براوردیابی در مدل داده های پانلی پویا با اثرات فردی و زمان

داده های پانلی که به طور گسترده در تحقیقات اقتصادی، اجتماعی، روانشناسی و پزشکی به کار بر‎ده می شوند، به مجموعه داده هایی گفته می شود که بر اساس آن مشاهدات به وسیله تعداد زیادی از متغیرهای مقطعی ‎(n)‎که اغلب به صورت تصادفی انتخاب می شوند در طول یک دوره زمانی‎(t)‎ مورد بررسی قرار می گیرند. این ‎ n* t ‎ داده ی آماری را داده های پانلی یا داده های مقطعی- سری زمانی می نامند. این نوع داده ها به دو دسته داده های پانلی متوازن (هر واحد مقطعی دارای تعداد یکسانی مشاهدات سری زمانی است) و داده های پانلی نامتوازن (تعداد مشاهدات در میان اعضای پانل متفاوت است) تقسیم بندی می شوند. این داده ها در کنار محدودیت هایی که دارند از یک سری مزیت ها نیز برخوردارند. در واقع یکی از مزیت های داده های پانلی، مدل رگرسیونی پویا با داده های پانلی است که دارای کاربرد بسیاری در مطالعات اقتصادی و اجتماعی است‎.‎ خصوصیت بارز این مدل ها وجود متغیر تاخیری است و ناشی از این حقیقت است که متغیر پاسخ ممکن است تحت تاثیر مقدار خود در دوره قبل باشد و این ویژگی باعث می شود که براوردگرهایی که به روش های معمول به دست می آیند، دیگر نااریب و سازگار نباشد . ‎ ‎مدل های پویایی که در آن ها هم اثرات فردی و هم اثرات زمان در مدل منظور می شود، نسبت به مدل هایی که در آن ها فقط اثرات فردی در نظر گرفته می شود، دارای ظرفیت و گنجایش بیشتری برای مدل بندی رفتارهای پیچیده اقتصادی هستند. در این پایان نامه نخست به معرفی مدل های پویا پرداخته شد، سپس براوردگر روش کمترین مربعات تعمیم یافته و روش گشتاوری تعمیم یافته برای مدل های پویایی دو طرفه معرفی گردید و با استفاده از شبیه سازی به مقایسه این دو روش پرداختیم‎‎ شبیه سازی نشان داد وقتی در مدل هم اثرات زمان و هم اثرات فردی را داریم، روش کمترین مربعات تعمیم یافته دارای کمترین میزان اریبی، انحراف معیار و هم چنین کمترین ‎ mse ‎ می باشد. بنابر این می توان نتیجه گرفت براوردگر کمترین مربعات تعمیم یافته بر براوردگر گشتاوری تعمیم یافته برتری دارد.