روش حداقل مربعات معمولی

مهم ترین مشکل این تحقیقات تجربی همبستگی پیایی جملات اخلال بود که معمولا در آماره پایین دوربین- واتسون خود را نشان می داد. در آن زمان یگانه راهی که به نظر محققان می رسید وارد کردن متغیر وابسته با یک وقفه زمانی بود. این کار مشکل آمارۀ DW را بر طرف می کرد اما مشکلات دیگری بوجود می آورد که ممکن است محقق از آن آگاه نباشد. در مدل های داده های ترکیبی باید از این کار جداً خودداری کرد. وارد کردن متغیر وابسته با یک وقفه در مدل داده های ترکیبی، یا اضافه جمله AR با هر درجه ای، در این روش ممنوع است زیرا مدل پویای داده های ترکیبی را نباید با روش حداقل مربعات معمولی تخمین زد.
مجموعه داده های ترکیبی مزایای بسیاری نسبت به داده های مقطعی یا سری زمانی دارد.
مهمترین مزیت روش داده های ترکیبی عبارتند از:
الف) تعداد مشاهدات و داده ها در داده های ترکیبی عموماً بسیار بیشتر است و باعث می شود اعتماد به برآورد ها بیشتر شود.
ب) به محققان تجربی اجازه می دهد مدل های پیشرفته تری را تبیین کرده و آزمون کنند که فرضیه های مقید کننده کمتری در بر داشته باشد.
ج) زیاد بودن تعداد مشاهدات مساله همخطی در اقتصاد سنجی را نیز تا حدود زیادی حل می کند. چون داده ها هم در طول زمان و هم در میان افراد تغییر می کنند، احتمال کمتری می رود متغیرها با یکدیگر همخطی زیادی داشته باشند.
د) با این مجموعه داده ها می توان اثراتی را شناسایی و اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی خالص قابل شناسائی نیست. گاهی استدلال می شود داده های مقطعی، رفتارهای بلند مدت را نشان می دهد ( زیرا از افراد مختلف داده جمع آوری می کند که در یک برش زمانی، نشان دهنده رفتار های بلند مدت آنهاست یا تحت تاثیر عادات و گرایشات بلند مدت قرار دارد)، در حالی که در داده های سری زمانی ما بر اثرات کوتاه مدت تاًکید می کنیم (زیرا حرکت از یک سال به سال دیگر تحت تاثیر تجدید نظراتی قرار می گیرد که فرد در کوتاه مدت در رفتار خود ایجاد می کند، بنابراین پویائی میان دوره ای را به نمایش می گذارد و نه گرایش استاتیک یا ایستای داده های مقطعی را). با ترکیب این دو خصوصیت در داده های پانل، که خصوصیت متمایز داده های ترکیبی است، ساختار پویاتری را می توان تصریح و برآورد کرد.
ه) استفاده از داده های پانل تورش بر آورد را از بین می برد یا کم می کند(ماتیاس، 1992،ص 22). از آنجا که محققان در تحقیقات مختلف بـه نوعی به دنبال برازش توابع می باشند، اگـر از یکی یا چنـد متغیـر غفلـت گـردد و یا از داده های مقطعی برای بـرآورد الگـو اسـتفاده شــود، تــورش زیــادی ایجــاد مــی شود اما داده های ترکیبـی مـی تواننـد ایـن تـورش را برطرف سازند، زیرا می توان اثـر متغیـر یـا متغیرهای نهفته و مخفـی را بـا معرفـی آثـار انفرادی مجزا کنتـرل کـرد (خـواه ایـن آثـار انفرادی، ثابت یـا تصـادفی باشـد) و بنـابر این تورش را از بین برد.
مزایای داده های ترکیبی
در داده های ترکیبی، وضعیت یک کشور، صنعت، بانک، کارگر و … را در طول زمان مشاهده کرده و متغیرهای مربوط به آن را اندازه گیری می نماییم. سپس افراد مختلف را هر کدام با یک سری زمانی، با یکدیگر تلفیق می کنیم. این کار چندین مزیت نسبت به مدل های سنتی اقتصاد سنجی دارد. اول، تعداد مشاهدات در اختیار محقق افزایش می یابد که این مساله موجب افزایش درجه آزادی و همچنین کاهش هم خطی می شود. دوم، به محقق اجازه می دهد به بررسی مسائل مهم اقتصادی بپردازد که نمی توان با مدل های مقطعی یا سری زمانی به آنها پاسخ داد.
3-3) فرضیات تحقیق
با توجه به چارچوب نظری مطرح شده، تعداد 12 فرضیه به شرح زیر مفروض می گردند:
فرضیه اول: بین شاخص سهام و سپرده های بلند مدت رابطه منفی معناداری وجود دارد.
فرضیه دوم: بین تغییرات نرخ سود سپرده های بلند مدت و سپرده های بلند مدت رابطه مثبت معناداری وجود دارد.
فرضیه سوم: بین تغییرات نرخ سود سپرده های کوتاه مدت و سپرده های بلند مدت رابطه منفی معناداری وجود دارد.
فرضیه چهارم: بین نرخ آزاد ارز و سپرده های بلند مدت رابطه منفی معناداری وجود دارد. که برای آزمون چهار فرضیه اول از مدل رگرسیونی شماره (1) بهره برده شده است.
فرضیه پنجم: بین شاخص سهام و سپرده های کوتاه مدت رابطه منفی معناداری وجود دارد.
فرضیه ششم: بین تغییرات نرخ سود سپرده های بلند مدت و سپرده های کوتاه مدت رابطه منفی معناداری وجود دارد.
فرضیه هفتم : بین تغییرات نرخ سود سپرده های کوتاه مدت و سپرده های کوتاه مدت رابطه مثبت معناداری وجود دارد.