مدل ARDL یا اتورگرسیو با وقفه توزیعی در نرم افزار آماری ایویوز

آموزش های جلسه ای ایویوزدر بسیاری از مدل‌های اقتصادی و مالی، تأثیر گذاری متغیرهای توضیحی با تأخیرهای قابل‌توجهی مواجه‌اند. به‌عنوان مثال اثر یک سیاست پولی انبساطی بر متغیرهای موردنظر، با تأخیر ظاهر می‌شود و یا اینکه اثر سرمایه گذاری‌های جدید بر ایجاد ظرفیت تولید و مقدار تولید، دارای تأخیرهایی است.

اثرات تأخیری بیانگر آن است که اگر مقدار X امروز تغییر کند، اثر آن در امروز و و روزهای آینده ظاهر خواهد شد.

مدل‌هایی که برای بررسی اثرات تأخیری ارائه می‌شوند، معروف به مدل‌های با وقفه توزیعی (Distributed Lag) هستند که یکی از جدیدترین روش‌ها برای این بررسی‌ها، روش خود توضیح با وقفه‌های توزیعی یا ARDL است. ARDL مخفف عبارت Autoregressive Distributed Lag می‌باشد. در این مدل، متغیر وابسته تحت تأثیر وقفه‌های این متغیر و سایر متغیرهای مستقل قرار دارد.

شکل کلی مدل به‌قرار زیر است.

به‌عنوان مثال و برای سادگی مدل (ARDL(1,1 به قرار زیر است:

همان‌گونه که ملاحظه می‌شود، در سمت راست رگرسیون متغیر وابسته با وقفه‌های مختلف و همچنین متغیر یا متغیرهای مستقل با وقفه‌های متفاوت وجود دارد.

ضمناً در صورتی که در سمت راست رگرسیون، چندین متغیر مستقل مختلف داشته باشیم، میزان وقفه هرکدام از متغیرها در نگارش مدل آردل به ترتیب لحاظ می‌گردد. مثلاً اگر در مدل خود X1, X2, X3 داشته باشیم، آنگاه مدل آردل را به‌صورت ( ARDL(a, b, c, d خواهند نوشت.

اجرای روش ARDL در نسخه‌های جدید ایویوز

نسخه‌های قبل از ایویوز ۹ توانایی انجام این روش را در منوی نرم‌افزار ندارند و باید از طریق برنامه‌نویسی باید انجام شود که خوب کار را بسیار سخت خواهد کرد. بنابراین چنانچه از نسخه‌های قدیمی نرم‌افزار ایویوز استفاده می‌کنید، توصیه ما این است که ایویوز ۱۰ را نصب کنید که در وب سایت نوشت یار لینک دانلود آن نیز قرار داده شده است.

پیش‌نیازها قبل از انجام روش آردل

همانند اکثر روشهای اقتصادسنجی (همانند پانل دیتا) قبل از انجام روش ARDL لازم است ابتدا آزمون ریشه واحد برای بررسی مانایی متغیرهای موجود در مدل و همچنین آزمون هم انباشتگی (هم جمعی) اجرا و نتایج آن مورد تحلیل قرار گیرد.

آماره‌های توصیفی نیز قبل از آزمون‌های فوق معمولاً موردتوجه قرار می‌گیرد.

روش تشخیص مدل آردل

هنگام استفاده از روش ARDL باید شرایط زیر برقرار باشند و در اصل موارد زیر روش تشخیص مدل آردل است:

همه متغیرها در سطح مانا باشند
همه متغیرهای مدل با یک‌مرتبه تفاضلی کردن مانا شوند
برخی متغیرها در سطح و برخی با یک‌مرتبه تفاضلی کردن مانا باشند
متغیرها نباید به‌گونه‌ای باشند که با ۲ مرتبه تفاضلی کردن مانا شوند
متغیرها باید ناهمسانی واریانس نداشته باشند
متغیرها خودهمبستگی داشته باشند
تصویر زیر نیز الگویی است که با توجه به مانایی متغیرها می‌توانید روش اقتصادسنجی موردنیاز را به‌دست آورید

حال بپردازیم به مزایای این مدل شورانگیز آماری:

مزیت‌های مدل ARDL نسبت به مدل VECM و مدل VAR

جهت بررسی رابطه بلندمدت بین متغیرها، بسیاری از پژوهش‌ها از تکنیک ژوهانسون (و به‌تبع آن، VAR و VECM) استفاده کرده‌اند. بااین‌حال در پژوهش‌های اخیر، رویکرد جدیدی بانام روش خود توضیح با وقفه‌های توزیعی (ARDL) ارائه‌شده است. روش اخیر نسبت به رویکرد مزایایی دارد.

اول آنکه رویکرد آردل برای نمونه های کوچک‌تر مناسب است درحالی‌که برای اعتماد به نتایج رویکرد ژوهانسون (مدل var و vecm) نمونه‌های بزرگ‌تری موردنیاز است.

سایر روش‌های هم جمعی یا هم انباشتگی (ازجمله ژوهانسون) مستلزم یکسان بودن درجه انباشتگی متغیرها هستند و اگر صرفاً یکی از متغیرها با ۱ درجه تفاضلی مانا شود، باید از تفاضل مرتبه اول تمام متغیرها (حتی متغیرهایی که در سطح پایا (مانا) هستند) استفاده شود. که این کار موجب از دست رفتن حجم زیادی از اطلاعاتی می‌شود که متغیرهای پایا در دل خوددارند. ولی روش ARDL برای متغیرهایی با درجات انباشتگی متفاوت، قابل‌استفاده است.

در رویکرد آردل، امکان در نظر گرفتن وقفه‌های بهینه متفاوت هر متغیر، در مراحل مختلف تخمین وجود دارد، درحالی‌که در رویکرد ژوهانسون این امکان فراهم نیست.

برآوردهای روش ARDL به دلیل پرهیز از مشکلاتی همچون خودهمبستگی و درون‌زایی، نااریب و کارا هستند. همچنین ای روش، روابط بلندمدت و کوتاه‌مدت بین متغیر وابسته و سایر متغیرهای توضیحی الگو را به‌طور همزمان تخمین می‌زند.

بررسی روابط کوتاه‌مدت بین متغیرهای مدل

در این روش می‌توان روابط کوتاه‌مدت بین متغیرهای مدل را بیان نموده و تشریح کرد.

بررسی روابط بلندمدت مدل

یکی از امکانات روش خود توضیح برداری با وقفه‌های گسترده (توزیعی)، برآورد ضرایب مربوط به تعادل بلندمدت است. اما لازم است کاذب بودن و نبودن ضرایب تعادل بلندمدت به‌دست آمده موردبررسی قرار گیرد.

به‌عبارت‌دیگر بررسی شود که آیا رابطه پویای کوتاه‌مدت به سمت تعادل بلندمدت گرایش دارد یا خیر.

استخراج جمله تصحیح خطا (ECM)

با استفاده از دستور در نرم‌افزار ایویوز می‌توان الگوی تصحیح خطا را به‌دست آورد و آن را تفسیر نمود.

درصورتی‌که ضریب تصحیح خطای به‌دست آمده منفی و معنی‌دار باشد، درمی‌یابیم که طی هر دوره زمانی (سال) با چه سرعتی خطای عدم تعادل تعدیل گردیده و مقدار کوتاه‌مدت به سمت مقدار تعادل و بلندمدت خود میل می‌کند.

بررسی برازش مدل ARDL

در مدل‌های آردل نیز همانند تمام مدل‌های اقتصادسنجی لازم است با ابزارها و شاخص‌هایی برازش و خوب بودن مدل را موردبررسی قرار دهیم و از مناسب بودن آن اطمینان حاصل کنیم.

  • خودهمبستگی بین باقیمانده‌های مدل
    برای بررسی خودهمبستگی بین باقیمانده‌های مدل درروش ardl به آزمون دوربین واتسون و آماره آن نمی‌توان اکتفا نمود و لازم است از سایر روش‌های آزمودن خودهمبستگی بهره برد.
  • آزمون ثبات ساختاری
    انجام این آزمون برای بررسی برازش و مناسب بودن مدل آردل لازم است. این آزمون در قالب نمودار cusum ارائه و تحلیل می‌گردد.
  • آزمون ناهمسانی واریانس
    برای اطمینان از عدم ناهمسانی واریانس باقیمانده‌های مدل لازم است این آزمون اجرا و نتایج آن رد کننده ناهمسانی واریانس باشند.

تحلیل خروجی روش ARDL ایویوز

با توجه به بخش‌های این نوشته و همچنین بخش های فصل ۴ پایان‌نامه روش آردل در زیر، می‌توان تک‌تک اجزاء خروجی مدل ARDL در EViews را تحلیل و گزارش فصل چهار را تهیه و ارائه نمود.

مهم‌ترین بخش‌های اصلی در فصل چهار پایان نامه‌های روش آردل به‌قرار زیر است

مقدمه
متغیرها و مدل رگرسیونی (تصریح مدل)
آزمون ریشه واحد (بررسی مانایی)
بررسی هم انباشتگی
تشخیص تعداد وقفه بهینه
بررسی روابط کوتاه‌مدت مدل
بررسی روابط بلندمدت مدل
بررسی الگوی تصحیح خطا (ECM)
بررسی برازش مدل
خودهمبستگی بین باقیمانده‌های مدل
آزمون ثبات ساختاری (نمودار cusum)
آزمون ناهمسانی واریانس
آزمون فرضیات پایان‌نامه

در نوشت یار یک دوره آموزشی ایویوز ویژه تحلیل پایان نامه تهیه کرده ایم.

برای ورود به صفحه دوره آموزش ایویوز اینجا کلیک کنید.

مدل ARDL یا اتورگرسیو با وقفه توزیعی در نرم افزار آماری ایویوز
4.5 (90%) 2 votes

ممکن است شما دوست داشته باشید

ارسال یک پاسخ

آدرس ایمیل شما منتشر نخواهد شد.