انواع متغیرها در مدل های DSGE

رگرسیون ضرایب تبعی رویکردی نیمه پارامتریک برای تعمیم چارچوب رگرسیون استاندارد  به نحوی است که امکان برآورد حالت ‌های غیر خطی و  پویا را در تخمین رگرسیون فراهم کند (Fan and Gijbels (1996)؛ Cai، Fan، Yao (2000)). رگرسیون خطی سنتی فرض می کند که رابطه بین متغیر وابسته و متغیرهای توضیحی یک  رابطه خطی است. در حالی که این چارچوب به طور معمول برای اکثر پژوهش های کاربردی کفایت می کند، اما این مساله که  مقدار ضرایب رگرسیون به ازای همه  مشاهدات یکسان باشد کاملاً محدودکننده است و اغلب نقض میشود. به عبارت دیگر این امکان وجود دارد که ارتباط متغیر وابسته و مستقل تحت تاثیر مقدار متغیر مستقل قرار گیرد. برای مثال ممکن است نرخ‌های تورم پایین برای رسیدن به رشد اقتصادی لازم باشد اما با افزایش تورم، رشد اقتصادی متوقف و روند آن معکوس شود.در مدلهای رگرسیون ضرایب تبعی برخلاف مدلهای رگرسیون کلاسیک، رابطه بین متغیرهای مستقل و وابسته  از نظر متغیرها خطی است ، اما از نظر پارامترها غیر خطی است. روابط ضرایب پویا بوده و تفسیر روابط نسبتا آسان است.برآورد مدل های ضرایب تبعی براساس رگرسیون چند جمله ای موضعی است و شامل دو روش مجزا است:1- برآورد توابع غیرخطی با بکارگیری تئوری تیلور2- برآورد رگرسیون های موضعی  که در آن مشاهدات با استفاده از یک تابع کرنل جریمه می شوندصرفنظر از مسائل فنی این روش که میتوانید در منابع به مطالعه آن بپردازید، امکان برآورد مدلهای رگرسیون ضرایب تبعی(Functional Coefficient Regression)  در نرم افزار ایویوز نسخه 11 وجود دارد. کافیست در پنجره برآورد از بین روشهای برآورد FUNCOEF-Functional Coefficient  انتخاب کنید. خروجی این روش نمودارهایی خوا انواع متغیرها در مدل های DSGE...ادامه مطلب

مفهوم همخطیدرعلم آمار و اقتصادسنجی، همخطی به پدیده ای اطلاق می‌شود  که در آن یک متغیر توضیحی در یک مدل رگرسیونی چندگانه را می‌توان با دقت بالایی توسط سایر متغیرهای توضیحی پیش‌بینی کرد. همخطی قدرت پیش‌بینی کل مدل رگرسیونی را تحت تاثیر قرار نمی‌دهد؛ چرا که دردر رگرسیون چندگانه اثرات همپوشانی متغیرها لحاظ می‌شود . با این حال می‌تواند بر میزان اثرات فردی هر یک از متغیرهای توضیحی اثر بگذارد؛ بنابراین چنانچه هدف شما پیش‌بینی متغیر وابسته است نگرانی از مساله همخطی بی‌مورد است.در بیان مفروضات مربوط به تحلیل رگرسیون حداقل مربعات معمولی، عبارت «عدم وجود همخطی» معمولاً به فقدان رابطه خطی کامل اشاره دارد که یک رابطه خطی دقیق (غیر تصادفی) بین متغیرهای توضیحی است(با ضریب همبستگی نزدیک به 1 یا منفی 1). بنابراین یکی از دلایل اصلی رخداد همخطی می توان به تصریح غلط مدل رگرسیونی مرتبط باشد. برای مثال فرض کنید تولید ناخالص داخلی را بر اجزای آن (مصرف بخش خصوصی، مخارج دولت، سرمایه‌گذاری، صادرات و واردات) رگرس کنیم؛ در این صورت به طور قطع مساله همخطی وجود خواهد داشت. در واقع ما در تحلیل رگرسیونی نمی توانیم روابط اتحادی و معادلات را تخمین بزنیم و حتما باید رابطه متغیرهای توضیحی و وابسته به صورت استوکاستیک (تصادفی) باشد.کشف همخطیمعیارهای مختلفی برای تشخیص مساله همخطی در رگرسیون وجود دارد:    چنانچه با اضافه کردن یا کم کردن یک متغیر توضیحی، تغییرات زیادی در ضرایب رگرسیونی ایجاد شود، ممکن است همخطی شدیدی در مدل وجود داشته باشد.      اگر مدل آماری بر آساس آزمون F به صورت کلی معنادار باشد، اما اکثر ضرایب رگرسیونی، معنادار نباشد، احتمال وجود همخطی وجود دارد. &nb انواع متغیرها در مدل های DSGE...ادامه مطلب

به منظور رسیدن به نتایج قابل اتکا و تصمیم‌گیری درست، دسترسی به داده های با کیفیت مناسب برای محققان ضروری است. فقدان چنین داده هایی می تواند تجزیه و تحلیل اقتصادی را منحرف و به نتایج گمراه کننده بیانجامد. با این حال، میزان کیفیت داده ها در کشورهای جهان بسیار متفاوت هستند. برای مثال، برخی کشورها داده های خود را از منابع نسبتاً ضعیف و غیر قابل اتکا گردآوری می کنند. همچنین، تعدادی از کشورها نمی توانند طبقه بندی های مختلفی از داده ها را که برای نظارت مهم هستند را گردآوری کنند.در این زمینه ، صندوق بین المللی پول اقدامات مختلفی را برای افزایش کیفیت داده ها و رفع کاستی های احتمالی داده ها انجام داده است ، از جمله این اقدامات، می‌توان به ایجاد استانداردهای انتشار داده ها -سیستم انتشار اطلاعات عمومی (GDDS)، استاندارد انتشار ویژه داده (SDDS) و SDDS Plus - همراه با ارائه فراداده ها مطابق با چارچوب ارزیابی کیفیت داده صندوق (DQAF) اشاره کرد. جزئیات چنین استانداردهایی را می توان در تابلو اعلانات استانداردهای داده (DSBB ، https://dsbb.imf.org) یافت و اطلاعات زیر ممکن است برای اقتصاددانان صندوق برای انجام برنامه نویسی مالی مفید باشد. در نقشه زیر استانداردهای کیفیت داده ها در کشورهای مختلف به تصویر کشیده شده است. انواع متغیرها در مدل های DSGE...ادامه مطلب

بررسی پیش­ بینی پذیری قیمت دارایی­ها ازجمله سهام، یکی از موضوعاتی است که در ادبیات مالی توجه ویژه ­ای را به خود جلب کرده است.اگر بازار سهام، کارا باشد،روند قیمت سهام قابل پیش ­بینی نخواهند بود.  لو و مکینلای[1] برای بررسی قابلیت پیش بینی داده­ های سری ­زمانی، از آزمون نسبت واریانس استفاده کردند. اگر فرض شود که داده­ها از یک فرآیند گام تصادفی پیروی می­کنند، واریانس تفاضل سری ­زمانی در دوره ­ی qام باید q برابر واریانس تفاضل دوره ­ی اول باشد. همچنین آن­ها وجود ناهمسانی واریانس در فرآیند گام تصادفی را در نظر گرفته و  از آن به عنوان فرضیه i.i.d ضعیف یاد کردند. این فرضیه معمولا به عنوان فرض مارتینگل در نظر گرفته می­ شود؛ چرا که تحت این حالت، شرایط کافی برای اینکه  فرآیند تفاضلی مارتینگل(MDS) باشد، انواع متغیرها در مدل های DSGE...ادامه مطلب

1- متغیر مستقل: متغیری است که بر روی متغیر دیگر اثر می گذارد و با تغییر خود موجب تغییر متغیری دیگر( متغیر وابسته) می شود. برای مثال در مطالعه بررسی نقش درآمد بر مصرف، متغیر مستقل، درآمد است. در رگرسیون به متغیر مستقل، متغیر پیشگو نیز گفته می شود. 2- متغیر وابسته: متغیری است که تغییرات آن  به متغیرهای مستقل وابسته است. محقق در مطالعه خود متغیر وابسته را محور قرار داده و اثرات سایر متغیرها را روی آن بررسی کرده و اقدام به مدلسازی آن می کند. 3- متغیر میانجی: متغیری است که بین دو متغیر دیگر قرار می گیرد و ارتباط غیرمستقیم آنها را برقرار می کند. این متغیر از متغیر یا متغیرهای مستقل تاثیر پذیرفته و بر متغیر وابسته اثرگذار است. 4- متغیر تعدیل کننده: متغیری است که پژوهشگر تمایل دارد در کنار متغیر کلی انواع متغیرها در مدل های DSGE...ادامه مطلب

روش فیلتر کالمن، که ابتدا توسط کالمن (1960) در قالب سیستم های خطی طراحی شده است، یک روش الگوریتم بازگشتی برای محاسبه برآوردگر بهینه بردار حالت در زمان t براساس اطلاعات موجود در زمان t - 1   و برای پیش بینی واریانس در مدلهای سری زمانی است([ هاروی، 1989]. فیلتر کالمن برای حل یک مشکل در هدایت فضاپیما اختراع شد، اما امروزه این تکنیک برای کمک به حل بسیاری از مسائل که در آن مشاهدات ناقص باید با حالت یک سیستم ترکیب شوند استفاده میشود. از نقطه نظر ریاضی، فیلتر کالمن هیچ مشکلی را حل نمی کند، بلکه یک ابزار ریاضی است که به ما کمک می کند تا مشکل را آسان تر درک کنیم. از نقطه نظر آماری یک مسئله برآورد، فیلتر کالمن بیش از یک برآوردگر است؛ زیرا این فیلتر  از طریق مرحله پیش بینی فیلتر توزیع احتمالی تمام متغی انواع متغیرها در مدل های DSGE...ادامه مطلب

مدل های تعادل پویای عمومی تصادفی (DSGE) که نقش مهمی در بحث های مدرن اقتصاد کلان ایفا کرده اند، در قضاوت من در یک سیستم اقتصاد کلانی که به خوبی طراحی شده است، توفیق چندانی ندارند( استیگلیتز،2017). مهمترین چالش مواجهه با هر مدل کلان، این است که بینش و شناختی از رکود عمیق که بارها اتفاق افتاده اند، ارائه دهد و راه حل خروج از آن را ارائه دهد. . مطمئنا، اگر ما مدل هایی داشته باشیم که بتواند این بحران ها را پیش بینی کند، بهتر خواهد بود. از دیدگاه اجتماعی، آیا رشد اقتصادی در سال آینده 3.1 درصدی یا 3.2 درصدی خواهد بود؛ تفاوت چندانی ندارد. اما بحران، زمانی که تولید ناخالص داخلی کاهش می یابد و بیکاری افزایش می یابد، عواقب زیادی برای سلامت فردی کنونی، و همچنین برای رشد آینده دارد. به طور خاص، در حال حا انواع متغیرها در مدل های DSGE...ادامه مطلب

نرم افزار BAYES که در دانشگاه دانده اسکاتلند طراحی شده است به منظور برآورد بسیاری از مدل های اقتصادسنجی بر اساس رویکرد بیزین، طراحی شده است. در این نرم افزار، مدل های  از قبیل معادلاتهمزمان، VAR، پنل دیتا، لوجیت، پروبیت و توبیت، مدل ضرایب تصادفی، فضا انواع متغیرها در مدل های DSGE...ادامه مطلب

در تحقیقات کاربردی، معمولا محققان با شرایطی مواجه هستند که در آن متغیرهای مستقل  بالقوهفراوانی برای توضیح متغیر وابسته وجود دارد. محقق ممکن است انتظار داشته باشد که بسیاری از این متغیرها، زائد هستند؛ اما او نمی داند که باید کدامیک از این متغیرها را د انواع متغیرها در مدل های DSGE...ادامه مطلب

بر اساس مطالعات تجربی بیشتر متغیرهای اقتصادی جمعی از مرتبه اول هستند.  به طور کلی رگرسیونیکه شامل سری­های زمانی جمعی مرتبه اول باشد منجر به نتایج گمراه کننده خواهد شد و با استفاده از آزمون والد قراردادی برای بررسی معناداری ضرایب به صورت ساختگی ارتباط معنادار بین متغیرهای نامرتبط را نشان خواهد داد(فیلیپس، 1986). از این رو باید  اقدام به برآورد رابطه هم ­انباشتگی متغیرهای کرد. هم ­انباشتگی به معنای انواع متغیرها در مدل های DSGE...ادامه مطلب