می 19, 2021

بررسی ساختار و هزینه اجتماعی انحصار در صنعت بانکداری ایران- قسمت ۱۳

  • ضرایب مربوط به متغیرها (شیب‌ها) ثابتند و تنها عرض از مبدأ برای مقاطع مختلف متفاوت است.
جهت دانلود متن کامل پایان نامه به سایت azarim.ir مراجعه نمایید.

 

(۱۰-۳)
 

 

  1. ضرایب مربوط به متغیرها (شیب‌ها) ثابتند، ولی عرض از مبدأ مابین مقاطع و بین دوره‌ها متفاوتند.

 

(۱۱-۳)
 

 

  1. همه ضرایب برای تمام واحدهای مقطعی متفاوت است.

 

(۱۲-۳)
 

 

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

 

(۱۳-۳)

در خصوص روش‌های تخمین مدل‌های مذکور می­توان گفت که در حالت‌های ۳،۲ و۴ بسته به اینکه کدامیک از ضرایب ثابت یا متغیر باشند، به مدل‌های اثرات ثابت[۵۰] یا اثرات تصادفی[۵۱] تقسیم می‌شوند.
۳-۵-۴-۳- مراحل تخمین مدل به وسیله داده‌های تلفیقی
سؤالی که اغلب در مطالعات کاربردی مطرح می‌شود، این است که آیا شواهدی دال بر برابری عرض از مبدأها وجود دارد یا اینکه عرض از مبدأها برای مقاطع مختلف متفاوت هستند. فرضیه صفر[۵۲] برای این آزمون برابری عرض ازمبدأها برای مقاطع مختلف است.
فرضیه مذکور را می‌توان به عنوان یک مجموعه قیود خطی روی عرض از مبدأها در نظر گرفت و برای آزمون آن از آماره به صورت ذیل استفاده نمود:

(۱۴-۳)

که در آن :
مجذور پسماندهای حاصل از برازش رگرسیون با برابری عرض از مبدأها است.

: مجذور پسماندهای حاصل از برازش رگرسیون با عرض از مبدأهای متفاوت است

در صورتی که فرض پذیرفته نشود، دلیلی بر یکسان فرض نمودن عرض از مبدأ واحدهای مختلف مقطعی وجود ندارد.

دراین صورت، سؤال اساسی دیگری مطرح خواهد شد و آن این است که آیا تفاوت در مقاطع مختلف می‌تواند به وسیله عرض از مبدأ خاص در واحد پاسخگو باشد. به عبارت دیگر آیا تفاوت در عرض از مبدأ واحدهای مقطعی به طور ثابت عمل می‌کند، یا اینکه عملکردهای تصادفی می‌توانند این اختلاف بین واحدها را به طور واضح‌تری بیان نماید. این دو روش در ادبیات داده‌های تلفیقی به ترتیب به روش‌های اثرات ثابت و اثرات تصادفی مشهور هستند. در ادامه روش‌های فوق‌ به اختصار مورد بحث قرار می‌گیرد.
۳-۵-۴-۴- اثرات ثابت
یک روش متداول در فرمول‌بندی مدل داده‌های تلفیقی، بر این فرض استوار است که اختلافات بین واحدها را می‌توان به صورت تفاوت عرض از مبدا نشان داد و بنابراین در رابطه (۱۳-۳) هر xi یک پارامتر ناشناخته‌ است که باید برآورد شود.
به فرض که xi و yi شامل مشاهده برای واحد ام باشند و بردار جزء اخلال بوده و دارای ابعاد باشد، در نتیجه رابطه (۱۳-۳) را می توان به صورت زیر بازآرایی کرد :

(۱۵-۳)

در این فرمول‌ها بردار یکه با ابعاد است. مدل فوق را می‌توان به شکل خلاصه زیر نوشت:

(۱۶-۳)

که متغیر مجازی برای نشان دادن امین مقطع است. حال اگر ماتریس را به صورت با ابعاد تعریف کنیم، خواهیم داشت:

(۱۷-۳)

که این رابطه به عنوان مدل حداقل مربعات متغیر مجازی[۵۳] نامیده می‌شود. مدل اخیر یک مدل رگرسیونی کلاسیک است و هیچ شرط جدیدی برای تجزیه و تحلیل آن لازم نیست. می‌توان مدل را با بهره گرفتن از روش با رگرسور در ستون در به عنوان یک مدل چند متغیره با پارامتر برآورد کرد. لازم به ذکر است که می‌توان در روش اثرات ثابت، عرض از مبدأ را طوری برآورد کرد که نه تنها در مقاطع مختلف بلکه در زمان‌های مختلف نیز از هم متفاوت باشند. برای مشخص شدن کارا بودن اعمال اثرات ثابت در مدل رگرسیون نسبت به مدل رگرسیون ساده، از آزمون اثرات ثابت استفاده می­ شود.

۳-۵-۴-۵- اثرات تصادفی
مدل‌های اثرات ثابت تنها درصورتی منطقی هستند که اطمینان داشته باشیم اختلاف بین مقاطع را می‌توان به صورت انتقال تابع رگرسیون نشان داد، در حالی که همیشه از وجود این موضوع مطمئن نیستیم. لذا روش‌های دیگری مورد استفاده قرار می‌گیرند. روش دیگر برآورد، روش اثرات تصادفی است که فرض می‌کند جزء ثابت مشخص‌کننده مقاطع مختلف به صورت تصادفی بین واحدها و مناطق توزیع شده است. با توجه به این مورد، مدل با اثرات تصادفی به شکل زیر خواهد بود:
(۱۸-۳)

که دارای متغیر توضیحی به اضافه یک عرض از مبدأ است. مؤلفه مشخص کننده جزء تصادفی مربوط به امین واحد بوده و در طول زمان ثابت است. در مطالعات کاربردی، می­توانرا آن دسته از ویژگی‌های خاص مربوط به هر مقطع در نظر گرفت که در مدل وارد نشده‌اند. باید توجه داشت که در این حالت واریانس‌های مربوط به مقاطع مختلف با هم یکسان نبوده و مدل دچار ناهمسانی واریانس است و باید از روش حداقل مربعات تعمیم یافته[۵۴] استفاده نمود. با معرفی این دو روش سوالی که پیش می‌آید این است که در عمل کدامیک از روش‌های مذکور را می‌‌توان استفاده نمود. برا ی پاسخ به این سوال از آزمون هاسمن[۵۵] استفاده می‌شود.

۳-۵-۴-۶- آزمون هاسمن
آماره این آزمون که برای تشخیص ثابت یا تصادفی بودن تفاوت‌های واحدهای مقطعی به صورت زیر محاسبه می‌شود. این آماره دارای توزیع کای- دو با درجه آزادی برابر با تعداد متغیرهای مستقل است.

(۱۹-۳)

(۲۰-۳)

که درآن معرف تخمین‌ زننده‌های روش اثرات ثابت و معرف تخمین‌ زننده‌های روش اثرات تصادفی است.

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *