منبع تحقیق درمورد دوربین واتسون و انواع مدل های

یکی از مفروضاتی که در رگرسیون مدنظر قرار می‌گیرد، استقلال خطاها (تفاوت بین مقادیر واقعی و مقادیر پیش‌بینی 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 می‌شود. چنانچه این آماره در بازه 5/1 یا 5/2 قرار گیرد H0 آزمون (عدم همبستگی بین خطاها) پذیرفته می‌شود در غیر این صورت H0 رد می‌شود (همبستگی بین خطاها وجود دارد).
3-9-8 آزمون نرمال بودن خطاها
یکی دیگر از مفروضات در نظر گرفته شده در رگرسیون آن است که خطاها دارای توزیع نرمال با میانگین صفر می‌باشند. بدیهی است که در صورت عدم برقراری این پیش گزیده نمی‌توان از رگرسیون استفاده کرد بدین منظور باید مقادیر استاندارد خطاها محاسبه شود و نمودار توزیع داده‌ها و نمودار نرمال آن‌ها رسم شود و سپس مقایسه‌ای بین دو نمودار صورت گیرد.
3-10 آزمون همبستگی بین خطاها با 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 که آماره آن به کمک رابطه زیر محاسبه می شود در این رابطه et میزان اختلال یا خطا در دوره زمانی t و et-1 میزان ختلال یا خطا در دوره زمانی قبل را نشان می‌دهد (مومنی و قیومی، 1389):
اگر همبستگی بین خطاها را با نشان دهیم در این صورت آماره دوربین واتسون به کمک رابطه زیر محاسبه می‌شود.
3-11 انواع داده‌ها:
انواع دادههایی که عموماً برای تحلیلهای تجربی به کار برده میشوند، در سه گروه مورد بحث و بررسی قرار میگیرند:
دادههای سری زمانی
دادههای مقطعی
دادههای تلفیقی سری زمانی و مقطعی
در دادههای سری زمانی مقادیر یک یا چند متغیر را طی یک دوره زمانی مشاهده میکنیم. در دادههای مقطعی، مقادیر یک یا چند متغیر برای چند واحد یا مورد نمونهای در یک زمان یکسان جمعآوری میشود.
دادههای تابلویی ترکیبی از دادههای مقطعی و سری زمانی میباشد، یعنی اطلاعات مربوط به دادههای مقطعی در طول زمان مشاهده میشود. بدینصورت که چنین دادههایی 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 میباشد. در مجموع، دادههای پانلی دارای مزایای فراوانی نسبت به دادههای مقطعی یا سری زمانی هستند که برخی از مهمترین آنها عبارتند از:
1- دادههای مقطعی و سری زمانی صرف، ناهمسانیهای فردی را لحاظ نمیکنند، لذا ممکن است که تخمین تورشداری به دست دهند، در حالی که در روش پانل میتوان با لحاظ کردن متغیرهای مخصوص انفرادی این ناهمسانیها را لحاظ کرد.
 2- دادههای تابلویی دارای اطلاعات بیشتر، تغییرپذیری بیشتر، همخطی کمتر، درجه آزادی بالاتر و کارایی بالاتر نسبت به سری زمانی و دادههای مقطعی میباشند. به خصوص اینکه یکی از روشهای کاهش همخطی، ترکیب دادههای مقطعی و زمانی به صورت دادههای تابلویی میباشد.
3- با مجموعه دادههای تابلویی، میتوان اثراتی را شناسائی و اندازهگیری کرد که در دادههای مقطعی محض یا سری زمانی خالص قابل شناسائی نیست. گاهی استدلال میشود دادههای مقطعی، رفتارهای بلندمدت را نشانمیدهند، در حالی که در دادههای سری زمانی براثرات کوتاهمدت تأکید میشود. با ترکیب این دو خصوصیت در دادههای تابلویی، که خصوصیت متمایز پانل دیتاست، ساختار عمومیتر و پویاتری را میتوان تصریح و برآورد کرد(اشرفزاده و مهرگان، 1387).
4- دادههای تابلویی که بر حسب بنگاهها، خانوارها و افراد جمع آوری میشوند، ممکن است دقیقتر از دادههای مشابه اندازهگیری شده در سطح کلان باشند. بنابراین، تورشی که ممکن است در دادههای کلان حاصل شود، در دادههای تابلویی حداقل میگردد (بالتاجی، 2005).دادههای پانلی از طریق فراهم کردن تعداد دادههای زیاد، تورش را پائین میآورد (گجراتی، 2004).
5- مطالعه مشاهدات به صورت دادههای پانلی، وضعیت بهتری برای مطالعه و بررسی پویایی تغییرات نسبت به سری زمانی و مقطعی داراست.
3-11-1 انواع مدل های به کار رفته در داده های ترکیبی
یکی از مهمترین مشکلات بررسی های غیر تجربی در تورش ناشی از متغیرهـای حـذف شـده یـا تخمـین زده نـشده در برآوردها است. به این دلیل تحلیل هایی که براساس این قبیل مشاهدات صورت می گیرد، اغلب بـا واقعیـات منطبـق نیـست. براین اساس، با استفاده از مدل داده های ترکیبی، می توان به تخمین های کارا دست یافت. شکل کلی مدل داده های ترکیبی که به مدل اجزاء خطا معروف است، به صورت زیر می باشد:
در رابطه فوق Y نشان دهنده متغیر وابسته، X متغیر های توضیحی مشاهده شده و Z نشان دهنده متغیرهای توضـیحی غیر قابل مشاهده اثرگذار بر متغیر وابسته برای هر مقطع بوده که برای توضیح بهتر، این دسته از متغیرها از مقادیر اجزاء خطـا جدا شده است. نماد i نشان دهنده مقطع ها یا واحد های مشاهده شده، t نشان دهنده دوره زمانی و j و p نشان دهنده تفاوت بین متغیر های مشاهده نشده و مشاهده شده در مدل است . عبارت نشان دهنده خطای برآورد داده های ترکیبی است که تمامی شرایط مربوط به جملات خطا تحت فرضیات گوس- مارکو را داراست.
3-11-2 مدل اثر ثابت
این نوشته در علمی ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.