21-10-2014, 11:50 PM
دوستان عزیز
سوالات مطرح شده شما رو در پیام خصوصی در تاپبک های مربوطه تا اونجا که بدونم جواب میدم، شاید اشکال و سوال باقی دوستان باشه و بتونه به روند کارشون کمک کنه.
در مورد آزمون بروش پاگان (دستور استاتا)، آزمون واریانس ناهمسانی و رفع مشکل واریانس ناهمسانی سوال شده بود .
جواب : فرضیه صفر آزمون بروش پاگان حاکی از صفر بودن واریانس ناهمسانی در بین cross section هاست. یعنی هیچ تفاوت قابل توجه ای در cross ها وجود ندارد(به عبارت دیگر، اثر پانل وجود ندارد). برای انجام آزمون بروش پاگان در استاتا شما میتونید از دستور زیر استفاده کنید. (در داده های پانل)
x: متغیر مستقل
re: اثر تصادفی
آزمون دیگری که آزمون بروش پاگان/ کوک-ویسبرک نیز به آن گفته میشود،نیز برای بررسی واریانس ناهمسانی میتوان استفاده کرد که دستور آن hettest هست. اما برای داده های صفر و منفی با خطا روبرو میشوید .
برای رفع مشکل واریانس ناهمسانی میتوانید از آزمون های whitetst( حالت عمومی آزمون بروش-پاگان: کوک-بائوم) و ivhettest (آزمون کوک اسکافر) استفاده کنید.
کد آزمون white ; آزمون های زیادی برای بررسی واریانس ناهمسانی در استاتا وجود دارند که بسته به فروض متفاوت و اینکه جملات خطا توزیع شان نرمال است یا نه، با هم متفاوت هستند. اگر در استاتا دستور زیر را اجرا کنید، گزینه های مختلفی برای انجام آزمون واریانس ناهمسانی به شما میدهد و میتوانید از آنها استفاده کنید.
در واریانس ناهمسانی باید حتما به موارد ذیل توجه شود :
1- واریانس ناهمسانی ممکن است ناشی از تشخیص نادرست مدل باشد. و یا اینکه اثر متغیر خطی نیست و یا ممکن است شما متغیر مهمی را مدل لحاظ نکرده اید. اگر چنین است اول باید این مشکل را حل کنید تا اینکه با wls یا GLS مدل را اجرا کنید.
2- یک دلیل دیگر شاید این باشد که خطای استاندارد تورش دارد و برای آگاهی از این موضوع باید آزمون robust انجام دهید. در برآوردگر ols فرض میشود که خظای استاندارد به طور مشابه و یکسان در متغیر وابسته و مستقل توزیع شده است. حالا آزمون robust هم با این فرض و هم با اینکه این توزیع غیریکسان باشد خطای استاندارد را بررسی میکند. در مواقعی که واریانس ناهمسانی داریم آزمون robust قابل اعتمادتر نسبت به سایر آزمون ها.
برای انجام آزمون robust از دستور زیر باید استفاده کرد:
3- راه حل آخر، استفاده از برآورگر حداقل مربعات وزنی wls است.
سوالات مطرح شده شما رو در پیام خصوصی در تاپبک های مربوطه تا اونجا که بدونم جواب میدم، شاید اشکال و سوال باقی دوستان باشه و بتونه به روند کارشون کمک کنه.
در مورد آزمون بروش پاگان (دستور استاتا)، آزمون واریانس ناهمسانی و رفع مشکل واریانس ناهمسانی سوال شده بود .
جواب : فرضیه صفر آزمون بروش پاگان حاکی از صفر بودن واریانس ناهمسانی در بین cross section هاست. یعنی هیچ تفاوت قابل توجه ای در cross ها وجود ندارد(به عبارت دیگر، اثر پانل وجود ندارد). برای انجام آزمون بروش پاگان در استاتا شما میتونید از دستور زیر استفاده کنید. (در داده های پانل)
xtreg y x, re
xttest0
y : متغیر وابسته x: متغیر مستقل
re: اثر تصادفی
آزمون دیگری که آزمون بروش پاگان/ کوک-ویسبرک نیز به آن گفته میشود،نیز برای بررسی واریانس ناهمسانی میتوان استفاده کرد که دستور آن hettest هست. اما برای داده های صفر و منفی با خطا روبرو میشوید .
برای رفع مشکل واریانس ناهمسانی میتوانید از آزمون های whitetst( حالت عمومی آزمون بروش-پاگان: کوک-بائوم) و ivhettest (آزمون کوک اسکافر) استفاده کنید.
کد آزمون white ;
estat imtest, white
findit hetroskedasticity
در واریانس ناهمسانی باید حتما به موارد ذیل توجه شود :
1- واریانس ناهمسانی ممکن است ناشی از تشخیص نادرست مدل باشد. و یا اینکه اثر متغیر خطی نیست و یا ممکن است شما متغیر مهمی را مدل لحاظ نکرده اید. اگر چنین است اول باید این مشکل را حل کنید تا اینکه با wls یا GLS مدل را اجرا کنید.
2- یک دلیل دیگر شاید این باشد که خطای استاندارد تورش دارد و برای آگاهی از این موضوع باید آزمون robust انجام دهید. در برآوردگر ols فرض میشود که خظای استاندارد به طور مشابه و یکسان در متغیر وابسته و مستقل توزیع شده است. حالا آزمون robust هم با این فرض و هم با اینکه این توزیع غیریکسان باشد خطای استاندارد را بررسی میکند. در مواقعی که واریانس ناهمسانی داریم آزمون robust قابل اعتمادتر نسبت به سایر آزمون ها.
برای انجام آزمون robust از دستور زیر باید استفاده کرد:
reg y x1 x2, robust
در ورژن های جدید استاتا از 11 به بعد هم میتوان به جای بالا از دستور زیر استفاده کرد: (reg y x1 x2, vec (robust
یادتون باشه که آزمون robust ضریب های برآوردگر ols را تغییر نمیدهد و تنها خطای استاندارد را تغییر میدهد و با رگرسیون robust اشتباه گرفته نشود، چراکه رگرسیون robust ضرایبی متفاوت از ضرایب رگرسیون ols ارائه میدهد. 3- راه حل آخر، استفاده از برآورگر حداقل مربعات وزنی wls است.
