پاورپوینت هم انباشتگی

بخشی از پاورپوینت

اسلاید 2 :

هم انباشتگی

بررسی وجود هم انباشتگی در داده های ترکیبی بسیار اهمیت دارد. زیرا در صورتی که داده های مدل مانا نباشند، برآورد مدل می تواند منجر به بروز یک رگرسیون کاذب شود.

اسلاید 3 :

آزمون های هم انباشتگی در ایویوز

برای انجام آزمون های هم انباشتگی از سه آزمون کائو، پدرونی و فیشر استفاده می شود.
Quick > Group Statistic > Johansen Cointegration Test

در صورت وجود هم انباشتگی در مدل نیازی به مانا کردن متغیرها نمی باشد. (هر چند ممکن است بتوان متغیرها را از طریق تفاضل گیری یا لگاریتم گیری مانا کرد)
آنچه در این مرحله اهمیت دارد. نوع ران کردن مدل است که میبایست با توجه به ویژگی های مدل از یکی از روش های DOLS و GMM و . استفاده نمود.

اسلاید 4 :

Pooled
در این روش بعد زمانی و مکانی را از داده ها حذف می کنیم و با تلفیق کلیه داده ها از روش OLS مدل را تخمین می زنیم. اگرمتغیرهای توضیحی به قدر کافی وسیع باشند که تمام ویژگی های مربوط به افراد را در بر بگیرند در این صورت مشاهدات را برای تمام دوره های زمانی به عنوان یک نمونه واحد گرفته و یک رگرسیون ادغام شده در نظر می گیریم.

اسلاید 5 :

FIXED
به این مدل مدل اثرات ثابت گفته می شود. در این مدل عرض از مبدا ها متفاوت هستند. این تفاوت می تواند ناشی از ویژگی های خاص شرکتی باشد. در این صورت هر چند عرض از مبدا میان شرکت ها متفاوت است اما در طول زمان تغییر نمی کند.

اسلاید 6 :

Random
در این مدل فرض می شود که عرض از مبدا دارای توزیع تصادفی است و در نتیجه عرض از مبدا نیز دارای یک جمله اخلال است. لذا جزء عرض از مبدا دارای یک قسمت ثابت و یک قسمت تصادفی است و فرض حاکم بر این جزء تصادفی شبیه فروض حاکم بر جزء اخلال است.

اسلاید 7 :

آزمون F لیمر در ایویوز و استاتا(پولین دیتا یا پنل دیتا؟)

ابتدا مدل اثرات ثابت تخمین زده می شود سپس بر اساس آماره F لیمر در مورد pool یا panel بودن مدل قضاوت می شود.
F لیمر در ایویوز
View > Fixed / Random Effect Testing >
Redundant Fixed Effects – Likelihood Ratio
دستور آزمون F لیمر در استاتا
xtreg variables,fe

اسلاید 8 :

آزمون هاسمن در ایویوز(اثرات ثابت یا اثرات تصادفی؟)
اگر مدل بر مبنای پانل دیتا تایید شد، سپس آزمون هاسمن در بررسی اثرات ثابت و اثرات تصادفی انجام می شود.
آزمون هاسمن در ایویوز
View > Fixed / Random Effect Testing < Correlated Random Effects – Hausman Test
دستور آزمون هاسمن در استاتا
1) xtreg variables,fe
estimates store fe
2) xtreg variables,re
estimates store re
3) hausman fe re

اسلاید 9 :

آزمون بروش پاگان(پولین دیتا یا اثرات تصادفی؟)
دستور آزمون بروش پاگان در استاتا
xttest0

اسلاید 10 :

مانایی

یک سری، زمانی ایستا گفته می شود اگر میانگین و واریانس آن طی زمان ثابت باشد و کواریانس آن تنها به اختلاف فاصله زمانی  وابسته باشد . اگر سری زمانی ایستا نباشد نتایج رگرسیون گمراه کننده  خواهد بود وممکن است به رگرسیون جعلی منجر شود .
اگر تعداد سال هایی که در پنل استفاده می شود کم باشد (10-15) نیازی به انجام آزمون ایستایی نخواهیم داشت .(گرین)

اسلاید 11 :

آزمون والد تعدیل شده برای شناسایی ناهمسانی واریانس
فقط زمانی که اثرات ثابت باشد.
دستور نصب:
ssc install xttest3
دستور اجرا:
xttest3

اسلاید 12 :

آزمون ناهمسانی واریانس
UnRestricted Model:
????? ? ?? ?? ??, ???? ??????(???????????????)
????????? ????? ??????
Restricted Model:
????? ? ?? ?? ??
????????? ????? ????
????? ?? = ?(?_?) − ?
?????? ?????? ????, ??(ˋ??′)

اسلاید 13 :

آزمون خود همبستگی

آزمون Wooldridge
دستور در استاتا:
xtserial variables

اسلاید 14 :

GLS
رفع ناهمسانی واریانس و خود همبستگی
دستور در استاتا:
xtglsvariables, panels(heteroskedastic) corr(ar1)