تحقیق تخمین مدل و استنتاج آماری

اختصاصی از فی دوو تحقیق تخمین مدل و استنتاج آماری دانلود با لینک مستقیم و پر سرعت .

تحقیق تخمین مدل و استنتاج آماری در 24 صفحه فایل ورد قابل ویرایش

قسمتی از متن و فهرست

فهرست

تخمین مدل و استنتاج آماری  
بررسی ایستایی (ساکن بودن) سری های زمانی   
آزمون ساکن بودن از طریق نمودار همبستگی و ریشه واحد   
تغییرات ساختاری و آزمون ریشه واحد پرون 
رگرسیون ساختگی   
هم انباشتگی (هم جمعی)   
- آزمون هم انباشتگی (هم جمعی)   
- آزمون همگرایی جوهانسن مو جوسیلیوس   
مروری بر الگوهای اقتصاد سنجی پولی  
الگوهای کینزی  
الف- نگرشی کوتاه بر مبنای نظری در الگوهای کینزی 
ب- مروری بر الگوی FRB-MIT  
بخش مالی  

بررسی ایستایی (ساکن بودن) سری های زمانی

 قبل از تخمین مدل، به بررسی ایستایی می پردازیم. می توان چنین تلقی نمود که هر سری زمانی توسط یک فرآیند تصادفی تولید شده است. داده های مربوط به این سری زمانی در واقع یک مصداق از فرآیند تصادفی زیر ساختی است. وجه تمایز بین (فرآیند تصادفی) و یک (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است. درست همانطوری که اطلاعات مربوط به نمونه را برای استنباطی در مورد جامعه آماری مورد استفاده قرار می دهیم، در تحلیل سریهای زمانی از مصداق برای استنباطی در مورد فرآیند تصادفی زیر ساختی استفاده می کنیم. نوعی از فرآیندهای تصادفی که مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ...

آزمون ساکن بودن از طریق نمودار همبستگی و ریشه واحد

 یک آزمون ساده برای ساکن بودن براساس تابع خود همبستگی (ACF) می باشد. (ACF) در وقفه k با  نشان داده می شود و...

تغییرات ساختاری و آزمون ریشه واحد پرون

وجود ریشه واحد و ناپایایی که در اغلب متغیرهای سری زمانی اقتصد کلان ملاحظه می شود ممکن است ناشی از عدم توجه به شکست عمده ساختاری در روند این متغیرها می باشد. اگر سریهای زمانی، در طول زمان دچار تغییرات ساختاری و شکست شوند، آزمونهای استاندارد ریشه واحد نظیر آزمون دیکی- فولر مناسب ترین آزمون برای قبول یا رد فرضیه ریشه واحد نبوده و نمی توانند آن فرضیه را رد کنند.

پرون به منظور نشان دادن اثرات تغییرات ساختاری بر روی سریهای زمانی و ...

رگرسیون ساختگی

در رگرسیونهای مبتنی بر متغیرهای سری زمانی (رگرس یک متغیر سری زمانی بر سری زمانی دیگر) محققان غالباً R2 بالایی را مشاهده می کنند، هرچند که رابطه معنی‌داری بین متغیرها وجود نداشته باشد. این وضعیت نشان دهنده رگرسیون ساختگی (کاذب) است.

این مشکل ناشی از آن است که هر دو متغیر سری زمانی (متغیر وابسته و متغیر توضیحی) تمایل شدیدی نسبت به زمان (حرکتهای نزولی و صعودی) از خود نشان می‌دهند و لذا R2 بالایی که مشاهده می شود، نه به واسطه ارتباط حقیقی بین متغیرها بلکه بواسطه وجود متغیر زمان می باشد.

نتایج چنین رگرسیونهایی اغلب عالی به نظر می رسند، R2 بالا و نسبتهای t معنی دار بالا (بصورت قابل توجه) برای متغیرهای توضیحی، در این بین تنها اشکال پایین بودن آماره d (دوربین- واتسون ) است.

گرنجر و نیوبلد یک...