دانلود پایان نامه
با توجه به اینکه در این پژوهش از رگرسیون خطی مرکب به روش ترکیبی یا داده های تابلوئی استفاده شده، از روش های زیر برای تحلیل پیش فرض ها استفاده گردیده است:
1-آزمون کلموگروف-اسمیرونوف برای تعیین نرمال بودن توزیع متغیر های مستقل و وابسته.
2-آماره دوربین واتسون برای تعیین نرمال بودن توزیع باقیمانده ها در رگرسیون.
3-نمودار پراکندگی یا آزمون های مقایسه واریانس ها برای ارزیابی ثبات واریانس ها.
4-آزمون همبستگی پیرسون برای تحلیل استقلال خطی متغیر های مستقل.
5-ارزیابی ضریب تعیین(R2) برای تحلیل برقراری فرض خطی بودن رابطه بین متغیر ها.
ج) پیش فرض های داده های تابلویی :
در مواردی که بررسی ارتباط بین یک متغیر وابسته با یک یا چند متغیر مستقل مد نظر باشد و هدف محقق این است که بر اساس این ارتباط و با استفاده از داده های تاریخی، پارامتر (پارامترهایی) برای متغیر(متغیرهای) مستقل برآورد و با ارائه مدل اقدام به پیش بینی نماید، داده ها و متغیر های موجود در یک مدل معمولا در سه نوع مختلف می تواند باشد:
داده های سری زمانی
داده های مقطعی
داده های ترکیبی
داده های سری زمانی، مقادیر یک متغیر (چند متغیر) را در نقاط متوالی در زمان، اندازه گیری می کند. این توالی می تواند سالانه، فصلی، ماهانه، هفتگی یا حتی به صورت پیوسته باشد.
داده های مقطعی، مقادیر یک متغیر (چند متغیر) را در طول زمان و روی واحدهای متعدد اندازه گیری می کند، این واحدها می تواند واحدهای تولیدی، صنایع و یا شرکت های مختلف باشد.
داده های ترکیبی، در واقع بیان کننده داده های مقطعی در طی زمان است، یا به عبارت دیگر این داده ها حاصل ترکیب دو دسته داده های سری زمانی و مقطعی می باشد.
با توجه به ادبیات تحقیق موجود و نیز ماهیت فرضیات تحقیق در این پژوهش از داده های ترکیبی استفاده شده است.
بررسی ساختار دادههای ترکیبی و انواع مدلهای آن
در این تحقیق، با توجه به نوع دادهها و روشهای تجزیه و تحلیل آماری موجود، از روش دادههای ترکیبی ومقطعی برای برآورد پارامترهای الگو و بررسی آزمون فرضیه ها استفاده شده است. روش دادههای ترکیبی که به روش دادههای مقطعی – سری زمانی نیز معروف است، به شکلهای مختلف انجام شده و مدلهای متنوعی دارد که با توجه به شرایط تحقیق از یکی از آنها استفاده میشود.
استفاده از روش دادههای مقطعی ممکن است با مشکلات عدم کارایی و ناسازگاری تخمین مدلها همراه باشد. مشکلات مزبور در تخمین مدلها به روش دادههای ترکیبی و با استفاده از روش هایی مانند مدل اثر ثابت، مدل اثر تصادفی، مدل رگرسیون به ظاهر نامرتبط و مدل دادههای یکپارچه شده، وجود نخواهد داشت. در بررسی دادههای مقطعی و سری زمانی، اگر ضریب اثرات مقطعی و اثر زمانی معنیدار نشود، میتوان تمامی دادهها را با یکدیگر ترکیب کرده و بوسیله رگرسیون حداقل مربعات معمولی تخمین زد. به این روش، دادههای تلفیق شده نیز میگویند. مدلهای اثر ثابت و اثر تصادفی به سبب اهمیت، در این قسمت به اختصار توضیح داده میشوند:
برای تعیین مدل مورد استفاده در دادههای ترکیبی از آزمونهای مختلفی به شرح زیر استفاده میشود:
1-آزمون دیکی فولر تعمیم یافته جهت مانایی متغیرها : قبل از برآورد مدل رگرسیون بر روی دادهها، لازم است مانایی تک تک متغیرها بررسی شود چون در صورتی که متغیرها نامانا باشند، باعث بروز مشکل رگرسیون کاذب میشود. در این پژوهش برای بررسی مانایی متغیرها برای دادههای ترکیبی، ازآزمون فیشر-ADF استفاده شده است. فرض صفر در این آزمون وجود ریشه واحد یا بطور معادل، عدم مانایی متغیر ها می باشد که اگر مقدار p-valueکمتر از 0.05 باشد فرض صفر رد می شود و متغیرها مانا هستند.
2-بررسی ناهمسانی واریانس : برای بررسی وجود ناهمسانی واریانس جملات اخلال، از آزمون وایت ((White استفاده شده است. با استفاده از آماره F (فیشر) براحتی می توان قضاوت کرد که مدل، ناهمسانی دارد یا خیر. به این صورت که اگر احتمال مربوط به آماره F ((Prob (F- Static) بیشتر از سطح خطا (آلفا) باشد، فرضیه H0 رد نشده و لذا همسانی واریانس پذیرفته می شود. در صورتیکه خلاف این شرط محقق شود و مدل ناهمسانی داشته باشد برای رفع آن می توان از روش کمترین مجذورات تعمیم یافته (GLS) استفاده کرد.
3- آزمون F لیمر: به منظور گزینش یکی ازروشهای داده های تابلویی ویا داده های تلفیقی از آماره اف لیمر استفاده شده است. به عبارت دیگر آماره اف لیمرتعیین می کند که عرض ازمبدآ جداگانه برای هریک از شرکت ها وجود دارد یاخیر.درصورتی که دربین مشاهدات ، ناهمگنی یاتفاوت های فردی وجود داشته باشد، از روش داده های تابلویی ودرغیر این صورت از روش داده های تلفیقی استفاده می شود. زیرا فقط داده ها روی هم انباشت شده وتفاوت بین آن ها لحاظ نشده است.
4-آزمون هاسمن: اگرپس از آزمون F لیمر،فرضیه صفر رد شده باشد، این پرسش مطرح می شود روابط را می توان در قالب کدام یک از روشهای آثار ثابت ویا آثار تصادفی بررسی کرد. آزمون هاسمن این موضوع را مشخص می کند. فرضیه صفر (روش آثار تصادفی) در این آزمون به این معنی است که ارتباطی بین جزء اخلال مربوط عرض ازمبدآ ومتغیرهای توضیحی وجود ندارد وازیکدیگر مستقل هستند. درحالی که فرضیه مقابل (روش آثار ثابت) به این معنی است که بین جزء اخلال مورد نظر ومتغیر توضیحی همبستگی وجود دارد. بنابراین در صورت رد فرضیه صفر از روش آثارثابت ودر غیر این صورت روش آثار تصادفی استفاده می شود.