نماذج بانل وتطبيقاتها
Download
Report
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: