تحلیل و بررسی اثر سیاست های پولی و شوک های نرخ ارز بر تراز تجاری  …

تحلیل و بررسی اثر سیاست های پولی و شوک های نرخ ارز بر تراز تجاری …

روش انجام این آزمون به این صورت است که از کمیت آماره آزمون دوربین- واتسون (DW) مربوط به رگرسیون هم جمعی برای این آزمون که آماره دوربین واتسون صفر است، استفاده می شود.
فرضیه صفر و فرضیه مقابل به صورت زیر نوشته می شود:
کمیت های بحرانی مربوط به این آزمون را سارگان و بارگاو[121]ا محاسبه کرده اند. اکنون اگر کمیت آماره آزمون DW مربوط به رگرسیون هم جمعی کمتر از مقادیر بحرانی باشد، فرضیه پذیرفته می شود؛ یعنی جملات اخلال () ناایستا و به صورت گام تصافی است. در نتیجه، متغیرهای الگو موردنظر هم جمع نیستند و یک رابطه ی تعادلی با مفهومی بین آن ها در بلندمدت برقرار نیست.
توجه به این نکته لازم است که مقادیر بحرانی ارائه شده برای آزمونCRDW تنها در مورد جملات اخلال دارای فرآیند مرتبه اول، معتبر است و در مواردی که همبستگی بین جملات اخلال از مرتبه بیش از یک است، معتبر نیست. از آن جا که معمولا همبستگی بین جملات اخلال ممکن است از مرتبه ای بیش از یک باشد، استفاده از آزمون CRDW چندان متداول نیست (نوفرستی، 1387: 88-87).
3-4-3-3 آزمون الگوی همجمعی به روش یوهانسن – جوسیلسیوس
یکی از روش های های همجمعی که به منظور بررسی و تعیین رابطه (روابط) تعادلی بلندمدت میان چند متغیر اقتصادی سری زمانی استفاده می شود، روش یوهانسن – جوسیلسیوس است که در چند سال اخیر به سرعت تبدیل به یک ابزار اساسی در برآورد الگوهای اقتصادی سری زمانی شده است. در این روش تعیین و برآورد بردارهای همجمعی (ضرایب مربوط به روابط تعادلی بلندمدت) میان متغیرها با استفاده از ضرایب الگوی خود توضیح برداری [122] (VAR)صورت می گیرید. ارتباط موجود میان الگوی (VAR) و همجمعی امکان به دست آوردن بردارهای همجمعی از ضرایب الگوی خود توضیح برداری را فراهم می کند. در این روش فرض می شود که داده ها از یک سیستم خود توضیح برداری به صورت زیر تولید می شوند:
+
در رابطه بالا فرض می شود که کلیه متغیرهای بردار و تمامی جملاتی که به صورت جمعی از مرتبه یک I(1) هستند. از آنجایی که جملات اخلال نویز سفید هستند، لازم است که نیز ایستا باشد.
3-4-3-4 آزمون تعیین تعداد بردارهای همگرایی
این آزمون براساس دو آزمون اثر[123] و حداکثر مقدار ویژه[124] انجام می شود. آزمون اثر به بررسی فرض زیر براساس تابع Likelihood زیر می پردازد.
-z Ln
و آزمون حداکثر مقدار ویژه به بررسی فرض زیر براساس تابع بالا می پردازد (صدیقی، لاولرو کاتوس، 2000).
3-5 الگوي خود توضيح برداري (VAR)
در تحليل چند متغيره سري هاي زماني، بايد ارتباط دروني سري هاي زماني بررسي شود.هنگامي که تعداد متغيرهاي مدل بيش از دو باشد، ممکن است بيش از يک بردار هم انباشتگی بين متغيرها وجود داشته باشد. در چنين شرايطي براي اين که ارتباط تمامي متغيرها با يکديگر در نظر گرفته شود بايد به روش هاي ديگري توسل جست و از روش های تک معادله ای نمی توان استفاده کرد. يکي از روش هاي مرسوم براي چنين امري، استفاده از معادلات همزمان است. ويژگي که اين مدل دارد اين است که متغيرهاي با وقفه درون زا به عنوان متغيرهاي از پيش تعيين شده وارد مدل شده اند و به همين دليل به چنين مدلي “مدل معادلات همزمان پويا” مي گويند.
اما در اين مدل با دو مشکل اساسي مواجه هستيم: مشکل اول تقسيم بندي متغيرهاي سري زماني به درون زا [125]و برون زا[126] است و ديگري اعمال قيد و بررسي پارامترهاي مدل به منظور تشخيص و شناسايي الگو است.
سيمز(1980)، با استفاده از قيود اعمال شده براي شناسايي الگوها معتقداست که اين قيود با تئوري اقتصاد پويا سازگاري ندارد. وي مي نويسد: “تئوري اقتصادي فقط در مورد اين که چه متغيرهايي در طرف راست معادلات بايد ظاهر شود سخن مي گويد.” بر مبناي اين روش، گروه متغيرهاي برون زا وجود نداشته و فقط يک دسته معادلات با وقفه هاي مساوي براي همه متغيرها تخمين زده مي شود. سيمز اين روش را خود رگرسيون برداری VAR مي نامد. یکی از خصوصیات مدل بردارهای خودرگرسیونی پایه غیر تئوریک آن است، بر این اساس نیاز به بیان مبانی نظری برای مدل سازی نیست (نوفرستی، 1378).
در الگوی خود توضیح برداری روابط و واکنش میان متغیرهای درون زا و برون زا در قالب سیستمی از معادلات و بطور همزمان بررسی می شود. لذا شکل برداری متغیرها را می توان بصورت کلی زیر بیان کرد (رای و داربها، 2000).
که در آن و به ترتیب، نمایان گر متغییرهای درون زا و برون زا است. عناصر ماتریس مربع A پارامترهای ساختاری متغییرهای درون زای همزمان می باشد و s(L) نمایانگر P ام چند جمله ای در عملگر L است. به عبارت دیگر، است که در آن تمامی جملات S مربع هستند. در مورد بردار Z نیز فرض بر این است که این بردار متشکل از متغیرهای غیر قابل مشاهده می باشد که تلویحاً به صورت میزان اخلال در معادلات ساختار تفسیر می شود. ماتریس نیز واکنش همزمان متغیرهای درون زا را در مقابل تحریکات برون زا اندازه گیری می کند. شکل تقلیل یافته سیستم مذکور به صورت زیر قابل بیان است:
با فرض این که شوک های برون زا فقط دارای اثرات موقتی خواهند بود، معادله شماره (3-28) را می توان بدین صورت نوشت:
که در آن <

برای دانلود فایل متن کامل پایان نامه به سایت 40y.ir مراجعه نمایید.

em>و و بردار جملات پسماند می باشد که فروض کلاسیک را تأمین می کند، به عبارت دیگر اصطلاحاً نوفه سفید[127] است. همچنین، شکل تصحیح خطای برداری (VECM) مدل VAR به صورت زیر می باشد:
که در آنi=1,2,…,p-1 و و (1 است. البته نکته حائز اهمیت در بکارگیری الگوی VAR تعیین تعداد بردارهای همجمعی است. در عمل وقتی k متغیر در الگوی مورد بررسی وجود داشته باشد تعداد بردارهای همجمعی (r) بصورت خواهد بود.
برای تعیین تعداد بردارهای هم جمعی میان متغیرهای مورد مطالعه از آزمون یوهانسن استفاده خواهد شد.
جهت برآود مدل خودرگرسیون برداری به روش یوهانسن انجام مراحل زیر الزامی است.
1- تعیین مرتبه جمعی بودن متغیرها
2- تعیین تعداد وقفه بهینه متغیرها در الگوی تصحیح خطای برداری بطوری که جمله اخلال این الگو اغتشاش سفید (نوفه سفید) و در نتیجه ایستا باشد.
3- بررسی لزوم وارد کردن متغیرهای ایستای از پیش تعیین شده (برون زا) و یا متغیرهای مجازی.
4- تشخیص وجود روند در آمار و بررسی لزوم وارد کردن متغیرهای قطعی مانند عرض از مبدأ و روند زمانی در بردارهای همجمعی.
5- تعیین تعداد بردارهای هم جمعی و یا تعیین رتبه ماتریس Π و تشخیص وجود روند در آمار و تعیین رتبه ماتریس Π به طور همزمان به وسیله آزمون پیشنهادی یوهانسن (1992).
6- اعمال قیدهای خطی بر بردارهای هم جمعی به منظور شناسایی روابط تعادلی بلندمدت که از نظر اقتصادی با مفهوم اند.
7- برآورد معادلات الگوی تصحیح خطای برداری (نوفرستی، 1378).
در این قسمت به شرح هر یک از مراحل مذکور می پردازیم.
3-5-1تعیین مرتبه مدل خود توضیح برداری:
جهت تعیین تعداد وقفه های موجود در مدل خودرگرسیون برداری و یا عبارت دیگر تعیین مرتبه مدل VAR(P)، از سه معیار آکائیک(AIC)، شوارتز بیزین (SBC) و نسبت درستنمایی (LR) استفاده می شود. در سیستم معادلات خود رگرسیو برداری تنها یک مرتبه صحیح وجود ندارد وp کوچکترین مرتبه ممکن خواهد بود. بر طبق معیار آکائیک، مرتبه مدل VAR چنان تعیین می شود که مقدار AIC حداکثر شود. به بیان دیگر برای یک فرآیند خود رگرسیون برداری، مدل هایی با درجه n=0,1,…p تخمین زده می شود و سپس ماتریس برای مقادیر n=0,1,…p و مقادیر متناظر آن یعنی AIC(n) محاسبه می شود. مقدار p صحیح آن درجه ای است که AIC آن حداکثر شود.
که در آن تعداد متغیرهای توضیحی و تعداد مشاهدات و تخمین و در روش حداکثر راستنایی می باشد. با توجه به این نکته که واریانس تخمین هر جه کمتر باشد تخمین بهینه تر است، لذا مبنای انتخاب p، کمتر بودن AIC است.
آماره نسبت درستنمایی براساس مقایسه نتایج آماره حداکثر راستنایی مقید و نامقید می باشد که لگاریتم نسبت درستنمایی بصورت زیر است:
که در آن تخمین زننده نامقید و تخمین زننده مقید بردار از روش حداکثر راستنمایی است. حال فرض می کنیم که بزرگترین مرتبه ممکن خودرگرسیون برداری می باشد. آماره آزمون iامین فرضیه صفر عبارتست از :
که در آن تخمین و مقید در روش حداکثر راستنمایی می باشد. حال اگر فرضیه صفر برای اولین مرتبه در مرحله i ام رد شود، گوییم مرتبه بهینه مدل خودرگرسیون برداری می باشد.

برچسب گذاری شده با: , , , ,