چکیده:
کاربرد داده های ترکیبی در اقتصاد سنجی، برتری های زیادی نسبت به استفاده از داده های مقطعی یا سری زمانی دارد. داده های ترکیبی اطلاعات مقاطع متفاوت و پویایی آنها را همزمان در نظر می گیرد. از آنجا که لحاظ نکردن برخی از متغیرها در ساختار مدل ها موجب ایجاد عدم کارایی در برآورد مدل های اقتصاد سنجی می شود، روش داده های ترکیبی که از اطلاعات سری های زمانی و داده های مقطعی تشکیل شده است، اثر این نوع متغیرهای لحاظ نشده یا غیر قابل اندازه گیری را بهتر از داده های مقطعی طی یک سال یا داده های سری های زمانی برای یک مقطع نشان می دهد. داده های ترکیبی روندهای گذشته متغیرها را در می گیرد و از نظر لحاظ کردن پویایی متغیرها، اطمینان ایجاد می کند. این مقاله ضمن بررسی ساختار داده های ترکیبی، کاربرد این نوع داده ها را در اقتصادسنجی بررسی و آزمون های مربوط را تشریح می کند. از جمله ی این آزمون ها، آزمون هاسمن برای تشخیص کاربرد مدل اثر تصادفی یا سایر مدل ها است. همچنین، در این بررسی، آزمون های ایستایی و همجمعی داده های ترکیبی که در اغلب تحقیقات کاربردی بویژه مطالعات داخلی کمتر به آن توجه شده است، مانند MW، LL، IPS و آزمون CADF تشریح می شود.
Using panel data in econometrics analysis has، often، several advantages over cross-sectional or time-series data. Panel data blend the inter-individual differences and intra-individual dynamics. It is frequently argued that ignoring the effects of certain variables in model specification leads to inefficiency of econometric estimates. Therefore، panel data containing information on both the inter-temporal dynamics and the individuality of the entities allow to control the effects of missing or unobserved variables better than cross-sectional data which may be viewed as a panel with T =1، or time series data which is a panel with N=1. Areas of application of panel data modeling have only been increasing over the past years and there is no doubt that the range is going to expand further. This article reviews the structure and application of panel data in econometrics and studies the most relevant tests such as Hausman specification tests of the orthogonality of the random effects and regressors. The present research pays more attention to various panel data unit root and cointegration tests including IPS، LL، MW and CADF which have not been elaborated yet، particularly in the Iranian economic studies.
خلاصه ماشینی:
"در روش تجزیه و تحلیل دادههای ترکیبی ابتدا یک مقطع خاصی (مثلا کشور، منطقه یا استان) در نظر گرفته میشود و ویژگیهای متغیرهای مربوط، برای Panel Data Time Series -Cross Section Data Longitudinal Data تمامی N مقطع در دورهی زمانی مورد نظر T بررسی میشود.
مرضیه اسفندیاری (1379) در تحقیقی با عنوان تخمین تابع تقاضای واحدهای مسکونی و زمین در شهر اصفهان، با استفاده از این روش عوامل اثر گذار کمی و کیفی موثر بر واحدهای مسکونی و زمین در شهر اصفهان را Asteriou and Price Alesina and Protti Aizenman and Marion Todd مورد بررسی قرار داده است.
از آنجا که در اکثر دادههای ترکیبی، اغلب ضرایب مقطعها یا سریهای زمانی معنی One-Way Panel Model Least Square Dummy Variable Seemingly Unrelated Regressions Ordinary Least Square Pooled Data دار است، این مدل که به مدل رگرسیون ترکیب شده معروف است کمتر مورد استفاده قرارگرفته است (یافی، 1 2003 ).
(9) اما با توجه به کاهش واریانس متغیرهای توضیحی در مدل به دلیل تفاضل گیری، حذف ضریب ثابت و همچنین کاهش درجهی آزادی، برای حذف اثر متغیرهای مشاهده نشده در هر مقطع از روش اولین تفاضل متغیرها به صورت زیر استفاده میشود.
(47) 6-4- آزمون دیکی- فولر مقطعی) (CADF 1 با گسترش دامنهی انجام آزمونهای ریشهی واحد دادههای ترکیبی، تحقیقات فیلیپس و سول 2 ( 2003) نشان داد که این آزمونها در مورد دادههای ترکیبی که میان واحدهای مقطعی همبستگی وجود داشته باشد، با خطای برآورد همراه است."