مهارت های مدیریتی

نرخ سود سپرده: درصدی از سپرده های سپرده گذاری شده نزد بانک که به صورت سود به سپرده گذاران پرداخت می شود.
3-7) تشریح مدل:
مشخصات مدل
قبل از معرفی مدل های پانل دیتا لازم است ماهیت این داده ها و چرایی و چگونگی به وجود آمدن آنها بررسی گردد.
ماهیت پانل دیتا یا داده های ترکیبی:
پژوهشگران همواره در بررسی های اقتصادی با دو ساختار مجزای آزمایش روبرو بوده اند:
به منظور برازش مدل برای داده های خود در یک زمان خاص فرض می گردد برآورد یک تابع تولید ساده مد نظر است. تولید تابعی از موجودی سرمایه، نیروی کار و مهارت های مدیریتی است. اگر تولید بنگاه ها را بر روی موجودی سرمایه و نیروی کار در یک زمان رگرس شود تورش ایجاد می شود؛ زیرا یک متغیر مهم یعنی مهارت مدیریتی از مدل حذف شده است. برای رفع این مشکل بهتر است که میزان تولید طی چند سال را برای این بنگاه ها رگرس گردد.
در این حالت از داده های ترکیبی یا پانل استفاده می شود یعنی برای هر بنگاه میزان تولید، موجودی سرمایه و نیروی کار در طی زمان به دست می آید و تلفیقی، ترکیبی از بنگاه ها (مقاطع) و سری زمانی وجود خواهد داشت.
در نظر است مدلی برای یک سری داده در طی زمان بدست آید. فرض می شود ارزیابی روند تولید، فروش، صادرات، نرخ تورم یا … را برای یک کشور، بنگاه، شرکت یا بانک و پیش بینی هایی در مورد آینده آنها مد نظر باشد؛ ولی به دلایل متعدد از قبیل نبود داده های کافی امکان استفاده از مدل سری های زمانی نباشد. در این حالت برای از بین بردن مشکل کمبود داده از کشورها، بنگاه ها، شرکت ها و… (مقاطع مختلف) در تحلیل استفاده می شود؛ به داده های حاصل پانل دیتا، داده های ترکیبی یا داده های آمیخته گفته می شود.
همان گونه که مشخص است پس از ترکیب، امکان استفاده از هر دو روش برای برآورد وجود دارد. بنابراین با این مجموعه داده ها می توان اثراتی را شناسایی یا اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی خالص قابل شناسایی نیست.
نکته قابل تامل در داده های پانل این است که نه تنها اثرات ثابت و تصادفی در مقاطع مختلف قابل بررسی است، بلکه با برازش دادن مدل، می توان اثرات ثابت و تصادفی را برای زمان های گوناگون نیز بررسی و زمان را به عنوان یک عامل تعیین کننده در نظر گرفت. استفاده از این مدل مزایایی برای تحقیق حاضر ایجاد می نماید.
مزایای مدل های پانل دیتا:
می توان مزایای زیر را برای مدل های پانل معرفی کرد:
تعداد مشاهدات و داده ها زیاد بوده و اعتماد به برآوردها بیشتر است.
به محققان اجازه می دهد مدل های پیشرفته تری را تبیین کرده و آزمون کنند.
با این مجموعه داده ها می توان اثراتی را شناسایی یا اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی خالص قابل شناسایی نیست.
استفاده از داده های پانل تورش برآورد را از بین برده یا کم می کند.
برای اینکه رگرسیون در پنل دیتا مطلوبیت پیدا کند و قدرت تبیین داشته باشد باید ساختای در آن وضع گردد. و در مدل پانل دیتا، باید فرضیاتی درباره درجه پذیری ضرایب رگرسیون وجود داشته باشد. در این تحقیق فرض بر آن است که متغیرهای توضیحی غیر تصادفی بوده و از جمله اخلال مستقل اند. درجه تغییر پذیری ضرایب رگرسیون به مشهور ترین مدل های پانل دیتا منجر می شود.
3-8) آزمون مدل ها