مقارنة بعض طرائق تقدير إنموذج شبه معلمي لبيانات طولية
DOI:
https://doi.org/10.31272/jae.i127.109الكلمات المفتاحية:
البيانات الطولية، أنموذج شبه معلمي، الدالة اللبية، عرض الحزمة، التأثيرات العشوائيةالملخص
يمكن أن تعرف البيانات الطولية على إنها بيانات تدمج ما بين بيانات السلاسل الزمنية والبيانات المقطعية، بمعنى إنها تدرس البيانات المقطعية وتحركاتها خلال فترة زمنية معينة، لذلك يكون هذا النوع من البيانات ذو محتوى معلوماتي كبير للظاهرة المدروسة وبالتالي يمكننا ذلك من الحصول على تقديرات ذات دقة أعلى. ومن هنا تبرز أهمية البحث في المفاضلة بين أفضلية نماذج البيانات الطولية ، فضلا عن أفضلية طرائق تقدير النماذج الشبه المعلمية والتي يمكن من خلالها وصف طبيعة العلاقة بين متغيرات الانموذج الخطي الجزئي. يهدف البحث الى تقدير إنموذج شبه معلمي يصف وبشكل دقيق طبيعة العلاقة بين قيمة الإنتاج الصناعي لعشرة من المنشآت الصناعية الكبيرة في القطاع العام العراق وللفترة الزمنية (2010-2018) وبين كلا من قيمة مستلزمات واعداد المشتغلين في تلك المنشآت، ولتحقيق ذلك الهدف تم توظيف طريقتين هما طريقة سبيكمان (Speckman) وطريقة روبنسون (Robinson)، وتضمنت الطريقتين توظيف الانحدار الموضعي المتعدد بدرجات مختلفة ودالتي اللب (Gaussian) و (Epanchnikov) . فضلا عن إجراء مقارنة بين الانموذجين من خلال استعمال ثلاثة معايير للمقارنة هي متوسط مربعات الخطأ (MSE)، معيار وسيط الانحرافات المطلقة (MDAE)، ومتوسط الانحرافات المطلقة ((MAE. وقد أظهرت النتائج التي تم الحصول عليها بأن طريقة التقدير (Speckman ) أفضل من طريقة ( Robinson) .
المراجع
1. Baltagi , B,H, "Econometrics Analysis of Panel Data" , 3rd Edition, John Wiely And Sons, Ltd, West Sussex,2005.
2. Fan, J. and Huang, T. (2005). "Profile likelihood inferences on semiparametric varying-coefficient partially linear models". Bernoulli, 11, 1031–1057. DOI: https://doi.org/10.3150/bj/1137421639
3. Flashier,"NonparametricEconometrics"www.vcharite.univmrs.fr/nonparametric-chap3.pdf
4. Green W.,(2005). " Econometric Analysis", 5ed, Prentice Hall, New Jersey.
5. Hardle, W., Muller,M., Sperlich,S., H., Werwatz,A., (2004). "Nonparametric and Semi parametric Models an Introduction". Springer Edition
6. Honda, Y.,(1985)." Testing the error components model with nonnormal disturbances" , review of economic studies. 52(4),681-690.
7. Hsiao, C., (2006) . “ Analysis of Panel Data ,” Second Edition, Institute for the University of Southern California.
8. Lin, X. and Carroll, R. J., (2006), "Semiparametric estimation in general repeated measures problems", Journal of the Royal statistical society, 68(1), 69-88. DOI: https://doi.org/10.1111/j.1467-9868.2005.00533.x
9. Poo, M., Soberonm A., (2016). " Nonparametric and Semiparametric Panel data Model: Recent Development". Journal of Economic Surveys, 00(0), 1–37.
10. Robinson, P.M. (1988). "Root-n-consistent semiparametric regression". Econometrica 56(4), 931–954 DOI: https://doi.org/10.2307/1912705
11. Speckman, P. (1988). "Kernel smoothing in partial linear models". Journal of the Royal Statistical Society: Series B 50: 413–436.
12. Yun, W., (2012)." Essays on Nonparametric and Semiparametric Models and Continuous Time Models".Doctor thesis in economics, University of California, USA.
التنزيلات
منشور
الرخصة
الحقوق الفكرية (c) 2022 مجلة الإدارة والاقتصاد
هذا العمل مرخص بموجب Creative Commons Attribution 4.0 International License.
مجلة الإدارة والاقتصاد هي مجلة مفتوحة المصدر حيث تكون جميع محتوياتها مجانية. تخضع مقالات هذه المجلة لشروط ترخيص المشاع الإبداعي المنسوب إلى المؤلف (CC-BY 4.0) (https://creativecommons.org/licenses/by/4.0/legalcode) الذي يسمح للمرخص لهم دون قيود بالبحث عن النص الكامل للمقالات أو تنزيله أو مشاركته أو توزيعه أو طباعته أو ربطه به، وفحصه للفهرسة وإعادة إنتاج أي وسيلة للمقالات بشرط أن ينسبوا إلى المؤلفين الفضل في ذلك (الاستشهاد). تسمح المجلة للمؤلفين بالاحتفاظ بحقوق الطبع والنشر لمقالهم المنشور.
. Creative Commons-Attribution (BY) 
