“
ج. داده های ترکیبی امکان بیشتری برای شناسایی و اندازه گیری اثراتی را فراهم میکند که به وسیله فقط آمارهای مقطعی و یا سری زمانی به سادگی قابل شناسایی نیست.
د. داده های ترکیبی از واحدهای کوچکی مثل افراد، شرکت ها و خانوارها گردآوری میشوند. بسیاری از متغیر ها را میتوان در مقیاس کوچک با دقت بیشتری اندازه گیری نمود و انحرافهای بیشتری از تجمع افراد یا شرکت ها حذف میشوند.
ه. امتیاز دیگری که برای ترکیبی کردن داده ها میتوان در نظر گرفت؛ این است که استفاده از مشاهدات مقطعی میتواند منجر به برآوردهای اریبی از پارامترها شود. چنانچه از این برشهای مقطعی طی زمان نمونه گیری شود و به اصطلاح داده های گروهی فراهم شود برآوردهای نااریب و سازگاری امکان پذیر است.
۳-۱۰-۵- روشهای تخمین داده های تابلویی
سه روش عمده برای برآورد مدلهای مبتنی بر داده های تابلویی عبارتند از:
الف) روش اثرات مشترک
برای برازش مدل با بهره گرفتن از روش اثرات مشترک، روش OLS برای تلفیقی از داده های مقطعی و سری زمانی اجرا میشود و ابتدایی ترین روش تلفیق داده های زمانی و مقطعی است.
ب) روش اثرات ثابت
در الگوی روش داده های تابلویی با اثرات ثابت، شیب رگرسیون در هر مقطع و یا در هر دوره زمانی ثابت میباشد و عرض از مبدأ از مقطعی به مقطع دیگر و یا از دورهای به دوره ی دیگر، متفاوت میباشد. در این شرایط اختلاف معنی داری میان مقاطع و یا دوره ها وجود دارد و فرض میشود ضرایب مربوط به مقاطع و یا دوره های مختلف ثابت بوده و عرض از مبدأ متفاوت میباشد.
الگوی اثرات ثابت به این دلیل به این نام معروف شده است که اثرات مشاهده نشده به صورت جمله ثابت رگرسیون ظاهر میشوند. در این الگو با بهره گرفتن از روش متغیرهای مجازی یا روش تفاضل گیری، اثرات متغیرهای غیر قابل مشاهده کنترل میشود. در روش متغیرهای مجازی، اثرات مشاهده نشده در الگو منظور میشوند، ولی وابستگی این مشاهدات با متغیرهای توضیحی مستقل در نظر گرفته نمیشود.
الگوهای اثرات ثابت با توجه به وجود یا عدم وجود روند زمانی در جمله ثابت، به الگوهای اثرات ثابت دو طرفه یا یک طرفه قابل تفکیک هستند. در هر دو الگو شیب رگرسیون ها برای کلیه متغیرها در هر مقطع ثابت است. الگوی اثرات ثابت یک طرفه نیز به الگوهای اثرات ثابت زمانی که در آن جمله ثابت (عرض از مبداء) برای دوره های مختلف زمانی، متفاوت و اثرات ثابت مقطعی که در آن جمله ثابت (عرض از مبداء) برای مقاطع مختلف، متفاوت میباشد، تفکیک میشود. در الگوی اثرات ثابت دو طرفه نیز، شیب توابع در هر مقطع ثابت است، اما جمله ثابت (عرض از مبداء) هم با زمان و هم با مقطع تغییر میکند.
ج) اثرات تصادفی
در الگوهای اثرات ثابت برای دستیابی به تخمینهای کارا از روش حذف متغیرهای غیر قابل اندازه گیری اثرگذار در الگو استفاده میشود. به کارگیری این روش موجب حذف بسیاری از متغیرهای مهم و اثر گذار در رگرسیون داده های تابلویی میشود. به این دلیل میتوان با واردکردن این متغیرها در جملات خطا، به روشی دیگر این مشکل را حل کرد. این روش به الگوی اثرات تصادفی معروف است. اولین شرط برای استفاده از الگوی اثرات تصادفی آن است که متغیرها به طور تصادفی انتخاب شده باشند. در این صورت جملات خطا نیز به عنوان یک متغیر تصادفی میباشند و به همین دلیل به آن مدل اثرات تصادفی میگویند. در ادامه آزمونهای تشخیصی مورد استفاده برای انتخاب از بین روشهای مختلف داده های تابلویی بیان شده است.
-
- -forecast ↑
-
- -predict ↑
-
- – Earning per share ↑
-
- – Handrecson. 1992 ↑
-
- – Smith ↑
-
- -Hicks ↑
-
- – Adam Smith ↑
-
- Hicks ↑
-
- – Gontrborgr ↑
-
- – Creeping inflation ↑
-
- – Britannica ↑
-
- – Cal loping inflation ↑
-
- – Runaway Inflation ↑
-
- – Hyper- Inflation ↑
-
- – Open Inflation ↑
-
- – در ادبیات اقتصادی “بورس اوراق بهادار “گاهی به نام “بازار سهام “نیز خوانده می شود .معادلهای انگلیسی این دو عنوان نیز stock marketوstock exchange است که به طور مترادف و با معنی یکسان به کار برده میشوند. لازم به توضیح است لغت “portfolio ” به معنی موجودی اوراق بهادار یا سبد سهام است . ↑
-
- – Beaoer ↑
-
- – Lambert ↑
-
- – Morse ↑
-
- -Tehran price Index ↑
-
- – Laspyrz ↑
-
- – Collins, Kothari, and Roybrn ↑
-
- – Catherine Finger ↑
-
- – Graham، et al ↑
-
- – Jlyk، et al ↑
-
- – Jg & Mknomy ↑
-
- – Rogers & Astakn ↑
-
- – Graham، Campbell & Rajgvpal ↑
-
- – Oughlu & Mhajan ↑
-
- – Hanln Mitchell, James Myers & Terry Sholyn ↑
-
- -Hutton & stocken ↑
-
- -Petrovic & Manson & coakley ↑
“