مقاله کاربرد داده های پانل درقالب یک مدل اقتصادسنجی در بخش انرژی

بخشی از مقاله

*** این فایل شامل تعدادی فرمول می باشد و در سایت قابل نمایش نیست ***

کاربرد داده های پانل درقالب یک مدل اقتصادسنجی در بخش انرژی

چکیده

امروزه استفاده از داده های پانل در مطالعات اقتصاد سنجی گسترش قابل ملاحظه ای یافته است. بطوریکه از داده های پانلی می توان برای مواردی که نمی توان مسائل را صرفا بصورت سری زمانی یا برش های مقطعی بررسی کرد، بهره گرفت. از جمله مزایای پانل می توان به اطلاعات بیشتر، تنوع گسترده تر، تغییر پذیری بیشتر، هم خطی کمتر، درجه آزادی بالاتر و تورش پایین تر اشاره کرد. از طرفی نیز داده های ترکیبی روندهای گذشته متغیرها را در بر می گیرد و از نظر لحاظ کردن پویایی متغیرها، اطمینان حاصل می کند. این مقاله ضمن بررسی ساختار داده های ترکیبی، کاربرد این نوع داده ها را در قالب یک مدل اقتصاد سنجی در بخش انرژی بررسی کرده و آزمون های مربوطه را تشریح می کند. همچنین در این بررسی، آزمون های ایستایی و هم جمعی داده های ترکیبی که در اغلب تحقیقات کاربردی به ویژه مطالعات داخلی کمتر به آن پرداخته شده است، تشریح می شود.

طبقه بندی C52 ,C51 ,C33 ,C23 :JEL

واژه های کلیدی: پانل دیتا، داده های ترکیبی، ایستایی، هم جمعی

1

.1 مقدمه

روش های تحقیق در یک مساله مشخص، بسته به نوع اطلاعات مورد استفاده و نیز با توجه به روش های جمع آوری اطلاعات متفاوت است(دی واس2، 1376، ص.(15یکی از این روشها، روش تجزیه و تحلیل داده های ترکیبی سری زمانی و مقطعی می باشد که به عنوان یک روش نوین در تجزیه و تحلیل های کاربردی رشته ی علوم اقتصادی به کار می رود. در این روش یک مقطع یا یک گروه از افراد در یک دوره زمانی مورد بررسی قرار می گیرند. با توجه به اینکه در این روش به آمار و اطلاعات سری زمانی زیادی نیاز نیست و در عین حال به سوالات زیادی در زمینه رفتار متغیرها، به درستی پاسخ داده می شود، مورد توجه محققین علوم مختلف در اغلب مطالعات قرار گرفته است. تجزیه و تحلیل پانل دیتا3یکی از موضوعات جدید و کاربردی در اقتصاد سنجی می باشد، چرا که پانل دیتا یک محیط بسیار غنی از اطلاعات را برای گسترش تکنیک های تخمین و نتایج نظری فراهم می سازد و محققان قادر به استفاده از داده های مقطعی سری زمانی برای بررسی مسائلی می شوند که امکان مطالعه آنها در محیط های فقط مقطعی یا سری زمانی وجود ندارد. روش داده های پانلی، روشی برای تلفیق داده های مقطعی و سری زمانی است(بالتاجی، .4(2005 تلفیق آمارهای سری زمانی 5و مقطعی6 نه تنها می تواند اطلاعات سودمندی را برای تخمین مدل های اقتصاد سنجی فراهم آورد، بلکه برمبنای نتایج بدست آمده می توان استنباطهای سیاست گذاری در خور توجهی به عمل آورد. هدف از این مقاله معرفی و بررسی ساختار داده های ترکیبی و کاربرد آن در قالب یک مدل اقتصاد سنجی می باشد. که بدین منظور آزمون های ریشه واحد و هم جمعی و شناسایی در مدل؛ مورد بررسی قرار گرفته و در نهایت پس از مشخص شدن روش برآورد؛ تخمین مدل صورت می گیرد. مقاله ی حاضر در پنج بخش تنظیم شده است. در بخش دوم سابقه ی تحقیقات انجام شده در مورد به کار گیری روش داده های ترکیبی را شامل می شود. مبانی تئوریک مربوطه در بخش سوم مورد تجزیه و تحلیل قرار می گیرد. در بخش چهارم تحلیل کاربردی در قالب مدل مورد نظر، ارائه می گردد. بخش پنجم نیز به نتیجه گیری اختصاص دارد.

2

.2 سابقه ی تحقیق در مورد به کارگیری روش داده های ترکیبی

در سالهای اخیر در زمینه ی استفاده از روش داده های ترکیبی برای مدلسازی رفتار مصرف انرژی؛ مطالعات متعددی در خارج و داخل کشور انجام شده است. سادرسکی(2012)7 در مطالعه ای از تکنیک داده های پانل برای آزمون ارتباط بین مصرف انرژی، تجارت و تولید برای 7 کشور آمریکای جنوبی برای دوره ی 1970 - 2007 استفاده کرد. برای بررسی ایستایی از آزمون های SPI ,LLL ,PP ,FDF و برای بررسی هم انباشتگی از آزمون پدرونی استفاده شد. نتایج یک ارتباط بلندمدت را بین تولید، سرمایه، نیروی کار، انرژی و صادرات از یک طرف و از طرف دیگر یک ارتباط بلندمدت را بین سرمایه، نیروی کار، انرژی و واردات نشان داد. کبد و همکاران(2010)8 در تحقیقی با استفاده از روش داده های ترکیبی به ارزیابی تقاضای کل انرژی که ترکیبی از انرزی های تجاری و سنتی بود پرداختند. این مطالعه برای 20 کشور منتخب آفریقای جنوبی و برای 24 سال بررسی شد. در این مطالعه برای بررسی ایستایی از آزمون دیکی- فولر تعمیم یافته استفاده شد. نتایج رگرسیونی نشان داد داد که تقاضای انرژی با قیمت نفت خام رابطه عکس داشته و با ارزش افزوده بخش کشاورزی و صنعت دارای رابطه مستقیم می باشد. کول(2006)9 در مقاله ای به بررسی رابطه بین آزادسازی تجاری و مصرف انرژی در یک نمونه از 32 کشور توسعه یافته و در حال توسعه برای دوره ی زمانی 1975 - 1995 با استفاده از رویکرد داده های پانلی پرداخت. نتایج این مطالعه نشان داد که آزاد سازی تجاری، مصرف انرژی را افزایش می دهد. ولچس و اچسن(2005)10 در مطالعه ای به بررسی عوامل تعیین کننده بر مصرف انرژی در بخش تولیدی آلمان غربی برای دوره ی 1976 - 1994 با استفاده از روش داده های تابلویی پرداختند. یکی از عوامل مورد بررسی در این تحقیق تجارت بود. دریافتند که افزایش در تجارت منجربه افزایش در مصرف انرژی می شود. علی پور((1390 در مطالعه ای به بررسی تاثیر رشد اقتصادی، قیمت نفت و مصرف نفت بر روی میزان مصرف انرژی هسته ای برای 28 کشور مصرف کننده انرژی هسته ای دنیا برای سالها ی 1980 - 2009 پرداخت. در این مطالعه از تکنیک اقتصاد سنجی با رویکرد داده های پانل استفاده شد. برای بررسی ایستایی نیز از آزمون های LLL ,SPI ,FDP ,PP استفاده شد. نتایج حاکی از است که رشد

3

اقتصادی و مصرف نفت اثر مثبت و قیمت نفت دارای تاثیر منفی بر روی مصرف انرزی هسته ای می باشند. جبرئیلی((1388 در مقاله ای به بررسی رابطه بین مصرف انرژی و تولید ناخالص داخلی برای کشورهای توسعه یافته و در حال توسعه برای دوره ی 1970 -2006 با استفاده از روش داده های پانلی پرداخت. نتایج حاکی از این بود که میزان اثرگذاری بلندمدت مصرف انرژی بر تولید ناخالص داخلی در کشورهای توسعه یافته کمتر از کشورهای در حال توسعه بود. زراء نژاد وانواری((1384 در مقاله ای به بررسی ساختار داده های ترکیبی، کاربرد این داده ها در اقتصاد سنجی و آزمون های مربوطه پرداختند. در این بررسی، آزمون های ایستایی و همجمعی داده های ترکیبی مانند CADF ,SPI ,LL ,WM مورد بررسی قرار گرفت. وحیدی((1382 در مطالعه ای به بررسی رابطه بین متغیرهای مصرف انرژی، سطح قیمتها و تولید ناخالص داخلی برای برخی از کشورهای عضو اوپک و برای سالهای -1995 1995 با استفاده از الگوی داده های پانل پرداخت. نتایج نشان داد که در کشورهای فوق، رشد اقتصادی و تورم تاثیر مثبتی بر میزان مصرف انرژی دارند. به نظر می رسد استفاده از روش داده های پانل در مطالعات انجام گرفته؛ امکان بررسی رفتار مصرف انرژی را در کشورهای مختلف به طور همزمان ایجاد می کند.

.3 مبانی نظری .1-3 مدل داده های ترکیبی سری زمانی- مقطعی(داده های تابلویی)

داده های ترکیبی11به یک مجموعه از داده ها گفته می شود که براساس آن مشاهدات به وسیله ی تعداد زیادی از متغیرهای مقطعی (N) که اغلب به صورت تصادفی انتخاب می شوند، در طول یک دوره ی زمانی مشخص (T) مورد بررسی قرار گرفته باشند. به این ترتیب دو نوع بعد وجود خواهد داشت: بعد زمان و بعد مقاطع، این N T داده های آماری را داده های ترکیبی یا داده های مقطعی- سری زمانی12می نامند. به عبارتی دیگر، اگر ویژگی های داده های مقطعی برای دو سال یا بیشتر مورد بررسی قرار گیرند، ساختار شکل گرفته مشاهدات، مجموعه ی داده های ترکیبی یا مجموعه ی داده های طولی 13نامیده می شود. به این دلیل که داده های ترکیبی در برگیرنده ی هر دو جنبه ی داده های سری زمانی و داده های مقطعی است، به کارگیری مدل های توضیح دهنده ی آماری مناسبی که ویژگی های آن متغیرها را توصیف کند، پیچیده تر از مدل های استفاده شده در داده های مقطعی یا داده های سری زمانی است. در روش تجزیه و تحلیل داده های داده های ترکیبی ابتدا یک مقطع خاصص (مثلا کشور؛ منطقه یا استان) در نظر گرفته می شود و ویژگی های متغیرهای مربوط، برای تمامی N مقطع در دوره زمانی مورد نظر T بررسی می شود. برابری تعداد داده ها در هر مقطع لازم نیست و همچنین می توان متغیرهایی داشت که در یک مقطع برای دوره زمانی مورد بررسی ثابت باشند(نرلاو14،2000، ص.(4

4

استفاده از تکنیک اقتصاد سنجی با رویکرد داده های پانلی دارای مزایایی می باشند که برخی از مهمترین آنها عبارتند از:

● داده های مقطعی یا سری زمانی صرف، ناهمسانی فردی را لحاظ نمی کنند لذا ممکن است که تخمین تورش داری به دست دهند، درحالیکه در روش پانل می توان با لحاظ کردن متغیرهای مخصوص انفرادی این ناهمسانی را لحاظ کرد.

● داده های تابلویی اطلاعات بیشتر ، انعطاف پذیری بیشتر، همخطی کمتر، درجه ی آزادی بیشتر و کارایی بالاتری را ارائه می کنند.

● با مطالعه ی مشاهدات مقطعی تکراری، داده های تابلویی به منظور مطالعه ی پویای تغییرات، مناسب تر و
بهترند.

● روش داده های پانلی در تشخیص و اندازه گیری اثراتی که به راحتی در مطالعات مقطعی و سری زمانی خاص قابل پیش بینی نیستند، توانایی بهتری دارد و اجازه می دهد تا مدل های رفتاری پیچیده تر و پیشرفته تر تبیین شوند(بالتاجی، 2005، ص .15(7

● در این روش با در نظر گرفتن تغییرات متغیرها در هر مقطع و در هر زمان به صورت مشترک، از تمامی داده های در دسترس استفاده می شود و بنابراین خطای مشاهدات کمتر می شود( گجراتی، 1389، ص.16(638

● از دیگر مزیت های کاربرد داده های ترکیبی، حل مشگل تورش برآوردهای معادلات مقطعی می باشد. تورش معادلات مقطعی به دلیل لحاظ نکردن بسیاری از متغیرهای توضیح دهنده ی مدل و خطای اندازه گیری متغیرها پدیدار می شود. استفاده از این روش به دلیل فراهم آوردن تعداد داده های زیاد، افزایش درجه ی آزادی و بررسی متغیرها در طول زمان، می تواند تورش معادلات را کاهش داده یا از بین ببرد(زراء نژاد و انواری، 1384، ص.(23

.2-3 آزمون های مانایی17در داده های ترکیبی
در طول دهه ی گذشته تحقیقات متعددی در مورد آزمون ریشه واحد داده های تابلویی انجام گرفته است، این آزمونها را می توان در دو نسل تقسیم بندی کرد:

آزمون های نسل اول شامل لوین، لین و چو(LLL)18، ایم، پسران و شین(SPI)19 و آزمون های نوع فیشر از جمله دیکی- فولرتعمیم یافته(FDF)20 و فیلیپس پرون(PP)21 می باشند. فرض اساسی این آزمونها استقلال

5

مقطعی اجزاء خطا در بین واحدهاست. آزمون های نسل دوم، فرضیه ی استقلال مقطعی جملات اخلال را رد می کنند. هرکدام از این آزمون ها مزایا و معایب خاص خود را دارند.

.1-2-3 آزمون لین و لوین((LL

لین و لوین((LL نشان دادند که در داده های ترکیبی، استفاده از آزمون ریشه واحد مربوط به این داده ها، دارای قدرت آزمون بیشتری نسبت به استفاده از آزمون ریشه واحد برای هر مقطع بصورت جداگانه است. وو(1996)22، اوه(1996)23، مک دونالد(1996)24 و فرانکل و روزی(1996)25 با مثال هایی در تحقیقات خود نشان دادند که به کارگیری آزمون های ریشه واحد متداول در داده های ترکیبی، مانند آزمون دیکی- فولر، آزمون دیکی-فولر پیشرفته و آزمون فیلیپس- پرون، دارای قدرت آماری پایینی نسبت به آزمون های ریشه واحد داده های نرکیبی هستند.

لین و لوین((1992 آزمون ریشه واحد را به صورت زیر نشان داده اند.

که در رابطه فوق،N تعداد مقطع ها و T دوره زمانی، پارامتر خود همبسته برای هر مقطع، δ اثر زمان، ضریب ثابت برای هرمقطع و خطای مدل که دارای توزیع نرمال با میانگین صفر و واریانس است. این آزمون براساس آزمون ADF به صورت زیر در نظر گرفته شده است:

که در رابطه فوق، پارامتر خودهمبسته برای هر مقطع، طول وقفه، δ اثر زمان، ضریب ثابت برای هر مقطع و خطای مدل که دارای توزیع نرمال با میانگین صفر و واریانس است. آزمون LL آزمون ترکیبی آزمون ADF با روند زمانی است که در ناهمگنی مقطع ها و ناهمسانی واریانس جملات خطا، دارای قدرت بالایی است.

فرضیات این آزمون به صورت زیر است:

6

در این فرضیات هرچه T و N بزرگتر شوند، آماره آزمون به سمت توزیع نرمال با میانگین صفر و واریانس یک میل خواهند کرد. در مجموع و با استفاده از آماره ها و ضرایب بلندمدت و کوتاه مدت متغیرها، آماره آزمون به صورت زیر محاسبه شده است:

انحراف استاندارد انحراف استاندارد معادله نرمال شده ی بلندمدت، و
در این رابطه،

به ترتیب میانگین و انحراف معیار محاسبه شده به وسیله لین و لوین با استفاده از طول وقفه و تعداد متغیرها و متوسط تعداد وقفه ها در هر مقطع است. آماره محاسبه شده سپس با آماره های جدول سطح معناداری لین ولوین مقایسه می شود. اگر این اماره آز آماره جدول کوچکتر باشد فرضیه وجود ریشه واحد برای آن متغیر قابل ردشدن

نیست(زراء نژاد و انواری، 1384، ص.(39

.2-2-3 آزمون SPI
آزمون IPS یکی دیگر از آزمون های مانایی داده های ترکیبی است. اختلاف این آزمون با آزمون LL بیشتر در فرضیات در نظر گرفته شده نمود پیدا می کند. در فرضیه این آزمون، ها دارای ارزش های متفاوت هستند. به عبارتی دیگر فرضیات این آزمون به صورت زیر است:

براساس این فرضیات بعضی از مقطع ها می تواند دارای ریشه واحد باشد. بنابراین به جای داده های ترکیبی از آزمون ریشه واحد به صورت جداگانه برای هر مقطع استفاده می شود و سپس میانگین این آماره ها به صورت محاسبه می گردد.

اگر نشان دهنده آماره t برای آزمون ریشه واحد i امین مقطع، با وقفه و ضرایب آزمون باشد، آماره استاندارد به صورت زیر تعریف می شود:

که در آن با افزایش T و N به سمت بینهایت، این آماره به سمت توزیع نرمال استاندارد میل می کند.
به منظور ایجاد یک آماره ی استاندارد، IPS ارزش های و این مقادیر را محاسبه کرده اند. هنگامیکه t به سمت بینهایت میل می کند، این ارزشها به آماره های آزمون دیکی- فولر نزدیک می شوند(علی پور، 1390، ص .(103

7

.3-2-3 آزمون فیشر

روش دیگر برای آزمون ریشه واحد داده های ترکیبی، استفاده از سطح معنی داری آزمون ریشه واحد دیکی-فولر تعمیم یافته است. اساس این روش برگرفته از روش فیشر((1932 بوده که بعدا به وسیله مادالا و وو(1999)26 به تفضیل، گسترش داده شده است. براین اساس این آزمون به آزمون MW (مادالا و وو) معروف است.

این آزمون براساس آزمون دیکی- فولر معمولی به صورت زیر انجام می شود:

که در آن متغیر مورد بررسی، ضریب ثابت در آزمون دیکی- فولر پیشرفته، وقفه آزمون و خطای آزمون است. فرضیات آزمون MW همانند فرضیات آزمون IPS به صورت زیر بیان می شود:

آزمون فیشر به روش ساده ای وجود یا عدم وجود ریشه واحد در داده های ترکیبی بررسی می کند. پس از انجام آزمون دیکی- فولر معمولی، از مقدار P-Value مختص این آزمون، برای انجام آزمون استفاده می شود. آماره ی استفاده شده برای انجام آزمون فیشر، توسط مادالا و وو (1999) به صورت زیر ارائه شده است:

براین اساس مجموع مقدار سطح معنی داری برای آزمون ریشه واحد معمولی در هر مقطع محاسبه می شود. این آماره دارای توزیع با 2N درجه ی آزادی است(مادالا27، 1999، ص .(440

.3-3آزمون های همجمعی داده های ترکیبی

بررسی وجود هم جمعی متغیرها در داده های ترکیبی نیز مانند داده های سری زمانی اهمیت دارد. زمانی که شواهدی مبنی بر وجود ریشه واحد در داده ها وجود داشته باشد، برای پرهیز از وقوع رگرسیون کاذب و نیز تعیین رابطه ی بلندمدت بین متغیرها، روش هم انباشتگی می تواند مفید واقع شود. آزمون های متعددی برای آزمودن هم انباشتگی، با چهارچوب های کاملا متفاوت ارائه شده اند که از آن جمله می توان به آزمون های پدرونی28 و کائو29 اشاره کرد.