مطالعه رابطه بین نحوه مدیریت صندوق های سرمایه گذاری مشترک و عملکرد آن ها- …

مقالات و پایان نامه های سری نهم

همان‌طور که مشاهده می‌شود در تخمین رابطه بالا، عرض از مبدأ و ضریب شیب بین تمامی مقاطع مشترک خواهد بود. تخمین رابطه (۲.۳) که با روش حداقل مربعات معمولی صورت می‌گیرد، به روش حداقل مربعات تلفیقی معروف است(گجراتی، ۲۰۰۴).

۳-۶-۱-۲٫ الگوی حداقل مربعات با متغیرهای موهومی[۷۱](مدل اثر ثابت):

طبق فرض (ب) جهت ملاحظه «تکی» (وجود مستقل) هر یک از واحدهای مقطعی آن است که عرض از مبدأ برای هر یک از آن‌ها متفاوت باشد. با فرض ثابت بودن ضرایب شیب بین مقاطع می‌توان معادله رگرسیون ترکیبی را به صورت زیر تصریح کرد:
(۳٫۳)

در ادبیات اقتصاد سنجی مدل (۳٫۳) به مدل رگرسیون اثرات ثابت یا مدل حداقل مربعات متغیر موهومی (LSDV) معروف است. اصطلاح اثرات ثابت ناشی از این حقیقت است که با وجود تفاوت عرض از مبدأ میان مقاطع، عرض از مبدأهای هر مقطع طی زمان تغییر نمی‌کند. برای اینکه عرض از مبدأهای هر مقطع بدون تغییر بماند، از متغیر موهومی در این روش استفاده می‌شود(گجراتی، ۲۰۰۴).

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.

۳-۶-۱-۳٫ الگوی اثر تصادفی[۷۲]

تفاوت اصلی مدل اثر ثابت و تصادفی در این است که در مدل اثر ثابت، اثرات مقطعی غیر قابل مشاهده، عواملی را در بر دارد که با متغیرهای مدل، همبستگی دارد. ولی در مدل اثر تصادفی، این اثرات غیر قابل مشاهده با متغیرهای مدل ناهمبسته‌اند. در اینجا فرض می‌شود جملات خطا در هر یک از اجزاء هم در طی زمان و هم در طول واحدها با یکدیگر همبستگی ندارند، بنابراین برای تخمین این مدل از روش دیگری به نام () استفاده می‌شود که به شرح زیر است.
در این مدل به جای استفاده از متغیرهای موهومی جهت تصریح مشکل متغیرهای توضیحی در طی زمان، از طریق جمله خطا به حل این مشکل اقدام می‌کنند. به این دلیل این روش را مدل اجزای خطا می‌نامند. اگر در مدل زیر:
(۴.۳)

فرض کنیم که یک متغیر تصادفی با میانگین است.
   
(۵.۳)
جمله مقطعی خطای تصادفی با میانگین صفر و واریانس است.
جزء زمانی خطای تصادفی با میانگین صفر و واریانس است.
 
(۳،۶)
را جزء ترکیبی می‌نامند، زیرا از ترکیب خطای زمانی و مقطعی بدست می‌آید. جز‌ء خطای مقطعی، جز‌ء خطای زمانی و جز‌ء خطای مقطعی و زمانی است. چون از چند جزء تشکیل شده است، این مدل را مدل اجزای خطا می‌نامند.

۳-۶-۱-۴٫ الگوی ضرایب تصادفی[۷۳]

این مدل از ترکیب مدلی با جزء ثابت به همراه جزء تصادفی به وجود می‌آید که شکل بسط یافته این مدل به شکل زیر است:
(۷.۳)
بردار تصادفی است که باعث تغییر پارامترهای میان مقاطع مختلف می‌شود (اشرفزاده و مهرگان،۱۳۸۷).

۳-۶-۲٫ آزمونهای الگوی دادههای ترکیبی

الگوی دادههای ترکیبی شامل آزمونهایی است که جهت انتخاب بین مدل دادههای تلفیقی، مدل اثر ثابت و مدل اثر تصادفی به کار میروند. این آزمونها شامل آزمون چاو[۷۴] و هاسمن[۷۵] میشود که در زیر به معرفی هر یک میپردازیم:

۳-۶-۲-۱٫ آزمون چاو

چاو (۱۹۶۰) به منظور انتخاب بین مدل دادههای تلفیقی و مدل اثر ثابت، مدلی با فروض زیر معرفی مینماید:
(۸.۳)
ضریب متغیر موهومی در مدل اثر ثابت است. قبول فرض ، به معنی وجود داده‌های تلفیقی و استفاده از تخمین OLS برای حل مدل است. رد فرض ، به معنی وجود مدل اثر ثابت و استفاده از LSDV برای حل مدل است.

بالتاجی[۷۶](۲۰۰۵) با فرض نرمال بودن توزیع جملات اخلال ، آماره مورد نیاز برای انجام این آزمون را این گونه بیان می‌کند:
(۹.۳)

RRSS: بیانگر مجموع مربعات پسماندهای مقید حاصل از روش حداقل مربعات معمولی است.
: URSSمجموع مربعات پسماندهای غیر مقید حاصل از روش حداقل مربعات با متغیر موهومی است.
T: تعداد سال‌های مورد بررسی می‌باشد.
N: تعداد مقاطع می‌باشد.
K: تعداد متغیرهای توضیحی می‌باشد.
گرین[۷۷](۲۰۰۳)، این آزمون را به شکل سادهتری بیان میکند. به صورت زیر داریم: