پاورپوینت فصل چهارم 4 (تلاش فروش کلاسیک ) کتاب اقتصادسنجی (مقدماتی) همراه با کاربرد Eviews 8 و Srata 12 (جلد 1) مولف دکتر علی سوری ,

پاورپوینت فصل چهارم 4 (تلاش فروش کلاسیک  ) کتاب اقتصادسنجی (مقدماتی) همراه با کاربرد Eviews 8 و Srata 12 (جلد 1) مولف دکتر علی سوری

در قالب ppt و در 107 اسلاید و قابل یرایش

فهرست مطالب
-مقدمه
فرض اول: صفر بودن میانگین خطا
فرض دوم: واریانس همسانی
ماهیت واریانس ناهمسانی
پیامدهای واریانس ناهمسانی
برآورد واریانس مستحکم وایت
آزمونهای تشخیص واریانس ناهمسانی
الف) آزمون بارتلت
ب) آزمون گلد فلد- کوانت
ج) آزمون گسجر
د) آزمون همبستگی رتبه ای اسپیرمن
هـ) آزمون بروش- پاگان - گادفری
و) آزمون هاروی
ز) آزمون وایت
تخمین ضرایب با وجود واریانس ناهمسانی
فرض سوم: عدم خود همبستگی
مفهوم وفقه
پیامدهای خودهمبستگی
روش های نموداری جهت تشخیص خودهمبستگی
آزمون دوربین – واتسون
آزمون بروش – گادفری
پیامد نادیده گرفتن خود همبستگی
تخمین ضرایب در حالت خود همبستگی
خودهمبستگی و مدل های پویا
خود همبستگی و فرایندهای خودرگرسیون (AR) و میانگین متحرک
فرض ۴: غیر تصادفی بودن متغیرهای توضیحی
فرض5: فرض نرمال بودن ut
مسائل
ضمیمه فصل چهارم: آزمون نقض فروض در Stata

١-٤ مقدمه
در فصل دوم فروض کلاسیک را مطرح کردیم که مبنای اصلی برآورد معادلات رگرسیون است. همان طور که دیدیم تمام نتایج و تحلیلهای مربوط به تخمین معادلات، عمدتاً بر مبنای این فروض قرار دارد در این راستا با چند مسئله مواجه ایم اولاً چگونه میتوان نقض فروض کلاسیک را تشخیص داد. ثانیاً در عمل چه چیزی باعث نقض فروض کلاسیک می‌شود. ثالثاً وقتی بدون توجه به نقض فروض کلاسیک به تخمین معادلات و تفسیر نتایج می‌پردازیم با چه مسائل و مشکلاتی مواجه می‌شویم.
٢-٤ فرض اول صفر بودن میانگین خطا
اولین فرض کلاسیک این است که امید ریاضی برابر با صفر است. از آنجا که 𝑒_𝑡=𝑌_𝑡−𝑌 ̂_𝑡  است، لذا وقتی میانگین خطا صفر باشد بدان معنا است که مقدار تخمینی به طور متوسط برابر با مقدار واقعی است و در نتیجه خطای متوسط یا امید ریاضی خطا برابر صفر خواهد بود. می‌توان ثابت کرد که اگر E(ut) برابر با مقدار ثابتی باشد آنگاه شیب معادله رگرسیون بدون تورش، ولی برآورد عرض از مبدأ باتورش خواهد بود. اگر E(ut) ثابت نباشد آنگاه، برآورد شیب معادله رگرسیون نیز دچار تورش خواهد شد.

از طرف دیگر اگر معادله رگرسیون دارای عرض از مبدأ ،باشد فرض E(ut) نقض نمی‌شود. اما اگر رگرسیون فاقد عرض از مبدأ باشد مقدار متوسط خطاها الزاماً صفر نخواهد شد و دارای آثار نامطلوبی خواهد بود؛ اولاً R2 که برابر با نسبت ESS٫TSS است ممکن است منفی شود. این موضوع بدین معنی است که متوسط نمونه (𝑌 ̅) میتواند تغییرات Y را بهتر از متغیرهای توضیحی توضیح دهد. به عبارت دیگر 𝑌 ̅ به عنوان برآوردی از Y، بهتر از معادله رگرسیون است. ثانیاً، وقتی معادله رگرسیون فاقد عرض از مبدأ باشد میتواند به طور بالقوه منجر به تورش شدید در تخمین شیب معادله شود. بدین منظور نمودار (۱-۴) را در نظر بگیرید.

نمودار 1-4:حذف عرض از مبدأ و تأثیر آن بر شیب

خط OA بدون عرض از مبدأ و خط BB' با عرض از مبدأ است. تصور کنید که خط رگرسیون صحیح توسط خط BB' توصیف شود. در این صورت اگر جمله ثابت حذف شود، تخمین شیب که با OA نشان داده شده است دارای تورش خواهد بود.
در رگرسیون فاقد عرض از مبدأ خطا برابر با
است. از حداقل شدن مجموع مجذور خطاها خواهیم داشت
(1-4)

(2-4)
با حل (۲-۴) تخمین β به دست می‌آید:
(3-4)