها :روانشناسی بالینی ، تربیتی ، صنعتی سازمانی ،آموزش‌ و پرورش‌، کودکاناستثنائی‌،روانسنجی، تکنولوژی آموزشی ، مدیریت آموزشی ، برنامه ریزی درسی ، زیست روانشناسی ، روانشناسی رشد

در این سایت مجموعه بسیار بزرگی از مقالات و پایان نامه ها با منابع و ماخذ کامل درج شده که قسمتی از آنها به صورت رایگان و بقیه برای فروش و دانلود درج شده اند

و
i‌: تعداد مقاطع
t: دوره زمانی
در این صورت تخمین معادله فوق، به فروض ما در رابطه با عرض از مبدأ، ضریب متغیرهای توضیحی و جمله اختلال بستگی خواهد داشت. روش‌های متداول برای تخمین معادله فوق با بهره گرفتن از داده های تابلویی عبارتند از:
روش مدل اثرات مشترک 2- روش مدل اثرات ثابت 3- روش مدل اثرات تصادفی
در ادامه روش‌های فوق را به اختصار توضیح می‌دهیم.
روش مدل اثرات مشترک
ساده‌ترین روش، حذف ابعاد مکان(مقطع) و زمان از داده های ترکیبی و تخمین مدل با روش حداقل مربعات معمولی (OLS) است، یعنی همه مشاهدات سری‌های زمانی را برای هر مقطع از بالا به پایین برای هر متغیر مدل مرتب و مدل به روش OLS معمولی برآورد شود. در این صورت مدل (4-12) به صورت زیر در می‌آید:
(4-12)
که در آن:
: عرض از مبدأ مشترک برای تمامی مقاطع است.
به عبارتی در مدل (4-12) فرض می‌شود که مقدار عرض از مبدأ و ضرایب شیب متغیرهای توضیحی برای مقاطع مختلف یکسان است.

دیدگاهتان را بنویسید