آموزش ایویوز ( Eviews ) - قسمت سوم

آموزش ایویوز (3)

اکنون صفحه معادله را طبق درس قبل باز کنید، اگر جدول باز نشد و بر اساس بررسی قبلی صفحه Representation باز شد، لطفاً به منوی view در صفحه معادله رفته و گزینه دوم آن یعنی Estimation output را باز کنید تا جدول زیر باز شود، که شامل مقادیر ضرایب و آماره های مربوط به آن ها است.

از سطر اول آغاز می کنیم که ابتدا متغیر وابسته را معرفی کرده است: LY و سپس شیوه تخمین که کمترین مربعات است و بعد از آن تاریخ انجام محاسبات، بعد دامنه نمونه و نهایتا تعداد مشاهدات معرفی شده است.

t در قسمت دوم جدول، متغیر ها، ضرایب تخمین زده شده آن ها و بعد انحراف معیار ضرایب، آماره محاسبه شده، و نهایتا هم احتمال مربوطه جهت پذیرش یا رد فرضیه  به چشم می خورد.

مقدار عددی ضریب C=0.17 همان عرض از مبدأ معادله و مقادیر α و β هم به ترتیب نشان دهنده سایر ضرایب معادله زیر هستند که به ترتیب ضرایب تابع تولید نشان دهنده کشش تابع تولید نسبت به استفاده از دو نهاده K  و L است.

 LOG (Y) = LOG (A) +  α LOG (K) + β LOG (L)

 دقت کنید: اگر تابع شما خطی ساده بود و مثل حالا خطی  لگاریتمی نبود، ضرایب شما نشان دهنده نسبت هر کدام از نهاده ها در تولید را نشان می داد.

برای تحلیل ای نکه ضرایب به دست آمده آیا دارای اعتبار هستند یا نه، از لحاظ تئوریک که می دانیم رابطه به دست آمده درست است، چرا که در سطح تولید نرمال واقع در ناحیه دوم تولید(که همیشه حدس ما این است که تولیدکننده واقعی خارج آن تولید نمی کند)، هر گاه نهاده ها را زیاد کنیم، باید

تولید بالا رود، یا به عبارتی به ازای درصدی افزایش نهاده ما انتظار داریم که تولید حالا با هر درصدی بالا رود.

اما از لحاظ اعتبار آماری اگر یادتان باشد، همیشه می آمدیم t به دست آمده را با t جدول در سطح اطمینان ۵ درصد (معمولا) مقایسه می کردیم که اگر قدرمطلق t به دست آمده بزرگتر از مقدار t جدول بود، در منطقه بحرانی قرار می گرفتیم و فرضیه صفر ما رد می شد و بنابراین ضریب ما معتبر بود. اما ما هر گاه بخواهیم با نرم افزار تخمینی را تعیین اعتبار کنیم، جدول t در اختیار نداریم، بنابراین اینجا کمی با نرم افزار کار آسانتر شده است زیرا به ستون سوم، یعنی ستون احتمال (Prob.) نگاه می کنیم. اگر این احتمال از ۵ درصد کمتر بود، فرضیه  (ضریب = ۰) رد می شود و یعنی ضریب به دست آمده دارای اعتبار آماری است و به عبارتی فرضیه مقابل (۰ ≠ ضریب  : H0) پذیرفته می شود.

حالا اینجا در ستون آخر، می بینیم که کشش تابع تولید نسبت به هر دو نهاده K و L و یا به عبارتی ضرایب متغیرهای مستقل معادله (ضرایب LL و LK) به دلیل این که احتمالشان کمتر از ۵ درصد است، معتبرند و فرضیه  در مورد آنها پذیرفته شده است و هر دو ضریب دارای اعتبار آماری هستند.

حالا به قسمت پایین جدول نگاه کنید: از ابتدا شما آماره های ضریب تشخیص (R2)، ضریب تشخیص تعدیل یافته و انحراف معیار رگرسیون و مجموع مربعات خطای توجیه نشده (ESS) و لگاریتم درست نمایی و آماره دوربین واتسون (برای تشخیص مشکل خود همبستگی مرتبه اول) هستند که هر کدام در جای خود استفاده خواهند شد.

در ستون دوم قسمت پایین به ترتیب می توانید میانگین متغیر وابسته (LY) انحراف معیار متغیر  وابسته، معیار آکائیک، معیار شوارتز، آماره F و احتمال آماره F را ببینید که هر کدام را به وقت نیاز استفاده خواهیم کرد.

حالا در این معادله تا این سطح از کار ما باید اعتبار کل رگرسیون را بسنجیم؛ ضریب تشخیص به ما می گوید که قدرت توجیه کنندگی رگرسیون چه قدر است و هرچه مقدار به ۱ نزدیکتر باشد، قدرت توجیه کنندگی رگرسیون بالاتر است، به عبارتی متغیر مستقل با درصد بیشتری توجیه کننده متغیر وابسته است، اینجا مقدار ۹۵ درصد مقدار بسیار خوبی است. یعنی ۹۵ درصد تغییرات تابع تولید به متغیرهای انتخابی ما بستگی دارد و تنها ۵ درصد باقیمانده به آن متغیرهایی که ما لحاظ نکرده ایم، بستگی داشته است.

برای اعتبار شیب رگرسیون یا بع عبارتی کل رگرسیون ما همیشه از آماره F استفاده می کنیم، و آماره F محاسبه شده را به همان تربیت قبل با F جدول مقایسه کنیم. اما اینجا هم می توانیم به جای این کار از احتمال F استفاده کنیم و باز زمانی که این احتمال کمتر از ۵ درصد باشد، رگرسیون ما معتبر و در غیر اینصورت فرضیه قبول  می شود و این یعنی رگرسیون اعتبار ندارد.

گزینه های منوی View در صفحه معادله

بار دیگر گزینه  view را در صفحه معادله باز کنید، خواهید دید که دو گزینه اول را قبلاً دیده ایم، اما در گزینه های بعدی یک گزینه ماتریس واریانس  کوواریانس و گزینه های بعدی که بررسی می کنیم، آزمون ضرایب و آزمون جملات پسماند و آزمون های ثبات را بررسی می کنیم.

گزینه سوم که به بررسی آن نمی پردازیم، شامل ۴ گزینه است که گزینه اول جدول مقدار واقعی متغیر وابسته، مقدار برازش شده آن و همچنین مقدار جملات پسماند را نشان می دهد به همراه نقشه جملات پسماند؛ گزینه دوم نمودار واقعی و مقدار برازش شده متغیر وابسته و همچنین مقدار جملات پسماند را ارائه می دهد؛ گزینه سوم و چهارم فقط به نمودار استاندارد شده جملات پسماند اختصاص دارد.

اگر ماتریس کوواریانس را باز کنید، یک ماتریس ۳*۳ می بینید که قطر اصلی آن همان واریانس ضرایب و سایر درایه ها نشان دهنده کوواریانس دو به دوی ضرایب هستند.

از قسمت آینده آموزش ایویوز ، شروع به بررسی آزمون های مختلف روی همین معادله و داده ها می کنیم. به عنوان مقدمه ای برای شروع اگر از شما پرسیده شود که در این تابع تولید که تخمین زده اید، بازدهی نسبت به مقیاس چگونه است، بر چه اساسی پاسخ می دهید؟ یا اگر از شما پرسیده شود که آیا در سال ۱۹۱۰شکست ساختاری داشته ایم، یا اینکه آیا می دانید که رگرسیون شما دارای مشکل نقض فروض مختلف کلاسیک است یا نه، چگونه توجیه می کنید؟ این نرم افزار به راحتی برای شما امکان پاسخگویی به تمام این سؤالات و حتی در صورت لزوم رفع مشکل را ایجاد می کند.