۵- هادری
این آزمونها اصطلاحا آزمون های ریشه واحد پانل نامیده می شوند، از لحاظ تئوری آنها آزمون های ریشه واحد سری های چندگانه هستند که برای ساختارهای اطّلاعات پنل بکار رفته اند. به منظور بررسی مانایی جمعی متغیّرها از سه آزمون لوین لین چو، آزمون ایم، پسران و شیم، آزمون فیشر استفاده شده است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

آزمون لوین لین چو
آزمون ریشه‏ی واحد سری های زمانی به گونه‏ای است که پایانی یا ناپایانی متغیرها را با بهره گرفتن از یک معادله‏ی بررسی می کند. لوین و لین (LL) نشان دادند که در داده‏های ترکیبی، استفاده از آزمون ریشه‏ی واحد برای ترکیب داده‏ها، دارای قدرت بیشتری نسبت به استفاده از آزمون ریشه‏ی واحد برای هر مقطع به صورت جداگانه است. وو (۱۹۹۶)، اوه (۱۹۹۶)، مک دونالد (۱۹۹۶) و فرانکل و روزی (۱۹۹۶) با ارائه‏ مثال‏هایی در تحقیقات خود نشان دادند که به کارگیری آزمون‏های ریشه‏ی واحد متداول در داده های ترکیبی، مانند آزمون دیکی – فولر، آزمون دیکی – فولر پیشرفته و آزمون فیلیپس- پرون دارای قدرت آماری پایین تری نسبت به آزمون‏های ریشه‏ی واحد داده‏های ترکیبی هستند.
لوین و لین (۱۹۹۲) آزمون ریشه‏ی واحد را به صورت زیر ارائه کرده اند.

که در آن N تعداد مقطع ها،
T دوره‏ی زمانی،
پارامتر خود همبسته برای هر مقطع،
δ اثر زمان،
ضریب ثابت برای هر مقطع
خطای مدل که دارای توزیع نرمال با میانگین صفر و واریانس ^۲δ است.
آزمون ایم ، پسران ،وشیم (ips)
اختلاف آزمون IPS با آزمون LL بیشتر در فرضیات در نظر گرفته شده نمود پیدا می‏کند در فرضیه‏ی H₁ این آزمون ها دارای ارزش متفاوتی هستند. به عبارت دیگر، فرضیات این آزمون به صورت زیر است.
بر اساس این فرضیات، بعضی از مقطع ها می تواند دارای ریشه‏ی واحد باشد . بنابراین، به جای انجام آزمون برای داد‏ه‏های ترکیبی، از آزمون ریشه‏ی واحد به صورت جداگانه برای هر مقطع استفاده می‏شود و پس از آن میانگین این آماره‏ها به صورت محاسبه می‏شود. اگر نشان‏دهنده‏ی آماره‏ی t برای آزمون ریشه‏ی واحد i امین مقطع، با وقفه و ضرایب آزمون باشد، آماره‏ی استاندارد به صورت زیر تعریف می شود.
آزمون فیشر
روش دیگر برای آزمون ریشه‏ی واحد داده‏های ترکیبی، استفاده از سطح معنی داری آزمون ریشه‏ی واحد دیکی – فولر تعمیم یافته است. اساس این روش برگرفته از روش فیشر (۱۹۳۲) است که بعدا به وسیله‏ی چوی (۲۰۰۱) و مادالا و وو (۱۹۹۹) به تفصیل، گسترش داده شده است. به همین دلیل، این آزمون به آزمون MW (مادالا و وو) معروف است.
این آزمون بر اساس آزمون دیکی -فولر معمولی به صورت زیر انجام می شود.

که در آن متغیر مورد بررسی، ضریب ثابت در آزمون دیکی – فولر پیشرفته، وقفه آزمون و خطای آزمون ا ست. فرضیات آزمون MW همانند فرضیات آزمون IPS به صورت زیر بیان می شود.

آزمون فیشر به روش ساده‏ای وجود یا عدم وجود ریشه‏ی واحد در داده‏های ترکیبی را بررسی می کند.
۳-۱۰-۲ آزمون نرمال بودن
در این تحقیق برای آزمون نرمال بودن از آزمون جارک برا و کلوموگروف اسمیرنوف
۱- آزمون جارک برا:
برای بررسی نرمال بودن باقیمانده هااز آزمون جارک- برا استفاده می شود.اساس این آزمون بررسی چولگی و کشیدگی توزیع در نمونه و توزبع نرمال مشابه است.
به صورت زیر بدست می آید:
معیار چولگی
K= مقدارکشیدگی نمونه
کلوموگروف اسمیرنوف:
آزمون کلموگروف – اسمیرنوف یک آزمون تطابق توزیع برای داده های کمی است و با بهره گرفتن از این آزمون می توانید تعیین کنید که آیا داده های نمونه از یک توزیع خاص نظری مانند نرمال پیروی می کنند.در نرم افزارpss از این آزمون برای تطابق چهار توزیع مختلف نرمال، پواسن، نمایی و یکنواخت استفاده شده است. اساس این روش بر اختلاف بین فراوانی تجمعی نسبی مشاهدات با مقدار مورد انتظار تحت فرض صفر است. فرض صفر می گوید که نمونه انتخاب شده دارای توزیع نرمال، )پواسن، نمایی یا یکنواخت) است.آزمون کلموگروف – اسمیرونوف برای تطابق توزیع، احتمال های تجمعی مقادیر در مجموعه داده هایتان را با احتمال های تجمعی همان مقادیر در یک توزیع نظری خاص مقایسه می کند. اگر اختلاف آن به قدر کافی بزرگ باشد، این آزمون نشان خواهد داد که داده های شما با یکی از توزیع های نظری مورد نظر تطابق ندارد.
۳-۱۰-۳ آزمون f لیمر
چاو ( ۱۹۶۰ )، آزمونی را معرفی کرد که برای انتخاب بین روش حداقل مربعات معمولی مدل داده های ادغام شده (تلفیقی) و مدل آثار ثابت مورد استفاده قرار می گیرد. برای انتخاب بین روش های مدل رگرسیونی تلفیقی و رگرسیون اثرات ثابت (داده های پانل) از آزمون f لیمر (تعمیم یافته) استفاده شده است. آزمون اف لیمر (چاو) برای استفاده از پولین دیتا یا پانل دیتا (اثرات ثابت) در تخمین مدل.
آماره این ازمون به صورت زیر می باشد:
F=
ضریب تعیین رگرسیون با اثرات ثابت،
= ضریب تعیین مدل رگرسیونی تلفیقی،
n = تعداد مشاهدات مقطعی ،
t = تعداد دوره های زمانی پژوهش( تعداد سال ها)،
nt = تعداد کل مشاهدات
k = تعداد متغییر های مستقل مدل
۳-۱۰-۴ آزمون دوربین – واتسون
یکی از مفروضاتی که در رگرسیون مد نظر قرار می گیرد، استقلال خطاها( تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون) از یکدیگ
ر است. در صورتی که فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند امکان استفاده از رگرسیون وجود ندارد. به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین – واتسون استفاده می شود. (مومنی،۱۳۸۶،۱۲۹).
۳-۱۰-۵ آزمون وی آی اف (VIF ) و تلرانس
یکی از شاخص ها برای بررسی وجود وابستگی خطی بین متغیرهای مستقل ( هم خطی چندگانه ) در spss.
به صورت زیر بدست می آید:
R²_i = ضریب تعیین معادله رگرسیون
۳-۱۰-۶ آزمون t استیودنت
این آزمون برای ارزیابی میزان همقوارگی یا یکسان بودن و نبودن میانگین نمونه ای با میانگین جامعه در حالتی به کار می رود که انحراف معیار جامعه مجهول باشد. چون توزیع t در مورد نمونه های کوچک (کمتر از ۳۰) با بهره گرفتن از درجات آزادی تعدیل می‌شود، می‌توان از این آزمون برای نمونه های بسیار کوچک استفاده نمود. همچنین این آزمون مواقعی که خطای استاندارد جامعه نامعلوم و خطای استاندارد نمونه معلوم باشد، کاربرد دارد.
= میانگین متغیر مورد مطالعه در نمونه
µ= میانگین جامعه است
S= انحراف معیار و n = تعداد نمونه