ژانویه 27, 2021

تحقیق – تعیین شوک‏های سیاست های پولی بر شاخص قیمت سهام در شرکت های پذیرفته …

که آمار مورد نیاز برای محاسبه این متغیر از مجموعه آماری بانک مرکزی و مرکز آمار ایران و بانک جهانی گردآوری میشود.
۳-۹- روش شناختی آماری و انواع آزمونهای مورد استفاده در پژوهش
انواع دادهها به سه دسته شامل دادههای سری زمانی، دادههای مقطعی و دادههای ترکیبی (مقطعی و سری زمانی)، تقسیم پذیر هستند. دادههای سری زمانی دادههایی هستند که در طی یک دوره زمانی جمعآوری میشوند. چنین دادههایی میتوانند در فواصل منظم مانند روزانه، هفتگی، ماهانه و سالانه گردآوری شوند. دادههای مقطعی براساس یک یا چند متغیر در یک زمان مشخص جمعآوری میشوند. دادههای ترکیبی شامل دادههای مقطعی برای زمانهای مختلف است. در این پژوهش از دادههای سری زمانی برای برآورد الگو پژوهش استفاده شده است. (گجراتی، ۱۳۸۷).
۳-۹-۱- سریهای زمانی
الگوهای سری زمانی سعی میکنند رفتار یک متغیر را براساس مقادیر گذشته آن متغیر و احتمالاً مقادیر گذشته سایر متغیرها توضیح دهند. این الگوها قادرند حتی در مواردی که الگوهای اقتصادی زیرساختی نامشخص دارند، پیشبینیهای دقیقی از متغیر موردنظر ارائه دهند. این الگوها برخلاف الگوهای اقتصادسنجی که از اطلاعات مربوط به نظریههای اقتصادی و دادههای آماری سود میجویند، تنها از اطلاعات مربوط به دادههای آماری استفاده میکنند و توجهی به مبانی نظری تئوریهای اقتصادی ندارند. الگوهای سری زمانی که تنها مقادیر فعلی یک متغیر را به مقادیر گذشته آن و مقادیر خطاهای حال و گذشته ارتباط میدهند، الگوهای سری زمانی تک متغیری نام دارند و فرآیندهای خودتوضیح نمونهای از این الگوها به شمار میآیند.
در اغلب سریهای زمانی اقتصاد کلان این تمایل وجود دارد که متغیرهای اقتصادی، همجهت با یکدیگر حرکت کنند و علت این امر وجود روندی است که در تمامی آنها مشترک است. چنانچه متغیرهای سری زمانی که ناپایدار هستند در برآورد ضرایب الگوی مورد استفاده قرار گیرد، ممکن است نتیجه به یک رگرسیون کاذب منجر شود، زیرا در بین متغیرهایی که از روند برخوردارند این گرایش دیده میشود که حتی در مواردی که یک رابطه اقتصادی معنیداری بین آنها وجود ندارد همبستگی شدیدی را نشان دهند و موجب دستیابی به استنباطهای نادرست در مورد ارتباط بین متغیرها شود.
روش سنتی برای اجتناب از بدست آوردن یک ارتباط کاذب بین متغیرهای سری زمانی آن بوده است که متغیر روند زمانی t را در بین متغیرهای مستقل الگو قرار دهند. این روش زمانی میتواند صحیح و قابل قبول باشد که روند زمانی متغیرها از نوع روند قطعی باشد و تصادفی نباشند. وقتی که متغیرهای سری زمانی روند مانا هستند، میتوان با اضافه نمودن یک روند زمانی از بروز رگرسیون کاذب جلوگیری کرد. در عین حال میتوان ابتدا رگرسیونی را با این متغیرها بر روی روند زمانی انجام داد و سپس جملات پسماند آنها را که عاری از روند هستند به عنوان متغیرهای پایا در برآورد ضرایب مورد استفاده قرار داد و به این ترتیب از ایجاد رگرسیون کاذب اجتناب کرد، اما وقتی متغیرهای سری زمانی روند مانا نیستند، اضافه کردن متغیر روند زمانی در بین متغیرها و یا کم کردن روند قطعی از متغیرها موجب پایایی این متغیرها نخواهد شد (نوفرستی، ۱۳۷۸).
۳-۹-۲- آزمون مانایی متغیرها
اغلب الگو های اقتصاد سنجی که در دهه های اولیه مورد استفاده قرار می گرفت، بر فرض مانایی سری های زمانی استوار بود. بعدها که نامانایی اکثر سری های زمانی آشکار شد، به کار گیری سری های زمانی منوط به انجام آزمون های مانایی مربوط گردید. به این دلیل، در این بخش مانایی متغیرها و آزمون مانایی آن مورد بحث قرار می گیرد. متغیرهای اقتصادی اصولاً نامانا و دارای روند تصادفی هستند. ترکیب خطی سری های نامانا نیز در حالت کلی یک سری نامانا است.
پیش از برآورد الگو لازم است مانایی تمام متغیرهای مورد استفاده در تخمین، مورد آزمون قرار گیرد زیرا مانایی متغیرها چه در مورد داده های سری زمانی و چه در مورد داده های تابلویی باعث بروز مشکل رگرسیون مجازی می شود. در داده های سری زمانی آزمون ریشه واحد یکی از معمول‏ترین آزمون‏هایی است که برای تشخیص پایایی یک فرآیند سری زمانی مورد استفاده قرار می‏گیرد. برای آزمون ایستایی از آزمون های دیکی-فولر[۷۴] و دیکی فولر تعمیم یافته[۷۵] استفاده میشود. در تمامی این آزمون ها فروض آن مشترک است، یعنی فرضیۀ H0 بر پایۀ وجود ریشۀ واحد و فرضیۀ H1 بر اساس مانا بودن متغیر استوار است
۳-۹-۳- همجمعی[۷۶]
مفهوم همجمعی، رابطه تعادلی بلندمدت بین دو یا چند متغیر را نشان میدهد. مفهوم اقتصادی همجمعی این است که اگر دو یا چند متغییر یک رابطه تعادلی بلند مدت با هم داشته باشند، حتی اگر مسیر این سری های زمانی در کوتاه مدت از هم منحرف شده باشند، آنها در تعادل بلند مدت نزدیک به هم و در یک جهت حرکت خواهند کرد. وجود هماهنگی در حرکت بین سریهای زمانی ایده ال اصلی همجمعی است. این هماهنگی بین آن است که احتمالا یک رابطه تعادلی بلند مدت بین سریهای زمانی موجود در معادله وجود دارد. اگر چنین باشد متغیرها همجمع بوده و رگرسیون برآورد شده کاذب نیست و آمترههای tوF از اعتبار لازم بر خوردار خواهند بود. نکته قابل توجه این است که اگر لازم باشد یک سری زمانی d بار تفاضلگیری شود تا پایا شود دارای d ریشه واحد است که گفته میشود همجمع از مرتبه d یا I(d) است (نوفرستی، ۱۳۷۸).
۳-۹-۴- معادلات تصحیح خطای برداری[۷۷]
برای بدست آوردن مدل کوتاه‏مدت از الگوهای تصحیح خطا استفاده می‏کنیم. ویژگی این الگوها این است که نوسانات کوتاه‏مدت متغیرها را به مقادیر تعادلی بلندمدت آنها ارتباط می‏دهند و واکنش‏های پویای کوتاه‏مدت موجود بین متغیرهای الگو را نیز در نظر می‏گیرند. مدل کوتاه‏مدت بر مبنای الگوی تصحیح خطای برداری به صورت زیر بدست خواهد آمد. اگر در نتیجه تخمین الگوی بلندمدت، r بردار تعادلی بدست آید، r مکانیزم تصحیح خطای برداری خواهیم داشت که می‏توانند جهت تخمین مدل دینامیکی کوتاه‏مدت مورد استفاده قرار گیرند. بنابراین مدل دینامیکی کوتاه‏مدت به صورت زیر است:
(۳-۵)
: جز اخلال رابطه بلندمدت است که با یک تاخیر ظاهر می‏شود.
۳-۹- ۵- الگوهای خودرگرسیون برداری[۷۸] (VAR)
به طور کلی، الگوهایی که سعی میکنند رفتار یک متغیر را براساس مقادیر گذشته آن متغیر و تعدادی از متغیرهای مختلف دیگر به صورت همزمان توضیح دهند، الگوهای سری زمانی چند متغیره نامیده میشود، الگوی خود توضیح برداری VAR از این جمله میباشد. در واقع زمانی که رفتار چند متغیر سری زمانی را بررسی میکنیم باید به ارتباط متقابل این متغیرها در قالب یک الگوی سیستم معادلات همزمان توجه نماییم. اگر معادلات این الگو شامل وقفههای این متغیرها باشد با یک الگوی سیستم معادلات همزمان پویا مواجه میشویم. در این الگوها شناخت در مورد درونزا بودن و برونزا بودن متغیرها حائز اهمیت میباشد. برای رفع این محدودیت، الگوی خودتوضیح برداری VAR توسط سیمز[۷۹] (۱۹۸۰) بیان شد، به صورت رابطه (۳-۶) میباشد:
(۳-۶)
در یک الگو VAR با متغیر و وقفه بایستی تعداد پارامتر (به غیر از واریانس‏ها) تخمین زده میشود. در صورتی که حجم نمونه به اندازه کافی بزرگ نباشد، تعیین این تعداد زیاد از پارامترها به درجات آزادی زیادی نیاز خواهد داشت. به دلیل حفظ درجه آزادی، الگو‏های VAR معمولاً متغیرهای اندکی (۴ تا ۸ متغیر) را شامل میشوند.
الگوهای VAR دارای مزایای متعددی در مقایسه با الگوهای سری زمانی تک متغیره و یا الگوهای ساختاری معادلات همزمان است که برخی از این مزایا به شرح زیر است:
۱- محققین نیازی به تعیین اینکه کدام متغیر درونزا یا برونزا است، ندارند و تمامی متغیرها درونزا هستند.
۲- مشکل همخطی بین متغیرها وجود ندارد.
۳- قابلیت پیشبینی دارد.
۴- با استفاده از توابع عکسالعمل میتوان تأثیر شوکها را بر روی متغیر موردنظر مشاهده کرد.
۵- با استفاده از تحلیل آنالیز واریانس میتوان درصد تغییرات ایجاد شده به وسیله متغیرها را مشاهده کرد.
محدودیتها و انتقادهایی به الگوی خودرگرسیون برداری وارد شده است. الگوهای VAR همانند الگوهای ARIMA غیر تئوریک است، زیرا، از اطلاعات تئوریکی اندکی در مورد روابط بین متغیرها برای راهنمایی در خصوص تصریح الگو استفاده مینماید. به عبارت دیگر عدم وجود محدودیتهای معتبر که سبب اطمینان از تشخیص معادلات از یک سیستم ساختاری همزمان میشود در ساختار الگو ارائه خواهد شد. نتیجه اینکه VAR قابلیت پاسخگویی کمتری نسبت به تحلیلهای تئوریکی و تجویز سیاستها دارد. همچنین براساس روش VAR احتمال زیادی وجود دارد که یک محقق بتواند رابطه نادرستی را با استفاده از کاوش دادهها به دست آورد. همچنین، غالباً به درستی مشخص نیست که ضرایب برآورد شده VAR چگونه میباید تفسیر شود.
۳-۹-۶- توابع واکنش آنی و تجزیه واریانس
توابع واکنش آنی و تجزیه واریانس، دو ابزار جهت تجزیه و تحلیل و پیشبینی تأثیر متغیرهای توضیحی بر متغیر وابسته هستند. از آنجایی که در الگوهای خودتوضیح برداری، معمولاً بسیاری از ضرایب معنادار نیستند، از این ابزارها جهت تجزیه تحلیل و پیشبینی بلندمدت استفاده میشود.
۳-۹-۶-۱- توابع واکنش آنی IRF
این توابع قادر هستند ما را در شناسایی مسیر زمان متغیر وابسته در الگو VAR به هنگام بروز شوک از ناحیه متغیرهای توضیحی، یاری دهند. اگر سیستم معادلات باثبات باشد، در صورت بروز شوک، به سمت صفر همگرا میشود. اما در صورتی که سیستم بیثبات باشد، ممکن است این شوک در طول زمان حالت واگرا پیدا کند.
در الگو VAR:
(۳-۷)
و تابع واکنش آنی به صورت زیر است:
(۳-۸)
که اگر دوره به آینده انتقال داده شود:
(۳-۹)

برای دانلود متن کامل پایان نامه به سایت  ۴۰y.ir  مراجعه نمایید.