پایان نامه ها و مقالات

شرکت‏ها،  ̅-(ee) ́

 ̅-(ee) ́ ))⁄((N-1) ))/((ee) ́⁄(( N-K ) ))
در صورتیکه در مدل ترکیبی F به صورت زیر محاسبه می‌گردد:
F= ((((ee) ́  ̅-(ee) ́ ))⁄((N-1) ))/((ee) ́⁄((NT-N-K) ))
به وضوح مشخص است که مقدار F در مدل ترکیبی می‌تواند بزرگتر از مدل تنها سری زمانی باشد و لذا احتمال معنی‌دار بودن کل رگرسیون یعنی وجود متغیرهای توضیحی در مدل ترکیبی بیشتر خواهد بود.
ب- داده‌های ترکیبی امکان طراحی الگوهای رفتاری پیچیده‌تری نسبت به داده‌های مقطعی و سری‏های زمانی صرف را فراهم می‌کند. برای مثال بوسیله دادههای ترکیبی امکان بهتری برای بررسی و مدل‌سازی کارایی تکنیکی وجود دارد.
ج- داده‌های ترکیبی امکان بیشتری برای شناسایی و اندازه‌گیری اثراتی را فراهم می‌کند که بوسیله فقط آمارهای مقطعی و یا سری زمانی به سادگی قابل شناسایی نیست.
د- داده‌های ترکیبی از واحدهای کوچکی مثل افراد، شرکت‏ها و خانوارها گردآوری می‌شوند. خیلی از متغیرها را می‌توان در مقیاس کوچک با دقت بیشتری اندازه‌گیری نمود و انحراف‌های ناشی از تجمع افراد یا شرکت‏ها حذف می‌شوند.
ه- امتیاز دیگری که برای ترکیب کردن داده‌ها می‌توان در نظر گرفت این است که استفاده از مشاهدات مقطعی ممکن است منجر به برآوردهای اریبی از پارامترها شود. چنانچه از این برش‏های مقطعی طی زمان نمونه‌گیری شود و به اصطلاح داده‌های ترکیبی فراهم شود برآوردهای نااریب و سازگاری امکانپذیر است.
۳-۸-۳- روش‏های تخمین
برآورد روابطی که در آنها از دادههای ترکیبی (سری زمانی، مقطعی) استفاده میشود، غالباً با پیچیدگیهایی مواجه است. در حالت کلی، مدل زیر نشان دهنده یک مدل ترکیبی است:
Y_it= β_۱it+ ∑_(k=2)^k▒〖β_kit x_kit+ e_it 〗
که در آن i=1,2,…,n نشان دهنده واحدهای مقطعی (مثلا شرکت ها) وt=1,2,…,t بر زمان اشاره دارد. Y_it متغیر وابسته iامین واحد مقطعی در سال t و x_kit نیز k امین متغیر مستقل غیر تص

متن کامل پایان نامه ها در 40y.ir

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *