چکیده:
تکنیک های سری زمانی، در حال حاضر، در سطح گسترده ای از مطالعات علم اقتصاد و رشته های مرتبط مورد استفاده قرار می گیرد. برای به کارگیری این تکنیک ها، باید فروضی تامین گردند که عدم تامین انهاپیامدهایی را برای برآوردهای پارامترهای مدل در بر خواهد داشت. یکی از این تکنیک ها که به دلایلی در سطح وسیع در مقالات و پایان نامه ها مورد استفاده قرار می گیرد، مدل ARDL (خودرگرسیونی با توزیع با وقفه) می باشد. به نظر می رسد در به کارگیری این مدل درمطالعات مرتبط با اقتصاد ایران در بسیاری موارد فروض ورای مدل لحاظ نشده و لذا استنتاج بر مبنای مدل مخدوش می باشد. هدف این مقاله بیان فروضی است که تحت آنها کاربرد این مدل موجه می باشد. دیده می شود که محقق بلافاصله با داشتن ترکیب سری های و با کاربرد این تکنیک، با ادامه مسیر به تحلیل هم انباشتگی می پردازد که در این مقاله نادرست بودن این کاربرد نیز مورد تاکید قرار می گیرد. در پایان برای نشان دادن غلط بودن این گونه کاربرد مدل ARDL، مدل اقتصادسنجی کلان همزمان پویایی (Dynamic SEM)، شبیه سازی گشته، شکل های مختلف VAR، VECM، ARDL برای آن بیان شده و عواقب کاربرد درست و نادرست تکنیک سری زمانی ARDL نشان داده شده است.
Studies in applied econometrics and related disciplines are widely using time series techniques. Sound application of these techniques requires the satisfaction of their underlying assumptions. One of these techniques is ARDL Model. There are a number of examples in the published works in Iranian economic studies which suffers from misconceptions leading to biased and inconsistent estimates of parameters. For example، without assuring the exogeniety of the other RHS variables of the model، estimates are biased and inconsistent. Although fitting an ARDL model to exogenous and/or predetermined RHS I(0) and/or I(1) variables may seem appropriate ،however ،to continue the path leading to the extraction cointegration vectors، would be a misleading strategy. The aim of this paper is to highlight these misconceptions in the application of ARDL technique. To this end، after a theoretical survey of the concept، a dynamic simultaneous equation model (DSEM) of macroeconomic equations is introduced and simulated. The simulated series are used to estimate various versions of the model including VAR، ARDL، DSEM، VECM . Then the correct and incorrect application of ARDL model is specified by using two scenarios.
خلاصه ماشینی:
"هدف در ادامه کار، اثبات غلط بودن این گونـه برخـورد بـا مـد ARDL اسـت لـذا در بخـش بعدی به لحاظ نظری و تعاریف آمار ریاضی ، امکـان پـذیر نبـودن هـم انباشـتگی بـین چنـدین متغیـ ($)I و (١)I بررسی می شود و سپس در ادامه آن بخش ، یک مدل تجربی شـبیه سـازی مـی شـود که ضمن برقراری ارتباط بین رهیافت های مدل های همزمان دینامیک (Dynamic SEM)٢، مـدل خودرگرسیونی برداری (VAR)٣، خودرگرسیونی با وقفـه توزیـع شـده (ARDL)٤، هـم انباشـتگی (CI)٥و مدل تصحیح خطای برداری (VECM)، نشان خواهیم داد کاربرد درسـت بـا نادرسـت از مدل ARDL چگونه اجرا می شود.
1kxkt 1 u1t بدیهی است برآورد چنین معادله ای بدون در نظر گرفتن همزمانی ، اساسا غلط می باشد زیـرا در این سیستم VAR ساختاری ، با یک مدل معـادلات همزمـان مواجـه ایـم و تخمـین بـدون توجـه ـه همزمان بودن رابطه بین متغیرهای بردار VAR، تخمین های اریب دار می دهـد.
932632 اما تخمین ARDL به دلیل عدم لحاظ همزمانی بین متغیرها،بدون توجه به تستهایی که مولفین ، بعدها مطرح کرده اند١،تخمین نامناسب می دهد (یک تخمین غلط از مدل همزمان ): (رجوع شود به تصویر صفحه) سناریوی دوم : کاربرد غلط مدل ARDL جهت استخراج روابط هم انباشتگی بـا متغیرهـای I(1) حال با اندکی تغییر در ضرایب با توجه به ساختار معادلات تفاضلی ، مدل می تـوان متغیـر It را نیـز (١)I نمود، کافی است Gو Rبه شکل (١)I تولید شده و سپس با ماتریس ضرایب : (رجوع شود به تصویر صفحه) 1."