X
تبلیغات
این سایت را حمایت می کنم
اقتصاد
 
اقتصاد
اقتصاد سنجی
شنبه پانزدهم بهمن 1390 :: 20:46 ::  نويسنده : سیاوش محمدپور

آموزش موارد زیر به همراه نرم افزارهای مربوطه: 

روش های غیر خطی: 
مارکوف سویچینگ(Markov switching) 
STAR 

آزمون های ریشه واحد شکست ساختاری: 
زیوت اندروز (Zivot Andrews) 
لی استرازیکیچ ( Lee Strazicich ) 

آزمون های هم انباشتگی شکست ساختاری: 
گریگوری هنسن (gregory hansen) 
سیکنن لوتکیپول (saikkonen lutkepohl) 

آزمون های هم انباشتگی: 
جوهانسن جوسلیوس 
پسران و شین (ARDL) 

روش های جایگزین حداقل مربعات معمولی (OLS): 
رگرسیون رتبه ای (RANK REGRESSION) 
M-regression 
Ridge Regression 

روش های برآورد بردارهای هم انباشتگی: 
حداقل مربعات پویا (DOLS) 
حداقل مربعات معمولی کاملا اصلاح شده (FMOLS) 
روش حداکثر راستنمایی 

داده های تابلویی: 
داده های تابلویی کلاسیک (Panle Data) 
استخراج بردار هم انباشتگی در داده های تابلویی با روش حداقل مربعات معمولی پویا (Panel DOLS) 


ایمیل: siavash.mohammadpoor@gmail.com

اشتراک گزاري
جمعه هفدهم شهریور 1391 :: 12:16 ::  نويسنده : سیاوش محمدپور
با سلام خدمت همه دوستان. می خواستم به اطلاعتون برسونم که به تازگی انجمنی ویژه رشته اقتصاد ایجاد شده که بنده در آن مدیریت تالار اقتصاد سنجی رو بر عهده دارم. در این انجمن مطالب بسیار خوبی در تمام گرایش های اقتصاد به اشتراک گذاشته میشه. از شما هم دعوت می کنم که در این انجمن عضو بشین و اطلاعات خودتون رو به اشتراک بذارین و یا از مطالب انجمن استفاده کنیین. آدرس انجمن:

http://economicsphd.ir/Forum 

اشتراک گزاري
پنجشنبه بیست و دوم تیر 1391 :: 20:59 ::  نويسنده : سیاوش محمدپور
یکی از دوستان داده های روزانه نرخ ارز رو خواسته بودند. برای دانلود  داده های نرخ ارز از سال 1370 به بعد به لینک زیر برید: 
http://cbi.ir/exratesadv/exratesadv_fa.aspx

اشتراک گزاري
جمعه دوم تیر 1391 :: 20:17 ::  نويسنده : سیاوش محمدپور
برای انجام رگرسیون چند متغیره در اکسل شما ابتدا باید ابزار تحلیل داده ها را در اکسل نصب کرده باشید.(برای آموزش نصب ابزار تحلیل داده ها به این پست مراجعه نمایید: http://www.econometrics.blogfa.com/post/17) پس از نصب نیز باید مراحل زیر را انجام دهید:

1-متغیرها را به صورت ستونی در اکسل وارد نمایید.(ستون ها نام متغیر و سطرها مشاهدات هر یک از متغیرها)

2-مسیر زیر را دنبال کنید تا جعبه ابزار تحلیل داده های اکسل را باز کنید:

DATA[menu]----->Data Analysis

3-گزینه Regression را در جعبه ابزار انتخاب نمایید.

4-در قسمت Input Y Range داده های متغیر وابسته را وارد نمایید.

5- در قسمت Input X Range داده های متغیرهای توضیحی را وارد نمایید.

6-گزینه OK را کلیک کنید 


برای دانلود فیلم آموزشی انجام رگرسیون چند متغیره بر روی لینک زیر کلیک نمایید:

دانلود فیلم آموزشی

اشتراک گزاري
یکشنبه بیست و هشتم خرداد 1391 :: 18:23 ::  نويسنده : سیاوش محمدپور
جزوه اقتصادسنجي دكتر شاپور محمدي(هيات علمي دانشگاه تهران) را مي توانيد از لينك زير دانلود نماييد:


دانلود جزوه اقتصادسنجي

اشتراک گزاري
به درخواست یکی از کاربران، امروز کتاب اقتصاد سنجی مقدماتی وولدریج را بر روی وبلاگ قرار می دهم. در صورتی که شما هم کتاب خاصی را مد نظر داشتید می توانید از طریق بخش نظرات و یا از طریق ایمیل درخواست خود را اعلام نمایید.

موفق باشید


دانلود کتاب اقتصاد سنجی مقدماتی وولدریج

اشتراک گزاري
جعبه ابزار تحليل داده هاي اكسل يكي از افزونه هايي است كه به صورت پيش فرض بر روي نرم افزار اكسل نصب نيست. ولي با استفاده از روشي كه در زير معرفي مي گردد امكان اضافه نمودن آن به نرم افزار اكسل وجود دارد.

اين جعبه ابزار شامل  

تحليل هاي آناليز واريانس(تك عامله و دو عامله)  

تحليل هاي همبستگي و كواريانسي

آمار توصيفي

آزمون هاي آماري

رسم نمودار هيستوگرام

رگرسيون چند متغيره

ايجاد اعداد تصادفي بر پايه توزيع هاي مختلف

و ...

مي باشد. بنابراين اگر با نرم افزار اكسل زياد سر و كار داريد و مايل هستد كه تحليل هاي آماريتان را در همان محيط اكسل انجام دهيد نصب اين افزونه براي شما ضروري به نظر مي رسد. براي نصب اين افزونه به شكلي كه در تصاوير زير آمده است عمل نماييد:(در ادامه مطلب)



ادامه مطلب ...
اشتراک گزاري
دوشنبه هجدهم اردیبهشت 1391 :: 14:22 ::  نويسنده : سیاوش محمدپور
اين كتاب يكي از ساده ترين و در عين حال پركاربردترين كتاب هاي آمار چند متغيره مي باشد. استفاده از مثال هاي متعدد در اين كتاب، فهم مطالب را بسيار آسان مي كند. اين كتاب شامل بخش هاي زير مي باشد:

جبر ماتريسي(Matrix Algebra)

استخراج ويژگي ها و نمايش داده هاي چند متغيره(Characterizing and Displaying Multivariate Data)

توزيع نرمال چند متغيره(The Multivariate Normal Distribution)

آزمون هايي بر روي يك يا دو بردار ميانگين(Tests on One or Two Mean Vectors)

تحليل هاي واريانس چند متغيره(Multivariate Analysis of Variance)

آزمون هايي بر روي ماتريس كواريانس(Tests on Covariance Matrices)

تحليل مميزي(Discriminant Analysis: Description of Group Separation)

تحليل طبقه بندي(Classification Analysis: Allocation of Observations to Groups)

رگرسيون چند متغيره(Multivariate Regression)

همبستگي كانوني(Canonical Correlation)

تجزیه و تحلیل مولفه های اصلی(Principal Component Analysis)

تحليل عاملي(Factor Analysis)

تحليل هاي خوشه بندي(Cluster Analysis)

پروسه هاي گرافيكي(Graphical Procedures)


نويسنده كتاب هم ALVIN C. RENCHER مي باشد.


دانلود كتاب آمار چند متغيره


لطفا در صورت استفاده، امانت داری را رعایت نموده و منبع را ذکر نمایید.



اشتراک گزاري
بدست آوردن فراوانی تجمعی در اکسل:

برای این منظور از دستور زیر استفاده میشود:

frequency(data_array,x)

که در آن data_array، نشانگر سری داده ها و x حد بالا می باشد. در حقیقت فرمول بالا تعداد داده هایی را بدست می دهد که از x کوچکتر می باشد. به عنوان مثال برای بدست آوردن فراوانی تجمعی تا مقدار x=6 به شکل زیر عمل می نماییم. همانطور که در این مثال قایل مشاهده است در سری داده های (2، 9، 5، 4، 8، 0 ،9) تعداد 4 عدد کوچکتر از 6 هستند. بنابراین فراوانی تجمعی بدست آمده برابر 4 خواهد بود.


ABC
12

29

35فرمولجواب
44=frequency(A1:A7,6)4
58

60

79


البته از این دستور برای بدست آوردن فراوانی در محدوده های تعیین شده نیز می توان استفاده نمود. به عنوان مثال فرض کنید که در یک امتحان، که نمرات آن از 0 تا 100 است و 100 نفر نیز در این امتحان شرکت کرده اند. معلم قصد دارد تا فراوانی داده ها در محدوده های زیر را بدست آورد:
(0-10) و (10-20) و (20-30) و (30-40) و (40-50) و (50-60) و (60-70) و (70-80) و ( 80-90) و (90-100)

برای این منظور باید بدین شکل عمل کند:

مراحل کار:
1- از ستون سوم به تعداد محدوده ها (در این مثال 10) سلول خالی را انتخاب می نماییم.
2-در محل فرمول نویسی کلیک کرده و فرمول :
=frequency(A2:A101,B2:B11)
را تایپ نموده و سپس Ctrl+Shift+Enter را فشار می دهیم تا فرمول برای همه سلول های خالی انتخاب شده محاسبه گردد.

برای دانلود فایل این مثال میتوانید بر لینک زیر کلیک نمایید.


نویسنده: سیاوش محمدپور

لطفا در صورت استفاده، امانت داری را رعایت نموده و منبع را ذکر نمایید.

اشتراک گزاري


Econometric Analysis of Cross Section and Panel Data

این کتاب بیشتر در سطح کارشناسی ارشد و دکتری در دانشگاه های معتبر جهان تدریس می شود. تمرکز اصلی این کتاب بیشتر بر روی داده های مقطعی و داده های تابلویی معطوف می باشد. اکثر مثال های کتاب در مورد کاربرد داده های تابلویی و مقطعی در اقتصاد خرد می باشد. 


دانلود کتاب اقتصاد سنجی تحلیل داده های مقطعی و داده های تابلویی(پانل دیتا)


پسورد: econometrics.blogfa.com

اشتراک گزاري
دوشنبه بیست و چهارم بهمن 1390 :: 23:3 ::  نويسنده : سیاوش محمدپور

انواع داده­هايي كه عموماً براي تحليل­هاي تجربي به كار برده مي­شوند، در سه گروه مورد بحث و بررسي قرار مي­گيرند:

داده­های سری زمانی[1]

داده­هاي مقطعي[2]

داده­هاي تلفيقي سري زماني و مقطعي[3]

در داده­هاي سري زماني مقادير يك يا چند متغير را طي يك دوره زماني مشاهده مي­كنيم (براي مثال GDP طي چند فصل يا چند سال). در داده­هاي مقطعي، مقادير يك يا چند متغير براي چند واحد يا مورد نمونه­اي در يك زمان يكسان جمع­­آوري مي­شود (براي مثال نرخ­هاي جرم و جنايت براي  سي استان ايران  در در يک سال معين).

داده­های تابلویی ترکیبی از داده­های مقطعی و سری زمانی می­باشد، یعنی اطلاعات مربوط به داده­های مقطعی در طول زمان مشاهده می­شود. بدین­صورت که چنین داده­هایی دارای دو بعد می باشند که یک بعد آن مربوط به واحدهای مختلف در هر مقطع زمانی خاص است و بعد دیگر آن مربوط به زمان می­باشد. در مجموع، داده­­های پانلي دارای مزایای فراوانی نسبت به داده­های مقطعی یا سری زمانی هستند که برخي از مهمترین آنها عبارتند از:

داده­هاي مقطعي و سري زماني صرف، ناهمساني­هاي فردي را لحاظ نمي­کنند، لذا ممکن است که تخمين تورش­داري به دست دهند، در حالي که در روش پانل مي­توان با لحاظ کردن متغيرهاي مخصوص انفرادي[4] اين ناهمساني­ها را لحاظ كرد.

 داده­هاي تابلویی داراي اطلاعات بيشتر، تغييرپذيري بيشتر، همخطي کمتر، درجه آزادي بالاتر و کارايي بالاتر نسبت به سري زماني و داده­هاي مقطعي مي­باشند. به خصوص اينکه يکي از روشهاي کاهش همخطي، ترکيب داده­هاي مقطعي و زماني به صورت داده­هاي تابلويي مي­باشد.

با مجموعه داده­های تابلویی، می­توان اثراتی را شناسائی و اندازه­گیری کرد که در داده­های مقطعی محض یا سری زمانی خالص قابل شناسائی نیست. گاهی استدلال می­شود داده­های مقطعی، رفتارهای بلندمدت را نشانمی­دهند، در حالی که در داده­های سری زمانی براثرات کوتاه­مدت تأکید می­شود. با ترکیب این دو خصوصیت در داده­های تابلویی، که خصوصیت متمایز پانل دیتاست، ساختار عمومی­تر و پویاتری را می­توان تصریح و برآورد کرد(اشرف­زاده و مهرگان، 1387، ص 41 (.

داده­هاي تابلويي که بر حسب بنگاه­ها، خانوارها و افراد جمع آوري مي­شوند، ممکن است دقيق­تر از داده­هاي مشابه اندازه­گيري شده در سطح کلان باشند. بنابراين، تورشي که ممکن است در داده­هاي کلان حاصل شود، در داده­هاي تابلويي حداقل مي­گردد (Baltagi ,2005, P.4-7).

داده­هاي پانلی از طريق فراهم کردن تعداد داده­هاي زياد، تورش را پائين مي­آورد(Gujarati, 2004, p.638).

مطالعه مشاهدات به صورت داده­هاي پانلی، وضعيت بهتري براي مطالعه و بررسي پويايي تغييرات نسبت به سري زماني و مقطعي داراست.


[1]- Time Series Data.

[2]- Cross Section Data.

[3]- Panel Data.

[4]- Individual Specific.

موضوع: پنل دیتا، پانل دیتا، داده های تابلویی

نویسنده: سیاوش محمدپور

لطفا در صورت استفاده، امانت داری را رعایت نموده و منبع را ذکر نمایید.

 


اشتراک گزاري

Nonlinear Time Series Models in Empirical Finance

by

Philip Hans Franses and Dick van Dijk

Published by Cambridge University Press (June 2000)

  

سری های زمانی غیر خطی

Outline

In this book we discuss nonlinear time series models for financial time series, which can be used for generating out-of-sample forecasts for returns and volatility. The reason for considering nonlinear models is the observation that many financial time series display typical nonlinear characteristics, as documented in the first two chapters. Important examples of those features are the occasional presence of (sequences of) aberrant observations and the possible existence of regimes within which returns and volatility display different dynamic behaviour. Through an extensive forecasting experiment (for a wide range of daily data on stock markets and exchange rates), we also demonstrate that linear time series models do not yield reliable forecasts. Of course, this does not automatically imply that nonlinear time series models would, but, as we argue in this book, it can be worth a try. As there is a host of possible nonlinear time series models, we decide to review in Chapters 3, 4 and 5, the, what we believe, currently most relevant ones and the ones that are most likely to persist as practical descriptive and forecasting devices.

In Chapter 3, we discuss several regime-switching models such as the self-exciting threshold model, the smooth transition model and the Markov switching model. In this chapter we confine the analysis to the returns on financial assets, although they can also be considered for measures of risk (or volatility) like squared or absolute returns. We consider tools for specifying, estimating, evaluating and forecasting with these models. Illustrations for several empirical series show that these models could be quite useful in practice.

In Chapter 4, we consider similar kinds of regime-switching models for unobserved volatility, which in fact amount to various extensions of the basic GARCH model. This well-known and often applied model exploits the empirical regularity that aberrant observations in financial time series appear in clusters (thereby indicating periods of high volatility), and hence that out-of-sample forecasts for volatility can be generated. The models in Chapter 4 mainly challenge the assumption in the basic GARCH model that the model parameters are constant over time and/or that positive and negative news have the same impact on subsequent volatility. Indeed, the empirical analysis in this chapter shows that a relaxation of these assumptions seems worthwhile to consider. Again, we discuss tools for specification, estimation and evaluation, and we outline how out-of-sample forecasts can be generated and evaluated.

Finally, in Chapter 5, we deal with a currently fashionable class of models, that is, with artificial neural networks. In contrast to the prevalent strategy in the empirical finance literature (which may lead people to believe that these models are merely a passing fad), we decide to `open up the black box', so to say, and to explicitly demonstrate how and why these models can be useful in practice. Indeed, the empirical applications in this chapter suggest that neural networks can be quite useful for out-of-sample forecasting and for recognizing a variety of patterns in the data.

یکی از کتاب های بسیار مفید در زمینه اقتصاد سنجی سری های زمانی غیر خطی می باشد. این کتاب شاملمباحثی در مورد روش هایی همچون روش خود رگرسیونی انتقال ملایم(STARروش مارکوف سوئیچینگ، شبکه های عصبی و روشهای مختلف نا همسانی واریانس(GARCH) می باشد. 

دانلود کتاب اقتصاد سنجی سری های زمانی غیر خطی

پسورد: econometrics.blogfa.com

اشتراک گزاري

در این قسمت نحوه بدست آوردن ارزش احتمال برای مقداری خاصی از آماره chi2 و F توضیح داده میشود:

CHIDIST(x,df)

که در فرمول بالا x بیانگر مقدار آماره  chi2 و df نشان دهنده درجه آزادی می باشد. 

FDIST(x,df1,df2)

که در فرمول بالا x بیانگر مقدار آماره F و df1 نشان دهنده درجه آزادی صورت و df2 نشان دهنده درجه آزادی مخرج می باشد.

نویسنده: سیاوش محمدپور

لطفا در صورت استفاده، امانت داری را رعایت نموده و منبع را ذکر نمایید.

اشتراک گزاري
جمعه بیست و یکم بهمن 1390 :: 11:3 ::  نويسنده : سیاوش محمدپور

کتاب اقتصادسنجی گجراتی یکی از معتبرترین منابع درسی اقتصادسنجی در اکثر دانشگاه های جهان می باشد. این کتاب معمولا در سطح کارشناسی و  گاهی اوقات در کارشناسی ارشد تدریس می شود. این کتاب به فارسی نیز ترجمه شده است و به راحتی از کتاب فروشی ها قابل تهیه است. پاورپوینت این کتاب به زبان فارسی را می توانید با کلیک بر لینک زیر دانلود نمایید.


دانلود پاورپوینت کتاب اقتصادسنجی گجراتی(Gujarati)

اشتراک گزاري
بدست آوردن مقدار ارزش احتمال برای مقدار خاصی از آماره t :


TDIST(x,df,tails)

که در فرمول بالا x بیانگر مقدار آماره t و df نشان دهنده درجه آزادی می باشد. tails نیز میتواند دو مقدار 1 و 2 را اختیار کند و نشان دهنده یک طرفه و یا دوطرفه بودن توزیع می باشد.

1
2
3
4
5
6
AB
مقادیرتوضیحات
1.959999998مقدار آماره 
60درجه آزادی
فرمول هانتایج
=TDIST(A2,A3,2) (0.054644927) توزیع دو طرفه 
=TDIST(A2,A3,1) (0.027322464) توزیع یک طرفه


نویسنده: سیاوش محمدپور

لطفا در صورت استفاده، امانت داری را رعایت نموده و منبع را ذکر نمایید.


اشتراک گزاري
پنجشنبه بیستم بهمن 1390 :: 0:0 ::  نويسنده : سیاوش محمدپور

سیمز(1990) برای تخمین مدل VAR روشی را پیشنهاد می­کند که شامل دو مرحله است: مرحله­ی اول تعیین متغیرهایی است که باید وارد مدل شود و مرحله­ی دوم تعیین تعداد وقفه­های مناسب مدل VAR می­باشد. انتخاب متغیرهایی که می­بایست در مدل وارد شوند بر اساس تئوریهای رایج اقتصادی صورت می­پذیرد. آزمون­های تعیین طول وقفه نیز به منظور تعیین وقفه­ی بهینه مورد استفاده قرار می­گیرد. نکته قابل توجه آن است که در مدل­های VAR هیچ تلاشی در جهت حذف و یا کاهش پارامترهای موجود در مدل صورت نمی­گیرد. در مدل ماتریس مربوط به عرض از مبدا مشتمل بر n پارامتر بوده و هر یک از ماتریس­های ضرایب نیز  n2پارامتر دارند؛ لذا لازم است در مجموع n+pn2 پارامتر برآورد شود(p: تعداد وقفه و n تعداد متغیرهاست). بدون شک تعداد پارامترهای مدل بیش از اندازه است؛ چرا که بسیاری از پارامترهای برآورد شده در مدل از نطر آماری معنی­ دار نیستند. اما هدف از تخمین این مدل­ها حصول به روابط متقابل اساسی میان متغیرهاست و نه بدست آوردن پیش­بینی­های دقیق کوتاه­مدت. لذا قیود نادرست بر مدل، موجب از دست رفتن اطلاعات مهم خواهد شد. بعلاوه، در این مدل­ها، متغیرهای توضیحی عموما دارایهم­خطی شدیدی با یکدیگر هستند و لذا آماره t مربوط به تک تک ضرایب، ابزار مطمئنی برای حذف و یا کاهش متغیرها به شمار نمی­آید(Enders, 2004, P.270).  

نویسنده: سیاوش محمدپور

لطفا در صورت استفاده، امانت داری را رعایت نموده و منبع را ذکر نمایید.

اشتراک گزاري
چهارشنبه نوزدهم بهمن 1390 :: 23:51 ::  نويسنده : سیاوش محمدپور

Stata is a general-purpose statistical software package created in 1985 by StataCorp. It is used by many businesses and academic institutions around the world. Most of its users work in research, especially in the fields of economicssociologypolitical sciencebiomedicine andepidemiology

نرم افزار استاتا یکی از پر کاربردترین نرم افزارهای آماری می باشد که در رشته اقتصاد نیز از آن بسیار استفاده می شود. نسخه 12.0 این نرم افزار در زیر برای دانلود گذاشته شده است. فایل زیر پرتایل بوده و نیاز به نصب ندارد.


دانلود نرم افزار استاتا 12.0(Stata 12.0 Portable)

اشتراک گزاري

EViews Enterprise Edition نام نرم افزاری حرفه ای برای اساتید و دانشجویان رشته اقتصاد می باشد که به وسیله آن می توانند در زمینه های مختلفی همچون اقتصاد سنجی ،  آن هم با روش های کاملا جدید و به روز دنیا فعالیت کنند . این نرم افزار که اولین نسخه آن توسط بانک جهانی به منظور تحلیل بر امور اقتصادی ارائه شده بود تاکنون توانسته است جایگاه خود را در میان اقتصادانان به خوبی باز کرده و از نرم افزارهای معروف در این رشته محسوب شود. این برنامه محصولی از Quantitative Micro Software می باشد.

ویژگی های این برنامه : 
1- محاسبه سری های زمانی و ایجاد آن ها
2- تخمین های خطی و غیرخطی سیستم معادلات ساده و سیستم معادلات همزمان
3- رسم نمودارهای پراکنش دایره ای و میله ای و نقطه ای و دیگر نمودارهای کاربردی
4- ایجاد بانک های اطلاعاتی
5- تخمین مدل های اقتصادی به روش های MLE,Probit,Logit,3SLS,2SLS,TSLS,OLS,GLS که البته الگوریتم وبرنامه ای که برای روش MLE نوشته شده است از کارایی کاملی برخوردار نیست و خطاهایی در تخمین مدل های غیر خطی دارد.
6- استفاده از ماتریس ها و توابع موجود در داخل نرم افزار
7- تخمین مدل های اقتصادی با روش های VAR و VECM
8- امکان تبادل اطلاعات با دیگر نرم افزارهای تحت ویندوز
9- ایجاد بانک های اطلاعاتی
10- آزمون های مختلف جهت دقت تخمین ها و بررسی وجود خطا، همبستگی، شکست ساختاری و ...
11- امکان برنامه نویسی در محیط نرم افزار برای تحلیل سیستم های کلان اقتصادی

توجه: این نرم افزار پرتابل بوده و نیاز به نصب ندارد.

دانلود نرم افزار Eviews 6.0

اشتراک گزاري

جوهانسن (1995) بیان می­کند که یکی از فروضی که به اشتباه در مباحث هم­انباشتگی وجود دارد این است که تمامی متغیرها باید از درجه انباشتگی یکسانی برخوردار باشند. وی یادآور می­شود که هر دوی متغیرهای پایا و روند-پایا(انباشته از درجه 1) می­توانند در تحلیل­های هم­انباشتگی وارد شوند. البته این امر مشروط بوده و بستگی به تعداد متغیرهای انباشته از درجه­ی یک دارد. در یک معادله با متغیرهای پایا(I(0)) و روند-پایا(I(1)) ضروری است که حداقل دو متغیر I(1) وجود داشته باشد تا ترکیب خطی این دو متغیر یک متغیر پایا باشد و بتواند در کنار متغیرهای پایا یک متغیر پایا را تولید کند. به عبارت دیگر در صورتی که تنها یک متغیر انباشته از درجه­ی یک در معادله وجود داشته باشد امکان وجود رابطه­ی هم­انباشتگی بین متغیرهای مدل، وجود نخواهد داشت و لازم است که تعداد این متغیرها بیش از یک باشد.

لوتکیپول[1] و کراتزیگ[2](2004) در توضیح هم­انباشتگی، بیان می­کند که اگر متغیرها دارای روند تصادفی بوده و یا به عبارت دیگر I(1) باشند، درصورتی این متغیرها هم­انباشته خواهند بود که یک ترکیب خطی از این متغیرها وجود داشته باشد که آن ترکیب خطی پایا باشد. این مفهوم قابل تعمیم به حالتی است که متغیرهای مدل از درجه­ی انباشتگی صفر و یک باشند. در این حالت نیز اگر ترکیب خطی متغیرهای مدل یک متغیر I(0) باشد گفته می­شود که متغیرها هم­انباشته هستند.

همچنین ایشان یادآور می­شوند که مدل تصحیح خطای برداری برای مدل­هایی مناسب است که تعدادی از متغیرهای حاضر در مدل، انباشته از درجه­ی یک باشند. به عبارت دیگر، در صورتی که متغیرهای مدل، هم­انباشته باشند، امکان استفاده از این مدل برای ترکیبی از متغیرهای I(0)  و I(1) وجود دارد.



[1] .Lutkepohl

[2] .Kratzig


نویسنده: سیاوش محمدپور

لطفا در صورت استفاده، امانت داری را رعایت نموده و منبع را ذکر نمایید.

اشتراک گزاري
دوشنبه هفدهم بهمن 1390 :: 21:51 ::  نويسنده : سیاوش محمدپور
Introductory Econometrics for Finance

Introductory Econometrics for Finance

2nd Edition
  • Chris Brooks, ICMA
  • Paperback
  • ISBN:9780521694681
  • Publication date:May 2008
  • 672pages



This best-selling textbook addresses the need for an introduction to econometrics specifically written for finance students. Key features: • Thoroughly revised and updated, including two new chapters on panel data and limited dependent variable models • Problem-solving approach assumes no prior knowledge of econometrics emphasising intuition rather than formulae, giving students the skills and confidence to estimate and interpret models • Detailed examples and case studies from finance show students how techniques are applied in real research • Sample instructions and output from the popular computer package EViews enable students to implement models themselves and understand how to interpret results • Gives advice on planning and executing a project in empirical finance, preparing students for using econometrics in practice • Covers important modern topics such as time-series forecasting, volatility modelling, switching models and simulation methods • Thoroughly class-tested in leading finance schools. Bundle with EViews student version 6 available


دانلود کتاب 

اشتراک گزاري
 
 
تمامی حقوق این وبلاگ محفوظ است |طراحی : پیچک