از آنجا که با افزایش حجم نمونه، مقدار و به ترتیب به سمت۲ و ۴ میل می کنند، مقدار این آماره به صورت زیر تعبیر می شود:
۳-۱۵-آزمونهای تشخیص
برای تعیین نوع مدل مورد استفاده در داده های ترکیبی از آزمونهای مختلفی استفاده می شود. رایجترین آنها، آزمون چاو[۸۱] برای استفاده از مدل اثر ثابت در مقابل مدل برآوردی داده های تلفیقی[۸۲] است. آزمون هاسمن[۸۳]، برای استفاده از مدل اثر ثابت در مقابل مدل اثر تصادفی است و آزمون ضریب لاگرانژ[۸۴]، برای استفاده از مدل اثر تصادفی در مقابل داده های تلفیقی است (جانسون، ۲۰۰۰: ۳۹- ۳۵). اکنون به تشریح هر کدام از آنها میپردازیم:
۳-۱۵-۱-آزمون چاو
برای بکارگیری مدل تلفیقشده در برابر مدل اثر ثابت انجام می شود. فرضیات این آزمون به صورت زیر است:
فرضیه اول بر اساس مقادیر مقید و فرضیه مقابل آن بر اساس مقادیر غیر مقید است. آمارۀ آزمون چاو بر اساس مجموع مربعات خطای مدل مقید و مدل غیر مقید به صورت زیر است:
این آماره دارای توزیع F با N-1 و NT-N-K درجه آزادی است. فرض وجود اثر متفاوت مقطعی، فرضیات مربوط و آماره آزمون به صورت زیر است:
۳-۱۵-۲-آزمون بروش- پاگان[۸۵]
بروش- پاگان، در سال ۱۹۸۰ از ضریب لاگرانژ برای آزمون مدل داده های تلفیقی در مقابل مدل اثرات تصادفی استفاده نمودند، چنانچه واریانس اثرات مقطعی ناچیز باشد، میتوان از روش تلفیقی کل داده ها و تخمین حداقل مربعات معمولی برای برآورد روابط بین متغیرها استفاده کرد. بر این اساس، برای تعیین مدل اثر تصادفی در مقابل مدل داده های تلفیقشده، از آزمون بروش- پاگان استفاده می شود. فرضیات این آزمون به صورت زیر است:
به معنی بهتر بودن استفاده از مدل داده های تلفیقی و رد به معنی وجود اثرات تصادفی در مدل است، که در این فرضیات، نشاندهندۀ واریانس اثر مقطعی مدل برآورد شده از طریق اثر تصادفی است.
برای محاسبه آماره از خطای برآورد داده های تلفیقشده از رابطه زیر استفاده می شود:
(۲)
که در آن خطای برآورد داده های تلفیقی و متوسط خطا در زمان اول است. با درستی فرضیه اول، این آماره دارای توزیع با یک درجه آزادی است.
۳-۱۵-۳-آزمون هاسمن
هاسمن (۱۹۷۸)، برای تعیین استفاده از مدل اثر ثابت در مقابل مدل اثر تصادفی، آزمونی را معرفی نمود. در واقع رایجترین آزمون برای تعیین نوع مدل داده های ترکیبی، آزمون هاسمن است. از این آزمون، فرضیه صفر با در نظر گرفتن عدم وجود همبستگی بین جزء خاص مقاطع زمانی (که بخشی از جمله اختلال و غیر قابل مشاهده میباشد) با شکل میگیرد. تحت فرضیه صفر، تخمین زن اثرات ثابت و تخمین زن اثرات تصادفی سازگار میباشند. اما اگر فرضیه صفر برقرار نباشد≠، تنها تخمین زن اثرات ثابت سازگار است و تخمین زن اثرات تصادفی سازگار نخواهد بود.
آزمون هاسمن بر پایۀ وجود یا عدم وجود ارتباط بین خطای رگرسیون تخمین زده شده و متغیرهای مستقل مدل، شکل گرفته است. اگر چنین ارتباطی وجود داشته باشد، مدل اثر تصادفی و اگر این ارتباط وجود نداشته باشد، مدل اثر ثابت خواهد بود. فرضیه نشان دهندۀ عدم ارتباط متغیرهای مستقل و خطای تخمین و فرضیه نشان دهندۀ وجود ارتباط است.
با در نظر گرفتن معادله ، فرض کنید دو تخمین و برای این معادله وجود داشته باشد، طوری که با برقراری فرضیه ، تخمینزن سازگار و کارا ولی با برقراری فرضیه کارا نیست. با برقراری فرضیه ، تخمینزن کارا ولی با برقراری فرضیه کارا نیست. اگر تفاوت تخمینزنهای و مقدار باشد، واریانس این مقدار به صورت زیر محاسبه می شود:
(۳)
هردو واریانس با برقراری فرضیه تخمین زده شده است. برای انجام آزمون هاسمن میتوان، تخمین مقدار واریانس را با نشان داد و آماره را به صورت رابطه زیر ارائه داد:
(۴)
در رابطه فوق دارای توزیع (مجذور کای) با یک درجه آزادی است که، برای آزمون فرضیه در مقابل فرضیه در مطالعات داده های ترکیبی از آن استفاده شده است. همچنین، اگر به جای یک پارامتر، برداری از متغیرهای توضیحی وجود داشته باشد، آنگاه آماره به صورت زیر قابل محاسبه است:
(۵)
در این رابطه دارای توزیع با درجه آزادی است. همچنین، ، تعداد متغیرهای مستقل در مدل و برداری از تفاوت تخمین زنهای و است.
فصل چهارم
برآورد مدل و تحلیل نتایجHere, because the number of car
۴-۱-مقدمه
در این مطالعه علاوه بر بررسی تأثیر جریانات تجاری بر بهرهوری در صنعت خودروی ایران که موضوع مورد مطالعه می باشد، به بررسی عوامل دیگری چون تأثیر صادرات و واردات بر بهرهوری، تأثیر پیشرفتهای تکنولوژی و یا تأثیر تجارت، فنآوری اطلاعات و ارتباطات بر بهرهوری پرداخته می شود. در ابتدا به معرفی و چگونگی جمعآوری هرکدام از آنها میپردازیم.
ایستایی متغیرها موضوعی است که در مورد متغیرهای مدل باید انجام گیرد، آنگاه با انجام آزمونهای تشخیص، الگوی مورد نظر را انتخاب میکنیم و به برآورد و تخمین الگوی مورد نظر میپردازیم و در آخر نتایج به دست آمده را تفسیر خواهیم کرد.
مطالعه مورد نظر در صنعت خودروسازی در کشور انجام گرفته است و داده های بنگاههای مورد نظر را که به صورت کدهای ۱۸ رقمی و نامشخص بودند جمعآوری کرده و سپس از میان این بنگاهها که در طی سالهای مورد بررسی از ۱۴ بنگاه تا ۳۴ بنگاه متغیر بوده و جهت بالانس شدن داده ها از مقدار مینیمم آنها یعنی ۱۴ بنگاه در سال استفاده میکنیم. دوره مورد مطالعه در این تحقیق از سال ۱۳۷۶ تا ۱۳۸۶ در نظر گرفته شده است.
در ابتدا ما تابع تولید کاب-داگلاس را برآورد میکنیم و سپس با توجه به این تخمین، مقادیر بدست آمدۀ مقدار ثابت و مقدار باقیمانده را جمع کرده که از حاصل جمع این دو متغیر مقدار TFP بدست می آید. از مقدار بدست آمده لگاریتم طبیعی گرفته و متغیر بهرهوری کل عوامل بدست می آید.
۴-۲-الگو و متغیرهای مورد استفاده
با توجه به مقدمه ارائه شده و توضیحات فصل سوم، جهت بررسی اثر جریانات تجاری بر بهرهوری در صنعت خودروسازی از الگوهای زیر استفاده می شود :
Ln Yit = Constant + α ln Lit + β ln Kit + γ trend + εit
ln TFPit = Constant + β۱ ln Rit + β۲ ln Nit + β۳ Trend + Uit
تمام متغیرها به صورت لگاریتم طبیعی میباشند و در بخش i و در زمان t شکل میگیرند.
تعریف متغیرها:
: محصول در زمان t
: نیروی کار در زمان t
: سرمایه در زمان t
TFPit: بهرهوری کل عوامل در زمان t
: سرمایه گذاری در بخش تحقیق و توسعه در بنگاه i-ام
: سهم فروش بنگاه i-ام نسبت به سایر بنگاهها
وu : جزء تصادفی مدل میباشند.
پارامترهای α، β، γ، ۱β، ۲β و ۳β ضرایب متغیرها هستند.
متغیرهای مورد استفاده در این تحقیق عبارتند از:
فرم در حال بارگذاری ...