داده‌های پانلی: تفاوت میان نسخه‌ها

محتوای حذف‌شده محتوای افزوده‌شده
KamikazeBot (بحث | مشارکت‌ها)
جز r2.7.1) (ربات افزودن: it:Dati panel
خط ۲۰:
 
که در آن β یک بردار k*1 از پارامترها، <math>X_{it}</math> یک بردار k*1 از مشاهدات مربوط به متغیرهای توضیحی، t=1,2,...,T و i=1,2,...,N است. همچنین فرض بر این است که جمله اخلال یک [[نوفه سفید]] (white noise) است.<br />
قبل از هر جیز باید نوع داده ها از جهت پانل و یا پولین بودن مشخص گردد که برای این منظور از آزمون لیمر استفاده خواهد شد که دارای آماره F می باشد. در این جا دو حالت وجود دارد یا داده های ما از نوع پولینگ می باشند که باید با استفاده از روش اثرات مشترک تخمین زده شوند، و یا داده ها از نوع پانل هستند کا باید با استفاده از یکی از دو روش اثرات پابت و یا اثرات متغیر که در ادامه ارائه شده ان تخمین زده شوند (عزت الله لطفی، 1391).
 
دو شیوه مختلف برای تخمین این معادله وجود دارد. نخست مدل اثرات ثابت که در آن <math>\alpha_{i}</math> ها N پارامتر نامعلوم ولی ثابت هستند و دیگری مدل اثرات تصادفی که در آن عرض از مبدا ثابت نبوده و تصادفی است و همچنین مستقل از متغیرهای توضیحی می باشد.
=== مدل اثرات ثابت ===
در این مدل هر یک از مولفه‌ها یک مقدار ثابت مخصوص به خود دارد و به دلیل آنکه برای کار کردن با هر یک از این مقادیر ثابت، یک [[متغیر مجازی]] دز نظر گرفته می شود، تخمین زن اثرات ثابت، تخمین زن متغیرهای مجازی حداقل مربعات(LSDV) نیز نامیده می شود. این مدل را می توان به شکل زیر نوشت:<br />
سطر ۶۲ ⟵ ۶۳:
که در آن <math>\Sigma</math> واریانس <math>u_{it}</math> و <math>\Iota</math> ماتریس واحد و <math>\Omega</math> ماتریس واریانس-کوواریانس می باشد.<br />
 
با معرفی این دو روش سؤالی که پیش می آید این است که در عمل ما بایستی کدامیک از روشهای مذکور را استفاده کنیم. برای تصمیم گیری از آزمون هاسمن کمک می گیریم.
 
== آزمون هاسمن ==