پاورپوینت فصل یبست و سوم 23(داده های پانل ) اقتصاد سنجی (ویژه رشته اقتصاد) مدرسان شریف دکتری مؤلفين یوسف محمدزاده - احمد رسولی ,

پاورپوینت فصل یبست و سوم 23(داده های پانل ) اقتصاد سنجی (ویژه رشته اقتصاد) مدرسان شریف دکتری مؤلفين یوسف محمدزاده - احمد رسولی

در قالب ppt و در 32 اسلاید و قابل ویرایش

فهرست مطالب
23-1-مقدمه
23-2- تکنیکهای پانل چیست و چرا مورد استفاده قرار میگیرد؟
23-3-چه تکنیکهای پانلی در دسترس است؟
23-4- مدل اثرات ثابت
مزایای مدل با اثرات ثابت
23-5- مدلهای اثرات ثابت .زمانی
23-6- مدل اثرات تصادفی
آزمونها و تخمین مدلهای رگرسیون با داده های پانل
روش اثر تصادقی
آزمون معنی داری F chow
اثر زمان (اثر ثابت یک طرفه)
روش تاثیرات تصادفی
آزمون تشخيص

۱-۲۳ مقدمه
وضعیتی که معمولاً در زمینه مدل سازی اقتصادی رخ میدهد این است که ما دارای دادهایی هستیم که هم در برگیرنده عناصر سریهای زمانی و هم مقطعی است چنین مجموعه ای از داده ها عموماً به عنوان پانلی از داده ها یا دادها طولی شناخته می.شوند. در حقیقت در بیانی دیگر پانل داده ها در بر دارنده اطلاعاتی در طول زمان و سطح است در آمار و اقتصاد سنجی مجموعه دادهای پانلی شامل مشاهداتی برای چندین بخش خانوار بنگاه و... میباشند که در طی زمانهای مختلف جمع آوری شده.اند یعنی یک مدل دادهای پانل حاوی اطلاعاتی در زمان و مکان است که شامل N مؤلفه در T دوره زمانی است.

۲-۲۳ تکنیکهای پانل چیست و چرا مورد استفاده قرار میگیرد؟
یک پانل در بر دارنده افراد و یا اشیاء مشابهی است که به آن نهاده میگوییم و در طول زمان کمیتهایی را برای آنها محاسبه می‌نماییم. بنابراین اگر دادهای مورد بررسی در طول زمان دارای موجودیت مشابهی نباشند دادهای پانل به شمار نخواهند رفت در این فصل به ارائه و بحث در مورد ابعاد مهم تجزیه و تحلیل پانل پرداخته خواهد شد و روشهای مورد استفاده برای مدل سازی چنین دادهایی تشریح خواهد شد. از منظر اقتصاد سنجی کار با مدلی به صورت ذیل شروع میشود:

(۱-۲-۲۳)

که در آنyit متغیر وابسته a جزء مربوط به t=1,2,…,N عرض از مبدأ βبرداری k×1 از پارامترها به منظور برآورد متغیرهای توضیحی xit برداری 1×k از مشاهدات متغیرهای توضیحی و i=1,2,…,j است. ساده ترین روش برخورد با چنین داده هایی برآورد رگرسیون تلفیقی است که شامل برآورد یک معادله واحد برای کل دادها است، بطوریکه مجموعه دادهای y به صورت یک ستون واحد که شامل تمامی مشاهدات مقطعی و سری زمانی است ردیف شده و به طور مشابه تمامی مشاهدات مربوط به هر متغیر توضیحی در ستونهای واحد به صورت ماتریسی از x ردیف میشود سپس این معادله به همان روش معمول OLS برآورد میشود.

4- در این فصل تعداد پارامترهای برآورد شده است نه کل متغیرهای توضیحی.
در حالیکه این ،تکنیک روش بسیار ساده ای به شمار میرود و مستلزم برآورد حداقل پارامترهای ممکن است اما دارای محدودیتهای سختی است. مهمترین این محدودیتها این است در تلفیق داده ها بر اساس این روش به سادگی فرض میشود که مقادیر متوسط متغیرها و روابط بین آنها در طول زمان و در میان تمامی واحدهای مقطعی نمونه ثابت است. البته ما میتوانیم رگرسیونهای سری زمانی جداگانه ای را برای هر نهاده برآورد ،نماییم اما این روش احتمالاً روش کم بهینه ای برای اقدام است چرا که این روش هر گونه ساختار متداول ارائه شده در سریها مورد نظر ما را ارائه نخواهد داد. متناوباً قادر به برآورد جداگانه رگرسیونهای مقطعی برای هر دوره زمانی هستیم اما این امکان وجود دارد که این روش در صورت وجود برخی تغییرات متداول سریها در طول زمان منطقی نباشد.