Transcript نماذج بانل وتطبيقاتها

‫الجمهورية الجزائرية الديمقراطية الشعبية‬
‫كلية العلوم االقتصادية والتجارية وعلوم التسيير‬
‫دورة تدريبية عن استخدام الحاسب اآللي في تحليل البيانات باستخدام برنامجي‬
‫‪ SPSS‬و ‪EViews‬‬
‫تحليل البيانات اإلحصائية باستخدام برنامج‬
‫‪EVIEWS‬‬
‫د‪ .‬بن قانة إسماعيل‬
‫برنامج الدورة‪:‬‬
‫• مقارنةةةةة بةةةةةال اليةيةةةةةي الامناةةةةة الةاداةةةةة واليةيةةةةةي الامناةةةةة‬
‫المقطةا ‪.‬‬
‫• تطباقات حوي نماذج باني‪ :‬االيتقرارا ‪ ،‬التكامي المشترك‪،‬‬
‫ونماذج االنحدار الذاتي ‪.VAR‬‬
‫• تطباقات على النماذج القاايا متةددة المةادالت (مثي اآلنا )‪:‬‬
‫التةرف – التقدار – المحاكاة‪.‬‬
‫مقدم ‪:‬‬
‫مع تعقد المشاكل االقتصادية واالجتماعية والحجم الهائل للبيانات اإلحصائية‬
‫المعبرة عنها‪ ،‬تطورت كذلك األدوات اإلحصائية والقياسية بفضل المعلوماتية التي‬
‫سهلت الكثير من الحسابات الرياضية‪ ،‬حتى وصلنا في الوقت الحالي لدراسة ما‬
‫يعرف بـ‪ Big Data :‬و ‪ ،Data Mining‬ولعل السالسل الزمنية المقطعية‬
‫(أو ‪ ( Panel Data‬هي واحدة من القضايا التي تطورت أدوات دراستها وال زالت‪.‬‬
‫اذن‪ :‬فماهي ‪ Panel Data‬؟‪ ،‬ماهي األدوات المطورة لدراستها؟‪ ،‬كيف يتم‬
‫استغاللها بالحزم اإلحصائية (باستعمال برنامج ‪ Eviews‬مثال)؟‬
‫اليةيي الامنا المقطةا‬
‫(باانات باني ‪)Panel Data‬‬
‫تعرف بيانات بانل بأنها‪ :‬مجموعة البيانات التي تجمع بين خصائص كل من‬
‫البيانات المقطعية والسالسل الزمنية‪ ،‬فالبيانات المقطعية تصف سلوك عدد من‬
‫المفردات أو الوحدات المقطعية عند فترة زمنية واحدة‪ ،‬بينما تصف بيانات السلسة‬
‫الزمنية سلوك مفردة واحدة خالل فترة زمنية معينة وعلية فبيانات بانل‪ .‬تجمع بين‬
‫ثالثة حدود مع بعض‪:‬‬
‫‪ ‬الحد الموضوعي‪ :‬ويمثل الهدف المدروس (المتغير التابع‪ -‬متغير االستجابة)‬
‫ومحدداته (المتغيرات المستقلة) ‪.‬‬
‫‪ ‬الحد الزمني‪ :‬الفترة الزمنية المدروسة‪.‬‬
‫‪ ‬الحد المقطعي‪ :‬والذي قد يكون مجموعة دول‪ ،‬محافظات‪ ،‬مؤسسات‪ ،‬اسر‬
‫أشخاص‪ ،‬سلع‪...‬الخ‪ ،‬وهنا تكمن أهمية استخدام بيانات بانل‪ ،‬كونها تحتوي على‬
‫معلومات ضرورية تتعامل مع دينامكية الوقت وعلى مفردات متعددة ‪.‬‬
‫أوجه المقارن بال اليةيي الامنا الةادا واليةيي الامنا المقطةا‬
‫ في حال المةادل الواحدة‪-‬‬‫السالسل الزمنية‬
‫العادية‬
‫السالسل الزمنية المقطعية‬
‫الحدود أو األبعاد‬
‫موضوعي – زمني‬
‫موضوعي‪ -‬زمني ‪ -‬مقطعي‬
‫نوعية نماذج االنحدار‬
‫وطريقة التقدير‬
‫االنحدار البسيط او المتعدد ( مع اختيار‬
‫أحسنها في حال وجود أكثر من نموذج‬
‫خالي من المشاكل القياسية باستعمال ‪:‬‬
‫…‪.) AIC– SC –HQ‬‬
‫نماذج انحدار بانل وفيه‪:‬‬
‫االنحدار التجميعي‪PRM‬‬
‫نموذج التأثيرات الثابتة‪FEM‬‬
‫نموذج التأثيرات العشوائية‪ REM‬مع‬
‫اختيار أحسنها باختبار ‪H‬و ‪LM‬‬
‫دراسة االستقرارية‬
‫اختبارات ديكي فولر البسيطة او الموسعة‬
‫‪ DF / ADF‬او فيليب بيرون ‪PP‬‬
‫اختبارات‪LLC- IPS - BREITING :‬‬
‫‪– DF. FISHER –PP.FISHER‬‬‫‪ HADRI‬ويتم الحكم برأي االغلبية‬
‫التكامل المشترك‪-‬‬
‫المتزامن‬
‫اختبارات‪ENG.GRANGER :‬‬
‫أو ‪ JOHENSON‬او ‪J-J‬‬
‫اختبارات‪ PEDRONI :‬او ‪ KAO‬او‬
‫‪FISHER‬‬
‫اختبار السببية‬
‫تستعمل ‪Granger Causalty‬‬
‫تستعمل ‪Granger Causalty‬‬
‫شعاع االنحدار الذاتي‬
‫‪VAR‬‬
‫تفكيك التباين ودوال االستجابة الفورية‬
‫تفكيك التباين ودوال االستجابة‬
‫الفورية‪.‬‬
‫طرق ادخال بيانات بانل‬
‫الطريقة األولى‪ :‬في حالة‬
‫‪Balanced Panel‬‬
‫بيانات سلسلة زمنية مقطعيّة‬
‫مجمعة‬
‫مقطعية‬
‫(بيانات‬
‫‪)Pooled Cross Section‬‬
‫متوازنة‬
‫نُ َحدد ‪:‬‬
‫ سنة أول المشاهدات‬‫ سنة آخر المشاهدات‬‫‪ -‬عدد المقاطع‬
‫نُ َحدد دورية البيانات (‪ 14‬اختيار) ‪:‬‬
‫ أول المشاهدات‬‫ آخر المشاهدات‬‫‪ -‬عدد المقاطع‬
Balanced or Unbalanced Panel ‫ في حالة‬: ‫الطريقة الثانية‬
Eviews. ‫ ُث َّم فتج البرنامج‬،Excel ‫معاينة ملف‬
Step1 : Open Eviews
Step2 : File → New → Workfile → Workfile stucture type
(Dated-regular frequency( → Date specification )Annual(
→ Star date ; End date → OK
Step3 : File → Import from file → Bureau ) ‫مكااان وجااود‬
‫ → (اسام الملاف) →(الملاف‬Ouvrir )‫ → (توجاد خياارات‬Cell Range
(Excel ‫ →(تحديااد ور ااة العماال فااي‬Suivant → Header type :
Names in first line → Suivant → Finish
‫الصيغة العامة لنماذج بيانات بانل‬
‫‪ -1‬نموذج االنحدار التجميعي (‪:)Pooled Regression Model‬‬
‫‪ -2‬نموذج التأثيرات الثابتة )‪(Fixed effects model‬‬
‫‪ -3‬نموذج التأثيرات العشوائية )‪(Random effects model‬‬
‫مثال تطبيقي ‪ :‬الحظ المثال‬
‫نماذجّبانلّواالستقرارية‬
‫لدراسة االستقرارية في نماذج بانل بالنسبة لكل سلسلة زمنية فإننا نتحقق من وجود‬
‫جذور الوحدة (‪( unit root‬باستعمال عدة اختبارات وهي‪:‬‬
‫‪ ‬اختبار ‪ Levin-Lin-Chu‬أو ‪LLC‬‬
‫‪ ‬اختبار ‪ Im-Pesaran-Shin‬أو ‪IPS‬‬
‫‪ ‬اختبار ‪Maddala-Wu‬‬
‫‪ ‬اختبار ‪Breitung‬‬
‫‪ ‬اختبار ‪Hadri‬‬
‫‪ ‬اختبار ‪ADF/Fisher ,PP/Fisher‬‬
‫حيث نستخدم احتماالتها مباشرة ونقارنها بـ‪ ،%5‬والحكم النهائي على استقرارية‬
‫نموذج بانل من عدمه حسب نتيجة األغلبية‪.‬‬
‫مثال تطبيقي ‪ :‬الحظ المثال على‬
‫نماذجّبانلّوالتكاملّالمتزامنّ(المشترك)‬
‫لدراسة التكامل المتزامن في نماذج بانل للعال ة طويلة المدى فإنه يتم إتباع الخطوات‬
‫التالية‪:‬‬
‫‪ .1‬دراسة استقرارية كل سلسلة واخذ السالسل المستقرة من نفس الرتبة (متكاملة‬
‫من نفس الرتبة )‪.)I(d‬‬
‫‪ .2‬التحقق من التكامل المشترك باستعمال اختبارات وهي‪:‬‬
‫‪ ‬اختبار ‪ :Pedroni‬ويتضمن ‪ 11‬اختبار جزئي‬
‫‪ ‬اختبار ‪Kao‬‬
‫‪ ‬اختبار ‪ ، Fisher‬ويتم الحكم حسب نتيجة األغلبية‪.‬‬
‫‪ .3‬اختبار السببية وفقا لـ ‪Granger‬‬
‫‪ .4‬نختبر العال ة االنحدارية ما بين متغير االستجابة والمتغيرات التفسيرية بطريقة ‪:‬‬
‫‪ cointegrated regression‬وهنا نحلل ونفسر نتائج التقدير‬
‫مثال تطبيقي ‪ :‬الحظ المثال على‬
‫نماذجّبانلّونموذج ‪VAR‬‬
‫لدراسة نماذج ‪ VAR‬في نماذج بانل للعال ة صيرة المدى بعد الفشل في إيجاد العال ة‬
‫طويلة المدى باستخدام التكامل المشترك فإنه يتم إتباع الخطوات التالية‪:‬‬
‫‪(1‬‬
‫تحديد درجة التأخير للمسار ‪ :‬باستعمال معايير مثل‪.AIC-SC-HQ :‬‬
‫‪(2‬‬
‫تقدير معالم النموذج جزئيا أو كليا بطريقة ‪OLS‬‬
‫مثال تطبيقي ‪ :‬الحظ المثال على‬
‫المعادالت القياسية متعددة المعادالت‬
‫النماذج القياسية متعددة المعادالت‬
‫نماذج المعادالت‬
‫اآلنية‬
‫نماذج المعادالت‬
‫المتتابعة‬
‫نماذج المجموعات‬
‫المتتابعة‬
‫هي النماذج التي ال‬
‫يمكن فيها تحديد‬
‫القيمة التوازنية‬
‫لواحد من متغيراتها‬
‫الداخلية على األقل‬
‫دون استخدام جميع‬
‫المعادالت التي‬
‫يحتويها النموذج في‬
‫آن واحد‬
‫يكون نموذج ذو‬
‫معادالت متتابعة إذا‬
‫كان ال يمكن تحديد‬
‫القيم التوازنية‬
‫لمتغيراته الداخلية‬
‫إالّ بالتتابع ‪.‬‬
‫ويحتوي نموذج المجموعات‬
‫المتتابعة على عدد من‬
‫المعادالت التي يمكن تقسيمها‬
‫لعدد من المجموعات ‪ ،‬كل‬
‫مجموعة يكون فيما بينها‬
‫نموذج فرعي ذو معادالت‬
‫آنية غير أن المعلومات‬
‫الخاصة بالمتغيرات الداخلية‬
‫بالمجموعة األولى تلزم‬
‫لتحديد القيم التوازنية‬
‫للمتغيرات الداخلية‬
‫بالمجموعة الثانية ‪.‬‬
‫نماذج المعادالت غير‬
‫المرتبطة ظاهريا‬
‫يتكون هذا النوع‬
‫من مجموعة‬
‫معادالت ال تعتمد‬
‫متغيراتها الداخلية‬
‫على بعضها البعض‬
‫بما يوحي أنها غير‬
‫مرتبطة بالفعل‬
‫ألسباب خفية‬
‫المعادالت القياسية امتعددة المعادالت‬
‫(المعادالت اآلنية ‪)SIMULTANIOUS EQUATIONS‬‬
‫قصد استخدام نماذج المعادالت اآلنية‪ ،‬فإنها تمر بالمراحل‬
‫التالية‪:‬‬
‫‪.1‬‬
‫‪.2‬‬
‫‪.3‬‬
‫‪.4‬‬
‫التعرف‪ :‬ويستخدم فيها شرطين هما الرتبة والترتيب لمعرفة المعادالت‬
‫المعرفة وغير المعرفة‪.‬‬
‫التقدير‪ :‬ويتم فيها تقدير معالم المعادالت المعرفة المشكلة للنموذج‬
‫وأشهر الطرق هي‪.2SLS :‬‬
‫تشخيص النموذج ‪ :‬باختبار صالحيته‪.‬‬
‫محاكاة النموذج والتنبؤ بمتغيراته‪.‬‬
:‫ لنعتبر النموذج الهيكلي التالي‬:‫مثال تطبيقي‬
Ct= C(1)+C(2).p+C(3).w1+C(4).w2
I=C(5)+C(6)*k+C(7)*p
W1=C(8)+C(9)*tm+C(10)*w2+C(11)*y
Y=ct+ I+G
P=Y-W1-W2
K=I+ K(-1)
‫‪ -1‬مرحلةّالتعرف‬
‫ا‪ -‬شرطّالترتيب‬
‫‪G‬‬
‫)‪K(-1‬‬
‫‪Y‬‬
‫‪TM‬‬
‫‪K‬‬
‫‪I‬‬
‫‪W2‬‬
‫‪0‬‬
‫‪0‬‬
‫‪0‬‬
‫‪0‬‬
‫‪0‬‬
‫‪0‬‬
‫)‪-C(3) -C(4‬‬
‫‪0‬‬
‫‪0‬‬
‫‪0‬‬
‫‪0‬‬
‫)‪C(6‬‬
‫‪1‬‬
‫)‪C(11‬‬
‫)‪C(9‬‬
‫‪1‬‬
‫‪-1‬‬
‫‪0‬‬
‫‪0‬‬
‫)‪C(10‬‬
‫‪1‬‬
‫)‪-C(2‬‬
‫)‪-C(1‬‬
‫‪1‬‬
‫‪eq1‬‬
‫)‪C(7‬‬
‫‪0‬‬
‫)‪C(5‬‬
‫‪eq2‬‬
‫)‪C(8‬‬
‫‪eq3‬‬
‫‪-1‬‬
‫‪-1‬‬
‫‪-1‬‬
‫‪W1‬‬
‫‪P‬‬
‫‪CT‬‬
‫الثابت‬
‫‪-1‬‬
‫‪1‬‬
‫‪1‬‬
‫‪-1‬‬
‫‪1‬‬
‫‪1‬‬
‫‪eq4‬‬
‫‪eq5‬‬
‫‪eq6‬‬
‫نستخرجّأوالّمحددّمنّالمحدداتّلكلّمعادلةّيختلفّعنّالصفرّ‬
‫بّ‪ -‬شرطّالرتبة‬
‫نطبقّالشرط ‪K-F >= < M-1 :‬‬
‫ مرحلةّالتقدير‬-2
Es tim ation Method: Two-Stage Leas t Squares
Date: 12/11/14
Tim e: 08:51
Sam ple: 1990 2011
Included obs ervations : 22
Total s ys tem (balanced) obs ervations 66
C(1)
C(2)
C(3)
C(4)
C(5)
C(6)
C(7)
C(8)
C(9)
C(10)
Coefficient
Std. Error
t-Statis tic
15.51945
0.384535
0.719283
1.103315
5.683172
-0.085584
0.769006
48.65982
1.338603
-2.401015
1.870873
0.151301
0.122760
0.252608
6.691252
0.034026
0.079642
14.79368
0.888053
2.871287
8.295299
2.541524
5.859272
4.367701
0.849344
-2.515221
9.655764
3.289229
1.507345
-0.836216
Determ inant res idual covariance
0.0000
0.0138
0.0000
0.0001
0.3993
0.0148
0.0000
0.0017
0.1373
0.4066
66.68428
Equation: CT=C(1)+C(2)*P+C(3)*W1+C(4)*W2
Ins trum ents : P W1 W2 K TM G C
Obs ervations : 22
R-s quared
0.968171
Mean dependent var
Adjus ted R-s quared
0.962866
S.D. dependent var
S.E. of regres s ion
1.415917
Sum s quared res id
Durbin-Wats on s tat
1.062005
Equation: I=C(5)+C(6)*K+C(7)*P
Ins trum ents : P W1 W2 K TM G C
Obs ervations : 22
R-s quared
0.831077
Adjus ted R-s quared
0.813296
S.E. of regres s ion
1.503593
Durbin-Wats on s tat
1.307304
Prob.
Mean dependent var
S.D. dependent var
Sum s quared res id
Equation: W1=C(8)+C(9)*TM +C(10)*W2
Ins trum ents : P W1 W2 K TM G C
Obs ervations : 22
R-s quared
0.409801
Mean dependent var
Adjus ted R-s quared
0.347675
S.D. dependent var
S.E. of regres s ion
5.136912
Sum s quared res id
Durbin-Wats on s tat
0.430476
53.35000
7.347740
36.08679
1.331818
3.479790
42.95504
36.01818
6.360191
501.3694
‫‪ -3‬تشخيصّالنموذج‬
‫• ا‪ -‬دراسة المعنوية اإلحصائية الجزئية (باختبار ستيودنت)‬
‫والكلية (باختبار فيشر) لمعالم معادالت النموذج‪.‬‬
‫• مالحظة وة ارتباط المعادالت بالنظر لمعامالت تحديدها مع‬
‫مراعاة إشارات مقدرات المعالم لمعرفة اتجاه العال ة‪.‬‬
‫• الكشف عن وجود المشاكل القياسية (التعدد الخطي‪ ،‬االرتباط‬
‫الذاتي لألخطاء‪ )...،‬من عدمه‪ ،‬مع التصحيح‬
‫‪ -4‬مرحلةّالمحاكاة‬
‫ نقوم أوال بتحويل نظام المعادالت السابق ‪ SYS‬إلى نموذج‬‫‪ Proc → Make model : Model‬أو مباشرة من‪:‬‬
‫‪object → New object → model‬‬
‫ بعد كتابة النموذج المكون من معادالت سلوكية ‪ eq‬وتوازنية ‪txt‬‬‫نذهب إلى ‪ solve‬ونختار نوع المحاكاة ونوع الخوارزمية ثم‬
‫نمثل منحنيات المتغيرات الخارجية الحقيقية بالمقارنة مع‬
‫منحنياتها في السيناريو المركزي ‪ baseline‬كما يأتي باستخدام‬
‫‪ Make graph‬مع تحديد ائمة المتغيرات‪:‬‬
P
W1
24
55
50
20
45
16
40
12
35
8
30
4
25
90
92
94
96
98
00
Actual
02
04
06
08
10
90
92
94
96
Baseline
98
00
Actual
02
04
06
08
10
08
10
W1 (Basel i ne)
W2
K
9
220
8
210
7
6
200
5
4
190
3
2
180
90
92
94
96
98
00
Actual
02
04
06
08
10
Baseline
TM
8
4
0
-4
-8
-12
92
94
96
98
00
Actual
02
04
Baseline
92
94
96
98
00
Actual
12
90
90
06
08
10
02
04
Baseline
06
‫‪ -5‬الصدماتّوالسيناريوهاتّالبديلة‬
‫مع افتراض أن األسعار ‪ P‬ارتفعت بـ‪ %10 :‬عام ‪،1999‬‬
‫وعليه فانه سينتج لدينا‪P_1=P+0.1*P = P*1.1 :‬‬
‫نقوم باستنساخ سلسلتين عن طريق ‪:Genr‬‬
‫للفترة من‪ 1970 :‬إلى ‪1999‬‬
‫‪P_1=P‬‬
‫للفترة من‪ 2000 :‬إلى ‪ 2011‬حيث‬
‫‪P_1 = P*1.1‬‬
‫نالحظ أن رسمهما في منحني واحد يبين لنا ذلك االنحراف‬
‫الوا ع بعد عام ‪ .1999‬ثم ننشىء سيناريو ‪ 01‬يوضح لنا‬
‫االختالالت التي طرأت على جميع المتغيرات الداخلية بعد‬
‫إجراء صدمة على المتغير ‪ P‬بعد سنة ‪.1999‬‬
W1
P
55
24
50
20
45
16
40
12
35
8
30
25
4
90
92
94
96
98
00
02
04
08
90
10
92
94
96
98
00
02
04
06
08
10
06
08
10
Actual
W1 (Basel ine)
W1 (Scenari o 1)
Scenario 1
Baseline
Actual
06
K
W2
220
9
8
210
7
6
200
5
4
190
3
180
2
90
92
94
96
98
00
02
04
08
10
TM
12
8
4
0
-4
-8
-12
90
92
94
96
Actual
98
00
02
Baseline
04
06
08
Scenario 1
90
92
94
96
Actual
Scenario 1
Baseline
Actual
06
10
98
00
02
Baseline
04
Scenario 1
‫أوجه المقارن بال اليةيي الامنا الةادا واليةيي الامنا المقطةا‬
‫ في حال المةادالت المتةددة‪-‬‬‫السالسل الزمنية‬
‫العادية‬
‫نوعية نماذج االنحدار‬
‫مرحلة التعرف‬
‫نموذج معادالت أنية واحد‬
‫شرطي الرتبة والترتيب‬
‫السالسل الزمنية المقطعية‬
‫ثالثة نماذج أنية‪:‬‬
‫في حالة اآلثار الثابتة حسب المجاميع‬‫في حالة اآلثار الثابتة حسب الفترات‬‫في حالة اآلثار الثابتة حسب المجاميع والفترات‬‫شرطي الرتبة والترتيب‬
‫مرحلة التقدير‬
‫هناك عدة طرق لتقدير المعادالت زائدة‬
‫التعريف مثل‪2SLS-3SLS-GMM- :‬‬
‫‪ FUML‬ونستعمل طريقة ‪ ILS‬للمعادلة‬
‫تامة التعريف‬
‫هناك طرق ‪ P2SLS –GMM :‬للمعادالت‬
‫زائدة وتامة التعريف‬
‫مرحلة التشخيص‬
‫ندرس فيها‪:‬‬
‫المعنوية اإلحصائية‪ -‬وة االرتباط –‬
‫تصحيح المشاكل القياسية‬
‫اختبار أفضل نموذج باستعمال‬
‫‪F-test‬‬
‫مرحلة المحاكاة‬
‫والسيناريوهات‬
‫مقارنة القيم الحقيقية بالقيم المحاكاة‬
‫باستعمال السيناريو المركزي‬
‫والسيناريوهات البديلة‬
‫‪-‬‬
‫مثال تطبيقي‪:‬‬
‫يمثلّالنموذجّالتاليّنظامّمعادالتّأنيةّلبياناتّسالسلّزمنيةّمقطعيةّلعينةّمنّ‬
‫المؤسساتّالصناعيةّلبلدّماّلفترةّزمنيةّمعينةّ‪:‬‬
‫‪ -1‬مرحلة التعرف‬
‫‪ -1‬شرطّالرتبة‪:‬‬
‫المعادلة األولى‬
‫المعادلة الثانية‬
‫المعادلة الثالثة‬
‫جميع المعادالت معرفة (مميزة‪-‬تشخيصية) الن المحددات غير معدومة‬
‫‪ -2‬شرط الترتيب ‪:‬‬
‫‪-2‬مرحلة التقدير‬
‫لتقديرّالمعادالتّنستعملّطريقةّالمربعاتّالصغرىّذاتّالمرحلتينّ‬
‫المدمجةّ‪ P2SLS‬والتيّتكتبّصيغتهاّالرياضيةّكماّيلي‪:‬‬
‫‪-3‬مرحلة التشخيص‬
‫باستعمالّاالختباراتّالسابقةّتحصلناّعلىّالنتائجّالتالية‪:‬‬