تخمین مدل و استنتاج آماری 22 صفحه + doc

تحقیق تخمین مدل و استنتاج آماری در 22 صفحه word قابل ویرایش با فرمت doc

به صفحه دریافت تخمین مدل و استنتاج آماری خوش آمدید.

امیدواریم که تخمین مدل و استنتاج آماری همان چیزی باشد که نیاز دارید.

تحقیق تخمین مدل و استنتاج آماری در 22 صفحه word قابل ویرایش با فرمت doc

دسته بندی: اقتصاد

فرمت فایل: doc

تعداد صفحات: 22

حجم فایل: 53 کیلو بایت

قسمتی از محتوای فایل و توضیحات:

تحقیق تخمین مدل و استنتاج آماری در 22 صفحه word قابل ویرایش با فرمت doc

تخمین مدل و استنتاج آماریبررسی ایستایی (ساكن بودن) سری های زمانی

قبل از تخمین مدل، به بررسی ایستایی می پردازیم. می توان چنین تلقی نمود كه هر سری زمانی توسط یك فرآیند تصادفی تولید شده است. داده های مربوط به این سری زمانی در واقع یك مصداق از فرآیند تصادفی زیر ساختی است. وجه تمایز بین (فرآیند تصادفی) و یك (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است. درست همانطوری كه 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 كنیم. نوعی از فرآیندهای تصادفی كه مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ایستا می باشد.

برای تاكید بیشتر تعریف ایستایی، فرض كنید Yt یك سری زمانی تصادفی با ویژگیهای زیر است:

(1) میانگین

(2) واریانس :

(3) كوواریانس :

(4) ضریب همبستگی :

كه در آن میانگین ، واریانس كوواریانس (كوواریانس بین دو مقدار Y كه K دوره با یكدیگر فاصله دارند، یعنی كوواریانس بین Yt و Yt-k) و ضریب همبستگی مقادیر ثابتی هستند كه به زمان t بستگی ندارند.

اكنون تصور كنید مقاطع زمانی را عوض كنیم به این ترتیب كه Y از Yt به Yt-k تغییر یابد. حال اگر میانگین، واریانس، كوواریانس و ضریب همبستگی Y تغییری نكرد، می توان گفت كه متغیر سری زمانی ایستا است. بنابراین بطور خلاصه می توان چنین گفت كه یك سری زمانی وقتی ساكن است كه میانگین، واریانس، كوواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باقی بماند و مهم نباشد كه در چه مقطعی از زمان این شاخص ها را محاسبه می كنیم. این شرایط تضمین می كند كه رفتار یك سری زمانی، در هر مقطع متفاوتی از زمان، همانند می باشد.

آزمون ساكن بودن از طریق نمودار همبستگی و ریشه واحد

یك آزمون ساده برای ساكن بودن براساس تابع خود همبستگی (ACF) می باشد. (ACF) در وقفه k با نشان داده می شود و بصورت زیر تعریف می گردد.

از آنجاییكه كوواریانس و واریانس، هر دو با واحدهای یكسانی اندازه گیری می‌شوند، یك عدد بدون واحد یا خالص است. به مانند دیگر ضرایب همبستگی، بین (1-) و (1+) قرار دارد. اگر را در مقابل K (وقفه ها) رسم نماییم، نمودار بدست آمده، نمودار همبستگی جامعه نامیده می شود. از آنجایی كه عملاً تنها یك تحقق واقعی (یعنی یك نمونه) از یك فرآیند تصادفی را داریم، بنابراین تنها می‌توانیم تابع خود همبستگی نمونه، را بدست آوریم. برای محاسبه این تابع می‌بایست ابتدا كوواریانس نمونه در وقفه K و سپس واریانس نمونه را محاسبه نماییم.


فهرست مطالب:

بررسی ایستایی (ساكن بودن) سری های زمانی

ضریب همبستگی :

تغییرات ساختاری و آزمون ریشه واحد پرونرگرسیون ساختگیهم انباشتگی (هم جمعی)- آزمون هم انباشتگی (هم جمعی)- آزمون همگرایی جوهانسن مو جوسیلیوسمروری بر الگوهای اقتصاد سنجی پولیالگوهای كینزیالف- نگرشی كوتاه بر مبنای نظری در الگوهای كینزیب- مروری بر الگوی FRB-MIT

 


از این که از سایت ما اقدام به دانلود فایل ” تخمین مدل و استنتاج آماری ” نمودید تشکر می کنیم

هنگام دانلود فایل هایی که نیاز به پرداخت مبلغ دارند حتما ایمیل و شماره موبایل جهت پشتیبانی بهتر خریداران فایل وارد گردد.

فایل – تخمین مدل و استنتاج آماری – با برچسب های زیر مشخص گردیده است:
تخمین مدل و استنتاج آماری;دانلود تحقیق تخمین مدل و استنتاج آماری;دانلود مقاله تخمین مدل و استنتاج آماری;تحقیق تخمین مدل و استنتاج آماری;مقاله تخمین مدل و استنتاج آماری;دانلود مقاله;دانلود پژوهش;دانلود تحقیق

مقاله تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی 22 صفحه + doc

مقاله تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی در 22 صفحه ورد قابل ویرایش

به صفحه دریافت مقاله تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی خوش آمدید.

امیدواریم که مقاله تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی همان چیزی باشد که نیاز دارید.

مقاله تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی در 22 صفحه ورد قابل ویرایش

دسته بندی: آمار

فرمت فایل: doc

تعداد صفحات: 22

حجم فایل: 46 کیلو بایت

قسمتی از محتوای فایل و توضیحات:

مقاله تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی در 22 صفحه ورد قابل ویرایش

تخمین مدل و استنتاج آماری

بررسی ایستایی (ساكن بودن) سری های زمانی[1]

قبل از تخمین مدل، به بررسی ایستایی می پردازیم. می توان چنین تلقی نمود كه هر سری زمانی توسط یك فرآیند تصادفی تولید شده است. داده های مربوط به این سری زمانی در واقع یك مصداق از فرآیند تصادفی زیر ساختی است. وجه تمایز بین (فرآیند تصادفی) و یك (مصداق) از آن، همانند تمایز بین جامعه و نمونه در داده های مقطعی است. درست همانطوری كه 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 كنیم. نوعی از فرآیندهای تصادفی كه مورد توجه بسیار زیاد تحلیل گران سریهای زمانی قرار گرفته است فرآیندهای تصادفی ایستا می باشد.

برای تاكید بیشتر تعریف ایستایی، فرض كنید Yt یك سری زمانی تصادفی با ویژگیهای زیر است:

(1) : میانگین

(2) واریانس :

(3) كوواریانس :

(4) ضریب همبستگی :

كه در آن میانگین ، واریانس كوواریانس (كوواریانس بین دو مقدار Y كه K دوره با یكدیگر فاصله دارند، یعنی كوواریانس بین Yt و Yt-k) و ضریب همبستگی مقادیر ثابتی هستند كه به زمان t بستگی ندارند.

اكنون تصور كنید مقاطع زمانی را عوض كنیم به این ترتیب كه Y از Yt به Yt-k تغییر یابد. حال اگر میانگین، واریانس، كوواریانس و ضریب همبستگی Y تغییری نكرد، می توان گفت كه متغیر سری زمانی ایستا است. بنابراین بطور خلاصه می توان چنین گفت كه یك سری زمانی وقتی ساكن است كه میانگین، واریانس، كوواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باقی بماند و مهم نباشد كه در چه مقطعی از زمان این شاخص ها را محاسبه می كنیم. این شرایط تضمین می كند كه رفتار یك سری زمانی، در هر مقطع متفاوتی از زمان، همانند می باشد[2].
آزمون ساكن بودن از طریق نمودار همبستگی و ریشه واحد[3]

یك آزمون ساده برای ساكن بودن براساس تابع خود همبستگی (ACF) می باشد. (ACF) در وقفه k با نشان داده می شود و بصورت زیر تعریف می گردد.

از آنجاییكه كوواریانس و واریانس، هر دو با واحدهای یكسانی اندازه گیری می‌شوند، یك عدد بدون واحد یا خالص است. به مانند دیگر ضرایب همبستگی، بین (1-) و (1+) قرار دارد. اگر را در مقابل K (وقفه ها) رسم نماییم، نمودار بدست آمده، نمودار همبستگی جامعه نامیده می شود. از آنجایی كه عملاً تنها یك تحقق واقعی (یعنی یك نمونه) از یك فرآیند تصادفی را داریم، بنابراین تنها می‌توانیم تابع خود همبستگی نمونه، را بدست آوریم. برای محاسبه این تابع می‌بایست ابتدا كوواریانس نمونه در وقفه K و سپس واریانس نمونه را محاسبه نماییم.

كه همانند نسبت كوواریانس نمونه به واریانس نمونه است. نمودار در مقابل K نمودار همبستگی نمونه نامیده می شود. در عمل وقتی مربوط به جامعه را ندایم و تنها را براساس مصداق خاصی از فرآیند تصادفی در اختیار داریم باید به آزمون فرضیه متوسل شویم تا بفهمیم كه صفر است یا خیر. بارتلت (1949)[4] نشان داده است كه اگر یك سری زمانی كاملاً تصادفی یعنی نوفه سفید باشد، ضرایب خود همبستگی نمونه تقریباً دارای توزیع نرمال با میانگین صفر و واریانس می باشد كه در آن n حجم نمونه است. براین اساس می توان یك فاصله اطمینان، در سطح 95 درصد ساخت. بدین ترتیب اگر تخمینی در این فاصله قرار گیرد، فرضیه(=0) را نمی توان رد كرد. اما اگر تخمینی خارج از این فاصله اعتماد قرار گیرد می توان صفر بودن را رد كرد.

آزمون دیگری نیز بصورت گسترده برای بررسی ایستایی سریهای زمانی بكار می‌رود كه به آزمون ریشه واحد معروف است. برای فهم این آزمون مدل زیر را در نظر بگیرید[5]:

Yt = Yt-1+Ut

Ut جمله خطای تصادفی است كه فرض می شود بوسیله یك فرآیند تصادفی مستقل (White Noise) بوجود آمده است. (یعنی دارای میانگین صفر، واریانس ثابت و غیر همبسته می باشد).

خواننده می تواند تشخیص دهد كه معادله فوق، یك معادلخ خود رگرسیون مرتبه اول یا AR(1) می باشد. در این معادله مقدار Y در زمان t بر روی مقدار آن در زمان (t-1) رگرس شده است. حال اگر ضریب Yt-1 برابر یك شود مواجه با مساله ریشه واحد می شویم. یعنی این امر بیانگر وضعیت غیر ایستایی سری زمانی Yt می باشد. بنابراین اگر رگرسیون زیر را اجرا كنیم:
مروری بر الگوهای اقتصاد سنجی پولی

به طور كلی الگوهای اقتصاد سنجی در مورد نقش پول در اقتصاد، براساس دو دیدگاه كنیزینها و پولیون تنظیم شده است، كه پایه ریزی هر یك با توجه به زیربنای تئوریك آنان انجام شده و در نتیجه هر كدام دارای ویژگیهای خاص خود می باشند. برای مثال اساس الگوهای پولی بر تعیین نرخ رشد پول هدفمند استوار است. در واقع، اقتصاد دانان پولی، با توجه به تاخیرهای زمانی كه در اثرگذاری سیاستهای پولی و نیز نا اطمینانی در میزان و نحوه اثر گذاری وجود دارد، معتقدند كه حجم پول می بایست براساس قاعده و به طور هدفمند تغییر كند.

در مقابل، در الگوهای كنیزینها بیشترین تاكید بر نرخ بهره صورت می گیرد و این متغیر را عامل ربط دهنده بین تمامی بازارها تلقی می كنند. این گروه از اقتصاددانان، ضمن آنكه وضعیت اقتصاد را در كوتاه مدت مورد بررسی قرار می دهند، عقیده دارند كه تغییر در حجم پول می باید براساس عمق و شدت اختلالهای به وجود آمده در اقتصاد، اتخاذ شود.

در اینجا بمنظور آشنایی بیشتر، دو نمونه از این الگوها كه براساس دیدگاه های دو مكتب یاد شده تنظیم گشته اند، ارائه می شود. در این راستا الگوی FRB-MIT به عنوان الگویی كه منعكس كننده دیدگاه كینزی است، و سپس الگوی St.Louis كه براساس دیدگاه پولیون استوار شده است، معرفی خواهد شد.
الگوهای كینزی
الف- نگرشی كوتاه بر مبنای نظری در الگوهای كینزی

یكی از خصوصیات الگوهای نئوكینزی، در مورد مكانیزم اثر گذاری سیاستهای پولی آن است كه در این الگوها، ارتباط غیر مستقیم بین یپول و تقاضای كلی وجود دارد. به طوری كه، تیغیرات در حجم پول با ایجاد تغییرات در سطح نرخ بهره، منجر به نوسان و واكنش در تقاضای كل می گردد.

 


از این که از سایت ما اقدام به دانلود فایل ” مقاله تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی ” نمودید تشکر می کنیم

هنگام دانلود فایل هایی که نیاز به پرداخت مبلغ دارند حتما ایمیل و شماره موبایل جهت پشتیبانی بهتر خریداران فایل وارد گردد.

فایل – مقاله تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی – با برچسب های زیر مشخص گردیده است:
تحقیق تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی;پژوهش تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی;مقاله تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی;دانلود تحقیق تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن) سری های زمانی;تخمین مدل و استنتاج آماری بررسی ایستایی (ساكن بودن