بنابراین برای افزایش دقت مطالعه تفکیک این دو مقوله ضروری است. روش سوم برآورد مدل که در سال­های اخیر بیشتر مورد توجه قرار گرفته­است، برآورد مدل براساس داده ­های پانل است. در این روش، یک سری واحدهای مقطعی طی چند سال مورد برازش قرار می­گیرند. تحلیل با داده ­های ادغام شده محیطی بسیار غنی از اطلاعات را برای گسترش فنون تخمین و نتایج نظری فراهم می ­آورد. در بسیاری از موارد محققان از این روش، برای مواردی که نمی­ توان مسائل را به صورت سری ­زمانی یا مقطعی بررسی کرد یا زمانی­که تعداد داده ­ها کم است، استفاده می­ کنند.

(( 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. ))

از آنجا که لحاظ نکردن برخی از متغیرها در ساختار مدل­ها موجب ایجاد عدم کارایی در برآوردهای مدل­های اقتصاد­سنجی می­ شود، روش داده ­های تلفیقی که از ترکیب اطلاعات سری­های زمانی و داده ­های مقطعی تشکیل شده است، اثر این نوع متغیرهای لحاظ نشده یا غیر قابل ­اندازه ­گیری را بهتر از داده ­های مقطعی طی یک سال یا داده ­های سری زمانی برای یک مقطع زمانی نشان می­دهد. داده ­های تلفیقی روند گذشته متغیرها را در برگرفته و از نظر لحاظ کردن پویایی متغیرها، اطمینان ایجاد می­ کند. یک مدل تجربی بزرگ می ­تواند به طور کامل­تری روابط بین متغیرهای مربوطه، اثرات مثبت و منفی که به لحاظ آماری معنی­دار هستند، متغیرهای زمان و مکان، اثرات و روابط متقابل بین متغیرها را مشخص کند. ادغام داده ­های سری ­زمانی و مقطعی و ضرورت استفاده از آن بیشتر به علت افزایش تعداد مشاهدات و بالابردن درجۀآزادی است.
۳-۹-۲ روش­های تخمین مدل­های ادغام شده
برآورد روابطی که در آن­ها از داده ­های ترکیبی (سری زمانی، مقطعی) استفاده می­ شود، غالبا با پیچیدگی­هایی مواجه است. در مدل­های پانل، بعضی از متغیرها بین واحدهای مقطعی و یا طی زمان تغییر می­ کنند. آنچه­که به طور کلی در مدل­های پانل مطرح می­گردد، وجود p واحد مجزا است که با شاخص i از ۱ تا p شماره­گذاری می­ شود؛ هم­چنین mدوره زمانی متوالی که با شاخص t از ۱ تاm شماره­گذاری می­شوند وجود دارد که مجموع n= pm مشاهده موجود خواهد بود.
برآورد روابطی که در آن­ها از داده ­های پانل (مقطعی- سری زمانی) استفاده می­ شود، غالبا با پیچیدگی­هایی مواجه است. ضرایب مدل، واکنش متغیر وابسته نسبت به تغییرات k امین متغیر مستقل در i امین مقطع را در زمان t اندازه ­گیری می­ کند. در حالت کلی فرض می­ شود که این ضرایب در میان تمامی واحدهای مقطعی و زمانی مختلف متفاوت است. در حالت کلی متغیرهای یک مدل پانل را می­توان به صورت زیر تعریف نمود:
رگرسیون خطی این پانل، عبارت خواهد بود از:
: ارزش متغیر وابسته برای واحد i ام در دوره t ام.
: ارزش متغیر توضیحی j ام در دوره t ام.
(که i=1,…,p؛ t=1,…,m و j=1,…,k).
در رابطه­ فوق دارای میانگین صفر و واریانس ثابت است. اثرات ثابت و نشانگر تفاوت­ها در ویژگی­های خاص فردی، بنگاه­ها یا کشورها است. جزء اخلال است.
در این رگرسیون دستگاه عمومی پارامترهای تمام واحدها در تمام زمان­ها بیان گردیده­است. این رگرسیون را می­توان به صورت ماتریسی نیز در نظر گرفت که در آن یک بردار از واحدها، اسکالر و می­باشند.
اختلاف بین مقاطع در نشان داده ­می­ شود و در طول زمان ثابت فرض می­گردد. اگر فرض ما این باشد که برای تمام بنگاه­ها ثابت است، روش حداقل مربعات معمولی، تخمین­های کارا و سازگاری از و به دست خواهد داد. ولی اگر فرض کنیم که در بین مقاطع مختلف اختلاف وجود دارد، باید از روش­های دیگری برای تخمین استفاده شود.
مدل­های پانل دیتا به پنج گروه کلی تقسیم می­ شود:

1. 1. مدل­هایی که در آن تمامی ضرایب ثابت­اند و فرض می­ شود که جمله اختلال قادر است تمام تفاوت­های میان واحدهای مقطعی و زمان را دریافت کند و توضیح دهد که به این مدل pooling گویند.

1. 1. مدل­هایی که در آن ضرایب مربوط به متغیرها (شیب­ها) ثابتند و تنها عرض از مبدأ برای واحدهای مختلف مقطعی متفاوت است.

۳

1. 1. ضرایب مربوط به متغیرها (شیب­ها) ثابت­اند و تنها عرض از مبدأ در زمان­ها و واحدهای مختلف مقطعی تغییر می­ کند.

1. 1. همه ضرایب برای تمام واحدهای مقطعی متفاوت است.

1. 1. تمام ضرایب هم نسبت به زمان هم نسبت به واحدهای مقطعی متفاوت است.

در خصوص روش­های تخمین مدل­های فوق­ الذکر می­توان گفت که در حالت­های ۲و۳ و۴ بسته به اینکه کدام یک از ضرایب ثابت یا متغیر باشد به مدل­های تاثیرات ثابت یا تاثیرات تصادفی تقسیم می­شوند. (اشرف­زاده و مهرگان، ۱۳۸۷).
۳-۹-۳ آزمون F لیمر
در خصوص استفاده از پانل، آزمون مربوط به همگنی مقاطع انجام می­پذیرد. در صورتی که شرکت­ها همگن باشند، می­توان به سادگی از روش حداقل مربعات معمولی استفاده نمود، در غیر این صورت، ضرورت استفاده از پانل ایجاب می­گردد.
در آزمون F فرضیه یکسان بودن عرض از مبدأها (روش پولینگ یا ترکیبی)، در مقابل فرضیه مخالف، ناهمسانی عرض از مبدأها، (روش داده ­های تابلویی) قرار­ می­گیرد. بنابراین در صورت رد فرضیه روش داده ­های تابلویی پذیرفته می­ شود.
فرضیات این آزمون براساس ها، که بیان­کننده­ اثرات فردی و یا ناهمگنی­ها هستند به صورت زیر است:
: ها مخالف صفر است حداقل یکی از
این آزمون با بهره گرفتن از مجموع مربعات باقیمانده مقید حاصل از مدل ترکیبی به دست آمده از OLS و مجموع مربعات باقیمانده غیر مقید حاصل از تخمین رگرسیون درون­گروهی به صورت زیر است :
i =۱,۲,…,N مدل مقید
i =۱,۲,…,N مدل نامقید
آماره آزمون F به شرح زیر است :
که در آن N تعداد مقاطع، K تعداد متغیرهای توضیحی و T تعداد مشاهدات در طول زمان است. با مقایسه آماره F محاسباتی با Fجدول، می­توان در صورت بزرگتر بودن آماره F محاسباتی از روش پانل استفاده کرد.
۳-۹-۴ آزمون هاسمن^[۴۶]
برای تشخیص اینکه در برآورد مدل­های پانل دیتا کدام روش (اثرات ثابت و اثرات تصادفی) مناسب می­باشد، از آزمون هاسمن (۱۹۸۰) استفاده می­ شود. در آزمون هاسمن، فرضیه صفر و فرضیه مقابل آن به صورت زیر بیان می­گردد:
فرضیه صفر به معنای این است که بین جمله خطا (که در_­برگیرنده اثرات فردی است)، و متغیرهای توضیحی، هیچ ارتباطی وجود ندارد و در واقع، مستقل از یکدیگر می­باشند. این در حالی است که فرضیه مقابل به این معنی است که بین جزء اخلال و متغیرهای توضیحی، همبستگی وجود دارد (اشرف زاده و مهرگان،۱۳۸۷).
در صورت رد فرضیه صفر، بهتر است که از روش اثرات ثابت استفاده شود.
اگر b تخمین زننده روش اثرات ثابت، و تخمین­زن روش تصادفی باشد، آنگاه می­توان نوشت:
هاسمن ثابت نمود که عبارت مذکور دارای توزیع c می­باشد.
c
K: تعداد متغیرهای توضیحی
اگر آماره محاسبه شده از این آزمون از c بزرگتر باشد، فرضیه صفر مبنی بر اثر تصادفی رد شده و فرض اثر ثابت پذیرفته می­ شود.
۳-۹-۵ مدل اثر ثابت (FEM)^[47]
استدلال پایه­ای مدل اثرات ثابت آن است که در تصریح مدل رگرسیونی نمی­ توان متغیرهای توضیحی مناسب را که طی زمان تغییر نمی­کنند، وارد مدل کنیم. از این رو، وارد کردن متغیرهای مجازی، پوشش و جبرانی بر این بی­توجهی وناآگاهی می­باشد. استفاده ازداده­های تابلویی با اثرات ثابت یک راه حل مناسب برای عدم تشخیص رگرسیون به خصوص زمانیکه اثرات ویژه هر واحد )اثرات فردی ( براثرات زمانی آن غالب می­باشد، خواهد بود­.
یک روش متداول در فرمول­بندی مدل پانل دیتا بر این فرض استوار است که اختلاف بین مقطع­ها را می­توان به صورت تفاوت در عرض از مبدأ نشان داد.
به فرض که و شامل t مشاهده برای واحد i ام باشد و بردار جزء اختلال بوده و دارای ابعاد بوده باشد، در نتیجه داریم: