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.