F- لیمر

۱٫۹۴

۰٫۰۰۹۲

رد فرض صفر و تایید برآورد الگو به روش داده ­های ترکیبی

منبع: محاسبات محقق

همانطور که مشاهده می­ شود با توجه به اینکه مقدار آماره آزمون بالا و بیشتر از کمیت بحرانی می­باشد(همچنین مقدار ارزش احتمال نیز کمتر از ۵% می­باشد), بنابراین فرضیه صفر رد می­ شود. به عبارت دیگر برآورد الگو به روش داده ­های ترکیبی تایید می­ شود.

۴-۲-۴٫ بررسی آزمون هاسمن
همان­طور که در فصل پیش اشاره شد، برای تخمین مدل داده ­های ترکیبی، دو روش اثرات ثابت و اثرات تصادفی وجود دارد. تعیین آن­که در مورد یک نمونه از داده ­ها کدام روش باید مورد استفاده قرار گیرد، از طریق آزمون­های خاص خود انجام می­گیرد، که یکی از رایج­ترین آزمون­ها، آزمون هاسمن(۱۹۸۰) است. در این آزمون فرضیه صفر بیانگر این است که بین جمله­ خطا ( که در برگیرنده­ی اثرات فردی است) و متغیرهای توضیحی هیچ ارتباطی وجود ندارد یا به عبارتی مستقل از یکدیگر هستند. در حالی­که فرضیه مقابل به این مفهوم است که بین جمله­ اخلال و متغیرهای توضیحی، همبستگی وجود دارد( اشرف زاده و مهرگان، ۱۳۸۷).
به عبارت دیگر می­توان فرضیه صفر و مقابل آزمون هاسمن به صورت زیر بیان نمود:
بین اجزای اخلال و متغیر­های توضیحی همبستگی وجود ندارد(روش اثرات تصادفی RE) = H₀
بین اجزای اخلال و متغیر­های توضیحی همبستگی وجود دارد (روش اثرات ثابت FE)= H₁
در جدول زیر نتایج حاصل از آزمون هاسمن به منظور تعیین اثرات ثابت یا تصادفی ارائه شده است. براورد مدل با روش داده ­های ترکیبی در هر دو گروه تایید شد. از این رو به بررسی وجود اثرات ثابت یا تصادفی در برآورد مدل می­پردازیم.
جدول(۴-۵) .بررسی وجود اثرات ثابت یا تصادفی برای برآورد مدل

آزمون

آماره

مقدار احتمال

نتیجه

هاسمن

۲٫۵۴

۰٫۰۱۱۹

رد فرض H0 و تایید وجود اثرات ثابت

منبع: یافته­های پژوهش

بر اساس نتایج آزمون هاسمن در جدول ۴-۵ ملاحظه می­ شود که فرض صفر مبنی بر وجود اثرات تصادفی رد و روش اثرات ثابت برای برآورد مدل تایید می­گردد. فرضیه صفر به نفع فرضیه مقابل رد می­ شود.بنابراین روشی که برای تخمین تابع مورد نظر ما انتخاب می­ شود،روش FE می­باشد.
۴-۲-۵٫ برآورد الگو به روش اثرات ثابت
نتایج برآورد الگو طی دوره­ زمانی ۱۳۹۲-۱۳۹۰ در جدول ۴-۶ ارائه شده است.
جدول (۴-۶). برآورد مدل به روش اثرات ثابت در دوره­ زمانی ۱۳۹۰-۱۳۹۲

نام متغیرها

ضرایب

آماره t

مقدار احتمال