تحلیل وابستگی و استقلال داده‌ها در مدل‌های اقتصادسنجی با استفاده از مفاهیم تقریب (Approximation)

تحلیل وابستگی و استقلال داده‌ها در مدل‌های اقتصادسنجی با استفاده از مفاهیم تقریب (Approximation)

زهرا ثنایی1

1) دانشجو کارشناسی ارشد ریاضیات کاربردی-جبر، دانشگاه خلیج فارس بوشهر

کد IOI مقاله : AAHA-ABZFDC
محل انتشار : پنجمین کنگره بین المللی مدیریت، اقتصاد، علوم انسانی، آموزش و پرورش و توسعه کسب و کار(5icmba.ir)
چکیده :
    این پژوهش به بررسی عمیق تأثیر نقض فرض استقلال مشاهدات در مدل‌های اقتصادسنجی و راه‌حل‌های مبتنی بر تقریب‌های آماری و عددی می‌پردازد. فرض استقلال و توزیع مستقل یکسان (i.i.d.) یکی از پایه‌های اصلی استنتاج کلاسیک است، اما در داده‌های سری زمانی، پانل و فضایی این فرض به شدت نقض می‌شود. در این مطالعه ابتدا مبانی ریاضی وابستگی زمانی (ARMA، GARCH)، وابستگی مقطعی (Cluster Correlation) و وابستگی فضایی (SAR، SEM) مرور شده و سپس با استفاده از تقریب‌های مختلف شامل تقریب نرمال مرکزی، استیماتورهای HAC، بوت‌استرپ بلوکی (Moving Block، Stationary، Circular)، بوت‌استرپ وحشی (Wild)، جک‌نایف و روش‌های غیرپارامتریک کرنل، کارایی هر روش در اصلاح توزیع آماره‌های آزمون، خطای استاندارد و پوشش فاصله اطمینان بررسی گردید. شبیه‌سازی مونت‌کارلو با ۱۰۰۰۰ تکرار و داده‌های واقعی بازار سرمایه ایران (شاخص کل و ۵۰ شرکت بزرگ بورسی، ۱۳۹۴–۱۴۰۴) انجام شد. نتایج نشان داد که در حضور خودهمبستگی قوی (ρ ≥ ۰.۷) و ناهمسانی واریانس شرطی، روش‌های بوت‌استرپ بلوکی با انتخاب بهینه طول بلوک (l = T^(1/3)) و Stationary Bootstrap با پارامتر متوسط ماندگاری p ≈ ۰.۱، بهترین عملکرد را در کنترل اندازه آزمون (نزدیک به ۵%) و بالاترین توان را دارند. همچنین در داده‌های پانل با وابستگی مقطعی و زمانی همزمان، ترکیب Driscoll-Kraay با بوت‌استرپ جفتی (Pairwise Cluster Bootstrap) پوشش واقعی فاصله اطمینان را به ۹۴–۹۶% رساند. یافته‌ها تأکید می‌کنند که نادیده گرفتن وابستگی و اتکای صرف به تقریب نرمال مرکزی در اقتصاد ایران منجر به استنتاج‌های به شدت گمراه‌کننده می‌شود.

کلمات کلیدی : وابستگی داده‌ها استقلال مشاهدات تقریب آماری بوت‌استرپ بلوکی استیماتور hac