در این تحقیق با توجه به نوع متغیر وابسته، جهت بررسی روابط بین متغیرها از رگرسیون خطی چند متغیره استفاده می شود. پس از انجام تحلیل رگرسیون از تحلیل همبستگی استفاده می شود. ضریب همبستگی شاخصی است ریاضی که جهت و مقدار رابطه ی بین دو متغیر را توصیف میکند. ضریب همبستگی درمورد توزیع های دو یا چند متغیره به کار می رود. اگر مقادیر دو متغیر شبیه هم تغییر کند یعنی با کم یا زیاد شدن یکی، دیگری هم کم یا زیاد شود به گونه ای که بتوان رابطه آنها را به صورت یک معادله بیان کرد، می گوییم بین این دو متغیرهمبستگی وجود دارد.
۳-۵-۳-۲- روش تجزیه و تحلیل داده ها
پس از تبیین مدل، باید روش مناسب بررسی مساله و همچنین روش مناسب تخمین انتخاب شود. در تحقیق حاضر با توجه به ماهیت داده ها از روش سری زمانی استفاده میگردد.
۳-۵-۳-۲-۱- سری زمانی
داده های مورد استفاده در مطالعات اقتصاد سنجی را می توان به سه دسته داده های سری زمانی، مقطعی، پانلی تقسیم بندی کرد. به استثنای داده های مقطعی، در بقیه داده ها باید آزمون ریشه واحد صورت گیرد (صمدی،۱۳۸۸، ۲۵)
عکس مرتبط با اقتصاد
یکی از انواع مهم داده های آماری مورد استفاده در تجزیه و تحلیل تجربی ، داده های سری زمانی است.زیرا این نوع داده های آماری دارای ویژگیهای خاصی برای پژوهشگران در اقتصاد سنجی می باشد.اهمیت بررسی زمانی را می توان چنین عنوان کرد.
اولا:در تحقیقات مبتنی بر داده های سری زمانی فرض می شود که سری زمانی ایستا است.
ثانیا: در رگرسیون مبتنی بر متغیرهای سری زمانی(رگرس یک متغیر سری زمانی بر سری زمانی دیگر) محققان غالبا R2 بالایی را مشاهده می کنند، هر چند که رابطه معنی داری بین متغیرها وجود نداشته باشد.این وضعیت نشان دهنده رگرسیون ساختگی است .این مشکل ناشی از آنست که هر دو متغیر سری زمانی (متغیر وابسته و متغیرهای توضیحی) تمایل شدیدی نسبت به زمان (حرکتهای صعودی و نزولی) نشان می دهند و لذا R2 بالایی که مشاهده می شود ناشی از وجود متغیر زمان می باشد نه به واسطه ارتباط حقیقی بین متغیرها.
ثالثا:مدلهای رگرسیونی سری زمانی غالبا برای پیش بینی بکار برده می شود.لذا اعتبار پیش بینی ها به مانایی سری زمانی بستگی دارد.
دانلود متن کامل پایان نامه در سایت fumi.ir
۳-۵-۳-۲-۲-فرایند تصادفی مانا
هر سری زمانی را می توان محصول تولید یک فرایند استوکاستیک یا تصادفی دانست، و مجموعه پیوسته ای از داده ها یک تحقق واقعی از فرایند تصادفی اصلی می باشد. وجه تمایز و تفاوت بین فرایند استوکاستیک و تحقق واقعی آن بسیار شبیه به وجه تمایز بین جامعه و نمونه آن در داده های مقطعی است.همانگونه که از داده های نمونه برای استباط و استنتاج در یک جامعه استفاده می کنیم، در سریهای زمانی نیز از “تحقق واقعی” برای استنباط در مورد فرایند استوکاستیک استفاده می شود.یک نوع از فرایند تصادفی که توسط سریهای زمانی مورد بحث و بررسی زیادی قرار گرفته ، فرایند تصادفی مانا است.
بطور کلی ، یک فرایند تصادفی هنگامی ساکن نامیده می شود که میانگین و واریانس در طی زمان ثابت باشد و مقدار کوواریانس بین دو دوره زمانی ، تنها به فاصله یا وقفه بین دو دوره بستگی داشته و ارتباطی به زمان واقعی محاسبه کوواریانس نداشته باشد.یعنی:
E(Yt)=µ
Var(Yt)=E(Yt-µ)۲=δ۲
γk=E(Yt-µ)(Yt+k-µ)
که در آن γk کوواریانس در وقفه k ، کوواریانس بین مقادیر Yt و Yt+k، یعنی بین دو مقدار Y در فاصله زمانی k می باشد.
اکنون سری زمانی Y را از مبدأ زمانی t به t+m منتقل کنیم.اگر Yt سری ساکنی باشد می بایست میانگین و واریانس و خودکوواریانس های سری Yt+m با Yt یکسان باشد ، بنابراین به یک سری زمانی ، ساکن گفته می شود که میانگین ، واریانس و خودکوواریانس “در وقفه های مختلف” سری در طول زمان یکسان بوده و ثابت باقی بماند.(گجراتی، ۱۳۸۸)
۳-۵-۳-۲-۳- آزمون ریشه واحد
روشهای سنتی اقتصادسنجی در برآورد ضرایب یک الگو، مبتنی بر پایا[۱۵] (مانا) بودن سریهای زمانی میباشند. متغیر سریزمانی وقتی مانا است که میانگین، واریانس، کواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باشد و مهم نباشد که در چه مقطعی از زمان، این شاخص ها را محاسبه کنیم. امّا از طرفی، «بررسیهایی که از سالهای ۱۹۹۰ به بعد انجام شده، نشان داده است که بسیاری از متغیرهای سریزمانی در اقتصاد مانا نیستند».(هژبر کیانی،۱۳۷۶) به عبارتی دیگر، میانگین و واریانس این سریها در طول زمان متغیر بوده و کواریانس آنها در ازای وقفههای مشخص، ثابت نیست که از این خصوصیات به عنوان نامانا[۱۶]بودن سریهای زمانی یاد می شود. اگر سریهای زمانی مورد استفاده در برآورد ضرایب الگو نامانا باشند، برآورد الگو با چنین متغیرهایی ممکن است به رگرسیون کاذب[۱۷] منجر شود؛ بدین معنی که ممکن است ضریب تعیین به دست آمده از الگوی برآوردی بسیار بالا بوده، ولی هیچ رابطۀ معنیداری بین متغیرهای الگو وجود نداشته باشد. عدم توجه به چنین نکتهای، موجب گمراهی محقق و استنباطهای غلط در مورد ارتباط بین متغیرها خواهد شد. از این رو قبل از استفاده از این متغیرها لازم است نسبت به مانایی یا عدم مانایی آنها اطمینان حاصل کرد.(نوفرستی ،۱۳۷۸)
در این قسمت، خواص آماری داده های سری، به لحاظ مانایی یا وجود ریشه واحد مورد بررسی قرار میگیرند. به این منظور، از آزمون ریشه واحد که یکی از معمولترین آزمونها برای تشخیص مانایی است استفاده می شود. مهمترین آزمونهای ریشه واحد در مورد داده هایسری زمانی، روش های زیر میباشد:
آزمون دیکی فولر
آزمون دیکی فولر پیشرفته
فیلیپس پرون می باشد
برای تشریح روششناسی این آزمونها، الگوی AR(1)بین بخشی زیر در نظر گرفته می شود:
که در آن؛ متغیر مورد بررسی، i=1,2,…,N معرف کشورها، t=1,2,…, معرف تعداد مشاهدات سری زمانی در هر کشور، نماینده متغیرهای قطعی مانند عرض از مبدأ و روند، ضریب زاویه، ضریب خودهمبستگی و جمله اخلال میباشد که فرض می شود در بین کشورهای مختلف، مستقل از هم هستند. حال اگر باشد، مانا و چنانچه باشد، دارای ریشه واحد بوده و نامانا تلقی می شود.
به منظور این آزمون، دو پیشفرض در مورد وجود دارد؛ اول اینکه فرض شود که عوامل مشترکی بین کشورهای مختلف وجود دارند، به طوریکه برای همه کشورها یکسان است ( به ازای هر i یا برای تمام کشورها). آزمونهای LLC، برتونگ و هدری بر اساس این فرض پایهریزی شده اند. از سوی دیگر، فرض دوم این است که بین کشورها یکسان درنظرگرفته نشود. آزمون IPS و آزمونهای نوع فیشر نیز بر اساس این فرض استوارند. به علاوه در آزمون هدری، فرضیه صفر، عدم وجود ریشه واحد است، درحالیکه در سایر آزمونها، فرضیه صفر وجود یک ریشه واحد میباشد.(مهر آرا،۱۳۸۸)
۳-۵-۳-۲-۴- آزمون هم انباشتگی
در تحلیلهای همانباشتگی، وجود روابط بلندمدت اقتصادی آزمون و برآورد میشوند. ایده اصلی در تجزیه و تحلیل همانباشتگی آن است که اگرچه بسیاری از سریهای زمانی اقتصادی نامانا (حاوی روندهای تصادفی) هستند، اما ممکن است در بلندمدت، ترکیب خطی این متغیرها، مانا (و بدون روند تصادفی) باشند.
تجزیه و تحلیلهای همانباشتگی کمک می کند تا این رابطه تعادلی بلندمدت، آزمون و برآورد شود. اگر یک نظریه اقتصادی صحیح باشد، مجموعه ویژهای از متغیرها که توسط نظریه مذکور مشخص شده، با یکدیگر در بلندمدت مرتبط میشوند. به علاوه، تئوری اقتصادی تنها روابط را به صورت استاتیک (بلندمدت) تصریح کرده و اطلاعاتی در خصوص پویاییهای کوتاهمدت میان متغیرها به دست نمیدهد. در صورت اعتبار تئوری، انتظار میرود که علیرغم نامانا بودن متغیرها، یک ترکیب خطی استاتیک از این متغیرها، مانا و بدون روند تصادفی باشد. در غیراینصورت، اعتبار نظریه موردنظر زیر سوال قرار میگیرد. به همین دلیل به طور گسترده از همانباشتگی به منظور آزمون نظریه های اقتصادی و تخمین پارامترهای بلندمدت استفاده می شود.
آزمون همانباشتگی به هنگام استفاده از داده های پانل، عموماً به روش پیشنهادی پدرونی[۱۸] انجام می شود. آزمون همانباشتگی انگل-گرنجر[۱۹] (۱۹۸۷) بر مبنای آزمون مانا بودن باقیماندههای رگرسیون، هنگامی که متغیرهای معادله معادله رگرسیون انباشته از درجه یک یا I(1) است صورت میگیرد.
اگر متغیرها همانباشته باشند، پس باید باقیماندههای آنها I(0) یا انباشته از درجه صفر شوند. از طرفی، اگر متغیرها همانباشته نباشند، باقیمانده I(1) خواهد بود. (همان منبع)
مفهوم اقتصادی همجمعی آن است که وقتی دو یا چند متغیر سری زمانی براساس مبانی نظری با یکدیگر ارتباط داده می شوند تا یک رابطه تعادلی بلند مدت را شکل دهند، هر چند ممکن است خود این سری های زمانی دارای روند تصادفی بوده باشند (ناپایا باشند)، اما در طول زمان یکدیگر را به خوبی دنبال می کنند. به گونه ای که تفاضل بین آن ها با ثبات (پایا) است. بنابراین نوعی رابطه تعادلی بلند مدت بین این دو متغیر وجود دارد. در این حالت برآورد رابطه رگرسیون می تواند کاملا با مفهوم باشد ( یعنی کاذب نباشد). اما اگر دو متغیر همجمع نباشند، این امکان وجود دارد که در طول زمان از یکدیگر بیشتر و بیشتر فاصله بگیرند و یک رابطه تعادلی بلند مدت بین آنها وجود نخواهد داشت.لذا آزمون هم انباشتگی برای داده ها ضروری به نظر می رسد.
۳-۵-۴- مرحله چهارم : تخمین و استباط آماری
در این قسمت از مطالعه جهت تصریح مدل ابتدا رابطه متغیرهای مستقل از منظر آمار استنباطی بررسی می گردد و از بین متغیرهای توضیحی ، متغیرهای موثر انتخاب می شود.
۳-۵-۵-مرحله پنجم: نتیجه گیری
در مرحله پنجم بر اساس تخمین مدل ، نتیجه گیری می شود و در نهایت بر اساس نتایج پیشنهادات و راهکارها ارائه می شود.
۳-۶- فرضیات تحقیق
به طور کلی هر حکمی درباره جامعه را یک فرض آماری مینامند از آنجا که این فرض ممکن است غلط یا درست باشد، بنابراین به ازای هر فرض آماری، دو فرض مکمل در ذهن به وجود میآید: (i) فرضH1: ادعا صحیح است (ii) فرضH0: ادعا غلط است. با به کار بردن اطلاعاتی که از مشاهدات نمونه به دست میآیند، تصمیمگیرنده باید یکی از این دو تصمیم را انتخاب کند:
الف)H0را رد کند و نتیجه بگیرد که H1به وسیله داده ها قویاً تایید میگردد.
ب) H0را رد نکند و نتیجه بگیرد که داده ها H1را قویاً تایید نمی کنند.
فرضی را که بخواهیم آن را به وسیله اطلاعات حاصل از نمونه ثابت کنیم، فرض مقابل (H1) و نقیض آن را فرض صفر (H0) مینامند به همین دلیل است که گاهی فرض مقابل را فرض محقق نیز مینامند. فرایند انتخاب یکی از دو فرض مذکور را آزمون فرض آماری میگویند(خاکی، ۱۳۸۷). در این پژوهش فرض H0و H1 را برای هر کدام از فرضیه های اصلی پژوهش بدین صورت تعریف می کنیم:
۳-۶-۱-فرضیه اصلی
میان تسهیلات بانک رفاه و اشتغال بخش صنعت در استان گیلان ارتباط معنی داری وجود دارد.
۳-۶-۲-فرضیه های فرعی
کل تسهیلات بانک با اشتغال بخش صنعتدر استان گیلان رابطه معنی دار دارد.
تسهیلات بخش صنعت با سرمایهگذاری بخش صنعت در استان گیلان رابطه معنی دار دارد.
کل تسهیلات بانک با سرمایهگذاری بخش صنعتدر استان گیلان رابطه معنی دار دارد.
تسهیلات بخش صنعت با ارزش افزوده بخش صنعتدر استان گیلان رابطه معنی دار دارد.
کل تسهیلات بانک با ارزش افزوده بخش صنعتدر استان گیلان رابطه معنی دار دارد.
برای بررسی فرضیه های تحقیق هر یک از فرضیه ها دو بار به صورت ضریب کلی و جزیی آزمون می شود. درباره آزمون کلی با شاخص آماره F قضاوت می شود. این آزمون بیان می دارد که رابطه متغیرهای مستقل با متغیرهای وابسته خطی است اگر چنانچه سطح خطای آلفا کوچکتر از ۵ درصد باشد و یا آماره محاسبه شده F بزرگتر از آماره جدول بحرانی باشد فرضیه صفر دال بر نبود رابطه خطی، رد شده و فرضیه تحقیق پذیرفته میشود. همچنین آماره یا علامت ضرایب نشان دهنده جهت رابطه متغیرهای مستقل و متغیر وابسته می باشد.
۳-۷- خلاصه فصل
در این فصل ابتدا به توضیحاتی درباره ی روش پژوهش، نحوه شکل گیری رگرسیون پرداخته و سپس توضیحاتی مفصل درمورد انواع داده ها، مزایای هرکدام و نحوه تصمیم گیری در مورد آزمون فرضیه ها و نحوه بررسی فرضیه های تحقیق پرداخته شده است.
همچنین اهداف تحقیق، قلمرو تحقیق به لحاظ موضوعی، زمانی و مکانی، روش و ابزار جمع آوری اطلاعات، روش انجام کار و تخمین یک مدل تجربی بیان گردیده است و روش مورد استفاده در فصل چهارم یعنی روش پنل دیتا و مزایا و محدودیت های آن شرح داده شده است.
فصـل چهارم
تجزیه و تحلیل دادهها
۴-۱- مقدمه
تجزیه و تحلیل داده های آماری یکی از گامهای اساسی در تحقیقات می باشند ونتایج تحقیقات به آن بستگی دارد. در این فصل که جهت تجزیه و تحلیل داده های جمع آوری شده طراحی گردیده است، دادهها از طریق نرم افزارهایEviews6 و Excelتجزیه و تحلیل شده و در دو مرحله به اطلاعات مورد استفاده در این تحقیق، تبدیل شدند. در مرحله اول که تجزیه و تحلیل توصیفی می باشد، داده های جمع آوری شده به صورت جداول آمارتوصیفی و نمودار میلهای ارائه شده و در مرحله دوم که تجزیه و تحلیل استنباطی میباشد به کمک نرم افزار مذکور آزمون فرضیه های پژوهش مورد بررسی و تحلیل قرار گرفته است.