۳٫استفاده از لگاریتم داده ها
۴٫استفاده از داده های جدید و اضافی (عادل آذر،۱۳۸۰)
۳-۱۱-۶). آزمون مانایی
داده های مورد استفاده در مطالعات اقتصاد سنجی را می توان به سه دسته داده های سری زمانی، مقطعی، پانلی تقسیم بندی کرد. به استثنای داده های مقطعی، در بقیه داده ها باید آزمون ریشه واحد صورت گیرد (صمدی،۲۵). روش­های سنتی اقتصادسنجی در برآورد ضرایب یک الگو، مبتنی بر پایا^[۷۲] (مانا) بودن سری­های زمانی می­باشند. متغیر سری­زمانی وقتی مانا است که میانگین، واریانس، کواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باشد و مهم نباشد که در چه مقطعی از زمان، این شاخص ­ها را محاسبه کنیم. امّا از طرفی، «بررسی­هایی که از سال­های ۱۹۹۰ به بعد انجام شده، نشان داده است که بسیاری از متغیرهای سری­زمانی در اقتصاد مانا نیستند»(هژبر کیانی، ۱۳۷۶). به عبارتی دیگر، میانگین و واریانس این سری­ها در طول زمان متغیر بوده و کواریانس آن­ها در ازای وقفه­های مشخص، ثابت نیست که از این خصوصیات به عنوان نامانا^[۷۳]بودن سری­های زمانی یاد می­ شود. اگر سری­های زمانی مورد استفاده در برآورد ضرایب الگو نامانا باشند، برآورد الگو با چنین متغیرهایی ممکن است به رگرسیون کاذب^[۷۴] منجر شود؛ بدین معنی که ممکن است ضریب تعیین به دست آمده از الگوی برآوردی بسیار بالا بوده، ولی هیچ رابطۀ معنی­داری بین متغیرهای الگو وجود نداشته باشد. عدم توجه به چنین نکته­ای، موجب گمراهی محقق و استنباط­های غلط در مورد ارتباط بین متغیرها خواهد شد. از این رو قبل از استفاده از این متغیرها لازم است نسبت به مانایی یا عدم مانایی آنها اطمینان حاصل کرد.(نوفرستی ،۱۳۷۸)
آزمون مزبور با بهره گرفتن از نرم افزار EViews 7 و روش های آزمون لوین ، لین و چو^[۷۵](۲۰۰۲) ، آزمون ایم ، پسران و شین^[۷۶] (۲۰۰۳)، آزمون ریشه واحد فیشر – دیکی فولر تعمیم یافته^[۷۷] و آزمون ریشه واحد فیشر – فیلیپس پرون^[۷۸](۱۹۹۹) و چویی^[۷۹] انجام می شود (مشکی و دهدار،۱۳۹۰).
این آزمونها اصطلاحاً آزمون های ریشه واحد پانل نامیده می شوند، از لحاظ تئوری آنها آزمون های ریشه واحد سری های چندگانه هستند که برای ساختارهای اطلاعات پانل بکار رفته اند. در این آزمون ها روند بررسی مانایی همگی به یک صورت است و با رد H₀ عدم مانایی رد می شود و بیانگر مانایی متغیّر است. بنابراین با رد فرضیه H₀ نامانایی یا ریشه واحد رد می شود و مانایی پذیرفته می شود. که یا در سطح و یا با یک تفاضل و یا با دو تفاضل مانا می شود که برای تشخیص این قسمت به Prob آن توجه می شود که بایستی از ۵ درصد کوچکتر باشد(شاه چراو همکارش،۱۳۹۰).

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۱۱-۷).آزمون معنی دار بودن اثرات فردی F لیمر
برای انتخاب بین روش­های داده ­های تابلویی و داده‏های تلفیقی، از آماره F لیمر^[۸۰] استفاده می‏شود.
در این آزمون فرضیه بیانگر یکسان بودن عرض از مبدأها(داده‌های تلفیقی) و فرضیه مخالف نشان دهنده ناهمسانی عرض از مبدأها(روش داده‏های تابلویی) می باشد. لذا می‏توان نوشت:
(روش داده‌های تلفیقی) H₀=α_۱=α_۲=…=α
(روش داده‌های تابلویی) حداقل یکی از عرض از مبدأها با بقیه متفاوت است:H₁
اگر مقدار p-value محاسبه شده بیشتر از سطح خطای ۵ درصد باشد، فرض صفر رد نمی­ شود و باید از روش داده‌های تلفیقی استفاده شود. در غیر این صورت از روش داده ‏های تابلویی استفاده خواهدشد(بالتاجی^[۸۱]، ۱۳۹۱).
۳-۱۱-۸).آزمون هاسمن
اگر بعد از انجام آزمون F لیمر فرضیه H₀ رد شود، این پرسش مطرح می­ شود که برآورد مدل در قالب کدام یک از روش‌های اثرات ثابت(یعنی عرض از مبدأها،پارامترهای نامعلوم ولی ثابت هستند) یا اثرات تصادفی (یعنی عرض از مبدأها تصادفی و مستقل از متغیرهای توضیحی است)انجام شود. آماره آزمون‌هاسمن^[۸۲] برای تشخیص ثابت یا تصادفی بودن تفاوت­ واحدهای مقطعی مورد استفاده قرار می­گیرد. در آزمون‌هاسمن فرضیه‌هایH₀ و H₁به صورت زیر تعریف می شوند:
H₀: b_sروش اثرات تصادفی (هیچ همبستگی بین اثرات ثابت ورگرسورها وجودندارد)
H₁: b_s روش اثرات ثابت (حداقل یک همبستگی بین اثرات ثابت ورگرسورها وجوددارد)
اگر مقدار p-value محاسبه شده بیشتر از سطح خطای ۵ درصد باشد، فرض صفر رد نمی­ شود و باید از روش اثرات تصادفی استفاده شود و اگر این فرضیه رد شود روش اثرات ثابت ملاک تجزیه و تحلیل قرار خواهد گرفت (همان منبع).
۳-۱۱-۹).آزمونt
از آزمون t به منظور بررسی معنی­دار بودن ضرایب محاسبه شده، ضرایب همبستگی و مدل‌های رگرسیونی استفاده می­ شود. به طور کلی آزمون معنی­دار بودن روشی است که با بهره گرفتن از نتایج نمونه درستی یا نادرستی فرضیه H₀را در جامعه تعیین می­نماید. تصمیم درباره پذیرش و یا رد نیز
بر اساس مقدار عددی تابع آزمون حاصل از داده‌های موجود انجام می­ شود. بر اساس این آزمون چنانچه سطح معنی داری محاسبه شده بیش از ۵ درصد باشد، مقادیر محاسبه شده از لحاظ آماری در سطح اطمینان ۹۵ درصد معنی­دار نخواهند بود.
به طور رایج در کلیه برآورد‌ها، این آزمون برای بررسی معنی داری ضرایب مدل مورد استفاده قرار می­گیرد به این معنی که فرضیه H₀، که صفر بودن ضریب و در نتیجه عدم تأثیر متغیر مستقل مربوطه بر متغیر وابسته در جامعه مورد بررسی می­باشد، را مورد آزمون قرار می­دهد. در صورت رد فرضیه H₀، فرضیه H₁که مخالف صفر است(یعنی اثرگذاری متغیر مستقل بر متغیر وابسته)، مورد پذیرش قرار می­گیرد(گجراتی، ۱۳۸۷).
۳-۱۱-۱۰).ضریب تعیین
با بهره گرفتن از ضریب تعیین(R²)، مناسب بودن خط رگرسیون برازش شده اساس مجموعه ای از داده‌ها مورد بررسی قرار می­گیرد. به طور کلی اگر تمام مشاهدات مربوط به متغیر وابسته بر روی خط رگرسیون باشند، برازش کامل بدست خواهد آمد که این حالت کمتر اتفاق می افتد. عموماً بعضی از e_t‌ها مثبت و برخی دیگر منفی هستند و بنابراین مشاهدات مربوط به متغیر Y در اطراف خط رگرسیون برازش شده قرار می گیرند. نتیجه مطلوب مورد انتظار این است که این باقی مانده‌ها در اطراف خط رگرسیون تا حد ممکن کوچک باشند. در این راستا ضریب تعیین معیار خلاصه ای است که بیان می­ کند چگونه خط رگرسیون نمونه داده‌ها را به خوبی برازش می­ کند(همان منبع). با توجه به توضیحات فوق به طور خلاصه تغییرات کل مقادیر مشاهده شده Y از میانگین آن را می­توان به دو بخش تقسیم نمود که یک بخش از آن قابل استناد به خط رگرسیون(Ŷ) و بخش دیگر آن قابل استناد به نیرو‌های تصادفی می­باشد(e).
بنابراینTSS= ESS + RSS که در آن TSS کل تغییرات متغیر وابسته را حول میانگین آن نشان می­دهد، ESS قسمتی از تغییرات را که توسط رگرسیون برآورد شده است و RSS قسمت مربوط به تغییرات تصادفی Y را نشان می­دهد. با تقسیم طرفین این رابطه بر TSS، رابطه بدست می ­آید:
و در نتیجه ضریبR²به صورت رابطه تعریف می­گردد:
با توجه به رابطه می توان گفت که R² درصد تغییرات کل در Y که به وسیله مدل رگرسیون توضیح داده شده است را اندازه گیری می­نماید. با توجه به رابطه می توان گفت که R² هم مثبت و هم کوچکتر از یک می­باشد. در حالت برازش کامل رگرسیون که معمولاً اتفاق نمی­افتد R² برابر با یک و در حالت عدم ارتباط بین متغیر وابسته و مستقل برابر صفر می­باشد. به طور کلی هر چه مقدار این ضریب به یک نزدیک­تر باشد، نشان دهنده برازش بهتر مدل خواهد بود(گجراتی، ۱۳۸۷).
۳-۱۱-۱۱).آزمون F رگرسیون
در معادله رگرسیون چند گانه، چنانچه رابطه ای میان متغیر وابسته و متغیر‌های مستقل وجود نداشته باشد، باید تمام ضرایب متغیر‌های مستقل در معادله، مساوی صفر باشند. با داشتن مدل رگرسیون چند متغیره قاعده تصمیم ­گیری به صورت زیر می­باشد:
تمامی ضرایب شیب به طور همزمان صفر هستند ۰ …= = β_۲ H₀: β_۱=
حداقل یکی از ضرایب شیب غیر صفر است …≠۰ H₁: β_۱= β_۲=
اگر در سطح اطمینان ۹۵ درصد، آماره F محاسبه شده از معادله رگرسیون، بزرگتر از مقدار F جدول باشد، فرض صفر رد می­ شود و در غیر این صورت فرض صفر رد نمی­ شود(بالتاجی، ۲۰۰۵).
۳-۱۱-۱۲). برآورد ضرایب رگرسیون
یکی از مباحث اصلی تحلیلهای رگرسیونی، تخمین پارامترهای مدل است. از آنجائیکه پارامترهای واقعی جامعه هیچگاه قابل مشاهده و اندازه گیری نیستند(زیرا _tεاساساً قابل مشاهد نیست)، در نتیجه می توان با تخمین پارمترها، مدل رگرسیونی نمونه را برآورد کرد. برای برآورد مدل های رگرسیون، بسته به نوع مدل، روش های متفاوتی وجود دارد.
۳-۱۱-۱۲-۱).روش حداقل مربعات معمولی(OLS)
برای مدل‌های رگرسیون خطی، روش حداقل مربعات معمولی(OLS)^[83] ساده ترین و مرسوم ترین روش برآورد است. زیربنای فکری روش حداقل مربعات معمولی این است که ضرایب مدل مقادیری اختیار کنند که مدل رگرسیون نمونه، بیشترین نزدیکی را به مشاهدات داشته باشد و به عبارت دیگر کمترین انحراف را از مشاهدات نشان دهد(یعنی مجموع مربعات پسماند به حداقل برسد).
روش OLS برای برآورد ضرایب نیاز به هیچ شرطی روی جمله اخلال ندارد اما برای آنکه ضرایب برآورد شده نااریب(بدون تورش) باشند و استنتاج آماری از طریق آنها امکان پذیر باشد، برقرار بودن فروض کلاسیک رگرسیون خطی الزامی است. اگر بعد از انجام OLS، آزمون‌های آماری بر نقض یکی از فروض کلاسیک صحه بگذارند، دیگر استفاده از روش OLS برای برآورد مقادیر، مجاز نخواهد بود. در این صورت باید مدل یا روش برآورد تغییر داده شود.به طور سنتی در داده های مقطعی انتظار “واریانس ناهمسانی” و در دادهای سری زمانی انتظار” خود همبستگی” را داریم.(گجراتی، ۱۳۸۷).
۳-۱۱-۱۲-۲).روش حداقل مربعات تعمیم یافته(GLS)
در صورت مشاهده ی ناهمسانی واریانس ، می­توان از “روش حداقل مربعات تعمیم یافته(GLS)^[84]” برای برآورد ضرایب استفاده کرد. البته استفاده از این روش نیازمند حدس‌هایی در مورد ماتریس واریانس-کوواریانس جملات اخلال است که در این مورد، استفاده از ماتریس واریانس-کوواریانس جملات اخلال مدل OLS برآورد شده به عنوان نقطه شروع و استفاده از روش‌های تکر
ار شونده^[۸۵] می ­تواند راه گشا باشد.
۳-۱۲).خلاصه فصل
روش پژوهش علمی، کلیه مراحل سیستماتیک جمع آوری داده­‌ها، طبقه بندی، تجزیه و تحلیل منطقی آنها برای رسیدن به هدف پژوهش­ را در بر می­گیرد که در این فرایند یک عمل یا یک موقعیت نامعین، مشخص می­گردد. در این فصل روش شناختی پژوهش حاضر ارائه گردید، به طوریکه ابتدا دلایل و مبانی تدوین فرضیه‏‌ها، فرضیه ­های پژوهش و سپس مدل‏‌های آزمون فرضیه‏‌های مزبور بیان شد. در ادامه به شیوه‏ی محاسبه‏ی متغیر‌ها و دلایل به کار گیری متغیر‌های مزبور در مدل‌های ارائه شده پرداخته شد. مکان و دوره‏ی زمانی پژوهش، جامعه آماری و شیوه‏ی نمونه‏گیری از دیگر موارد بیان شده در این فصل می‏باشد. در نهایت چگونگی استخراج و آماده سازی اطلاعات و آزمون ‏های آماری و معیار‌های استفاده شده به منظور مقایسه‏ی مدل‏‌ها و ونرم افزار‌های آماری مورد نیاز بیان شد. با توجه به مطالبی که در خصوص آزمون­ فرضیه­‌ها و نحوه رد یا تایید آنها بیان گردید، در فصل چهارم داده­‌های جمع آوری شده با بهره گرفتن از نرم افزارهای Eviews7 مورد تجزیه و تحلیل قرار می­گیرند و فرضیه­‌ها آزمون می­شوند.
فصل چهارم:
تجزیه و تحلیل داده ها
۴-۱).مقدمه
تجزیه و تحلیل اطلاعات به عنوان بخشی از فرایند روش پژوهش علمی، یکی از پایه­ های اصلی مطالعه و بررسی است. به عبارتی دیگر در این فصل پژوهشگر برای پاسخگویی به مسأله تدوین شده و یا تصمیم ­گیری در مورد تأیید یا رد فرضیه یا فرضیه­هایی که برای پژوهش در نظر گرفته است، از روش­های مختلف تجزیه و تحلیل استفاده می­ کند. پس از آنکه در فصل گذشته روش پژوهش مشخص شد، اکنون نوبت آن است که داده‏های مورد نیاز برای آزمون فرضیه های پژوهش جمع‏آوری شوند و با بهره گرفتن از روش‏های آماری متناسب با روش پژوهش و نوع متغیرها، دسته­بندی و تجزیه و تحلیل گردند. همانطور که در فصل قبل بیان شد، پژوهش حاضر دارای چهار مدل نهایی می باشد. لذا در این فصل ابتدا کلیه آزمون های مربوط به مدل های رگرسیونی انجام شده، سپس در نهایت مدل های نهایی جهت آزمون فرضیه ها مورد بررسی و تجزیه و تحلیل قرار خواهند گرفت.
۴-۲).آزمون های آماری لازم جهت تحلیل رگرسیون چندمتغیره
دراین تحقیق ازتحلیل رگرسیون وداده های ترکیبی،برای آزمون فرضیات استفاده شده است.تحلیل رگرسیونی روشی برای مطالعه سهم یک یاچندمتغیرمستقل درپیش بینی متغیروابسته است. آزمونهای آماری لازم ونوع آماره استفاده شده جهت تحلیل رگرسیون چندمتغیره درسطح اطمینان۹۵%درجدول شماره(۴-۱)آورده شده است.

جدول شماره(۴-۱):آزمون های آماری جهت تعیین رگرسیون چندمتغیره
مدل ها