منابع مقاله درمورد
اثرات ثابت، روش حداقل مربعات

منابع مقاله درمورد اثرات ثابت، روش حداقل مربعات

تحقیق برای آزمون نرمال بودن از آزمون جارک برا و کلوموگروف اسمیرنوف
1- آزمون جارک برا:
برای بررسی نرمال بودن باقیمانده هااز آزمون جارک- برا استفاده می شود.اساس این آزمون بررسی چولگی و کشیدگی توزیع در نمونه و توزبع نرمال مشابه است.
به صورت زیر بدست می آید:
معیار چولگی
K= مقدارکشیدگی نمونه
2- کلوموگروف اسمیرنوف:
آزمون کلموگروف – اسمیرنوف یک آزمون تطابق توزیع برای داده های کمی است و با استفاده از این آزمون می توانید تعیین کنید که آیا داده های نمونه از یک توزیع خاص نظری مانند نرمال پیروی می کنند.در نرم افزارpss از این آزمون برای تطابق چهار توزیع مختلف نرمال، پواسن، نمایی و یکنواخت استفاده شده است. اساس این روش بر اختلاف بین فراوانی تجمعی نسبی مشاهدات با مقدار مورد انتظار تحت فرض صفر است. فرض صفر می گوید که نمونه انتخاب شده دارای توزیع نرمال، )پواسن، نمایی یا یکنواخت) است.آزمون کلموگروف – اسمیرونوف برای تطابق توزیع، احتمال های تجمعی مقادیر در مجموعه داده هایتان را با احتمال های تجمعی همان مقادیر در یک توزیع نظری خاص مقایسه می کند. اگر اختلاف آن به قدر کافی بزرگ باشد، این آزمون نشان خواهد داد که داده های شما با یکی از توزیع های نظری مورد نظر تطابق ندارد.
3-10-3 آزمون f لیمر
چاو ( 1960 )، آزمونی را معرفی کرد که برای انتخاب بین روش حداقل مربعات معمولی مدل داده های ادغام شده (تلفیقی) و مدل آثار ثابت مورد استفاده قرار می گیرد. برای انتخاب بین روش های مدل رگرسیونی تلفیقی و رگرسیون اثرات ثابت (داده های پانل) از آزمون f لیمر (تعمیم یافته) استفاده شده است. آزمون اف لیمر (چاو) برای استفاده از پولین دیتا یا پانل دیتا (اثرات ثابت) در تخمین مدل.
آماره این ازمون به صورت زیر می باشد:
F=
ضریب تعیین رگرسیون با اثرات ثابت،
= ضریب تعیین مدل رگرسیونی تلفیقی،
n = تعداد مشاهدات مقطعی ،
t = تعداد دوره های زمانی پژوهش( تعداد سال ها)،
nt = تعداد کل مشاهدات
k = تعداد متغییر های مستقل مدل
3-10-4 آزمون دوربین – واتسون
یکی از مفروضاتی که در رگرسیون مد نظر قرار می گیرد، استقلال خطاها( تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون) از یکدیگر است. در صورتی که فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند امکان استفاده از رگرسیون وجود ندارد. به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین – واتسون استفاده می شود. (مومنی،1386،129).
3-10-5 آزمون وی آی اف (VIF ) و تلرانس
یکی از شاخص ها برای بررسی وجود وابستگی خطی بین متغیرهای مستقل ( هم خطی چندگانه ) در spss.
به صورت زیر بدست می آید:
R2i = ضریب تعیین معادله رگرسیون
3-10-6 آزمون t استیودنت
این آزمون برای ارزیابی میزان همقوارگی یا یکسان بودن و نبودن میانگین نمونه ای با میانگین جامعه در حالتی به کار می رود که انحراف معیار جامعه مجهول باشد. چون توزیع t در مورد نمونه های کوچک (کمتر از 30) با استفاده از درجات آزادی تعدیل می‌شود، می‌توان از این آزمون برای نمونه های بسیار کوچک استفاده نمود. همچنین این آزمون مواقعی که خطای استاندارد جامعه نامعلوم و خطای استاندارد نمونه معلوم باشد، کاربرد دارد.
= میانگین متغیر مورد مطالعه در نمونه
µ= میانگین جامعه است
S= انحراف معیار و n = تعداد نمونه
3-10-7 همبستگی
تحلیل همبستگی ابزاری آماری است که بوسیله آن می‌توان درجه‌ای را که یک متغیر به متغیر دیگر، از نظر خطی مرتبط است را اندازه‌گیری کرد. بعبارت سادهتر همبستگی معیاری است که برای تعیین میزان ارتباط دو متغیر استفاده می‌شود و معمولا همراه با تحلیل رگرسیون بکار می رود. در همبستگی دو معیار بحث می‌شود:
الف) ضریب همبستگی ب) ضریب تعیین
الف) ضریب همبستگی ()
ضریب همبستگی نوع رابطه مستقیم یا معکوس و همچنین شدت رابطه بین دو یا چند متغیر را نشان می‌دهد.
ب) ضریب تعیین ()
ضریب تعیین یکی از مهمترین معیارهایی است که با آن میتوان رابطه بین دو متغیرو را توضیح داد
اگر مشاهدات و میانگین مشاهدات باشد، آنگاه میزان انحراف مشاهدات حول میانگین خود، برابر خواهد بود. مجموع انحرافات بین مشاهدات () و برآورد آن را به وسیله خط رگرسیون () را با نشان می دهیم. برای محاسبه ضریب تعیین از رابطه زیر نیز می‌توان استفاده کرد:
3-10-8 تحلیل واریانس:
تحلیل واریانس که برای اولین بار توسط سر رونالد فیشر ابداع شد، روشی است که از آن برای مقایسه میانگین دو یا چند گروه استفاده می شود. هنگامی که تحلیل واریانس برای مقایسه دو گروه استفاده می شود با آزمون تی معادل است. در تحلیل واریانس برای مقایسه میانگین گروه ها از واریانس استفاده می شود، به همین دلیل به این فنون تحلیل واریانس گفته می شود. بدین صورت که ابتدا میانگین و واریانس نمونه های هر کدام از گروه ها مشخص می شود، سپس مشخص می شود که این واریانس بین گروه ها ناشی از متغیر یا متغیرهای مستقل است، یا ناشی از شانس و خطا است.
1- آزمون F :
آزمون اف (( F یا آزمون آنالیز واریانس تعمیم یافته آزمون t است و برای ارزیابی یکسان بودن یا یکسان نبودن دو جامعه و یا چند جامعه به کار برده می‌شود. در این آزمون واریانس کل جامعه به عوامل اولیه آن تجزیه می‌شود. از این آزمون برای مقایسه همقوارگی چند جامعه را تواما با هم استفاده می‌شود.
2- درجه آزادی
درجه آزادی عبارت است از حجم نمونه (n) منهای تعداد پارامترهایی که از داده ها برآورد میشود.(پارامترهای مجهول(.
صاحبنظران علم آمار به یکی از دو گونهء زیر درجه آزادی را توضیح می دهند:
1-تعداد درجه های آزادی همواره برابر است با تعداد مشاهدات منهای تعداد رابطه های ضروری که بین این مشاهدات وجود دارد
2-تعداد درجهء آزادی همواره برابر است با تعداد مشاهدات اصلی منهای تعداد پارامترهائی که با استفاده از مشاهده های مزبور برآورده شده اند.
و همیشه این طور نیست که درجه ازادی برابر تعداد مشاهدات یکی کمتر شود و بسته به محدودیت های که عمال میشه به تعداد محدودیت ها کم میشود.
فصل چهارم
تجزیه و تحلیل یافته ها
4-1 مقدمه
در این فصل تلاش می شود اطلاعات جمع آوری شده معرفی و مورد تجزیه و تحلیل قرار گیرد. با توجه به اینکه داده ها مربوط به 6 سال می باشند، و با توجه به 59 شرکت داده ها را در نرم افزار Eviews7 و همچنین SPSS به صورت داده های پنل آماده سازی می کنیم و از این رهگذر به آزمون فرضیات خواهیم پرداخت. برای معنادار شدن تاثیرات، لازم است که ضریب همبستگی بسیار بالایی مشاهده شود تا بتوان با اطمینان 95 درصد نتیجه گرفت که دو متغیر بر یکدیگر تاثیرگذارند.
انواع داده هایی که عموماً برای تحلیل های تجربی به کار برده می شوند، در سه گروه مورد بحث و بررسی قرار می گیرند:
– داده های سری زمانی
– داده های مقطعی
– داده های تلفیقی سری زمانی و مقطعی
داده های تابلویی ترکیبی از داده های مقطعی و سری زمانی می باشد، یعنی اطلاعات مربوط به داده های مقطعی در طول زمان مشاهده می شود. بدین صورت که چنین داده هایی دارای دو بعد می باشند که یک بعد آن مربوط به واحدهای مختلف در هر مقطع زمانی خاص است و بعد دیگر آن مربوط به زمان می باشد. در مجموع، داده های پانلی دارای مزایای فراوانی نسبت به داده های مقطعی یا سری زمانی هستند که برخی از مهمترین آنها عبارتند از:
داده های مقطعی و سری زمانی صرف، ناهمسانی های فردی را لحاظ نمی کنند، لذا ممکن است که تخمین تورش داری به دست دهند، در حالی که در روش پانل می توان با لحاظ کردن متغیرهای مخصوص انفرادی این ناهمسانی ها را لحاظ کرد.
داده های تابلویی دارای اطلاعات بیشتر، تغییرپذیری بیشتر، همخطی کمتر، درجه آزادی بالاتر و کارایی بالاتر نسبت به سری زمانی و داده های مقطعی می باشند. به خصوص اینکه یکی از روشهای کاهش همخطی، ترکیب داده های مقطعی و زمانی به صورت داده های تابلویی می باشد.
با مجموعه داده های تابلویی، می توان اثراتی را شناسائی و اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی خالص قابل شناسائی نیست. گاهی استدلال می شود داده های مقطعی، رفتارهای بلندمدت را نشان می دهند، در حالی که در داده های سری زمانی براثرات کوتاه مدت تأکید می شود. با ترکیب این دو خصوصیت در داده های تابلویی، که خصوصیت متمایز پانل دیتاست، ساختار عمومی تر و پویاتری را می توان تصریح و برآورد کرد.
4-2 نتایج آزمون مانایی
سری های زمانی، یکی از مهمترین داده های آماری مورد استفاده در تجزیه و تحلیل تجربی هستند. در تحقیقات همواره چنین فرض شده که سری زمانی ماناست و اگر این حالت وجود نداشته باشد، آزمون های آماری که اساس آن ها بر پایه t، F، خی دو و … بنا شده است، مورد تردید قرار می گیرد. از طرفی اگر متغیرهای سری زمانی مانا نباشد، ممکن است مشکلی به نام رگرسیون کاذب بروز کند.
مانایی دو حالت دارد: ضعیف و قوی. ما معمولا حالت ضعیف را بررسی می کنیم. اگر تمامی گشتاورها در طول زمان ثابت باشد، سری، مانای قوی است؛ ولی اگر گشتاورهای مرتبه اول و دوم ثابت باشد سری مانای ضعیف است.
یک متغیر سری زمانی وقتی ماناست که میانگین، واریانس و ضریب خود همبستگی آن در طول زمان ثابت باقی بماند.
H0 : داده ها دارای ریشه واحد هستند.
H1 : داده ها دارای ریشه واحد نیستند (مانا بودن داده ها).
با توجه به این موضوع که داده های مورد نظر در این پژوهش در جدول زیر با استفاده از آماره نرمال بررسی شده است، می توان بیان داشت که داده ها مانا هستند.

مطلب مرتبط :   منبع پایان نامه ارشد درموردبادبزنی، نازل‌های، نازل‌ها
برای دانلود متن کامل فایل این  پایان نامه می توانید  اینجا کلیک کنید

دیدگاهتان را بنویسید

Close Menu