محاضرات في الإقتصاد القياسي1

‫اجلمهورية اجلزائرية الدميقراطية الشعبية‬
‫وزارة التعليم العايل والبحث العلمي‬

‫جامعة قاصدي مرابح – ورقلة –‬
‫كلية العلوم االقتصادية والتجارية وعلوم التسيري‬
‫الدكتور حممد شيخي‬

‫أستاذ حماضر صنف أ‪ ،‬جامعة ورقلة‬
‫النسخة األوىل‬
‫‪0200/0202‬‬ ‫السنة اجلامعية‬

‫اﳉﻤﻬﻮرﻳﺔ اﳉﺰاﺋﺮﻳﺔ اﻟﺪﳝﻘﺮاﻃﻴﺔ اﻟﺸﻌﺒﻴﺔ‬
‫وزارة اﻟﺘﻌﻠﻴﻢ اﻟﻌﺎﱄ واﻟﺒﺤﺚ اﻟﻌﻠﻤﻲ‬
‫ﺟﺎﻣﻌﺔ ﻗﺎﺻﺪي ﻣﺮ ح – ورﻗﻠﺔ –‬
‫ﻛﻠﻴﺔ اﻟﻌﻠﻮم اﻻﻗﺘﺼﺎدﻳﺔ واﻟﺘﺠﺎرﻳﺔ وﻋﻠﻮم اﻟﺘﺴﻴﲑ‬
‫دروس وأﻣﺜﻠﺔ ﳏﻠﻮﻟﺔ ﰲ اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ‬
‫د‪ /‬ﳏﻤﺪ ﺷﻴﺨﻲ‬

‫أﺳﺘﺎذ ﳏﺎﺿﺮ ﺻﻨﻒ أ‬
‫ﺟﺎﻣﻌﺔ ﻗﺎﺻﺪي ﻣﺮ ح – ورﻗﻠﺔ ‪-‬‬
‫اﻟﻄﺒﻌﺔ اﻷوﱃ‬
‫‪2011/2010‬‬ ‫اﻟﺴﻨﺔ اﳉﺎﻣﻌﻴﺔ‬

‫اﻟﻔﺼﻞ ‪ : 1‬ﲢﻠﻴﻞ اﻻﳓﺪار اﳋﻄﻲ اﻟﺒﺴﻴﻂ ‪1 .........................................................................‬‬
‫‪ .1‬ﻛﺘﺎﺑﺔ اﻟﻨﻤﻮذج اﳋﻄﻲ واﻟﻔﺮﺿﻴﺎت اﻷﺳﺎﺳﻴﺔ‪1 ................................................................‬‬
‫‪ .2‬ﺗﻘﺪﻳﺮ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج‪2 .......................................................................................‬‬
‫‪ .1.2‬ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪3 ............................................................................‬‬
‫‪ .2.2‬ﺧﺼﺎﺋﺺ ﻣﻘﺪرات اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪4 ................................................................‬‬
‫‪ .3‬ﺗﻮزﻳﻊ اﳌﻌﺎﻳﻨﺔ ﻟﻠﻤﻘﺪرات و اﻟﺘﻘﺪﻳﺮ اﺠﻤﻟﺎﱄ ﻟﻠﻤﻌﺎﱂ‪7.............................................................‬‬
‫‪ .1.3‬ﺣﺴﺎب ﺗﺒﺎﻳﻨﺎت اﳌﻘﺪرات‪7............................................................................‬‬
‫‪ .2.3‬ﺑﻨﺎء ﳎﺎل اﻟﺜﻘﺔ ﻟﻠﻤﻌﺎﱂ ‪11..............................................................................‬‬
‫‪ .4‬اﻟﺘﻘﺪﻳﺮ ﺑﻄﺮﻳﻘﺔ اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ‪14...........................................................................‬‬
‫‪ .5‬ﲢﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ و اﻟﻘﺪرة اﻟﺘﻔﺴﲑﻳﺔ ﻟﻠﻨﻤﻮذج ‪15 ................................................................‬‬
‫‪ .6‬اﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺎت‪18 ........................................................................................‬‬
‫‪ .1.6‬اﺧﺘﺒﺎر اﳌﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻤﻌﺎﱂ‪19....................................................................‬‬
‫‪ .2.6‬اﺧﺘﺒﺎر اﻟﺘﻮزﻳﻊ ‪) F‬اﺧﺘﺒﺎر اﳌﻌﻨﻮﻳﺔ اﻟﻜﻠﻴﺔ ﻟﻠﻨﻤﻮذج(‪20..................................................‬‬
‫‪ .7‬اﻟﺘﻨﺒﺆ‪22....................................................................................................‬‬
‫اﳌﻠﺤ ـ ـ ـ ـ ـ ــﻖ‪.......................................................................................................‬‬
‫‪25‬‬
‫اﻟﻔﺼﻞ ‪ : 2‬ﲢﻠﻴﻞ اﻻﳓﺪار اﳋﻄﻲ اﻟﻌﺎم‪27..........................................................................‬‬
‫‪ .1‬اﻟﺼﻴﺎﻏﺔ اﻟﺮ ﺿﻴﺔ ﻟﻠﻨﻤﻮذج اﳋﻄﻲ اﻟﻌﺎم‪27....................................................................‬‬
‫‪ .2‬اﻟﻔﺮﺿﻴﺎت اﻷﺳﺎﺳﻴﺔ ﻟﻠﻨﻤﻮذج‪28.............................................................................‬‬
‫‪ .3‬ﺗﻘﺪﻳﺮ ﺷﻌﺎع اﳌﻌﺎﱂ ‪ ‬وﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ‪29................................................................  2‬‬
‫‪ .1.3‬ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪29............................................................................‬‬
‫‪ .1.1.3‬ﺗﻘﺪﻳﺮ ﺷﻌﺎع اﳌﻌﺎﱂ ‪29........................................................................ ‬‬
‫‪ .2.1.3‬ﺗﻘﺪﻳﺮ ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ‪  2‬و ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻦ‪-‬اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك ﻟﻠﻤﻘﺪرات ̂‪30..................  ‬‬
‫‪ .2.3‬ﻃﺮﻳﻘﺔ اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ‪33.............................................................................‬‬
‫‪ .4‬اﺧﺘﺒﺎر ﺟﻮدة اﻟﺘﻮﻓﻴﻖ واﻻرﺗﺒﺎط‪34...........................................................................‬‬
‫‪ .5‬اﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺎت‪37........................................................................................‬‬
‫‪ .1.5‬اﺧﺘﺒﺎر اﳌﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻤﻌﺎﱂ‪37....................................................................‬‬
‫‪ .2.5‬اﺧﺘﺒﺎر اﳌﻌﻨﻮﻳﺔ اﻟﻜﻠﻴﺔ ﻟﻠﻨﻤﻮذج و اﺧﺘﺒﺎرات اﻟﻘﻴﻮد ﻋﻠﻰ اﳌﻌﺎﱂ‪39.........................................‬‬
‫‪ .3.5‬اﺧﺘﺒﺎر اﺳﺘﻘﺮار ﻣﻌﺎﻣﻼت اﻟﻨﻤﻮذج – اﺧﺘﺒﺎر ‪42...................................... – Chow‬‬
‫‪ .6‬اﺳﺘﺨﺪام اﳌﺘﻐﲑات اﻟﺼﻮرﻳﺔ‪44...............................................................................‬‬
‫‪ .7‬اﻟﺘﻨﺒﺆ اﻟﻌﻠﻤﻲ ﺳﺘﻌﻤﺎل اﻻﳓﺪار اﳋﻄﻲ اﳌﺘﻌﺪد‪46.............................................................‬‬
‫اﻟﻔﺼﻞ ‪ : 3‬ﻣﺸﺎﻛﻞ اﻟﻘﻴﺎس اﻻﻗﺘﺼﺎدي‪ -:‬اﺧﱰاق ﻓﺮﺿﻴﺎت اﻟﻨﻤﻮذج ‪49...........................................-‬‬
‫‪ .1‬اﻟﺘﻌﺪد )اﻻزدواج( اﳋﻄﻲ‪49.................................................................................‬‬
‫‪ .1.1‬أﺳﺒﺎب اﻟﺘﻌﺪد اﳋﻄﻲ وآ رﻩ‪50........................................................................‬‬
‫‪ .2.1‬اﺧﺘﺒﺎرات اﻛﺘﺸﺎف اﻟﺘﻌﺪد اﳋﻄﻲ‪50...................................................................‬‬
‫‪ .1.2.1‬ﻃﺮﻳﻘﺔ اﻟﺘﺤﻠﻴﻞ اﻟﱰاﻓﺪي ﻟـ ‪50 ...................................................... Frisch‬‬
‫‪ .2.2.1‬ﻗﻴﺎس اﻟﺘﻌﺪد اﳋﻄﻲ أو ﺷﺮط اﻷﻋﺪاد‪51.........................................................‬‬
‫‪ .3.2.1‬ﻃﺮﻳﻘﺔ ‪52......................................................... Farrar-Glauber‬‬
‫‪ .3.1‬اﳊﻠﻮل اﳌﻘﱰﺣﺔ ﻟﻠﺘﻌﺪد اﳋﻄﻲ‪54......................................................................‬‬
‫‪ .2‬اﻻرﺗﺒﺎط اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء ‪54..............................................................................‬‬
‫‪ .1.2‬أﺳﺒﺎﺑﻪ وﻃﺮق ﻛﺸﻔﻪ‪55................................................................................‬‬
‫‪ .1.1.2‬اﺧﺘﺒﺎر دراﺑﲔ واﺗﺴﻮن ‪55 ......................................................................‬‬
‫‪ .2.1.2‬اﺧﺘﺒﺎر ‪57 ..............................................................Breusch-Godfrey‬‬
‫‪ .2.2‬ﻃﺮق اﻟﺘﻘﺪﻳﺮ ﰲ ﺣﺎﻟﺔ وﺟﻮد ارﺗﺒﺎط ذاﰐ ﺑﲔ اﻷﺧﻄﺎء‪57...............................................:‬‬
‫‪ .1.2.2‬ﺗﻘﺪﻳﺮ ‪ ‬ﻋﻦ ﻃﺮﻳﻖ إﺣﺼﺎﺋﻴﺔ ‪60 ..........................................Durbin-Watson‬‬
‫‪ .2.2.2‬ﺗﻘﺪﻳﺮ ‪ ‬ﺑﻄﺮﻳﻘﺔ ‪60...........................................................Theil-Nagar‬‬
‫‪ .3.2.2‬ﻃﺮﻳﻘﺔ ‪60...............................................................Cochrane-Orcutt‬‬
‫‪ .4.2.2‬ﻃﺮﻳﻘﺔ ‪61........................................................................Hildreth-Lu‬‬
‫‪ .3‬ﻋﺪم ﲡﺎﻧﺲ ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ‪65................................................................................‬‬
‫‪ .1.3‬ﻃﺒﻴﻌﺔ ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء‪ ،‬أﺳﺒﺎﺑﻪ وآ رﻩ‪65..............................................................‬‬
‫‪ .2.3‬اﺧﺘﺒﺎرات اﻛﺘﺸﺎف ﻋﺪم ﺗﺒﺎﻳﻦ اﳋﻄﺄ‪67.................................................................‬‬
‫‪ .1.2.3‬اﺧﺘﺒﺎر ‪67.............................................................. Goldfeld-Quandt‬‬
‫‪ .2.2.3‬اﺧﺘﺒﺎر ‪68............................................................................ White‬‬
‫‪ .3.2.3‬اﺧﺘﺒﺎر ﺛﺒﺎت اﻟﺘﺒﺎﻳﻦ اﻟﺸﺮﻃﻲ ﻟﻸﺧﻄﺎء ‪68........................................ ARCH-LM‬‬
‫‪ .3.3‬ﻣﻌﺎﳉﺔ ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ ﺣﺪ اﳋﻄﺄ‪69..................................................................‬‬
‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ ‪ :‬ﻃﺮق وﺗﻘﻨﻴﺎت أﺧﺮى ﰲ ﲢﻠﻴﻞ اﻻﳓﺪار‪75............................................................‬‬
‫‪ .1‬اﻟﻨﻤﺎذج ذات اﳌﺘﻐﲑات اﳌﺘﺒﺎﻃﺌﺔ زﻣﻨﻴﺎ‪75......................................................................‬‬
‫‪ .1.1‬ﳕﺎذج اﻟﺘﺨﻠﻒ اﻟﺰﻣﲏ اﳌﺘﺪرج‪75.......................................................................‬‬
‫‪ .2.1‬ﳕﺎذج اﻻﳓﺪار اﻟﺬاﰐ اﳋﻄﻴﺔ‪80........................................................................‬‬
‫‪ .3.1‬أﻣﺜﻠﺔ ﻋﻦ اﻟﻨﻤﺎذج اﳊﺮﻛﻴﺔ‪85..........................................................................‬‬
‫‪ .1.3.1‬ﳕﻮذج اﻟﺘﺼﺤﻴﺢ اﳉﺰﺋﻲ ‪85.....................................................................‬‬
‫‪ .2.3.1‬ﳕﻮذج اﻟﺘﻮﻗﻌﺎت اﳌﻜﻴﻔﺔ‪86......................................................................‬‬
‫‪ .2‬اﻟﻨﻤﺎذج ﻏﲑ اﳋﻄﻴﺔ‪87.......................................................................................‬‬
‫‪ .1.2‬اﻟﺘﺤﻮﻳﻞ اﳋﻄﻲ ﻟﻠﻨﻤﺎذج ﻏﲑ اﳋﻄﻴﺔ‪87.................................................................‬‬
‫‪ 2.2‬ﻃﺮق ﺗﻘﺪﻳﺮ اﻟﻨﻤﺎذج ﻏﲑ اﳋﻄﻴﺔ اﻟﱵ ﻏﲑ ﻗﺎﺑﻠﺔ ﻟﻠﺘﺤﻮﻳﻞ إﱃ ﺷﻜﻞ ﺧﻄﻲ ‪89...............................‬‬
‫‪ .3‬ﻣﺪﺧﻞ إﱃ اﻻﳓﺪار اﻟﻼ ﻣﻌﻠﻤﻲ‪92...............................................................................‬‬
‫‪ .1.3‬ﺗﻘﺪﻳﺮ اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ اﻟﺸﺮﻃﻲ ﺑﻄﺮﻳﻘﺔ اﻟﻨﻮاة‪92.....................................................‬‬
‫‪ .2.3‬ﻣﻨﻬﺠﻴﺔ اﺧﺘﻴﺎر اﳌﻌﺎﱂ‪95............................................................................‬‬
‫اﻟﻔﺼﻞ اﳋﺎﻣﺲ ‪ :‬ﻣﺪﺧﻞ إﱃ ﳕﺎذج اﳌﻌﺎدﻻت اﻵﻧﻴﺔ‪101..............................................................‬‬
‫‪ .1‬أﻣﺜﻠﺔ ﻋﻠﻰ ﳕﺎذج اﳌﻌﺎدﻻت اﻵﻧﻴﺔ‪101........................................................................‬‬
‫‪ .1.1‬ﳕﻮذج اﻟﻌﺮض واﻟﻄﻠﺐ‪101...........................................................................‬‬
‫‪ .2.1‬ﳕﻮذج اﻟﺴﻌﺮ و اﻷﺟﻮر‪102...........................................................................‬‬
‫‪ .3.1‬ﳕﻮذج ﻛﻴﻨﻴﺰ ﻟﺘﺤﺪﻳﺪ اﻟﺪﺧﻞ‪102......................................................................‬‬
‫‪ .2‬اﻟﺒﻨﺎء اﳍﻴﻜﻠﻲ واﻟﺼﻮرة اﳌﺨﺘﺰﻟﺔ ﻟﻠﻤﻌﺎدﻻت‪103.............................................................‬‬
‫‪ .3‬اﻟﺼﻴﻐﺔ اﻟﻌﺎﻣﺔ ﻟﻨﻤﺎذج اﳌﻌﺎدﻻت اﻵﻧﻴﺔ و اﻟﺘﺤﻴﺰ اﻵﱐ‪104.....................................................‬‬
‫‪ .4‬ﻣﺸﻜﻞ اﻟﺘﻤﻴﻴﺰ )اﻟﺘﻌﺮﻳﻒ(‪106...............................................................................‬‬
‫‪ .5‬ﻃﺮق ﺗﻘﺪﻳﺮ اﳌﻌﺎدﻻت اﻵﻧﻴﺔ‪109 ............................................................................‬‬
‫‪ .1.5‬ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻏﲑ اﳌﺒﺎﺷﺮة‪110 .............................................................‬‬
‫‪ .2.5‬ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻋﻠﻰ ﻣﺮﺣﻠﺘﲔ أو اﳌﻀﺎﻋﻔﺔ‪110................................................‬‬
‫‪ .6‬ﻣﺮﺣﻠﺔ اﻟﺘﻨﺒﺆ‪116...........................................................................................‬‬
‫اﳌﻠﺤﻖ‪118.....................................................................................................‬‬
‫اﳉﺪاول اﻹﺣﺼﺎﺋﻴﺔ‪126............................................................................................‬‬
‫ﻗﺎﺋﻤﺔ اﳌﺮاﺟﻊ‪132..................................................................................................‬‬
‫ﺗﻘﺪﱘ‬
‫ﻳﻌﺪ اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ أﺣﺪ ﻓﺮوع اﻟﻌﻠﻮم اﻻﻗﺘﺼﺎدﻳﺔ اﳌﺴﺘﺨﺪﻣﺔ ﻟﻸﺳﺎﻟﻴﺐ اﻟﻜﻤﻴﺔ ﰲ ﲢﻠﻴﻞ اﻟﻈﻮاﻫﺮ‬
‫اﻻﻗﺘﺼﺎدﻳﺔ‪ ،‬ﻓﻠﻘﺪ ﺳﺎﻋﺪ اﻟﺘﻄﻮر ﰲ اﻟﻨﻈﺮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ واﻻﻗﺘﺼﺎدﻳﺔ وﺛﻮرة اﳌﻌﻠﻮﻣﺎت ﻋﻠﻰ ﺣﺪوث ﺗﻄﻮر ﻛﺒﲑ ﰲ‬
‫ﳎﺎل اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ ﺧﻼل ﻓﱰة زﻣﻨﻴﺔ ﻗﺼﲑة‪ .‬إن ﻏﺎﻟﺒﻴﺔ اﻟﻌﻼﻗﺎت اﻟﱵ ﺗﻘﺪﻣﻬﺎ ﻟﻨﺎ اﻟﻨﻈﺮﻳﺔ اﻻﻗﺘﺼﺎدﻳﺔ‪ ،‬ﳝﻜﻦ‬
‫ﺻﻴﺎﻏﺘﻬﺎ ﰲ ﺻﻮرة ﳕﺎذج ر ﺿﻴﺔ ﺗُﻘﺪﱠر ﻣﻦ واﻗﻊ اﻟﺒﻴﺎ ت اﻟﻔﻌﻠﻴﺔ‪ ،‬وﻫﺬا ُﳝ ّﻜﻨﻨﺎ ﻣﻦ وﺿﻊ ﺗﻨﺒﺆات ﻋﻠﻰ اﻵ ر اﻟﻜﻤﻴﺔ‬
‫ﻋﻠﻰ أﺣﺪ اﳌﺘﻐﲑات اﻻﻗﺘﺼﺎدﻳﺔ اﻟﱵ ﳝﻜﻦ أن ﺗﱰﺗﺐ ﻋﻠﻰ اﻟﺘﻐﲑ ﰲ أﺣﺪ أو ﺑﻌﺾ اﳌﺘﻐﲑات اﻻﻗﺘﺼﺎدﻳﺔ اﻷﺧﺮى‪.‬‬
‫وﺣﻴﺚ أن أﻏﻠﺐ اﳌﺘﻐﲑات اﻻﻗﺘﺼﺎدﻳﺔ ﻗﺎﺑﻠﺔ ﻟﻠﻘﻴﺎس اﻟﻜﻤﻲ ﻣﺜﻞ اﻟﺴﻌﺮ‪ ،‬اﻟﺪﺧﻞ‪..‬اﱁ‪ ،‬ﻓﺈﻧﻪ ﳝﻜﻦ اﺳﺘﺨﺪام‬
‫اﻷﺳﻠﻮب اﻟﺮ ﺿﻲ ﰲ ﺷﺮح اﻟﻌﻼﻗﺎت اﻻﲡﺎﻫﻴﺔ‪ ،‬ﻛﻤﺎ ﲢﺪدﻫﺎ اﻟﻨﻈﺮﻳﺔ اﻻﻗﺘﺼﺎدﻳﺔ‪ ،‬ﺑﲔ ﻫﺬﻩ اﳌﺘﻐﲑات‪.‬‬
‫ﻟﻘﺪ اﺳﺘُﺨﺪم ﻟﻔﻆ اﻗﺘﺼﺎد ﻗِﻴﺎﺳﻲ ‪ Econometrics‬ﻷول ﻣﺮة ﺳﻨﺔ ‪ .1926‬إن أﺻﻞ ﻫﺬا اﳌﺼﻄﻠﺢ‬
‫‪ Econometrics‬ﻳﻮ ﱐ و ﻳﺘﻜﻮن ﻣﻦ ﻣﻘﻄﻌﲔ ﳘﺎ ‪ Economic‬أي ﻋﻠﻢ اﻻﻗﺘﺼﺎد و ‪ Metrics‬أي اﻟﻘﻴﺎس )اﳌﱰ(‬
‫وﻳﻌﺮﻓﻪ اﻟﺒﻌﺾ ﻧﻪ اﻟﻘﻴﺎس ﰲ اﻻﻗﺘﺼﺎد‪ ،‬وﺑﺼﻮرة أﻛﺜﺮ ﺗﻔﺼﻴﻼ ﻫﻮ اﻟﻌﻠﻢ اﻟﺬي ﻳﻬﺘﻢ ﺑﻘﻴﺎس اﻟﻌﻼﻗﺎت اﻻﻗﺘﺼﺎدﻳﺔ‬
‫ﻣﻦ ﺧﻼل ﺑﻴﺎ ت واﻗﻌﻴﺔ‪ ،‬ﺑﻐﺮض اﺧﺘﺒﺎر ﻣﺪى ﺻﺤﺔ ﻫﺬﻩ اﻟﻌﻼﻗﺎت ﻛﻤﺎ ﺗﻘﺪﻣﻬﺎ اﻟﻨﻈﺮﻳﺔ‪ ،‬أو ﺗﻔﺴﲑ ﺑﻌﺾ اﻟﻈﻮاﻫﺮ‪،‬‬
‫أو رﺳﻢ ﺑﻌﺾ اﻟﺴﻴﺎﺳﺎت‪ ،‬أو اﻟﺘﻨﺒﺆ ﺑﺴﻠﻮك ﺑﻌﺾ اﳌﺘﻐﲑات اﻻﻗﺘﺼﺎدﻳﺔ‪..‬‬
‫ﻫﻨﺎك ﻋﻼﻗﺔ ﺑﲔ اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ واﻟﻔﺮوع اﻷﺧﺮى‪ ،‬ﺣﻴﺚ أن اﻹﺣﺼﺎء ﳝﺪ ﺳﺎﻟﻴﺐ وﻃﺮق اﻟﻘﻴﺎس ﻣﺜﻞ‬
‫اﻻرﺗﺒﺎط واﻻﳓﺪار‪ ،‬ﻹﺿﺎﻓﺔ إﱃ اﻟﺒﻴﺎ ت اﻟﻮاﻗﻌﻴﺔ اﳌﺒﻮﺑﺔ؛ أﻣﺎ اﻟﻨﻈﺮﻳﺔ اﻻﻗﺘﺼﺎدﻳﺔ ﻓﺘُﺤﺪد ﻟﻨﺎ اﻟﻌﻼﻗﺎت اﻻﻗﺘﺼﺎدﻳﺔ‬
‫اﳌﺮاد ﻗﻴﺎﺳﻬﺎ ﻣﻦ ﺧﻼل اﻟﻔﺮﺿﻴﺎت اﻟﱵ ﺗﻘﺪﻣﻬﺎ‪ ،‬ﺑﻴﻨﻤﺎ ﻳﻀﻊ اﻻﻗﺘﺼﺎد اﻟﺮ ﺿﻲ ﻫﺬﻩ اﻟﻌﻼﻗﺎت اﻟﻨﻈﺮﻳﺔ ﰲ ﺻﻴﻎ‬
‫ر ﺿﻴﺔ ﻫﻲ اﳌﻌﺎدﻻت اﻟﱵ ﺧﺬ أﺷﻜﺎﻻ داﻟﻴﺔ ﳐﺘﻠﻔﺔ و ﻗﺎﺑﻠﺔ ﻟﻠﻘﻴﺎس‪ .‬اﳍﺪف اﻷﺳﺎﺳﻲ إذن ﻫﻮ ﺑﻨﺎء اﻟﻨﻤﺎذج‬
‫اﻟﻘﻴﺎﺳﻴﺔ اﻻﻗﺘﺼﺎدﻳﺔ ﰲ ﺷﻜﻞ ﻗﺎﺑﻞ ﻟﻼﺧﺘﺒﺎر اﳌﻴﺪاﱐ و ﺗﻘﺪﻳﺮ واﺧﺘﺒﺎر ﻫﺬﻩ اﻟﻨﻤﺎذج ﻣﺴﺘﻌﻤﻠﲔ اﻟﺒﻴﺎ ت اﳌﺘﻮﻓﺮة ﰒ‬
‫ﰲ اﻷﺧﲑ اﺳﺘﻌﻤﺎل اﻟﻨﻤﺎذج اﳌﻘﺪرة ﻟﻐﺮض اﻟﺘﻨﺒﺆ‪ ،‬اﻟﺘﺤﻠﻴﻞ اﻻﻗﺘﺼﺎدي أو اﲣﺎذ اﻟﻘﺮارات اﳌﻨﺎﺳﺒﺔ‪.‬‬
‫ﻧﻘﱰح ﰲ ﻫﺬﻩ اﳌﻄﺒﻮﻋﺔ دروﺳﺎ ﰲ اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ ﻣﻊ إﻋﻄﺎء أﻣﺜﻠﺔ ﳏﻠﻮﻟﺔ ﺑﻄﺮﻳﻘﺔ ﻋﻤﻠﻴﺔ و ﺑﻴﺪاﻏﻮﺟﻴﺔ ﻟﺘﻤﻜﲔ‬
‫اﻟﻄﺎﻟﺐ ﻣﻦ اﻟﺘﺤﻜﻢ اﳉﻴﺪ ﰲ اﻟﻘﻮاﻧﲔ اﳌﻌﻄﺎة ﰲ اﶈﺎﺿﺮة ﻣﻦ ﺟﻬﺔ وﻣﻦ ﺟﻬﺔ أﺧﺮى ﻧﺸﺠﻊ اﻟﻄﺎﻟﺐ ﻋﻠﻰ اﺳﺘﺨﺪام‬
‫ﺑﺮﳎﻴﺎت اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ اﻟﱵ ﺗﻌﺘﱪ ﻛﻀﺮورة ﻣﻠﺤﺔ ﰲ وﻗﺘﻨﺎ اﳊﺎﺿﺮ‪ .‬ﺳﻴﺘﻢ ﺣﻞ ﺑﻌﺾ اﻷﻣﺜﻠﺔ ﺳﺘﻌﻤﺎل ﺑﺮﳎﻴﺎت‬
‫‪ RATS 5.04‬و ‪ Eviews 4.0‬و ‪ GAUSS‬وﺑﺮﳎﻴﺎت أﺧﺮى ﺧﺎﺻﺔ‪.‬‬
‫ﻫﺬﻩ اﳌﻄﺒﻮﻋﺔ ﻣﻮﺟﻬﺔ ﻟﻄﻠﺒﺔ اﻟﺴﻨﺔ اﻟﺜﺎﻟﺜﺔ ﻋﻠﻮم اﻗﺘﺼﺎدﻳﺔ و ﲡﺎرﻳﺔ وﻋﻠﻮم اﻟﺘﺴﻴﲑ ﺑﻨﻈﺎﻣﻴﻬﺎ اﻟﻜﻼﺳﻴﻜﻲ واﻟـ‪LMD‬‬
‫وﻃﻠﺒﺔ اﻟﺴﻨﺔ اﻷوﱃ ﻣﺎﺳﱰ‪.‬‬
‫ﲢﺘﻮي ﻫﺬﻩ اﳌﻄﺒﻮﻋﺔ ﻋﻠﻰ ﲬﺴﺔ ﻓﺼﻮل‪ ،‬ﺳﻨﺘﻄﺮق ﰲ اﻟﻔﺼﻠﲔ اﻷول واﻟﺜﺎﱐ إﱃ ﻃﺮق ﲢﻠﻴﻞ اﻻﳓﺪار اﳋﻄﻲ‬
‫اﻟﺒﺴﻴﻂ واﳌﺘﻌﺪد‪ ،‬أﻣﺎ اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ ﻓﻴﺘﻨﺎول ﻣﺸﺎﻛﻞ اﻟﻘﻴﺎس اﻻﻗﺘﺼﺎدي اﻟﱵ ﺗﺘﻌﻠﻖ ﺧﺘﻼل ﰲ ﻓﺮﺿﻴﺎت اﻟﻨﻤﻮذج‪.‬‬
‫أ‬
‫ﳛﺘﻮي اﻟﻔﺼﻞ اﻟﺮاﺑﻊ ﻋﻠﻰ ﻃﺮق أﺧﺮى ﰲ ﲢﻠﻴﻞ اﻻﳓﺪار ﻣﺜﻞ اﻻﳓﺪار ﻏﲑ اﳋﻄﻲ وﻃﺮﻳﻘﺔ اﻟﻨﻮاة‪ ،‬أﻣﺎ اﻟﻔﺼﻞ‬
‫اﳋﺎﻣﺲ ﻓﻨﻌﻄﻲ ﻓﻴﻪ ﻧﺒﺬة ﻋﻦ ﳕﺎذج اﳌﻌﺎدﻻت اﻵﻧﻴﺔ وﻃﺮق ﺗﻘﺪﻳﺮﻫﺎ‪.‬‬
‫ب‬
‫اﻟﻔﺼﻞ اﻷول ‪ :‬ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‪1 ..................................................................................................................‬‬
‫اﻟﻔﺼﻞ اﻷول ‪:‬‬

‫ﲢﻠﻴﻞ اﻻﳓﺪار اﳋﻄﻲ اﻟﺒﺴﻴﻂ‬
‫ﻳﻌﺘــﱪ اﻻﳓــﺪار اﳋﻄــﻲ اﻟﺒﺴــﻴﻂ أﺑﺴــﻂ أﻧـﻮاع ﳕــﺎذج اﻻﳓــﺪار‪ ،‬ﲝﻴــﺚ ﻳﻮﺟــﺪ اﻟﻌﺪﻳــﺪ ﻣــﻦ اﻟﻌﻼﻗــﺎت اﻻﻗﺘﺼــﺎدﻳﺔ اﻟــﱵ‬
‫ﳝﻜــﻦ ﻗﻴﺎﺳــﻬﺎ ﺳــﺘﺨﺪام ﻫــﺬا اﻷﺳــﻠﻮب‪ ،‬ﻣﺜــﻞ ﻋﻼﻗــﺔ اﻹﻧﻔــﺎق اﻻﺳــﺘﻬﻼﻛﻲ واﻟــﺪﺧﻞ اﳌﺘــﺎح‪ ،‬وﻋﻼﻗــﺔ اﻟﻜﻤﻴــﺔ اﳌﻄﻠﻮﺑــﺔ‬
‫ﻣ ــﻦ اﻟﺴ ــﻠﻌﺔ وﺳ ــﻌﺮﻫﺎ‪ ،‬وأﻳﻀ ــﺎ ﻣﺴ ــﺘﻮى اﻟﺒﻄﺎﻟ ــﺔ ﻣ ــﻊ ﻣﻌ ــﺪل اﻟﺘﻀ ــﺨﻢ‪ ... 1‬ﺳ ــﻨﺘﻄﺮق إذن ﰲ ﻫ ــﺬا اﻟﻔﺼ ــﻞ إﱃ ﲢﻠﻴ ــﻞ‬
‫اﻻﳓﺪار ذي ﻣﺘﻐﲑﻳﻦ‪ .‬ﻧﻌﻄـﻲ أوﻻ اﻟﺼـﻴﻐﺔ اﻟﺮ ﺿـﻴﺔ ﳍـﺬا اﻟﻨﻤـﻮذج ﻣـﻊ اﻟﻔﺮﺿـﻴﺎت اﻷﺳﺎﺳـﻴﺔ ﺣـﻮل اﳋﻄـﺄ اﻟﻌﺸـﻮاﺋﻲ ﰒ‬
‫ﰲ اﻟﻔﻘـﺮة اﻟﺜﺎﻧﻴـﺔ ﻣـﻦ ﻫــﺬا اﻟﻔﺼـﻞ ﻧﻘـﻮم ﺑﺘﻌﺮﻳــﻒ ﻃﺮﻳﻘـﺔ اﳌﺮﺑﻌـﺎت اﻟﺼــﻐﺮى اﻟﻌﺎدﻳـﺔ ﻗﺼـﺪ ﺗﻘــﺪﻳﺮ ﻣﻌـﺎﱂ اﻟﻨﻤـﻮذج ودراﺳــﺔ‬
‫ﺧﺼــﺎﺋﺺ اﳌﻘــﺪرات ﻣــﻊ ﺗﺸــﺘﺘﺎ ﺎ وﰲ اﳉــﺰء اﻟﺜــﺎﱐ‪ ،‬ﺳــﻨﺘﻨﺎول دراﺳــﺔ اﻟﺘﻮزﻳــﻊ اﻻﺣﺘﻤــﺎﱄ ﻟﻠﻤﻘــﺪرات وﺑﻨــﺎء ﻓـﱰات اﻟﺜﻘــﺔ‬
‫ﻗﺼﺪ اﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺎت‪.‬‬
‫‪ .1‬ﻛﺘﺎﺑﺔ اﻟﻨﻤﻮذج اﳋﻄﻲ واﻟﻔﺮﺿﻴﺎت اﻷﺳﺎﺳﻴﺔ‪:‬‬
‫و ‪ X i‬ﻋﻠﻰ اﻟﺸﻜﻞ ‪:‬‬ ‫‪Yi‬‬ ‫ﳝﻜﻦ ﳕﺬﺟﺔ اﻟﻌﻼﻗﺔ ﺑﲔ اﳌﺘﻐﲑﻳﻦ‬

‫‪Yi   0   1 X i   i , i  1..........n‬‬
‫ﺣﻴﺚ ‪ Yi :‬ﻳﺴﻤﻰ ﳌﺘﻐﲑ اﳌ َﻔ ﱠﺴﺮ أو اﻟﺘﺎﺑﻊ و ‪ X i‬ﳌﺘﻐﲑ اﳌ َﻔ ِّﺴﺮ أو اﳌﺴﺘﻘﻞ‪  0 ،‬و ‪ 1‬ﳘﺎ ﻣﻌﻠﻤﺎ اﻟﻨﻤﻮذج‪.‬‬
‫ُ‬ ‫ُ‬
‫أﻣﺎ ‪  i‬ﻓﻴﻤﺜﻞ اﳋﻄﺄ ﰲ ﺗﻔﺴﲑ ‪ ، Yi‬وﻣﻨﻪ ﳝﻜﻦ ﻛﺘﺎﺑﺘﻪ اﻧﻄﻼﻗﺎ ﻣﻦ اﻟﻌﻼﻗﺔ‪ i  Yi   0  1 X i :‬‬
‫وﻳﺮﺟﻊ وﺟﻮد ﺣﺪ اﳋﻄـﺄ إﱃ إﳘـﺎل ﺑﻌـﺾ اﳌﺘﻐـﲑات اﳌﺴـﺘﻘﻠﺔ اﻟـﱵ ﳝﻜـﻦ أن ﺗـﺆﺛﺮ ﻋﻠـﻰ اﳌﺘﻐـﲑ اﻟﺘـﺎﺑﻊ ﰲ اﻟﻨﻤـﻮذج و‬
‫ﺣﺪوث ﺧﻄﺄ ﰲ ﻛﻞ ﻣﻦ ﲡﻤﻴﻊ اﻟﺒﻴﺎ ت وﻗﻴﺎس اﳌﺘﻐﲑات اﻻﻗﺘﺼﺎدﻳﺔ و ﻳﺮﺟﻊ ذﻟﻚ أﻳﻀـﺎ إﱃ اﻟﺼـﻴﺎﻏﺔ اﻟﺮ ﺿـﻴﺔ ﻏـﲑ‬
‫اﻟﺴﻠﻴﻤﺔ ﻟﻠﻨﻤﻮذج‪.‬‬
‫وﻳﱰﺗــﺐ ﻋﻠــﻰ إﺳــﻘﺎط ﻫــﺬا اﻻﻓ ـﱰاض ﺣــﺪوث أﺧﻄــﺎء ﲢﺪﻳــﺪ ﺗﺘﻤﺜــﻞ ﰲ إﻏﻔــﺎل ﻣﺘﻐ ـﲑات ﻣﺴــﺘﻘﻠﺔ ﻫﺎﻣــﺔ ﰲ ﳕــﻮذج‬
‫اﻻﳓﺪار اﳌﺮاد ﺗﻘﺪﻳﺮﻩ‪ ،‬أو اﺣﺘﻮاء ﻫﺬا اﻟﻨﻤﻮذج ﻋﻠـﻰ ﻣﺘﻐـﲑات ﻣﺴـﺘﻘﻠﺔ ﻏـﲑ ﻫﺎﻣـﺔ وﰲ ﺗﻐـﲑ ﻣﻌـﺎﻣﻼت اﻻﳓـﺪار أي أن‬
‫ﻣﻌﺎﻣﻼت اﻻﳓﺪار ﻗﺪ ﻻ ﺗﻈﻞ ﺑﺘﺔ أﺛﻨﺎء اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ اﻟﱵ ﰎ ﲡﻤﻴﻊ اﻟﺒﻴﺎ ت ﻋﻨﻬﺎ‪.‬‬
‫‪ 1‬ﻋﺒﺪ اﻟﻘﺎدر ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻘﺎدر‪ ،1990 ،‬ص ‪.89‬‬

‫‪ ‬اﻟﻌﻼﻗﺔ اﳊﻘﻴﻘﻴﺔ ﺑﲔ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ واﳌﺴﺘﻘﻞ ﻗﺪ ﺗﻜﻮن ﻏﲑ ﺧﻄﻴﺔ‪.‬‬

‫ﻓﺮﺿﻴﺎت اﻟﻨﻤﻮذج ‪:‬‬
‫أ‪ .‬اﻟﻔﺮﺿﻴﺔ اﻷوﱃ ‪ :‬اﻷﻣﻞ اﻟﺮ ﺿﻲ ﻟﻸﺧﻄﺎء ﻣﻌﺪوم ‪E ( i )  0 :‬‬
‫وﺗﻌــﲏ ﻫــﺬﻩ اﻟﻔﺮﺿــﻴﺔ أن اﻷﺧﻄــﺎء ﻻ ﺗــﺪﺧﻞ ﰲ ﺗﻔﺴــﲑ ‪ ،Y‬إذ أ ــﺎ ﺗﻌــﱪ ﻋــﻦ ﺣــﺪود ﻋﺸ ـﻮاﺋﻴﺔ ﺧــﺬ‬
‫ﻗﻴﻤــﺎ ﺳــﺎﻟﺒﺔ‪ ،‬ﻣﻮﺟﺒــﺔ أو ﻣﻌﺪوﻣــﺔ ﻻ ﳝﻜــﻦ ﻗﻴﺎﺳــﻬﺎ أو ﲢﺪﻳــﺪﻫﺎ ﺑﺪﻗــﺔ‪ ،‬وﲣﻀــﻊ ﻟﻘ ـﻮاﻧﲔ اﻻﺣﺘﻤــﺎل‪،‬‬
‫ﲝﻴﺚ ﻳﻜﻮن وﺳﻄﻬﺎ أو ﺗﻮﻗﻌﻬﺎ اﻟﺮ ﺿﻲ ﻣﺴﺎو ﻟﻠﺼﻔﺮ‪E ( i )  0, i  1.....n :‬‬
‫ب‪ .‬اﻟﻔﺮﺿﻴﺔ اﻟﺜﺎﻧﻴﺔ ‪ :‬ﲡﺎﻧﺲ )ﺛﺒﺎت( ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ‪: Homoscedasticity‬‬
‫وﻫﻮ ﻣﺎ ﻳﻌﲏ أن ﺗﺸﺘﺘﻬﺎ ﺣﻮل اﳌﺘﻮﺳﻂ ﺑﺖ‪ ،‬وﻧﻌﱪ ﻋﻨﻬﺎ ر ﺿﻴﺎ ﻟﻜﺘﺎﺑﺔ‪:‬‬
‫‪Var ( i )  E ( i2 )   2‬‬ ‫‪, i  1.....n‬‬
‫ج‪ .‬اﻟﻔﺮﺿﻴﺔ اﻟﺜﺎﻟﺜﺔ ‪ :‬ﻋﺪم وﺟﻮد ارﺗﺒﺎط ذاﰐ ﺑﲔ اﻷﺧﻄﺎء‪ :‬ﲟﻌﲎ أن اﻟﺘﺒﺎﻳﻨﺎت اﳌﺸﱰﻛﺔ ﻷﺧﻄﺎء‬
‫اﳌﻼﺣﻈﺎت اﳌﺨﺘﻠﻔﺔ ﺗﻜﻮن ﻣﻌﺪوﻣﺔ‪ ،‬وﻫﺬا ﻋﻠﻰ ﳐﺘﻠﻒ ﻣﺸﺎﻫﺪات ﻣﻜﻮ ت اﻟﻌﻴﻨﺔ‪ ،‬وﻧﻌﱪ ﻋﻨﻬﺎ‬
‫ر ﺿﻴﺎ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪Cov( i ,  j )  E ( i  j )  0 , i  j‬‬ ‫‪i, j  1.....n‬‬
‫د‪ .‬اﻟﻔﺮﺿﻴﺔ اﻟﺮاﺑﻌﺔ ‪ :‬ﺗﺘﻌﻠﻖ ﺑﻘﻴﻢ اﳌﺘﻐﲑ اﳌﺴـﺘﻘﻞ ‪ ، X i‬ﺗﺘﻤﺜـﻞ ﰲ أن اﳌﻌﻄﻴـﺎت اﻟـﱵ ﲨﻌـﺖ ﻟﻨﺴـﺒﺔ ﳍـﺬا‬
‫اﳌﺘﻐــﲑ ﻗــﺎدرة ﻋﻠــﻰ إﻇﻬــﺎر ﺛﲑﻫــﺎ ﰲ ﺗﻐــﲑ اﳌﺘﻐــﲑ اﻟﺘــﺎﺑﻊ ‪ ، Yi‬ﲝﻴــﺚ ﺗﻜــﻮن ﻗﻴﻤــﺔ واﺣــﺪة ﻋﻠــﻰ اﻷﻗــﻞ‬
‫ﳐﺘﻠﻔﺔ ﻋﻦ ﺑﻘﻴﺔ اﻟﻘﻴﻢ‪ ،2‬أي ﻣﻬﻤﺎ ﻳﻜﻦ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪ : n‬ﻳﻜﻮن اﳌﻘﺪار ‪، 1 n  X i  X 2  0‬‬
‫‪n‬‬
‫‪i 1‬‬
‫أي أن اﻷﺧﻄﺎء ﺗﻜﻮن ﻣﺴﺘﻘﻠﺔ ﻋﻦ ‪: Xi‬‬

‫‪Cov( X i ,  i )  0, i  1, ..., n‬‬
‫‪ .2‬ﺗﻘﺪﻳﺮ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج‪:‬‬

‫ﺳﻨﺮﻣﺰ ﻓﻴﻤﺎ ﻳﻠﻲ إﱃ اﻟﻘﻴﻤﺔ اﳌﻘﺪرة ﻟـ ‪) Yi‬اﳊﻘﻴﻘﻴﺔ( ﺑـ ‪: Yî‬‬
‫ﻋﻨــﺪ ﺳــﺤﺐ ﻋﻴﻨــﺔ ﻣﻜﻮﻧــﺔ ﻣــﻦ ‪ n‬ﺛﻨﺎﺋﻴــﺔ ‪ ,…….., ( X 1 , Y1 ) ( X n , Yn ) :‬ﻳﻜــﻮن اﻟﺘﺴــﺎؤل ﺣــﻮل اﳋــﻂ اﻟــﺬي ﻳُﻌـِّـﱪ‬
‫ﺑﻜﻴﻔﻴــﺔ ﺟﻴــﺪة ﻋــﻦ اﻟﻌﻼﻗــﺔ ‪ Yi   0  1 X i   i :‬وﻟــﺬﻟﻚ ﳚــﺐ ﺗﻘــﺪﻳﺮ اﳌﻌــﺎﻣﻠﲔ ‪  0‬و ‪ . 1‬ﻓﻌﻨــﺪ ﲤﺜﻴــﻞ ﺛﻨﺎﺋﻴــﺎت‬
‫اﳌﺸﺎﻫﺪات ﰲ ﺑﻴـﺎن ﻳُﻈﻬـﺮ ﻟﻨـﺎ ﺗﺸـﺘﺖ ﻫـﺬﻩ اﳌﺸـﺎﻫﺪات )اﻟﺸـﻜﻞ رﻗـﻢ )‪ ،((1‬ﻳﻜـﻮن ﻫـﺪﻓﻨﺎ ﻫـﻮ اﻟﺒﺤـﺚ ﻋـﻦ ﺗﺼـﺤﻴﺢ‬
‫ﻳﻌﱪ ﺗﻌﺒﲑا ﺟﻴﺪا ﻋﻦ اﻟﻌﻼﻗﺔ أﻋﻼﻩ‪ .‬ﰲ ﻫﺪﻩ اﳊﺎﻟﺔ ﻧﻘﱰح ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪.‬‬
‫‪ .1.2‬ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪:‬‬
‫‪ 2‬ﻋﺒﺪ اﻟﺤﻤﯿﺪ ﻋﺒﺪ اﻟﻤﺠﯿﺪ اﻟﺒﻠﺪاوي‪ ،1997 ،‬ص ‪.506‬‬

‫إن ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ ﲢﺎول إﳚﺎد أﺣﺴﻦ ﺗﺼﺤﻴﺢ ﺧﻄﻲ ﺑﺘﺪﻧﺌﻪ ﻣﺮﺑﻌﺎت اﻻﳓـﺮاف )ﺑـﲔ اﳌﺸـﺎﻫﺪات اﻟﻔﻌﻠﻴـﺔ واﳌﻘـﺪرة(‬
‫‪n‬‬
‫)أﻧﻈﺮ اﻟﺸﻜﻞ رﻗﻢ )‪.((1‬‬ ‫‪. î  Yi  Yî‬‬ ‫‪ ،  î2‬ﺣﻴﺚ‪:‬‬
‫‪i 1‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ : (1‬اﳍﺪف ﻣﻦ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‬

‫‪Yi‬‬
‫•‬ ‫‪Yˆ  ˆ 0  ˆ1 X‬‬
‫•‬
‫•‬ ‫•‬
‫• •‬ ‫•‬
‫‪yi‬‬ ‫•‬ ‫•‬
‫‪î‬‬ ‫• •‬ ‫•‬
‫‪ŷi‬‬ ‫•‬
‫‪̂ 0‬‬ ‫‪̂1‬‬
‫•‬
‫‪xi‬‬
‫‪Xi‬‬
‫‪‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪Min î2  Min‬‬
‫‪ˆ ˆ  i‬‬
‫وﻫﺬا ﻣﺎ ﳝﻜﻦ ﻛﺘﺎﺑﺘﻪ ر ﺿﻴﺎ ﺑـ ‪:‬‬
‫‪2‬‬
‫‪Y  ˆ0  ˆ1 X i‬‬
‫‪i 1‬‬
‫‪ 0 , 1 i 1‬‬
‫ﻣﻌﺪوﻣﺔ أي ‪:‬‬ ‫‪ˆ1 , ˆ0‬‬ ‫واﻟﺸﺮط اﻟﻼزم ﻟﺘﺪﻧﺌﺔ ﻫﺬﻩ اﻟﻌﻼﻗﺔ ﻫﻮ أن ﺗﻜﻮن اﳌﺸﺘﻘﺎت اﳉﺰﺋﻴﺔ ﻟﻨﺴﺒﺔ‬
‫‪ ‬‬
‫‪‬‬
‫‪ ˆ  Yi   0  1 X i  0‬‬
‫ˆ‬ ‫ˆ‬ ‫‪2‬‬
‫‪‬‬
‫‪  0 i‬‬
‫‪‬‬
‫‪ ‬‬
‫‪‬‬
‫‪ ˆ i‬‬
‫‪‬‬ ‫‪2‬‬
‫‪Yi  ˆ0  ˆ1 X i  0‬‬ ‫‪‬‬
‫‪ 1‬‬
‫ﺑﻌﺪ ﺣﻞ ﲨﻠﺔ اﳌﻌﺎدﻟﲔ اﻟﺴﺎﺑﻘﺔ ﻧﺘﺤﺼﻞ ﻋﻠﻰ ﺗﻘﺪﻳﺮ ﻣﻌﻠﻤﱵ اﻟﻨﻤﻮذج ‪:‬‬
‫‪‬‬ ‫‪n X Y   X  Y‬‬
‫‪i i‬‬ ‫‪i‬‬ ‫‪i‬‬
‫‪ˆ  i‬‬ ‫‪i‬‬ ‫‪i‬‬
‫‪ 1‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪n X i2    X i ‬‬
‫‪‬‬ ‫‪i‬‬ ‫‪ i‬‬ ‫‪‬‬
‫ˆ‪‬‬ ‫ˆ‬
‫‪ 0  Y   1 X‬‬
‫‪ X‬‬ ‫‪ X Yi  Y ‬‬

‫‪n‬‬
‫‪i‬‬
‫‪ˆ1 ‬‬ ‫‪i 1‬‬
‫‪:‬‬ ‫‪̂1‬‬ ‫وﻣﻦ اﳌﻔﻴﺪ اﺳﺘﺨﺪام ﺻﻴﻐﺔ ﻣﻜﺎﻓﺌﺔ ﻟﺘﻘﺪﻳﺮ‬
‫‪ X‬‬ ‫‪ X‬‬
‫‪n‬‬
‫‪2‬‬
‫‪i‬‬
‫‪i 1‬‬
‫وﻳﻜﻮن اﻟﻨﻤﻮذج اﳌﻘﺪر )ﺧﻂ اﻻﳓﺪار( ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﳌﻘﺪرة )‪ (OLS‬ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪Yî  ˆ 0  ˆ1 X i‬‬
‫‪ .2.2‬ﺧﺼﺎﺋﺺ ﻣﻘﺪرات اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ‪:‬‬

‫أ‪ -‬ﺧﺎﺻــﻴﺔ ﻋــﺪم اﻟﺘﺤﻴــﺰ‪ :‬اﻟﺘﺤﻴــﺰ ﻫــﻮ ذﻟــﻚ اﻟﻔــﺮق ﺑــﲔ ﻣﻘــﺪرة ﻣــﺎ ووﺳــﻂ ﺗﻮزﻳﻌﻬــﺎ‪ ،‬ﻓــﺈذا ﻛــﺎن ﻫــﺬا اﻟﻔــﺮق ﳜﺘﻠــﻒ ﻋــﻦ‬
‫اﻟﺼـ ـ ـ ــﻔﺮ ﻧﻘـ ـ ـ ــﻮل ﻋ ـ ـ ـ ــﻦ ذﻟـ ـ ـ ــﻚ اﳌﻘ ـ ـ ـ ــﺪر ﻧـ ـ ـ ــﻪ ﻣﺘﺤﻴ ـ ـ ـ ــﺰ‪ .‬وإذا ﻋـ ـ ـ ــﺪ إﱃ ﻣﻘ ـ ـ ـ ــﺪرﰐ اﳌﺮﺑﻌـ ـ ـ ــﺎت اﻟﺼ ـ ـ ـ ــﻐﺮى ﻓﺈﻧﻨـ ـ ـ ــﺎ ﳒ ـ ـ ـ ــﺪ‬
‫‪ E ˆ1   1 , E ˆ0    0‬وﻣﻨﻪ ﻧﻘﻮل أن ‪ ˆ0‬و ‪ ̂1‬ﳘﺎ ﻣﻘﺪرﺗﲔ ﻏﲑ ﻣﺘﺤﻴﺰﺗﲔ ﻟـ ‪  0‬و ‪ 1‬ﻋﻠﻰ اﻟﺘﻮاﱄ‪.‬‬
‫اﻟﱪﻫﺎن ‪ :‬ﻧﱪﻫﻦ أن ‪ ˆ0‬و ‪ ̂1‬ﻣﻘﺪران ﻏﲑ ﻣﺘﺤﻴﺰﻳﻦ‪.‬‬
‫‪:‬‬ ‫‪̂1‬‬ ‫ﻟﻨﺴﺒﺔ ﻟـ‬ ‫‪‬‬
‫‪n‬‬
‫‪x y‬‬ ‫‪i‬‬ ‫‪i‬‬

‫‪xi  X i  X‬‬ ‫و‬ ‫‪y i  Yi  Y‬‬ ‫ﺣﻴﺚ ‪:‬‬ ‫‪ˆ1 ‬‬ ‫‪i 1‬‬
‫‪n‬‬
‫ﻟﺪﻳﻨﺎ اﳌﻘﺪر‬
‫‪x‬‬
‫‪i 1‬‬
‫‪2‬‬
‫‪i‬‬
‫‪n‬‬
‫‪xi‬‬
‫ﻓﻬﻮ ﺧﻄﻲ ﻷن ‪:‬‬ ‫‪ˆ1   wi y i‬‬ ‫‪ ، wi‬ﻓﻴﻤﻜﻦ ﻛﺘﺎﺑﺔ اﳌﻘﺪر ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬ ‫‪‬‬ ‫‪n‬‬
‫ﻧﻀﻊ ‪:‬‬
‫‪i 1‬‬
‫‪x‬‬
‫‪i 1‬‬
‫‪2‬‬
‫‪i‬‬
‫‪n‬‬
‫‪ˆ1   wi y i  w1 y1  w2 y 2  .....  wn y n‬‬
‫‪i 1‬‬
‫‪:‬‬ ‫‪i‬‬ ‫ﺧﺼﺎﺋﺺ‬

‫‪n‬‬
‫‪w‬‬ ‫‪i‬‬ ‫‪0‬‬ ‫‪-‬‬

‫‪i 1‬‬
‫‪n‬‬
‫‪w x‬‬ ‫‪i‬‬ ‫‪i‬‬ ‫‪1‬‬ ‫‪-‬‬

‫‪i 1‬‬
‫‪n‬‬
‫‪1‬‬
‫‪w‬‬ ‫‪2‬‬
‫‪i‬‬ ‫‪‬‬ ‫‪n‬‬
‫‪-‬‬
‫‪i 1‬‬
‫‪x‬‬‫‪i 1‬‬
‫‪2‬‬
‫‪i‬‬
‫ﻳﻜﺘﺐ ﻋﻠﻰ اﻟﺸﻜﻞ ‪:‬‬ ‫‪̂1‬‬ ‫ﻧﻌﻠﻢ أن‬

‫‪n‬‬
‫‪Y   0  1 X  ‬‬ ‫و‬ ‫‪Yi   0  1 X i   i‬‬ ‫ﺣﻴﺚ ‪:‬‬ ‫] ‪ˆ1   wi [Yi  Y‬‬
‫‪i 1‬‬
‫‪n‬‬
‫] ‪ˆ1   wi [  0  1 X i   i   0  1 X  ‬‬ ‫وﻋﻠﻴﻪ ‪:‬‬
‫‪i 1‬‬
‫‪n‬‬ ‫‪n‬‬
‫]) ‪ˆ1   wi [ 1 X i   i  1 X   ]   wi [ 1 ( X i  X )  ( i  ‬‬ ‫ﳓﺼﻞ ﻋﻠﻰ ‪:‬‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫‪n‬‬
‫‪ ،  wi xi‬إذن ‪:‬‬ ‫‪1‬‬ ‫ﻣﺴﺎو ﻟﻠﺼﻔﺮ ﻷﻣﻞ اﻟﺮ ﺿﻲ و‬ ‫‪‬‬ ‫ﻳﺆول إﱃ ‪  i‬ﻷن‬ ‫‪i  ‬‬ ‫اﳌﻘﺪار‬
‫‪i 1‬‬
‫‪n‬‬
‫‪ˆ1  1   wi i‬‬ ‫ﻋﺸﻮاﺋﻲ (‬ ‫‪̂1‬‬ ‫)‬
‫‪i 1‬‬
‫‪n‬‬
‫و ﻋﺘﺒﺎر أن ‪:‬‬ ‫) ‪E ( ˆ1 )  E (  1 )   wi E ( i‬‬ ‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ ‪:‬‬
‫‪i 1‬‬
‫ﻓﻬﻮ‬ ‫‪ ‬‬

‫‪E ˆ1   1‬‬ ‫‪ 1 ) E ( 1 )  1‬ﻣﻌﻠﻢ ﻧﻈﺮي ﻏﲑ ﻋﺸﻮاﺋﻲ( و ‪ ، E ( i )  0‬وﻣﻨﻪ ﻧﺴﺘﻨﺘﺞ أن‬
‫‪n‬‬
‫ﻣﻘﺪر ﻏﲑ ﻣﺘﺤﻴﺰ‪ .‬ﻧﺬﻛﺮ ﻓﻘﻂ أن ﻣﻘﺪار اﻟﺘﺤﻴﺰ ‪ ˆ1  1‬ﻳﺴﺎوي إﱃ ‪.  wi  i‬‬
‫‪i 1‬‬
‫‪:‬‬ ‫‪ˆ0‬‬ ‫ﻟﻨﺴﺒﺔ ﻟـ‬ ‫‪‬‬

‫ﻧﻌﻠﻢ أن ‪ ˆ0  Y  ˆ1 X :‬ﺣﻴﺚ ‪:‬‬
‫‪Y   0  1 X  ‬‬
‫‪ ˆ0   0  1 X    ˆ1 X‬و دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ‪ ،‬ﳓﺼﻞ ﻋﻠﻰ ‪:‬‬
‫‪ ‬‬ ‫‪1‬‬ ‫‪n‬‬
‫‪E ˆ1   1‬‬ ‫ﻣﻊ اﻟﻌﻠﻢ أن‬ ‫‪E ( ˆ0 )   0   1 X   E ( i )  E ( ˆ1 ) X‬‬
‫‪n i 1‬‬
‫ﻧﺴﺘﻨﺘﺞ أن ‪ . E ( ˆ )  ‬اﳌﻘﺪر ˆ‪ ‬ﻏﲑ ﻣﺘﺤﻴﺰ‪.‬‬
‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫ﳝﻜﻦ أﻳﻀﺎ ﻛﺘﺎﺑﺔ اﻟﺜﺎﺑﺘﺔ اﳌﻘﺪرة ‪ ˆ0‬ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﱄ ‪:‬‬

‫‪1 n‬‬ ‫‪n‬‬
‫‪1 n‬‬ ‫‪n‬‬
‫‪1 n‬‬ ‫‪n‬‬
‫‪ˆ0 ‬‬ ‫‪i ‬‬
‫‪n i 1‬‬
‫‪Y‬‬ ‫‪‬‬
‫‪i 1‬‬
‫‪w‬‬ ‫‪y‬‬
‫‪i i‬‬ ‫‪X‬‬ ‫‪‬‬ ‫‪i ‬‬
‫‪n i 1‬‬
‫‪Y‬‬ ‫‪‬‬ ‫‪X‬‬
‫‪i 1‬‬
‫‪w‬‬‫‪i‬‬ ‫(‬‫‪Y‬‬‫‪i‬‬ ‫‪‬‬ ‫‪Y‬‬ ‫)‬ ‫‪‬‬ ‫‪i ‬‬
‫‪n i 1‬‬
‫‪Y‬‬ ‫‪‬‬ ‫‪X‬‬
‫‪i 1‬‬
‫‪wi Yi‬‬
‫‪n‬‬
‫‪1‬‬ ‫‪‬‬
‫وﻣﻨﻪ ‪ˆ0     wi X Yi :‬‬
‫‪i 1  n‬‬ ‫‪‬‬
‫‪1‬‬
‫‪wi*   wi X‬‬ ‫ﻧﻀﻊ ‪:‬‬
‫‪n‬‬
‫‪n‬‬
‫ﻓﻬﻮ إذن ﺧﻄﻲ‪.‬‬ ‫‪ˆ0   wi*Yi  w1*Y1  w2*Y2  .....  wn*Yn‬‬ ‫اﳌﻘﺪر ﻳﻜﺘﺐ ‪:‬‬
‫‪i 1‬‬
‫ب‪ -‬أﻓﻀــﻞ ﻣﻘــﺪر ﺧﻄــﻲ ﻏــﲑ ﻣﺘﺤﻴــﺰ ‪ : BLUE‬ﺗﻨﻄﻠــﻖ ﻫــﺬﻩ اﻟﻔﻜــﺮة ﻣــﻦ ﻧﻈﺮﻳــﺔ ‪ Gauss-Markov‬واﻟــﱵ ﺗﻘــﻮل" ﻣــﻦ‬
‫ﺑــﲔ اﳌﻘــﺪرات اﳋﻄﻴــﺔ وﻏــﲑ اﳌﺘﺤﻴــﺰة‪ ،‬ﺗﻜــﻮن ﻣﻘــﺪر اﳌﺮﺑﻌــﺎت اﻟﺼــﻐﺮى اﻟﻌﺎدﻳــﺔ ‪ ˆ0‬و ‪ ̂1‬أﻓﻀــﻞ ﻣﻘــﺪرﺗﲔ ﺧﻄﻴﺘــﲔ‬
‫وﻏﲑ ﻣﺘﺤﻴﺰﺗﲔ‪ ،‬ﺣﻴﺚ أن ﳍﺎ أﺻﻐﺮ ﺗﺒﺎﻳﻦ ﳑﻜﻦ ﻣﻘﺎرﻧﺔ ﻣﻊ ﺑﻘﻴﺔ اﳌﻘﺪرات اﳋﻄﻴﺔ وﻏﲑ اﳌﺘﺤﻴﺰة اﻷﺧﺮى"‪.‬‬
‫ج‪-‬ﺧﺎﺻــﻴﺔ اﻻﺗﺴــﺎق‪ :‬إذا واﺟﻬﻨــﺎ ﻣﺸــﻜﻠﺔ ﲢﻴــﺰ ﻣﻘــﺪرة ﻣــﺎ‪ ،‬ﻓﺈﻧﻨــﺎ ﻧﻨﻈــﺮ إﱃ اﳋﺎﺻــﻴﺔ اﻟﺘﻘﺎرﺑﻴــﺔ ﻟــﺬﻟﻚ اﳌﻘــﺪر‪ ،‬وﳛــﺪث‬
‫ذﻟــﻚ ﳌــﺎ ﻳﻜــﻮن اﳌﺘﻐــﲑ اﳌﺴــﺘﻘﻞ ‪ X i‬ﻋﺒــﺎرة ﻋــﻦ ﻣﺘﻐــﲑ ﺑــﻊ وﻣﺒﻄــﺄ ﺑﻔــﱰة زﻣﻨﻴــﺔ ﻣــﺎ‪ ،‬وﻧﻘــﻮل ﻋــﻦ ‪ ̂1‬ﻧــﻪ ﻣﻘــﺪر ﻣﺘﺴــﻖ‬
‫)‪ ،(Consistent Estimator‬إذا ﻛــﺎن‪ :‬ﻛﻠﻤــﺎ ‪ n  ‬ﻓــﺈن ﺗﻮزﻳــﻊ اﳌﻌﺎﻳﻨــﺔ ﻟ ـ ‪ ̂1‬ﻳﻘــﱰب ﻣــﻦ اﻟﻘﻴﻤــﺔ اﳊﻘﻴﻘﻴــﺔ ‪، 1‬‬
‫وﻧﻘﻮل أن اﻟﻨﻬﺎﻳﺔ اﻻﺣﺘﻤﺎﻟﻴﺔ ﻟﻠﻤﻘﺪر ‪ ̂ 1‬ﻫﻲ ‪  1‬وﻧﻜﺘﺐ ‪p lim( ˆ1 )   1 :‬‬
‫‪n ‬‬
‫ﻟﻜــﻦ ﻫــﺬا اﻟﺸــﺮط ﻏــﲑ ﻛــﺎف ﻟﻠﺤﺼــﻮل ﻋﻠــﻰ ﻣﻘــﺪر ﻣﺘﺴــﻖ‪ ،‬ﺑـﻞ ﳚــﺐ أن ﺗﻜــﻮن ﻗﻴﻤﺘــﺎ اﻟﺘﺤﻴــﺰ واﻟﺘﺒــﺎﻳﻦ ﺗﻘــﱰ ن أو‬
‫ﺗﺴﺎو ن اﻟﺼﻔﺮ ﻛﻠﻤﺎ اﻗﱰب ‪ n‬ﻣﻦ ﻣﺎ ﻻ ﺎﻳﺔ أي‪:‬‬
‫‪1. lim E ( ˆ1 )  p lim( ˆ1 )   1‬‬
‫‪n ‬‬ ‫‪n‬‬
‫‪2. lim var(ˆ1 )  p lim var(ˆ1 )  0‬‬

‫‪n ‬‬ ‫‪n ‬‬
‫وﺑﺘﺤﻘــﻖ ﻫــﺬﻳﻦ اﻟﺸــﺮﻃﲔ‪ ،‬ﻧﻘــﻮل ﻋــﻦ اﳌﻘــﺪر ‪ ̂1‬ﻧــﻪ ﻣﻘــﺪر ﻣﺘﺴــﻖ ﻟﻠﻤﻌﻠﻤــﺔ اﳊﻘﻴﻘﻴــﺔ‪ .‬إن اﳌﻘــﺪرات اﳌﺘﺤﺼــﻞ‬
‫ﻋﻠﻴﻬﺎ ﻟﻜـﻞ ﻣـﻦ ‪ 1 ،  0‬و ‪  2‬ﺳـﻮاء ﺑﻄﺮﻳﻘـﺔ اﳌﺮﺑﻌـﺎت اﻟﺼـﻐﺮى أو ﻏﲑﻫـﺎ ﻫـﻲ ﺗﻘـﺪﻳﺮات ﻧﻘﻄﻴـﺔ‪ ،‬وﻟﻜـﻦ ﻣـﻦ اﳌﻬـﻢ أن‬
‫ﻳﻜﻮن ﻟﺪى اﻻﻗﺘﺼﺎدي أﻛﺜﺮ ﻣﻦ اﺧﺘﻴﺎر‪ ،‬وﻟﺬﻟﻚ ﳚﺐ أن ﻧﺒﲏ ﳎﺎﻻ ﳍﺬﻩ اﳌﻘﺪرات وذﻟﻚ ﺑﻘﺒﻮل ﻣﺴﺘﻮى ﺛﻘﺔ ﻣﻌـﲔ‬
‫وﻫﻮ ﻣﺎ ﻧﺴﻤﻴﻪ ﻟﺘﻘﺪﻳﺮ اﺠﻤﻟﺎﱄ ﻟﻠﻤﻌﺎﱂ‪.‬‬
‫ﻣﺜﺎل ‪:1‬‬
‫‪:2007‬‬ ‫ﻳﺒﲔ اﳉﺪول اﻟﺘﺎﱄ ﺗﻄﻮر ﻛﻞ ﻣﻦ اﻻﺳﺘﻬﻼك و اﻟﺪﺧﻞ اﳌﺘﺎح ﰲ ﻓﺮﻧﺴﺎ ﺧﻼل اﻟﺴﻨﻮات ‪ 2001‬و‬
‫اﳉﺪول )‪ :(1‬ﺗﻄﻮر اﻻﺳﺘﻬﻼك و اﻟﺪﺧﻞ ﺧﻼل ‪ 10‬ﺳﻨﻮات‬
‫اﻟﺪﺧﻞ اﳌﺘﺎح ‪X i‬‬ ‫اﻻﺳﺘﻬﻼك اﻹﲨﺎﱄ ‪Yi‬‬ ‫اﻟﺴﻨﺔ ‪i‬‬

‫‪39.25‬‬ ‫‪18.47‬‬ ‫‪2001‬‬
‫‪41.84‬‬ ‫‪19.89‬‬ ‫‪2002‬‬
‫‪49.06‬‬ ‫‪21.26‬‬ ‫‪2003‬‬
‫‪57.31‬‬ ‫‪23.71‬‬ ‫‪2004‬‬
‫‪69.89‬‬ ‫‪25.53‬‬ ‫‪2005‬‬
‫‪78.64‬‬ ‫‪26.95‬‬ ‫‪2006‬‬
‫‪88.00‬‬ ‫‪29.48‬‬ ‫‪2007‬‬
‫ﻳﻈﻬــﺮ اﻟﺸــﻜﻞ )‪ (2-1‬اﻟــﺰوج اﳋــﺎص ﲟﻌﻄﻴــﺎت اﻻﺳــﺘﻬﻼك و اﻟــﺪﺧﻞ‪ .‬ﻧﻼﺣــﻆ أن اﻟﻌﻼﻗــﺔ اﻟــﱵ ﺗـﺮﺑﻂ ﺑﻴﻨﻬﻤــﺎ ﺧﻄﻴــﺔ و‬
‫ﻳﻈﻬﺮ ﺟﻠﻴﺎ ﻣﻦ ﺧﻼل ﺳﺤﺎب اﻟﻨﻘﺎط‪.‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(2‬ﺳﺤﺎب اﻟﻨﻘﺎط ﻟﻠﺰوج )اﻻﺳﺘﻬﻼك‪-‬اﻟﺪﺧﻞ(‬
‫و ‪. ̂1‬‬ ‫‪ˆ0‬‬ ‫اﻧﻄﻼﻗﺎ ﻣﻦ ﻣﻌﻄﻴﺎت اﳉﺪول )‪ ،(1‬ﻧﻘﻮم ﲝﺴﺎب ﻛﻞ ﻣﻦ‬

‫اﳉﺪول )‪ :(2‬ﺣﺴﺎب ﻣﻌﺎﻣﻼت اﻻﳓﺪار‬
‫‪Y‬‬
‫‪i‬‬ ‫‪Y ‬‬
‫‪2‬‬
‫‪X‬‬ ‫‪ X‬‬
‫‪i‬‬
‫‪2‬‬
‫‪X‬‬ ‫‪i‬‬ ‫‪ X Yi  Y ‬‬ ‫‪Xi  X‬‬ ‫‪Yi  Y‬‬ ‫‪Xi‬‬ ‫‪Yi‬‬ ‫اﻟﺴﻨﺔ ‪i‬‬
‫‪26.41‬‬ ‫‪454.54‬‬ ‫‪109.58‬‬ ‫‪-21.32‬‬ ‫‪-5.14‬‬ ‫‪39.25‬‬ ‫‪18.47‬‬ ‫‪2001‬‬
‫‪13.83‬‬ ‫‪350.81‬‬ ‫‪69.67‬‬ ‫‪-18.73‬‬ ‫‪-3.72‬‬ ‫‪41.84‬‬ ‫‪19.89‬‬ ‫‪2002‬‬
‫‪5.52‬‬ ‫‪132.48‬‬ ‫‪27.04‬‬ ‫‪-11.51‬‬ ‫‪-2.35‬‬ ‫‪49.06‬‬ ‫‪21.26‬‬ ‫‪2003‬‬
‫‪0.01‬‬ ‫‪10.62‬‬ ‫‪-0.32‬‬ ‫‪-3.26‬‬ ‫‪0.10‬‬ ‫‪57.31‬‬ ‫‪23.71‬‬ ‫‪2004‬‬
‫‪3.68‬‬ ‫‪86.86‬‬ ‫‪17.89‬‬ ‫‪9.32‬‬ ‫‪1.92‬‬ ‫‪69.89‬‬ ‫‪25.53‬‬ ‫‪2005‬‬
‫‪11.15‬‬ ‫‪326.52‬‬ ‫‪60.35‬‬ ‫‪18.07‬‬ ‫‪3.34‬‬ ‫‪78.64‬‬ ‫‪26.95‬‬ ‫‪2006‬‬
‫‪34.45‬‬ ‫‪752.40‬‬ ‫‪161.01‬‬ ‫‪27.43‬‬ ‫‪5.87‬‬ ‫‪88.00‬‬ ‫‪29.48‬‬ ‫‪2007‬‬
‫‪95.05‬‬ ‫‪2114.25‬‬ ‫‪445.24‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪423.99‬‬ ‫‪165.29‬‬ ‫اﺠﻤﻟﻤﻮع‬
‫‪13.57‬‬ ‫‪302.03‬‬ ‫‪63.60‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪60.57‬‬ ‫‪23.61‬‬ ‫اﳌﺘﻮﺳﻂ‬
‫‪ X‬‬ ‫‪ X Yi  Y ‬‬

‫‪7‬‬
‫‪i‬‬
‫‪445.24‬‬
‫‪ˆ1 ‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪ 0.21‬‬
‫ﻟﺪﻳﻨﺎ‪:‬‬
‫‪ X‬‬ ‫‪ X‬‬
‫‪7‬‬
‫‪2‬‬ ‫‪2114.25‬‬
‫‪i‬‬
‫‪i 1‬‬
‫‪ˆ0  Y  ˆ1 X  23.61  (0.21)(60.57)  10.89‬‬

‫وﻋﻠﻴﻪ اﻟﻨﻤﻮذج اﳌﻘﺪر ﻳﻜﺘﺐ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪Yî  0.21X i  10.89‬‬
‫‪ .3‬ﺗﻮزﻳﻊ اﳌﻌﺎﻳﻨﺔ ﻟﻠﻤﻘﺪرات و اﻟﺘﻘﺪﻳﺮ اﺠﻤﻟﺎﱄ ﻟﻠﻤﻌﺎﱂ‪:‬‬
‫‪ .1.3‬ﺣﺴﺎب ﺗﺒﺎﻳﻨﺎت اﳌﻘﺪرات ‪:‬‬
‫ﻟﺒﻨﺎء ﳎﺎل اﻟﺜﻘﺔ ﻟﻠﻤﻌﺎﱂ‪ ،‬ﻳﺘﻌﲔ ﻣﻌﺮﻓﺔ ﺗﺒﺎﻳﻦ ﻛﻞ ﻣﻦ ‪ ̂1 ، ˆ0‬و اﻟﺒﻮاﻗﻲ‪.‬‬
‫‪ ‬ﺗﺒﺎﻳﻦ ‪: ˆ0‬‬
‫ﳓﺴﺐ اﳌﻘﺪار ‪: ˆ0   0‬‬
‫‪n‬‬
‫‪1‬‬ ‫‪‬‬ ‫‪n‬‬
‫‪ˆ0   0  1 X    ˆ1 X    ( ˆ1  1 ) X     wi X  i   wi* i‬‬
‫‪i 1  n‬‬ ‫‪‬‬ ‫‪i 1‬‬
‫ˆ‪‬‬ ‫‪  w‬‬

‫‪n‬‬
‫‪ i2  2 wi* w*j  i  j‬‬ ‫وﻋﻠﻴﻪ ‪:‬‬
‫‪2‬‬
‫‪0‬‬ ‫‪ 0‬‬ ‫‪*2‬‬
‫‪i‬‬
‫‪i 1‬‬ ‫‪i‬‬ ‫‪j‬‬
‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ ‪:‬‬

‫‪‬‬ ‫‪‬‬
‫‪n‬‬
‫) ‪E  ˆ0   0    wi*2 E ( i2 )  2 wi* w*j E ( i  j‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ i 1‬‬ ‫‪i‬‬ ‫‪j‬‬

‫‪n‬‬ ‫‪n‬‬
‫‪ 1‬‬ ‫‪2‬‬ ‫‪ 1 n‬‬
‫‪w‬‬ ‫‪*2‬‬
‫‪i‬‬ ‫‪   2  wi2 X 2  wi X     wi2 X 2‬‬ ‫و‬ ‫‪E ( i2 )   2‬‬ ‫ﲟﺎأن ‪، E ( i  j )  0‬‬
‫‪i 1‬‬ ‫‪i 1  n‬‬ ‫‪n‬‬ ‫‪ n i 1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪n‬‬

‫‪‬‬
‫‪‬‬
‫‪1‬‬ ‫‪X2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪X i2‬‬ ‫‪‬‬
‫‪var( 0 )    n‬‬
‫ˆ‬ ‫‪ 2  ‬‬ ‫‪i 1‬‬ ‫‪ 2‬‬ ‫ﻓﺈن ‪:‬‬
‫‪n‬‬ ‫‪   n‬‬ ‫‪ ‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪i 1‬‬
‫‪(X i  X )2‬‬ ‫‪‬‬
‫‪‬‬
‫) ‪ n ( X i  X‬‬
‫‪ i 1‬‬
‫‪2‬‬
‫‪‬‬
‫‪‬‬
‫‪ ‬ﺗﺒﺎﻳﻦ ‪: ̂1‬‬
‫ﻧﺬﻛﺮ أن اﳌﻘﺪار ‪ ˆ1  1‬ﻳﻜﺘﺐ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬
‫‪n‬‬
‫‪ˆ1  1   wi  i‬‬
‫‪i 1‬‬
‫ˆ‪‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪n‬‬
‫‪   wi  i    wi2  i2  2 wi w j  i  j‬‬ ‫وﻋﻠﻴﻪ ‪:‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪ 1‬‬
‫‪ i 1‬‬ ‫‪‬‬ ‫‪i 1‬‬ ‫‪i‬‬ ‫‪j‬‬

‫‪‬‬ ‫‪‬‬
‫‪n‬‬
‫) ‪E  ˆ1   1    wi2 E ( i2 )  2 wi w j E ( i  j‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ i 1‬‬ ‫‪i‬‬ ‫‪j‬‬
‫ﻓﺈن ‪:‬‬ ‫‪ E ( i  j )  0‬و ‪E ( i2 )   2‬‬ ‫ﲟﺎأن‬

‫‪n‬‬
‫‪ 2‬‬
‫‪var(ˆ1 )   2  wi2 ‬‬ ‫‪n‬‬
‫‪i 1‬‬
‫‪(X‬‬
‫‪i 1‬‬
‫‪i‬‬ ‫‪ X )2‬‬
‫ﺗﻌﻄﻰ ﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ ‪:‬‬ ‫) ‪var(ˆ0‬‬ ‫و‬ ‫) ‪var(ˆ1‬‬ ‫اﻟﻌﻼﻗﺔ ﺑﲔ‬

‫‪ 2‬‬
‫‪var(ˆ 0 ) ‬‬ ‫) ‪ X 2 var(ˆ1‬‬
‫‪n‬‬
‫وﺑﻨ ــﺎءا ﻋﻠ ــﻰ ﻫ ــﺬا اﻟﺘﻌﺮﻳ ــﻒ ﺗﻜ ــﻮن اﻻﳓﺮاﻓ ــﺎت اﳌﻌﻴﺎرﻳ ــﺔ )‪ (Standard déviations‬ﻫ ــﻲ اﳉ ــﺬور اﻟﱰﺑﻴﻌﻴ ــﺔ ﻟﺘﺒﺎﻳﻨ ــﺎت‬
‫اﳌﻘﺪرات‪ ،‬أﻣﺎ اﻷﺧﻄﺎء اﳌﻌﻴﺎرﻳﺔ )‪ (Standard errors‬ﻓﻬﻲ اﳉﺬور اﻟﱰﺑﻴﻌﻴﺔ ﳌﻘﺪرات اﻻﳓﺮاﻓﺎت اﳌﻌﻴﺎرﻳﺔ أي ‪:‬‬
‫ˆ‪ˆ ‬‬ ‫‪ var ˆ0   ‬‬‫‪ ‬‬ ‫‪X‬‬ ‫‪i‬‬

‫‪2‬‬
‫‪0‬‬
‫‪n ( X i  X ) 2‬‬
‫‪ˆ ˆ  var ˆ1 ‬‬ ‫‪ ‬‬ ‫‪‬‬

‫‪1‬‬
‫‪(X‬‬ ‫‪i‬‬ ‫‪ X )2‬‬
‫ﻧﻼﺣﻆ أن ﺗﺒﺎﻳﻦ ﻛﻞ ﻣﻘﺪر ﻏﲑ ﻣﻌـﺮوف ﻷﻧـﻪ ﻳـﺮﺗﺒﻂ ﺑﺘﺒـﺎﻳﻦ اﻷﺧﻄـﺎء اﻟﻨﻈـﺮي ‪ ،  2‬ﻓﻴﻨﺒﻐـﻲ ﰲ ﻫـﺪﻩ اﳊﺎﻟـﺔ ﺗﻘـﺪﻳﺮ‬
‫ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ﻟﻠﺤﺼﻮل ﻋﻠﻰ ﺗﺒﺎﻳﻦ اﻟﺒﻮاﻗﻲ ‪:‬‬
‫‪Yi   0   1 X i   i , i  1..........n‬‬
‫‪Yî  ˆ 0  ˆ1 X i‬‬
‫‪Y   0  1 X  ‬‬
‫‪î  Yi  Yî  (  0  ˆ0 )  (  1  ˆ1 ) X i   i‬‬
‫وﻟﻜﻦ اﳌﻘﺪار ‪  0  ̂ 0‬ﳝﻜﻦ ﻛﺘﺎﺑﺘﻪ ﺑﻌﺪ ﺗﻌﻮﻳﺾ ‪ ˆ0‬ﺑﻘﻴﻤﺘﻪ ﻛﺎﻟﺘﺎﱄ ‪:‬‬
9 ..................................................................................................................‫ ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‬: ‫اﻟﻔﺼﻞ اﻷول‬
 0  ˆ0   0  Y  ˆ1 X   0  (  0  1 X   )  ˆ1 X  ( ˆ1  1 ) X  

: ‫ﻧﻜﺘﺐ اﳌﻌﺎدﻟﺔ ﻛﻤﺎ ﻳﻠﻲ‬
î  ( 1  ˆ1 ) X i  ( ˆ1   1 ) X  ( i   )  (  1  ˆ1 )( X i  X )  ( i   )
: ‫ ﳓﺼﻞ ﻋﻠﻰ‬،‫ﺑﱰﺑﻴﻊ ﻃﺮﰲ اﳌﻌﺎدﻟﺔ‬
î2  ( 1  ˆ1 ) 2 ( X i  X ) 2  ( i   ) 2  2(  1  ˆ1 )( X i  X )( i   )
 
2
n
 n 
ˆ1  1   wi  i  ˆ1   1    wi  i  : ‫وﻟﺪﻳﻨﺎ ﺳﺎﺑﻘﺎ‬
2
i 1  i 1 
( X i  X ) 2  xi2 : ‫ ﻧﻀﻊ‬،‫وﻟﻠﺘﺴﻬﻴﻞ‬
n n
î2  ( wi  i ) 2 xi2  ( i   ) 2  2( wi  i ) xi ( i   )
i 1 i 1
: ‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ‬

 n n

E (î2 )  E ( wi  i ) 2 xi2  ( i   ) 2  2( wi  i ) xi ( i   )
 i 1 i 1 
: ‫ﻧﺒﺤﺚ ﻋﻦ ﺗﻮﻗﻊ ﻫﺪا اﳌﻘﺪار ﲟﺮاﺣﻞ ودﻟﻚ ﳚﺎد ﺗﻮﻗﻊ ﻛﻞ ﺣﺪ ﻋﻠﻰ ﺣﺪة‬
: ‫اﳊﺪ اﻷول‬
2
 n  n
  wi  i    wi2  i2  2 wi w j  i  j
 i 1  i 1 i j

 n   n 2
2 n
E   wi  i    wi E ( i2 )  2 wi w j E ( i  j )   2  wi2

  i 1   i 1
 i j i 1
 n 
2
 2
E    wi  i    n 
  i 1  
  xi2 i 1
: ‫اﳊﺪ اﻟﺜﺎﱐ‬
1 n 1
i    i  
n i 1
 i   i  ( 1   2  ...   n )
n
1 2
( i   ) 2   i2  2 ( 12  ...   n2  2  i  j )   i ( 1  ...   n )
n i j n
1 n
2
E (( i   ) 2 )  E ( i2 ) 
n 2
E ( 
i 1
 i2 )  2 E ( i  j )   E ( i  j )
i j n
1
, 2 E ( i  j )  0 , 2
E (  i2 )   2 / n , E ( i2 )   2 i  j
i j n i
10 ..................................................................................................................‫ ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ‬: ‫اﻟﻔﺼﻞ اﻷول‬
1
 E ( i  j )   2 / n (i = j ‫)ﳌﺎ‬
n
2 2
E (( i   ) )   
2 2
2 : ‫إذن‬
n n
: ‫اﳊﺪ اﻟﺜﺎﻟﺚ‬
n n n
( wi  i )( i   )  ( wi  i ) i  ( wi  i ) : ‫ﻟﺪﻳﻨﺎ‬
i 1 i 1 i 1
 n   n   n 
E  ( wi  i )( i   )   E  ( wi  i ) i   E  ( wi  i )  : ‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ‬
 i 1   i 1   i 1 
 n

 E  ( wi  i ) i   wi 2
 i 1 
 
E  ( w j  j ) i )    w j E ( i  j )
 j  j
0, i  j
E ( i  j )   2
 , i  j
 w E ( 
j i j )   wi 2 : ‫وﻣﻨﻪ‬
j i
n
1   
 ( wi  i )  ( wi  i )   i  ( wi  i ) 1  ( wi  i ) 2  ...  ( wi  i ) n
i 1 i n i i n i n i n
w 2
w 2
w 2
 1  2  ...  n
n n n
 n

E  ( wi  i )( i   ) xi    xi wi 2 : ‫وﻋﻠﻴﻪ‬
 i 1  i
: ‫ ﻳﻜﻮن ﻟﺪﻳﻨﺎ‬،‫ اﻟﺜﺎﱐ و اﻟﺜﺎﻟﺚ‬،‫ﲜﻤﻊ اﳊﺪ اﻷول‬
n
2
 E (ˆ 2
) x 2
 n 2   2  (2 2 )  2 2  xi wi
x 2
i i
i 1 i i
 n 2  2 2  (n  2) 2
 n 2 
n
  î 
E ( î )  (n  2)  E  i 1
2 2  2 :‫ﻧﻼﺣﻆ أن‬
i 1
 n2 
 
 
n
 ˆ i
2
‫و ﻫﻮ ﺗﻘﺪﻳﺮ ﻏﲑ ﻣﺘﺤﻴﺰ‬ ˆ 2  i 1
: ‫إذن‬
n2
n n
‫ﻓﻬــﻲ درﺟــﺔ‬ n2 ‫ أﻣــﺎ‬ î2   (Yi  Yî ) 2 ‫اﻟﻘﻴﻤــﺔ اﻟــﱵ ﰲ اﻟﺒﺴــﻂ ﺗﻌــﱪ ﻋــﻦ ﳎﻤــﻮع ﻣﺮﺑﻌــﺎت اﻟﺒ ـﻮاﻗﻲ ﺣﻴــﺚ‬
i 1 i 1
.‫ و ذﻟﻚ ﻟﻮﺟﻮد ﻣﻌﻠﻤﲔ ﻟﻠﺘﻘﺪﻳﺮ ﰲ اﻟﻨﻤﻮذج‬2 ‫ ﺗﻌﱪ ﻋﻦ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻗﺺ‬،‫اﳊﺮﻳﺔ‬

‫‪ .2.3‬ﺑﻨﺎء ﳎﺎل اﻟﺜﻘﺔ ﻟﻠﻤﻌﺎﱂ ‪:‬‬
‫‪0‬‬ ‫ﲟﻌﺮﻓـﺔ ﺗﻮزﻳــﻊ ‪ ˆ0‬و ‪ ̂1‬ﳝﻜــﻦ ﺗﻜــﻮﻳﻦ ﳎــﺎﻻت ﺛﻘــﺔ وإﺟـﺮاء اﺧﺘﺒــﺎر اﻟﻔﺮﺿــﻴﺎت اﳌﻮﺿــﻮﻋﺔ ﺣــﻮل ﻣﻌــﺎﱂ اﻻﳓــﺪار‬
‫و ‪ 1‬ﻋﻠــﻰ اﻟﺘـﻮاﱄ‪ ،‬ﻧﻌﻄــﻲ ﳎــﺎﻻ ﻟﻠﻘــﻴﻢ اﻟــﱵ ﳝﻜــﻦ أن ﲢﺘــﻮي ﻋﻠﻴﻬــﺎ ﻣﻌــﺎﱂ اﻻﳓــﺪار اﳊﻘﻴﻘﻴــﺔ‪ ،‬ﻣــﻊ ﻛــﻞ ﳎــﺎل ﺛﻘــﺔ ﻧﻀــﻊ‬
‫ﻣﺴــﺘﻮى إﺣﺼــﺎﺋﻴﺎ ﻟﻠﻤﻌﻨﻮﻳــﺔ‪ ،‬ﺣﻴــﺚ أن اﺣﺘﻤــﺎل اﺣﺘ ـﻮاء اﺠﻤﻟــﺎل اﳌــﺬﻛﻮر ﻋﻠــﻰ ﻣﻌﻠﻤــﺔ اﻻﳓــﺪار اﳊﻘﻴﻘﻴــﺔ ﻳﻜــﻮن واﺣــﺪ‬
‫ﻣﻄﺮوﺣﺎ ﻣﻨﻪ ﻣﺴـﺘﻮى اﳌﻌﻨﻮﻳـﺔ‪ ،‬أي ) ‪ ، (1  ‬وﻟﺘﻜـﻮﻳﻦ ﳎـﺎل اﻟﺜﻘـﺔ ﻣـﻦ اﻟﺘﻮزﻳـﻊ ‪ t‬ﻟﻨﺴـﺒﺔ ﻟﻠﻤﻌﻠﻤـﲔ ‪  0‬و ‪ 1‬ﻧﻜﺘـﺐ‬
‫اﻟﻘﺎﻧﻮن اﳋﺎص ﻟﻜﻞ ﻣﻌﻠﻤﺔ ‪:‬‬
‫ﰲ ﺣﺎﻟﺔ ‪ n  30‬و ‪  2‬ﻏﲑ ﻣﻌﺮوف ‪:‬‬
‫‪ˆ 0   0‬‬ ‫‪t n  2 ‬‬
‫ˆ‪ˆ ‬‬‫‪0‬‬
‫‪ˆ1  1‬‬ ‫‪t  n2 ‬‬

‫ˆ‪ˆ ‬‬‫‪1‬‬
‫ﻋﻨﺪ ﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪ % ‬ﻳﻜﻮن ﳎﺎل اﻟﺜﻘﺔ ﻟﻜﻼ اﳌﻌﻠﻤﲔ ‪:‬‬
‫‪‬‬ ‫‪ˆ   0‬‬ ‫‪‬‬
‫‪Pr  t   0‬‬ ‫‪ t    1  ‬‬
‫‪ n  2, 2‬‬ ‫‪ˆ ˆ0‬‬ ‫‪n  2,‬‬
‫‪2 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪ˆ  1‬‬ ‫‪‬‬
‫‪Pr  t   1‬‬ ‫‪ t    1  ‬‬
‫‪ n  2, 2‬‬ ‫‪ˆ ˆ1‬‬ ‫‪n  2,‬‬
‫‪2 ‬‬
‫‪‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ : (3‬ﺗﻮزﻳﻊ اﳌﻌﺎﻳﻨﺔ ﻟـ ‪ ̂1‬ﺛﻨﺎﺋﻲ اﻟﻄﺮف‬
‫‪t‬‬
‫‪1‬‬ ‫‪t‬‬
‫‪‬‬
‫‪n2,‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪n2 ,‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫إذا ﺿﺮﺑﻨﺎ )داﺧﻞ اﻻﺣﺘﻤﺎل( ﻛﻞ اﻷﻃﺮاف ﺑﻮاﺳﻄﺔ ˆ‪ ( ˆ ˆ ) ˆ ‬وأﺿﻔﻨﺎ ‪ ( 1 )  0‬ﻷﻃﺮاف اﳌﱰاﺟﺤﺔ ﳒﺪ ‪:‬‬
‫‪1‬‬ ‫‪0‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 0   ˆ0  t‬‬ ‫‪‬‬ ‫‪ˆ ˆ , ˆ0  t‬‬ ‫‪‬‬ ‫‪ˆ ˆ ‬‬
‫‪n  2,‬‬ ‫‪n  2,‬‬
‫‪‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪1   ˆ1  t‬‬ ‫‪‬‬ ‫‪ˆ ˆ , ˆ1  t‬‬ ‫‪‬‬ ‫‪ˆ ˆ ‬‬
‫‪n  2,‬‬ ‫‪n 2,‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬
‫و ﻧﺴــﺒﺔ ﻣﻌﻨﻮﻳــﺔ ‪ % ‬وﳒــﺪ ﻣــﻦ ﺟــﺪول اﻟﺘﻮزﻳــﻊ‬ ‫‪n2‬‬ ‫ﺑﺪرﺟــﺔ ﺣﺮﻳــﺔ‬ ‫‪Student‬‬ ‫‪ :‬اﻟﻘﻴﻤــﺔ اﳊﺮﺟــﺔ ﻟﺘﻮزﻳــﻊ‬ ‫‪t‬‬
‫‪n  2,‬‬
‫‪‬‬
‫‪2‬‬
‫اﻟﻘﻴﻤﺔ اﶈﺴﻮﺑﺔ‪.‬‬
‫‪  2‬ﻣﻌﺮوف ‪:‬‬ ‫ﰲ ﺣﺎﻟﺔ ‪ >30 n‬و‬
‫‪‬‬ ‫‪‬‬
‫‪̂1‬‬ ‫‪‬‬ ‫‪ˆ 2 ‬‬
‫‪  1 ,‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪i‬‬
‫‪x i2 ‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪i X i2‬‬ ‫‪‬‬
‫‪‬‬
‫‪ˆ0‬‬ ‫‪  0 , ˆ ‬‬
‫‪2‬‬
‫‪‬‬
‫‪‬‬ ‫‪n x i2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪i‬‬ ‫‪‬‬
‫‪ˆ0   0‬‬
‫)‪N (0,1‬‬
‫ˆ‪ˆ ‬‬ ‫‪0‬‬
‫‪ˆ1  1‬‬
‫)‪N (0,1‬‬
‫ˆ‪ˆ ‬‬ ‫‪1‬‬
‫ﻋﻨﺪ ﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪ % ‬ﻳﻜﻮن ﳎﺎل اﻟﺜﻘﺔ ﻟﻜﻼ اﳌﻌﻠﻤﲔ ‪:‬‬
‫‪‬‬ ‫‪ˆ   0‬‬ ‫‪‬‬
‫‪Pr  z   0‬‬ ‫‪  z   1  ‬‬
‫‪ 2‬‬ ‫‪ˆ ˆ0‬‬ ‫‪2 ‬‬
‫‪‬‬
‫‪‬‬ ‫‪ˆ  1‬‬ ‫‪‬‬
‫‪Pr  z   1‬‬ ‫‪  z   1  ‬‬
‫‪ 2‬‬ ‫‪ˆ ˆ1‬‬ ‫‪2 ‬‬
‫‪‬‬
‫ﻧﻔﺲ اﻟﺸﻲء‪ ،‬ﻧﻀﺮب )داﺧـﻞ اﻻﺣﺘﻤـﺎل( ﻛـﻞ اﻷﻃـﺮاف ﺑﻮاﺳـﻄﺔ ˆ‪ ( ˆ ˆ ) ˆ ‬وﻧﻀـﻴﻒ ‪ ( 1 )  0‬ﻷﻃـﺮاف اﳌﱰاﺟﺤـﺔ‬
‫‪1‬‬ ‫‪0‬‬
‫ﳒﺪ ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 0   ˆ0  z  ˆ ˆ , ˆ0  z  ˆ ˆ ‬‬
‫‪‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬
‫‪1   ˆ1  z  ˆ ˆ , ˆ1  z  ˆ ˆ ‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ :‬اﻟﻘﻴﻤــﺔ اﳊﺮﺟــﺔ ﻟﻠﺘﻮزﻳــﻊ اﻟﻄﺒﻴﻌــﻲ ﺑﻨﺴــﺒﺔ ﻣﻌﻨﻮﻳــﺔ ‪ % ‬وﳒــﺪ ﻣــﻦ ﺟــﺪول اﻟﺘﻮزﻳــﻊ اﻟﻘﻴﻤــﺔ اﶈﺴــﻮﺑﺔ‪ .‬ﻛﻠﻤــﺎ ﻛــﺎن‬ ‫‪z‬‬
‫‪2‬‬
‫ﳎﺎل اﻟﺜﻘﺔ ﺿﻴﻘﺎ ﻛﻠﻤﺎ ﻛﺎن اﳌﻘﺪر أﺣﺴﻦ‪ ،‬ﻷن اﻷﺧﻄﺎء اﳌﻌﻴﺎرﻳﺔ ﺗﻜﻮن أﺻﻐﺮ‪.‬‬
‫ﻧﺒﲏ أﻳﻀﺎ ﳎﺎل اﻟﺜﻘﺔ ﻟـ ‪ .  2‬ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪(n  2)ˆ 2‬‬
‫~‬ ‫)‪ 2 (n  2‬‬
‫‪‬‬
‫‪2‬‬
‫ﺑﺪرﺟﺔ ﺣﺮﻳﺔ ‪ . n  2‬ﻳﻜﻮن ﳎﺎل اﻟﺜﻘﺔ ‪:‬‬ ‫‪2‬‬ ‫)‪ :  2 (n  2‬اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ‬
‫‪‬‬ ‫‪(n  2)ˆ 2‬‬ ‫‪‬‬ ‫‪ (n  2)ˆ 2‬‬ ‫‪(n  2)ˆ 2 ‬‬
‫‪Pr   2 / 2 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪1 / 2 ‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪Pr‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪  1‬‬
‫‪‬‬ ‫‪ 2‬‬ ‫‪‬‬ ‫‪  1 / 2‬‬
‫‪2‬‬
‫‪ 2 / 2 ‬‬
‫ﻳﻜﻮن ﳎﺎل اﻟﺜﻘﺔ ﻟﺘﺒﺎﻳﻦ اﻷﺧﻄﺎء ‪:‬‬
‫‪ (n  2)ˆ 2 (n  2)ˆ 2 ‬‬
‫‪   2‬‬
‫‪2‬‬
‫‪,‬‬ ‫‪‬‬
‫‪  1 / 2‬‬ ‫‪ 2 / 2 ‬‬
‫ﻣﺜﺎل ‪:2‬‬
‫ﺧﺬ ﻣﻌﻄﻴﺎت اﳌﺜﺎل اﻷول و ﻧﻘـﻮم ﲝﺴـﺎب ﺗﺒـﺎﻳﻦ ﻛـﻞ ﻣـﻦ ‪ ˆ0‬و ‪ ̂1‬و اﻷﺧﻄـﺎء اﳌﻌﻴﺎرﻳـﺔ وﻟﻜـﻦ ﺑﻌـﺪ ﺣﺴـﺎب ﺗﺒـﺎﻳﻦ‬
‫اﻟﺒ ـﻮاﻗﻲ ‪ ˆ 2‬و ﻣــﻦ ﰎ ﻧﺒــﲏ ﳎــﺎل اﻟﺜﻘــﺔ ﻟﻜــﻞ ﻣﻌﻠــﻢ ﺑﻨﺴــﺒﺔ ﺛﻘــﺔ ‪ .%95‬ﳚــﺐ أوﻻ ﺣﺴــﺎب اﻟﻘــﻴﻢ اﳌﻘــﺪرة ‪ Yî‬و ﺑ ـﻮاﻗﻲ‬
‫اﻟﺘﻘﺪﻳﺮ ‪ î‬ﻛﻤﺎ ﻫﻮ ﻣﺒﲔ ﰲ اﳉﺪول )‪.(3‬‬
‫اﳉﺪول )‪ :(3‬ﺣﺴﺎب ﺑﻮاﻗﻲ اﻟﺘﻘﺪﻳﺮ‬
‫‪î2‬‬ ‫‪î‬‬ ‫‪Yî‬‬ ‫‪Yi‬‬ ‫‪i‬‬

‫‪0.42‬‬ ‫‪-0.65‬‬ ‫‪19.12‬‬ ‫‪18.47‬‬ ‫‪1‬‬
‫‪0.04‬‬ ‫‪0.22‬‬ ‫‪19.66‬‬ ‫‪19.89‬‬ ‫‪2‬‬
‫‪0.005‬‬ ‫‪0.07‬‬ ‫‪21.18‬‬ ‫‪21.26‬‬ ‫‪3‬‬
‫‪0.61‬‬ ‫‪0.78‬‬ ‫‪22.92‬‬ ‫‪23.71‬‬ ‫‪4‬‬
‫‪0.002‬‬ ‫‪-0.04‬‬ ‫‪25.57‬‬ ‫‪25.53‬‬ ‫‪5‬‬
‫‪0.21‬‬ ‫‪-0.46‬‬ ‫‪27.41‬‬ ‫‪26.95‬‬ ‫‪6‬‬
‫‪0.008‬‬ ‫‪0.09‬‬ ‫‪29.38‬‬ ‫‪29.48‬‬ ‫‪7‬‬
‫‪1.32‬‬ ‫‪0‬‬ ‫اﺠﻤﻟﻤﻮع‬
‫ﻣــﻦ اﳌﻌﺎدﻟــﺔ‬ ‫‪î‬‬ ‫و ﺑ ـﻮاﻗﻲ اﻟﺘﻘــﺪﻳﺮ‬ ‫‪Yî  0.21X i  10.89‬‬ ‫اﻧﻄﻼﻗــﺎ ﻣــﻦ اﻻﳓــﺪار اﳋﻄــﻲ‬ ‫‪Yî‬‬ ‫ﺣﻴــﺚ ﰎ ﺣﺴــﺎب ﻗــﻴﻢ‬
‫‪î  Yi  Yî‬‬
‫‪7‬‬
‫ˆ‪ ‬‬ ‫‪i‬‬

‫‪2‬‬
‫‪1.32‬‬
‫‪ˆ 2 ‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪ 0.26‬‬ ‫ﳓﺴﺐ ﺗﺒﺎﻳﻦ اﻟﺒﻮاﻗﻲ‪:‬‬
‫‪n2‬‬ ‫‪72‬‬
‫و اﻟﺬي ﻳﺴﻤﺢ ﲝﺴﺎب ﺗﺒﺎﻳﻦ ﻛﻞ ﻣﻘﺪر‪:‬‬
‫‪ˆ 2‬‬ ‫‪0.26‬‬
‫‪ˆ 2ˆ  var(ˆ1 ) ‬‬ ‫‪7‬‬
‫‪‬‬ ‫‪ 0.000124‬‬
‫‪2114.25‬‬
‫‪(X‬‬
‫‪1‬‬
‫‪i‬‬ ‫‪ X )2‬‬

‫‪i 1‬‬
‫‪ˆ 2‬‬ ‫‪0.26‬‬

‫‪ˆ 2ˆ  var(ˆ0 ) ‬‬ ‫‪ X 2 var(ˆ1 ) ‬‬ ‫‪ (60.57) 2 (0.000124)  0.49‬‬
‫‪0‬‬
‫‪n‬‬ ‫‪7‬‬
‫و اﻷﺧﻄﺎء اﳌﻌﻴﺎرﻳﺔ‪:‬‬
‫‪ˆ ˆ  var(ˆ1 )  0.000124  0.011‬‬

‫‪1‬‬
‫‪ˆ ˆ  var(ˆ0 )  0.49  0.7‬‬

‫‪0‬‬
‫ﳝﻜﻦ ﺑﻨﺎء ﳎﺎﻻت ﺛﻘﺔ ﻟﻠﻤﻌﺎﱂ‪:‬‬

‫‪‬‬
‫ˆ‪ 0  ˆ0  t 0.025ˆ ˆ , ˆ 0  t 0.025ˆ ‬‬ ‫‪‬‬
‫‪  ˆ  t‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0‬‬
‫‪1‬‬ ‫‪1‬‬ ‫ˆ‪ˆ ˆ , ˆ1  t 0.025ˆ ‬‬

‫‪0.025‬‬ ‫‪1‬‬ ‫‪1‬‬
‫واﻟـﱵ ﺗﻌـﺎدل اﻟﻘﻴﻤـﺔ‬ ‫‪n25‬‬ ‫و درﺟـﺔ ﺣﺮﻳـﺔ‬ ‫ﻣﻌﻨﻮﻳـﺔ ‪%5‬‬ ‫ﺣﻴﺚ ‪ t0.025‬ﻫﻲ اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ ﺑﻨﺴـﺒﺔ‬
‫‪ 2.570‬ﰲ ﺟﺪول ﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ‪ .‬ﻟﺘﻄﺒﻴﻖ اﻟﻌﺪدي ﻟﺪﻳﻨﺎ‪:‬‬
‫‪ 0  10.89  2.570  0.7 , 10.89  2.570  0.7‬‬
‫‪ 0  9.09 , 12.68‬‬ ‫أي‪:‬‬
‫‪1  0.21  2.570  0.011 , 0.21  2.57  0.011‬‬ ‫و‪:‬‬
‫‪1  0.18 , 0.23‬‬ ‫ﻫﺬا ﻳﻌﲏ‪:‬‬
‫‪ .4‬اﻟﺘﻘﺪﻳﺮ ﺑﻄﺮﻳﻘﺔ اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ‬
‫‪ . Yi‬داﻟــﺔ ﻛﺜﺎﻓــﺔ‬ ‫‪  0  1 X i   i , i  1, ..., .n‬‬ ‫ﻧﻔــﱰض أن اﻷﺧﻄــﺎء ﺗﺘــﻮزع ﺗﻮزﻳﻌــﺎ ﻃﺒﻴﻌﻴــﺎ و اﻟﻨﻤــﻮذج داﺋﻤــﺎ ﻫــﻮ‬
‫اﻷﺧﻄﺎء ﺗﻜﺘﺐ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﱄ ‪:‬‬
‫‪  i2‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪1‬‬
‫‪2 2‬‬
‫‪f ( i )  2‬‬ ‫‪exp ‬‬ ‫‪‬‬
‫‪‬‬
‫‪ 2‬‬
‫‪2‬‬
‫‪‬‬
‫داﻟﺔ اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ‪ ،‬ﺣﻴﺚ ‪:‬‬ ‫) ‪L( 1 ,...,  n‬‬ ‫ﻧﺴﻤﻲ‬
‫‪ 2‬‬ ‫‪‬‬
‫‪L( 1 ,...,  n )   f ( i )   2 2  2 exp  i 2‬‬
‫‪n‬‬ ‫‪n‬‬ ‫‪1‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫وﻋﻠﻴﻪ ‪:‬‬ ‫‪ i  Yi   0  1 X i‬‬ ‫ﻧﻌﻠﻢ أن ‪:‬‬
‫‪ 1 n 2‬‬ ‫‪‬‬ ‫‪ 1 n (Y   0   1 X i ) 2‬‬ ‫‪‬‬
‫‪L( 1 ,...,  n )  2 2  2 exp   i2‬‬ ‫‪  2 2  2 exp   i‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪ 2‬‬ ‫‪‬‬
‫‪ 2 i 1 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪i 1‬‬ ‫‪2‬‬ ‫‪‬‬
‫ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج ودﻟﻚ ﺑﺘﻌﻈﻴﻢ ﻟﻮﻏﺎرﻳﺘﻢ داﻟﺔ اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ‪ ،‬ﺣﻴﺚ ‪:‬‬
‫‪ n‬‬ ‫‪1‬‬ ‫‪n‬‬
‫‪2‬‬
‫‪ Y‬‬ ‫‪  0  1 X i  ‬‬
‫‪n‬‬
‫‪max‬‬ ‫‪log L  ˆmax‬‬ ‫‪‬‬ ‫‪ log 2  log  2 ‬‬
‫‪2 2‬‬
‫‪i‬‬
‫ˆ‬ ‫ˆ‬ ‫ˆ‬
‫‪ 2‬‬ ‫‪2‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪2‬‬
‫ˆ‪ 0 , 1 ,‬‬ ‫ˆ‪ 0 , 1 ,‬‬ ‫‪i 1‬‬
‫ﻧﺒﺤﺚ ﻋﻦ ﺷﺮوط اﻟﺘﻌﻈﻴﻢ ﺣﻴﺚ أن اﻟﺸﺮوط اﻟﻼزﻣﺔ ﻫﻲ ‪:‬‬

‫‪  log L‬‬ ‫‪2 n‬‬

‫‪ ˆ  0   ˆ 2  (Yi   0   1 X i )(1)  0‬‬
‫ˆ‬ ‫ˆ‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪i‬‬ ‫‪‬‬‫‪1‬‬
‫‪  log L‬‬ ‫‪2 n‬‬

‫‪2 ‬‬
‫ˆ ‪‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪(Yi  ˆ 0  ˆ1 X i )( X i )  0‬‬
‫‪  1‬‬ ‫‪‬‬‫ˆ‬ ‫‪i 1‬‬
‫‪  log L‬‬ ‫‪n 1‬‬ ‫‪1 n‬‬
‫‪‬‬
‫‪ ˆ 2‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪.‬‬ ‫‪.‬‬
‫‪2 ˆ 2 2ˆ 4 i 1‬‬
‫‪ (Yi  ˆ0  ˆ1 X i ) 2  0‬‬
‫ﻣﻦ اﳌﻌﺎدﻻت اﻟﺜﻼث ﳝﻜﻦ ﺑﻜﻞ ﺳﻬﻮﻟﺔ اﺳﺘﺨﺮاج ﻗﻴﻢ اﳌﻘﺪرات ‪:‬‬
‫‪ˆ0  Y  ˆ1 X‬‬ ‫ﻣﻦ اﳌﻌﺎدﻟﺔ اﻷوﱃ ‪:‬‬
‫‪n‬‬
‫‪(X‬‬ ‫‪i‬‬ ‫) ‪ X )(Yi  Y‬‬

‫‪ˆ1 ‬‬ ‫‪i 1‬‬
‫‪n‬‬
‫ﻣﻦ اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ ‪:‬‬
‫‪(X‬‬
‫‪i 1‬‬
‫‪i‬‬ ‫)‪ X‬‬ ‫‪2‬‬
‫‪n‬‬
‫‪n‬‬ ‫ˆ‪ ‬‬ ‫‪i‬‬

‫‪2‬‬
‫‪ nˆ 2   î2  ˆ 2 ‬‬ ‫‪i 1‬‬

‫وﻣﻦ اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻟﺜﺔ ﻟﻠﺠﻤﻠﺔ ‪:‬‬
‫‪i 1‬‬ ‫‪n‬‬
‫ﻟﻨﺘﺬﻛﺮ ﺗﻘﺪﻳﺮ ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌـﺎت اﻟﺼـﻐﺮى ﻓﱪﻫﻨﻨـﺎ أﻧـﻪ ﻏـﲑ ﻣﺘﺤﻴـﺰ و ﻟﻜـﻦ اﳌﻘـﺪر اﳌﺘﺤﺼـﻞ ﻋﻠﻴـﻪ ﺑﻄﺮﻳﻘـﺔ‬
‫‪ ˆ MLE‬اﳌﻘـﺪر اﳌﺘﺤﺼـﻞ‬
‫‪2‬‬
‫‪ ˆ OLS‬ﻣﻘـﺪر ﺗﺒـﺎﻳﻦ اﻷﺧﻄـﺎء ﺑﻄﺮﻳﻘـﺔ اﳌﺮﺑﻌـﺎت اﻟﺼـﻐﺮى و‬
‫‪2‬‬
‫اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤـﻰ ﻣﺘﺤﻴـﺰ‪ .‬ﻓﻠﻨﺴـﻢ‬
‫ﻋﻠﻴﻪ ﺑﻄﺮﻳﻘﺔ اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ‪ ،‬ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪ î2‬‬ ‫‪ ˆ 2‬‬

‫‪n  2 i 1 i‬‬
‫‪ˆ MLE‬‬
‫‪2‬‬
‫‪‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪.‬‬
‫‪n‬‬ ‫‪n n2‬‬
‫‪ n 2‬‬ ‫‪‬‬
‫‪  î‬‬ ‫‪‬‬
‫‪ n  2   i 1‬‬ ‫‪   n  2 .E ˆ 2‬‬
‫‪E (ˆ MLE )  ‬‬
‫‪2‬‬
‫‪.E‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ n   n2‬‬ ‫‪  n ‬‬ ‫‪OLS‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪n2 2‬‬
‫وﻋﻠﻴــﻪ‬ ‫‪E (ˆ MLE‬‬
‫‪2‬‬
‫‪)‬‬ ‫‪.  E (ˆ MLE )  .‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ ، E (ˆ OLS‬إذن ‪:‬‬
‫‪2‬‬
‫ﻏــﲑ ﻣﺘﺤﻴــﺰ أي ‪)   2 :‬‬ ‫‪ˆ OLS‬‬
‫‪2‬‬
‫ﲟــﺎأن‬
‫‪ n ‬‬
‫ﻧﺴﺘﻨﺘﺞ أن اﳌﻘﺪر ﺑﻄﺮﻗﺔ اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ ﻣﺘﺤﻴﺰ‪.‬‬
‫‪n2‬‬
‫ﻧﺴ ــﺘﻨﺘﺞ أن ‪:‬‬ ‫‪n‬‬ ‫ﳌ ــﺎ‬ ‫‪1‬‬ ‫إذا ﻛ ــﺎن ﺣﺠ ــﻢ اﻟﻌﻴﻨ ــﺔ ﻛﺒـ ـﲑا أي أن‬ ‫ﻟ ــ ‪ 2‬‬ ‫‪ ˆ MLE‬أﺣﺴ ــﻦ ﺗﻘ ــﺪﻳﺮ‬
‫‪2‬‬
‫ﻳﻜ ــﻮن‬
‫‪n‬‬
‫ﺗﺴﻤﻰ ﻫﺪﻩ اﳋﺎﺻﻴﺔ ﲞﺎﺻﻴﺔ ﻋﺪم اﻟﺘﺤﻴﺰ اﻟﺘﻘﺎرﰊ‪.‬‬ ‫‪E (ˆ MLE‬‬
‫‪2‬‬
‫‪) 2‬‬
‫‪ .5‬ﲢﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ و اﻟﻘﺪرة اﻟﺘﻔﺴﲑﻳﺔ ﻟﻠﻨﻤﻮذج‬

‫ﺗﺴــﺎﻋﺪ اﻟﺒ ـﻮاﻗﻲ ‪ î‬ﻋﻠــﻰ ﻗﻴ ـﺎس ﻣــﺪى ﲤﺜﻴــﻞ اﳌﻌﺎدﻟــﺔ اﳌﻔﺮوﺿــﺔ ﰲ اﻟﻨﻤــﻮذج ﳌﺸــﺎﻫﺪات اﻟﻌﻴﻨــﺔ‪ ،‬ﺣﻴــﺚ أن اﻟﻘﻴﻤــﺔ‬
‫اﻟﻜﺒــﲑة ﻟﻠﺒ ـﻮاﻗﻲ ﺗﻌــﲏ ن اﻟﺘﻤﺜﻴــﻞ ﻳﻜــﻮن ﻏــﲑ ﺟﻴــﺪ واﻟﻘﻴﻤــﺔ اﻟﺼــﻐﲑة ﳍــﺎ ﺗﻌــﲏ ﲤﺜــﻴﻼ ﺟﻴــﺪا ﻟﻠﻨﻤــﻮذج‪ ،‬إن اﳌﺸــﻜﻠﺔ ﰲ‬
‫اﺳﺘﻌﻤﺎل اﻟﺒﻮاﻗﻲ ﻛﻤﻘﻴﺎس ﳉﻮدة اﻟﺘﻮﻓﻴﻖ ﻫﻮ أن ﻗﻴﻤﺔ اﻟﺒﻮاﻗﻲ ﺗﻌﺘﻤﺪ ﻋﻠﻰ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ‪ ، Yi‬اﻟـﺬي ﻧﻌﺮﻓـﻪ ﺣـﻮل وﺳـﻄﻪ‬
‫اﻧﻄﻼﻗﺎ ﻣﻦ اﻟﺸﻜﻞ رﻗﻢ )‪ (1‬ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪Yi  Yî  î‬‬
‫‪Yi  Y  Yî  Y  î‬‬
‫وﺑﱰﺑﻴﻊ ﻃﺮﰲ اﳌﻌﺎدﻟﺔ أﻋﻼﻩ وﲨﻌﻬﺎ ﻟﻨﺴﺒﺔ ﻟﻜﻞ ‪ i‬ﳒﺪ ‪:‬‬
‫‪ (Y‬‬
‫‪i‬‬
‫‪i‬‬ ‫‪ Y ) 2   (Yî  Y ) 2   î2‬‬
‫‪i‬‬ ‫‪i‬‬
‫وﺗﻌــﺪ ﻫــﺬﻩ اﳌﻌﺎدﻟــﺔ ﻣﻔﻴــﺪة ﺟــﺪا ﳋﺪﻣــﺔ أﻏﺮاﺿــﻨﺎ ﻓﻴﻤــﺎ ﻳﺘﻌﻠــﻖ ﺑﻘﻴــﺎس اﻟﻘــﺪرة اﻟﺘﻔﺴـﲑﻳﺔ‪ ،‬وﻟــﺬا ﻣــﻦ اﳌﻬــﻢ أن ﻧﻔﺤــﺺ‬
‫ﺑﻌﻨﺎﻳﺔ ﻣﻌﲎ ﻛﻞ ﺣﺪ ﻣﻦ ﺣﺪودﻫﺎ‪:3‬‬
‫‪Total Sum of Squares‬‬ ‫‪  (Yi  Y ) 2 ‬ﻫــﻮ ﳎﻤــﻮع ﻣﺮﺑﻌــﺎت اﻻﳓﺮاﻓــﺎت اﻟﻜﻠﻴــﺔ ﰲ اﳌﺘﻐــﲑ ‪:Y‬‬
‫‪i‬‬
‫)‪(TSS‬‬
‫)‪Explained Sum of Squares (ESS‬‬ ‫ﻓﻬﻮ ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻻﳓﺮاﻓﺎت اﳌﺸﺮوﺣﺔ ‪:‬‬ ‫‪ (Yi  Y ) 2 ‬‬
‫ˆ‬
‫‪i‬‬
‫)‪Residual Sum of Squares (RSS‬‬ ‫وﻳﺒﻘﻰ اﳊﺪ اﻷﺧﲑ ˆ‪  ‬اﻟﺬي ﻫﻮ ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ ‪:‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪‬‬
‫‪i‬‬
‫‪TSS  ESS  RSS‬‬ ‫ﻧﻌﻴﺪ ﺻﻴﺎﻏﺔ اﳌﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ ﻋﻠﻰ اﻟﺸﻜﻞ ‪:‬‬
‫وﺑﺘﻘﺴﻴﻢ ﻛﻞ اﻷﻃﺮاف ﻋﻠﻰ اﻻﳓﺮاﻓﺎت اﻟﻜﻠﻴﺔ ‪ TSS‬ﳒﺪ ‪:‬‬

‫‪ESS RSS‬‬
‫‪1‬‬ ‫‪‬‬
‫‪TSS TSS‬‬
‫وﻋﻠﻴﻪ ﻧﻌﺮف ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ‪ R 2  r 2‬ﻛﻤﺎ ﻳﻠﻲ‪:4‬‬
‫‪ESS‬‬ ‫‪RSS‬‬
‫‪R2  r 2 ‬‬ ‫‪ 1‬‬
‫‪TSS‬‬ ‫‪TSS‬‬
‫ﻣﻌﺎﻣ ــﻞ اﻟﺘﺤﺪﻳ ــﺪ ‪ R 2‬ﻳﻘ ــﻴﺲ وﻳﺸ ــﺮح ﻧﺴ ــﺒﺔ اﻻﳓﺮاﻓ ــﺎت اﻟﻜﻠﻴ ــﺔ أو اﻟﺘﻐـ ـﲑات اﻟ ــﱵ ﲢ ــﺪث ﰲ اﳌﺘﻐ ــﲑ اﻟﺘ ــﺎﺑﻊ ‪، Yi‬‬
‫واﳌﺸﺮوﺣﺔ ﺑﻮاﺳـﻄﺔ ﺗﻐـﲑات اﳌﺘﻐـﲑ اﳌﺴـﺘﻘﻞ ‪ X i‬ﻓﻬـﻲ ﻧﺴـﺒﺔ ﺛـﲑ اﳌﺘﻐـﲑ اﳌﺴـﺘﻘﻞ ﻋﻠـﻰ اﳌﺘﻐـﲑ اﻟﺘـﺎﺑﻊ‪ ،‬ﻓﻬـﻮ إذن ﻣﻘﻴـﺎس‬
‫ﻟﻠﻘﺪرة اﻟﺘﻔﺴﲑﻳﺔ ﻟﻠﻨﻤﻮذج أي ﳜﺘﱪ ﺟﻮدة اﻟﺘﻮﻓﻴﻖ و اﻻرﺗﺒﺎط‪.‬‬
‫‪R ‬‬
‫ˆ‪ (Yˆ Y )  1   ‬‬
‫‪2‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪i‬‬
‫‪2‬‬
‫وﳝﻜﻦ ﺣﺴﺎب ‪ R2‬ﻛﺎﻷﰐ ‪:‬‬
‫‪‬‬ ‫(‬‫‪Y‬‬ ‫‪‬‬ ‫‪Y‬‬ ‫)‬ ‫‪i‬‬ ‫‪‬‬ ‫(‬‫‪2‬‬
‫‪Y‬‬ ‫‪‬‬ ‫‪Y‬‬ ‫)‬ ‫‪i‬‬
‫‪2‬‬
‫‪ 3‬اﻟﻤﺮﺳﻲ اﻟﺴﯿﺪ اﻟﺤﺠﺎزي‪ ،‬ﻋﺒﺪ اﻟﻘﺎدر ﻣﺤﻤﺪ ﻋﻄﯿﺔ‪ ،2001 ،‬ص ‪.112‬‬
‫‪ 4‬ﺑﺎﻟﻨﺴﺒﺔ ﻟﻨﻤﻮذج اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﺒﺴﯿﻂ ﯾﻜﻮن ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﯾﺪ ھﻮ ﻧﻔﺴﮫ ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻣﺎ ﺑﯿﻦ ﻣﺘﻐﯿﺮﯾﻦ‪ ،‬أﻣﺎ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻨﻤﻮذج اﻻﻧﺤﺪار اﻟﻤﺘﻌﺪد‬
‫ﯾﺼﺒﺢ ھﺬا اﻟﺘﻌﺮﯾﻒ ﻏﯿﺮ ﺻﺤﯿﺢ ﻣﺜﻠﻤﺎ ﻣﺎ ﺳﻨﺮى ﻓﻲ اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ‪.‬‬
‫وﻳﻌﺘﱪ ‪ R2‬ﻣﻦ أﻫـﻢ اﳌﻌـﺎﻣﻼت اﻟـﱵ ﺗﻘـﻴﺲ ﻋﻼﻗـﺔ اﻻرﺗﺒـﺎط ﺑـﲔ ﻣﺘﻐـﲑﻳﻦ ووﺟـﻮد ﻣﺜـﻞ ﻫـﺬﻩ اﻟﻌﻼﻗـﺔ ﻳﻌـﲏ ﺿـﻤﻨﻴﺎ أن‬
‫أﺣﺪ ﻫﺬﻳﻦ اﳌﺘﻐﲑﻳﻦ ﻳﻌﺘﻤﺪ ﰲ ﺗﻐﲑﻩ أو ﰲ ﺣﺪوﺛﻪ ﻋﻠﻰ اﳌﺘﻐﲑ اﻵﺧﺮ‪ .‬ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ﻣﻌﺮف وﻳﻨﺘﻤﻲ إﱃ اﺠﻤﻟﺎل اﻟﺘﺎﱄ‪:‬‬
‫‪0  R2  1‬‬
‫) ‪ (Yˆ Y‬‬ ‫‪2‬‬
‫‪ (Yî Y ) 2   (Yi  Y ) 2 ‬‬ ‫‪1 R2 1‬‬

‫‪i‬‬
‫) ‪ (Y  Y‬‬
‫‪i‬‬
‫‪2‬‬
‫ﻷن ‪:‬‬
‫‪ (Yî Y )  0   R 2  0‬‬
‫‪2‬‬
‫‪‬‬
‫‪ (Yi  Y ) 2  0‬‬
‫ﳌ ـ ــﺎ ﺧ ـ ــﺬ ‪ R2‬أﻛ ـ ــﱪ ﻗﻴﻤ ـ ــﺔ وﻫ ـ ــﻲ ‪ ،1‬أي ﻋﻨ ـ ــﺪﻣﺎ ﺗﻘ ـ ــﻊ ﻛ ـ ــﻞ ﻧﻘ ـ ــﺎط اﳌﻼﺣﻈ ـ ــﺎت ) ‪ (Yi , X i‬ﻋﻠ ـ ــﻰ اﳋ ـ ــﻂ اﳌﻘ ـ ــﺪر‬
‫‪ ، Yî  ˆ0  ˆ1 X i‬ﻓﺎﻟﻘﺪرة اﻟﺘﻔﺴﲑﻳﺔ ﻟﻠﻨﻤﻮذج ﻋﺎﻟﻴﺔ ﺟﺪا‪ ،‬أي ﻫﻨﺎك ﺟﻮدة ﰲ اﻟﺘﻮﻓﻴﻖ و اﻻرﺗﺒﺎط ﺑـﲔ اﳌﺘﻐـﲑ اﻟﺘـﺎﺑﻊ‬
‫و اﳌﺴﺘﻘﻞ‪.‬‬
‫أﻣﺎ إذا ﻛﺎن ‪ R2‬ﺧﺬ أﺻﻐﺮ )أﺳﻮء( ﻗﻴﻤﺔ ﻟـﻪ وﻫـﻲ اﻟﺼـﻔﺮ‪ ،‬ﻓﻠـﻴﺲ ﻫﻨـﺎك ﺟـﻮدة ﰲ اﻟﺘﻮﻓﻴـﻖ و اﻻرﺗﺒـﺎط ﺑـﲔ اﳌﺘﻐـﲑ‬
‫اﻟﺘﺎﺑﻊ و اﳌﺴﺘﻘﻞ أي ﻟﻴﺲ ﻟﻠﻨﻤﻮذج ﻗـﺪرة ﺗﻔﺴـﲑﻳﺔ ﻋﻠـﻰ اﻹﻃـﻼق وﻳﻌـﻮد ذﻟـﻚ إﱃ ﺳـﺒﺒﲔ‪ ،‬إﻣـﺎ اﻟﻌﻼﻗـﺔ اﳌﻮﺟـﻮدة ﺑـﲔ‬
‫اﳌﺘﻐﲑﻳﻦ ﻫﻲ ﻏﲑ ﺧﻄﻴﺔ أو ﻏﻴﺎب اﻟﺴﺒﺒﻴﺔ ﺑﻴﻨﻬﻤﺎ‪.‬‬
‫ﻧﺬﻛﺮ أن اﻟﻔﺮق اﳉﻮﻫﺮي ﺑﲔ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ و ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻳﻜﻤـﻦ ﰲ اﻟﺴـﺒﺒﻴﺔ ﺣﻴـﺚ ﻳﻘـﻴﺲ ﻣﻌﺎﻣـﻞ اﻻرﺗﺒـﺎط‬
‫اﻟﻌﻼﻗﺔ ﺑﲔ ﻣﺘﻐﲑﻳﻦ ﺑﻐﺾ اﻟﻨﻈﺮ ﻋﻦ اﻟﺪور اﻟﺬي ﻳﻠﻌﺒﻪ ﻛﻞ ﻣﺘﻐﲑ‪ ،‬أﻣﺎ ﻣﻌﺎﻣـﻞ اﻟﺘﺤﺪﻳـﺪ ﻓﻴﻘـﻴﺲ أﻳﻀـﺎ اﻻرﺗﺒـﺎط وﻟﻜـﻦ‬
‫ﺧﺬ ﺑﻌﲔ اﻻﻋﺘﺒﺎر اﻟﺴﺒﺒﻴﺔ ﺣﻴﺚ أن اﳌﺘﻐﲑ ‪ X i‬ﻫﻮ اﻟﺬي ﻳﺸﺮح اﻟﻈﺎﻫﺮة ‪. Yi‬‬
‫ﻫﻨﺎك ﻋﻼﻗﺔ ﺑﲔ ‪ R2‬و ‪ ، ̂1‬ﻧﻀﻊ ‪:‬‬
‫‪2‬‬
‫‪1‬‬ ‫‪‬‬
‫‪  ( X i  X )(Yi  Y ) ‬‬
‫‪cov( X i , Yi ) 2‬‬ ‫‪n i‬‬ ‫‪‬‬
‫‪R r ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪‬‬
‫‪‬‬ ‫‪Y‬‬ ‫‪‬‬
‫‪2‬‬
‫‪ 1‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪Xi‬‬
‫(‬ ‫‪‬‬ ‫)‬ ‫‪2‬‬
‫‪(Yi  Y ) 2‬‬
‫‪i‬‬
‫‪ n i‬‬ ‫‪X‬‬ ‫‪i‬‬ ‫‪X‬‬ ‫‪‬‬

‫‪‬‬ ‫‪n i‬‬ ‫‪‬‬
‫ﻓﻨﺤﺼﻞ ﻋﻠﻰ ‪:‬‬
‫‪1 ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2 ‬‬
‫‪( X i  X )(Yi  Y )  ( X i  X )(Yi  Y )‬‬
‫‪n  i‬‬ ‫‪ i‬‬ ‫‪‬‬
‫‪R2 ‬‬
‫‪1‬‬
‫‪2 ‬‬
‫‪( X i  X ) 2  (Yi  Y ) 2‬‬
‫‪n i‬‬ ‫‪i‬‬
‫) ‪1  ( X i  X )(Yi  Y‬‬

‫ˆ‬
‫‪R2 ‬‬ ‫وﻋﻠﻴﻪ ‪:‬‬
‫‪ (Yi  Y ) 2‬‬
‫‪ˆ1  ( X i  X )(Yi  Y ) ( X i  X ) 2‬‬ ‫‪ˆ12  ( X i  X ) 2‬‬
‫‪R ‬‬ ‫‪2‬‬
‫‪‬‬ ‫ﻟﺪﻳﻨﺎ أﻳﻀﺎ ‪:‬‬
‫‪ (Y‬‬ ‫‪i‬‬ ‫‪ Y )2  ( X i  X )2‬‬ ‫‪ (Y‬‬ ‫‪i‬‬ ‫‪ Y )2‬‬
‫) ‪ESS ˆ1  ( X i  X )(Yi  Y ) ˆ1  ( X i  X‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪R ‬‬ ‫‪2‬‬

‫‪‬‬ ‫‪‬‬ ‫إذن ‪:‬‬
‫‪TSS‬‬ ‫‪ (Yi  Y ) 2‬‬ ‫‪ (Yi  Y ) 2‬‬
‫ﻣﺜﺎل ‪:3‬‬
‫ﺳﺘﻌﻤﺎل ﻣﻌﻄﻴﺎت اﳌﺜﺎل اﻷول‪ ،‬ﻧﻘﻮم ﺑﺘﺤﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﰒ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ‪ .‬ﻧﺘﺴﺎءل ﻣﺎ إذا ﻛﺎن ﻟﻨﻤﻮذج‬
‫اﻻﺳﺘﻬﻼك ﻗﺪرة ﺗﻔﺴﲑﻳﺔ ﻋﺎﻟﻴﺔ أم ﻻ‪.‬‬
‫ﲟﻌﺮﻓﺔ ﻗﻴﻤﱵ ‪ TSS‬و ‪ ،RSS‬ﳝﻜﻦ ﺣﺴﺎب ﻗﻴﻤﺔ ‪ ESS‬ﻋﻦ ﻃﺮﻳﻖ ﻣﻌﺎدﻟﺔ ﲢﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﺣﻴﺚ‪:‬‬
‫‪TSS   (Yi  Y ) 2  95.05‬‬
‫‪i‬‬
‫‪7‬‬
‫‪RSS   î2  1.32‬‬
‫‪i 1‬‬
‫‪ESS  TSS  RSS  95.05  1.32  93.73‬‬ ‫ﻟﺪﻳﻨﺎ إذن‪:‬‬

‫ﻣﻦ ﺧﻼل اﳉﺪول )‪ ،(4‬ﳝﻜﻦ ﲢﻠﻴﻞ ﺗﺒﺎﻳﻦ اﻻﺳﺘﻬﻼك ﻛﻤﺎ ﻫﻮ ﻣﺒﲔ ﰲ اﳉﺪول اﻟﺘﺎﱄ‪:‬‬
‫اﳉﺪول )‪ :(4‬ﲢﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ ﺳﺘﻌﻤﺎل اﻻﳓﺪار اﳋﻄﻲ اﻟﺒﺴﻴﻂ‬
‫اﳌﺮﺑﻌﺎت اﳌﺘﻮﺳﻄﺔ‬ ‫درﺟﺔ اﳊﺮﻳﺔ‬ ‫ﳎﻤﻮع اﳌﺮﺑﻌﺎت‬ ‫ﻣﺼﺪر اﻟﺘﻐﲑ‬

‫‪ESS / 1  93.73‬‬ ‫‪1‬‬ ‫‪ESS  93.73‬‬ ‫اﳌﺘﻐﲑ اﳌﺴﺘﻘﻞ‬
‫‪RSS / 5  0.26‬‬ ‫‪n2725‬‬ ‫‪RSS  1.32‬‬ ‫اﻟﺒﻮاﻗﻲ‬
‫‪n 1  7 1  6‬‬ ‫‪TSS  95.05‬‬ ‫اﺠﻤﻟﻤﻮع‬
‫ﻧﻘﻮم ﲝﺴﺎب ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ‪: R 2‬‬

‫‪R2 1‬‬
‫ˆ‪ ‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪1‬‬
‫‪RSS‬‬
‫‪1‬‬
‫‪1.32‬‬
‫‪ 0.9861‬‬
‫‪ (Yi  Y ) 2‬‬ ‫‪TSS‬‬ ‫‪95.05‬‬
‫ﻣﻦ ﺧﻼل ﻧﺘﻴﺠﺔ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ‪ ،‬ﻧﻼﺣﻆ أن اﻟﺪﺧﻞ اﳌﺘﺎح ﻳﻔﺴﺮ اﻻﺳﺘﻬﻼك ﺑﻨﺴﺒﺔ ‪ %98.61‬و ﻟﺘﺎﱄ ﻟﻨﻤﻮذج‬
‫اﻻﺳﺘﻬﻼك ﻗﺪرة ﺗﻔﺴﲑﻳﺔ ﻋﺎﻟﻴﺔ‪.‬‬
‫‪ .6‬اﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺎت‬
‫ﲟﻌﺮﻓــﺔ ﺗﻮزﻳــﻊ ‪ ˆ0‬و ‪ ̂1‬ﳝﻜــﻦ إﺟ ـﺮاء اﺧﺘﺒــﺎر اﻟﻔﺮﺿــﻴﺎت اﳌﻮﺿــﻮﻋﺔ ﺣــﻮل ﻣﻌــﺎﱂ اﻟﻨﻤــﻮذج ‪  0‬و ‪ 1‬ﻋﻠــﻰ اﻟﺘ ـﻮاﱄ‪.‬‬
‫اﻻﺧﺘﺒــﺎر اﻟﺸــﺎﺋﻊ ﺟــﺪا ﻫــﻮ ﻓﺮﺿــﻴﺔ اﻟﻌــﺪم ‪ ،H0‬وﺗﻘــﱰح ﻋﻠــﻰ اﻟﻌﻤــﻮم ﻧــﻪ ﻻ ﻳﻮﺟــﺪ أﺛــﺮ ﻋﻠــﻰ اﻟﻨﻤــﻮذج ﻣــﻦ ﻗﺒــﻞ ﻣﺘﻐــﲑ‬
‫ﻣﺴﺘﻘﻞ ﻣﺎ‪ ،‬وﻧﻈﺮا إﱃ أن اﻟﺒـﺎﺣﺜﲔ ﻳﺘﻤﻨـﻮن ﻗﺒـﻮل اﻟﻨﻤـﻮذج‪ ،‬ﻓـﺈن ﻓﺮﺿـﻴﺔ اﻟﻌـﺪم ﺗﻮﺿـﻊ ﻋـﺎدة ﻹﺛﺒـﺎت رﻓﻀـﻬﺎ إذا أﻣﻜـﻦ‬
‫ذﻟﻚ‪ .‬و ﻣﻞ رﻓﺾ ‪ H0‬ﳚﺎد اﻟﻘﻴﻤﺔ اﻟﺘﻘﺪﻳﺮﻳﺔ واﻟﱵ ﺗﻜﻮن ﲣﺘﻠﻒ ﻋﻦ اﻟﺼﻔﺮ‪ ،‬ﺣﱴ ﻧﻘﺒﻞ اﻟﻨﻤﻮذج‪.‬‬
‫‪ .1.6‬اﺧﺘﺒﺎر اﳌﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻤﻌﺎﱂ‬
‫ﻗــﺪ ﻳﻜــﻮن اﻟﻨﻤــﻮذج اﳌﺒــﲏ ﻣ ـﻦ ﻃﺮﻓﻨــﺎ ﺻــﺤﻴﺤﺎ أو ﻏــﲑ ﺻــﺤﻴﺢ‪ ،‬و ﺗﺜﺒــﺖ ﺻــﺤﺘﻪ ﻣــﻦ ﺧــﻼل اﺧﺘﺒــﺎرﻩ‪ ،‬وﻳــﺘﻢ ذﻟــﻚ‬
‫ﺑﻮاﺳــﻄﺔ ﻓــﺮض ﻣﻌﻠﻤــﺔ ﻣــﻦ ﻣﻌــﺎﱂ اﻟﻨﻤــﻮذج ﺗﺴــﺎوي اﻟﺼــﻔﺮ أو أي ﻋــﺪد آﺧــﺮ‪ ،‬وﺗﺴــﻤﻰ ﻓﺮﺿــﻴﺔ اﻟﻌــﺪم ‪ ،H0‬وﻣــﺎ داﻣــﺖ‬
‫اﻟﻌﻼﻗـﺔ ﺑـﲔ ‪ Y‬و ‪ X‬ﻗﺎﺋﻤــﺔ ﻋﻠـﻰ أﺳــﺎس اﻟﻨﻤـﻮذج اﳋﻄــﻲ‪ ،‬ﻓـﺈن اﻧﻌـﺪام ﻫــﺬﻩ اﻟﻌﻼﻗـﺔ ﻳﻌــﲏ ن ﺧـﻂ اﳓــﺪار اﺠﻤﻟﺘﻤـﻊ ﻫــﻮ‬
‫ﻋﺒـ ــﺎرة ﻋـ ــﻦ ﺧـ ــﻂ أﻓﻘـ ــﻲ‪ ،‬أي ‪ H 0 : 1  0‬وﲟـ ــﺎ أن اﻻﻓ ـ ـﱰاض ‪ H0‬ﺧﺎﺿـ ــﻊ ﻟﻼﺧﺘﺒـ ــﺎر‪ ،‬ﻓﺈﻧـ ــﻪ ﻻ ﻳﻜـ ــﻮن ﻟﻀـ ــﺮورة‬
‫ﺻــﺤﻴﺤﺎ‪ ،‬اﻷﻣــﺮ اﻟــﺬي ﻳﺘﻄﻠــﺐ ﻣﻨــﺎ وﺿــﻊ ﻓــﺮض ﺑــﺪﻳﻞ ‪ . H 1 : 1  0‬وﰲ ﺣﺎﻟــﺔ ﻣﻌﺮﻓــﺔ إﺷــﺎرة ‪ 1‬ﻣﺴــﺒﻘﺎ ﻣــﻦ اﻟﻨﻈﺮﻳــﺔ‬
‫اﻻﻗﺘﺼﺎدﻳﺔ ﻓﺈن اﻻﻓﱰاض اﻟﺒﺪﻳﻞ ﻳﻜﻮن ‪) H 1 : 1  0‬أو ‪ ،( H 1 : 1  0‬وإذا ﻃﻠﺐ ﻣﻨﺎ اﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺔ ‪:‬‬
‫)ﻓﺮﺿﻴﺔ اﻟﻌﺪم(‬ ‫‪H 0 : 1  0‬‬

‫)اﻟﻔﺮﺿﻴﺔ اﻟﺒﺪﻳﻠﺔ(‬ ‫‪H 1 : 1  0‬‬ ‫ﺿﺪ ‪:‬‬
‫‪ˆ1‬‬
‫‪tc ‬‬
‫ˆ‪ˆ ‬‬ ‫‪1‬‬
‫‪ˆ1  1‬‬
‫وﻫﻲ اﻟﻘﻴﻤﺔ اﶈﺴﻮﺑﺔ‪.‬‬ ‫‪tc ‬‬ ‫ﻧﻜﺘﺐ‪:‬‬
‫ˆ‪ˆ ‬‬‫‪1‬‬
‫ˆ‪‬‬
‫‪ ، t c‬ﺣﻴـ ــﺚ ﻧﻘﺒـ ــﻞ ‪ H0‬ﲟﺴـ ــﺘﻮى ﻣﻌﻨﻮﻳـ ــﺔ ‪ % ‬إذا ﻛﺎﻧـ ــﺖ‬ ‫‪‬‬ ‫‪1‬‬
‫ﻣـ ــﺎ دﻣﻨـ ــﺎ ﳔﺘـ ــﱪ ﻓﺮﺿـ ــﻴﺔ اﻟﻌـ ــﺪم‪ ،‬ﻧﻜﺘـ ــﺐ‪:‬‬
‫ˆ‪ˆ ‬‬ ‫‪1‬‬
‫‪ˆ1‬‬
‫‪t‬‬ ‫‪‬‬ ‫ﻓﻔــﻲ ﻫــﺬﻩ اﳊﺎﻟــﺔ‪ ،‬اﳌﻌﻠــﻢ ‪ 1‬ﻟــﻴﺲ ﻟــﻪ ﻣﻌﻨﻮﻳــﺔ إﺣﺼــﺎﺋﻴﺔ أي ﻳﺴــﺎوي ﻣﻌﻨــﻮ اﻟﺼــﻔﺮ ﺣﻴــﺚ‬ ‫‪t ‬‬
‫‪n  2,‬‬
‫‪2‬‬ ‫ˆ‪ˆ ‬‬
‫‪1‬‬
‫‪n  2,‬‬
‫‪2‬‬
‫ﻣــﺄﺧﻮذة ﻣــﻦ ﺟــﺪول اﻟﺘﻮزﻳــﻊ ‪) t‬ﺳــﺘﻮدﻧﺖ( وﺗﺴــﻤﻰ ﻟﻘﻴﻤــﺔ اﺠﻤﻟﺪوﻟــﺔ‪ ،‬وﻧــﺮﻓﺾ ‪ H0‬ﲟﺴــﺘﻮى ﻣﻌﻨﻮﻳــﺔ ‪ % ‬إذا ﻛﺎﻧــﺖ‬
‫‪ˆ1‬‬
‫ﻟﻪ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﻓﻬـﻮ ﳜﺘﻠـﻒ ﻣﻌﻨـﻮ ﻋـﻦ اﻟﺼـﻔﺮ‪ .‬ﻧﻘـﻮم ﺑـﻨﻔﺲ اﻻﺧﺘﺒـﺎر ﻣـﻊ اﻟﺜﺎﺑﺘـﺔ‬ ‫‪1‬‬ ‫أي اﳌﻌﻠﻢ‬ ‫‪t ‬‬
‫ˆ‪ˆ ‬‬
‫‪1‬‬
‫‪n  2,‬‬
‫‪2‬‬
‫‪ .  0‬إﺿــﺎﻓﺔ إﱃ ذﻟــﻚ‪ ،‬ﻋﻨــﺪﻣﺎ ﻳﻜــﻮن ﺣﺠــﻢ اﻟﻌﻴﻨــﺔ ﻛﺒــﲑا ) ‪ ( n  30‬ﻓﻴﻨﺒﻐــﻲ اﺳــﺘﻌﻤﺎل اﻟﺘﻮزﻳــﻊ اﻟﻄﺒﻴﻌــﻲ و ﳝﻜــﻦ أﺧــﺬ‬
‫اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ‪ z / 2‬و ذﻟﻚ ﲝﺴﺎب اﳌﺴﺎﺣﺔ اﳌﻈﻠﺔ ﻟﻠﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ‪.‬‬
‫ﺗﻮﺟﺪ ﻋﺪة ﺗﺴﺎؤﻻت ﻟﺪى اﻟﺒﺎﺣﺜﲔ ﰲ اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳـﻲ ﰲ اﻻﺧﺘﺒـﺎر اﻹﺣﺼـﺎﺋﻲ اﻷﻓﻀـﻞ ﺑـﲔ ﻣﻌﺎﻣـﻞ اﻟﺘﺤﺪﻳـﺪ‬
‫‪ R2‬واﻷﺧﻄﺎء اﳌﻌﻴﺎرﻳﺔ ﻟﻠﻤﻘﺪرات‪ ،‬ﻓﺄﻳﻬﻤﺎ أﻓﻀﻞ؟ ﻗﻴﻤﺔ ﻋﺎﻟﻴـﺔ ﻟ ـ‪ R2‬أم ﻗﻴﻤـﺔ ﻣﻨﺨﻔﻀـﺔ ﻟﻸﺧﻄـﺎء اﳌﻌﻴﺎرﻳـﺔ ﻟﻠﻤﻘـﺪرات؟‬
‫ﻋﻠﻰ اﻟﻌﻤﻮم ﻳﻜﻮن اﻻﺧﺘﺒﺎر ﺳﻬﻼ ﳌﺎ ﳓﺼﻞ ﻋﻠﻰ ﻗﻴﻤﺔ ﻋﺎﻟﻴﺔ ﻟـ ‪ R2‬وﻗﻴﻤﺔ ﻣﻨﺨﻔﻀﺔ ﻟﻸﺧﻄﺎء اﳌﻌﻴﺎرﻳﺔ‪ ،‬ﻟﻜـﻦ ﺗﻄﺒﻴﻘﻴـﺎ‬
‫درا ﻣــﺎ ﳛــﺪث ذﻟــﻚ‪ ،‬ﺣﻴــﺚ ﰲ أﻏﻠــﺐ اﻷﺣﻴــﺎن ﳓﺼــﻞ ﻋﻠــﻰ ﻗﻴﻤــﺔ ﻋﺎﻟﻴــﺔ ﻟـ ـ‪ R2‬وﰲ ﻧﻔــﺲ اﻟﻮﻗــﺖ ﻋﻠــﻰ ﻗــﻴﻢ ﻋﺎﻟﻴــﺔ‬
‫ﻟﻸﺧﻄــﺎء اﳌﻌﻴﺎرﻳــﺔ ﻟــﺒﻌﺾ اﳌﻘــﺪرات!؟‪ .‬وﻳــﺮى ﰲ ﻫــﺬا اﻟﺴــﻴﺎق ﺑﻌــﺾ اﳌﺘﺨﺼﺼــﲔ ﰲ اﳌﻴــﺪان أن ﺗُﻌﻄــﻰ اﻷﳘﻴــﺔ أﻛﺜــﺮ‬
‫ﻟﻘﻴﻤﺔ ‪ R2‬اﻟﻌﺎﻟﻴﺔ‪ ،‬وﻣﻦ ﰒ ﻳﻘﺒﻠﻮن ﻣﻘﺪرات اﳌﻌﺎﱂ ﻏﲑ ﻣﻬﺘﻤﲔ ﺑﻌﺪم ﺟﺪﻳﺔ اﳌﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﺒﻌﺾ ﻫﺬﻩ اﳌﻌﺎﱂ‪.‬‬
‫‪ .2.6‬اﺧﺘﺒﺎر اﻟﺘﻮزﻳﻊ ‪) F‬اﺧﺘﺒﺎر اﳌﻌﻨﻮﻳﺔ اﻟﻜﻠﻴﺔ ﻟﻠﻨﻤﻮذج(‬
‫) ‪ ( H 0 : 1  0‬ﳝﻜـﻦ أن ﻳﻜـﻮن ﰲ ﺷـﻜﻞ ﺗﻮزﻳـﻊ ‪ ،Fisher‬ﺣﻴـﺚ ﻟـﺪﻳﻨﺎ‬ ‫‪Xi‬‬ ‫إن اﺧﺘﺒﺎر ﻣﻌﻨﻮﻳﺔ )أﺛـﺮ( اﳌﺘﻐـﲑ اﳌﺴـﺘﻘﻞ‬
‫اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ اﳌﻌﻴﺎري ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪̂1‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪ˆ1   1‬‬ ‫)‪N (0,1‬‬
‫‪  1 ,  2‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪i xi‬‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪ x2‬‬ ‫‪i‬‬
‫‪ˆ   ‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬
‫)‪ 2 (1‬‬ ‫ﳝﻜﻦ اﺳﺘﻨﺘﺎج ‪:‬‬
‫‪‬‬‫‪2‬‬
‫‪x‬‬ ‫‪2‬‬
‫‪i‬‬
‫وﻣﺎ دام )‪ ،  RSS2  ~  2 (1‬وﻣﺴﺘﻘﻞ ﺗﻮزﻳﻌﻴﺎ ﻋﻦ ‪ ، ̂1‬ﻓﺈﻧﻪ ﺑﻨﺎءا ﻋﻠﻰ ﺗﻌﺮﻳﻒ اﻟﺘﻮزﻳﻊ ‪ F‬ﳒﺪ ‪:‬‬
‫‪  ‬‬
‫‪ 2 (1) 1‬‬
‫‪‬‬
‫ˆ‪‬‬ ‫‪1‬‬ ‫‪ 1‬‬ ‫ˆ‪  x  ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪i‬‬ ‫‪1‬‬ ‫‪ 1‬‬ ‫‪ x‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪i‬‬
‫‪~ F1, n  2‬‬
‫‪ 2 ( n  2) n  2‬‬ ‫‪ ˆ n  2‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪ˆ ‬‬ ‫‪2‬‬
‫ﺻﺤﻴﺤﺔ ﻳﻨﺘﺞ أن‪:‬‬ ‫اﻟﻔﺮﺿﻴﺔ ‪H 0 : 1  0‬‬ ‫وإذا ﻛﺎﻧﺖ‬

‫‪F‬‬
‫‪ˆ12‬‬ ‫‪ x  (n  2)ˆ  x ~ F‬‬
‫‪2‬‬
‫‪i‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪i‬‬
‫‪ ˆ n  2‬‬
‫‪2‬‬ ‫‪1, n  2‬‬
‫‪i‬‬ ‫‪RSS‬‬
‫واﻋﺘﻤﺎدا ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ اﻟﺴﺎﺑﻘﺔ ﳝﻜﻦ ﻛﺘﺎﺑﺔ اﻟﺼﻴﻐﺔ اﻟﺴﺎﺑﻘﺔ ﻣﻦ اﻟﺸﻜﻞ ‪:‬‬
‫‪ˆ12  x i2‬‬ ‫‪ESS 1‬‬
‫‪F‬‬ ‫‪‬‬ ‫‪~ F1, n  2‬‬
‫)‪RSS ( n  2‬‬ ‫)‪RSS (n  2‬‬
‫ﲟﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪ % ‬إذا‪:‬‬ ‫‪H 0 : 1  0‬‬ ‫وﻧﻘﻮل أﻧﻨﺎ ﻧﺮﻓﺾ‬
‫‪ˆ12  x i2‬‬ ‫‪ESS 1‬‬
‫‪F1,n  2 ‬‬ ‫‪‬‬ ‫‪ F ,1, n  2 ‬‬
‫)‪RSS (n  2‬‬ ‫)‪RSS (n  2‬‬
‫ﻫﻲ اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ‪ ،‬وﺗﺆﺧﺬ ﻣﻦ ﺟﺪاول ﺗﻮزﻳﻊ ‪ ،F‬وﺗﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ ‪ H0‬إذا ﺣﺪث اﻟﻌﻜﺲ أي‪:‬‬ ‫‪F ,1,n  2 ‬‬ ‫ﺣﻴﺚ أن‬
‫‪ˆ12  xi2‬‬ ‫‪ESS 1‬‬
‫‪F1,n  2 ‬‬ ‫‪‬‬ ‫‪ F ,1,n 2 ‬‬
‫)‪RSS (n  2‬‬ ‫)‪RSS (n  2‬‬
‫‪2‬‬
‫‪ˆ1‬‬ ‫‪x‬‬ ‫‪2‬‬‫‪‬‬
‫‪ ‬‬
‫‪i‬‬ ‫‪ˆ1‬‬ ‫‪‬‬
‫‪ ~ t 2 ~ F‬‬ ‫و ﳌﻘﺎرﻧﺔ ﻣﻊ اﻟﺘﻮزﻳﻊ ‪ t‬ﳒﺪ اﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫‪RSS (n  2)  ˆ   x i2‬‬ ‫‪‬‬ ‫‪n2‬‬ ‫‪ , 1, n  2 ‬‬
‫‪‬‬ ‫‪‬‬
‫ﻣﻼﺣﻈﺔ‪ :‬ﺗﺼﻠﺢ ﻫﺬﻩ اﻟﻨﺘﻴﺠﺔ ﳌﺎ ﳔﺘﱪ اﳌﻌﺎﱂ اﻟﻔﺮدﻳﺔ ﻟﻨﻤﻮذج اﻻﳓﺪار ﻓﻘﻂ‪.‬‬
‫‪R2  r 2 ‬‬
‫‪ESS‬‬
‫‪ 1‬‬
‫‪RSS‬‬
‫وﻹﳚﺎد اﻟﻌﻼﻗﺔ اﳋﺎﺻﺔ ﻟﺘﻮزﻳﻌﲔ ‪ t ،F‬ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ‪ R2‬ﻧﻌﻮد ﻟﻠﻌﻼﻗﺔ‪:‬‬
‫‪ESS  R 2 .TSS  R 2 . yi2‬‬
‫وﻣﻨﻪ ﻧﻜﺘﺐ ‪:‬‬
‫‪RSS  (1  R 2 ).TSS  (1  R 2 ). yi2‬‬
‫‪ESS 1‬‬
‫ﻓﻨﺠﺪ ‪:‬‬ ‫‪F‬‬ ‫اﻟﻌﻼﻗﺔ‪~ F1, n  2 :‬‬ ‫وﻟﻨﻌﻮض ذﻟﻚ ﰲ‬
‫)‪RSS (n  2‬‬
‫‪R2 1‬‬ ‫‪R2‬‬
‫‪F‬‬
‫‪1  R 2  (n  2) 1  R 2  .(n  2) ~ F1,n2‬‬
‫‪‬‬
‫‪n2‬‬
‫‪.t  r‬‬ ‫‪~ t n2‬‬ ‫وﻧﻈﺮا ﻟﻠﻌﻼﻗﺔ اﳌﻮﺟﻮدة ﻣﺎ ﺑﲔ اﻟﺘﻮزﻳﻌﲔ ‪ F‬و ‪ t‬ﳝﻜﻦ ﻛﺘﺎﺑﺔ ‪:‬‬
‫‪1 r 2‬‬
‫ﰲ ﺗﻮزﻳــﻊ ‪ ،F‬ﳔﺘــﱪ اﻧﻌــﺪام ﻛــﻞ اﳌﻌــﺎﱂ ﰲ آن واﺣــﺪ ﺿــﺪ ﻓﺮﺿــﻴﺔ ﻣﻌﻨﻮﻳــﺔ اﳌﻴــﻞ‪ .‬اﻟﻘﻴﻤــﺔ اﺠﻤﻟﺪوﻟ ـﺔ ﻹﺣﺼــﺎﺋﻴﺔ ‪ Fisher‬ﰲ‬
‫ﻫﺪﻩ اﳊﺎﻟﺔ ﺗﻌﺘﻤﺪ ﻋﻠﻰ درﺟﱵ ﺣﺮﻳﺔ ‪) 1‬ﰲ اﻟﺒﺴﻂ( و ‪) n  2‬ﰲ اﳌﻘﺎم(‪.‬‬
‫ﻣﺜﺎل ‪:4‬‬
‫ﺳــﺘﻌﻤﺎل ﻣﻌﻄﻴــﺎت اﳌﺜــﺎل اﻷول‪ ،‬ﻧﻘــﻮم ﺧﺘﺒــﺎر اﳌﻌﻨﻮﻳــﺔ اﻹﺣﺼــﺎﺋﻴﺔ ﻟﻠﻤﻌــﺎﱂ و اﳌﻌﻨﻮﻳــﺔ اﻟﻜﻠﻴــﺔ ﻟﻠﻨﻤــﻮذج‪ .‬ﻧــﺪرس أوﻻ‬
‫إﻣﻜﺎﻧﻴــﺔ ﻗﺒــﻮل اﳌﻘــﺪرات ﻛﺄﺳــﺎس ﻟﻠﻮﺻــﻮل إﱃ ﻣﻌــﺎﱂ اﺠﻤﻟﺘﻤــﻊ اﻹﺣﺼــﺎﺋﻲ‪ ،‬ﻓﻤــﺜﻼ ﻫــﻞ ﳜﺘﻠــﻒ اﳌﻴــﻞ اﳊــﺪي ﻟﻼﺳــﺘﻬﻼك‬
‫ﻣﻌﻨﻮ ﻋﻦ اﻟﺼﻔﺮ؟‬
‫ﻟﺪﻳﻨﺎ اﻟﻔﺮﺿﻴﺘﺎن‪:‬‬
‫‪H 0 : 1  0‬‬
‫‪H 1 : 1  0‬‬ ‫ﺿﺪ ‪:‬‬
‫‪ˆ1  1‬‬
‫و ﰲ ﻇﻞ ﻗﺒﻮل اﻟﻔﺮﺿﻴﺔ ‪: H 0‬‬ ‫‪n2‬‬ ‫ﺗﺘﺒﻊ ﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ ﺑﺪرﺟﺔ ﺣﺮﻳﺔ‬ ‫ﻧﻌﻠﻢ أن‬
‫ˆ‪ˆ ‬‬‫‪1‬‬
‫‪ˆ  0 ˆ1‬‬
‫ﺗﺘﺒﻊ ﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ ﺑﺪرﺟﺔ ﺣﺮﻳﺔ ‪. n  2‬‬ ‫‪tc  1‬‬ ‫‪‬‬
‫ˆ‪ˆ ‬‬ ‫ˆ‪ˆ ‬‬
‫‪1‬‬ ‫‪1‬‬
‫ˆ‪‬‬ ‫‪0.21‬‬
‫‪tc ‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪ 18.81‬‬ ‫ﻟﺪﻳﻨﺎ إذن‪:‬‬
‫ˆ‪ˆ ‬‬ ‫‪1‬‬
‫‪0.011‬‬
‫ﻧﺘﺨــﺬ اﻟﻘـﺮار وذﻟــﻚ ﲟﻘﺎرﻧــﺔ اﻟﻘﻴﻤــﺔ اﳌﻄﻠﻘــﺔ ﻟﻠﻘﻴﻤــﺔ اﶈﺴــﻮﺑﺔ ﻟﻘﻴﻤــﺔ اﳊﺮﺟــﺔ ﻟﺘﻮزﻳــﻊ ﺳــﺘﻴﻮدﻧﺖ ﺑﺪرﺟــﺔ ﺣﺮﻳــﺔ ‪ 5‬و ﻧﺴــﺒﺔ‬
‫ﻣﻌﻨﻮﻳ ــﺔ ‪ . %5‬ﻧﻼﺣ ــﻆ أن ‪ t c  18.81  t 0.025  2.57‬و ﻋﻠﻴ ــﻪ ﻧﻘﺒ ــﻞ اﻟﻔﺮﺿ ــﻴﺔ اﻟﺒﺪﻳﻠ ــﺔ ‪ H 1‬أي أن اﳌﻴ ــﻞ اﳊ ــﺪي‬
‫ﻟﻼﺳ ــﺘﻬﻼك ﳜﺘﻠ ــﻒ ﻣﻌﻨ ــﻮ ﻋ ــﻦ اﻟﺼ ــﻔﺮ ﺑﻨﺴ ــﺒﺔ ﻣﻌﻨﻮﻳ ــﺔ ‪   5%‬وﻫ ــﺬا ﻳﻌ ــﲏ أﻧ ــﻪ ﳝﻜ ــﻦ ﻗﺒ ــﻮل ﻣﻘ ــﺪر اﳌﻴ ــﻞ اﳊ ــﺪي‬
‫ﻟﻼﺳﺘﻬﻼك ﻛﺄﺳﺎس ﻟﻠﻮﺻﻮل إﱃ ﻣﻌﻠﻤﻪ اﻟﻨﻈﺮي ﰲ اﺠﻤﻟﺘﻤﻊ اﻹﺣﺼﺎﺋﻲ‪.‬‬
‫ﳔﺘﱪ اﻵن اﳌﻌﻨﻮﻳﺔ اﻟﻜﻠﻴﺔ ﻟﻨﻤﻮذج اﻻﺳﺘﻬﻼك ﻣﻌﺘﻤﺪا ﻋﻠﻰ إﺣﺼﺎﺋﻴﺔ ﻓﻴﺸﺮ‪ .‬ﻟﺪﻳﻨﺎ اﻟﻔﺮﺿﻴﺘﺎن‪:‬‬
‫‪H 0 :  0  1  0‬‬
‫‪H 1 : 1  0‬‬ ‫ﺿﺪ ‪:‬‬
‫‪R2 1‬‬
‫‪ . n  2‬ﻟﺪﻳﻨﺎ ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ‪:‬‬ ‫ﺗﺘﺒﻊ ﺗﻮزﻳﻊ ﻓﻴﺸﺮ ﺑﺪرﺟﱵ ﺣﺮﻳﺔ ‪ 1‬و‬ ‫ﻧﻌﻠﻢ أﻳﻀﺎ أن‬
‫)‪1  R 2  (n  2‬‬
‫‪R2 1‬‬ ‫‪0.9861 / 1‬‬
‫‪F‬‬ ‫‪‬‬ ‫‪ 354.02‬‬
‫)‪1  R  (n  2) 1  0.9861 /(7  2‬‬
‫‪2‬‬
‫ﻳــﺘﻢ اﲣ ـﺎذ اﻟﻔ ـﺮار ﲟﻘﺎرﻧــﺔ اﻟﻘﻴﻤــﺔ اﶈﺴــﻮﺑﺔ ﻟﻘﻴﻤــﺔ اﳊﺮﺟــﺔ ﻟﺘﻮزﻳــﻊ ﻓﻴﺸــﺮ ﺑــﺪرﺟﱵ ﺣﺮﻳــﺔ ‪ 1‬و ‪ 8‬و ﻧﺴــﺒﺔ ﻣﻌﻨﻮﻳــﺔ ‪. %5‬‬
‫ﻧﻼﺣـ ـ ــﻆ أن ‪ F  354.02  F0.05 (1,5)  6.60‬و ﻋﻠﻴـ ـ ــﻪ ﻧﻘﺒـ ـ ــﻞ اﻟﻔﺮﺿـ ـ ــﻴﺔ اﻟﺒﺪﻳﻠـ ـ ــﺔ ‪ H 1‬أي أن ﻟﻠﻨﻤـ ـ ــﻮذج ﻣﻌﻨﻮﻳـ ـ ــﺔ‬
‫إﺣﺼﺎﺋﻴﺔ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪.   5%‬‬
‫‪Prediction‬‬ ‫‪ .7‬اﻟﺘﻨﺒﺆ‬
‫ﻋﻘــﺐ ﺗﻘﻴــﻴﻢ ﳕــﻮذج اﻻﳓــﺪار واﻟﺘﺄﻛــﺪ ﻣــﻦ اﺳــﺘﻴﻔﺎءﻩ ﻟﻠﻔﺮﺿــﻴﺎت واﳌﻌــﺎﻳﲑ اﻹﺣﺼــﺎﺋﻴﺔ‪ ،‬ﻳﺼــﺒﺢ ﻹﻣﻜــﺎن اﺳــﺘﺨﺪاﻣﻪ‬
‫ﻷﻏﺮاض اﻟﺘﻨﺒﺆ‪ ،‬وذﻟﻚ ﳚﺎد ﻗﻴﻢ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ‪ Y‬ﺑﺘﻐﻴﲑ ﻗﻴﻢ اﳌﺘﻐﲑ اﳌﺴﺘﻘﻞ ‪.X‬‬
‫ﻟﻨﺄﺧﺬ ﳕﻮذﺟﻨﺎ اﻟﺒﺴﻴﻂ‪ ،‬وﻟﻨﻔﺮض أﻧﻨﺎ ﻧﻌـﺮف اﻟﻘﻴﻤـﺔ اﳌﺴـﺘﻘﺒﻠﻴﺔ ﻟ ـ ‪ X‬ﰲ ﻓـﱰة اﻟﺘﻨﺒـﺆ و ﻧﺮﻣـﺰ ﳍـﺎ ﻟﺮﻣـﺰ ‪ ، X T  h‬ﻓـﺈذا‬
‫ﻓﺮﺿﻨﺎ أن اﻟﺒﻨﺎء اﳍﻴﻜﻠﻲ ﻟﻠﻤﻌﺎدﻟﺔ ﻻ ﻳﺘﻐﲑ ﰲ اﳌﺴﺘﻘﺒﻞ‪ ،‬ﺗﻜﻮن ﻗﻴﻤﺔ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ‪ Y‬ﰲ ﻫﺬﻩ اﻟﻔﱰة ‪ T  h‬ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪YT  h   0  1 X T  h   T  h‬‬
‫ﺣﻴﺚ ‪ h‬ﻳﺴﻤﻰ ﻓﻖ اﻟﺘﻨﺒﺆ و ‪ YT  h‬ﻳﻌﱪ ﻋﻦ اﻟﺘﻨﺒﺆ اﻟﻨﻈﺮي و ‪ T‬ﺣﺠﻢ اﻟﻌﻴﻨﺔ ) ‪.( t  1,2,..., T‬‬
‫ﻋﻨﺪﻣﺎ ﻧﺴﺘﻌﻤﻞ ﻋﻼﻗﺔ ﻣﺎ ﻟﻠﺘﻨﺒﺆ ﻟﻘﻴﻤﺔ ‪ ، Y‬ﻫﻨﺎك ﻣﺼﺪران ﻟﻌﺪم اﻟﻮﺿﻮح واﻟﺪﻗﺔ ﰲ ﺗﻨﺒﺆاﺗﻨﺎ ‪:‬‬
‫‪ ‬ﻋــﺪم ﻣﻌﺮﻓﺘﻨــﺎ ﻟﻠﻤﻌﻠﻤــﲔ ‪ ، 1 ،  0‬و ﻟﺘــﺎﱄ ﳚــﺐ اﻻﻋﺘﻤــﺎد ﻋﻠــﻰ ﻣﻘــﺪرﰐ اﻟﻌﻴﻨــﺔ ‪ ˆ0‬و ‪ ̂1‬ﻟﻜــﻲ ﺗﻘــﺪر اﻟﻘﻴﻤــﺔ‬
‫‪ ، YT  h‬إن ﻫﺬﻩ اﻟﻘﻴﻤﺔ ﻫﻲ وﺳﻂ ‪ Y‬اﳌﻮاﻓﻖ ﻟـ ‪ ، YT  h‬أي‪:‬‬
‫‪E Yt    0  1 X t‬‬
‫‪| E (YT h X T  h )   0  1 X T  h‬‬
‫ﻹﺿ ــﺎﻓﺔ إﱃ أن اﳋﻄ ــﺄ ‪  t  h‬ﻫ ــﻮ ﻣﺘﻐ ــﲑ ﻋﺸـ ـﻮاﺋﻲ ﻏ ــﲑ ﻣﺸ ــﺎﻫﺪ‪ ،‬وﳍ ــﺬا ﺣ ــﱴ وإن ﻋﺮﻓﻨ ــﺎ ﻗﻴﻤ ــﱵ ‪1 ،  0‬‬ ‫‪‬‬
‫و ﻟﺘــﺎﱄ اﺳــﺘﻄﻌﻨﺎ ﺣﺴــﺎب ) ‪ ،| E (YT  h X T  h‬وﻧﺴــﺘﻌﲔ ﺑــﻪ ﰲ اﻟﺘﻨﺒــﺆ‪ ،‬ﰒ ﻧﻀــﻊ ﳎــﺎل اﻟﺜﻘــﺔ ﻟﻠﺘﻨﺒــﺆ ﻟ ـ ‪، YT  h‬‬
‫وﻣﺎ دام ‪ | E (YT h X T  h )   0  1 X T  h‬ﻓﻴﻜﻮن اﳌﻘﺪر اﻟﻄﺒﻴﻌﻲ ﻟﻠﺘﻨﺒﺆ ﻋﻠﻰ اﻟﺸﻜﻞ‪:‬‬
‫‪YˆT (h)  ˆ0  ˆ1 X T  h‬‬
‫وﳝﻜﻦ أن ﻧﺒﲔ ن ﻫﺬا اﳌﻘﺪر و اﻟﺬي ﻳﺴﻤﻰ ﻟﺘﻨﺒـﺆ اﻟﺘﻘـﺪﻳﺮي ﻫـﻮ ﻣﻘـﺪر ﻏـﲑ ﻣﺘﺤﻴـﺰ ﻟ ـ ) ‪ ،| E (YT  h X T  h‬وأﻧـﻪ‬
‫ﻣــﻦ ﺑــﲔ اﳌﻘــﺪرات اﳋﻄﻴــﺔ ﻏــﲑ اﳌﺘﺤﻴــﺰة ﻳﻌﺘــﱪ ﻫــﺬا اﻷﺧــﲑ أﺣﺴــﻨﻬﺎ )أي ﻟــﻪ أﺻــﻐﺮ ﺗﺒــﺎﻳﻦ(‪ ،‬وﻳﻌــﺮف ﺳــﻢ أﻓﻀــﻞ ﺗﻨﺒــﺆ‬
‫ﺧﻄـﻲ ﻏـﲑ ﻣﺘﺤﻴـﺰ أي ‪ ، (BLUP) Best Linear Unbiased Predictor‬وإذا ﻓﺮﺿـﻨﺎ أن ‪ X‬ﻣﺴـﺘﻘﻠﺔ ﻳﻜـﻮن ﺗﺒـﺎﻳﻦ‬
‫)‪ YˆT (h‬ﻋﻠﻰ اﻟﺸﻜﻞ‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪ ‬‬
‫‪var YˆT (h)  var ˆ0  ˆ1 X T  h  var ˆ 0  X T2 h . var ˆ1  2 X T  h cov ˆ0 , ˆ1‬‬ ‫‪‬‬ ‫‪‬‬
‫‪covˆ , ˆ  ‬‬
‫‪ X‬‬ ‫‪2‬‬
‫‪‬‬
‫ﲟﺎ أن‪:‬‬
‫‪‬‬
‫‪0‬‬ ‫‪1‬‬ ‫‪2‬‬
‫‪x‬‬ ‫‪t‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪var YˆT (h)     ‬‬
‫‪‬‬‫‪‬‬‫‪X‬‬ ‫‪T‬‬ ‫‪‬‬ ‫‪h‬‬‫‪2‬‬‫‪‬‬ ‫‪X‬‬ ‫‪‬‬‫‪2‬‬
‫‪‬‬
‫ﻓﺈﻧﻨﺎ ﳒﺪ‪:‬‬
‫‪2 ‬‬
‫‪ T  X i  X  ‬‬
‫‪‬‬ ‫‪i‬‬ ‫‪‬‬
‫وﻧﻼﺣــﻆ أن ﺗﺒــﺎﻳﻦ ﻣﻘــﺪر اﻟﺘﻨﺒــﺆ ﻳــﻨﺨﻔﺾ ﻛﻠﻤــﺎ اﳔﻔﻀــﺖ اﻟﻘﻴﻤــﺔ ‪ ، X T  h  X 2‬أي ﻛﻠﻤــﺎ اﻗﱰﺑــﺖ ‪ X T  h‬ﻣــﻦ‬
‫وﺳﻂ اﻟﻌﻴﻨﺔ ‪ X‬و ازداد ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪.T‬‬
‫ﻟﻨﺄﺧــﺬ اﻵن ﻫــﺬا اﳌﻘــﺪار ) ‪| E (YT  h X T  h‬ﻛﻘﻴــﻤﺔ ﻣﺘﻨﺒــﺄ ــﺎ )‪ (Predicted Value‬ﺑﻮاﺳــﻄﺔ ﺗﻘــﺪﻳﺮ وﺳــﻄﻬﺎ‪ ،‬إن‬
‫ﻣﻘﺪر اﳋﻄﺄ اﻟﺪاﺧﻞ ﰲ ﻫﺬا اﻟﺘﻨﺒﺆ ﻣﻌﻄﻰ ﻟﻌﺒﺎرة ‪ˆT  h  YT  h  YˆT (h) :‬‬
‫وﻧﺴﻤﻴﻪ ﲟﻘﺪر ﺧﻄﺄ اﻟﺘﻨﺒﺆ )‪ (Predicted error‬أو )‪ (Forecast error‬ﰒ ﻧﻼﺣﻆ أن‪:‬‬
‫‪E (ˆT  h )  E (YT  h  YˆT (h))  0‬‬
‫)‪var(ˆT  h )  var(YT  h  YˆT (h))  varYT  h   var YˆT (h‬‬ ‫‪‬‬ ‫‪‬‬
‫وﻳﺼﺒﺢ ﺗﺒﺎﻳﻦ ﺧﻄﺄ اﻟﺘﻨﺒﺆ‪:‬‬
‫إن ﻗﻴﻤــﺔ ‪ YT  h‬ﺗﻌﺘﻤــﺪ ﻣﺒﺎﺷــﺮة ﻋﻠــﻰ ‪ ،  T  h‬ﺑﻴﻨﻤــﺎ ﺗﻌﺘﻤــﺪ )‪ YˆT (h‬ﻋﻠــﻰ أﺧﻄــﺎء اﻟﻌﻴﻨــﺔ ‪  1 ,  2 ,...... T ‬ﺑﻮاﺳــﻄﺔ‬
‫اﳌﻘﺪرﻳﻦ ‪ ، ̂1 ، ˆ0‬و ﻟﺘﺎﱄ ﻳﻜﻮن ‪. covYT  h , YˆT (h)   0‬‬
‫وﻧﻼﺣﻆ أﻧﻪ إذا ﻛﺎﻧﺖ ‪ X‬ﻣﺴﺘﻘﻠﺔ ﻓﺈن‪ varYT  h   var( T  h )   2 :‬ﻛﻤﺎ وﺟﺪ ﻣﻦ ﻗﺒﻞ‪.‬‬
‫‪T h‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪var YˆT (h)     ‬‬
‫‪‬‬ ‫‪1‬‬
‫‪‬‬‫‪‬‬ ‫‪X‬‬ ‫‪T‬‬ ‫‪‬‬
‫‪2‬‬ ‫‪h‬‬ ‫‪‬‬ ‫‪X‬‬ ‫‪‬‬‫‪2‬‬
‫‪‬‬
‫ﲟﺎ أن‪:‬‬
‫‪2 ‬‬
‫‪ T  X t  X  ‬‬
‫‪‬‬ ‫‪t‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪1 X T  h  X  ‬‬
‫‪2‬‬
‫‪2‬‬
‫‪varˆT  h     1  ‬‬ ‫‪2 ‬‬
‫ﻓﺈﻧﻨﺎ ﳒﺪ ‪:‬‬
‫‪ T  X t  X  ‬‬
‫‪‬‬ ‫‪t‬‬ ‫‪‬‬
‫ﻟﻨﺠﺪ أن‪:‬‬ ‫‪var ˆT  h    2T  h‬‬ ‫وﻟﻨﻌﺮف ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 2‬‬
‫‪‬‬ ‫‪1‬‬
‫‪  2 1  ‬‬
‫‪‬‬ ‫‪X‬‬ ‫‪T h‬‬ ‫‪‬‬ ‫‪X‬‬ ‫‪‬‬‫‪2‬‬
‫‪‬‬
‫‪2 ‬‬
‫‪ T  X t  X  ‬‬
‫‪T h‬‬
‫‪‬‬ ‫‪t‬‬ ‫‪‬‬

‫ﻫﻮ‪:‬‬ ‫‪var ˆT  h ‬‬ ‫وﻣﻨﻪ اﳌﻘﺪر ﻏﲑ اﳌﺘﺤﻴﺰ ﻟﺘﺒﺎﻳﻦ ﺧﻄﺄ اﻟﺘﻨﺒﺆ‬
‫‪‬‬ ‫‪‬‬
‫‪ˆ 2‬‬
‫‪‬‬ ‫‪1‬‬
‫‪ ˆ 2 1  ‬‬
‫‪‬‬ ‫‪X‬‬ ‫‪T h‬‬ ‫‪‬‬ ‫‪X‬‬ ‫‪‬‬‫‪2‬‬
‫‪‬‬
‫‪2 ‬‬
‫‪T h‬‬
‫‪T  X t  X ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪t‬‬ ‫‪‬‬
‫‪lim ˆ 2T  h  ˆ 2‬‬
‫‪n‬‬
‫وﻧﻼﺣﻆ أﻧﻪ ﻛﻠﻤﺎ ﻛﱪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬ﻓﺈن ‪ ˆ 2‬ﺗﻘﱰب ﻣﻦ ‪ ، ˆ 2‬أي‪:‬‬
‫‪T h‬‬
‫وﳍﺬا ﻓﻌﻨﺪﻣﺎ ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﺒﲑا ﳝﻜﻦ اﺳﺘﻌﻤﺎل ‪ ˆ ‬ﻛﺘﻘﺮﻳﺐ ﻟـ ‪. ˆ ‬‬
‫‪T h‬‬
‫ﻣ ــﻞ اﻵن ﰲ إﳚ ــﺎد ﻣﻘﻴ ــﺎس ﻟﺘﺤﺪﻳ ــﺪ دﻗ ــﺔ ﻫ ــﺬا اﻟﺘﻨﺒ ــﺆ ﻟ ـ ـ ‪ ، YT  h‬وﻟﻠﻘﻴ ــﺎم ﺑ ــﺬﻟﻚ ﻧﻔ ــﺮض ﺗﻮزﻳﻌ ــﺎ اﺣﺘﻤﺎﻟﻴ ــﺎ ﻣﻌﻴﻨ ــﺎ‬
‫ﻟﻼﺿﻄﺮا ت اﻟﻌﺸـﻮاﺋﻴﺔ‪ ،‬وﻫـﻮ اﻟﺘﻮزﻳـﻊ اﻟﻄﺒﻴﻌـﻲ‪ .‬ﰒ ﻣـﺎ دام ‪  T  h‬ﻣﻮزﻋـﺎ ﺗﻮزﻳﻌـﺎ ﻃﺒﻴﻌﻴـﺎ وﻛـﺬﻟﻚ ‪ ، YT  h‬ﻛﻤـﺎ أن أﺧﻄـﺎء‬
‫اﻟﻌﻴﻨــﺔ ‪  1 ,  2 ,...... T ‬ﻣﻮزﻋــﺔ ﺗﻮزﻳﻌــﺎ ﻃﺒﻴﻌﻴــﺎ‪ ،‬وﻛــﺬﻟﻚ ‪ ̂1 ، ˆ0‬ﻓــﺈن )‪ YˆT (h‬ﺗﻜــﻮن ﻣﻮزﻋــﺔ ﻃﺒﻴﻌﻴــﺎ أﻳﻀــﺎ‪ ،‬وﳍــﺬا ﻓــﺈن‬
‫ﺧﻄــﺄ اﻟﺘﻨﺒــﺆ )‪ ˆT  h  YT  h  Yˆt (h‬ﻳﻜــﻮن ﻣﺘﻐــﲑا ﻋﺸ ـﻮاﺋﻴﺎ ﻣﻮزﻋــﺎ ﺗﻮزﻳﻌــﺎ ﻃﺒﻴﻌﻴــﺎ ﺑﻮﺳــﻂ ﻣﺴــﺎو ﻟﻠﺼــﻔﺮ وﺗﺒــﺎﻳﻦ ﻫــﻮ‬
‫‪  2‬أﻣﺎ ﻣﻘﺪر ﻫﺬا اﻟﺘﺒﺎﻳﻦ ﻓﻬﻮ ‪ ، ˆ 2‬وﻣﻨﻪ‪:‬‬
‫‪T h‬‬ ‫‪T h‬‬
‫‪ˆT  h‬‬
‫‪Z‬‬ ‫~‬ ‫)‪N (0,1‬‬
‫‪‬‬ ‫‪T h‬‬
‫‪ ˆ ‬ﻟﺘﻌﻄﻲ اﳌﺘﻐﲑ اﻟﻌﺸﻮاﺋﻲ ﻟﻠﺘﻮزﻳـﻊ‬ ‫‪2‬‬

‫‪T h‬‬
‫‪  2‬ﺗﻌﺘﻤﺪ ﻋﻠﻰ اﻟﻘﻴﻤﺔ ﻏﲑ اﳌﻌﺮوﻓﺔ ‪ ،  2‬ﻓﻌﻤﻠﻴﺎ ﻧﻌﻮض ﲟﻘﺪرﻫﺎ‬ ‫‪T h‬‬
‫ﻛﻤﺎ أن‬
‫اﻟﻄﺒﻴﻌﻲ‪:‬‬
‫)‪ˆT  h YT  h  YˆT (h‬‬
‫‪‬‬ ‫)‪~ N (0,1‬‬
‫‪ˆ ‬‬
‫‪T h‬‬
‫‪ˆ ‬‬ ‫‪T h‬‬
‫ﻫﻲ اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﻠﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ﲝﻴﺚ ﲢﻘﻖ ‪:‬‬ ‫‪z‬‬ ‫وإذا ﻛﺎﻧﺖ‬
‫‪2‬‬
‫‪‬‬ ‫)‪Y  YˆT (h‬‬ ‫‪‬‬

‫‪Pr  z   T  h‬‬ ‫‪  z   1  ‬‬
‫‪ 2‬‬ ‫‪ˆ  f‬‬ ‫‪‬‬
‫‪2 ‬‬
‫‪YˆT (h)  ˆ  f .z   Yt  h  YˆT (h)  ˆ  f .z ‬‬ ‫ﻓﺈن ﳎﺎل اﻟﺜﻘﺔ ﻟﻠﺘﻨﺒﺆ ﻳﻜﻮن ‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫ﻣﺜﺎل ‪:5‬‬
‫ﻧﺴﺘﻌﻤﻞ داﺋﻤﺎ ﻣﻌﻄﻴﺎت اﳌﺜﺎل اﻷول ﻟﻠﺘﻨﺒﺆ ﻻﺳﺘﻬﻼك ﻟﺴﻨﺔ ‪ 2008‬ﰒ ﺑﻨﺎء ﻓﱰات ﺛﻘﺔ ﻟﻠﺘﻨﺒﺆ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪.%5‬‬
‫إذا ﻋﻠﻤﻨﺎ أن اﻟﻘﻴﻤﺔ اﳌﺴﺘﻘﺒﻠﻴﺔ ﻟﻠﺪﺧﻞ اﳌﺘﺎح ﻟﺴﻨﺔ ‪ 2008‬ﻫﻲ ‪ 98‬ﻓﺈﻧﻪ ﳝﻜﻦ اﻟﺘﻨﺒﺆ ﻻﺳﺘﻬﻼك اﻧﻄﻼﻗﺎ ﻣﻦ اﻟﻨﻤﻮذج‬
‫اﳌﻘﺪر‪:‬‬
‫‪Yˆ2008  Yˆ7 (1)  0.21X 2008  10.89  0.21  98  10.89  31.47‬‬
‫ﻟﺒﻨﺎء ﳎﺎل اﻟﺜﻘﺔ ﻟﻠﺘﻨﺒﺆ‪ ،‬ﳓﺴﺐ أوﻻ ﺗﺒﺎﻳﻦ ﺧﻄﺄ اﻟﺘﻨﺒﺆ ‪: var ˆT 1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 1  X 2008  X  ‬‬ ‫‪ 1 98  60.57 2 ‬‬
‫‪2‬‬
‫‪ˆ ‬‬
‫‪2‬‬
‫‪ ˆ  1  ‬‬
‫‪2‬‬
‫‪ 0.26  1  ‬‬ ‫‪  1.80‬‬
‫‪2008‬‬
‫‪T  X t  X 2 ‬‬ ‫‪‬‬ ‫‪7‬‬ ‫‪2114.25 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪t‬‬ ‫‪‬‬
‫] ‪Y2008  [Yˆ7 (1)  t 0.025ˆ ˆ2008 , Yˆ7 (1)  t 0.025ˆ ˆ2008‬‬ ‫إذن‪:‬‬
‫] ‪Y2008  [31.47  2.57 1.80 , 31.47  2.57 1.80‬‬ ‫أي‪:‬‬
‫]‪Y2008  [28.02 , 34.91‬‬ ‫وﻣﻨﻪ‪:‬‬
‫اﳌﻠﺤﻖ‪:‬‬
‫ﻫﻨﺎك اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﱪﳎﻴﺎت اﻟﱵ ﻳﻨﺒﻐﻲ ﻋﻠـﻰ اﳌﻬـﺘﻢ ﻻﻗﺘﺼـﺎد اﻟﻘﻴﺎﺳـﻲ اﺳـﺘﻌﻤﺎﳍﺎ ﻷ ـﺎ ﺗﺴـﻤﺢ ﺑﻘـﺪﻳﺮ اﻻﳓـﺪارات‬
‫و ﻣﻌﺎﳉﺔ اﻟﺒﻴﺎ ت اﻹﺣﺼﺎﺋﻴﺔ‪ .‬ﺳﻨﻌﻄﻲ ﶈﺔ ﺣﻮل ﻛﻴﻔﻴﺔ ﺗﻘﺪﻳﺮ اﻟﻨﻤﺎذج ﺳﺘﻌﻤﺎل ﺑﺮﳎﻴﱵ ‪ RATS‬و ‪.Eviews‬‬
‫‪ -‬ﻧﻘــﻮم ﻋﻄــﺎء ﻧﺘــﺎﺋﺞ ﺗﻘــﺪﻳﺮ ﳕــﻮذج اﻻﺳــﺘﻬﻼك ﺳــﺘﻌﻤﺎل ‪"Regression Analysis Time RATS‬‬
‫"‪ Series‬وﻓﻖ اﻟﱪ ﻣﺞ اﻟﺘﺎﱄ‪:‬‬
‫ﺑﻴﺎﻧﻴﺎ ﻋﻠﻰ ﺷﻜﻞ ﺳﺤﺎﺑﺔ ﻧﻘﺎط )أﻧﻈﺮ اﻟﺸﻜﻞ رﻗﻢ )‪:( (2-1‬‬ ‫) ‪( X i , Yi‬‬ ‫ﻧﻘﻮم ﺑﺘﻤﺜﻴﻞ اﻟﺰوج‬
‫ﻧﻘﺪر اﻟﻨﻤﻮذج وﻓﻖ اﻟﺘﻌﻠﻴﻤﺔ اﻟﺘﺎﻟﻴﺔ ﻟﻠﺤﺼﻮل ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ اﳌﺒﻴﻨﺔ أد ﻩ‪:‬‬
‫ﻧﻼﺣﻆ أن اﻟﻘﻴﻢ اﶈﺴﻮﺑﺔ ﻟـ ‪ Student‬ﺗﻌﻄﻰ ﻣﺒﺎﺷﺮة ﰲ ‪ RATS‬ﻛﻤﺎ ﻳﻌﻄـﻲ أﻳﻀـﺎ درﺟـﺔ ﺣﺮﻳـﺔ ﻛـﻞ ﻣـﻦ اﻟﺒﺴـﻂ و‬
‫اﳌﻘﺎم ﰲ إﺣﺼﺎﺋﻴﺔ ‪ .Fisher‬ﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ ‪ H 1‬أي ﻓﺮﺿﻴﺔ ﻣﻌﻨﻮﻳﺔ اﳌﻌﺎﱂ إذا ﻛـﺎن اﻻﺣﺘﻤـﺎل ‪ P-Value‬أﻗـﻞ ﲤﺎﻣـﺎ ﻣـﻦ‬
‫‪ ،0.05‬ﻓﻤﺜﻼ ﻧﻼﺣﻆ أن اﻻﺣﺘﻤﺎل اﳋﺎص ﲟﻌﺎﻣﻞ اﳌﺘﻐﲑ اﳌﺴﺘﻘﻞ و اﻟﺬي ﻳﺴـﺎوي إﱃ ‪ 0.00000781‬أﻗـﻞ ﲤﺎﻣـﺎ ﻣـﻦ‬
‫‪ 0.05‬ﻓﻬﺬا ﻳﻌﲏ أن ﻫﺬا اﳌﻌﻠﻢ ﳜﺘﻠﻒ ﻣﻌﻨﻮ ﻋﻦ اﻟﺼﻔﺮ )ﻧﻘﺒﻞ ‪.( H 1‬‬
‫‪ -‬أﻣﺎ ‪ Eviews‬ﻓﻴﻌﻄﻲ اﻟﻨﺘﺎﺋﺞ ﻣﺒﺎﺷﺮة ﺑﻄﺮﻳﻘﺔ ﺑﺴﻴﻄﺔ‪:‬‬
‫ﻧﻼﺣﻆ أﻳﻀـﺎ أن ‪ Eviews‬ﻳﻌﻄـﻲ ﻣﺒﺎﺷـﺮة اﻟﺸـﻜﻞ اﻟﺒﻴـﺎﱐ اﻟـﺬي ﻳﻘـﺎرن ﺑـﲔ اﻻﺳـﺘﻬﻼك ‪ (Actual) Yi‬و اﻻﺳـﺘﻬﻼك‬
‫اﳌﻘﺪر ‪ (Fiitted) Yî‬ﻛﻤﺎ ﳝﺜﻞ ﺑﻴﺎﻧﻴﺎ ﺑﻮاﻗﻲ اﻟﺘﻘﺪﻳﺮ ‪ (Residual) î‬اﻟﻈﺎﻫﺮ ﰲ أﺳﻔﻞ اﻟﺸﻜﻞ‪.‬‬
‫اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ‪ :‬ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻌﺎم‪27.................................................. ..................................................................‬‬
‫اﻟﻔﺼﻞ اﻟﺜﺎﱐ ‪:‬‬

‫ﲢﻠﻴﻞ اﻻﳓﺪار اﳋﻄﻲ اﻟﻌﺎم‬
‫ﰲ اﻟﻮاﻗﻊ اﻻﻗﺘﺼﺎدي‪ ،‬ﻻ ﳝﻜﻦ اﻻﺳﺘﻌﺎﻧﺔ ﻟﻨﻤﻮذج ذي ﻣﺘﻐﲑﻳﻦ ﻟﺘﺤﻠﻴﻞ اﻟﻈﺎﻫﺮة اﻻﻗﺘﺼﺎدﻳﺔ ﺣﻴﺚ أن ﻫﺬﻩ‬
‫اﻷﺧﲑة ﻻ ﺗﻔ ﱠﺴﺮ ﻓﻘﻂ ﲟﺤﺪد واﺣﺪ و إﳕﺎ ﻳﻨﺒﻐﻲ إدﻣﺎج ﲨﻴﻊ اﶈﺪدات أو اﻟﻌﻮاﻣﻞ اﳌﺆﺛﺮة ﰲ اﻟﻈﺎﻫﺮة ﻟﻜﻲ ﺗﻜﻮن‬
‫اﻟﺪراﺳﺔ أﻛﺜﺮ ﴰﻮﻟﻴﺔ‪ .‬ﰲ ﻫﺬا اﻟﻔﺼﻞ‪ ،‬ﻧﻘﻮم ﺑﺪراﺳﺔ اﻻﳓﺪار اﻟﻌﺎم و ذﻟﻚ ﺑﻌﺮض ﻃﺮﻳﻘﺔ ﻟﺘﻘﺪﻳﺮ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج و‬
‫دراﺳﺔ اﳋﺼﺎﺋﺺ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻤﻘﺪرات ﰒ اﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺎت‪.‬‬
‫‪ .1‬اﻟﺼﻴﺎﻏﺔ اﻟﺮ ﺿﻴﺔ ﻟﻠﻨﻤﻮذج اﳋﻄﻲ اﻟﻌﺎم ‪:‬‬
‫وﻋﺪد ﻣﻦ اﳌﺘﻐﲑات‬ ‫‪Yi‬‬ ‫ﻳﺴﺘﻨﺪ اﻟﻨﻤﻮذج اﳋﻄﻲ اﻟﻌﺎم ﻋﻠﻰ اﻓﱰاض وﺟﻮد ﻋﻼﻗﺔ ﺧﻄﻴﺔ ﻣﺎ ﺑﲔ ﻣﺘﻐﲑ ﻣﻌﺘﻤﺪ‬
‫اﳌﺴﺘﻘﻠﺔ‪:‬‬
‫‪Yi   0   1 X i1   2 X i 2  ...   k X ik   i , i  1,......., n‬‬
‫اﳌﺘﻐﲑات ‪ X i1 ,..., X ij ,..., X ik‬ﺗﺴﻤﻰ اﳌﺘﻐﲑات اﳌ َﻔ ِّﺴﺮة أو اﳌﺴﺘﻘﻠﺔ ﻟﻠﻤﺘﻐﲑ اﳌﻔ ﱠﺴﺮ أو اﻟﺘﺎﺑﻊ ‪ Yi‬وﻣﺎ ﳚﺐ‬
‫ُ‬
‫ﻣﻼﺣﻈﺘﻪ أن ‪ Yi‬ﻣﺸﺮوح ﻣﻦ ﻃﺮف ‪ k‬ﻣﺘﻐﲑ ُﻣ َﻔ ِّﺴﺮ و ﻻ ﳝﻜﻦ ﳍﺬﻩ اﻷﺧﲑة أن ﺗﻔﺴﺮ‪ Y‬ﺑﺸﻜﻞ م‪ ،‬ﻷﻧﻪ ﻻ ﳝﻜﻨﻨﺎ‬
‫ﰲ ﻏﺎﻟﺐ اﻷﺣﻴﺎن ﺣﺼﺮ ﲨﻴﻊ اﻟﻈﻮاﻫﺮ اﳌﺆﺛﺮة ﻋﻠﻰ ‪) Y‬ﺑﻌﺾ اﻟﻈﻮاﻫﺮ ﻏﲑ ﻗﺎﺑﻠﺔ ﻟﻠﺘﻜﻤﻴﻢ(‪ ،‬ﻟﺬﻟﻚ ﻳُﺪرج ﺣﺪ اﳋﻄﺄ‬
‫‪  i‬اﻟﺬي ﻳﺘﻀﻤﻦ ﻛﻞ اﳌﻌﻠﻮﻣﺎت اﻟﱵ ﻻ ﺗﻘﺪﻣﻬﺎ اﳌﺘﻐﲑات اﳌﻔﺴﺮة و ﻧﻔﱰض ﻋﺎدة ن اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﻛﻠﻤﺎ‬
‫أﺧﺪت ﺑﻌﲔ اﻻﻋﺘﺒﺎر ﻛﻠﻤﺎ ﻛﺎﻧﺖ اﳌﻌﻠﻮﻣﺎت اﻟﱵ ﻳﻘﺪﻣﻬﺎ اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ ﻣﻬﻤﻠﺔ‪ .‬ﻧﺸﲑ ﻓﻘﻂ إﱃ أن‬
‫‪  0 , 1 ,....,  k‬ﻫﻲ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج‪ ،‬ﻟﺪﻳﻨﺎ ﻫﻨﺎ ) ‪ ( k  1‬ﻣﻌﻠﻢ ﰲ اﻟﻨﻤﻮذج‪.‬‬
‫اﻟـ ‪ n‬ﻣﺸﺎﻫﺪة ﺗﻌﻄﻴﻨﺎ ‪ n‬ﻣﻌﺎدﻟﺔ ‪:‬‬
‫‪i  1 : Y1   0   1 X 11   2 X 12  .....   k X 1k   1‬‬
‫‪i  2 : Y2   0   1 X 21   2 X 22  .....   k X 2 k   2‬‬
‫‪.......... .......... .......... .......... .......... .......... .......... .......... ..‬‬
‫‪i  n : Yn   0   1 X n1   2 X n 2  .....   k X nk   n‬‬
‫‪Y  X  ‬‬ ‫ﳝﻜﻦ ﻛﺘﺎﺑﺔ ﻫﺬا اﻟﻨﻈﺎم ﻋﻠﻰ اﻟﺸﻜﻞ اﳌﺼﻔﻮﰲ اﻟﺘﺎﱄ‪:‬‬
‫‪ Y1 ‬‬ ‫‪1 X 11‬‬ ‫‪X 12  X 1k ‬‬ ‫‪ 0 ‬‬ ‫‪ 1 ‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪ ‬‬
‫‪Y2 ‬‬ ‫‪1 X 21‬‬ ‫‪X 22  X 2k ‬‬ ‫‪ 1 ‬‬ ‫‪ 2 ‬‬
‫‪Y   , X   ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ,   2 ,    ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪   ‬‬ ‫‪  ‬‬ ‫‪‬‬
‫‪Y ‬‬ ‫‪1 X‬‬ ‫‪‬‬ ‫‪ ‬‬ ‫‪ ‬‬
‫‪ n‬‬ ‫‪‬‬ ‫‪n1‬‬ ‫‪X n2  X nk ‬‬ ‫‪ k‬‬ ‫‪ n‬‬
‫)‪ : Y (n  1‬اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ أو اﳌﻔ ﱠﺴﺮ‪،‬‬
‫))‪ : X (n  (k  1‬ﻣﺼﻔﻮﻓﺔ اﳌﺘﻐﲑات اﳌ َﻔ ِّﺴﺮة أو اﳌﺴﺘﻘﻠﺔ‪،‬‬
‫ُ‬
‫)‪ :  ((k  1)  1‬ﺷﻌﺎع اﳌﻌﺎﱂ‪،‬‬
‫)‪ :  (n  1‬ﺷﻌﺎع اﻷﺧﻄﺎء‪.‬‬
‫‪ .2‬اﻟﻔﺮﺿﻴﺎت اﻷﺳﺎﺳﻴﺔ ﻟﻠﻨﻤﻮذج‪:‬‬

‫إن ﺑﻨﺎء ﳕﻮذج اﻻﳓﺪار اﳋﻄﻲ ﳚﺐ أن ﻳﻜﻮن ﻣﺴﺘﻮﻓﻴﺎ ﻟﻌﺪد ﻣﻦ اﻟﻔﺮﺿﻴﺎت اﻟﱵ ﳝﻜﻦ إﲨﺎﳍﺎ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪ ‬اﻟﻔﺮﺿﻴﺔ اﻷوﱃ‪ :‬اﳌﺘﻐﲑات اﳌ َﻔ ِّﺴﺮة اﳌﻬﻤﻠﺔ ﰲ اﻟﻨﻤﻮذج ﳍﺎ أﺛﺮ ﻣﺘﻮﺳﻂ ﻣﻌﺪوم ‪. E    0‬‬
‫ُ‬
‫‪ ‬اﻟﻔﺮﺿﻴﺔ اﻟﺜﺎﻧﻴﺔ ‪:‬‬
‫‪var i    2 , i  1.........n‬‬
‫‪‬‬
‫‪cov i ,  j   0, i  j‬‬
‫ﺣﻴﺚ أن ‪ var    i  1.........n‬ﻫﻲ ﻓﺮﺿﻴﺔ ﲡﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ "‪ "Homoscedasticity‬ﳌﺨﺘﻠﻒ اﳊﺪود‬ ‫‪i‬‬
‫‪2‬‬
‫اﻟﻌﺸﻮاﺋﻴﺔ‪ ،‬وﻫﺬا ﻛﻔﻴﻞ ﺑﻌﺎد اﳊﺎﻟﺔ اﻟﱵ ﺗﻜﻮن ﻓﻴﻬﺎ اﻷﺧﻄﺎء ﺗﺘﺒﻊ ﺗﻐﲑات ﻗﻴﻢ اﳌﺘﻐﲑات اﳌﻔﺴﺮة‬
‫و ‪ ، Cov ,    0 i  j‬أي أن اﻷﺧﻄﺎء ﻟﻴﺴﺖ ﻣﺮﺗﺒﻄﺔ ﺑﺒﻌﻀﻬﺎ‪ ،‬وأن ﻧﺘﻴﺠﺔ ﲡﺮﺑﺔ ﻻ ﺗﺆﺛﺮ ﻋﻠﻰ ﺑﻘﻴﺔ اﻟﻨﺘﺎﺋﺞ‪.‬‬ ‫‪i‬‬ ‫‪j‬‬
‫ﳝﻜﻦ ﻛﺘﺎﺑﺔ ﻫﺎﺗﲔ اﻟﻔﺮﺿﻴﺘﲔ ﻋﻠﻰ اﻟﺸﻜﻞ اﳌﺼﻔﻮﰲ ‪:‬‬

‫‪  2‬‬ ‫‪0‬‬ ‫‪‬‬ ‫‪0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 0‬‬ ‫‪‬‬ ‫‪2‬‬
‫‪ 0 ‬‬
‫‪   E ( )  ‬‬
‫'‬
‫‪‬‬ ‫‪  2 I n‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪  ‬‬
‫‪ 0‬‬ ‫‪0‬‬ ‫‪  2 ‬‬
‫‪‬‬
‫ﺗﺴﻤﻰ اﳌﺼﻔﻮﻓﺔ ‪  ‬ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻨﺎت‪ -‬اﻟﺘﺒﺎﻳﻨﺎت اﳌﺸﱰﻛﺔ ﻟﻸﺧﻄﺎء‪.‬‬
‫‪ ‬اﻟﻔﺮﺿﻴﺔ اﻟﺜﺎﻟﺜﺔ‪ :‬اﳌﺼﻔﻮﻓﺔ ‪ X‬ﻏﲑ ﻋﺸﻮاﺋﻴﺔ و ﺑﺘﺔ‪ :‬ﺗﻌﲏ ن ﻗﻴﻢ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﳝﻜﻦ ﻣﺮاﻗﺒﺘﻬﺎ‪ ،‬و ﻹﺿﺎﻓﺔ‬
‫إﱃ ذﻟﻚ ﻧﻔﱰض ‪ X‬ﺑﺘﺔ ﻟﻀﻤﺎن ن ﻗﻴﻢ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﻻ ﺗﺘﻐﲑ ﻣﻦ ﺣﲔ ﻵﺧﺮ‪ ،‬أي ;‬
‫‪cov( X ,  )  E ( X ' )  0‬‬
‫‪ ،‬وﻫﻲ اﳊﺎﻟﺔ اﻟﱵ ﺗﻠﻐﻲ‬ ‫‪k‬‬ ‫ﻫﻮ أﻛﱪ ﻣﻦ ﻋﺪد اﳌﺘﻐﲑات اﳌﻔﺴﺮة‬ ‫‪n‬‬ ‫اﻟﻔﺮﺿﻴﺔ اﻟﺮاﺑﻌﺔ‪ :‬ﻋﺪد اﳌﺸﺎﻫﺪات‬ ‫‪‬‬
‫اﻻرﺗﺒﺎط اﳋﻄﻲ ﺑﲔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ‪.‬‬

‫وﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ‪:  2‬‬ ‫‪‬‬ ‫‪ .3‬ﺗﻘﺪﻳﺮ ﺷﻌﺎع اﳌﻌﺎﱂ‬

‫ﰲ اﻟﻨﻤﻮذج ‪ ، Y  X  ‬اﺠﻤﻟﺎﻫﻴﻞ اﻟﻮﺣﻴﺪة ﻫﻲ ‪ ‬و ‪ ، ‬اﳌﺼﻔﻮﻓﺔ ‪ X‬و اﻟﺸﻌﺎع ‪ Y‬ﻫﻲ ﻣﻌﻄﻴﺎت اﻟﻨﻤﻮذج‪،‬‬
‫وﳚﺐ اﻹﺷﺎرة إﱃ أن ﺷﻌﺎع اﻷﺧﻄﺎء ﻏﲑ ﻣﺸﺎﻫﺪ وﻟﺬﻟﻚ ﺣﱴ ﻣﻌﺮﻓﺔ ﻗﻴﻤﺔ ‪ ‬ﻻ ﺗﺴﻤﺢ ﻟﻠﻤﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﻋﻄﺎء‬
‫اﻟﻘﻴﻤﺔ اﳊﻘﻴﻘﻴﺔ ﻟـ ‪ Y‬ﻟﻀﺒﻂ‪.‬‬
‫وﻋﻠﻴﻨﺎ إذن ﺗﻘﺪﻳﺮ ‪ ‬ﺑﺸﻜﻞ ﳚﻌﻞ ̂‪ Y‬أﻗﺮب ﻣﺎ ﳝﻜﻦ ﻟﻠﻤﺘﻐﲑ اﻟﺘﺎﺑﻊ ‪ ، Y‬وﳍﺬا اﻟﻐﺮض ﺗﻮﺟﺪ ﻋﺪة ﻃﺮق‪ ،‬ﻓﻴﻤﺎ‬
‫ﻧﺴﺘﻌﺮض ﳓﻦ ﻃﺮﻳﻘﱵ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى واﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ‪.‬‬
‫‪ .1.3‬ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ‪:‬‬
‫‪ .1.1.3‬ﺗﻘﺪﻳﺮ ﺷﻌﺎع اﳌﻌﺎﱂ ‪: ‬‬
‫̂‪Y‬‬ ‫ﺑﲔ اﻟﻘﻴﻤﺔ اﳌﻘﺪرة‬ ‫‪î‬‬ ‫ﺼﻐِّﺮ ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻻﳓﺮاف‬
‫‪ ‬اﻟﺬي ﻳُ َ‬ ‫ﺪف ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ إﱃ إﳚﺎد ﺗﻘﺪﻳﺮ ﻟﻠﺸﻌﺎع‬
‫واﻟﻘﻴﻤﺔ اﳊﻘﻴﻘﻴﺔ ‪. Y‬‬
‫‪ ˆ1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪Min î2  Min Yi  Yî‬‬
‫‪2‬‬
‫‪ ‬‬
‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪ ˆ2 ‬‬
‫‪î  Yi  Yî‬‬ ‫‪i  1.......n‬‬ ‫‪ ˆ  Y  Yˆ    ‬‬
‫‪ ‬‬
‫‪  ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪n‬‬
‫‪Min Yi  Yî‬‬
‫‪2‬‬ ‫'‬
‫ˆ‪ Min Y  Yˆ Y  Yˆ  Min ˆ '‬‬ ‫‪ˆ ‬‬
‫‪i 1‬‬ ‫‪ n ‬‬
‫‪‬‬ ‫‪ ‬‬ ‫‪‬‬
‫'‬
‫‪‬‬
‫‪ Y , X , ˆ  Y  Yˆ Y  Yˆ  Yˆ Yˆ  2Yˆ Y  Y Y  ˆ X Xˆ  2ˆ X Y  Y Y‬‬ ‫ﻧﺴﻤﻲ ‪:‬‬
‫̂‪ . Yˆ  X‬وﻣﻨﻪ اﳍﺪف ﻫﻮ‬ ‫ﺣﻴﺚ‪:‬‬
‫‪min‬‬
‫ˆ‬ ‫‪‬‬
‫‪‬‬
‫ˆ‪ Y , X , ‬‬ ‫‪‬‬
‫وإذا ﻛﺎن ̂‪ ‬ﻣﻮﺟﻮد ﻓﻴﺠﺐ أن ﳛﻘﻖ اﻟﺸﺮط اﻟﻀﺮوري‪:‬‬
‫‪‬‬
‫ˆ‪ Y , X , ‬‬ ‫‪‬‬
‫‪ 0  2( X X ) ˆ  2 X Y  0‬‬
‫‪‬‬ ‫ˆ‬ ‫'‬
‫وﺗﻘﺒﻞ ﻣﻌﻜﻮس‬ ‫‪ (k  1)  (k  1) ‬رﺗﺒﺘﻬﺎ ‪k  1‬‬ ‫ﻓﺈن ‪  X X  :‬ﻣﺼﻔﻮﻓﺔ ﻣﺮﺑﻌﺔ‬

‫وﲟﺎ أن رﺗﺒﺔ‬ ‫‪k 1‬‬ ‫ﻫﻲ‬ ‫‪X‬‬
‫‪.  X X 1‬‬
‫‪2( X X ) ˆ  2 X Y  0  ( X X ) ˆ  X Y  0‬‬ ‫وﻣﻨﻪ‪:‬‬
‫ﻧﻀﺮب ﻃﺮﰲ اﳌﻌﺎدﻟﺔ ﺑـ ‪  X X 1‬ﻟﻨﺤﺼﻞ ﻋﻠﻰ ‪ ̂  ( X X ) 1 X Y :‬وﻫﻮ ﺗﻘﺪﻳﺮ ﻟـ ‪. ‬‬
‫وﻟﻠﺘﺄﻛﺪ ﻣﻦ أن ̂‪ ‬اﳌﺘﺤﺼﻞ ﻋﻠﻴﻪ ﻫﻮ ﻗﻴﻤﺔ دﻧﻴﺎ ﻟـ ‪ ، Y , X , ̂ ‬ﳚﺐ ﲢﻘﻴﻖ اﻟﺸﺮط ﻣﻦ اﻟﺪرﺟﺔ اﻟﺜﺎﻧﻴﺔ‪:‬‬
‫‪‬‬
‫ˆ‪ 2  Y , X , ‬‬ ‫‪‬‬
‫‪  X X   0‬‬
‫ˆ‪ˆ ' ‬‬
‫ﺻﻐﺮى‪.‬‬ ‫وﻫﻲ ﻣﺼﻔﻮﻓﺔ ﻣﻮﺟﺒﺔ ﻣﻌﺮﻓﺔ وﻣﻨﻪ ﻓﺈن ̂‪ ‬ﻫﻮ ﺎﻳﺔ‬
‫واﻵن ﻟﻨﺮﻣﺰ ﺑـ ‪ A‬ﻟﻠﻤﺼﻔﻮﻓﺔ ‪ ، ( X X ) 1 X ‬ﺣﻴﺚ‪:‬‬

‫‪ a11‬‬ ‫‪a12‬‬ ‫‪ a1n ‬‬
‫‪‬‬ ‫‪‬‬
‫‪a‬‬ ‫‪a 22‬‬ ‫‪ a2n ‬‬ ‫‪n‬‬
‫‪A   21‬‬
‫‪‬‬ ‫‪‬‬ ‫‪  ‬‬
‫‪‬‬ ‫‪‬‬‫‪ˆ  A.Y  ˆ ‬‬
‫‪i‬‬ ‫‪‬‬ ‫‪a ij Y j‬‬ ‫‪, i  1......k‬‬
‫‪‬‬ ‫‪‬‬ ‫‪j 1‬‬
‫‪a‬‬ ‫‪ a kn ‬‬
‫‪ k1‬‬ ‫‪ak 2‬‬
‫ﻫﻲ ﻋﻠﻰ ﺷﻜﻞ ﺧﻄﻲ ﻣﻊ اﳌﺘﻐﲑ ‪. Y‬‬ ‫وﻣﻨﻪ ﻧﺮى أن ﳐﺘﻠﻒ اﳌﻘﺪرات ‪ˆ ........ˆ , ˆ ‬‬
‫‪k‬‬ ‫‪2‬‬ ‫‪1‬‬
‫ﻛﺬﻟﻚ ﻟﺪﻳﻨﺎ‪:‬‬
‫‪ˆ  ( X X ) 1 X Y‬‬
‫و أﻳﻀﺎ ‪Y  X   :‬‬
‫إذن ‪:‬‬
‫‪ˆ  ( X ' X ) 1 X ' [ X   ]  ( X ' X ) 1 X ' X  ( X ' X ) 1 X '  ˆ    ( X ' X ) 1 X '‬‬
‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ‪:‬‬
‫) ‪E ( ˆ )    ( X ' X ) 1 X ' E (‬‬ ‫‪/‬‬ ‫‪E ( )  0‬‬
‫ﳓﺼﻞ ﰲ اﻷﺧﲑ ‪:‬‬ ‫‪E ( ˆ )  ‬‬
‫̂‪ ‬ﻫﻮ‬ ‫ﻧﺴﺘﻨﺘﺞ أن اﻟﺘﻘﺪﻳﺮ ̂‪ ‬ﻟـ ‪ ‬اﶈﺼﻞ ﻋﻠﻴﻪ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻏﲑ ﻣﺘﺤﻴﺰ‪ .‬ﻹﺿﺎﻓﺔ إﱃ ذﻟﻚ ﻓﺈن‬
‫اﻟﺘﻘﺪﻳﺮ اﻷﻓﻀﻞ ﻣﻦ ﺿﻤﻦ ﻛﻞ اﻟﺘﻘﺪﻳﺮات اﳋﻄﻴﺔ ﻏﲑ اﳌﺘﺤﻴﺰة ﻟـ ‪.(BLUE) ‬‬
‫‪ .2.1.3‬ﺗﻘﺪﻳﺮ ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ‪  2‬و ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻦ‪-‬اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك ﻟﻠﻤﻘﺪرات ̂‪:  ‬‬
‫إﺣﺪى ﻓﺮﺿﻴﺎت اﻟﻨﻤﻮذج ﻫﻲ ‪ E ( ' )      2 I n‬وﲟﺎ أن ‪  2‬ﻏﲑ ﻣﻌﺮوف‪ ،‬ﻓﻴﻨﺒﻐﻲ ﺗﻘﺪﻳﺮﻩ‪:‬‬
‫‪ˆ  Y  Xˆ  X    Xˆ    X ( ˆ   )    X ( X X ) 1 X   ( I n  X ( X X ) 1 X )‬‬
‫‪ ، M X‬ﺣﻴﺚ ‪ M X‬ﺗﺴﻤﻰ اﳌﺼﻔﻮﻓﺔ اﻟﺪورﻳﺔ أي ‪:‬‬ ‫)‪ ( I n  X ( X X ) 1 X ‬‬ ‫ﻧﻀﻊ ‪:‬‬
‫‪M X  M X' M X  M X2  M ‬‬
‫‪MX X 0‬‬ ‫ﻹﺿﺎﻓﺔ إﱃ ذﻟﻚ ‪:‬‬
‫‪ˆ 'ˆ   M X ‬‬ ‫‪ ˆ 'ˆ   M X' M X ‬أي ‪:‬‬ ‫وﻣﻨﻪ‪:‬‬
‫ﻧﺪﺧﻞ اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ ‪E (ˆ 'ˆ )  E ( M X  ) :‬‬
‫وﳚﺐ اﳌﻼﺣﻈﺔ أن أﺛﺮ ˆ‪ ˆ '‬ﻳﺴﺎوي أﺛﺮ ‪ ،  M‬وﻧﻌﻠﻢ أﻳﻀﺎ أن أﺛﺮ ‪=  AB ‬أﺛﺮ ‪. BA‬‬
‫ﻳﻜﻮن ﻟﺪﻳﻨﺎ إذن ‪ :‬أﺛﺮ ) ‪=(  M‬أﺛﺮ ) ‪(  M‬‬
‫) ‪E (ˆ 'ˆ )  E (  )Tr ( M X‬‬
‫‪E (ˆ 'ˆ )   2 Tr ( I n )  Tr ( X ( X X ) 1 X )‬‬ ‫وﻋﻠﻴﻪ‪:‬‬ ‫‪E      2‬‬ ‫ﻧﻌﻠﻢ أن‪:‬‬
‫‪E ˆ 'ˆ    2 n  k  1‬‬ ‫وﻣﻨﻪ ‪:‬‬

‫ﺣﻴﺚ ‪; Tr ( I n )  n Tr ( X ( X X ) 1 X )  k  1 :‬‬
‫ﻟﻜﻲ ﳓﺼﻞ ﻋﻠﻰ ﺗﻘﺪﻳﺮ ﻏﲑ ﻣﺘﺤﻴﺰ ﻟـ ‪  2‬ﻳﻜﻔﻲ ﻗﺴﻤﺔ اﻟﻌﺒﺎرة ﻋﻠﻰ ‪: n  k  1‬‬
‫‪ ˆ 'ˆ ‬‬
‫‪E ‬‬ ‫‪   2‬‬
‫‪ n  k 1‬‬
‫ﻣﻌﻠﻢ ﻟﻠﺘﻘﺪﻳﺮ و ‪ n‬ﻋﺪد اﳌﺸﺎﻫﺪات‪ ،‬وﻫﺬا ﻳُﻌﻄﻲ ﻋﺪد درﺟﺎت اﳊﺮﻳﺔ‬ ‫‪k 1‬‬ ‫ﰲ ﺣﺎﻟﺔ اﻻﳓﺪار اﳌﺘﻌﺪد ﺣﻴﺚ ﻫﻨﺎك‬
‫‪ ، n  k  1‬إذن ‪:‬‬
‫‪n‬‬
‫ˆ‪ˆ '‬‬ ‫ˆ‪ ‬‬ ‫‪i‬‬

‫‪2‬‬
‫‪ˆ 2 ‬‬ ‫‪‬‬ ‫‪i 1‬‬
‫‪n  k 1‬‬ ‫‪n  k 1‬‬

‫‪ . E (‬ﻟﺪﻳﻨﺎ ‪:‬‬ ‫'‬
‫‪)     I n‬‬ ‫‪2‬‬
‫وإﺣﺪى ﻓﺮﺿﻴﺎت اﻟﻨﻤﻮذج ﻫﻲ‬ ‫‪( X X ) 1 X ‬‬ ‫ﻟﻘﺪ ﺑﺮﻫﻨﺎ أن ‪ ˆ  ‬ﺗﺴﺎوي‬
‫‪ˆ    ( X X ) 1 X ‬‬
‫ﻧﻘﻮم ﲝﺴﺎب ' ) ‪ ، ( ˆ   )(ˆ  ‬ﺣﻴﺚ ‪:‬‬
‫‪( ˆ   )( ˆ   ) '  ( X X ) 1 X  ' X ( X X ) 1‬‬
‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ‪ ،‬ﻧﺘﺤﺼﻞ ﻋﻠﻰ ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻨﺎت‪-‬اﻟﺘﺒﺎﻳﻨﺎت اﳌﺸﱰﻛﺔ ﻟﻠﻤﻘﺪرات ‪:‬‬
‫‪ ˆ  E (( ˆ   )( ˆ   ) ' )  ( X X ) 1 X E ( ' ) X ( X X ) 1  ( X X ) 1 X   X ( X X ) 1‬‬
‫‪ ˆ   2 ( X X ) 1‬‬ ‫إذن ‪:‬‬
‫وﻋﻠﻴﻪ ‪:‬‬ ‫‪ˆ 2‬‬ ‫ﻏﲑ ﻣﻌﺮوف‪ ،‬ﻓﺎﻧﻪ ﳝﻜﻦ اﺳﺘﺒﺪاﻟﻪ ﲟﻘﺪر ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء‬ ‫‪ 2‬‬ ‫ﲟﺎ أن‬
‫‪ˆ ˆ  ˆ 2 ( X X ) 1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫ﻣﺜﺎل ‪:1‬‬
‫ﻟﺪﻳﻨﺎ اﻟﺒﻴﺎ ت اﳌﺒﻴﻨﺔ ﰲ اﳉﺪول اﻟﺘﺎﱄ‪:‬‬
‫اﳉﺪول )‪ :(1‬ﺑﻴﺎ ت إﺣﺼﺎﺋﻴﺔ اﻓﱰاﺿﻴﺔ ﻟـ ‪ X 1 ، Y‬و ‪X 2‬‬
‫‪X i2‬‬ ‫‪X i1‬‬ ‫‪Yi‬‬ ‫‪i‬‬

‫‪3‬‬ ‫‪2‬‬ ‫‪4‬‬ ‫‪1‬‬
‫‪7‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪2‬‬
‫‪10‬‬ ‫‪5‬‬ ‫‪7‬‬ ‫‪3‬‬
‫‪8‬‬ ‫‪7‬‬ ‫‪9‬‬ ‫‪4‬‬
‫‪8‬‬ ‫‪9‬‬ ‫‪10‬‬ ‫‪5‬‬
‫‪9‬‬ ‫‪10‬‬ ‫‪12‬‬ ‫‪6‬‬
‫‪11‬‬ ‫‪12‬‬ ‫‪14‬‬ ‫‪7‬‬
‫‪13‬‬ ‫‪14‬‬ ‫‪16‬‬ ‫‪8‬‬
‫‪14‬‬ ‫‪15‬‬ ‫‪18‬‬ ‫‪9‬‬
‫‪15‬‬ ‫‪17‬‬ ‫‪20‬‬ ‫‪10‬‬
32.................................................. ..................................................................‫ ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار اﻟﺨﻄﻲ اﻟﻌﺎم‬:‫اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ‬
:‫ ﻳﻜﺘﺐ اﻟﻨﻤﻮذج ﻛﻤﺎ ﻳﻠﻲ‬،‫ ﻣﺸﺎﻫﺪات و ﻣﺘﻐﲑان ﻣﺴﺘﻘﻼن‬10 ‫ﻟﺪﻳﻨﺎ‬

Y  X  
4 1 2 3   1 
     
6 1 4 7   0   2 
 
Y  7 ; X  1 5 10 ;    1  ;     3 
    :‫ﻣﻊ‬
     
          
 2
 20  1 17 15   
     10 
X Y ‫ﰒ‬ ( X X ) 1 ‫ و‬X X ‫ﲝﺴﺎب‬ ‫ ﻧﻘﻮم إذن‬. ̂  ( X X ) 1 X Y ‫ﻧﻌﻠﻢ أن‬
1 2 3 
 
 1 1 1  1 1 4 7   10 95 98 
   
X X   2 4 5  17  1 5 10    95 1129 1081
'
 
 3 7 10  15       98 1081 1078 
   
1 17 15 
 
 1.1725 0.0852 - 0.1921 
 
( X X )   0.0852 0.0284 - 0.0362 
1
:‫و ﻣﻨﻪ‬
 - 0.1921 - 0.0362 0.0547 
 
4
 
 1 1 1  1  6   116 
   
X Y   2 4 5  17  7   1342  :‫و أﻳﻀﺎ‬
 
 3 7 10  15    1298 
   
 20 
 
 ˆ 0   1.1725 0.0852 - 0.1921  116   1.0996 
      
ˆ ˆ
    1   ( X X ) X Y   0.0852 0.0284 - 0.0362 1342    0.9776 
1
:‫ﻟﺪﻳﻨﺎ‬
 ˆ   - 0.1921 - 0.0362 0.0547 1298   0.1237 
2      
‫ ﻳﻨﺒﻐﻲ أوﻻ ﺣﺴﺎب ﺗﺒﺎﻳﻦ اﻟﺒﻮاﻗﻲ ﺣﻴﺚ ﻳﺘﻢ ﺣﺴﺎب ﻗﻴﻢ‬،‫اﻟﺘﺒﺎﻳﻨﺎت اﳌﺸﱰﻛﺔ ﻟﻠﻤﻘﺪرات‬-‫ﻹﳚﺎد ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻨﺎت‬
‫ ﻣﻦ اﳌﻌﺎدﻟﺔ‬î ‫ و ﺑﻮاﻗﻲ اﻟﺘﻘﺪﻳﺮ‬Yî  1.0996  0.9776 X i1  0.1237 X i 2 ‫ اﻧﻄﻼﻗﺎ ﻣﻦ اﻻﳓﺪار اﳋﻄﻲ‬Yî
. î  Yi  Yî
‫ ﺣﺴﺎب اﻟﺒﻮاﻗﻲ‬:(2) ‫اﳉﺪول‬
î2 î Yî Yi i

0.3292 0.5738 3.4261 4 1
0.0152 0.1235 5.8764 6 2
0.0507 -0.2252 7.2252 7 3
0.0044 0.0668 8.9331 9 4
‫‪0.7893‬‬ ‫‪-0.8884‬‬ ‫‪10.8884‬‬ ‫‪10‬‬ ‫‪5‬‬

‫‪0.0001‬‬ ‫‪0.0101‬‬ ‫‪11.9898‬‬ ‫‪12‬‬ ‫‪6‬‬
‫‪0.0371‬‬ ‫‪-0.1926‬‬ ‫‪14.1926‬‬ ‫‪14‬‬ ‫‪7‬‬
‫‪0.1563‬‬ ‫‪-0.3954‬‬ ‫‪16.3954‬‬ ‫‪16‬‬ ‫‪8‬‬
‫‪0.2532‬‬ ‫‪0.5031‬‬ ‫‪17.4968‬‬ ‫‪18‬‬ ‫‪9‬‬
‫‪0.1798‬‬ ‫‪0.4241‬‬ ‫‪19.5758‬‬ ‫‪20‬‬ ‫‪10‬‬
‫‪1.8157‬‬ ‫‪0‬‬ ‫اﻟﻤﺠﻤﻮع‬
‫‪10‬‬
‫‪‬‬
‫ˆ‬ ‫'‬
‫ˆ‬ ‫‪‬‬ ‫‪î2‬‬
‫‪1.8157‬‬
‫‪ˆ 2 ‬‬ ‫‪ i 1‬‬ ‫‪‬‬ ‫‪ 0.2593‬‬ ‫ﻟﺪﻳﻨﺎ‪:‬‬
‫‪n  k  1 n  k  1 10  2  1‬‬
‫ﻧﻘﻮم ﺑﺘﺤﺪﻳﺪ ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻨﺎت‪-‬اﻟﺘﺒﺎﻳﻨﺎت اﳌﺸﱰﻛﺔ ﻟﻠﻤﻘﺪرات ̂‪ ، ̂ ‬ﻟﻴﻜﻦ‪:‬‬
‫‪ˆ ˆ  ˆ 2 ( X X ) 1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ 1.1725 0.0852 - 0.1921 ‬‬

‫‪‬‬ ‫‪‬‬
‫ˆ‬
‫‪ ̂  0.2593   0.0852 0.0284 - 0.0362 ‬‬
‫‪ - 0.1921 - 0.0362 0.0547 ‬‬
‫‪‬‬ ‫‪‬‬
‫ﳒﺪ ﺗﺒﺎﻳﻦ ﻛﻞ ﻣﻘﺪر ﺑﻀﺮب ﺗﺒﺎﻳﻦ اﻟﺒﻮاﻗﻲ ﺑﻜﻞ ﻋﻨﺼﺮ ﻣﻦ ﻋﻨﺎﺻﺮ ﻗﻄﺮ اﳌﺼﻔﻮﻓﺔ ‪: ( X X ) 1‬‬
‫‪ˆ 2ˆ  0.2593  1.1725  0.3040  ˆ ˆ  0.5513‬‬
‫‪0‬‬ ‫‪0‬‬
‫ˆ‪‬‬ ‫‪2‬‬
‫ˆ‪‬‬
‫‪1‬‬
‫‪ 0.2593  0.0284  0.0073  ˆ ˆ  0.0858‬‬
‫‪1‬‬
‫ˆ‪‬‬ ‫‪2‬‬
‫ˆ‪‬‬ ‫‪2‬‬
‫‪ 0.2593  0.0547  0.0141  ˆ ˆ  0.1190‬‬
‫‪2‬‬
‫‪ .2.3‬ﻃﺮﻳﻘﺔ اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ ‪:‬‬

‫ﻓﺎن داﻟﺔ ﻛﺜﺎﻓﺘﻬﺎ ﺗﻜﺘﺐ ﻋﻠﻰ‬ ‫‪ i ~ N (0,  2 ), i  1.........n‬‬ ‫ﺑﻔﺮض أن اﻷﺧﻄﺎء ﺗﺘﻮزع ﺗﻮزﻳﻌﺎ ﻃﺒﻴﻌﻴﺎ ﺣﻴﺚ‬
‫اﻟﺸﻜﻞ اﻟﺘﺎﱄ ‪:‬‬
‫‪1‬‬ ‫‪ 1 2 ‬‬
‫‪f  i  ‬‬ ‫‪. exp  . i2 ‬‬
‫‪2 ‬‬ ‫‪2 12‬‬
‫‪ 2  ‬‬
‫داﻟﺔ اﳌﻌﻘﻮﻟﻴﺔ‪ ،‬ﺣﻴﺚ ‪:‬‬ ‫) ‪L( 1 ,...,  n‬‬ ‫ﻧﺴﻤﻲ‬
‫‪  i2‬‬ ‫‪‬‬
‫‪L( 1 ,...,  n )   f ( i )   2‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪2 1 / 2‬‬
‫‪exp ‬‬ ‫‪‬‬
‫‪‬‬
‫‪ 2‬‬
‫‪2‬‬
‫‪i 1‬‬ ‫‪i 1‬‬ ‫‪‬‬
‫‪  Y  X‬‬ ‫أي‪:‬‬ ‫‪ i  Yi   0   1 X i1  ....   k X ik‬‬ ‫وﻟﻜﻦ ‪:‬‬
‫ﻟﺪﻳﻨﺎ إذن ‪:‬‬
‫‪ 1 (Y  X ) ' (Y  X ) ‬‬
‫‪‬‬
‫‪L(  ,  2 )  2 2‬‬ ‫‪‬‬
‫‪n / 2‬‬
‫‪exp ‬‬
‫‪2‬‬
‫‪‬‬
‫‪ 2‬‬ ‫‪‬‬
‫ﻟﻨﺄﺧﺬ ﻟﻮﻏﺎرﻳﺘﻢ داﻟﺔ اﳌﻌﻘﻮﻟﻴﺔ‪:‬‬
‫‪n‬‬
‫‪ln L(  ,  2 )   ln 2 2 ‬‬ ‫‪‬‬‫‪1‬‬
‫‪‬‬
‫) ‪(Y  X ) ' (Y  X‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫ﻳﺘﻢ ﺗﻘﺪﻳﺮ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج وﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ودﻟﻚ ﺑﺘﻌﻈﻴﻢ ﻟﻮﻏﺎرﻳﺘﻢ داﻟﺔ اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ‪ ،‬ﺣﻴﺚ ‪:‬‬
‫‪‬‬ ‫‪‬‬‫‪ n‬‬
‫‪max2 ln L(  ,  2 )  max2  ln 2 2 ‬‬
‫‪1‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪(Y  X ) ' (Y  X )‬‬
‫‪ ,‬‬ ‫‪ ,  2‬‬ ‫‪2‬‬ ‫‪2‬‬
‫‪‬‬
‫اﻟﺸﺮوط اﻟﻀﺮورﻳﺔ ﻟﻜﻲ ﻳﻜﻮن ﻟﻮﻏﺎرﻳﺘﻢ اﻟﺪاﻟﺔ ﻋﻨﺪ ﻗﻴﻤﺘﻬﺎ اﻟﻌﻈﻤﻰ ﻫﻲ‪:‬‬
‫‪ ln L‬‬
‫‪‬‬
‫‪0‬‬
‫‪‬‬ ‫‪1‬‬
‫‪‬‬
‫‪Y 'Y   ' X ' X  2  ' X 'Y ‬‬
‫‪1‬‬
‫‪2‬‬
‫‪2 X ' X  2 X 'Y  0‬‬‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪2 ‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪ ln L‬‬ ‫‪n 1‬‬ ‫‪1 1‬‬
‫‪0‬‬ ‫‪‬‬ ‫‪Y  X ' Y  X   0‬‬
‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪2‬‬ ‫‪‬‬ ‫‪4‬‬
‫‪ˆ MLE   X X 1 X Y‬‬ ‫ﻳﻌﻄﻴﻨﺎ‪:‬‬ ‫‪k 1‬‬ ‫رﺗﺒﺘﻬﺎ‬ ‫‪X X‬‬ ‫إذا ﻛﺎﻧﺖ‬
‫‪2‬‬
‫‪‬‬
‫‪1‬‬
‫‪n‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫‪Y  Xˆ MLE Y  Xˆ MLE‬‬ ‫‪‬‬ ‫و‬
‫ˆ‪ˆ '‬‬
‫‪2‬‬
‫‪‬‬ ‫أي‪:‬‬
‫‪n‬‬
‫ˆ‪ ‬ﻣﺘﺤﻴﺰ‪ ،‬ﺣﻴﺚ ﻟﺪﻳﻨﺎ‪:‬‬ ‫‪2‬‬
‫‪MLE‬‬ ‫ﻳﻨﺒﻐﻲ اﻟﻘﻮل أن اﳌﻘﺪر‬
‫‪ n  k  1  ˆ ˆ ‬‬ ‫‪ n  k 1 2‬‬
‫'‬
‫ˆ‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪  ˆ MLE‬‬
‫‪2‬‬
‫‪‬‬ ‫‪ˆ OLS‬‬
‫‪ n  k  1 ‬‬
‫‪MLE‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬ ‫‪n‬‬ ‫‪‬‬
‫ˆ‪ ، E (‬وﻫﺬا ﻳﺆدي إﱃ‬ ‫‪2‬‬
‫‪OLS‬‬
‫‪) 2‬‬ ‫اﳌﻘﺪر ﻏﲑ اﳌﺘﺤﻴﺰ ﻟﺘﺒﺎﻳﻦ اﻷﺧﻄﺎء ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪ ،‬أي‪:‬‬ ‫‪ˆ OLS‬‬
‫‪2‬‬
‫ﺣﻴﺚ‬
‫‪:‬‬
‫‪ n  k 1 2‬‬
‫‪E (ˆ MLE‬‬
‫‪2‬‬
‫‪)‬‬ ‫‪  ‬‬
‫‪2‬‬
‫‪‬‬ ‫‪n‬‬ ‫‪‬‬

‫‪n  k 1‬‬
‫ﻧﺴﺘﻨﺘﺞ أن ‪:‬‬ ‫‪n‬‬ ‫ﳌﺎ‬ ‫‪n‬‬
‫‪1‬‬ ‫إذا ﻛﺎن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﺒﲑا أي‬ ‫ﻟـ ‪ 2‬‬ ‫أﺣﺴﻦ ﺗﻘﺪﻳﺮ‬ ‫‪ˆ MLE‬‬
‫‪2‬‬
‫ﻳﻜﻮن‬
‫‪. E (ˆ MLE‬‬
‫‪2‬‬
‫‪) 2‬‬
‫‪ .4‬اﺧﺘﺒﺎر ﺟﻮدة اﻟﺘﻮﻓﻴﻖ واﻻرﺗﺒﺎط‪:‬‬

‫ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﻟﺪﻳﻨﺎ أﻛﺜﺮ ﻣﻦ ﻣﺘﻐﲑ ﻣﺴﺘﻘﻞ ﰲ ﳕﻮذج اﻻﳓﺪار اﳋﻄﻲ‪ ،‬ﻧﻨﺘﻘﻞ ﻣﻦ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﻟﻌﺎدي )ﻣﻌﺎﻣﻞ‬
‫اﻻرﺗﺒﺎط اﻟﺒﺴﻴﻂ( إﱃ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳌﻀﺎﻋﻒ‪ ،‬وﰲ ﺣﲔ أن اﻷول ﻳﻘﻴﺲ اﻟﻌﻼﻗﺔ ﺑﲔ ﻣﺘﻐﲑ ﻣﺴﺘﻘﻞ وآﺧﺮ ﺑﻊ‪،‬‬
‫ﻓﺈن اﻟﺜﺎﱐ و ﻹﺿﺎﻓﺔ إﱃ ﻧﻔﺲ اﻟﺪور ﻓﺈﻧﻪ ﳝﻜﻦ أن ﻳﺪرس اﻟﻌﻼﻗﺔ اﳌﻮﺟﻮدة ﻣﺎ ﺑﲔ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ‪ Y‬وﻋﺪة ﻣﺘﻐﲑات‬
‫ﻣﺴﺘﻘﻠﺔ ﻣﺮة واﺣﺪة‪ ،‬وﻳﺴﻤﻰ ﲟﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳌﺘﻌﺪد‪.‬ﻛﻤﺎ أﻧﻪ ﳝﻜﻦ أن ﻧﺒﲔ اﻟﻌﻼﻗﺔ ﺑﲔ ﻣﺘﻐﲑ ﻣﺴﺘﻘﻞ وﻋﺪة‬
‫ﻣﺘﻐﲑات ﻣﺴﺘﻘﻠﺔ أﺧﺮى ﺑﻮاﺳﻄﺔ ﻣﻌﺎﻣﻞ ﻳﺴﻤﻰ ﲟﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد‪ ،‬وﻳﺴﺘﻌﻤﻞ ﻋﺎدة ﰲ اﺧﺘﺒﺎرات اﻛﺘﺸﺎف‬
‫اﻟﺘﻌﺪد اﳋﻄﻲ‪ ،‬ﺣﻴﺚ ﻳﻌﺘﻤﺪ ﻋﻠﻴﻪ اﻟﺒﺎﺣﺜﺎن ‪ Farrar-Glauber‬ﰲ ﺷﻜﻞ ﻣﻌﺎﻣﻼت ﲢﺪﻳﺪ ﺟﺰﺋﻴﺔ ﻋﻠﻰ ﺷﻜﻞ‬
‫‪ R X2 , X , X ,...... X‬ﺣﻴﺚ أﻧﻪ ﻳﺮﺑﻂ ﻣﺎ ﺑﲔ اﳌﺘﻐﲑ اﳌﺴﺘﻘﻞ ‪ Xj‬وﺑﻘﻴﺔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ اﻷﺧﺮى ﻣﻦ ﻏﲑ ‪.Xj‬‬ ‫‪j‬‬ ‫‪1‬‬ ‫‪2‬‬ ‫‪k‬‬
‫أﻣﺎ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳌﺘﻌﺪد ‪ R2‬ﻓﻬﻮ ﻳﺸﲑ إﱃ اﻟﻨﺴﺒﺔ اﻟﱵ ﳝﻜﻦ ﺗﻔﺴﲑﻫﺎ ﻣﻦ اﻟﺘﻐﲑ اﻟﻜﻠﻲ ﰲ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ‪Y‬‬
‫ﺑﺪﻻﻟﺔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ اﳌﺪرﺟﺔ ﰲ اﳌﻌﺎدﻟﺔ‪ ،‬وﻳﺴﺘﻌﻤﻞ ﻛﻤﻘﻴﺎس ﳉﻮدة اﻟﺘﻮﻓﻴﻖ ﰲ ﳕﻮذج اﻻﳓﺪار اﶈﺘﻮي ﻋﻠﻰ ‪k‬‬
‫‪TSS=ESS+RSS‬‬ ‫ﻣﺘﻐﲑ ﻣﺴﺘﻘﻞ‪ ،‬وﳊﺴﺎﺑﻪ ﳝﻜﻦ إﺗﺒﺎع ﻧﻔﺲ اﻟﻄﺮﻳﻘﺔ اﳌﺴﺘﻌﻤﻠﺔ ﰲ اﻟﻨﻤﻮذج اﳋﻄﻲ اﻟﺒﺴﻴﻂ ‪:‬‬
‫ﻓﻔﻲ اﻟﻨﻤﻮذج ذي ‪ k‬ﻣﺘﻐﲑ ﻣﺴﺘﻘﻞ‪:‬‬
‫‪Yi   0   1 X i1   2 X i 2   3 X i 3  ....   k X ik   i‬‬ ‫‪i  1,...., n‬‬
‫ﳝﻜﻦ ﺣﺴﺎب ‪ R2‬ﻋﻠﻰ اﻟﺸﻜﻞ ‪:‬‬
‫‪n‬‬
‫‪ESS‬‬ ‫‪RSS‬‬
‫ˆ‪ ‬‬ ‫‪i‬‬
‫‪2‬‬
‫) ‪ (Yˆ  Y‬‬
‫‪i‬‬
‫‪2‬‬
‫‪R2 ‬‬ ‫‪ 1‬‬ ‫‪ 1‬‬ ‫‪n‬‬

‫‪‬‬ ‫‪i 1‬‬
‫‪n‬‬
‫‪ (Y‬‬ ‫‪ (Y‬‬

‫‪i‬‬ ‫‪ Y )2‬‬ ‫‪i‬‬ ‫‪ Y )2‬‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫أﻣﺎ إذا ﻛﺎن اﻟﻨﻤﻮذج ﻻ ﳛﺘﻮي ﻋﻠﻰ ﺑﺘﺔ‪ ،‬ﻓﺈن ‪ R2‬ﻳﻜﺘﺐ ﺑﺪون ﺗﺮﻛﻴﺰ اﳌﺘﻐﲑات‪:‬‬
‫‪ESS‬‬ ‫‪RSS‬‬ ‫ˆ‪ˆ 'ˆ Yˆ 'Y‬‬
‫‪R2 ‬‬ ‫‪ 1‬‬ ‫' ‪ 1 ' ‬‬
‫‪TSS‬‬ ‫‪TSS‬‬ ‫‪YY YY‬‬
‫وﺗﱰاوح ﻗﻴﻤﺔ ‪ R2‬ﺑﲔ ‪) 0‬ﻋﻨﺪﻣﺎ ﻻ ﺗُـ َﻔ ِّﺴﺮ ﻣﻌﺎدﻟﺔ اﻻﳓﺪار أ ﻣﻦ اﻟﺘﻐﲑ ﰲ ‪ ،(Y‬و‪) 1‬ﻋﻨﺪﻣﺎ ﺗﻘﻊ ﻛﻞ اﻟﻨﻘﺎط ﻋﻠﻰ‬
‫ﺧﻂ اﻻﳓﺪار(‪.‬‬
‫ﻫﻨﺎك ﻋﻼﻗﺔ ﺑﲔ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ و ﺷﻌﺎع اﳌﻘﺪرات‪:‬‬
‫ˆ‪Yˆ 'Yˆ ˆ ' X ' X‬‬
‫‪R  ' ‬‬
‫‪2‬‬
‫‪YY‬‬ ‫‪Y 'Y‬‬

‫ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ﻳﺆول أﻳﻀﺎ إﱃ اﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪ˆ1  xi1 yi  ˆ 2  xi 2 yi  ..............  ˆ k  xik yi‬‬
‫‪R2 ‬‬
‫‪y‬‬ ‫‪2‬‬
‫‪i‬‬
‫‪y i  Yi  Y‬‬ ‫‪, xij  X ij  X j‬‬ ‫ﺣﻴﺚ ‪:‬‬

‫‪j  1......k ,‬‬ ‫‪i  1.......n‬‬
‫إذا ﻛﺎن اﻟﻨﻤﻮذج ﻻ ﳛﺘﻮي ﻋﻠﻰ ﺑﺘﺔ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﻌﻮض ﺷﻌﺎع اﳌﻘﺪرات ﲟﺎ ﻳﺴﺎوﻳﻪ‪ ،‬أي‪، ̂   X X 1 X Y :‬‬
‫ˆ‪ˆ ' X ' X‬‬ ‫‪ˆ ' X 'Y‬‬
‫‪R2 ‬‬ ‫‪‬‬ ‫إذن‪:‬‬
‫‪Y 'Y‬‬ ‫‪Y 'Y‬‬
‫وﻟﻜﻦ ﻫﻨﺎك ﳎﻤﻮﻋﺔ ﻣﻦ اﳌﺸﺎﻛﻞ ﻧﻮاﺟﻬﻬﺎ ﻣﻊ اﺳﺘﻌﻤﺎل ‪ R 2‬ﻣﻨﻬﺎ ‪:‬‬
‫ﻳﻜﻮن‬ ‫‪Y  X  ‬‬ ‫‪ ‬أوﻻ‪ :‬ﻛﻞ ﻧﺘﺎﺋﺠﻨﺎ اﻹﺣﺼﺎﺋﻴﺔ ﰐ ﻣﻦ اﻟﻔﺮﺿﻴﺔ اﻟﻘﺎﺋﻠﺔ ن ﳕﻮذﺟﻨﺎ اﳌﺒﲏ ﰲ اﳌﻌﺎدﻟﺔ‬
‫ﺻﺤﻴﺤﺎ‪ ،‬ﰒ ﻟﻴﺲ ﻟﺪﻳﻨﺎ ﻃﺮﻳﻘﺔ أو ﻗﻴﻤﺔ إﺣﺼﺎﺋﻴﺔ ﺑﺪﻳﻠﺔ ﻟﻠﻤﻘﺎرﻧﺔ‪.‬‬
‫‪ ‬ﻧﻴﺎ‪ :‬إن ‪ R2‬ﻏﲑ ﺣﺴﺎس ﻟﻌﺪد اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ واﳌﻮﺟﻮدة ﻟﻨﻤﻮذج‪ ،‬ﺣﻴﺚ إن إﺿﺎﻓﺔ ﻣﺘﻐﲑات ﻣﺴﺘﻘﻠﺔ‬
‫أﺧﺮى ﳌﻌﺎدﻟﺔ اﻻﳓﺪار ﻻ ﳝﻜﻦ أﺑﺪا أن ﺗُﻘﻠﻞ ﻣﻦ ﻗﻴﻤﺔ ‪ ،R2‬و ﻟﻌﻜﺲ ﻓﺈ ﺎ ﳝﻜﻦ أن ﺗﺰﻳﺪ ﻣﻦ ﻗﻴﻤﺘﻪ )ﻷن‬
‫إﺿﺎﻓﺔ ﻣﺘﻐﲑ ﻣﺴﺘﻘﻞ ﺟﺪﻳﺪ ﻟﻠﻨﻤﻮذج ﻻ ﻳﺆﺛﺮ ﰲ اﻟﺘﻐﲑات اﻟﻜﻠﻴﺔ ‪ ،TSS‬ﺑﻴﻨﻤﺎ ﻳﺰﻳﺪ ﰲ ﻗﻴﻤﺔ اﻻﳓﺮاﻓﺎت‬
‫اﳌﺸﺮوﺣﺔ ‪ ،(ESS‬وﻳﺼﺒﺢ ﺗﻔﺴﲑ واﺳﺘﻌﻤﺎل ‪ R2‬ﺻﻌﺒﺎ ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﻟﻨﻤﻮذج ﺑﺪون اﳊﺪ اﻟﺜﺎﺑﺖ‪ ،‬ﺣﻴﺚ‬
‫ﻟﻴﺲ ﻟﻀﺮورة ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ أن ﻳﻜﻮن ﳏﺼﻮرا ﺑﲔ ‪ 0‬و‪.1‬‬
‫إن اﻟﺼﻌﻮ ت ﰲ اﺳﺘﻌﻤﺎل ‪ R2‬ﻛﻤﻘﻴﺎس ﳉﻮدة اﻟﺘﻮﻓﻴﻖ راﺟﻌﺔ ﻷن ﻫﺬا اﳌﻌﺎﻣﻞ ﻳﻌﺘﻤﺪ ﻋﻠﻰ اﻟﺘﻐﲑات اﳊﺎﺻﻠﺔ ﰲ‬
‫‪) Y‬اﳌﺸﺮوﺣﺔ وﻏﲑ اﳌﺸﺮوﺣﺔ(‪ ،‬و ﻟﺘﺎﱄ ﻓﺈﻧﻪ ﻻ ﺧﺬ ﺑﻌﲔ اﻻﻋﺘﺒﺎر ﻋﺪد درﺟﺎت اﳊﺮﻳﺔ ﰲ أي ﻣﺸﻜﻞ إﺣﺼﺎﺋﻲ‪.‬‬
‫وﳍﺬا اﻟﻐﺮض ﻳُﺴﺘﻌﻤﻞ ﻣﻌﺎﻣﻞ أﺧﺮ ﻳﺴﻤﻰ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳌﺼﺤﺢ ‪. R 2‬‬
‫ﻫﻮ‪:‬‬ ‫ﻓﺈذا ﻛﺎن ﺗﻌﺮﻳﻒ ‪ R2‬ﻫﻮ‪ ، R 2  ESS  1  RSS :‬ﻓﺈن ﺗﻌﺮﻳﻒ‬
‫‪R2‬‬
‫‪R 2  1‬‬
‫‪RSS‬‬ ‫‪‬‬‫‪n‬‬ ‫‪‬‬ ‫‪k‬‬ ‫‪‬‬ ‫‪1‬‬‫‪‬‬
‫‪TSS n  1‬‬
‫ﺣﻴﺚ ‪ : n‬ﻋﺪد اﳌﺸﺎﻫﺪات و ‪ : k  1‬ﻋﺪد اﳌﻌﺎﱂ اﳌﻘﺪرة‪ .‬وﺑﺘﻌﻮﻳﺾ ﺑﺴﻴﻂ ﳒﺪ ‪:‬‬
‫‪ n  k 1‬‬
‫‪‬‬
‫‪R 2  1  1  R 2 .‬‬ ‫‪‬‬‫‪‬‬
‫‪ n 1 ‬‬
‫وﻣﻦ اﳌﻌﺎدﻟﺔ اﻷﺧﲑة أﻋﻼﻩ‪ ،‬ﺗﻈﻬﺮ اﻟﻌﻼﻗﺔ ﺑﲔ ‪ R 2‬و ‪ R 2‬ﺣﻴﺚ أن‪:‬‬
‫‪ R 2  R 2 .1‬إذا ﻛﺎﻧﺖ ‪k  1‬‬
‫‪ R 2  R 2 .2‬إذا ﻛﺎﻧﺖ ‪k  1‬‬
‫‪ R 2 .3‬ﳝﻜﻦ أن ﺧﺬ ﻗﻴﻤﺎ ﺳﺎﻟﺒﺔ‪.‬‬
‫إذا ﻛﺎن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪ n‬ﻛﺒﲑا‪ ،‬ﻓﺈن ‪ R2‬و ‪ R 2‬ﻳﻘﱰ ن ﻗﻲ ﻗﻴﻤﺘﻬﻤﺎ‪ ،‬ﻟﻜﻦ ﰲ اﻟﻌﻴﻨﺎت اﻟﺼﻐﲑة‪ ،‬إذا ﻛﺎن ﻋﺪد‬
‫اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﻛﺒﲑا ﳌﻘﺎرﻧﺔ ﻣﻊ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬ﻓﺈن ‪ R 2‬ﻳﻘﻞ ﺑﻜﺜﲑ ﻋﻠﻰ‪ ،R2‬وﳝﻜﻦ أن ﺧﺬ ﻗﻴﻤﺎ ﺳﺎﻟﺒﺔ‪ ،‬ﰲ ﻫﺬﻩ‬
‫اﳊﺎﻟﺔ ﳚﺐ ﺷﺮﺣﻪ ﻋﻠﻰ أﺳﺎس أن ﻗﻴﻤﺘﻪ ﺗﺴﺎوي اﻟﺼﻔﺮ‪.‬‬
‫إذن ‪ R 2‬ﻟﻪ ﳎﻤﻮﻋﺔ ﻣﻦ اﳋﺼﺎﺋﺺ ﲡﻌﻠﻪ وﺳﻴﻠﺔ ﻗﻴﺎس ﺟﻮدة اﻟﺘﻮﻓﻴﻖ أﻓﻀﻞ ﻣﻦ‪ ،R2‬ﻓﻬﻮ ﻋﻠﻰ اﻷﻗﻞ ُﳚﻴﺐ ﻋﻠﻰ‬
‫ﺗﺴﺎؤﻻت ﺑﻌﺾ اﻟﺒﺎﺣﺜﲔ ﺣﻮل أﳘﻴﺔ ز دة ﻋﺪد اﳌﺘﻐﲑات ﻟﻠﻨﻤﻮذج‪ ،‬ﺑﺪون اﻟﺘﻔﻜﲑ ﰲ ﺳﺒﺐ ﻇﻬﻮر ﻫﺬﻩ اﳌﺘﻐﲑات‬
‫ﻋﻠﻰ ﻛﻞ ﺣﺎل‪ ،‬رﻏﻢ ذﻟﻚ ﻻ ﳚﺐ اﻟﺘﻔﻜﲑ ﰲ أن ‪ R 2‬ﳛﻞ ﻛﻞ اﳌﺸﺎﻛﻞ اﳌﺘﻌﻠﻘﺔ ﳌﻘﻴﺎس ‪ R2‬ﳉﻮدة اﻟﺘﻮﻓﻴﻖ‪ ،‬ﺣﻴﺚ‬
‫أن اﻟﻘﺮار ﺣﻮل إﻣﻜﺎﻧﻴﺔ ﻇﻬﻮر ﺑﻌﺾ اﳌﺘﻐﲑات ﰲ اﻟﻨﻤﻮذج أم ﻻ‪ ،‬ﺗﺒﻘﻰ ﻣﻌﺘﻤﺪة ﻋﻠﻰ اﻋﺘﺒﺎرات ﻧﻈﺮﻳﺔ أﺧﺮى ﰲ‬
‫اﻟﻘﻴﺎس اﻻﻗﺘﺼﺎدي‪ ،‬ﻛﻤﺎ أن اﻟﻘﻴﻤﺔ اﻟﻌﺪدﻳﺔ ﻟـ ‪ R 2‬ﺗﻜﻮن ﺟﺪ ﺣﺴﺎﺳﺔ ﻟﻨﻮع اﳌﻌﻄﻴﺎت أو اﻟﺒﻴﺎ ت اﳌﺴﺘﻌﻤﻠﺔ‪.‬‬
‫ﻣﺜﺎل ‪:2‬‬
‫و ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳌﺼﺤﺢ ‪ . R 2‬ﻧﻌﻠﻢ‬ ‫‪R2‬‬ ‫ﻧﻔﺲ ﻣﻌﻄﻴﺎت اﳌﺜﺎل اﻟﺴﺎﺑﻖ‪ ،‬اﳌﻄﻠﻮب ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ‬
‫‪ Y‬‬ ‫‪ Y   256.4‬‬
‫‪10‬‬ ‫‪10‬‬
‫‪i‬‬
‫‪2‬‬
‫أن ‪ ،  î2  1.8157‬ﻓﻴﻨﺒﻐﻲ ﺣﺴﺎب‬
‫‪i 1‬‬ ‫‪i 1‬‬
‫‪10‬‬
‫‪RSS‬‬
‫ˆ‪ ‬‬ ‫‪i‬‬
‫‪2‬‬
‫‪1.8157‬‬
‫‪R2  1‬‬ ‫‪ 1‬‬ ‫‪i 1‬‬
‫‪ 1‬‬ ‫‪ 0.9929‬‬
‫‪ Y‬‬ ‫‪Y ‬‬
‫‪10‬‬
‫‪TSS‬‬ ‫‪2‬‬ ‫‪256.4‬‬
‫‪i‬‬
‫‪i 1‬‬
‫‪ n  k 1‬‬ ‫‪ 10  2  1 ‬‬

‫‪‬‬
‫‪R 2  1  1  R 2 .‬‬ ‫‪‬‬‫‪  1  (1  0.9929)‬‬ ‫‪  0.9908‬‬ ‫و‬
‫‪ n 1 ‬‬ ‫‪ 10  1 ‬‬
‫ﻣﻦ اﳌﻼﺣﻆ أن ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ ‪ R 2‬ﻳﺒﻘﻰ أﻗﻞ ﻧﺴﺒﻴﺎ ﻣﻦ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳌﺼﺤﺢ ‪ . R 2‬ﻣﻦ ﺧﻼل ﻧﺘﺎﺋﺞ‬
‫ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ‪ ،‬ﻧﺴﺘﻨﺘﺞ أن ﻟﻠﻨﻤﻮذج ﻗﺪرة ﺗﻔﺴﲑﻳﺔ ﻋﺎﻟﻴﺔ ﺟﺪا أي أن اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﺗﺸﺮح اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ﺑﻨﺴﺒﺔ‬
‫‪.% 99.29‬‬
‫‪ .5‬اﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺎت‬
‫‪ .1.5‬اﺧﺘﺒﺎر اﳌﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻤﻌﺎﱂ‬
‫دﺧﺎل ﻗﺎﻧﻮن اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ اﳌﺘﻌﺪد وﻧﻈﺮا إﱃ أن ̂‪ ‬ﻫﻮ داﻟﺔ ﺧﻄﻴﺔ ﻟﺸﻌﺎع اﻷﺧﻄﺎء اﻟﻌﺸﻮاﺋﻴﺔ‪ ،‬ﻓﺈن ﻫﺬا‬
‫اﳌﺘﻐﲑ ﻟﻪ ﺻﻔﺔ اﳌﺘﻐﲑ اﻟﻌﺸﻮاﺋﻲ وﻳﺘﺒﻊ ﻛﺬﻟﻚ ﻗﺎﻧﻮن اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ اﳌﺘﻌﺪد‬
‫‪A  ( X X ) X ‬‬ ‫‪1‬‬
‫ﻧﻀﻊ‪:‬‬
‫‪ˆ    A‬‬ ‫ﻟﺪﻳﻨﺎ‪:‬‬
‫‪ˆ ~ N  ,   X X  ‬‬ ‫وﻣﻨﻪ ﻓﺈن‪:‬‬
‫‪2‬‬ ‫‪1‬‬
‫‪‬‬
‫‪ˆ  M X ‬‬ ‫ﰒ ﻟﺪﻳﻨﺎ ﺑﻮاﻗﻲ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪:‬‬

‫‪ˆ 'ˆ   M X ‬‬ ‫إذ أن‪:‬‬
‫)‪M X  ( I  X ( X X ) 1 X ‬‬ ‫ﻣﻊ‪:‬‬
‫‪ˆ 'ˆ  M X  n  k  1ˆ 2‬‬
‫‪‬‬ ‫‪‬‬ ‫‪~  n2k 1‬‬ ‫وﻣﻨﻪ‪:‬‬
‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪2‬‬
‫ﻣﻊ اﳋﺎﺻﻴﺔ ‪ M X X  0‬ﻳﻜﻮن اﻟﺸﻌﺎﻋﺎن ̂‪ ‬و ˆ‪ ‬ﻳﺘﺒﻌﺎن اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ اﳌﺘﻌﺪد وﻣﺴﺘﻘﻠﲔ ﻋﻦ ﺑﻌﻀﻬﻤﺎ‬
‫اﻟﺒﻌﺾ‪ ،‬و ﻟﺘﺎﱄ ﻓﻬﻤﺎ ﺷﻌﺎﻋﺎن ﻣﺘﻌﺎﻣﺪان ﺣﻴﺚ‪:‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬

‫‪‬‬ ‫‪‬‬
‫‪cov ˆ, ˆ  E ˆ ˆ     E M X  A   2 M X A  0, M X X  0‬‬
‫‪‬‬ ‫‪‬‬
‫‪RSS‬‬
‫ﻣﻮزع اﺳﺘﻘﻼﻟﻴﺎ ﻋﻦ‬ ‫̂‪‬‬ ‫ﻣﺴﺘﻘﻞ ﻛﺬﻟﻚ ﻋﻦ ˆ‪ ، ˆ '‬واﻟﺬي ﻳﺴﺘﻠﺰم أن‬ ‫ˆ‪‬‬ ‫وﻣﻨﻪ ﻧﺴﺘﻨﺘﺞ أن ﺷﻌﺎع اﳌﻘﺪرات‬
‫‪‬‬ ‫‪2‬‬
‫‪ˆ j ~ N  j , 2 a jj ,‬‬ ‫‪j  0,1,...., k‬‬ ‫أو ˆ‪ ، ‬وﻧﻜﺘﺐ‪:‬‬ ‫‪2‬‬

‫‪‬‬
‫‪. A  ( X X ) 1 X ‬‬ ‫)أو ‪ ، (  X X 1‬ﻣﻊ‬ ‫‪AA‬‬ ‫ﺣﻴﺚ أن ‪ a jj‬ﻫﻮ اﻟﻌﻨﺼﺮ ‪ j‬اﳌﻮﺟﻮد ﺑﻘﻄﺮ اﳌﺼﻔﻮﻓﺔ‬
‫ˆ‪‬‬ ‫‪j‬‬ ‫‪ ‬‬
‫‪  j ~ N 0,  2 a jj ,‬‬ ‫‪‬‬ ‫‪j  0,1,...., k‬‬ ‫وﻟﺪﻳﻨﺎ ﻛﺬﻟﻚ‪:‬‬
‫‪ ˆ j   j ‬‬
‫‪‬‬ ‫‪ ~ N 0,1,‬‬ ‫‪j  0,1,...., k‬‬ ‫وﻣﻨﻪ ‪:‬‬
‫‪ a ‬‬
‫‪ ‬‬ ‫‪jj ‬‬
‫‪ˆ j   j‬‬
‫‪N 0,1‬‬ ‫‪  a jj‬‬
‫وﻟﻴﺼﺒﺢ ﻗﺎﻧﻮن اﻟﺘﻮزﻳﻊ ‪ t‬ﻋﻠﻰ اﻟﺸﻜﻞ‪:‬‬
‫‪t‬‬ ‫‪‬‬
‫‪‬‬ ‫‪2‬‬
‫‪n k‬‬ ‫‪n  k  1‬‬ ‫‪n  k  1ˆ2 n  k  1‬‬
‫‪‬‬
‫‪2‬‬
‫‪ˆ j   j‬‬ ‫‪ˆ j   j‬‬

‫‪t‬‬ ‫‪‬‬ ‫‪~ t n  k 1‬‬ ‫وﳒﺪ ﺑﻌﺪ اﻻﺧﺘﺼﺎر ‪:‬‬
‫‪ 2 a jj‬‬ ‫ˆ‪ ‬‬ ‫‪j‬‬
‫ﺗﺴﺎﻋﺪ ﻫﺬﻩ اﳌﻌﺎدﻟﺔ إذن ﻋﻠﻰ ﺗﻜﻮﻳﻦ ﳎﺎﻻت اﻟﺜﻘﺔ ﳌﻌﺎﱂ اﻟﻨﻤﻮذج ﺑﻨﻔﺲ اﻟﻄﺮﻳﻘﺔ اﳌﺬﻛﻮرة ﰲ ﺣﺎﻟﺔ اﻟﻨﻤﻮذج‬
‫اﻟﺒﺴﻴﻂ‪،‬‬
‫‪) H 0 :  j  0‬ﻓﺮﺿﻴﺔ اﻟﻌﺪم(‬
‫‪j  0,1,..., k‬‬
‫ﺿﺪ ‪) H 1 :  j  0 :‬اﻟﻔﺮﺿﻴﺔ اﻟﺒﺪﻳﻠﺔ(‬
‫‪ˆ j   j‬‬
‫وﻫﻲ اﻟﻘﻴﻤﺔ اﶈﺴﻮﺑﺔ‪.‬‬ ‫‪tc ‬‬ ‫ﻧﻜﺘﺐ‪:‬‬
‫ˆ‪ˆ ‬‬
‫‪j‬‬
‫‪ˆ j‬‬ ‫‪ˆ j‬‬

‫ˆ‪ˆ ‬‬
‫‪t‬‬
‫‪n  k 1,‬‬
‫‪‬‬ ‫إذا ﻛﺎﻧﺖ‬ ‫‪‬‬ ‫ﲟﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ‬ ‫‪H0‬‬ ‫‪ ، t‬ﺣﻴﺚ ﻧﻘﺒﻞ‬ ‫‪c‬‬ ‫‪‬‬
‫ˆ‪ˆ ‬‬
‫ﻣﺎ دﻣﻨﺎ ﳔﺘﱪ ﻓﺮﺿﻴﺔ اﻟﻌﺪم‪ ،‬ﻧﻜﺘﺐ‬
‫‪2‬‬
‫‪j‬‬ ‫‪j‬‬
‫ﻣﺄﺧﻮذة ﻣﻦ ﺟﺪول‬ ‫‪t‬‬

‫‪n k 1,‬‬
‫‪‬‬ ‫ﻓﻔﻲ ﻫﺪﻩ اﳊﺎﻟﺔ‪ ،‬اﳌﻌﻠﻢ ‪ ‬ﻟﻴﺲ ﻟﻪ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ أي ﻳﺴﺎوي ﻣﻌﻨﻮ اﻟﺼﻔﺮ ﺣﻴﺚ‬ ‫‪j‬‬
‫‪2‬‬
‫‪ˆ j‬‬
‫ﻟﻪ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﻓﻬﻮ ﳜﺘﻠﻒ‬ ‫‪j‬‬ ‫أي اﳌﻌﻠﻢ‬ ‫ˆ‪ˆ ‬‬
‫‪t‬‬
‫‪n  k 1,‬‬
‫‪‬‬ ‫إذا ﻛﺎﻧﺖ‬ ‫‪‬‬ ‫اﻟﺘﻮزﻳﻊ ‪ ،t‬وﻧﺮﻓﺾ ‪ H0‬ﲟﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ‬
‫‪2‬‬
‫‪j‬‬
‫ﻣﻌﻨﻮ ﻋﻦ اﻟﺼﻔﺮ‪ .‬ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﺒﲑا ) ‪ ( n  30‬ﻓﻴﻨﺒﻐﻲ اﺳﺘﻌﻤﺎل اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ و ﳝﻜﻦ أﺧﺬ اﻟﻘﻴﻤﺔ‬
‫اﳊﺮﺟﺔ ‪ z / 2‬و ذﻟﻚ ﲝﺴﺎب اﳌﺴﺎﺣﺔ اﳌﻈﻠﺔ ﻟﻠﺘﻮزﻳﻊ‪.‬‬
‫‪ .2.5‬اﺧﺘﺒﺎر اﳌﻌﻨﻮﻳﺔ اﻟﻜﻠﻴﺔ ﻟﻠﻨﻤﻮذج و اﺧﺘﺒﺎرات اﻟﻘﻴﻮد ﻋﻠﻰ اﳌﻌﺎﱂ‬
‫ﳝﻜﻦ اﺧﺘﺒﺎر اﳌﻌﻨﻮﻳﺔ اﻹﲨﺎﻟﻴﺔ ﻟﻠﻨﻤﻮذج ﺳﺘﺨﺪام ﻧﺴﺒﺔ اﻟﺘﺒﺎﻳﻦ اﳌﻔﺴﺮ‪ ،‬إﱃ اﻟﺘﺒﺎﻳﻦ ﻏﲑ اﳌﻔﺴﺮ‪ ،‬وﻳﺘﺒﻊ ﻫﺬا ﺗﻮزﻳﻊ‬
‫ﻓﻴﺸﺮ ‪ ،F‬ﺑﺪرﺟﺎت ﺣﺮﻳﺔ ‪ k‬و ‪ ، n  k  1‬ﺣﻴﺚ ‪ n‬ﻋﺪد اﳌﺸﺎﻫﺪات و ‪ k  1‬ﻋﺪد اﳌﻌﺎﱂ اﳌﻘﺪرة‪:‬‬
‫‪H 0 :  0   1  ......   j  ......   k  0‬‬
‫‪  0‬ﻣﻌﺎﻣﻞ ‪H 1 : ‬‬ ‫ﺿﺪ اﻟﻔﺮﺿﻴﺔ اﻟﺒﺪﻳﻠﺔ‪:‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪ (Yî  Y ) 2 k‬‬ ‫ˆ‪ y‬‬ ‫‪i‬‬

‫‪2‬‬
‫‪k‬‬
‫‪R2 k‬‬
‫‪Fc ‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫‪i 1‬‬
‫‪‬‬ ‫)‪~ F (k , n  k  1‬‬
‫‪n‬‬ ‫‪n‬‬
‫‪n  k  1  î2 n  k  1‬‬ ‫‪‬‬ ‫‪‬‬
‫‪1  R 2 n  k  1‬‬
‫ˆ‪ ‬‬
‫‪i 1‬‬
‫‪i‬‬
‫‪2‬‬
‫‪i 1‬‬
‫ﻓﺈذا ﲡﺎوزت اﻹﺣﺼﺎﺋﻴﺔ ‪ F‬ﻗﻴﻤﺔ ‪ F‬اﺠﻤﻟﺪوﻟﺔ ﻋﻨﺪ ﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪ ‬وﺑﺪرﺟﱵ ﺣﺮﻳﺔ ‪ k‬و ‪ n  k  1‬ﻧﻘﺒﻞ‬
‫اﻟﻔﺮﺿﻴﺔ اﻟﻘﺎﺋﻠﺔ ن ﻣﻌﺎﱂ اﻟﻨﻤﻮذج ﻟﻴﺴﺖ ﲨﻴﻌﻬﺎ ﻣﺴﺎوﻳﺔ ﻟﻠﺼﻔﺮ وأن ‪ R 2‬ﳜﺘﻠﻒ ﺟﻮﻫﺮ ﻋﻦ اﻟﺼﻔﺮ‪ .‬ﰲ ﻫﺬﻩ‬
‫اﳊﺎﻟﺔ‪ ،‬ﳝﻜﻦ اﻟﻘﻮل أن ﻟﻠﻨﻤﻮذج ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪.‬‬
‫ﻫﻨﺎك اﺧﺘﺒﺎرات أﺧﺮى ﺗﻌﺘﻤﺪ ﻋﻠﻰ ﺟﺪول ﲢﻠﻴﻞ اﻟﺘﺒﺎﻳﻦ )إدﺧﺎل ﻣﺘﻐﲑ أو ﻋﺪة ﻣﺘﻐﲑات ﻣﻔﺴﺮة إﺿﺎﻓﻴﺔ‪ ،‬اﺳﺘﻘﺮار‬
‫ﻣﻌﺎﻣﻼت اﻟﻨﻤﻮذج‪ ،‬اﺧﺘﺒﺎر اﻟﻘﻴﻮد ﻋﻠﻰ اﳌﻌﺎﻣﻼت‪ ،..‬اﱁ( ‪:‬‬
‫‪H 0 : R  r‬‬
‫‪H 1 : R  r‬‬
‫‪F ‬‬
‫) ‪Rˆ  r  R( X X‬‬ ‫'‬ ‫'‬ ‫‪1‬‬
‫‪‬‬
‫‪R ' Rˆ  r q‬‬
‫‪1‬‬
‫‪‬‬
‫)‪RSS /( n  k  1‬‬
‫‪c‬‬
‫ﺣﻴﺚ ˆ‪ ‬ﺷﻌﺎع اﳌﻌﺎﱂ اﳌﻘﺪرة ﻟﻠﻨﻤﻮذج ﻏﲑ اﳌﻘﻴﺪ‪ .‬ﻧﺮﻓﺾ ‪ H 0‬إذا ﻛﺎﻧﺖ ‪ Fc‬أﻛﱪ ﻣﻦ اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ ﻟﺘﻮزﻳﻊ ﻓﻴﺸﺮ‬
‫ﺑﺪرﺟﱵ ﺣﺮﻳﺔ ‪ q‬و ‪ n  k  1‬و ﺑﻄﺮﻳﻘﺔ أﺧﺮى‪ ،‬ﳝﻜﻦ اﺳﺘﻌﻤﺎل اﻹﺣﺼﺎﺋﻴﺔ اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫‪RSS c  RSS nc  q‬‬
‫‪Fc ‬‬
‫)‪RSS nc /( n  k  1‬‬
‫ﺣﻴﺚ ‪ RSS nc‬ﳎﻤﻮع ﻣﺮﺑﻌﺎت ﺑﻮاﻗﻲ ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج ﻏﲑ اﳌﻘﻴﺪ و ‪ RSS c‬اﳋﺎص ﻟﻨﻤﻮذج اﳌﻘﻴﺪ‪.‬‬
‫ﻫﻨﺎك اﺧﺘﺒﺎر آﺧﺮ ﻣﻜﺎﻓﺊ ﻻﺧﺘﺒﺎر ﻓﻴﺸﺮ ﻳﺮﺗﻜﺰ ﻋﻠﻰ ﻣﻘﺎرﻧﺔ ﻧﺴﺒﺔ اﳌﻌﻘﻮﻟﻴﺔ ﻟﻠﻨﻤﻮذج اﳌﻘﻴﺪ و ﻏﲑ اﳌﻘﻴﺪ‪ .‬إذا‬
‫ﻛﺎﻧﺖ اﻟﻘﻴﻮد ﻣﻮﺟﻮدة ﻫﺬا ﻳﻌﲏ أن ‪ Lc  Lnc‬ﺣﻴﺚ ‪ Lnc‬ﻫﻲ داﻟﺔ اﳌﻌﻘﻮﻟﻴﺔ ﻟﻠﻨﻤﻮذج ﻏﲑ اﳌﻘﻴﺪ و ‪ Lc‬ﻟﻠﻨﻤﻮذج‬
‫اﳌﻘﻴﺪ‪ ،‬أي أن ‪ Lc / Lnc  1‬أو ﺑﺸﻜﻠﻪ اﻟﻠﻮﻏﺎرﻳﺘﻤﻲ ‪ . ln Lc  ln Lnc  0‬اﻟﻔﺮق ﺑﲔ ﻟﻮﻏﺎرﻳﺘﻤﺎت اﻟﺪاﻟﺔ ﻳﻨﺒﻐﻲ‬
‫أن ﻳﻜﻮن ﻣﻌﻨﻮ ﺳﺎﻟﺒﺎ‪ .‬ﳝﻜﻦ أن ﻧﱪﻫﻦ أن ﻫﺬا اﻻﺧﺘﺒﺎر ﻳﻘﻮد إﱃ اﺧﺘﺒﺎر ‪  2‬و ذﻟﻚ ﲝﺴﺎب اﻹﺣﺼﺎﺋﻴﺔ‬
‫‪ LR  2ln Lc  ln Lnc ‬اﻟﺬي ﺗﺘﺒﻊ ﺑﻄﺒﻴﻌﺔ اﳊﺎل ﺗﻮزﻳﻊ ‪  2‬ﺑﺪرﺟﺔ ﺣﺮﻳﺔ ‪ r‬و اﻟﱵ ﺗﻌﱪ ﻋﻦ ﻋﺪد اﻟﻘﻴﻮد‪.‬‬
‫و درﺟﺔ ﺣﺮﻳﺔ ‪ ، r‬ﻧﺮﻓﺾ‬ ‫‪‬‬ ‫إﺿﺎﻓﺔ إﱃ ذﻟﻚ‪ ،‬إذا ﻛﺎن ‪ LR‬أﻛﱪ ﻣﻦ اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ ﻟﺘﻮزﻳﻊ ‪  2‬ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ‬
‫‪1‬‬
‫اﻟﻔﺮﺿﻴﺔ ‪ H 0‬أي أن اﻟﻘﻴﻮد ﻟﻴﺴﺖ ﳏﻘﻘﺔ‪ .‬ﻛﻤﺎ أﻧﻪ ﳝﻜﻨﻨﺎ اﺳﺘﻌﻤﺎل ﻣﻀﺎﻋﻒ ﻻﻏﺮاﻧﺞ‬
‫ﻣﺜﺎل ‪:3‬‬
‫ﻻﺳﺘﻌﺎﻧﺔ ﲟﻌﻄﻴﺎت اﳌﺜﺎل اﻟﺴﺎﺑﻖ‪ ،‬ﻧﻘﻮم ﺧﺘﺒﺎر اﳌﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ ﳌﻌﺎﱂ اﻟﻨﻤﻮذج‪ .‬ﻧﺘﺴﺎءل ﻣﺎ إذا ﻛﺎن ﳝﻜﻦ‬
‫ﻗﺒﻮل ﻫﺬﻩ اﳌﻘﺪرات ﻛﺄﺳﺎس ﻟﻠﻮﺻﻮل إﱃ ﻣﻌﺎﱂ اﺠﻤﻟﺘﻤﻊ اﻹﺣﺼﺎﺋﻲ‪.‬‬
‫ﻧﺒﲏ أوﻻ ﳎﺎﻻت ﺛﻘﺔ ﻟﻠﻤﻌﺎﱂ‪:‬‬
‫‪‬‬
‫ˆ‪ 0  ˆ0  t 0.025ˆ ˆ , ˆ 0  t 0.025ˆ ‬‬ ‫‪‬‬
‫‪  ˆ  t‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪0‬‬
‫‪1‬‬ ‫‪1‬‬ ‫‪0.025‬‬ ‫ˆ‪ˆ ˆ , ˆ1  t 0.025ˆ ‬‬

‫‪  ˆ  t‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪2‬‬ ‫‪2‬‬ ‫‪0.025‬‬ ‫ˆ‪ˆ ˆ , ˆ 2  t 0.025ˆ ‬‬

‫‪2‬‬ ‫‪2‬‬
‫واﻟﱵ ﺗﻌﺎدل‬ ‫‪n  2 1  7‬‬ ‫و درﺟﺔ ﺣﺮﻳﺔ‬ ‫‪%5‬‬ ‫ﺣﻴﺚ ‪ t0.025‬ﻫﻲ اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ‬
‫اﻟﻘﻴﻤﺔ ‪ 2.365‬ﰲ ﺟﺪول ﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ‪ .‬ﻟﺘﻄﺒﻴﻖ اﻟﻌﺪدي ﻟﺪﻳﻨﺎ‪:‬‬
‫‪ 0  1.0996  2.365  0.5513 , 1.0996  2.365  0.5513‬‬
‫‪ 0  - 0.2042 , 2.4034‬‬ ‫أي‪:‬‬
‫‪ 1  0.9776  2.365  0.0858 , 0.9776  2.365  0.0858‬‬ ‫و‪:‬‬
‫‪1  0.7746 , 1.1805‬‬ ‫ﻫﺬا ﻳﻌﲏ‪:‬‬
‫‪ 2  0.1237  2.365  0.1190 , 0.1237  2.365  0.1190‬‬ ‫أﻣﺎ‪:‬‬
‫‪ 2  - 0.1577 , 0.4051‬‬ ‫و ﻣﻨﻪ‪:‬‬
‫ﻧﻘﻮم اﻵن ﻻﺧﺘﺒﺎر‪ .‬ﻟﺪﻳﻨﺎ اﻟﻔﺮﺿﻴﺘﺎن‪:‬‬
‫‪H 0 : 1  0‬‬
‫‪H 1 : 1  0‬‬ ‫ﺿﺪ ‪:‬‬
‫‪ˆ1  1‬‬
‫ˆ‪ˆ ‬‬ ‫‪1‬‬
‫‪ˆ  0 ˆ1‬‬
‫ˆ‪ˆ ‬‬ ‫ˆ‪ˆ ‬‬
‫‪1‬‬ ‫‪1‬‬
‫ˆ‪‬‬ ‫‪0.9776‬‬
‫‪tc ‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪ 11.3939‬‬ ‫ﻟﺪﻳﻨﺎ إذن‪:‬‬
‫ˆ‪ˆ ‬‬ ‫‪1‬‬
‫‪0.0858‬‬
‫‪ 1‬ﺳﻨﺘﻄﺮق إﻟﻰ ھﺬا اﻻﺧﺘﺒﺎر ﻓﻲ اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ ﺑﻐﯿﺔ اﺧﺘﺒﺎر وﺟﻮد اﻻرﺗﺒﺎط اﻟﺬاﺗﻲ و ﺗﺠﺎﻧﺲ اﻟﺘﺒﺎﯾﻦ‪.‬‬
‫ﻧﺘﺨﺬ اﻟﻔﺮار وذﻟﻚ ﲟﻘﺎرﻧﺔ اﻟﻘﻴﻤﺔ اﳌﻄﻠﻘﺔ ﻟﻠﻘﻴﻤﺔ اﶈﺴﻮﺑﺔ ﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ ﺑﺪرﺟﺔ ﺣﺮﻳﺔ ‪ 7‬و ﻧﺴﺒﺔ‬
‫ﻣﻌﻨﻮﻳﺔ ‪ . %5‬ﻧﻼﺣﻆ أن ‪ t c  11.3939  t 0.025  2.365‬و ﻋﻠﻴﻪ ﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ اﻟﺒﺪﻳﻠﺔ ‪ H 1‬أي أن ‪ 1‬ﳜﺘﻠﻒ‬
‫ﻣﻌﻨﻮ ﻋﻦ اﻟﺼﻔﺮ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪   5%‬وﻫﺬا ﻳﻌﲏ أﻧﻪ ﳝﻜﻦ ﻗﺒﻮل اﳌﻘﺪر ﻛﺄﺳﺎس ﻟﻠﻮﺻﻮل إﱃ ﻣﻌﻠﻤﻪ اﻟﻨﻈﺮي ﰲ‬
‫اﺠﻤﻟﺘﻤﻊ اﻹﺣﺼﺎﺋﻲ‪.‬‬
‫أﻣﺎ اﳌﻌﻠﻢ ‪ ،  2‬ﻓﻠﺪﻳﻨﺎ‪:‬‬
‫‪H0 : 2  0‬‬
‫‪H1 :  2  0‬‬ ‫ﺿﺪ ‪:‬‬
‫‪ˆ 2   2‬‬
‫ˆ‪ˆ ‬‬‫‪2‬‬
‫‪ˆ  0 ˆ 2‬‬
‫ˆ‪ˆ ‬‬ ‫ˆ‪ˆ ‬‬
‫‪2‬‬ ‫‪2‬‬
‫ˆ‪‬‬ ‫‪0.1237‬‬
‫‪tc ‬‬ ‫‪2‬‬
‫‪‬‬ ‫‪ 1.0394‬‬ ‫إذن‪:‬‬
‫ˆ‪ˆ ‬‬ ‫‪2‬‬
‫‪0.1190‬‬
‫ﻧﻼﺣﻆ ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ أن ‪ t c  1.0394  t 0.025  2.365‬و ﻋﻠﻴﻪ ﻧﺮﻓﺾ اﻟﻔﺮﺿﻴﺔ اﻟﺒﺪﻳﻠﺔ ‪ H 1‬أي أن ‪  2‬ﻳﺴﺎوي‬
‫ﻣﻌﻨﻮ اﻟﺼﻔﺮ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪   5%‬وﻫﺬا ﻳﻌﲏ أﻧﻪ ﻻ ﳝﻜﻦ ﻗﺒﻮل ﻫﺬا اﳌﻘﺪر ﻛﺄﺳﺎس ﻟﻠﻮﺻﻮل إﱃ ﻣﻌﻠﻤﻪ اﻟﻨﻈﺮي‬
‫ﰲ اﺠﻤﻟﺘﻤﻊ اﻹﺣﺼﺎﺋﻲ‪.‬‬
‫ﳔﺘﱪ اﻵن اﳌﻌﻨﻮﻳﺔ اﻟﻜﻠﻴﺔ ﻟﻠﻨﻤﻮذج ﻣﻌﺘﻤﺪا ﻋﻠﻰ إﺣﺼﺎﺋﻴﺔ ﻓﻴﺸﺮ‪ .‬ﻟﺪﻳﻨﺎ اﻟﻔﺮﺿﻴﺘﺎن‪:‬‬
‫‪H 0 :  0  1   2  0‬‬
‫‪H1 :  j  0, j  1,2‬‬‫ﺿﺪ ‪:‬‬
‫‪R2 k‬‬
‫‪ . n  k  1‬ﻟﺪﻳﻨﺎ ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ‪:‬‬ ‫ﺗﺘﺒﻊ ﺗﻮزﻳﻊ ﻓﻴﺸﺮ ﺑﺪرﺟﱵ ﺣﺮﻳﺔ ‪ k‬و‬ ‫ﻧﻌﻠﻢ أﻳﻀﺎ أن‬
‫‪‬‬ ‫‪‬‬
‫)‪1  R 2 (n  k  1‬‬
‫‪R2 k‬‬ ‫‪0.9929 / 2‬‬
‫‪F‬‬ ‫‪‬‬ ‫‪ 490.7224‬‬
‫‪‬‬ ‫‪‬‬
‫)‪1  R (n  k  1) 1  0.9929  /(10  2  1‬‬
‫‪2‬‬
‫‪.% 5‬‬ ‫ﻳﺘﻢ اﲣﺎذ اﻟﻘﺮار ﲟﻘﺎرﻧﺔ اﻟﻘﻴﻤﺔ اﶈﺴﻮﺑﺔ ﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ ﻓﻴﺸﺮ ﺑﺪرﺟﱵ ﺣﺮﻳﺔ ‪ 2‬و ‪ 7‬و ﻧﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ‬
‫ﻧﻼﺣﻆ أن ‪ F  490.7224  F0.05 (2,7)  4.74‬و ﻋﻠﻴﻪ ﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ اﻟﺒﺪﻳﻠﺔ ‪ H 1‬أي أن ﻟﻠﻨﻤﻮذج ﻣﻌﻨﻮﻳﺔ‬
‫إﺣﺼﺎﺋﻴﺔ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪.   5%‬‬
‫إذا اﻋﺘﱪ أن اﻟﻨﻤﻮذج اﳌﺮاد دراﺳﺘﻪ ﻫﻮ ‪ ، Yi   0  1 X i1   i‬ﻫﻞ إﺿﺎﻓﺔ اﳌﺘﻐﲑ ‪ X i 2‬ﺳﻴﺤﺴﻦ ﻣﻌﻨﻮ ﺟﻮدة‬
‫اﻟﺘﻘﺪﻳﺮ؟ ﺑﻌﺒﺎرة أﺧﺮى‪ ،‬أي اﻟﻨﻤﻮذج ﳔﺘﺎر؟‬
‫ﻧﻘﻮم أوﻻ ﲝﺴﺎب ﳎﻤﻮع اﳌﺮﺑﻌﺎت اﻟﻜﻠﻴﺔ ‪ ، TSS‬ﳎﻤﻮع اﳌﺮﺑﻌﺎت اﳌﻘﺪرة ‪ ESS‬و ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ‬
‫‪ RSS‬ﻟﻠﻨﻤﻮذج اﻷﺻﻠﻲ )ذي ﻣﺘﻐﲑﻳﻦ( ﻏﲑ اﳌﻘﻴﺪ‪ .‬ﻣﻦ ﺧﻼل اﳌﺜﺎل ‪ ،2‬ﲢﺼﻠﻨﺎ ﻋﻠﻰ ﻫﺬﻩ اﻟﻨﺘﺎﺋﺞ ‪:‬‬
‫‪TSS   Yi  Y   256.4‬‬
‫‪10‬‬
‫‪2‬‬
‫‪i 1‬‬
‫‪‬‬ ‫‪‬‬
‫‪10‬‬
‫‪ESS   Yî  Y‬‬
‫‪2‬‬
‫‪ 254.58‬‬
‫‪i 1‬‬
‫‪10‬‬
‫‪RSS   î2  1.815‬‬
‫‪i 1‬‬
‫و ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ‬ ‫‪ESS c‬‬ ‫ﻧﻴﺎ‪ ،‬ﻧﻘﻮم ﲝﺴﺎب ﳎﻤﻮع اﳌﺮﺑﻌﺎت اﻟﻜﻠﻴﺔ ‪ ، TSS c‬ﳎﻤﻮع اﳌﺮﺑﻌﺎت اﳌﻘﺪرة‬
‫‪ RSS c‬ﻟﻠﻨﻤﻮذج ذي ﻣﺘﻐﲑ واﺣﺪ )اﳌﻘﻴﺪ(‪ .‬اﻟﻨﻤﻮذج اﳌﻘﺪر ﻫﻮ ﻛﺎﻟﺘﺎﱄ ‪:‬‬
‫‪Yî  1.53  1.05 X i‬‬
‫)‪(4.24) (31.15‬‬
‫‪R 2  0.9918‬‬
‫‪RSS c  2.095‬‬
‫ﳓﺴﺐ إذن ‪:‬‬
‫‪RSS c‬‬ ‫‪2.095‬‬
‫‪TSS c ‬‬ ‫‪‬‬ ‫‪ 255.48‬‬
‫‪1 R‬‬ ‫‪2‬‬
‫‪1  0.9918‬‬
‫‪ESS c  TSS c  RSS c  255.48  2.095  253.39‬‬
‫ﻳﻜﻮن وﺿﻊ اﻻﺧﺘﺒﺎر ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﱄ ‪:‬‬
‫‪H0 : 2  0‬‬
‫‪H1 :  2  0‬‬
‫أي اﳔﻔﺎض ﰲ ‪. RSS‬‬ ‫‪ESS‬‬ ‫ﻋﻨﺪﻣﺎ ﻧﻀﻴﻒ ﻣﺘﻐﲑات ﻣﺴﺘﻘﻠﺔ ﺟﺪﻳﺪة ﰲ اﻟﻨﻤﻮذج ﻓﺴﻮف ﻳﺆدي إﱃ ز دة ﰲ‬
‫ﻧﻮد إذن اﺧﺘﺒﺎر أن اﻟﻔﺮق ﺑﲔ ‪ RSS c‬و ‪ RSS‬ﻣﻌﻨﻮ ﻣﻮﺟﺐ‪ .‬أي ‪:‬‬
‫)‪RSS c  RSS  (k  k ' ) (2.095  1.815) /(2  1‬‬
‫‪Fc ‬‬ ‫‪‬‬ ‫‪ 1.0802‬‬
‫)‪RSS /(n  k  1‬‬ ‫)‪1.815 /(10  2  1‬‬
‫ﻣﻊ ‪ : k‬ﻋﺪد اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﰲ اﻟﻨﻤﻮذج ﻏﲑ اﳌﻘﻴﺪ و ' ‪ k‬ﻋﺪد اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﰲ اﻟﻨﻤﻮذج اﳌﻘﻴﺪ )أي‬
‫ﺑﺪون إﺿﺎﻓﺔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ اﻷﺧﺮى(‪ .‬ﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ ‪ Fc  F0.05 (1 , 7)) ) H 0‬أي ﻟﻴﺲ ﻫﻨﺎك ﻓﺮق ﻣﻌﻨﻮي ﺑﲔ‬
‫ﺗﺒﺎﻳﲏ اﻟﺒﻮاﻗﻲ‪ ،‬إﺿﺎﻓﺔ اﳌﺘﻐﲑ اﳌﺴﺘﻘﻞ ‪ X i 2‬ﻻ ﳛﺴﻦ ﺑﺼﻔﺔ ﻣﻌﻨﻮﻳﺔ اﻟﻘﺪرة اﻟﺘﻔﺴﲑﻳﺔ ﻟﻠﻨﻤﻮذج‪.‬‬
‫‪ .3.5‬اﺧﺘﺒﺎر اﺳﺘﻘﺮار ﻣﻌﺎﻣﻼت اﻟﻨﻤﻮذج – اﺧﺘﺒﺎر ‪– Chow‬‬
‫ﻳﺪرس ﻫﺬا اﻻﺧﺘﺒﺎر ﻣﺪى اﺳﺘﻘﺮار اﻟﻨﻤﻮذج ﰲ ﻛﺎﻣﻞ اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ )دراﺳﺔ اﻟﺘﻐﻴﲑ اﳍﻴﻜﻠﻲ ﻟﻠﻨﻤﻮذج(‪ ،‬أي ﺻﻴﺎﻏﺔ‬
‫اﻟﻨﻤﻮذج ﻫﻲ ﻧﻔﺴﻬﺎ وﻟﻜﻦ ﲣﺘﻠﻒ اﻟﻘﻴﻢ اﳌﻘﺪرة ﻟﻠﻤﻌﺎﻣﻼت ﰲ اﻟﻌﻴﻨﺘﲔ اﳉﺰﺋﻴﺘﲔ‪ .‬ﻟﻴﻜﻦ اﻟﻨﻤﻮذج اﳌﻘﺪر ذو ‪ k‬ﻣﺘﻐﲑ‬
‫ﻣﺴﺘﻘﻞ ﻋﻠﻰ ﻓﱰة واﺣﺪة ‪:‬‬
‫‪ Yî  ˆ 0  ˆ1 X i1  ˆ 2 X i 2  ...  ˆ k X ik‬ﻋﻠﻰ ﻋﻴﻨﺔ ﺣﺠﻤﻬﺎ ‪n‬‬
‫ﻧﻘﺪر اﻟﻨﻤﻮذج اﻧﻄﻼﻗﺎ ﻣﻦ ﻋﻴﻨﺘﲔ ﺟﺰﺋﻴﺘﲔ ‪ n1‬و ‪ n2‬ﻣﻊ ‪ ، n  n1  n2‬ﺣﻴﺚ ‪:‬‬
‫‪Yî  ˆ 0  ˆ1 X i1  ˆ 2 X i 2  ...  ˆ k X ik‬‬
‫)‪(1‬‬ ‫)‪(1‬‬ ‫)‪(1‬‬ ‫)‪(1‬‬
‫‪Yî  ˆ 0  ˆ1 X i1  ˆ 2 X i 2  ...  ˆ k X ik‬‬

‫)‪( 2‬‬ ‫)‪( 2‬‬ ‫)‪( 2‬‬ ‫)‪( 2‬‬
‫ﳔﺘﱪ اﻟﻔﺮﺿﻴﺎت اﻟﺘﺎﻟﻴﺔ ‪:‬‬

‫‪  0   0 (1)   0 ( 2 ) ‬‬
‫‪‬‬ ‫‪‬‬
‫‪    (1)   ( 2 ) ‬‬
‫‪ 1‬‬ ‫‪1‬‬ ‫‪1‬‬
‫‪‬‬
‫‪H0 :  2  2  2 ‬‬
‫)‪(1‬‬ ‫)‪( 2‬‬
‫‪‬‬ ‫‪‬‬
‫‪ .......................... ‬‬
‫‪    (1)   ( 2 ) ‬‬
‫‪ k‬‬ ‫‪k‬‬ ‫‪k‬‬
‫‪‬‬
‫إن اﺧﺘﺒﺎر اﺳﺘﻘﺮار اﳌﻌﺎﻣﻼت ﻳﻘﻮد اﱃ ﻃﺮح اﻟﺴﺆال اﻟﺘﺎﱄ ‪ :‬ﻫﻞ ﻳﻮﺟﺪ ﻓﺮق ﻣﻌﻨﻮي ﺑﲔ ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ‬
‫ﰲ ﻛﺎﻣﻞ اﻟﻔﱰة ‪ n‬وﲨﻊ ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ اﶈﺴﻮﺑﺔ اﻧﻄﻼﻗﺎ ﻣﻦ اﻟﻌﻴﻨﺘﲔ اﳉﺰﺋﻴﺘﲔ ‪ RSS 1  RSS 2‬؟ إذا ﻛﺎﻧﺖ‬
‫اﻹﺟﺎﺑﺔ "ﻻ"‪ ،‬ﻓﻬﺬا ﻳﻌﲏ أن اﻟﻨﻤﻮذج ﻣﺴﺘﻘﺮ ﰲ ﻛﺎﻣﻞ اﻟﻌﻴﻨﺔ‪.‬‬
‫ﺗﻌﺮف إﺣﺼﺎﺋﻴﺔ ﻓﻴﺸﺮ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪Fc ‬‬
‫‪RSS  RSS  RSS  df‬‬
‫‪1‬‬ ‫‪2‬‬
‫‪1‬‬
‫‪RSS  RSS  df‬‬

‫‪1‬‬ ‫‪2‬‬
‫‪2‬‬
‫ﻣﻊ ‪:‬‬
‫‪df 1  n  k  1  n1  k  1  n2  k  1  k  1‬‬
‫‪df 2  n1  k  1  n2  k  1  n  2k  1‬‬
‫إذا ﻛﺎﻧﺖ ‪ ، Fc  F k  1, n  2k  1‬ﻓﻔﻲ ﻫﺬﻩ اﳊﺎﻟﺔ ﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ ‪ ، H 0‬أي أن اﳌﻌﺎﻣﻼت ﻣﺴﺘﻘﺮة‬
‫ﻣﻌﻨﻮ ﰲ ﻛﺎﻣﻞ اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ‪.‬‬
‫ﻣﺜﺎل ‪:4‬‬
‫ﻟﻨﻌﺘﱪ اﻟﻨﻤﻮذج اﳌﻘﺪر اﻟﺘﺎﱄ ﻋﻠﻰ ﻋﻴﻨﺔ ﺣﺠﻤﻬﺎ ‪: 2 n  14‬‬
‫‪2‬‬
‫‪Bourbonnais (2003), p. 70‬‬
‫‪Yî  32.89  0.80 X i1  0.38 X i 2  0.03 X i 3‬‬

‫)‪(11.66) (0.29‬‬ ‫)‪( 0.15‬‬ ‫)‪(0.05‬‬
‫‪R  0.702‬‬
‫‪2‬‬
‫‪n  14‬‬
‫اﻟﻘﻴﻢ اﻟﱵ ﺑﲔ ﻗﻮﺳﲔ ﻫﻲ ﻗﻴﻢ اﻷﺧﻄﺎء اﳌﻌﻴﺎرﻳﺔ‪.‬‬
‫اﳋﻄﻮات ﻫﻲ ﻛﺎﻟﺘﺎﱄ ‪:‬‬
‫اﳋﻄﻮة اﻷوﱃ ‪ :‬ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج ﻋﻠﻰ ﻋﻴﻨﺘﲔ ﺟﺰﺋﻴﺘﲔ وﺣﺴﺎب ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ‬
‫اﻟﻔﱰة اﳉﺰﺋﻴﺔ اﻷوﱃ ‪:‬‬
‫‪Yî  25.27  0.774 X i1  0.293 X i 2  0.012 X i 3‬‬
‫)‪(0.53‬‬ ‫)‪(0.31‬‬ ‫)‪(0.10‬‬
‫‪R  0.692‬‬
‫‪2‬‬
‫‪n1  7‬‬
‫‪TSS 1  88.85 ; ESS 1  61.54 ; RSS 1  27.31‬‬
‫اﻟﻔﱰة اﳉﺰﺋﻴﺔ اﻟﺜﺎﻧﻴﺔ ‪:‬‬
‫‪Yî  62.63  1.228 X i1  0.62 X i 2  0.184 X i 3‬‬
‫)‪(0.69‬‬ ‫)‪(0.52‬‬ ‫)‪(0.15‬‬
‫‪R 2  0.543‬‬
‫‪n2  7‬‬
‫‪TSS 2  45.43 ; ESS 2  24.70 ; RSS 2  20.73‬‬
‫اﳋﻄﻮة اﻟﺜﺎﻧﻴﺔ ‪ :‬ﺣﺴﺎب إﺣﺼﺎﺋﻴﺔ ﻓﻴﺸﺮ‬
‫‪‬‬
‫‪RSS  RSS 1  RSS 2  k  1  67.45  27.31  20.73 4  4.852‬‬
‫‪Fc‬‬
‫‪RSS 1  RSS 2  n  2k  1‬‬ ‫‪27.31  20.73 6‬‬ ‫‪8.00‬‬
‫‪ 0.60  F0.05 (4,6)  4.53‬‬
‫ﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ ‪ ، H 0‬ﳝﻜﻦ اﻟﻘﻮل أن ﻣﻌﺎﻣﻼت اﻟﻨﻤﻮذج ﻣﺴﺘﻘﺮة ﻣﻌﻨﻮ ﻋﻠﻰ ﻛﺎﻣﻞ اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ ﺑﻨﺴﺒﺔ ﳐﺎﻃﺮة‬
‫‪.%5‬‬
‫‪ .6‬اﺳﺘﺨﺪام اﳌﺘﻐﲑات اﻟﺼﻮرﻳﺔ‬
‫ﰲ ﻛﺜﲑ ﻣﻦ اﻷﺣﻴﺎن‪ ،‬ﻧﻌﺘﻘﺪ ﺑﻮﺟﻮد ﻣﺘﻐﲑات ﻣﻌﻴﻨﺔ ذات أﳘﻴﺔ ﻋﻈﻤﻰ وﻟﻜﻦ ﻣﻦ ﻃﺒﻴﻌﺔ ﻧﻮﻋﻴﺔ ﻻ ﺧﺬ إﻻ‬
‫اﻟﻘﻴﻤﺘﲔ ‪ 0‬أو ‪ .1‬ﻧﺴﺘﻌﻤﻞ ﻫﺬا اﻟﻨﻮع ﻣﻦ اﳌﺘﻐﲑات ﻋﻨﺪﻣﺎ ﻧﺮﻳﺪ دﻣﺞ ﻋﺎﻣﻞ ﻣﺴﺘﻘﻞ ﺛﻨﺎﺋﻲ‪" :‬اﻟﻈﺎﻫﺮة ﺣﺪﺛﺖ أو ﱂ‬
‫ﲢﺪث" أو أﻳﻀﺎ ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﻟﻌﺎﻣﻞ اﳌﺴﺘﻘﻞ ذا ﻃﺎﺑﻊ ﻧﻮﻋﻲ‪" :‬ذﻛﺮ أو أﻧﺜﻰ"‪...‬‬
‫اﻟﻈﺎﻫﺮة ﲢﺪث‪:‬‬
‫‪Yi   0  1 X i1   2 X i 2  ...   k X ik   i‬‬
‫اﻟﻈﺎﻫﺮة ﻻ ﲢﺪث‪:‬‬
‫‪Yi   0  1 X i1   2 X i 2  ...   k X ik   i‬‬
‫ﳝﻜﻦ ﻛﺘﺎﺑﺔ ﻫﺎﺗﲔ اﳌﻌﺎدﻟﺘﲔ ﰲ ﻣﻌﺎدﻟﺔ واﺣﺪة‪:‬‬
‫‪Yi   0  ( 0   0 ) Di  1 X i1   2 X i 2  ...   k X ik   i‬‬
‫ﻣﻊ ‪ Di  1‬ﻋﻨﺪﻣﺎ ﻻ ﲢﺪث اﻟﻈﺎﻫﺮة‬
‫و ‪ Di  0‬ﻋﻨﺪﻣﺎ ﲢﺪث اﻟﻈﺎﻫﺮة‪.‬‬
‫ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ ﻧﻘﻮم دﻣﺎج ﻣﺘﻐﲑ ﻣﻔﺴﺮ إﺿﺎﰲ ﻟﻠﻨﻤﻮذج اﶈﺪد اﻷﺻﻠﻲ و ﺗﻄﺒﻴﻖ اﻟﻄﺮق اﻟﻜﻼﺳﻴﻜﻴﺔ ﻟﻠﺘﻘﺪﻳﺮ‬
‫وﻳﻄﻠﻖ ﻋﻠﻰ اﳌﺘﻐﲑ ‪ Di‬اﻟﺬي ﻳﻈﻬﺮ ﰲ اﳌﻌﺎدﻟﺔ اﳌﺘﻐﲑ اﻟﺼﻮري ‪ ،Dummy variable‬وﻫﻮ ﻛﻤﺎ ذﻛﺮ ﺧﺬ ﻗﻴﻤﺔ‬
‫اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ إذا ﲢﻘﻘﺖ ﺑﻌﺾ اﻟﺸﺮوط و ﻗﻴﻤﺔ اﻟﺼﻔﺮ إذا ﱂ ﺗﺘﺤﻘﻖ وﻋﻠﻴﻪ ﻓﺈن اﺳﺘﺨﺪام اﳌﺘﻐﲑات اﻟﺼﻮرﻳﺔ‬
‫ﺗﻌﻤﻴﻢ ﻗﻮي ﻟﺘﺤﻠﻴﻞ اﻻﳓﺪار‪ ،‬ﻓﺈﻧﻪ ﻳﺴﻤﺢ ﻟﻨﺎ ﺗﻌﻤﻴﻢ ﳎﺎل ﲢﻠﻴﻠﻨﺎ ﻟﻼﳓﺪار ﻟﻴﺸﻤﻞ ﻣﺘﻐﲑات ﻣﻬﻤﺔ ﻻ ﳝﻜﻨﻨﺎ وﺻﻔﻬﺎ‬
‫ﰲ وﺣﺪات ﻛﻤﻴﺔ‪ .‬ﻓﺒﺎﺳﺘﺨﺪام ﻫﺬا اﻟﻨﻮع ﻣﻦ اﳌﺘﻐﲑات ﳝﻜﻦ اﻷﺧﺬ ﰲ اﳊﺴﺒﺎن ﺛﲑ اﻟﻌﻮاﻣﻞ اﻟﻨﻮﻋﻴﺔ اﳌﻬﻤﺔ اﻟﱵ‬
‫ﺗﺆﺛﺮ ﻋﻠﻰ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ‪.‬‬
‫ﻣﺜﺎل ‪:5‬‬
‫ﺳﻨﺄﺧﺬ ﻣﺜﺎﻻ ﻳﺘﻀﻤﻦ ﻧﻮﻋﺎ ﻣﻦ اﳌﺸﺎﻛﻞ ﻳﺘﻤﺜﻞ ﰲ اﻟﺘﻘﻠﺒﺎت اﻟﻨﺎﲡﺔ ﻋﻦ ﺛﲑ ﺣﺮب اﳋﻠﻴﺞ‪ .‬ﺑﻌﺪ ﻣﺎ ﻛﺪ ﻣﻦ‬
‫أﳘﻴﺔ اﻟﻘﻴﻤﺔ اﳌﻀﺎﻓﺔ ﻟﻠﻘﻄﺎع اﻟﺴﻴﺎﺣﻲ ‪ X t1‬و ﻋﺪد اﻟﺴﻜﺎن ‪ ، X t 2‬ﻧﺘﺴﺄل ﻣﺎ إذا ﻛﺎن ﳊﺮب اﳋﻠﻴﺞ اﻟﺜﺎﻧﻴﺔ ﺛﲑ‬
‫ﻋﻠﻰ اﻹﻧﺘﺎج اﻟﺴﻴﺎﺣﻲ ‪ . Yt‬اﻟﻄﺮﻳﻘﺔ إذن ﻫﻲ إدﺧﺎل ﻣﺘﻐﲑ ﺻﻮري ﺑﻘﻴﻤﺔ اﻟﻮاﺣﺪ إذا ﻛﻨﺎ ﰲ ﺣﺎﻟﺔ اﳊﺮب أو ﻗﻴﻤﺔ‬
‫اﻟﺼﻔﺮ ﰲ ﺣﺎﻟﺔ اﻟﺴﻠﻢ‪ ،‬ﺣﻴﺚ‪:‬‬
‫‪ Di  0‬إذا ﻛﺎﻧﺖ ﻋﺪد اﳌﺸﺎﻫﺪات ﻳﱰاوح ﺑﲔ ‪ 1975‬إﱃ ﻏﺎﻳﺔ ‪ 1990‬و أﻳﻀﺎ ‪.1992‬‬
‫‪ Di  1‬ﰲ ﺳﻨﺔ ‪.1991‬‬
‫اﻟﻨﻤﻮذج اﳌﻘﺪر ﻳﻜﻮن ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬
‫‪Yˆt  2.340.4  23.5 X t1  0.3 X t 2  120.56 Di‬‬
‫)‪(4.5‬‬ ‫)‪(2.2‬‬ ‫)‪(2.9‬‬ ‫)‪(5.8‬‬

‫‪n  18‬‬
‫‪R 2  0.65‬‬
‫ﺣﻴﺚ )‪ : (.‬ﻗﻴﻢ ﺳﺘﻴﻮدﻧﺖ‪.‬‬
‫ﻧﻼﺣﻆ أن ‪ t c  5.8  t 0.025  2.14‬و ﻋﻠﻴﻪ ﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ اﻟﺒﺪﻳﻠﺔ ‪ H 1‬أي أن ﻣﻌﺎﻣﻞ اﳌﺘﻐﲑ اﻟﺼﻮري ﳜﺘﻠﻒ‬
‫ﻣﻌﻨﻮ ﻋﻦ اﻟﺼﻔﺮ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪   5%‬وﻫﺬا ﻳﻌﲏ أن اﻹﻧﺘﺎج اﻟﺴﻴﺎﺣﻲ ﰲ ﺳﻨﺔ ‪ 1991‬ﻣﻨﺨﻔﺾ ﺟﺪا‬
‫)‪ (120.56‬و ﻫﺬا اﻻﳔﻔﺎض ﺗﺞ ﻋﻦ أﺛﺮ ﺣﺮب اﳋﻠﻴﺞ‪.‬‬
‫‪ .7‬اﻟﺘﻨﺒﺆ اﻟﻌﻠﻤﻲ ﺳﺘﻌﻤﺎل اﻻﳓﺪار اﳋﻄﻲ اﳌﺘﻌﺪد‬

‫ﻧﺘﻄﺮق ﰲ ﻫﺬﻩ اﻟﻔﻘﺮة إﱃ ﻗﻀﻴﺔ اﻟﺘﻨﺒﺆ ﳌﻼﺣﻈﺎت اﳌﺴﺘﻘﺒﻠﻴﺔ‪) ،‬أو ﺧﺎرج اﻟﻌﻴﻨﺔ( ﻟﺸﻌﺎع اﳌﻼﺣﻈﺎت اﳋﺎﺻﺔ‬
‫ﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ‪ ، Yt : t  1,2,...,T‬وذﻟﻚ ﲟﻌﺮﻓﺘﻨﺎ ﳌﺼﻔﻮﻓﺔ اﳌﻼﺣﻈﺎت اﳌﺴﺘﻘﺒﻠﻴﺔ ﻟﻠﻤﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ‪ ،‬ﻓﻠﻴﻜﻦ‬
‫اﻟﻨﻤﻮذج اﳋﻄﻲ اﻟﻌﺎم ﺧﻼل اﻟﻌﻴﻨﺔ ‪ T‬واﳌﻘﺪر ﻋﻠﻰ اﻟﺸﻜﻞ‪Yˆ  X̂ :‬‬
‫وﻣﻘﺪر اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ‪ ، ̂  ( X X ) 1 X Y  AY‬وﻳﻜﻮن اﳌﻘﺪر ﲟﻼﺣﻈﺔ واﺣﺪة ﰲ اﳌﺴﺘﻘﺒﻞ ﻫﻮ‪:‬‬
‫‪YˆT (1)  ˆ0  ˆ1 X T 1,1  ˆ2 X T 1, 2  ˆ3 X T 1,3  ...........  ˆk X T 1,k‬‬
‫اﻟﺘﻨﺒﺆ ﺑﻌﺪ ﻓﱰﺗﲔ ﰲ اﳌﺴﺘﻘﺒﻞ‪:‬‬
‫‪YˆT (2)  ˆ0  ˆ1 X T  2,1  ˆ2 X T  2, 2  ˆ3 X T  2,3  ...........  ˆk X T  2,k‬‬
‫ﰲ اﳌﺴﺘﻘﺒﻞ‪:‬‬ ‫‪h‬‬ ‫اﻟﺘﻨﺒﺆ ﺑﻌﺪ اﻟﻔﱰة‬
‫‪YˆT (h)  ˆ0  ˆ1 X T  h ,1  ˆ2 X T  h , 2  ˆ3 X T  h ,3  ...........  ˆk X T  h ,k‬‬
‫ﺣﻴﺚ ‪ h  1,2,...., H‬ﻳﺴﻤﻰ ﻓﻖ اﻟﺘﻨﺒﺆ‪.‬‬
‫وﻋﻠﻴﻪ ﻧﺼﻞ إﱃ اﻟﺘﻨﺒﺆ ﻟﻔﱰة ‪ H‬ﰲ اﳌﺴﺘﻘﺒﻞ ‪:‬‬
‫‪YˆT ( H )  ˆ0  ˆ1 X T  H ,1  ˆ2 X T  H , 2  ˆ3 X T  H ,3  ...........  ˆk X T  H ,k‬‬
‫إذن إذا أرد اﻟﺘﻨﺒﺆ ﲟﺠﻤﻮﻋﺔ ﻣﻦ اﳌﻼﺣﻈﺎت اﳌﺴﺘﻘﺒﻠﻴﺔ ﺑﻔﱰة ﺗﺴﺎوي ‪ H‬ﻣﻼﺣﻈﺔ ﻣﺮة واﺣﺪة ﻳﻜﻮن ﺷﻌﺎع اﻟﻘﻴﻢ‬
‫اﻟﺘﻘﺪﻳﺮﻳﺔ‪:‬‬
‫‪ YˆT (1) ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ YˆT (2) ‬‬
‫‪YˆT (H)   ‬‬
‫‪  ‬‬
‫‪ˆ ‬‬
‫‪YT (H)‬‬
‫‪H1‬‬
‫أﻣﺎ ﻣﺼﻔﻮﻓﺔ ﻣﻼﺣﻈﺔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ اﳌﺴﺘﻘﺒﻠﻴﺔ ﻓﻬﻲ‪:‬‬
‫‪1 X T 1,1‬‬ ‫‪X T 1, 2‬‬ ‫‪‬‬ ‫‪X T 1,k ‬‬
‫‪‬‬ ‫‪‬‬
‫‪1 X T  2,1‬‬ ‫‪X T  2, 2‬‬ ‫‪ X T  2,k ‬‬
‫‪X T H‬‬ ‫‪  ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪ X‬‬ ‫‪ X T  H ,k ‬‬
‫‪1 T  H ,1‬‬ ‫‪X T  H ,2‬‬
‫‪H  (k  1) ‬‬
‫‪ ، YT  H‬ﻛﻤﺎ ﻳﻜﻮن اﻟﻨﻤﻮذج‬ ‫وﻣﻨﻪ ﳝﻜﻦ ﻛﺘﺎﺑﺔ اﻟﻨﻤﻮذج اﳋﻄﻲ اﻟﻌﺎم اﳌﺘﻨﺒﺄ ﺑﻪ ﻋﻠﻰ اﻟﺸﻜﻞ‪ X T  H    T  H :‬‬
‫اﳌﻘﺪر ﻣﻦ اﻟﺸﻜﻞ‪ ، YˆT ( H )  X T  H ̂ :‬وﻳﻜﻮن ﻣﺘﻮﺳﻂ ﻣﻘﺪر اﻟﺘﻨﺒﺆ ﻫﻮ‪:‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬

‫‪E YˆT ( H )  X T  H E ̂  X T  H   E YT  H ‬‬
‫ﻫﻮ ﺗﻨﺒﺆ ﺧﻄﻲ ﻏﲑ ﻣﺘﺤﻴﺰ ﻟﻠﻌﺒﺎرة‪:‬‬ ‫) ‪YˆT ( H‬‬ ‫وﻣﻨﻪ ﻧﻘﻮل أن‬
‫‪X T  H   E YT  H ‬‬
‫ﻟﻴﻜﻮن اﻟﺘﺒﺎﻳﻦ ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬
‫‪var YˆT ( H )   YˆT ( H )  X T  H  YˆT ( H )  X T  H  ‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪   X T  H  X X  X T  H‬‬
‫‪2‬‬ ‫‪1‬‬
‫ﻟﻨﻌﺮف ﺷﻌﺎع أﺧﻄﺎء اﻟﺘﻨﺒﺆ‪:‬‬

‫) ‪ˆT  H  YT  H  YˆT ( H‬‬
‫‪‬‬
‫‪E ˆT  H   E YT  H  YˆT ( H )  0‬‬ ‫‪‬‬
‫أﻣﺎ ﺗﺒﺎﻳﻦ ﺷﻌﺎع أﺧﻄﺎء اﻟﺘﻨﺒﺆ ﻓﻬﻮ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪varˆT  H   var YT  H  YˆT ( H )  E   X T  H ˆ     T  H  X T  H ˆ     T  H‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪‬‬ ‫‪‬‬
‫‪varˆT  H     X T  H  X X  X T  H    I H‬‬ ‫ﻟﻨﺠﺪ ﰲ اﻷﺧﲑ‪:‬‬
‫‪2‬‬ ‫‪1‬‬ ‫‪2‬‬
‫~‬
‫) ‪YT ( H‬‬ ‫وﻳﻜﻮن ﻫﺬا اﻟﺘﻨﺒﺆ ﻫﻮ أﺣﺴﻦ ﺗﻨﺒﺆ ﺧﻄﻲ ﻏﲑ ﻣﺘﺤﻴﺰ )‪ (BLUP‬ﳝﻜﻦ اﳊﺼﻮل ﻋﻠﻴﻪ‪ ،‬ﺣﻴﺚ إذا ﻋﺮﻓﻨﺎ‬
‫ﻣﺴﺎو‬ ‫ﺗﻨﺒﺆ آﺧﺮ ﺧﻄﻲ ﻟﻌﻴﻨﺔ ﻣﻼﺣﻈﺎت اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ﻣﻊ ﻣﺘﻮﺳﻂ ﺧﻄﺎ اﻟﺘﻨﺒﺆ‬
‫ﻟﻠﺼﻔﺮ ‪ E ~T  H   E YT  H  Y~T ( H )  0‬ﺗﻜﻮن ﻟﺪﻳﻨﺎ اﳌﱰاﺟﺤﺔ‪:‬‬
‫‪‬‬ ‫~‬
‫‪‬‬ ‫‪‬‬
‫‪var YT  H  YT ( H )  var YT  H  YˆT ( H )  0‬‬ ‫‪‬‬
‫‪ Yˆ ( H )  X‬ﻫﻮ أﺣﺴﻦ ﺗﻨﺒﺆ ﺧﻄﻲ ﻏﲑ ﻣﺘﺤﻴﺰ‪.‬‬
‫وﻣﻨﻪ ﳝﻜﻦ اﻟﻘﻮل أن‬ ‫‪T‬‬ ‫‪T H‬‬ ‫̂‪‬‬
‫وﺗﻜﻮن اﺧﺘﺒﺎرات اﻟﺘﻨﺒﺆ ﻋﻦ ﻃﺮﻳﻖ إﳚﺎد اﻟﺘﻮزﻳﻊ اﻟﺬي ﻳﻌﺘﱪ ﻓﺮﺿﻴﺔ اﻟﻌﺪم‪ ،‬واﻟﻘﺎﺋﻠﺔ ن اﻟﻨﻤﻮذج اﳋﻄﻲ اﻟﻌﺎم‬
‫ﻳﺒﻘﻰ ﳏﺎﻓﻈﺎ ﻋﻠﻰ ﺷﻜﻠﻪ ﻣﻦ اﳌﻼﺣﻈﺔ اﻷوﱃ إﱃ اﳌﻼﺣﻈﺔ ‪ T  H‬ﰲ اﳌﺴﺘﻘﺒﻞ‪ ،‬أي ﻧﻔﱰض ﻋﺪم ﺗﻐﲑ اﻟﺒﻨﺎء‬
‫اﳍﻴﻜﻠﻲ ﻟﻠﻨﻤﻮذج‪،‬‬
‫‪H 0 : Yˆ  Xˆ t  1,2,3,......T , T  1,..., T  h,...., T  H‬‬
‫وذﻟﻚ ﺿﺪ اﻟﻔﺮﺿﻴﺔ اﻟﺒﺪﻳﻠﺔ‪ ،‬واﻟﱵ ﺗﻘﻮل أن ﳕﻮذج اﻟﻌﻴﻨﺔ اﻷوﱃ ‪ T‬ﳜﺘﻠﻒ ﻋﻦ ﳕﻮذج اﻟﺘﻨﺒﺆ ﻟﻠﻔﱰة ‪.H‬‬
‫‪F‬‬
‫‪Y‬‬ ‫‪T H‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪YˆT (H) XTH  XX  XT H  IH YTH YˆT (H) H‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪FH,Tk1‬‬
‫‪ˆ2‬‬
‫ﻳﺼﺒﺢ اﻟﺘﻮزﻳﻊ أﻋﻼﻩ ﻋﻠﻰ اﻟﺸﻜﻞ‪:‬‬ ‫‪H 1‬‬ ‫وإذا ﻛﺎن‬
‫‪F‬‬
‫‪Y‬‬ ‫‪T 1‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫)‪ YˆT (1) X T 1  X X  X T 1  1 YT 1  YˆT (1‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪‬‬ ‫‪F1,T k1‬‬
‫‪ˆ 2‬‬
‫ﻣﺜﺎل ‪:6‬‬
‫ﻧﺴﺘﻌﻤﻞ داﺋﻤﺎ ﻣﻌﻄﻴﺎت اﳌﺜﺎل اﻷول ﻟﻠﺘﻨﺒﺆ ﳌﺘﻐﲑ ‪ Y‬ﻟﻠﻔﱰة ‪ 11‬ﰒ ﺑﻨﺎء ﻓﱰات ﺛﻘﺔ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪.%5‬‬
‫‪Y‬‬ ‫إذا ﻋﻠﻤﻨﺎ أن اﻟﻘﻴﻤﺔ اﳌﺴﺘﻘﺒﻠﻴﺔ ﻟﻜﻞ ﻣﻦ ‪ X 1‬و ‪ X 2‬ﳘﺎ ﻋﻠﻰ اﻟﱰﺗﻴﺐ ‪ 18‬و ‪ 16‬ﻓﺈﻧﻪ ﳝﻜﻦ اﻟﺘﻨﺒﺆ ﻟﻈﺎﻫﺮة‬
‫اﻧﻄﻼﻗﺎ ﻣﻦ اﻟﻨﻤﻮذج اﳌﻘﺪر‪:‬‬
‫‪Yˆ11  Yˆ10 (1)  1.0996  0.9776 X 11,1  0.1237 X 11, 2‬‬
‫‪ 1.0996  0.9776  18  0.1237  16  20.6756‬‬
‫ﻹﳚﺎد ﳎﺎل اﻟﺜﻘﺔ ﻟﻠﺘﻨﺒﺆ‪ ،‬ﻓﻼ ﺑﺪ ﻣﻦ ﺣﺴﺎب اﻻﳓﺮاف اﳌﻌﻴﺎري ﳋﻄﺄ اﻟﺘﻨﺒﺆ‪ .‬ﻟﺪﻳﻨﺎ‪:‬‬
‫‪ ˆ 2 X T'  H  X X  X T  H  I H ‬‬
‫‪1‬‬
‫ˆ‪ˆ 2‬‬
‫‪T H‬‬
‫‪‬‬ ‫‪ 1.1725 0.0852 - 0.1921  1  ‬‬

‫‪‬‬ ‫‪‬‬ ‫‪  ‬‬
‫‪ (0.2593)   1 18 16  0.0852 0.0284 - 0.0362 18   1‬‬
‫‪‬‬ ‫‪ - 0.1921 - 0.0362 0.0547 16  ‬‬
‫‪‬‬ ‫‪‬‬ ‫‪  ‬‬
‫ˆ‪ˆ 2‬‬‫‪T 1‬‬
‫‪ 0.2593(0.4461  1)  0.3749‬‬ ‫و ﻣﻨﻪ ﺗﺒﺎﻳﻦ ﺧﻄﺄ اﻟﺘﻨﺒﺆ‪:‬‬
‫ˆ‪ˆ ‬‬
‫‪T 1‬‬
‫‪ 0.6123‬‬ ‫ﻧﺴﺘﻨﺘﺞ اﻻﳓﺮاف اﳌﻌﻴﺎري ﳋﻄﺄ اﻟﺘﻨﺒﺆ‪:‬‬
‫إذن ﳎﺎل اﻟﺜﻘﺔ ﻳﻜﻮن ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪‬‬
‫‪YT 1  YˆT (1)  t 0.025ˆ ˆT 1 , YˆT (1)  t 0.025ˆ ˆT 1‬‬ ‫‪‬‬
‫ﻟﺘﻄﺒﻴﻖ اﻟﻌﺪدي‪:‬‬
‫‪Y11  20.6756  2.365  0.6123 , 20.6756  2.365  0.6123‬‬
‫‪Y11  19.2275 , 22.1236‬‬
‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‪ :‬ﻣﺸﺎﻛﻞ اﻟﻘﯿﺎس اﻻﻗﺘﺼﺎدي ‪ - :‬اﺧﺘﺮاق ﻓﺮﺿﯿﺎت اﻟﻨﻤﻮذج ‪49 .........................................................................-‬‬
‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ ‪:‬‬

‫ﻣﺸﺎﻛﻞ اﻟﻘﻴﺎس اﻻﻗﺘﺼﺎدي‪ -:‬اﺧﱰاق ﻓﺮﺿﻴﺎت اﻟﻨﻤﻮذج ‪-‬‬
‫ﻳُﻐﻄﻲ ﻫﺬا اﻟﻔﺼﻞ ﺛﻼﺛﺔ ﻣﺸﺎﻛﻞ ﻗﻴﺎﺳﻴﺔ ﺗﻮاﺟﻪ اﻟﺒﺎﺣﺚ‪ ،‬ﺗﺘﻌﻠﻖ ﻛﻞ ﻣﻨﻬﺎ ﺳﻘﺎط إﺣﺪى اﻟﻔﺮﺿﻴﺎت‬
‫اﻟﻜﻼﺳﻴﻜﻴﺔ ﻟﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﳌﺬﻛﻮرة آﻧﻔﺎ وﺗﺘﻤﺜﻞ ﻫﺬﻩ اﳌﺸﺎﻛﻞ ﰲ‪:‬‬
‫‪ .1‬اﻟﺘﻌﺪد اﳋﻄﻲ‪.‬‬
‫‪ .2‬اﻻرﺗﺒﺎط اﻟﺬاﰐ ﻟﻸﺧﻄﺎء‪.‬‬
‫‪ .3‬ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﳋﻄﺄ‪.‬‬
‫‪:Multicollinearity‬‬ ‫‪ .1‬اﻟﺘﻌﺪد )اﻻزدواج( اﳋﻄﻲ‬

‫إﺣﺪى ﻓﺮﺿﻴﺎت اﻟﻨﻤﻮذج اﻟﻜﻼﺳﻴﻜﻲ ﻟﻼﳓﺪار اﳌﺘﻌﺪد ﻫﻲ أن ﳌﺼﻔﻮﻓﺔ اﳌﺸﺎﻫﺪات ﻋﻦ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ رﺗﺒﺔ‬
‫ﻣﺔ ‪ ،k‬ﻫﺬﻩ اﻟﻔﺮﺿﻴﺔ ﲰﺤﺖ ﻟﻨﺎ ﺳﺘﻨﺘﺎج ﻣﻘﺪر ̂‪ ‬ﻟـ ‪ ، ‬ﺧﻄﻲ وﻏﲑ ﻣﺘﺤﻴﺰ وذي ﺗﺸﺘﺖ أﺻﻐﺮ‪ ،‬وذﻟﻚ اﻧﻄﻼﻗﺎ‬
‫ﻣﻦ اﳌﻌﺎدﻟﺔ ‪ .  X X ̂  X Y‬ﻓﺈذا رﻓﻌﺖ ﻫﺬﻩ اﻟﻔﺮﺿﻴﺔ‪ ،‬ﻓﺈن ‪  X X ‬ﻟﻦ ﺗﻜﻮن ذات رﺗﺒﺔ ﻣﺔ‪ ،‬أي ﺗﻜﻮن أﻗﻞ‬
‫ﻣﻦ رﺗﺒﺔ ‪)  X ‬أو ‪ (  X ‬أي أﻗﻞ ﻣﻦ ‪ .k‬وﻣﻊ أن ‪  X X ‬ﻫﻲ ﻣﺼﻔﻮﻓﺔ ذات ﺣﺠﻢ ) ‪ ( k  k‬ﻟﺘﺎﱄ ﺗﻜﻮن ﻣﺼﻔﻮﻓﺔ‬
‫ﺷﺎذة )ﳏﺪدﻫﺎ ﻣﻌﺪوم(‪ ،‬وﻣﻨﻪ ﻓﺈن ‪  X X 1‬ﺗﻜﻮن ﻏﲑ ﻣﻮﺟﻮدة و ﻟﺘﺎﱄ اﳌﻌﺎدﻟﺔ ‪  X X ̂  X Y‬ﻻ ﺗﻘﺒﻞ إذن ﺣﻼ‬
‫وﺣﻴﺪا )ﻋﺪد ﻻ ﺎﺋﻲ ﻣﻦ اﳊﻠﻮل (‪ .‬ﻳﻀﻊ اﻟﻨﻤﻮذج اﻟﻜﻼﺳﻴﻜﻲ ﻟﻼﳓﺪار اﳌﺘﻌﺪد ‪ Y  X  ‬اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ‬
‫‪ Yi : i  1....n‬ﰲ ﻋﻼﻗﺔ ﺧﻄﻴﺔ ﻣﻊ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ‪ ، X i1 , X i 2 ,...... X ik : i  1....n‬وﻛﺬﻟﻚ ﻣﻊ اﻷﺧﻄﺎء‬
‫اﻟﻌﺸﻮاﺋﻴﺔ ‪ ،  i : i  1....n‬ﻓﺈذا ﻛﺎﻧﺖ ﻹﺿﺎﻓﺔ إﱃ ذﻟﻚ رﺗﺒﺔ ‪ X‬أﻗﻞ ﻣﻦ أو ﺗﺴﺎوي ‪ k‬ﻓﺈن ﻫﺬا ﻳﱰﺟﻢ رﺗﺒﺎط‬
‫ﺧﻄﻲ ﺑﲔ أﻋﻤﺪة اﳌﺼﻔﻮﻓﺔ ‪.X‬‬
‫ِ‬
‫اﳌﻔﺴﺮة‪ ،‬وﻣﻦ ﰎ ﻓﺈن‬
‫وﺑﻌﺒﺎرة أﺧﺮى ﻳﺸﲑ ﻣﺸﻜﻞ اﻟﺘﻌﺪد اﳋﻄﻲ إﱃ وﺟﻮد ارﺗﺒﺎط ﺧﻄﻲ ﺑﲔ ﻋﺪد ﻣﻦ اﳌﺘﻐﲑات ّ‬
‫ﻫﺬا اﳌﺸﻜﻞ ﻻ ﻳﻮﺟﺪ ﰲ ﺣﺎﻟﺔ اﻻﳓﺪار اﻟﺒﺴﻴﻂ‪ .1‬ﻧﺴﻤﻲ ‪ Xj‬اﻟﻌﻤﻮد رﻗﻢ ‪ j‬ﻟـ ‪ X‬ﺣﻴﺚ‬
‫‪. X  X 1 , X 2 ,.... X j ..... X k ‬‬
‫‪ -‬ﻗﻮﻟﻨﺎ أن رﺗﺒﺔ ‪ X‬أﻗﻞ ﻣﻦ ‪ k‬ﻳﻌﲏ أﻧﻪ ﻳﻮﺟﺪ ﺷﻌﺎع ‪ C‬ﺣﻴﺚ ‪C   C1 , C 2 ,....C j .....C k   0 :‬‬
‫‪C1 X 1  C 2 X 2  ...........  C k X k  0‬‬ ‫ﺣﻴﺚ ‪:‬‬
‫‪ -‬اﻟﻌﻼﻗﺔ اﻷﺧﲑة ﺗﻌﱪ ﻋﻦ وﺟﻮد ﻋﻼﻗﺔ ﺧﻄﻴﺔ ﺑﲔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ‪.‬‬
‫‪ 1‬ﻋﺒﺪ اﻟﻘﺎدر ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻘﺎدر ﻋﻄﯿﺔ‪ ،1990 ،‬ص ‪.410‬‬

‫‪ .1.1‬أﺳﺒﺎب اﻟﺘﻌﺪد اﳋﻄﻲ وآ رﻩ ‪:‬‬

‫ﻳﻨﺸﺄ اﻟﺘﻌﺪد اﳋﻄﻲ ﻣﻦ ﻋﺪة أﺳﺒﺎب ﻣﻨﻬﺎ ﻣﺎ ﻳﻠﻲ ‪:‬‬
‫‪ ‬اﲡﺎﻩ اﳌﺘﻐﲑات اﻻﻗﺘﺼﺎدﻳﺔ ﻣﻌﺎ ﻟﻠﺘﻐﲑ ﻣﻊ ﻣﺮور اﻟﺰﻣﻦ‪ :‬ﻓﺒﻤﺮور اﻟﺰﻣﻦ ﺳﻮف ﺗﺘﺰاﻳﺪ اﳌﺘﻐﲑات اﻻﻗﺘﺼﺎدﻳﺔ‬
‫اﻟﺘﺎﻟﻴﺔ ﻣﻌﺎ‪ :‬اﻟﺪﺧﻞ‪ ،‬اﻻﺳﺘﻬﻼك‪ ،‬اﻻدﺧﺎر‪ ،‬اﻻﺳﺘﺜﻤﺎر‪ ،‬اﳌﺴﺘﻮى اﻟﻌﺎم ﻟﻸﺳﻌﺎر واﻟﻌﻤﺎﻟﺔ‪ ،‬وﺣﻴﺚ أن ﻫﻨﺎك‬
‫ارﺗﺒﺎط ﺑﲔ ﻫﺬﻩ اﳌﺘﻐﲑات ﻓﺈن اﻟﺘﻌﺪد اﳋﻄﻲ ﺳﻮف ﻳﺘﺤﻘﻖ‪.‬‬
‫‪ ‬اﺳﺘﺨﺪام ﻣﺘﻐﲑات ﻣﺴﺘﻘﻠﺔ ذات ﻓﱰة إﺑﻄﺎء ﰲ اﳌﻌﺎدﻟﺔ اﳌﺮاد ﺗﻘﺪﻳﺮﻫﺎ‪ :‬ﻓﺎﻟﺪﺧﻞ ﰲ اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ اﳊﺎﻟﻴﺔ‬
‫ﻳﺘﺤﺪد ﺟﺰﺋﻴﺎ ﺑﻮاﺳﻄﺔ ﻗﻴﻤﺘﻪ ﰲ اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ اﻟﺴﺎﺑﻘﺔ‪ ،‬وﺣﻴﺚ أن ﻫﻨﺎك ارﺗﺒﺎط ﺑﲔ اﻟﻘﻴﻢ اﳌﺘﺘﺎﻟﻴﺔ ﳌﺘﻐﲑ ﻣﺎ‬
‫ﻓﺈن اﻟﺘﻌﺪد اﳋﻄﻲ ﺳﻮف ﻳﺘﺤﻘﻖ‪.‬‬
‫وﰲ وﺟﻮد اﻟﺘﻌﺪد اﳋﻄﻲ ﻓﺈﻧﻪ ﺳﻮف ﻳﱰﺗﺐ ﻋﻨﻪ‪:‬‬
‫‪ ‬ز دة اﻟﺘﺒﺎﻳﻦ واﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك ﻟﻠﻤﻘﺪرات ﺑﺪرﺟﺔ ﻛﺒﲑة دون اﻟﺘﺄﺛﲑ ﻋﻠﻰ اﻟﺘﻨﺒﺆات اﳌﺴﺘﻤﺪة ﻣﻦ اﻻﳓﺪار‪.2‬‬
‫‪ ‬اﻟﻘﻴﻢ اﳌﻘﺪرة ﳌﻌﺎﻣﻼت اﻻﳓﺪار ﺳﻮف ﺗﻜﻮن ﻏﲑ ﳏﺪدة وﻏﲑ دﻗﻴﻘﺔ‪.‬‬
‫‪ ‬اﻷﺧﻄﺎء اﳌﻌﻴﺎرﻳﺔ ﻟﻠﻘﻴﻢ اﳌﻘﺪرة ﳌﻌﺎﻣﻼت اﻻﳓﺪار ﺳﻮف ﺗﻜﻮن ﻛﺒﲑة ﺟﺪا‪.‬‬
‫‪ .2.1‬اﺧﺘﺒﺎرات اﻛﺘﺸﺎف اﻟﺘﻌﺪد اﳋﻄﻲ‪:‬‬

‫ﺗﻌﺘﻤﺪ درﺟﺔ اﳋﻄﻮرة ﻷﺛﺮ اﻟﺘﻌﺪد اﳋﻄﻲ ﻋﻠﻰ درﺟﺔ اﻻرﺗﺒﺎط اﳉﺰﺋﻲ‪ ،‬وﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﻜﻠﻲ )أو ﻣﻌﺎﻣﻞ‬
‫اﻟﺘﺤﺪﻳﺪ اﳌﻀﺎﻋﻒ(‪ ،‬وﻣﻨﻪ ﳝﻜﻦ اﻟﻘﻮل ن ﻛﻼ ﻣﻦ اﻷﺧﻄﺎء اﳌﻌﻴﺎرﻳﺔ وﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط اﳉﺰﺋﻴﺔ ‪ ،rxi,xj‬ﻣﻌﺎﻣﻞ‬
‫اﻟﺘﺤﺪﻳﺪ اﳌﻀﺎﻋﻒ ‪ ،R2‬ﳝﻜﻨﻬﺎ أن ﺗﺴﺘﻌﻤﻞ ﻻﺧﺘﺒﺎر اﻟﺘﻌﺪد اﳋﻄﻲ‪ ،‬ﻟﻜﻦ ﻛﻞ ﻣﻌﻴﺎر ﻣﻦ ﻫﺬﻩ اﳌﻌﺎﻳﲑ اﻟﺜﻼﺛﺔ اﳌﺬﻛﻮرة‬
‫ﻟﻴﺲ ﲟﺆﺷﺮ ﻋﻠﻰ وﺟﻮد اﻟﺘﻌﺪد اﳋﻄﻲ ﲟﻔﺮدﻩ‪ ،‬وذﻟﻚ ﻷن اﻟﻘﻴﻢ اﻟﻌﺎﻟﻴﺔ ﻟﻸﺧﻄﺎء اﳌﻌﻴﺎرﻳﺔ ﻻ ﺗﻈﻬﺮ داﺋﻤﺎ‪ ،‬ﺑﺴﺒﺐ‬
‫اﻟﺘﻌﺪد اﳋﻄﻲ‪ ،‬وإﳕﺎ ﳝﻜﻦ أن ﺗﻈﻬﺮ ﻷﺳﺒﺎب أﺧﺮى‪ ،‬ﻛﻤﺎ أن اﻻرﺗﺒﺎﻃﺎت اﻟﻌﺎﻟﻴﺔ ﻓﻴﻤﺎ ﺑﲔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﻻ ﺗﺆﺛﺮ‬
‫ﻟﻀﺮورة ﻋﻠﻰ ﻗﻴﻢ اﳌﻘﺪرات ‪ ، ̂ j‬وﻣﻨﻪ ﻟﻴﺴﺖ ﻫﺬﻩ اﻷﺧﲑة ﲟﻌﻴﺎر ﻣﻨﺎﺳﺐ ﻟﻘﻴﺎس واﻛﺘﺸﺎف اﻟﺘﻌﺪد اﳋﻄﻲ ﲟﻔﺮدﻫﺎ‪،‬‬
‫و ﳌﻘﺎﺑﻞ ﳝﻜﻦ ﻟﻘﻴﻤﺔ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳌﻀﺎﻋﻒ ‪ R 2‬أن ﺗﻜﻮن ﻋﺎﻟﻴﺔ ﳌﻘﺎرﻧﺔ ﻣﻊ ‪.rXi,Xj‬‬
‫ورﻏﻢ ذﻟﻚ‪ ،‬ﻣﻦ اﶈﺘﻤﻞ أن ﲢﺘﻮي ﻧﺘﺎﺋﺠﻨﺎ ﻋﻠﻰ إﺷﺎرات ﺧﺎﻃﺌﺔ أو ﻋﻠﻰ أﺧﻄﺎء ﻣﻌﻴﺎرﻳﺔ ﻛﺒﲑة‪ ،‬وﻣﻊ ﻛﻞ ﻫﺬا‬
‫ﳝﻜﻦ اﻟﻘﻮل ن ﺗﻮﻓﻴﻖ اﳌﻌﺎﻳﲑ اﻟﺜﻼﺛﺔ‪ ،‬أﻋﻼﻩ ﻳﺴﺎﻋﺪ ﻋﻠﻰ اﻛﺘﺸﺎف اﻟﺘﻌﺪد اﳋﻄﻲ‪.‬‬
‫‪ .1.2.1‬ﻃﺮﻳﻘﺔ اﻟﺘﺤﻠﻴﻞ اﻟﱰاﻓﺪي ﻟـ ‪: Frisch‬‬

‫ﺗﻜﻤﻦ ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ ﰲ اﳓﺪار اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ﻋﻠﻰ ﻛﻞ ﻣﺘﻐﲑ ﻣﺴﺘﻘﻞ ﻋﻠﻰ ﺣﺪا‪ ،‬وﻣﻨﻪ ﳓﺼﻞ ﻋﻠﻰ ﻛﻞ اﻻﳓﺪارات‬
‫اﻷوﻟﻴﺔ‪ ،‬ﰒ ﳔﺘﺎر اﻻﳓﺪار اﻷوﱄ اﻟﺬي ﻳﻌﻄﻲ اﻟﻨﺘﺎﺋﺞ اﻷﻛﺜﺮ ﻣﺼﺪاﻗﻴﺔ‪ ،‬ﰒ ﻧﻀﻴﻒ ﺗﺪرﳚﻴﺎ ﻣﺘﻐﲑات أﺧﺮى وﳔﺘﱪ‬
‫‪ 2‬اﻣﺘﺜﺎل ﻣﺤﻤﺪ ﺣﺴﻦ‪ ،‬ﻣﺤﻤﺪ ﻋﻠﻲ ﻣﺤﻤﺪ أﺣﻤﺪ‪ ،2000 ،،‬ص ‪.354‬‬
‫آ رﻫﺎ ﻋﻠﻰ ﻛﻞ ﻣﻦ اﳌﻌﺎﱂ اﻟﻔﺮدﻳﺔ )أﺧﻄﺎﺋﻬﺎ اﳌﻌﻴﺎرﻳﺔ‪ ،‬ﻗﻴﻤﺔ ‪ (R2‬وﻳﻜﻮن اﳌﺘﻐﲑ اﳌﻀﺎف ﻟﻼﳓﺪار ذا ﻣﻌﻨﻮﻳﺔ إذا‬
‫ﲢﻘﻘﺖ ﻓﻴﻪ اﻟﺸﺮوط اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫‪ ‬إذا َﺣ ﱠﺴﻦ اﳌﺘﻐﲑ اﳌﺴﺘﻘﻞ اﳉﺪﻳﺪ ﻣﻦ ‪ R2‬ﺑﺪون أن ﳚﻌﻞ اﳌﻌﺎﱂ اﻟﻔﺮدﻳﺔ ﻣﺮﻓﻮﺿﺔ ﺑﻄﺮﻳﻘﺔ ﺧﺎﻃﺌﺔ‪ ،‬ﳓﺘﻔﻆ ﺬا‬
‫اﳌﺘﻐﲑ وﻧﻌﺘﱪﻩ ﻛﻤﺘﻐﲑ ﻣﺴﺘﻘﻞ‪.‬‬
‫‪ ‬إذا ﱂ ُﳛَ ِّﺴﻦ اﳌﺘﻐﲑ اﳉﺪﻳﺪ ﻣﻦ اﻟﻌﻼﻗﺔ وﻳﺆﺛﺮ ﻋﻠﻰ ﻗﻴﻢ اﳌﻌﺎﱂ اﻟﻔﺮدﻳﺔ‪ ،‬ﻧﻌﺘﱪﻩ ﻣﺮﻓﻮﺿﺎ وﳓﺬﻓﻪ ﻣﻦ اﻻﳓﺪار‪.‬‬
‫‪ ‬إذا أﺛﺮ اﳌﺘﻐﲑ اﳉﺪﻳﺪ ﺑﺸﻜﻞ واﺿﺢ ﻋﻠﻰ إﺷﺎرات وﻗﻴﻢ اﳌﻌﺎﱂ اﳌﻘﺪرة‪ ،‬ﻧﻌﺘﱪﻩ ﻣﺘﻐﲑا ُﻣ َﻔ ِّﺴﺮا‪ ،‬ﻓﺈذا ﺛﺮت‬
‫اﳌﻌﺎﱂ اﻟﻔﺮدﻳﺔ ﻟﻄﺮﻳﻘﺔ اﻟﱵ ﺗﺼﺒﺢ ﻓﻴﻬﺎ ﻏﲑ ﻣﻘﺒﻮﻟﺔ ﻋﻠﻰ أﺳﺎس اﻻﻋﺘﺒﺎرات اﻟﻨﻈﺮﻳﺔ اﳌﻌﺮوﻓﺔ ﻣﺴﺒﻘﺎ‪ ،‬ﻓﺈﻧﻪ‬
‫ﳝﻜﻨﻨﺎ اﻟﻘﻮل ن ﻫﺬا ﻣﺆﺷﺮ ﻋﻠﻰ وﺟﻮد اﻟﺘﻌﺪد اﳋﻄﻲ ﺑﺸﻜﻞ ﻣﻌﻘﺪ‪ ،‬ﻳﻜﻮن ﻫﺬا اﳌﺘﻐﲑ ُﻣﻬﻤﺎ‪ ،‬ﻟﻜﻦ‬
‫ﺑﺴﺒﺐ اﻻرﺗﺒﺎﻃﺎت اﳋﻄﻴﺔ ﻣﻊ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ اﻷﺧﺮى‪ ،‬ﻳﻜﻮن أﺛﺮﻩ ﻏﲑ ﻣﻘﺪر وﻏﲑ ﻣﻌﺮوف إﺣﺼﺎﺋﻴﺎ‬
‫ﺑﻮاﺳﻄﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ‪.‬‬
‫إن اﻟﺘﺤﻠﻴﻞ اﻟﱰاﻓﺪي ﻟـ ‪ Frisch‬ﻳﻨﺺ ﻋﻠﻰ ﺗﻘﺪﻳﺮ ﻛﻞ اﻻﳓﺪارات اﳌﻤﻜﻨﺔ ﻣﺎ ﺑﲔ اﳌﺘﻐﲑات اﳌﻮﺟﻮدة ﻟﻌﻼﻗﺔ‬
‫اﳌﺪروﺳﺔ‪ ،‬آﺧﺬﻳﻦ ﻛﻞ ﻣﺘﻐﲑ‪ ،‬ﻟﱰﺗﻴﺐ‪ ،‬ﻛﻤﺘﻐﲑ ﺑﻊ واﻋﺘﺒﺎر ﻛﻞ اﻻﳓﺪارات اﳌﻤﻜﻨﺔ ﻟﻜﻞ ﻣﺘﻐﲑ ﰲ ﺑﻘﻴﺔ اﳌﺘﻐﲑات‪،‬‬
‫واﻟﱵ ﻧﺪﺧﻠﻬﺎ ﺗﺪرﳚﻴﺎ ﰲ اﻟﺘﺤﻠﻴﻞ‪ ،‬وﻣﻦ اﻟﻮاﺿﺢ أن اﻟﺘﺤﻠﻴﻞ اﻟﱰاﻓﺪي ﻳﺘﻄﻠﺐ ﻣﻨﺎ ﺣﺴﺎ ت ﻛﺜﲑة‪ ،‬وﻣﻨﻪ ﺗﻜﻮن‬
‫اﳌﻘﺎر ت ﻣﺎ ﺑﲔ اﻟﻨﺘﺎﺋﺞ ﻣﻌﻘﺪة أﻛﺜﺮ‪.‬‬
‫‪ .2.2.1‬ﻗﻴﺎس اﻟﺘﻌﺪد اﳋﻄﻲ أو ﺷﺮط اﻷﻋﺪاد ‪:Condition numbers‬‬
‫‪Yi   0  1 X i1   2 X i 2   i : i  1..........n‬‬ ‫ﻣﻦ ﺧﻼل اﻟﻨﻤﻮذج اﻟﺘﺎﱄ ‪:‬‬
‫‪‬‬
‫‪ ‬‬
‫‪Var ˆ1 ‬‬
‫‪ 2‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ X i21 1  R12‬‬
‫‪‬‬
‫‪‬‬
‫‪ ‬‬
‫‪Var ˆ 2 ‬‬
‫‪ 2‬‬ ‫ﻳﻜﻮن ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪ X i22 1  R22‬‬ ‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫‪Cov ˆ1 , ˆ 2 ‬‬ ‫‪ 2 R12‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ X i1 X i 2 1  R12‬‬
‫ﺣﻴﺚ أن ‪ R12‬ﻫﻮ ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﻣﺎ ﺑﲔ اﳌﺘﻐﲑﻳﻦ اﳌﺴﺘﻘﻠﲔ ‪ X i1‬و ‪ ، X i 2‬ﺑﻴﻨﻤﺎ ‪ R22‬ﻫﻮ ﻣﺎ ﺑﲔ‬
‫‪ ، X i1 X i 2‬وﳘﺎ ﰲ اﻷﺧﲑ ﻣﺘﺴﺎو ن‪ ،‬أﻣﺎ ﻋﻨﺪ ﺗﻮﺳﻴﻊ اﻟﻨﻤﻮذج إﱃ ‪ k‬ﻣﺘﻐﲑ ﻣﺴﺘﻘﻞ ) ‪ (k> 2‬ﻳﺼﺒﺢ ‪ R 2j‬ﻋﻠﻰ أﻧﻪ‬
‫ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﻣﺎ ﺑﲔ اﳌﺘﻐﲑ اﳌﺴﺘﻘﻞ ‪ X ij‬وﺑﻘﻴﺔ اﳌﻐﲑات اﳌﺴﺘﻘﻠﺔ اﻷﺧﺮى‪ ،‬وﻣﻨﻪ ﳝﻜﻨﻨﺎ اﺳﺘﻨﺘﺎج‬
‫ﻗﺎﻧﻮن ﻋﺎم ﻟﺘﺒﺎﻳﻦ اﳌﻘﺪرات اﻟﻔﺮدﻳﺔ ﻟﺸﻌﺎع ﻣﻌﺎﱂ اﻟﻨﻤﻮذج ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪ ‬‬
‫‪Var ˆ j ‬‬
‫‪ 2‬‬
‫‪, j  1.......k‬‬
‫‪ X 1  R ‬‬ ‫‪2‬‬
‫‪ij‬‬
‫‪2‬‬
‫‪j‬‬
‫‪  2‬ﻛﺒﲑة؛ ‪  X ij2‬ﺻﻐﲑة‪ R 2j ،‬ﻛﺒﲑة‪.‬‬ ‫وﺗﻜﻮن ﻗﻴﻤﺔ ‪ Var ̂ j ‬ﻛﺒﲑة ﻛﻠﻤﺎ ﻛﺎﻧﺖ‪:‬‬
‫ﻌﺮف ﻣﻘﻴﺎﺳﺎ ﺟﺪﻳﺪ ﻳﺴﻤﻰ " ﻣﻌﺎﻣﻞ ﺗﻀﺨﻢ اﻟﺘﺒﺎﻳﻦ")‪ ، " Variance Inflation Factor (V.I.F‬وﻣﻘﻴﺎﺳﺎ‬ ‫وﻣﻨﻪ ﻧُ ِ‬
‫ّ‬
‫آﺧﺮ ﻳﺴﻤﻰ "ﺷﺮط اﻟﻌﺪد ‪ ،"Condition number‬وﳘﺎ ﻣﻘﻴﺎﺳﺎن ﳛﺪدان درﺟﺔ اﻟﺘﻌﺪد اﳋﻄﻲ‪.‬‬
‫‪V .I .F ˆ  ‬‬ ‫‪ -‬وﻳﻌﺮف ﻣﻌﺎﻣﻞ ﺗﻀﺨﻢ اﻟﺘﺒﺎﻳﻦ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪1‬‬
‫‪1  R 2j‬‬
‫‪j‬‬
‫‪ ‬‬
‫‪Var ˆ j ‬‬
‫‪ 2‬‬
‫‪ ‬‬
‫‪ V .I .F ˆ j ,‬‬ ‫‪j  1.......k‬‬ ‫‪ -‬وﺑﻨﺎءا ﻋﻠﻰ ﻫﺬا اﻟﺘﻌﺮﻳﻒ ﻧﺴﺘﻄﻴﻊ ﻛﺘﺎﺑﺔ‪:‬‬
‫‪ X ij2‬‬
‫‪   X‬‬ ‫‪ ‬‬
‫‪2‬‬
‫‪V .I .F ˆ j ‬‬ ‫‪2‬‬

‫‪ij‬‬
‫‪ Var ˆ j‬‬ ‫‪j  1.......k‬‬ ‫أي أن ‪:‬‬
‫‪‬‬
‫اﻧﻄﻼﻗﺎ ﻣﻦ اﻻﻧﺘﻘﺎدات اﳌﻮﺟﻬﺔ ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط‪ ،‬ﻳﻜﻮن ﻣﻘﻴﺎس ‪ VIF‬ﻏﲑ ٍ‬
‫ﻛﺎف ﻟﺘﺤﺪﻳﺪ اﻟﺘﻌﺪد اﳋﻄﻲ‪ ،‬وﻣﻨﻪ‬
‫ﻧﺬﻛﺮ ﻣﻘﻴﺎس ﺷﺮط اﻷﻋﺪاد اﳌﺬﻛﻮر ﻣﻦ ﻃﺮف ‪ ، Welsch,1980‬واﻟﺬي ﻳﻘﻴﺲ ﺣﺴﺎﺳﻴﺔ ﻣﻘﺪرات اﻻﳓﺪار ﻟﻠﺘﻐﲑات‬
‫اﻟﺼﻐﲑة ﰲ اﻟﺘﺒﺎﻳﻨﺎت‪ ،‬وﻳﻌﺮف ﺷﺮط اﻷﻋﺪاد ﻋﻠﻰ أﻧﻪ اﳉﺬر اﻟﱰﺑﻴﻌﻲ ﻷﻛﱪ ﻗﻴﻤﺔ ﻣﻘﺴﻤﺔ ﻋﻠﻰ أﺻﻐﺮ ﻗﻴﻤﺔ ﻟﻠﻘﻴﻢ‬
‫‪K X  ‬‬
‫‪max‬‬ ‫اﳌﻤﻴﺰة ﻟﻠﻤﺼﻔﻮﻓﺔ ‪  X X ‬وﻫﻮ ﻋﻠﻰ اﻟﺸﻜﻞ ‪:‬‬
‫‪min‬‬
‫ﻓﻜﻠﻤﺎ ﻛﺎﻧﺖ اﻟﻘﻴﻤﺔ أﻋﻼﻩ أﻗﺮب إﱃ اﻟﻮاﺣﺪ‪ ،‬ﻛﻠﻤﺎ ﻛﺎن اﻟﺸﺮط أﻓﻀﻞ ﻟﻌﺪم ﺟﺪﻳﺔ اﻟﺘﻌﺪد اﳋﻄﻲ‪ ،‬وﻣﻊ ﻫﺬا‪،‬‬
‫ﻓﺈن اﳌﻘﻴﺎﺳﲔ اﳌﺬﻛﻮرﻳﻦ أﻋﻼﻩ ﻟﻴﺴﺎ ﻛﺎﻣﻠﲔ‪ ،‬ﺣﻴﺚ اﻟﻘﺎﻧﻮن اﳋﺎص ﺑـ ‪ VIF‬ﻳﻨﻈﺮ إﱃ اﻻرﺗﺒﺎﻃﺎت ﻣﻦ ﺧﻼل‬
‫اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﻓﻘﻂ‪ ،‬وﻫﺬا ﻟﻴﺲ ﻟﻌﺎﻣﻞ اﻟﻮﺣﻴﺪ‪ ،‬ﻛﻤﺎ أن ﺷﺮط اﻟﻌﺪد ﳝﻜﻦ أن ﻳﺘﻐﲑ ﻋﺎدة ﲢﻮﻳﻞ اﳌﺘﻐﲑات‬
‫اﳌﺴﺘﻘﻠﺔ‪ ،‬واﻟﱵ ﻟﻴﺴﺖ داﺋﻤﺔ ﺻﺤﻴﺤﺔ‪ ،‬وﻳﺼﻠﺢ اﳌﻘﻴﺎﺳﺎن ﻟﻼﺳﺘﻌﻤﺎل ﻋﻨﺪ ﺣﺬف ﺑﻌﺾ اﳌﺘﻐﲑات وﻓﺮض ﻗﻴﻮد ﻋﻠﻰ‬
‫اﳌﻌﺎﱂ ﻓﻘﻂ ﰲ اﳊﺎﻻت اﻟﱵ ﻳﻜﻮن ﻓﻴﻬﺎ ‪ ، R 2j  1‬أو ﳌﺎ ﺗﻜﻮن اﻟﻘﻴﻤﺔ اﳌﻤﻴﺰة اﻟﺼﻐﲑة ‪ min‬أﻗﺮب ﻣﻦ اﻟﺼﻔﺮ‪ .‬ﻧﻘﺪر‬
‫اﻟﻨﻤﻮذج ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ ﺗﺒﻌﺎ ﻟﺒﻌﺾ اﻟﻘﻴﻮد اﳌﻔﺮوﺿﺔ ﻋﻠﻰ ﻣﻌﺎﳌﻪ‪ ،‬وﻳﻘﱰح ‪ Theil‬ﻣﻘﻴﺎﺳﺎ أﺧﺮ ﻟﻘﻴﺎس درﺟﺔ اﻻرﺗﺒﺎط‬
‫‪‬‬ ‫‪‬‬ ‫ﻓﻴﻤﺎ ﺑﲔ اﳌﺘﻐﲑات وﻣﻨﻪ درﺟﺔ اﻟﺘﻌﺪد اﳋﻄﻲ ﻋﻠﻰ اﻟﺸﻜﻞ ‪:‬‬
‫‪k‬‬
‫‪m  R 2   R 2  R2 j‬‬
‫‪j 1‬‬
‫ﻓﻬﻮ ﻣﺮﺑﻊ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﳌﺘﻌﺪد ﻣﻦ‬ ‫‪R2 j‬‬ ‫ﺣﻴﺚ أن ‪ R2‬ﻫﻮ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳌﻀﺎﻋﻒ اﳌﻌﺮوف ﻣﻦ ﻗﺒﻞ‪ ،‬أﻣﺎ‬
‫اﳓﺪار ‪) y‬اﳌﺮﻛﺰة( ﰲ ‪ x1 , x2 ,......xk .‬ﻣﻊ ﺣﺬف ‪ ، x j‬ﻟﻜﻦ إﺣﺪى ﻋﻴﻮب ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ ﻫﻲ أن ‪ m‬ﳝﻜﻦ أن‬
‫ﺗﻜﻮن ﺳﺎﻟﺒﺔ ﳑﺎ ﳚﻌﻞ اﻟﺘﺤﻠﻴﻞ أﺻﻌﺐ‪ ،‬وﻫﻨﺎك ﻣﻦ ﻳﻘﱰح ﻃﺮﻗﺎ ﻣﻌﻴﻨﺔ ﳊﻞ ﻣﺸﻜﻠﺔ اﻟﺘﻌﺪد اﳋﻄﻲ ﻛﺈﺿﺎﻓﺔ ﺣﺪ ﺑﺖ‬
‫ﻟﺘﺒﺎﻳﻨﺎت ﻣﻘﺪرات اﳌﻌﺎﱂ ﻗﺒﻞ ﺣﻞ اﳌﻌﺎدﻻت اﻟﻄﺒﻴﻌﻴﺔ ﻟﻠﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‪.‬‬
‫‪ .3.2.1‬ﻃﺮﻳﻘﺔ ‪:Farrar-Glauber‬‬
‫ﻻﻛﺘﺸﺎف ﻇﺎﻫﺮة اﻟﺘﻌﺪد اﳋﻄﻲ ﻳﺘﺒﻊ ‪ Farrar-Glauber‬اﳋﻄﻮات اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪ ‬أوﻻ ‪ :‬ﺣﺴﺎب ﳏﺪد ﻣﺼﻔﻮﻓﺔ ﻣﻌﺎﻣﻼت اﻻرﺗﺒﺎط ﺑﲔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ‪:‬‬
‫‪1‬‬ ‫‪rX1 X 2‬‬ ‫‪rX1 X 3‬‬ ‫‪... rX1 X k‬‬
‫‪rX 2 X1‬‬ ‫‪1‬‬ ‫‪rX 2 X 3‬‬ ‫‪... rX 2 X k‬‬
‫‪D‬‬
‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪... ...‬‬
‫‪rX k X k‬‬ ‫‪rX k X 2‬‬ ‫‪rX k X 3‬‬ ‫‪...‬‬ ‫‪1‬‬
‫ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻗﻴﻤﺔ اﶈﺪد ﺗﻘﱰب ﻣﻦ اﻟﺼﻔﺮ‪ ،‬ﻓﺈن ﻫﻨﺎك دﻟﻴﻞ ﻋﻠﻰ وﺟﻮد ﺗﻌﺪد ﺧﻄﻲ‪.‬‬
‫‪ ‬ﻧﻴﺎ ‪ :‬ﻧﺴﺘﻌﻤﻞ اﺧﺘﺒﺎر ‪  2‬وذﻟﻚ ﺑﻮﺿﻊ اﻟﻔﺮﺿﻴﺎت اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫)اﺳﺘﻘﻼل ﺧﻄﻲ( ‪H 0 : D  1‬‬
‫)ارﺗﺒﺎط ﺧﻄﻲ( ‪H 1 : D  1‬‬
‫إﺣﺼﺎﺋﻴﺔ ‪) Farrar-Glauber‬اﻟﻘﻴﻤﺔ اﶈﺴﻮﺑﺔ( ﺗﻌﺮف ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪ 2 *   n  1  (2k  7). ln D‬‬
‫‪‬‬ ‫‪6‬‬ ‫‪‬‬
‫ﻫﻮ ﻋﺪد اﳌﺘﻐﲑات اﳌﻔﺴﺮة ﰲ اﻟﻨﻤﻮذج و ‪ ln‬ﻫﻮ اﻟﻠﻮﻏﺎرﻳﺘﻢ اﻟﻨﺒﲑي‪.‬‬ ‫‪k‬‬ ‫ﻫﻮ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪،‬‬ ‫‪n‬‬ ‫ﺣﻴﺚ‬
‫‪1‬‬
‫و ﻧﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪، ‬‬ ‫)‪k (k  1‬‬ ‫ﺑﺪرﺟﺔ ﺣﺮﻳﺔ‬ ‫‪2‬‬ ‫أﻛﱪ ﲤﺎﻣﺎ ﻣﻦ اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ ﻟﺘﻮزﻳﻊ‬ ‫* ‪2‬‬ ‫ﻓﺈذا ﻛﺎﻧﺖ ﻗﻴﻤﺔ‬
‫‪2‬‬
‫أي ﻫﻨﺎك ﺗﻌﺪد ﺧﻄﻲ‪.‬‬ ‫‪H1‬‬ ‫ﻧﻘﺒﻞ‬
‫ﻣﺜﺎل ‪:1‬‬
‫و أﺳﻌﺎر‬ ‫‪X i2‬‬ ‫اﳍﺪف ﻫﻮ دراﺳﺔ ﻗﻴﺎﺳﻴﺔ ﻟﻼﺳﺘﺜﻤﺎر ‪ Yi‬ﺑﺪﻻﻟﺔ ﻣﻌﺪل اﻟﻔﺎﺋﺪة ‪ ، X i1‬اﻹﻧﺘﺎج اﻟﻮﻃﲏ اﻹﲨﺎﱄ‬
‫اﻻﺳﺘﻬﻼك ‪ . X i 3‬ﻧﺮﻳﺪ اﺧﺘﺒﺎر وﺟﻮد اﻟﺘﻌﺪد اﳋﻄﻲ ﺑﲔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ‪ .‬ﻟﺘﻜﻦ اﳌﻌﻄﻴﺎت اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫اﳉﺪول )‪ :(1‬اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ‬
‫‪X i3‬‬ ‫‪X i2‬‬ ‫‪X i1‬‬ ‫‪Yi‬‬ ‫اﻟﺴﻨﺔ‬

‫‪82.54‬‬ ‫‪873.4‬‬ ‫‪5.16‬‬ ‫‪133.3‬‬ ‫‪1988‬‬
‫‪86.79‬‬ ‫‪944.0‬‬ ‫‪5.87‬‬ ‫‪149.3‬‬ ‫‪1989‬‬
‫‪91.45‬‬ ‫‪992.7‬‬ ‫‪5.95‬‬ ‫‪144.2‬‬ ‫‪1990‬‬
‫‪96.01‬‬ ‫‪1077.6‬‬ ‫‪4.88‬‬ ‫‪166.4‬‬ ‫‪1991‬‬
‫‪100.00‬‬ ‫‪1185.9‬‬ ‫‪4.50‬‬ ‫‪195.0‬‬ ‫‪1992‬‬
‫‪105.75‬‬ ‫‪1326.4‬‬ ‫‪6.44‬‬ ‫‪229.8‬‬ ‫‪1993‬‬
‫‪115.08‬‬ ‫‪1434.2‬‬ ‫‪7.83‬‬ ‫‪228.7‬‬ ‫‪1994‬‬
‫‪125.79‬‬ ‫‪1549.2‬‬ ‫‪6.25‬‬ ‫‪206.1‬‬ ‫‪1995‬‬
‫‪132.34‬‬ ‫‪1718.0‬‬ ‫‪5.50‬‬ ‫‪257.9‬‬ ‫‪1996‬‬
‫‪140.05‬‬ ‫‪1918.3‬‬ ‫‪5.46‬‬ ‫‪324.1‬‬ ‫‪1997‬‬
‫‪150.42‬‬ ‫‪2163.9‬‬ ‫‪7.46‬‬ ‫‪386.6‬‬ ‫‪1998‬‬
‫‪163.42‬‬ ‫‪2417.8‬‬ ‫‪10.28‬‬ ‫‪423.0‬‬ ‫‪1999‬‬
‫‪178.64‬‬ ‫‪2633.1‬‬ ‫‪11.77‬‬ ‫‪402.3‬‬ ‫‪2000‬‬
‫‪195.51‬‬ ‫‪2937.7‬‬ ‫‪13.42‬‬ ‫‪471.5‬‬ ‫‪2001‬‬
‫‪207.23‬‬ ‫‪3057.5‬‬ ‫‪11.02‬‬ ‫‪421.9‬‬ ‫‪2002‬‬
‫ﻻﺧﺘﺒﺎر اﻟﺘﻌﺪد اﳋﻄﻲ‪ ،‬ﻧﺴﺘﻌﻤﻞ اﺧﺘﺒﺎر ‪ Farrar-Glauber‬ﳍﺬا اﻟﻐﺮض‪ .‬ﳓﺴﺐ أوﻻ ﻣﺼﻔﻮﻓﺔ اﻻرﺗﺒﺎﻃﺎت ﺑﲔ‬
‫اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ‪: C‬‬
‫‪ 1‬‬ ‫‪0.99 0.87 ‬‬

‫‪‬‬ ‫‪‬‬
‫‪C   0.99‬‬ ‫‪1‬‬ ‫‪0.87 ‬‬
‫‪ 0.87 0.87‬‬ ‫‪1 ‬‬
‫‪‬‬
‫‪1‬‬ ‫‪0.99 0.87‬‬
‫‪D  0.99‬‬ ‫‪1‬‬ ‫‪0.87  0.0199‬‬ ‫‪:‬‬ ‫‪D‬‬ ‫ﳓﺴﺐ ﳏﺪد ﻫﺬﻩ اﳌﺼﻔﻮﻓﺔ‬
‫‪0.87 0.87‬‬ ‫‪1‬‬
‫‪Farrar-Glauber‬‬ ‫ﳓﺴﺐ إﺣﺼﺎﺋﻴﺔ‬
‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪1‬‬ ‫‪‬‬
‫‪ 2 *   n  1  (2k  7). ln D   15  1  (2(3)  7) (3.91)  46.26‬‬
‫‪‬‬ ‫‪6‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪6‬‬ ‫‪‬‬
‫‪1‬‬
‫و ﻋﻠﻴﻪ‬ ‫‪k (k  1)  6‬‬ ‫ﻧﻼﺣﻆ أن ﻫﺬﻩ اﻹﺣﺼﺎﺋﻴﺔ أﻛﱪ ﲤﺎﻣﺎ ﻣﻦ اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ ﻟﺘﻮزﻳﻊ ‪  2‬ﺑﺪرﺟﺔ ﺣﺮﻳﺔ‬
‫‪2‬‬
‫أي ﻫﻨﺎك ﺗﻌﺪد ﺧﻄﻲ أي أن اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﻣﺮﺗﺒﻄﺔ ﻓﻴﻤﺎ ﺑﻴﻨﻬﺎ‪.‬‬ ‫‪H0‬‬ ‫ﻧﺮﻓﺾ‬
‫‪ .3.1‬اﳊﻠﻮل اﳌﻘﱰﺣﺔ ﻟﻠﺘﻌﺪد اﳋﻄﻲ ‪:‬‬

‫ﻌﺘﻤﺪة ﻋﻠﻰ إﻣﻜﺎﻧﻴﺔ إﳚﺎد ﻣﺼﺎدر أﺧﺮى ﻟﻠﺒﻴﺎ ت وﻋﻠﻰ أﳘﻴﺔ‬ ‫ﻋﻨﺪ وﺟﻮد اﻟﺘﻌﺪد اﳋﻄﻲ‪ ،‬ﻓﺈن اﳊﻠﻮل ﺗﻜﻮن ﻣ ِ‬
‫ُ‬
‫اﻟﻌﻮاﻣﻞ اﻟﱵ ﺗﺴﺒﺒﺖ ﰲ ﻇﻬﻮرﻫﺎ‪ ،‬ﰒ ﻋﻠﻰ اﳍﺪف اﻟﺬي ﻣﻦ أﺟﻠﻪ ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮ اﻟﺪاﻟﺔ ﲢﺖ اﻟﺪراﺳﺔ‪ ،‬ﻓﺈذا ﱂ ﻳﺆﺛﺮ‬
‫اﻟﺘﻌﺪد اﳋﻄﻲ ﺑﺸﻜﻞ ﻓﻌﻠﻲ ﻋﻠﻰ ﻣﻘﺪرات اﻟﻨﻤﻮذج‪ ،‬ﻳﻘﱰح ﺑﻌﺾ ﺣﺜﻲ اﻟﻘﻴﺎس اﻻﻗﺘﺼﺎدي إﳘﺎل وﺟﻮدﻩ ﰲ‬
‫اﻟﻨﻤﻮذج‪ ،‬ﺣﻴﺚ ﳝﻜﻦ ﲢﺎﺷﻲ اﻟﺘﻌﺪد اﳋﻄﻲ ﺑﺘﻮﺳﻴﻊ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬ﻓﻤﺜﻼ ﳝﻜﻦ ﲢﻮﻳﻞ اﻟﺒﻴﺎ ت اﻟﺴﻨﻮﻳﺔ إﱃ ﺑﻴﺎ ت‬
‫ﻣﻮﲰﻴﺔ أو ﺷﻬﺮﻳﺔ إن أﻣﻜﻦ ذﻟﻚ‪ ،‬ﻛﻤﺎ ﳝﻜﻦ اﻟﺘﺨﻠﺺ ﻣﻦ اﻟﺘﻌﺪد اﳋﻄﻲ ﺳﻘﺎط )ﺣﺬف( اﳌﺘﻐﲑ اﳌﺴﺒﺐ ﳍﺬا‬
‫اﳌﺸﻜﻞ ﻟﻜﻦ ﻫﺬﻩ اﻟﻌﻤﻠﻴﺔ ﳝﻜﻦ أن ﲣﻠﻖ ﻣﺸﺎﻛﻞ أﺧﺮى‪ ،‬وﻫﻨﺎك ﻣﻦ ﻳﻘﱰح إدﺧﺎل ﻣﻌﻠﻮﻣﺎت إﺿﺎﻓﻴﺔ ﻟﻠﻨﻤﻮذج‪.‬‬
‫إن وﺟﻮد اﻟﺘﻌﺪد اﳋﻄﻲ ﳚﻌﻞ ﻣﻦ اﻟﺼﻌﺐ ﻓﺼﻞ آ ر اﳌﺘﻐﲑات اﳌﺨﺘﻠﻔﺔ‪ ،‬وﻣﻨﻪ ﳓﺘﺎج إﱃ ﻣﻌﻠﻮﻣﺎت ﺧﺎﺻﺔ‬
‫ﺗﺴﺎﻋﺪ ﻋﻠﻰ ﻓﺼﻞ أﺛﺮ ﻛﻞ ﻣﺘﻐﲑ ﻟﻮﺣﺪﻩ‪ ،‬وﻳﻜﻮن ذﻟﻚ ﻋﻦ ﻃﺮﻳﻖ ﻓﺮض ﻗﻴﻮد ﻋﻠﻰ ﺑﻌﺾ اﳌﻌﺎﱂ ﺑﻨﺎءا ﻋﻠﻰ‬
‫اﳌﻌﻠﻮﻣﺎت اﳌﺴﺒﻘﺔ ﻟﻠﻨﻈﺮﻳﺔ اﻻﻗﺘﺼﺎدﻳﺔ‪.‬‬
‫‪ .2‬اﻻرﺗﺒﺎط اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء‬
‫ﻣﻦ ﺑﲔ اﻻﻓﱰاﺿﺎت اﻟﻜﻼﺳﻴﻜﻴﺔ اﻟﱵ وﺿﻌﻨﺎﻫﺎ ﻣﻦ ﻗﺒﻞ ﻟﺘﻘﺪﻳﺮ ﻣﻌﺎﱂ ﳕﻮذج اﻻﳓﺪار‪ ،‬ﻫﻮ اﺳﺘﻘﻼل اﻟﻘﻴﻤﺔ‬
‫اﳌﻘﺪرة ﳊﺪ اﳋﻄﺄ ﰲ ﻓﱰة زﻣﻨﻴﺔ ﻣﻌﻴﻨﺔ ﻋﻦ اﻟﻘﻴﻤﺔ اﳌﻘﺪرة ﳊﺪ اﳋﻄﺄ ﰲ ﻓﱰة زﻣﻨﻴﺔ ﺳﺎﺑﻘﺔ ﳍﺎ‪ .‬أي ‪:‬‬
‫‪Cov i ,  j   0, i  j‬‬
‫وإذا ﰎ إﺳﻘﺎط ﻫﺬا اﻻﻓﱰاض ﻓﺈن ذﻟﻚ ﻳﺪل ﻋﻠﻰ وﺟﻮد ﻣﺎ ﻳﺴﻤﻰ ﻻرﺗﺒﺎط اﻟﺬاﰐ ﺣﻴﺚ أن ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻨﺎت‪-‬‬
‫اﻟﺘﺒﺎﻳﻨﺎت اﳌﺸﱰﻛﺔ ‪ E ( ' )     2 I‬ﻻ ﲢﺘﻮي ﻋﻠﻰ اﻟﺼﻔﺮ ﺧﺎرج اﻟﻘﻄﺮ اﻷول و ﻛﻨﺘﻴﺠﺔ ﻟﺬﻟﻚ‪:‬‬
‫‪ ˆ  E (( ˆ   )( ˆ   ) ' )  ( X X ) 1 X E ( ' ) X ( X X ) 1‬‬
‫‪ ( X X ) 1 ( X   X )( X X ) 1   2 ( X X ) 1‬‬
‫واﻟﺬي ﻳﻨﺒﻐﻲ أن ﻳﻜﻮن ﻟﺪﻳﻪ ﻧﻔﺲ‬ ‫‪‬‬ ‫ﻳﺘﻢ اﺳﺘﻌﻤﺎل ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﳌﻌﻤﻤﺔ ‪ GLS‬ﻟﺘﻘﺪﻳﺮ ﺷﻌﺎع اﳌﻌﺎﱂ‬
‫اﳋﺼﺎﺋﺺ اﻹﺣﺼﺎﺋﻴﺔ ﻷي ﻣﻘﺪر‪:‬‬
‫) ‪ˆ  ( X 1 X ) 1 ( X 1Y‬‬
‫‪ ˆ  ( X 1 X ) 1‬‬
‫ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﻔﺮﺿﻴﺎت اﻷﺳﺎﺳﻴﺔ ﻟﻠﻨﻤﻮذج ﳏﻘﻘﺔ‪ ،‬ﻓﺈن‪:‬‬
‫‪‬‬
‫‪ˆGLS  ( X 1 X ) 1 ( X 1Y )  X  2 I  X‬‬
‫‪1‬‬
‫) ‪ X  I  Y   ( X X‬‬
‫‪1‬‬
‫‪2‬‬
‫‪‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪( X Y )  ÔLS‬‬
‫ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ‪ ،‬اﳌﻘﺪر اﳌﺘﺤﺼﻞ ﻋﻠﻴﻪ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﳌﻌﻤﻤﺔ ﻫﻲ ﻧﻔﺴﻪ اﳌﻘﺪر ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت‬
‫اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ‪.‬‬
‫‪ .1.2‬أﺳﺒﺎﺑﻪ وﻃﺮق ﻛﺸﻔﻪ‬
‫ﻳﻨﺸﺄ اﻻرﺗﺒﺎط اﻟﺬاﰐ ﻣﻦ ﻋﺪة أﺳﺒﺎب ﻣﻨﻬﺎ ‪:‬‬
‫‪ ‬إﳘﺎل ﺑﻌﺾ اﳌﺘﻐﲑات اﻟﺘﻔﺴﲑﻳﺔ ﰲ اﻟﻨﻤﻮذج اﳌﺮاد ﺗﻘﺪﻳﺮﻩ‪.‬‬
‫‪ ‬اﻟﺼﻴﺎﻏﺔ اﻟﺮ ﺿﻴﺔ اﳋﺎﻃﺌﺔ ﻟﻠﻨﻤﻮذج‪.‬‬
‫‪ ‬ﻋﺪم دﻗﺔ ﺑﻴﺎ ت اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪.‬‬
‫أﻣﺎ وﺟﻮدﻩ ﻳﺆﺛﺮ ﺳﻠﺒﺎ ﻋﻠﻰ ﻧﺘﺎﺋﺞ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﻣﻦ ﺣﻴﺚ ‪:‬‬
‫‪ ‬اﻟﻘﻴﻢ اﳌﻘﺪرة ﻟﻠﻤﻌﺎﻣﻼت ﺳﻮف ﺗﻜﻮن ﻏﲑ ﻣﺘﺤﻴﺰة‪.‬‬
‫‪ ‬ﺗﺒﺎﻳﻦ اﻟﻘﻴﻢ اﳌﻘﺪرة ﳌﻌﺎﻣﻼت اﻟﻨﻤﻮذج ﺳﻮف ﻻ ﻳﻜﻮن أﻗﻞ ﻣﺎ ﳝﻜﻦ‪.‬‬
‫ﻟﺬﻟﻚ ﺗﺴﺘﻌﻤﻞ ﻋﺪة اﺧﺘﺒﺎرات ﻟﻠﻜﺸﻒ ﻋﻠﻰ ﻫﺬا اﻻﺧﺘﻼل ﻣﻨﻬﺎ ﻣﺎ ﻳﻠﻲ ‪:‬‬
‫‪ .1.1.2‬اﺧﺘﺒﺎر درﺑﲔ واﺗﺴﻮن ‪: (1950 et 1951) Durbin-Watson test‬‬
‫ﻳﻌﺘﱪ اﺧﺘﺒﺎر ‪ Durbin-Watson‬ﻣﻦ أﻫﻢ اﻻﺧﺘﺒﺎرات اﻟﺸﺎﺋﻌﺔ اﳌﺴﺘﺨﺪﻣﺔ ﰲ اﻛﺘﺸﺎف اﻻرﺗﺒﺎط اﻟﺬاﰐ ﻣﻦ‬
‫اﻟﺪرﺟﺔ اﻷوﱃ ﺣﺴﺐ اﻟﺸﻜﻞ‪:‬‬
‫) ‪ t   t 1  ut , ut ~ N (0,  u‬‬
‫‪2‬‬
‫وﻳﻬﺪف إﱃ اﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺎت اﻟﺘﺎﻟﻴﺔ ‪:‬‬

‫‪H0 :  0‬‬
‫‪H1 :   0‬‬
‫ﻻﺧﺘﺒﺎر ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪ H0‬ﳚﺐ ﺣﺴﺎب إﺣﺼﺎﺋﻴﺔ درﺑﲔ واﺗﺴﻮن ‪:DW‬‬
‫‪n‬‬
‫ˆ‪ ‬‬ ‫‪ ˆt 1 ‬‬

‫‪2‬‬
‫‪t‬‬
‫‪DW ‬‬ ‫‪t 2‬‬
‫‪n‬‬
‫ˆ‪ ‬‬
‫‪t 1‬‬
‫‪2‬‬
‫‪t 1‬‬
‫ﳝﻜﻦ ﻛﺘﺎﺑﺔ اﻹﺣﺼﺎﺋﻴﺔ أﻳﻀﺎ ﺑﺪﻻﻟﺔ ﻣﻘﺪر ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ‪ ، ‬ﻟﺪﻳﻨﺎ‪:‬‬

‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬
‫‪ ˆt2   ˆt21  2 ˆt ˆt 1‬‬

‫‪DW ‬‬ ‫‪t 1‬‬ ‫‪t 2‬‬
‫‪n‬‬
‫‪t 1‬‬
‫ˆ‪ ‬‬
‫‪t 1‬‬
‫‪2‬‬
‫‪t 1‬‬
‫ﻧﻼﺣﻆ أن‪  ˆt2   ˆt21 :‬إذن‪:‬‬

‫‪n‬‬ ‫‪n‬‬
‫‪t 1‬‬ ‫‪t 2‬‬

‫‪n‬‬ ‫‪n‬‬
‫‪2 ˆt21‬‬ ‫‪2 ˆt ˆt 1‬‬
‫‪DW ‬‬ ‫‪t 2‬‬
‫‪n‬‬
‫‪‬‬ ‫‪t 1‬‬
‫‪n‬‬
‫ˆ‪ ‬‬
‫‪t 1‬‬
‫‪2‬‬
‫‪t 1‬‬ ‫ˆ‪ ‬‬
‫‪t 1‬‬
‫‪2‬‬
‫‪t 1‬‬
‫‪n‬‬
‫ˆ‪ ˆ ‬‬ ‫‪t 1‬‬

‫ﻧﻌﻠﻢ أن‪:‬‬
‫‪t‬‬
‫‪ˆ ‬‬ ‫‪t 1‬‬
‫‪n‬‬
‫ˆ‪ ‬‬
‫‪t 1‬‬
‫‪2‬‬
‫‪t 1‬‬
‫) ˆ‪DW  2(1  ‬‬ ‫وﻣﻨﻪ‪:‬‬

‫ﺣﻴﺚ أن اﻹﺣﺼﺎﺋﻴﺔ ‪ DW‬ﲤﺜﻞ اﻟﻘﻴﻤﺔ اﶈﺴﻮﺑﺔ ﻟﻼﺧﺘﺒﺎر و ﺧﺬ ﻗﻴﻤﻬﺎ ﺑﲔ ‪ 0‬و‪ .4‬وﻳﺘﻀﺢ ﻣﻦ اﳌﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ أﻧﻪ‬
‫إذا ﻛﺎﻧﺖ ‪   0‬ﻓﺈن ‪. DW  2‬‬
‫وﻳﻮﺿﺢ اﻟﺸﻜﻞ اﻟﺘﺎﱄ ﻗﻴﻢ ‪) d‬اﻟﻘﻴﻢ اﺠﻤﻟﺪوﻟﺔ ﻟﻼﺧﺘﺒﺎر(‪ ،‬اﻟﱵ ﺗﺸﲑ إﱃ وﺟﻮد أو ﻋﺪم وﺟﻮد ارﺗﺒﺎط ذاﰐ ﻣﻦ‬
‫اﻟﺪرﺟﺔ اﻷوﱃ ﻣﻮﺟﺐ أو ﺳﺎﻟﺐ‪ ،‬أو ﲡﻌﻞ ﻧﺘﻴﺠﺔ اﻻﺧﺘﺒﺎر ﻏﲑ ﳏﺪدة‪ ،‬وﺗﻮﺟﺪ ﻗﻴﻢ ﻛﻞ ﻣﻦ اﳊﺪﻳﻦ اﻷﻋﻠﻰ واﻷدﱏ ﻟـ‬
‫‪ (dL,dU) d‬ﰲ اﳉﺪول اﻹﺣﺼﺎﺋﻲ ﻟﺘﻮزﻳﻊ درﺑﲔ واﺗﺴﻮن‪.‬‬
‫‪Durbin-Watson‬‬ ‫اﻟﺸﻜﻞ رﻗﻢ )‪ : (1‬ﻣﻨﺎﻃﻖ اﻟﻘﺒﻮل واﻟﺮﻓﺾ ﻻﺧﺘﺒﺎر‬
‫‪0‬‬ ‫‪ 0‬‬ ‫‪dL‬‬ ‫‪dU‬‬ ‫‪ 0‬‬
‫‪2‬‬ ‫‪ 0‬‬ ‫‪4-dU‬‬ ‫‪4-dL‬‬ ‫‪0‬‬ ‫‪4‬‬
‫؟‬ ‫؟‬
‫ارﺗﺒﺎط ذاﺗﻲ ﻣﻮﺟﺐ‬ ‫ﻏﯿﺮ ﻣﺤﺪد‬ ‫ﻋﺪم وﺟﻮد ارﺗﺒﺎط‬ ‫ﻋﺪم وﺟﻮد ارﺗﺒﺎط‬ ‫ﻏﯿﺮ ﻣﺤﺪد‬ ‫ارﺗﺒﺎط ذاﺗﻲ ﺳﺎﻟﺐ‬
‫رﻓﺾ ‪H0‬‬ ‫)ﻣﻨﻄﻘﺔ اﻟﺸﻚ(‬ ‫ﻗﺒﻮل ‪H0‬‬ ‫ﻗﺒﻮل ‪H0‬‬ ‫)ﻣﻨﻄﻘﺔ اﻟﺸﻚ(‬ ‫رﻓﺾ ‪H0‬‬
‫ﻻﻋﺘﻤﺎد ﻋﻠﻰ اﻟﺸﻜﻞ رﻗﻢ )‪ (1‬ﳝﻜﻦ أن ﺗُﺴﺘﺨﺮج ﻧﺘﻴﺠﺔ اﺧﺘﺒﺎر ‪ DW‬ﻛﺎﻟﺘﺎﱄ‪:‬‬

‫‪ ‬إذا ﻛﺎﻧﺖ ‪ DW  d L‬أو ‪ DW  4  d L‬ﻳﺮﻓﺾ ‪. H0‬‬
‫‪ ‬إذا ﻛﺎﻧﺖ ‪ 4  dU  DW  dU‬ﻳﻘﺒﻞ ‪. H0‬‬
‫‪ ‬إذا ﻛﺎﻧﺖ ‪ 4  dU  DW  4  d L‬أو ‪ d L  DW  dU‬ﺗﻜﻮن ﻧﺘﻴﺠﺔ اﻻﺧﺘﺒﺎر ﻏﲑ ﳏﺪدة‪ ،‬وﻣﻦ ﰒ‬
‫ﳚﺐ إﺿﺎﻓﺔ ﺑﻴﺎ ت أﻛﺜﺮ‪.‬‬
‫ﻻ ﳝﻜﻦ اﺳﺘﻌﻤﺎل ﻫﺬا اﻻﺧﺘﺒﺎر إﻻ ﰲ ﻇﻞ اﻟﺸﺮوط اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪ ‬ﳚﺐ أن ﻳﻜﻮن اﻟﻨﻤﻮذج ﻣﺘﻀﻤﻨﺎ ﻟﻠﻤﻌﻠﻢ اﻟﺜﺎﺑﺖ ‪ 0‬‬
‫‪3‬‬
‫‪ ‬اﻟﻨﻤﻮذج اﳌﻘﺪر ﻻ ﻳﺘﻀﻤﻦ ﻣﺘﻐﲑات ﺑﻌﺔ ذات ﻓﱰات إﺑﻄﺎء ﻛﻤﺘﻐﲑات ﻣﺴﺘﻘﻠﺔ‬
‫‪ 3‬ﻗﺪ ﯾﺘﻀﻤﻦ ھﺬا اﻟﻨﻮع ﻣﻦ اﻟﻨﻤﺎذج ﻣﺘﻐﯿﺮات ﺗﺎﺑﻌﺔ ذات ﻓﺘﺮات إﺑﻄﺎء ﻛﻤﺘﻐﯿﺮات ﻣﺴﺘﻘﻠﺔ‪ ،‬ﺳﯿﺘﻢ اﻟﺘﻄﺮق إﻟﻰ ھﺬا اﻟﻨﻮع ﻣﻦ اﻟﻨﻤﺎذج ﻓﻲ اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‪.‬‬
‫ﻻ ﳜﺘﱪ درﺑﲔ واﺗﺴﻮن إﻻ اﻻرﺗﺒﺎط اﻟﺬاﰐ ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ‪.‬‬

‫‪4‬‬
‫‪Breusch-Godfrey‬‬ ‫‪ .2.1.2‬اﺧﺘﺒﺎر‬
‫ﻳﺮﺗﻜﺰ ﻫﺬا اﻻﺧﺘﺒﺎر ﻋﻠﻰ ﻣﻀﺎﻋﻒ ﻻﻏﺮاﻧﺞ و اﻟﺬي ﻳﺴﻤﺢ ﺧﺘﺒﺎر وﺟﻮد ارﺗﺒﺎط ذاﰐ ﻣﻦ درﺟﺔ أﻛﱪ ﻣﻦ‬
‫اﻟﻮاﺣﺪ‪ .‬ﳕﻮذج اﻻﳓﺪار اﻟﺬاﰐ ﻟﻸﺧﻄﺎء ﻣﻦ اﻟﺪرﺟﺔ ‪ p‬ﻳﻜﺘﺐ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬
‫‪ t  1 t 1   2 t 2  ...   p  t  p  ut‬‬
‫ﻟﻴﻜﻦ اﻟﻨﻤﻮذج اﻟﻌﺎم ﺣﻴﺚ أن اﻷﺧﻄﺎء ﻣﺮﺗﺒﻄﺔ ذاﺗﻴﺎ‪:‬‬
‫‪Yt   0  1 X t1  ...   k X tk  1 t 1   2 t 2  ...   p  t  p  ut‬‬
‫ﻫﻨﺎك ﺛﻼث ﺧﻄﻮات ﻹﺟﺮاء ﻫﺬا اﻻﺧﺘﺒﺎر‪:‬‬
‫‪ˆt‬‬ ‫‪ ‬ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻟﻌﺎم ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﰒ ﺣﺴﺎب اﻟﺒﻮاﻗﻲ‬
‫‪ ‬ﺗﻘﺪﻳﺮ اﳌﻌﺎدﻟﺔ اﻟﻮﺳﻴﻄﻴﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪ˆt   0  1 X t1  ...   k X tk  1ˆt 1   2ˆt 2  ...   pˆt  p  ut‬‬
‫‪p‬‬ ‫ﰒ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳋﺎص ﺬﻩ اﳌﻌﺎدﻟﺔ ‪ . R 2‬ﻧﺬﻛﺮ أن ﺳﺘﻌﻤﺎل ﻫﺬﻩ اﳌﻌﺎدﻟﺔ‪ ،‬ﺳﻨﻔﻘﺪ‬
‫ﻣﺸﺎﻫﺪة‪.‬‬
‫‪ ‬ﻓﺮﺿﻴﺔ اﺳﺘﻘﻼﻟﻴﺔ اﻷﺧﻄﺎء ‪ H0‬اﻟﱵ ﻳﻨﺒﻐﻲ اﺧﺘﺒﺎرﻫﺎ ﻫﻲ‪:‬‬
‫‪H 0 : 1   2  ...   p  0‬‬
‫أﻛﱪ ﻣﻦ‬ ‫ﻛﺎن ‪(n  p)  R 2‬‬‫اﻹﺣﺼﺎﺋﻴﺔ ‪ LM  (n  p)  R 2‬ﺗﺘﺒﻊ ﺗﻮزﻳﻊ ‪  2‬ﺑﺪرﺟﺔ ﺣﺮﻳﺔ ‪ . p‬إذا‬
‫)‪)  2 ( p‬اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ ‪  2‬ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪ ،( ‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ‪ H0‬ﻓﺮﺿﻴﺔ اﺳﺘﻘﻼﻟﻴﺔ اﻷﺧﻄﺎء‪.‬‬
‫‪ .2.2‬ﻃﺮق اﻟﺘﻘﺪﻳﺮ ﰲ ﺣﺎﻟﺔ وﺟﻮد ارﺗﺒﺎط ذاﰐ ﺑﲔ اﻷﺧﻄﺎء‪:‬‬
‫إذا أﺧﺬ ﺑﻌﲔ اﻻﻋﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء‪ ،‬اﻟﻨﻤﻮذج اﳋﻄﻲ اﻟﻌﺎم ﻳﻜﺘﺐ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬
‫‪Y  X  ‬‬
‫‪ t    t 1  ut ,   1‬‬ ‫ﻣﻊ‪:‬‬
‫ﺗﻌﱪ ﻫﺬﻩ اﳌﻌﺎدﻟﺔ ﻋﻦ ﺳﲑورة اﻻﳓﺪار اﻟﺬاﰐ ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ )‪ AR(1‬اﻟﺬي ﳛﻘﻖ اﻟﻔﺮﺿﻴﺎت اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪E (ut )  0‬‬
‫‪E (ut2 )   u2 , t‬‬
‫' ‪cov(ut , ut ' )  0, t  t‬‬
‫‪cov(ut ,  t 1 )  0, t‬‬
‫ﲟﺎ ﻳﺴﺎوﻳﻪ‪ ،‬ﳓﺼﻞ ﻋﻠﻰ‪:‬‬ ‫‪ t 1‬‬ ‫ﻣﻦ ﳕﻮذج اﻻﳓﺪار اﻟﺬاﰐ‪ ،‬ﻧﻌﻮض‬
‫‪ t   (  t 2  ut 1 )  ut   2 t 2  ut 1  ut‬‬
‫‪ 4‬أﻧﻈﺮ )‪ Breusch (1978‬و )‪.Godfrey (1978‬‬

‫ﲟﺎ ﻳﺴﺎوﻳﻬﺎ‪ ،‬ﳓﺼﻞ أﻳﻀﺎ‪:‬‬ ‫‪ t 2‬‬ ‫ﻧﻌﻮض‬

‫‪ t   (  t 3  ut 2 )  ut 1  ut    t 3   ut 2  ut 1  ut‬‬
‫‪2‬‬ ‫‪3‬‬ ‫‪2‬‬
‫ﰲ اﻷﺧﲑ‪ ،‬ﻟﺪﻳﻨﺎ اﻟﻌﺎدﻟﺔ‪:‬‬

‫‪ t  ut  ut 1   2ut 2   3ut 3  ...‬‬
‫‪.‬‬ ‫ﺗﺆول ﻫﺬﻩ اﻟﺴﲑورة إﱃ اﻟﺼﻔﺮ ﻷن‪:‬‬
‫‪1‬‬
‫ﻧﻘﻮم إذن ﺑﺪراﺳﺔ ﺧﺼﺎﺋﺺ ‪.  t‬‬
‫ﻟﺪﻳﻨﺎ ‪ E ( t )  0‬و ﺑﱰﺑﻴﻊ اﳋﻄﺄ ‪ ،  t‬ﳓﺼﻞ ﻋﻠﻰ‪:‬‬
‫‪ t2  ut2   2 ut21   4 ut22   6 ut23  ...‬‬
‫ﰒ دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ‪:‬‬
‫‪E ( t2 )  E (ut2 )   2 E (ut21 )   4 E (ut22 )   6 E (ut23 )  ...‬‬
‫‪E (ut2 )  E (ut21 )  E (ut22 )  E (ut23 )  ...   u2 , t‬‬ ‫ﻧﻌﻠﻢ أن‪:‬‬
‫‪var( t )  E ( t2 )  (1   2   4   6  ...) u2‬‬ ‫وﻣﻨﻪ‪:‬‬
‫‪ u2‬‬
‫‪var( t )  E ( t2 ) ‬‬ ‫إذن‪:‬‬
‫‪1 2‬‬
‫و ﺳﺘﻌﻤﺎل ﺧﺼﺎﺋﺺ ‪ ، ut‬ﻧﻘﻮم ﲝﺴﺎب اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك ﻟﻠﺨﻄﺄ ‪ ،  t‬ﻟﺪﻳﻨﺎ‪:‬‬
‫‪ t  t 1  ut  ut 1   2ut 2   3ut 3  ...ut 1  ut 2   2ut 3   3ut 4  ...‬‬
‫‪ ut21   3ut22   5ut23  ...‬‬
‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ‪ ،‬ﳓﺼﻞ ﰲ اﻷﺧﲑ ﻋﻠﻰ‪:‬‬
‫‪ u2‬‬
‫‪E ( t  t 1 ) ‬‬
‫‪1  2‬‬
‫ﻧﻔﺲ اﻟﺸﻲء ﻣﻊ ) ‪: E ( t  t 2‬‬
‫‪ 2 u2‬‬
‫‪E ( t  t 2 ) ‬‬
‫‪1 2‬‬
‫‪ i u2‬‬
‫‪E ( t  t i ) ‬‬ ‫ﰲ اﳊﺎﻟﺔ اﻟﻌﺎﻣﺔ‪ ،‬ﺳﻴﻜﻮن ﻟﺪﻳﻨﺎ‪:‬‬
‫‪1  2‬‬
‫ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻦ‪-‬اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك ﻟﻸﺧﻄﺎء ﰲ ﺣﺎﻟﺔ وﺟﻮد ارﺗﺒﺎط ذاﰐ ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ ﺗﻜﺘﺐ ﻋﻠﻰ اﻟﺸﻜﻞ‬
‫اﻟﺘﺎﱄ‪:‬‬
‫‪ 1‬‬ ‫‪‬‬ ‫‪2‬‬ ‫‪...  n1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪2 ‬‬
‫‪‬‬ ‫‪1‬‬ ‫‪‬‬ ‫‪...  n2 ‬‬
‫‪u  2‬‬
‫‪ 1‬‬ ‫ﻣﻊ‬ ‫‪   E ( ) ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪...  n3 ‬‬
‫'‬
‫‪1‬‬
‫‪1  2 ‬‬
‫‪ ...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪... ... ‬‬
‫‪ n1‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ n2‬‬ ‫‪ n 3‬‬ ‫‪...‬‬ ‫‪1 ‬‬
‫ﻧﺬﻛﺮ أن ﻣﻘﺪر ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻳﻜﺘﺐ ﻋﻠﻰ اﻟﺼﻴﻐﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬

‫) ‪ˆ  ( X  1 X ) 1 ( X  1Y‬‬
‫و ﻫﺬا ﻳﻌﲏ أن ﻣﻌﻜﻮس ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻦ‪-‬اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك ﻟﻸﺧﻄﺎء ﻣﻌﺮف ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪ 1‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪   1 ‬‬ ‫‪‬‬
‫‪2‬‬
‫‪0‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪0 ‬‬
‫‪‬‬
‫‪1  0‬‬ ‫‪  1  2‬‬ ‫‪‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪0 ‬‬
‫‪1‬‬
‫‪  2‬‬ ‫‪‬‬
‫‪ u  ...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪... ‬‬
‫‪ 0‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪... 1   2‬‬ ‫‪  ‬‬
‫‪‬‬
‫‪ 0‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪0 ‬‬ ‫‪1 ‬‬
‫‪‬‬
‫ﻣﻦ اﳌﻼﺣﻆ أن ﻗﻴﻤﱵ ‪ ‬و ‪  u2‬ﻏﲑ ﻣﻌﺮوﻓﺘﲔ وﻫﺬا ﻳﻌﲏ أﻧﻪ ﻳﻨﺒﻐﻲ إﳚﺎد ﻣﻘﺪر ﻟﻜﻞ ﻣﻨﻬﻤﺎ وذﻟﻚ ﻟﺒﺤﺚ‬
‫ﻋﻦ ﻣﺼﻔﻮﻓﺔ ‪ M‬ﺣﻴﺚ اﻟﻨﻤﻮذج ‪ MY  MX  M‬ﳛﻘﻖ ﲨﻴﻊ اﻟﻔﺮﺿﻴﺎت اﻷﺳﺎﺳﻴﺔ‪.‬‬
‫‪E (( M )( M ) ' )  E ( M ' M ' )  ME ( ' ) M '  M  M '   2 I‬‬ ‫ﻟﺪﻳﻨﺎ‪:‬‬
‫‪ˆ  X ' M ' MX  X ' M ' MY‬‬ ‫إذن ﳓﺪد اﳌﻘﺪر ‪ BLUE‬ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪1‬‬
‫‪M ' M   1   u2  1 ‬‬ ‫و ﻟﻨﺘﻴﺠﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬

‫ﳓﺼﻞ ﻋﻠﻰ اﳌﺼﻔﻮﻓﺔ‪:‬‬
‫‪ ‬‬ ‫‪1‬‬ ‫‪0 0 ... 0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 0‬‬ ‫‪‬‬ ‫‪1 0 ... 0 ‬‬
‫‪M  0‬‬ ‫‪0‬‬ ‫‪  1 ... 0 ‬‬
‫) ‪( n 1,n‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ ...‬‬ ‫‪...‬‬ ‫‪... ... ... ... ‬‬
‫‪ 0‬‬ ‫‪0‬‬ ‫‪0 0   1 ‬‬
‫‪‬‬
‫اﻟﱵ ﺗﻌﺘﱪ ﻛﺎﺳﺘﻨﺘﺎج ﻟﻠﻤﺼﻔﻮﻓﺔ‪:‬‬
‫‪ 2‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪  1 2‬‬ ‫‪‬‬ ‫‪0‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪0‬‬ ‫‪  1 2‬‬ ‫‪  ...‬‬ ‫‪...‬‬ ‫‪0 ‬‬
‫‪M 'M  ‬‬
‫‪ ...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪... ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 0‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪... 1   2‬‬ ‫‪ ‬‬
‫‪ 0‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪0‬‬ ‫‪‬‬ ‫‪1 ‬‬
‫‪‬‬
‫و ﻫﻲ ﻧﻔﺴﻬﺎ اﳌﺼﻔﻮﻓﺔ ‪ .  u2 1‬وﻋﻠﻴﻪ ﺗﺆول ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﳌﻌﻤﻤﺔ إﱃ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫اﻟﻌﺎدﻳﺔ‪ ،‬ﺣﻴﺚ ﻳﺘﻢ ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻟﻌﺎم اﳌﺼﺤﺢ ﻣﻦ اﻻرﺗﺒﺎط اﻟﺬاﰐ ﻋﻦ ﻃﺮﻳﻖ ﲢﻮﻳﻞ اﳌﺘﻐﲑات ﻋﻦ ﻃﺮﻳﻖ ﺷﺒﻪ‬
‫اﻟﻔﺮوﻗﺎت ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ‪ ،‬ﻟﺪﻳﻨﺎ‪:‬‬
‫‪ Y2  Y1 ‬‬ ‫‪ X 2, j  X 1, j ‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ Y3  Y2 ‬‬ ‫‪ X 3, j  X 2, j ‬‬
‫‪MY  ‬‬ ‫‪‬‬ ‫و‬ ‫‪MX j  ‬‬ ‫‪‬‬
‫‪...‬‬ ‫‪...‬‬
‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ Y  Y ‬‬ ‫‪ X  X‬‬ ‫‪‬‬
‫‪ n‬‬ ‫‪n 1 ‬‬ ‫‪ n, j‬‬ ‫‪n 1, j ‬‬
‫ﺣﻴﺚ‪:‬‬ ‫‪j  1,2,...., k‬‬

‫ﻋﻨﺪ اﺳﺘﺨﺪام ﺷﺒﻪ اﻟﻔﺮوﻗﺎت‪ ،‬ﻧﻔﻘﺪ اﳌﺸﺎﻫﺪة اﻷوﱃ ﻟﻜﻞ ﻣﺘﻐﲑ وﻟﺘﺠﻨﺐ ﺿﻴﺎﻋﻬﺎ‪ ،‬ﻧﻀﻊ‪:‬‬
‫‪Y1*  Y1 1   2‬‬
‫‪X 1*, j  X 1, j 1   2‬‬
‫ﻳﻜﺘﺐ اﻟﻨﻤﻮذج اﳌﺼﺤﺢ ﻋﻠﻰ اﻟﻨﺤﻮ اﻟﺘﺎﱄ‪:‬‬
‫‪Yt  Yt 1   0 (1   )  1 ( X t1  X t 1,1 )   2 ( X t 2  X t 1, 2 )  ...   k ( X tk  X t 1,k )   t   t 1‬‬
‫ﻛﻤﺎ ذﻛﺮ ‪ ،‬ﻳﺘﻢ ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻷﺧﲑ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ‪ .‬اﳌﺸﻜﻞ اﻷﺳﺎﺳﻲ اﻟﺬي ﻧﻮاﺟﻬﻪ‬
‫ﻳﺘﻤﺜﻞ ﰲ ﺗﻘﺪﻳﺮ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ‪ .‬ﻫﻨﺎك إذن ﻋﺪة ﻃﺮق ﻟﻠﺘﻘﺪﻳﺮ ﻣﻨﻬﺎ ﻣﺎ‬
‫ﻳﻠﻲ ‪:‬‬
‫‪ .1.2.2‬ﺗﻘﺪﻳﺮ ‪ ‬ﻋﻦ ﻃﺮﻳﻖ إﺣﺼﺎﺋﻴﺔ ‪:Durbin-Watson‬‬
‫اﳋﻄﻮة اﻷوﱃ‪ :‬ﺗﻘﺪﻳﺮ ‪ ‬اﻧﻄﻼﻗﺎ ﻣﻦ إﺣﺼﺎﺋﻴﺔ ‪ ،DW‬ﺣﻴﺚ‪ˆ  1  DW / 2 :‬‬
‫اﳋﻄﻮة اﻟﺜﺎﻧﻴﺔ‪ :‬ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻟﺘﺎﱄ ﺑﻌﺪ إﺟﺮاء اﻟﺘﻌﺪﻳﻼت ﻋﻠﻰ اﳌﺸﺎﻫﺪات ﲝﺴﺎب ﺷﺒﻪ اﻟﻔﺮوﻗﺎت‪:‬‬
‫‪Yt  ˆYt 1   0 (1  ˆ )  1 ( X t1  ˆX t 1,1 )   2 ( X t 2  ˆX t 1, 2 )  ...   k ( X tk  ˆX t 1,k )  ut‬‬
‫‪Yt *   0*  1 X t*1   2 X t*2  ...   k X tk*  ut‬‬ ‫أي‪:‬‬
‫و ) ˆ‪. ˆ0*  ˆ0 (1  ‬‬ ‫‪ˆ1 ,..., ˆk‬‬ ‫اﳌﻌﺎﱂ اﳌﻘﺪرة ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻫﻲ‪:‬‬
‫ﺑﻄﺮﻳﻘﺔ ‪:Theil-Nagar‬‬ ‫‪‬‬ ‫‪ .2.2.2‬ﺗﻘﺪﻳﺮ‬
‫اﻗﱰح ‪ Theil‬و ‪ Nagar‬ﺗﻘﺪﻳﺮا ﻟـ ‪ ‬ﻣﻦ ﺧﻼل اﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫‪n 2 1  DW / 2   k  1‬‬
‫‪2‬‬
‫‪ˆ ‬‬
‫‪n 2  k  1‬‬
‫‪2‬‬
‫ﺣﻴﺚ ‪ k‬ﻫﻲ ﻋﺪد اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ‪ .‬ﻧﺴﺘﺨﺪم ﻧﻔﺲ اﳋﻄﻮات ﻟﺘﻘﺪﻳﺮ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪.‬‬
‫‪Cochrane-Orcutt‬‬ ‫‪ .3.2.2‬ﻃﺮﻳﻘﺔ‬
‫ﺑﻮاﺳﻄﺔ اﻟﻘﻴﻢ اﳌﻘﺪرة ﳊﺪ اﳋﻄﺄ‪.‬‬ ‫‪‬‬ ‫اﻗﱰح ‪ Cochrane‬و ‪ Orcutt‬ﺗﻘﺪﻳﺮا ﻋﻄﺎء ﻗﻴﻤﺔ اﺑﺘﺪاﺋﻴﺔ ﻟـ‬
‫‪ ، ˆ  ‬ﻓﻠﻴﻜﻦ‪:‬‬
‫‪ˆt ˆt 1‬‬
‫اﳋﻄﻮة اﻷوﱃ‪ :‬إﻋﻄﺎء ﻗﻴﻤﺔ اﺑﺘﺪاﺋﻴﺔ ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط وذﻟﻚ ﺑﺘﻘﻨﻴﺔ ﺗﻘﺪﻳﺮ ﻣﺒﺎﺷﺮة‪:‬‬
‫‪ ˆt21‬‬
‫ˆ‪ˆ 0  ‬‬
‫اﳋﻄﻮة اﻟﺜﺎﻧﻴﺔ‪ :‬ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻟﺘﺎﱄ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ‪:‬‬
‫‪Yt  ˆ 0Yt 1   0 (1  ˆ 0 )  1 ( X t1  ˆ 0 X t 1,1 )   2 ( X t 2  ˆ 0 X t 1, 2 )  ...   k ( X tk  ˆ 0 X t 1,k )  ut‬‬

‫اﳌﻌﺎﱂ اﳌﻘﺪرة ﻫﻲ‪ ˆ1 ,..., ˆk :‬و ) ˆ‪. ˆ0*  ˆ0 (1  ‬‬
‫اﳋﻄﻮة اﻟﺜﺎﻟﺜﺔ‪ :‬إﻋﺎدة ﺗﻘﺪﻳﺮ ‪ ‬ﺑﺒﻮاﻗﻲ ﺗﻘﺪﻳﺮ ﺟﺪﻳﺪة ‪ ˆt1‬ﺣﻴﺚ‪:‬‬
‫‪ˆt(1)  Yt  ˆ0  ˆ1 X t1  ...  ˆk X tk‬‬
‫‪ˆ1 ‬‬ ‫‪‬‬ ‫)‪ˆt(1)ˆt(11‬‬

‫‪ (ˆt(1) ) 2‬‬
‫اﳋﻄﻮة اﻟﺮاﺑﻌﺔ‪ :‬ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻟﺘﺎﱄ ﻋﻠﻰ اﳌﺘﻐﲑات ذات ﺷﺒﻪ اﻟﻔﺮوﻗﺎت‪:‬‬
‫‪Yt  ˆ1Yt 1   0 (1  ˆ1 )  1 ( X t1  ˆ1 X t 1,1 )   2 ( X t 2  ˆ1 X t 1, 2 )  ...   k ( X tk  ˆ1 X t 1,k )  ut‬‬
‫ﰒ ﻧﻌﻴﺪ ﺗﻘﺪﻳﺮ ‪ ‬ﻣﺮة أﺧﺮى ﺑﺒﻮاﻗﻲ ﺗﻘﺪﻳﺮ ﺟﺪﻳﺪة )‪ ˆt( 2‬ﻓﻨﺤﺼﻞ ﻋﻠﻰ ﺗﻘﺪﻳﺮ ﻟـ ‪ . ̂ 2‬ﻧﻜﺮر اﻟﻌﻤﻠﻴﺔ ﻣﺮات أﺧﺮى‬
‫إﱃ ﻏﺎﻳﺔ ﺳﻜﻮن ﻣﻘﺪرات اﻟﻨﻤﻮذج )ﻋﺎدة ﻧﻜﺮر اﻟﻌﻤﻠﻴﺔ ﺛﻼث أو أرﺑﻊ ﻣﺮات(‪.‬‬
‫‪:Hildreth-Lu‬‬ ‫‪ .3.2.2‬ﻃﺮﻳﻘﺔ‬
‫اﳋﻄﻮة اﻷوﱃ‪ :‬ﲢﺪﻳﺪ ﻧﻮع اﻻرﺗﺒﺎط )ﻣﻮﺟﺐ أو ﺳﺎﻟﺐ( ﺑﻮاﺳﻄﺔ إﺣﺼﺎﺋﻴﺔ ‪.Durbin-Watson‬‬
‫اﳋﻄﻮة اﻟﺜﺎﻧﻴﺔ‪ :‬ﳓﺪد ﳎﺎﻻ ﻟﻠﻘﻴﻢ اﳌﻤﻜﻨﺔ ﳌﻌﺎﻣﻞ اﻻرﺗﺒﺎط ‪ . ‬ﳔﺘﺎر ﻗﻴﻤﺎ ﺗﻨﺘﻤﻲ إﱃ اﺠﻤﻟﺎل ]‪ [0,1‬إذا ﻛﺎن اﳌﻌﺎﻣﻞ‬
‫ﻣﻮﺟﺒﺎ و ﻗﻴﻤﺎ ﺗﻨﺘﻤﻲ إﱃ ﻫﺬا اﺠﻤﻟﺎل ]‪ [1,0‬إذا ﻛﺎن ﺳﺎﻟﺒﺎ‪.‬ﻋﻠﻰ ﺳﺒﻴﻞ اﳌﺜﺎل ﻳﻜﻮن ﻟﺪﻳﻨﺎ‪  0.1; 0.2; ...; 0.9; 1‬‬
‫إذا اﻋﺘﱪ أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻣﻮﺟﺐ ﻓﻴﺘﻢ اﺧﺘﻴﺎر درﺟﺔ ﺳﻠﻢ ‪ 0.1‬أو ‪ 0.01‬وﻣﻊ ﻛﻞ ﻗﻴﻤﺔ ﻳﺘﻢ ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج‪:‬‬
‫‪Yt  ˆ iYt 1   0 (1  ˆ i )  1 ( X t1  ˆ i X t 1,1 )   2 ( X t 2  ˆ i X t 1, 2 )  ...   k ( X tk  ˆ i X t 1,k )  ut‬‬
‫و ﺧﺬ ﻗﻴﻤﺔ ‪ ‬اﻟﻘﻴﻤﺔ اﻟﱵ ﻋﻨﺪﻫﺎ ﻳﻜﻮن ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ ‪  uˆt2‬أﺻﻐﺮ ﻣﺎ ﳝﻜﻦ‪.‬‬
‫‪t‬‬
‫ﻣﺜﺎل ‪: 2‬‬
‫ﻧﻘﻮم ﺑﺪراﺳﺔ اﻟﻌﻼﻗﺔ ﺑﲔ ﻣﻌﺪل اﻟﻔﺎﺋﺪة ﻃﻮﻳﻞ اﻷﺟﻞ ‪ Yi‬ﺑﺪﻻﻟﺔ ﻣﻌﺪل اﻟﻔﺎﺋﺪة ﻗﺼﲑ اﻷﺟﻞ ‪ . X i‬اﳉﺪول اﻟﺘﺎﱄ‬
‫ﳛﺘﻮي ﻋﻠﻰ ﻣﻌﻄﻴﺎت ﺷﻬﺮﻳﺔ ﳌﻌﺪﻻت اﻟﻔﺎﺋﺪة ﰲ اﻟﻮﻻ ت اﳌﺘﺤﺪة اﻷﻣﺮﻳﻜﻴﺔ‪.‬‬
‫اﳉﺪول )‪ :(2‬ﻣﻌﺪﻻت اﻟﻔﺎﺋﺪة ﻗﺼﲑة و ﻃﻮﻳﻠﺔ اﻷﺟﻞ‬
‫‪Xi‬‬ ‫‪Yi‬‬ ‫اﻟﺴﻨﺔ‬ ‫‪Xi‬‬ ‫‪Yi‬‬ ‫اﻟﺴﻨﺔ‬

‫‪5.61‬‬ ‫‪7.05‬‬ ‫‪2005:4‬‬ ‫‪7.77‬‬ ‫‪6.56‬‬ ‫‪2004:1‬‬
‫‪5.23‬‬ ‫‪7.01‬‬ ‫‪2005:5‬‬ ‫‪7.12‬‬ ‫‪6.54‬‬ ‫‪2004:2‬‬
‫‪5.34‬‬ ‫‪6.86‬‬ ‫‪2005:6‬‬ ‫‪7.96‬‬ ‫‪6.81‬‬ ‫‪2004:3‬‬
‫‪6.13‬‬ ‫‪6.89‬‬ ‫‪2005:7‬‬ ‫‪8.33‬‬ ‫‪7.04‬‬ ‫‪2004:4‬‬
‫‪6.44‬‬ ‫‪7.11‬‬ ‫‪2005:8‬‬ ‫‪8.23‬‬ ‫‪7.1‬‬ ‫‪2004:5‬‬
‫‪6.42‬‬ ‫‪7.28‬‬ ‫‪2005:9‬‬ ‫‪7.90‬‬ ‫‪7.02‬‬ ‫‪2004:6‬‬
‫‪5.96‬‬ ‫‪7.29‬‬ ‫‪2005:10‬‬ ‫‪7.55‬‬ ‫‪7.18‬‬ ‫‪2004:7‬‬
‫‪5.48‬‬ ‫‪7.21‬‬ ‫‪2005:11‬‬ ‫‪8.96‬‬ ‫‪7.33‬‬ ‫‪2004:8‬‬
‫‪5.44‬‬ ‫‪7.17‬‬ ‫‪2005:12‬‬ ‫‪8.06‬‬ ‫‪7.30‬‬ ‫‪2004:9‬‬
‫‪4.87‬‬ ‫‪6.93‬‬ ‫‪2006:1‬‬ ‫‪7.46‬‬ ‫‪7.22‬‬ ‫‪2004:10‬‬
‫‪4.88‬‬ ‫‪6.92‬‬ ‫‪2006:2‬‬ ‫‪7.47‬‬ ‫‪6.93‬‬ ‫‪2004:11‬‬

‫‪5.00‬‬ ‫‪6.88‬‬ ‫‪2006:3‬‬ ‫‪7.15‬‬ ‫‪6.77‬‬ ‫‪2004:12‬‬
‫‪4.86‬‬ ‫‪6.73‬‬ ‫‪2006:4‬‬ ‫‪6.26‬‬ ‫‪6.68‬‬ ‫‪2005:1‬‬
‫‪5.20‬‬ ‫‪7.01‬‬ ‫‪2006:5‬‬ ‫‪5.50‬‬ ‫‪6.66‬‬ ‫‪2005:2‬‬
‫‪5.41‬‬ ‫‪6.92‬‬ ‫‪2006 :6‬‬ ‫‪5.49‬‬ ‫‪6.77‬‬ ‫‪2005 :3‬‬
‫اﳌﻄﻠﻮب ‪:‬‬
‫‪ -‬ﺗﻘﺪﻳﺮ اﳓﺪار ﻣﻌﺪل اﻟﻔﺎﺋﺪة ﻃﻮﻳﻞ اﻷﺟﻞ ‪ Yi‬ﻋﻠﻰ ﻣﻌﺪل اﻟﻔﺎﺋﺪة ﻗﺼﲑ اﻷﺟﻞ ﰒ اﺧﺘﺒﺎر اﺳﺘﻘﻼﻟﻴﺔ‬
‫اﻷﺧﻄﺎء ﻣﻌﺘﻤﺪا ﻋﻠﻰ ﳐﺘﻠﻒ اﻹﺣﺼﺎﺋﻴﺎت اﳌﺬﻛﻮرة ﺳﺎﺑﻘﺎ‪.‬‬
‫‪ -‬ﺗﺼﺤﻴﺢ اﻟﻨﻤﻮذج ﻣﻦ اﻻرﺗﺒﺎط اﻟﺬاﰐ إن وﺟﺪ‪.‬‬
‫اﳋﻄﻮة اﻷوﱃ ‪ :‬ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪ ،‬ﳓﺼﻞ ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ ﺳﺘﻌﻤﺎل اﻟﱪ ﻣﺞ ‪RATS‬‬
‫‪: 5.04‬‬
‫اﳋﻄﻮة اﻟﺜﺎﻧﻴﺔ ‪ :‬اﺧﺘﺒﺎر اﺳﺘﻘﻼﻟﻴﺔ اﻷﺧﻄﺎء‬

‫ﻧﻼﺣﻆ أن إﺣﺼﺎﺋﻴﺔ درﺑﲔ‪-‬واﺗﺴﻮن اﻟﱵ ﺗﺴﺎوي ‪ 0.4461‬ﺗﻘﻊ ﰲ ﻣﻨﻄﻘﺔ رﻓﺾ ‪ H 0‬أي ‪0  DW  d L‬‬
‫ﺣﻴﺚ ‪ d L  1.35 ; dU  1.49‬ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪ n  30 ،0.05‬و ‪ . k  1‬إذن ﻫﻨﺎك ارﺗﺒﺎط ذاﰐ ﻣﻮﺟﺐ ﺑﲔ‬
‫اﻷﺧﻄﺎء‪ .‬ﳝﻜﻦ اﻟﺘﺄﻛﺪ ﻣﻦ ذﻟﻚ ﺳﺘﻌﻤﺎل إﺣﺼﺎﺋﻴﺔ ‪ .Breusch-Godfrey‬ﻟﺪﻳﻨﺎ اﳌﻌﺎدﻟﺔ اﻟﻮﺳﻴﻄﻴﺔ اﳌﻘﺪرة ‪:‬‬
‫‪î  0.07  0.014 X i  0.93ˆt 1  0.35ˆt 2‬‬
‫)‪(5.14‬‬ ‫)‪(-2.08‬‬
‫‪R 2  0.6077‬‬
‫‪ˆt 1 , ˆt  2‬‬ ‫اﻟﻘﻴﻢ اﻟﱵ ﺑﲔ ﻗﻮﺳﲔ ﻫﻲ ﻗﻴﻢ ﺳﺘﻴﻮدﻧﺖ‪ .‬ﲢﺖ ﻇﻞ ﻗﺒﻮل ﻓﺮﺿﻴﺔ اﺳﺘﻘﻼﻟﻴﺔ اﻷﺧﻄﺎء ‪ ، H 0‬ﻣﻌﺎﻣﻼ‬
‫ﻳﺴﺎو ن ﻣﻌﻨﻮ اﻟﺼﻔﺮ‪ .‬ﻧﻼﺣﻆ أن إﺣﺼﺎﺋﻴﺔ ﻣﻀﺎﻋﻒ ﻻﻏﺮاﻧﺞ ‪:‬‬
‫‪LM  (n  2)  R 2  (30  2)  0.6077  17.0168‬‬

‫) ‪ ،(  02.05 (2)  5.99‬أي ﻧﺮﻓﺾ‬ ‫‪0.05‬‬‫أﻛﱪ ﲤﺎﻣﺎ ﻣﻦ اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ ‪  2‬ﺑﺪرﺟﺔ ﺣﺮﻳﺔ‬
‫و ﻧﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ‬ ‫‪2‬‬
‫اﻟﻔﺮﺿﻴﺔ ‪ H 0‬و ﻫﺬا ﻳﻌﲏ أن اﻷﺧﻄﺎء ﻣﺮﺗﺒﻄﺔ ذاﺗﻴﺎ‪.‬‬
‫اﳋﻄﻮة اﻟﺜﺎﻟﺜﺔ ‪ :‬ﺗﺼﺤﻴﺢ اﻟﻨﻤﻮذج ﰲ ﺣﺎﻟﺔ اﻻرﺗﺒﺎط اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء‬
‫اﻟﻄﺮﻳﻘﺔ اﻷوﱃ ‪ :‬ﻧﺴﺘﻌﻤﻞ ﻃﺮﻳﻘﺔ درﺑﲔ‪-‬واﺗﺴﻮن اﳌﺒﺎﺷﺮة ﺣﻴﺚ ﻧﻘﻮم أوﻻ ﲝﺴﺎب ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط اﻟﺬاﰐ‬
‫ﰒ ﳓﻮل اﳌﺘﻐﲑات اﻷﺻﻠﻴﺔ إﱃ ﻣﺘﻐﲑات ذات ﺷﺒﻪ اﻟﻔﺮوﻗﺎت ‪:‬‬ ‫‪ˆ  1 ‬‬
‫‪DW‬‬
‫‪ 1  0.4461 / 2  0.7769‬‬
‫‪2‬‬
‫‪Yt *  Yt  ˆYt 1‬‬
‫‪X t*  X t  ˆX t 1‬‬
‫أﻣﺎ اﳌﺸﺎﻫﺪة اﻷوﱃ ﻟﻜﻞ ﻣﻨﻬﻤﺎ ﻳﺘﻢ ﺣﺴﺎ ﺎ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪Y1*  Y1 1  ˆ 2‬‬
‫‪X 1*  X 1 1  ˆ 2‬‬
‫اﻟﺒﻴﺎ ت اﶈﻮﻟﺔ ﺗﻈﻬﺮ ﰲ اﳉﺪول أد ﻩ ‪:‬‬
‫اﳉﺪول )‪ :(3‬اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ اﶈﻮﻟﺔ‬
‫‪Yt*  Yt  ˆYt 1‬‬ ‫‪X t*  X t  ˆX t 1‬‬ ‫‪Yt‬‬ ‫‪Xt‬‬ ‫اﻟﺴﻨﺔ‬

‫‪2.60‬‬ ‫‪4.89‬‬ ‫‪6.56‬‬ ‫‪7.77‬‬ ‫‪2004:1‬‬
‫‪1.44‬‬ ‫‪1.08‬‬ ‫‪6.54‬‬ ‫‪7.12‬‬ ‫‪2004:2‬‬
‫‪1.72‬‬ ‫‪2.42‬‬ ‫‪6.81‬‬ ‫‪7.96‬‬ ‫‪2004:3‬‬
‫‪1.74‬‬ ‫‪2.14‬‬ ‫‪7.04‬‬ ‫‪8.33‬‬ ‫‪2004:4‬‬
‫‪1.63‬‬ ‫‪1.75‬‬ ‫‪7.1‬‬ ‫‪8.23‬‬ ‫‪2004:5‬‬
‫‪1.50‬‬ ‫‪1.50‬‬ ‫‪7.02‬‬ ‫‪7.90‬‬ ‫‪2004:6‬‬
‫‪1.72‬‬ ‫‪1.41‬‬ ‫‪7.18‬‬ ‫‪7.55‬‬ ‫‪2004:7‬‬
‫‪1.75‬‬ ‫‪3.09‬‬ ‫‪7.33‬‬ ‫‪8.96‬‬ ‫‪2004:8‬‬
‫‪1.60‬‬ ‫‪1.09‬‬ ‫‪7.30‬‬ ‫‪8.06‬‬ ‫‪2004:9‬‬
‫‪1.54‬‬ ‫‪1.19‬‬ ‫‪7.22‬‬ ‫‪7.46‬‬ ‫‪2004:10‬‬
‫‪1.32‬‬ ‫‪1.67‬‬ ‫‪6.93‬‬ ‫‪7.47‬‬ ‫‪2004:11‬‬
‫‪1.38‬‬ ‫‪1.34‬‬ ‫‪6.77‬‬ ‫‪7.15‬‬ ‫‪2004:12‬‬
‫‪1.42‬‬ ‫‪0.70‬‬ ‫‪6.68‬‬ ‫‪6.26‬‬ ‫‪2005:1‬‬
‫‪1.47‬‬ ‫‪0.63‬‬ ‫‪6.66‬‬ ‫‪5.50‬‬ ‫‪2005:2‬‬
‫‪1.59‬‬ ‫‪1.21‬‬ ‫‪6.77‬‬ ‫‪5.49‬‬ ‫‪2005 :3‬‬
‫‪1.79‬‬ ‫‪1.34‬‬ ‫‪7.05‬‬ ‫‪5.61‬‬ ‫‪2005:4‬‬
‫‪1.53‬‬ ‫‪0.87‬‬ ‫‪7.01‬‬ ‫‪5.23‬‬ ‫‪2005:5‬‬
‫‪1.41‬‬ ‫‪1.27‬‬ ‫‪6.86‬‬ ‫‪5.34‬‬ ‫‪2005:6‬‬
‫‪1.56‬‬ ‫‪1.98‬‬ ‫‪6.89‬‬ ‫‪6.13‬‬ ‫‪2005:7‬‬
‫‪1.75‬‬ ‫‪1.67‬‬ ‫‪7.11‬‬ ‫‪6.44‬‬ ‫‪2005:8‬‬
‫‪1.75‬‬ ‫‪1.41‬‬ ‫‪7.28‬‬ ‫‪6.42‬‬ ‫‪2005:9‬‬
‫‪1.63‬‬ ‫‪0.97‬‬ ‫‪7.29‬‬ ‫‪5.96‬‬ ‫‪2005:10‬‬
‫‪1.54‬‬ ‫‪0.84‬‬ ‫‪7.21‬‬ ‫‪5.48‬‬ ‫‪2005:11‬‬
‫‪1.56‬‬ ‫‪1.18‬‬ ‫‪7.17‬‬ ‫‪5.44‬‬ ‫‪2005:12‬‬
‫‪1.35‬‬ ‫‪0.64‬‬ ‫‪6.93‬‬ ‫‪4.87‬‬ ‫‪2006:1‬‬

‫‪1.53‬‬ ‫‪1.09‬‬ ‫‪6.92‬‬ ‫‪4.88‬‬ ‫‪2006:2‬‬
‫‪1.50‬‬ ‫‪1.20‬‬ ‫‪6.88‬‬ ‫‪5.00‬‬ ‫‪2006:3‬‬
‫‪1.38‬‬ ‫‪0.97‬‬ ‫‪6.73‬‬ ‫‪4.86‬‬ ‫‪2006:4‬‬
‫‪1.78‬‬ ‫‪1.42‬‬ ‫‪7.01‬‬ ‫‪5.20‬‬ ‫‪2006:5‬‬
‫‪1.47‬‬ ‫‪1.37‬‬ ‫‪6.92‬‬ ‫‪5.41‬‬ ‫‪2006 :6‬‬
‫ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﺣﻴﺚ‬ ‫‪Yt *   0*  1 X t*  u t‬‬ ‫ﻧﻘﻮم اﻵن ﺑﺘﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﳉﺪﻳﺪ اﶈﻮل‬
‫) ˆ‪  0*   0 (1  ‬و ‪ ، ut   t  ˆ t 1‬ﳓﺼﻞ ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫‪ . DX‬اﻟﺜﺎﺑﺘﺔ اﳌﻘﺪرة ﲢﺴﺐ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬ ‫*‪ X‬‬ ‫و‬ ‫‪DY  Y ‬‬ ‫ﺣﻴﺚ وﺿﻌﻨﺎ‬
‫*‪ˆ0‬‬ ‫‪1.2584‬‬
‫‪ˆ0*  ˆ0 (1  ˆ )  ˆ0 ‬‬ ‫‪‬‬ ‫‪ 5.64‬‬
‫‪(1  ˆ ) 1  0.7769‬‬
‫ﻧﻼﺣﻆ أن اﻟﻨﻤﻮذج اﳌﺼﺤﺢ ﻣﻦ اﻻرﺗﺒﺎط اﻟﺬاﰐ ﻣﻘﺒﻮل إﺣﺼﺎﺋﻴﺎ ﺣﻴﺚ أن ﻟﻪ ﻗﺪرة ﺗﻔﺴﲑﻳﺔ ﻋﺎﻟﻴﺔ وﻟﻠﻤﻌﺎﱂ‬
‫ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ .‬ﳝﻜﻦ اﻟﻘﻮل أن إﺣﺼﺎﺋﻴﺔ درﺑﲔ‪-‬واﺗﺴﻮن ﺗﺸﲑ إﱃ اﺳﺘﻘﻼﻟﻴﺔ ﻣﺔ ﺑﲔ اﻷﺧﻄﺎء ﺣﻴﺚ ﺗﻘﻊ ﰲ‬
‫ﻣﻨﻄﻘﺔ ﻗﺒﻮل اﻟﻔﺮﺿﻴﺔ ‪ H 0‬و ﻟﺘﺎﱄ ﰎ اﻟﺘﺨﻠﺺ ﻣﻦ اﻻرﺗﺒﺎط اﻟﺬاﰐ وذﻟﻚ ﺑﺘﺼﺤﻴﺢ اﻟﻨﻤﻮذج وﻓﻖ ﻃﺮﻳﻘﺔ درﺑﲔ‪-‬‬
‫واﺗﺴﻮن‪.‬‬
‫اﻟﻄﺮﻳﻘﺔ اﻟﺜﺎﻧﻴﺔ ‪ :‬ﻃﺮﻳﻘﺘﺎ ‪ Hidreth-Lu‬و ‪.Cochrane-Orcutt‬‬
‫ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ ﻳﺘﻢ ﺗﻘﺪﻳﺮ ﺷﻌﺎع اﳌﻌﺎﱂ ‪ ‬و ‪ ‬ﻟﻄﺮﻳﻘﺔ اﻟﺘﻜﺮارﻳﺔ‪ .‬اﻟﻨﺘﺎﺋﺞ ﻣﻌﻄﺎة أﻳﻀﺎ ﺳﺘﻌﻤﺎل ﻧﻔﺲ ﺑﺮ ﻣﺞ‬
‫اﻟﻜﻤﺒﻴﻮﺗﺮ ‪:‬‬
‫‪ .1‬اﻟﺘﻘﺪﻳﺮ ﺑﻄﺮﻳﻘﺔ ‪: Hidreth-Lu‬‬
‫‪ .2‬اﻟﺘﻘﺪﻳﺮ ﺑﻄﺮﻳﻘﺔ ‪: Cochrane-Orcutt‬‬
‫ﻳﺘﺒﲔ ﻣﻦ ﺧﻼل ﻫﺬﻩ اﻟﻨﺘﺎﺋﺞ أن ﻃﺮﻳﻘﱵ ‪ Hidreth-Lu‬و ‪ Cochrane-Orcutt‬ﺗﻌﻄﻴﺎن ﺗﻘﺮﻳﺒﺎ ﻧﻔﺲ اﻟﻨﺘﺎﺋﺞ إﱃ‬
‫ﺣﺪ ﺑﻌﻴﺪ‪ .‬و ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ أﻳﻀﺎ ﲣﻠﺼﻨﺎ ﻣﻦ ﻣﺸﻜﻞ اﻻرﺗﺒﺎط اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء ﺣﻴﺚ إﺣﺼﺎﺋﻴﺔ درﺑﲔ‪-‬واﺗﺴﻮن‬
‫ﺗﺸﲑ إﱃ اﺳﺘﻘﻼﻟﻴﺔ ﻣﺔ ﺑﲔ ﺑﻮاﻗﻲ اﻟﺘﻘﺪﻳﺮ‪ .‬ﲡﺪر اﻹﺷﺎرة ﰲ اﻷﺧﲑ إﱃ أن ﻫﺎﺗﲔ اﻟﻄﺮﻳﻘﺘﲔ اﳌﺒﻨﻴﺘﲔ أﺳﺎﺳﺎ ﻋﻠﻰ‬
‫اﻷﺳﻠﻮب اﻟﺘﻜﺮاري ﺗﻌﻄﻴﺎن أﺣﺴﻦ اﻟﻨﺘﺎﺋﺞ ﳌﻘﺎرﻧﺔ ﻣﻊ اﻟﻄﺮﻳﻘﺔ اﳌﺒﺎﺷﺮة ﻟﺪرﺑﲔ‪-‬واﺗﺴﻮن‪.‬‬
‫‪ .3‬ﻋﺪم ﲡﺎﻧﺲ ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ‪: Heteroscedasticity‬‬

‫‪ .1.3‬ﻃﺒﻴﻌﺔ ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء‪ ،‬أﺳﺒﺎﺑﻪ وآ رﻩ‪:‬‬
‫إذا ﻛﺎﻧﺖ ﻓﺮﺿﻴﺔ ﲡﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ ﻏﲑ ﳏﻘﻘﺔ‪ ،‬ﻓﺈن ﻣﺼﻔﻮﻓﺔ اﻟﺘﺒﺎﻳﻦ‪-‬اﻟﺘﺒﺎﻳﻦ اﳌﺸﱰك ﻟﻸﺧﻄﺎء ﺗﻌﺮف ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪  2,1‬‬ ‫‪0‬‬ ‫‪‬‬ ‫‪0 ‬‬

‫‪‬‬ ‫‪‬‬
‫‪ 0  2, 2‬‬ ‫‪ 0 ‬‬
‫‪   E ( )  ‬‬
‫'‬
‫‪‬‬ ‫‪  2 I n‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪  ‬‬
‫‪ 0‬‬ ‫‪0‬‬ ‫‪  2,n ‬‬
‫‪‬‬
‫ﻣﻦ اﳌﻼﺣﻆ أن ﺗﺒﺎﻳﻨﺎت اﻷﺧﻄﺎء ﻟﻴﺴﺖ ﺑﺘﺔ ﻋﻠﻰ اﻟﻘﻄﺮ اﻷول و ﻟﺘﺎﱄ ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ﻣﺮﺗﺒﻂ ﺑﻘﻴﻢ اﳌﺘﻐﲑ‬
‫اﳌﺴﺘﻘﻞ ﻛﻤﺎ ﻳﻈﻬﺮ اﻟﺸﻜﻞ )‪.(3-3‬‬
‫ﻳﻮﺿﺢ اﻟﺸﻜﻞ رﻗﻢ )‪ (2‬اﻟﻌﻼﻗﺔ اﳌﺘﻮﻗﻌﺔ ﺑﲔ اﳌﺘﻐﲑﻳﻦ اﻟﺘﺎﺑﻊ ‪ Y‬واﳌﺴﺘﻘﻞ ‪ X‬ﰲ ﺣﺎﻟﺔ ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﳋﻄﺄ‪ ،‬وﻳﻼﺣﻆ‬
‫ﻣﻦ ﺧﻼل ﻫﺬا اﻟﺸﻜﻞ أن ﺗﺒﺎﻳﻦ ﺣﺪ اﳋﻄﺄ ﻻ ﻳﻌﺘﻤﺪ ﻋﻠﻰ ﻗﻴﻢ ‪.X‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪(3‬‬ ‫اﻟﺸﻜﻞ رﻗﻢ )‪(2‬‬

‫ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﳋﻄﺄ ﰲ ﳕﻮذج اﻻﳓﺪار اﻟﺒﺴﻴﻂ‬ ‫ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﳋﻄﺄ ﰲ ﳕﻮذج اﻻﳓﺪار اﻟﺒﺴﻴﻂ‬
‫• •‬
‫‪Y‬‬
‫•‬ ‫•‬ ‫‪Y‬‬
‫•‬
‫••‬
‫• • •‬ ‫••‬
‫•‬
‫•‬
‫•‬
‫•‬ ‫• •‬ ‫•‬
‫• •• • • •‬
‫• •‬ ‫• •‬ ‫•‬
‫• • • • •‬ ‫•• ••••‬
‫•‬
‫• ••‬ ‫•‬
‫‪X‬‬ ‫‪X‬‬
‫وﻳﻮﺿﺢ اﻟﺸﻜﻞ رﻗﻢ )‪ (3‬ﺣﺎﻟﺔ ﻋﺪم ﺛﺒﺎت اﻟﺘﺒﺎﻳﻦ ﳊﺪ اﳋﻄﺄ ‪ ، E ( i2 )   2 , i‬ﺣﻴﺚ ﻧﻼﺣﻆ أن ز دة ‪ X‬ﺳﻮف‬
‫ﺗﺆدي إﱃ ز دة ﺗﺒﺎﻳﻦ ﺣﺪ اﳋﻄﺄ‪ ،‬وﻳﺮﺗﺒﻂ ﻫﺬا اﳌﺸﻜﻞ ﺑﺒﻴﺎ ت اﳌﻘﻄﻊ اﳌﺴﺘﻌﺮض ‪ Cross-section date‬أﻛﺜﺮ ﻣﻦ‬
‫ﺑﻴﺎ ت اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ‪ ،Cross-series date‬ﺣﻴﺚ أن اﻷوﱃ ﻋﺒﺎرة ﻋﻦ ﺑﻴﺎ ت ﻳﺘﻢ ﲡﻤﻴﻌﻬﺎ ﻋﻦ ﻣﺘﻐﲑ ﻣﺎ ﰲ ﳊﻈﺔ‬
‫زﻣﻨﻴﺔ ﻣﻌﻴﻨﺔ )ﻣﺜﺎل‪ :‬ﺑﻴﺎ ت اﻹﻧﻔﺎق اﻻﺳﺘﻬﻼﻛﻲ ﻋﻨﺪ ﻣﺴﺘﻮ ت ﳐﺘﻠﻔﺔ ﻟﺪﺧﻮل اﻷﻓﺮاد ﻟﺴﻨﺔ ‪ ،(2005‬أﻣﺎ ﺑﻴﺎ ت‬
‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻓﻴﺘﻢ ﲡﻤﻴﻌﻬﺎ ﻋﻦ ﻣﺘﻐﲑ ﻣﺎ ﻋﱪ ﻓﱰة زﻣﻨﻴﺔ ﻣﻌﻴﻨﺔ‪ .‬وﻫﻨﺎك ﻋﺪة أﺳﺒﺎب ﻟﻌﺪم ﲡﺎﻧﺲ ﺗﺒﺎﻳﻦ ﺣﺪ اﳋﻄﺄ‬
‫ﻣﻨﻬﺎ ﲢﺴﻦ أﺳﺎﻟﻴﺐ ﲡﻤﻴﻊ اﻟﺒﻴﺎ ت‪ ،‬وﻫﺬا ﻳُﻘﻠﻞ ﻣﻦ اﻷﺧﻄﺎء اﳌﺮﺗﻜﺒﺔ ﰲ اﻟﻘﻴﺎس‪ ،‬وﻣﻦ ﰒ ﺳﻮف ﻳﻘﻞ ﺗﺒﺎﻳﻦ ﺣﺪ‬
‫اﳋﻄﺄ‪.‬‬
‫وﻳﱰﺗﺐ ﻋﻠﻰ ﻣﺸﻜﻠﺔ ﻋﺪم ﺛﺒﺎت اﻟﺘﺒﺎﻳﻦ ﻋﺪدا ﻣﻦ اﻵ ر ﺗﺘﻤﺜﻞ ﰲ‪:5‬‬
‫‪ 5‬ﻋﺒﺪ اﻟﻘﺎدر ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻘﺎدر ﻋﻄﯿﺔ‪ ،‬ص ‪.439‬‬

‫‪ .1‬ﺗﺒﻘﻰ اﳌﻌﺎﱂ اﳌﻘﺪرة ﺳﺘﺨﺪام اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻣﺘﺼﻔﺔ ﺑﻌﺪم اﻟﺘﺤﻴﺰ واﻻﺗﺴﺎق‪ ،‬وﻟﻜﻨﻬﺎ ﺗﻔﻘﺪ ﺻﻔﺔ‬
‫اﻟﻜﻔﺎءة‪.‬‬
‫‪ .2‬ﺗﺼﺒﺢ اﻟﺘﺒﺎﻳﻨﺎت اﳌﻘﺪرة وﻛﺬﻟﻚ اﻟﺘﺒﺎﻳﻨﺎت اﳌﺸﱰﻛﺔ ‪ Covariances‬اﳋﺎﺻﺔ ﳌﻌﺎﱂ اﳌﻘﺪرة ﻣﺘﺤﻴﺰة وﻏﲑ‬
‫ﻣﺘﺴﻘﺔ‪ ،‬وﻟﺬا ﻓﺈن اﺧﺘﺒﺎرات اﻟﻔﺮﺿﻴﺎت ﻻ ﺗﺼﺒﺢ دﻗﻴﻘﺔ أو ﻣﻼﺋﻤﺔ‪.‬‬
‫‪ .3‬ﻟﺮﻏﻢ ﻣﻦ أن اﻟﺘﻨﺒﺆات اﻟﻘﺎﺋﻤﺔ ﻋﻠﻰ أﺳﺎس اﳌﻌﺎﱂ اﳌﻘﺪرة ﺳﺘﺨﺪام اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﺗﻈﻞ ﻏﲑ‬
‫ﻣﺘﺤﻴﺰة‪ ،‬إﻻ أ ﺎ ﺗﻔﻘﺪ ﺻﻔﺔ اﻟﻜﻔﺎءة‪ ،‬وﻫﻮ ﻣﺎ ﻳﻌﲏ أ ﺎ ﺗﻜﻮن أﻗﻞ ﻣﺼﺪاﻗﻴﺔ ﻣﻦ اﻟﺘﻨﺒﺆات اﻷﺧﺮى‪.‬‬
‫ﰲ ﺣﺎﻟﺔ ﻋﺪم ﲡﺎﻧﺲ ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء‪ ،‬ﻣﻘﺪر ‪ BLUE‬ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﳌﻌﻤﻤﺔ ﻳﻜﺘﺐ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫) ‪ˆ  ( X 1 X ) 1 ( X 1Y‬‬
‫‪ ˆ  ( X  1 X ) 1‬‬
‫ﻋﻜﺲ ﺗﺼﺤﻴﺢ اﻟﻨﻤﻮذج ﻣﻦ اﻻرﺗﺒﺎط اﻟﺬاﰐ‪ ،‬ﻻ ﺗﻮﺟﺪ ﻣﻨﻬﺠﻴﺔ ﻣﻮﺣﺪة ﻟﻠﺘﺼﺤﻴﺢ ﻣﻦ ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ‬
‫اﻷﺧﻄﺎء‪ ،‬ﻓﺎﻟﻄﺮق ﳐﺘﻠﻔﺔ ﻣﺮﺗﺒﻄﺔ ﺑﺴﺒﺐ وﺟﻮد ﻫﺬا اﳌﺸﻜﻞ‪.‬‬
‫‪ .2.3‬اﺧﺘﺒﺎرات اﻛﺘﺸﺎف ﻋﺪم ﺗﺒﺎﻳﻦ اﳋﻄﺄ ‪:‬‬
‫ﻳﺘﻢ اﻛﺘﺸﺎف ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ﺑﻮاﺳﻄﺔ ﻋﺪة اﺧﺘﺒﺎرات ﻣﻨﻬﺎ ﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪:Goldfeld-Quandt‬‬ ‫‪ .1.2.3‬اﺧﺘﺒﺎر‬
‫‪Goldfeld-‬‬‫ﻓﱰاض اﻟﻨﻤﻮذج اﻟﺘﺎﱄ ‪ ، Yi   0  1 X i   i , i  1 ,..., n‬ﳝﻜﻦ ﺗﺒﻴﺎن ﻛﻴﻔﻴﺔ اﺳﺘﺨﺪام اﺧﺘﺒﺎر‬
‫‪ Quandt‬ﰲ اﻛﺘﺸﺎف ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﳋﻄﺄ ﻣﻦ ﺧﻼل اﳋﻄﻮات اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪ ‬ﺗﺮﺗﻴﺐ ﻣﺸﺎﻫﺪات ‪ X‬ﺗﺮﺗﻴﺒﺎ ﺗﺼﺎﻋﺪ ‪.‬‬
‫‪ ‬اﺳﺘﺒﻌﺎد اﳌﺸﺎﻫﺪات اﻟﻮﺳﻄﻰ ﻟﻜﻞ ﻣﻦ ‪ X‬و ‪،Y‬ﰒ ﺗﻜﻮﻳﻦ ﳎﻤﻮﻋﺘﲔ ﻣﻦ اﳌﺸﺎﻫﺪات ﲝﻴﺚ ﻳﻜﻮن ﻟﻜﻞ‬
‫ﳎﻤﻮﻋﺔ ﻋﻠﻰ ﺣﺪا ﻣﻌﺎدﻟﺔ ﺧﺎﺻﺔ ﺎ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪ .1‬اﺠﻤﻟﻤﻮﻋﺔ اﻷوﱃ‪ :‬وﺗﺘﻤﺜﻞ ﰲ اﳌﺸﺎﻫﺪات اﳋﺎﺻﺔ ﺑﻜﻞ ﻣﻦ ‪ X‬و ‪ Y‬اﻟﻮاردة ﻗﺒﻞ اﳌﺸﺎﻫﺪات اﻟﱵ ﰎ‬
‫اﺳﺘﺒﻌﺎدﻫﺎ‪ ،‬واﳌﻌﺎدﻟﺔ اﳋﺎﺻﺔ ﺬﻩ اﺠﻤﻟﻤﻮﻋﺔ ﻫﻲ ‪Y1i  a  bX 1i   1i :‬‬
‫‪ .2‬اﺠﻤﻟﻤﻮﻋﺔ اﻟﺜﺎﻧﻴﺔ‪ :‬وﺗﺘﻤﺜﻞ ﰲ اﳌﺸﺎﻫﺪات اﳋﺎﺻﺔ ﺑﻜﻞ ﻣﻦ ‪ X‬و ‪ Y‬اﻟﻮاردة ﺑﻌﺪ اﳌﺸﺎﻫﺪات اﻟﱵ ﰎ‬
‫اﺳﺘﺒﻌﺎدﻫﺎ‪ ،‬واﳌﻌﺎدﻟﺔ اﳋﺎﺻﺔ ﺬﻩ اﺠﻤﻟﻤﻮﻋﺔ ﻫﻲ‪Y2i  c  dX 2i   2i :‬‬
‫‪ ‬ﺗﻘﺪﻳﺮ ﻣﻌﺎﻣﻼت اﳌﻌﺎدﻟﺘﲔ اﻟﺴﺎﺑﻘﺘﲔ ﺳﺘﻌﻤﺎل اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ‪:‬‬
‫‪Yˆ1i  aˆ  bˆX 1i‬‬
‫‪Y  cˆ  dˆX‬‬
‫‪2i‬‬ ‫‪2i‬‬
‫اﳊﺼﻮل ﻋﻠﻰ اﻟﻘﻴﻢ اﳌﻘﺪرة ﳊﺪ اﳋﻄﺄ‪:‬‬ ‫‪‬‬
‫‪ˆ1i  Y1i  Yˆ1i‬‬

‫‪ˆ2i  Y2i  Yˆ2i‬‬
‫إﳚﺎد اﻟﻘﻴﻤﺔ اﶈﺴﻮﺑﺔ ﻹﺣﺼﺎﺋﻴﺔ ‪ F‬ﻛﻤﺎ ﻳﻠﻲ‪:‬‬ ‫‪‬‬
‫‪F‬‬
‫ˆ‪ ‬‬ ‫‪2‬‬
‫‪2i‬‬
‫ˆ‪ ‬‬ ‫‪2‬‬

‫‪1i‬‬
‫)‪n  m  2(k  1‬‬

‫‪DF ‬‬ ‫إﳚﺎد درﺟﺎت اﳊﺮﻳﺔ‪:‬‬ ‫‪‬‬
‫‪2‬‬
‫ﺣﻴﺚ ‪ : k‬ﻋﺪد اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ‪ : m ،‬ﻋﺪد اﳌﺸﺎﻫﺪات اﳌﺴﺘﺒﻌﺪة‪.‬‬
‫‪ ‬إﳚﺎد اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ ﻹﺣﺼﺎﺋﻴﺔ ‪ F‬ﻋﻨﺪ درﺟﺎت اﳊﺮﻳﺔ ﻟﻜﻞ ﻣﻦ اﻟﺒﺴﻂ واﳌﻘﺎم‪ ،‬وﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ﻣﻌﲔ‪.‬‬
‫‪ ‬ﻣﻘﺎرﻧﺔ ﺑﲔ اﻟﻘﻴﻢ اﶈﺴﻮﺑﺔ ﻹﺣﺼﺎﺋﻴﺔ ‪ F‬واﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ ﳍﺎ ‪:‬‬
‫‪ -‬ﻓﺈذا ﻛﺎﻧﺖ ‪ F‬اﶈﺴﻮﺑﺔ أﻛﱪ ﻣﻦ ‪ F‬اﺠﻤﻟﺪوﻟﺔ‪ ،‬ﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ اﻟﺒﺪﻳﻠﺔ أي ﻓﺮﺿﻴﺔ ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ‬
‫اﻷﺧﻄﺎء‪.‬‬
‫‪ -‬أﻣﺎ إذا ﻛﺎﻧﺖ ‪ F‬اﶈﺴﻮﺑﺔ أﻗﻞ ﻣﻦ ‪ F‬اﺠﻤﻟﺪوﻟﺔ‪ ،‬ﻳﺘﻢ ﻗﺒﻮل ﻓﺮﺿﻴﺔ اﻟﻌﺪم‪.‬‬
‫ﻻﺣﻆ أن اﺧﺘﺒﺎر ‪ Goldfeld-Quandt‬ﻻ ﳝﻜﻦ ﺗﻄﺒﻴﻘﻪ إﻻ ﰲ ﺣﺎﻟﺔ ﻣﺎ إذا ﻛﺎﻧﺖ إﺣﺪى اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﻫﻲ‬
‫اﳌﺴﺒﺒﺔ ﰲ وﺟﻮد ﻣﺸﻜﻠﺔ ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ ﺣﺪ اﳋﻄﺄ‪.‬‬
‫‪:White‬‬ ‫‪ .2.2.3‬اﺧﺘﺒﺎر‬
‫اﻗﱰح )‪ White (1980‬اﺧﺘﺒﺎرا ﻳﻌﺘﻤﺪ ﻋﻠﻰ اﻟﻌﻼﻗﺔ ﺑﲔ ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ و ﲨﻴﻊ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ و ﻛﺬا‬
‫ﻣﺮﺑﻌﺎ ﺎ‪ .‬ﳝﻜﻦ إﺑﺮاز ﺧﻄﻮات ﻫﺬا اﻻﺧﺘﺒﺎر ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪ ‬ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻟﻌﺎم ‪ Y  X  ‬ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﰒ ﺣﺴﺎب ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ ‪. ˆt2‬‬
‫‪ ‬ﺗﻘﺪﻳﺮ اﳌﻌﺎدﻟﺔ اﻟﻮﺳﻴﻄﻴﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪ˆt2   0  1 X t1  1 X t21  ...   k X tk   k X tk2  ut‬‬
‫ﰒ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳋﺎص ﺬﻩ اﳌﻌﺎدﻟﺔ ‪. R 2‬‬
‫ﻓﺮﺿﻴﺔ ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ‪ H0‬اﻟﱵ ﻳﻨﺒﻐﻲ اﺧﺘﺒﺎرﻫﺎ ﻫﻲ‪:‬‬ ‫‪‬‬
‫‪H 0 :  0  1  1  ...   k   k  0‬‬

‫إﺣﺼﺎﺋﻴﺔ ﻣﻀﺎﻋﻒ ﻻﻏﺮاﻧﺞ ‪ LM  n  R 2‬ﺗﺘﺒﻊ ﺗﻮزﻳﻊ ‪  2‬ﺑﺪرﺟﺔ ﺣﺮﻳﺔ ‪ . 2k‬إذا ﻛﺎن ‪ n  R 2‬أﻛﱪ ﻣﻦ‬
‫) ‪)  2 (2k‬اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ ‪  2‬ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪ ،( ‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ‪ H0‬أي إذا ﻛﺎن ﻫﻨﺎك ﻋﻠﻰ اﻷﻗﻞ ﻣﻌﺎﻣﻞ‬
‫واﺣﺪ ﻣﻦ ﻣﻌﺎﻣﻼت اﳌﻌﺎدﻟﺔ اﻟﻮﺳﻴﻄﻴﺔ ﳜﺘﻠﻒ ﻣﻌﻨﻮ ﻋﻦ اﻟﺼﻔﺮ ﻓﺈن ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ﻏﲑ ﻣﺘﺠﺎﻧﺲ‪.‬‬
‫‪:ARCH-LM‬‬ ‫‪ .3.2.3‬اﺧﺘﺒﺎر ﺛﺒﺎت اﻟﺘﺒﺎﻳﻦ اﻟﺸﺮﻃﻲ ﻟﻸﺧﻄﺎء‬
‫ﺗﺴﻤﺢ ﳕﺎذج ‪ 6ARCH‬ﺑﻨﻤﺬﺟﺔ اﳌﺘﻐﲑات اﳌﺎﻟﻴﺔ اﻟﱵ ﲢﺘﻮي ﻋﻠﻰ ﺗﺒﺎﻳﻦ ﺷﺮﻃﻲ ﻏﲑ ﺑﺖ ﻟﻸﺧﻄﺎء اﻟﻌﺸﻮاﺋﻴﺔ‬
‫ﺣﻴﺚ أن اﻟﺘﻄﺎﻳﺮ اﻟﺸﺮﻃﻲ اﻟﺬي ﻳﻌﱪ ﰲ اﻟﻐﺎﻟﺐ ﻋﻦ اﳌﺨﺎﻃﺮة ﻏﲑ ﺑﺖ‪ .‬ﻳﻌﺘﻤﺪ إذن ﻫﺬا اﻻﺧﺘﺒﺎر ﻋﻠﻰ‬
‫ﻣﻀﺎﻋﻒ ﻻﻏﺮاﻧﺞ ‪ .LM‬ﺧﻄﻮات اﻻﺧﺘﺒﺎر ﻛﺎﻟﺘﺎﱄ‪:‬‬
‫‪ ‬ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻟﻌﺎم ‪ Y  X  ‬ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﰒ ﺣﺴﺎب ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ ‪. ˆt2‬‬
‫‪ ‬ﺗﻘﺪﻳﺮ اﳌﻌﺎدﻟﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪ˆt2   0  1ˆt21  ...   qˆt2q  ut‬‬
‫ﻣﻊ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳋﺎص ﺬﻩ اﳌﻌﺎدﻟﺔ ‪ . R 2‬ﻧﻔﻘﺪ ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ ‪ q‬ﻣﺸﺎﻫﺪة‪.‬‬
‫ﻓﺮﺿﻴﺔ ﺛﺒﺎت اﻟﺘﺒﺎﻳﻦ اﻟﺸﺮﻃﻲ ﻟﻸﺧﻄﺎء ‪ H0‬اﻟﱵ ﻳﻨﺒﻐﻲ اﺧﺘﺒﺎرﻫﺎ ﻫﻲ‪:‬‬ ‫‪‬‬
‫‪H 0 :  0  1  ...   q  0‬‬

‫إﺣﺼﺎﺋﻴﺔ ﻣﻀﺎﻋﻒ ﻻﻏﺮاﻧﺞ ‪ LM  (n  q)  R 2‬ﺗﺘﺒﻊ ﺗﻮزﻳﻊ ‪  2‬ﺑﺪرﺟﺔ‬
‫ﺣﺮﻳﺔ ‪ . q‬إذا ﻛﺎن ‪(n  q)  R 2‬‬
‫أﻛﱪ ﻣﻦ )‪)  2 (q‬اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ ‪  2‬ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪ ،( ‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ‪ H0‬أي إذا ﻛﺎن ﻫﻨﺎك ﻋﻠﻰ اﻷﻗﻞ‬
‫ﻣﻌﺎﻣﻞ واﺣﺪ ﻣﻦ ﻣﻌﺎﻣﻼت ﻣﻌﺎدﻟﺔ ‪ ARCH‬ﳜﺘﻠﻒ ﻣﻌﻨﻮ ﻋﻦ اﻟﺼﻔﺮ ﻓﺈن اﻟﺘﺒﺎﻳﻦ اﻟﺸﺮﻃﻲ ﻟﻸﺧﻄﺎء ﻏﲑ‬
‫ﻣﺘﺠﺎﻧﺲ‪.‬‬
‫‪ .3.3‬ﻣﻌﺎﳉﺔ ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ ﺣﺪ اﳋﻄﺄ ‪:‬‬
‫ﻣﻦ أﺑﺮز اﻟﻄﺮق اﳌﺴﺘﺨﺪﻣﺔ ﻟﺘﺼﺤﻴﺢ اﳌﺸﻜﻠﺔ ﻫﻲ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﳌﺮﺟﺤﺔ‪ ،‬وﺗﻘﻮم ﻫﺬﻩ اﻟﻔﻜﺮة ﻋﻠﻰ‬
‫إﻋﻄﺎء اﻟﻘﻴﻢ ذات اﻻﳓﺮاف اﻷﻗﻞ ﻋﻠﻰ ﺧﻂ اﻻﳓﺪار وز أﻛﱪ ﻣﻦ اﻟﻘﻴﻢ ذات اﻻﳓﺮاف اﻷﻛﱪ ﰲ ﺗﻘﺪﻳﺮ اﻟﻌﻼﻗﺔ‬
‫ﳏﻞ اﻻﻋﺘﺒﺎر‪ .7‬وﻳﺘﻮﻗﻒ ﺷﻜﻞ اﻟﻨﻤﻮذج اﻷﺻﻠﻲ اﳌﺤ ﱠﻮل ﻋﻠﻰ ﳕﻂ ﻋﺪم ﺛﺒﺎت اﻟﺘﺒﺎﻳﻦ اﳌﻜﺘﺸﻒ ﰲ اﻟﻨﻤﻮذج اﻷﺻﻠﻲ‬
‫ُ‬
‫اﳌﻘﺪر‪.‬‬
‫وﺑﻔﺮض أن اﻟﻨﻤﻮذج اﻷﺻﻠﻲ ﻛﺎن ﻛﻤﺎ ﻳﻠﻲ ‪ Yi   0  1 X i   i , i  1, ..., n :‬ﻓﺈن ﻫﻨﺎك ﻋﺪة أﳕﺎط‬
‫)اﻓﱰاﺿﺎت( ﻟﻌﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء‪ ،‬وﳜﺘﻠﻒ اﻟﻨﻤﻮذج أو اﳌﻌﺎدﻟﺔ اﶈﻮﻟﺔ ﻣﻦ اﻓﱰاض إﱃ آﺧﺮ‪.‬‬
‫‪ ‬اﻻﻓﱰاض اﻷول‪ E  i2    2 X i2 :‬وﻃﺒﻘﺎ ﳍﺬا اﻻﻓﱰاض ﻳﺘﻢ ﲢﻮﻳﻞ اﻟﻨﻤﻮذج اﻷﺻﻠﻲ إﱃ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬
‫‪Yi‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪ 0  1  i   0‬‬ ‫‪ 1   i‬‬
‫‪Xi Xi‬‬ ‫‪Xi‬‬ ‫‪Xi‬‬
‫‪i‬‬
‫ﺣﻴﺚ ‪  i :‬ﻋﺒﺎرة ﻋﻦ ﺣﺪ اﳋﻄﺄ اﶈﻮل‬
‫‪Xi‬‬
‫‪1‬‬ ‫‪Yi‬‬
‫ﻣﺴﺘﺨﺪﻣﺎ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﳓﺼﻞ ﻋﻠﻰ‪:‬‬ ‫ﻋﻠﻰ‬ ‫و ﺟﺮاء اﳓﺪار‬
‫‪Xi‬‬ ‫‪Xi‬‬
‫‪ Yî  ˆ 1‬‬
‫‪   0‬‬
‫‪X ‬‬ ‫‪ ˆ1‬‬
‫‪ i‬‬ ‫‪X‬‬ ‫‪i‬‬
‫‪6‬‬
‫)‪Engle (1982‬‬
‫‪ 7‬ﻋﺒﺪ اﻟﻘﺎدر ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻘﺎدر ﻋﻄﯿﺔ‪ ،1990 ،‬ص ‪.452‬‬
‫وﺑﻀﺮب اﳌﻌﺎدﻟﺔ اﶈﻮﻟﺔ اﳌﻘﺪرة اﻟﺴﺎﺑﻘﺔ ﰲ ‪ Xi‬ﻳﺘﻢ اﳊﺼﻮل ﻋﻠﻰ اﻟﻨﻤﻮذج اﻷﺻﻠﻲ ‪ Yî  ˆ0  ˆ1 X i‬ﺑﻌﺪ ﻣﻌﺎﳉﺔ‬
‫ﻋﺪم ﺛﺒﺎت اﻟﺘﺒﺎﻳﻦ ‪ ،  2‬وﻳﺘﻀﺢ ﳑﺎ ﺳﺒﻖ أن اﳊﺪ اﻟﺜﺎﺑﺖ ﰲ اﻟﻨﻤﻮذج اﶈﻮل ) ‪ ( 1‬ﻫﻮ ﻋﺒﺎرة ﻋﻦ ﻣﻴﻞ ﻣﻌﺎﻣﻞ‬
‫اﻻﳓﺪار ﻟﻠﻨﻤﻮذج اﻷﺻﻠﻲ‪ ،‬وﻣﻴﻞ ﻣﻌﺎﻣﻞ اﻻﳓﺪار ﻟﻠﻨﻤﻮذج اﶈﻮل ﻫﻮ ﻋﺒﺎرة ﻋﻦ اﳊﺪ اﻟﺜﺎﺑﺖ ﰲ اﻟﻨﻤﻮذج اﻷﺻﻠﻲ‪.‬‬
‫‪ ‬اﻻﻓﱰاض اﻟﺜﺎﱐ‪ E  i2    2 X i :‬وﻃﺒﻘﺎ ﳍﺬا اﻻﻓﱰاض ﻳﺘﻢ ﲢﻮﻳﻞ اﻟﻨﻤﻮذج اﻷﺻﻠﻲ إﱃ اﳌﻌﺎدﻟﺔ اﻟﺘﺎﻟﻴﺔ‪:‬‬
‫‪Yi‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪1‬‬
‫‪ 0  1 X i  i   0‬‬ ‫‪ 1 X i   i‬‬
‫‪Xi‬‬ ‫‪Xi‬‬ ‫‪Xi‬‬ ‫‪Xi‬‬
‫‪i‬‬
‫‪Xi  0‬‬ ‫‪،‬‬ ‫ﻋﺒﺎرة ﻋﻦ ﺣﺪ اﳋﻄﺄ اﶈﻮل‬ ‫‪i‬‬ ‫ﺣﻴﺚ‬
‫‪Xi‬‬
‫‪1‬‬ ‫‪Yi‬‬
‫ﺑﻮاﺳﻄﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ‪.‬‬ ‫‪Xi‬‬ ‫‪،‬‬ ‫ﻋﻠﻰ‬ ‫وﺑﻨﻔﺲ اﳊﺎﻟﺔ اﻷوﱃ ﳒﺮي اﳓﺪار‬
‫‪Xi‬‬ ‫‪Xi‬‬
‫اﻻﻓﱰاض اﻟﺜﺎﻟﺚ‪ ، E  i2    2 Yi 2 :‬وﻃﺒﻘﺎ ﳍﺬا اﻻﻓﱰاض ﺗﻜﻮن اﳌﻌﺎدﻟﺔ اﶈﻮﻟﺔ ﻣﻦ اﻟﺸﻜﻞ‪:‬‬ ‫‪‬‬
‫‪Yi  0‬‬ ‫‪X ‬‬ ‫‪1‬‬ ‫‪X‬‬
‫‪‬‬ ‫‪ 1 i  i   0  1 i  ‬‬
‫‪Yi Yi‬‬ ‫‪Yi Yi‬‬ ‫‪Yi‬‬ ‫‪Yi‬‬
‫اﻻﻓﱰاض اﻟﺮاﺑﻊ‪ ، E  i2    2 î :‬وﻳﺘﻀﻤﻦ ﻫﺬا اﻻﻓﱰاض أن ﺗﺒﺎﻳﻦ ﺣﺪ اﳋﻄﺄ داﻟﺔ ﺧﻄﻴﺔ ﻟﺒﻮاﻗﻲ‬ ‫‪‬‬
‫ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ‪ ،‬وﻃﺒﻘﺎ ﳍﺬا ﺗﻜﻮن اﳌﻌﺎدﻟﺔ اﳌﻘﺪرة ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪Yi‬‬ ‫‪1‬‬ ‫‪Xi‬‬ ‫‪i‬‬
‫‪ 0‬‬ ‫‪ 1‬‬ ‫‪‬‬
‫‪î‬‬ ‫‪î‬‬ ‫‪î‬‬ ‫‪î‬‬
‫اﻻﻓﱰاض اﳋﺎﻣﺲ ‪ :‬اﻟﺘﺤﻮﻳﻼت اﻟﻠﻮﻏﺎرﻳﺘﻤﻴﺔ‪ ،‬إن ﲢﻮﻳﻞ اﻟﻨﻤﻮذج اﻷﺻﻠﻲ إﱃ اﻟﺼﻴﻐﺔ اﻟﻠﻮﻏﺎرﻳﺘﻤﻴﺔ اﳌﺰدوﺟﺔ‬ ‫‪‬‬
‫ﺳﻮف ﻳﺆدي ﻏﺎﻟﺒﺎ إﱃ ﺗﻘﻠﻴﻞ درﺟﺔ ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ ﺣﺪ اﳋﻄﺄ‪ ،‬وﻣﻦ ﰒ ﻃﺒﻘﺎ ﳍﺬا اﻻﻓﱰاض ﺗﻜﻮن اﳌﻌﺎدﻟﺔ‬
‫اﶈﻮﻟﺔ اﳌﻨﺎﺳﺒﺔ ﻟﻠﻨﻤﻮذج اﻷﺻﻠﻲ ﻛﻤﺎ ﻳﻠﻲ ‪. LnYi   0  1 LnX i   i :‬‬
‫ﻣﺜﺎل ‪: 3‬‬
‫إذا ﻛﺎن ﻟﺪﻳﻨﺎ ‪ 31‬ﻣﺸﺎﻫﺪة ﺗﺘﻌﻠﻖ ﻟﺪﺧﻞ ‪ X i‬و اﻻدﺧﺎر ‪ Yi‬و اﳌﻄﻠﻮب اﺧﺘﺒﺎر ﲡﺎﻧﺲ ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء‬
‫ﻟﻠﻨﻤﻮذج ‪ . Yi   0  1 X i   i‬اﳉﺪول اﻟﺘﺎﱄ ﻳﻌﻄﻲ ﺗﻄﻮر ﻛﻞ ﻣﻦ اﻟﺪﺧﻞ و اﻻدﺧﺎر ﺧﻼل ‪ 31‬ﺳﻨﺔ‪.‬‬
‫اﳉﺪول )‪ :(4‬اﳌﻌﻄﻴﺎت اﻹﺣﺼﺎﺋﻴﺔ ﺣﻮل اﻻدﺧﺎر و اﻟﺪﺧﻞ ﺧﻼل ‪ 31‬ﺳﻨﺔ‬
‫‪Yt‬‬ ‫‪Xt‬‬ ‫‪i‬‬

‫‪264‬‬ ‫‪8777‬‬ ‫‪1‬‬
‫‪90‬‬ ‫‪9954‬‬ ‫‪2‬‬
‫‪122‬‬ ‫‪10979‬‬ ‫‪3‬‬
‫‪588‬‬ ‫‪15522‬‬ ‫‪4‬‬
‫‪779‬‬ ‫‪18575‬‬ ‫‪5‬‬
‫‪1222‬‬ ‫‪21163‬‬ ‫‪6‬‬
‫‪1654‬‬ ‫‪25604‬‬ ‫‪7‬‬
‫‪1400‬‬ ‫‪26500‬‬ ‫‪8‬‬
‫‪1829‬‬ ‫‪27670‬‬ ‫‪9‬‬

‫‪2200‬‬ ‫‪28300‬‬ ‫‪10‬‬
‫‪2017‬‬ ‫‪27430‬‬ ‫‪11‬‬
‫‪2105‬‬ ‫‪29560‬‬ ‫‪12‬‬
‫‪105‬‬ ‫‪9210‬‬ ‫‪13‬‬
‫‪107‬‬ ‫‪11912‬‬ ‫‪14‬‬
‫‪503‬‬ ‫‪13499‬‬ ‫‪15‬‬
‫‪898‬‬ ‫‪16730‬‬ ‫‪16‬‬
‫‪819‬‬ ‫‪19635‬‬ ‫‪17‬‬
‫‪1702‬‬ ‫‪22880‬‬ ‫‪18‬‬
‫‪1600‬‬ ‫‪28150‬‬ ‫‪19‬‬
‫‪2450‬‬ ‫‪32500‬‬ ‫‪20‬‬
‫‪2570‬‬ ‫‪35250‬‬ ‫‪21‬‬
‫‪1720‬‬ ‫‪33500‬‬ ‫‪22‬‬
‫‪1900‬‬ ‫‪36000‬‬ ‫‪23‬‬
‫‪131‬‬ ‫‪10508‬‬ ‫‪24‬‬
‫‪406‬‬ ‫‪12747‬‬ ‫‪25‬‬
‫‪431‬‬ ‫‪14269‬‬ ‫‪26‬‬
‫‪951‬‬ ‫‪17663‬‬ ‫‪27‬‬
‫‪1578‬‬ ‫‪24127‬‬ ‫‪28‬‬
‫‪2250‬‬ ‫‪32100‬‬ ‫‪29‬‬
‫‪2100‬‬ ‫‪36200‬‬ ‫‪30‬‬
‫‪2300‬‬ ‫‪38200‬‬ ‫‪31‬‬
‫ﻧﺴﺘﻌﻤﻞ أوﻻ اﺧﺘﺒﺎر ‪ Goldfeld-Quandt‬ﳍﺬا اﻟﻐﺮض‪ .‬ﻧﻘﻮم أوﻻ ﺑﺘﻄﺒﻴﻖ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻟﺘﻘﺪﻳﺮ داﻟﺔ‬
‫اﻻدﺧﺎر اﻟﻜﻠﻲ‪ ،‬ﳓﺼﻞ ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫‪Yî  649.71  0.08 X i‬‬
‫)‪(-5.46) (17.26‬‬
‫‪R 2  0.911 ; RSS  1798234.34 ; DW  1.49‬‬
‫اﻟﻘﻴﻢ اﻟﱵ ﺑﲔ ﻗﻮﺳﲔ ﻫﻲ ﻗﻴﻢ ﺳﺘﻴﻮدﻧﺖ‪ .‬ﻟﺘﻄﺒﻴﻖ ﻫﺬﻩ اﻹﺣﺼﺎﺋﻴﺔ ﻧﺘﺒﻊ اﳋﻄﻮات اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫اﳋﻄﻮة اﻷوﱃ ‪ :‬ﻳﺘﻢ ﺗﺮﺗﻴﺐ اﳌﺸﺎﻫﺪات ﺗﺮﺗﻴﺒﺎ ﺗﺼﺎﻋﺪ ﺣﺴﺐ ﻗﻴﻢ اﻟﺪﺧﻞ ‪. X i‬‬
‫‪ ، m  9‬و ﻫﻲ ﺗﻘﻊ‬ ‫اﳋﻄﻮة اﻟﺜﺎﻧﻴﺔ ‪ :‬ﲟﺎ أن ﻋﺪد اﳌﺸﺎﻫﺪات ﻫﻮ ‪ ،31‬ﻓﺈﻧﻪ ﻳﺘﻢ اﺧﺘﻴﺎر ﻋﺪد اﳌﺸﺎﻫﺪات اﳌﺴﺘﺒﻌﺪة‬
‫‪11‬‬
‫ﻟﻜﻲ ﻳﻜﻮن ﻋﺪد اﳌﺸﺎﻫﺪات اﳌﺘﺒﻘﻴﺔ زوﺟﻴﺎ‪ ،‬ﺣﻴﺚ ﲢﺬف اﳌﺸﺎﻫﺪات اﻟﺘﺴﻊ ﻣﻦ اﳉﺰء‬ ‫‪n‬‬
‫و‬ ‫ﺑﲔ اﻟﻘﻴﻤﺘﲔ‬
‫‪4‬‬ ‫‪3‬‬
‫اﻷوﺳﻂ ﻣﻦ اﳌﺸﺎﻫﺪات ﺑﻌﺪ ﺗﺮﺗﻴﺒﻬﺎ و ﻋﻠﻴﻪ ﳓﺼﻞ ﻋﻠﻰ ﳎﻤﻮﻋﺘﲔ ﻛﻞ ﻣﻨﻬﻤﺎ ﻳﺴﺎوي ‪ 11‬أي ‪. n  m  11‬‬
‫‪2‬‬
‫اﳋﻄﻮة اﻟﺜﺎﻟﺜﺔ ‪ :‬ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮ اﻟﻨﻤﻮذج ﻋﻠﻰ اﳉﺰء اﻷول ﻣﻦ اﳌﺸﺎﻫﺪات ﺑﻌﺪ ﺗﺮﺗﻴﺒﻬﺎ ﺗﺼﺎﻋﺪ و اﺳﺘﺒﻌﺎد اﺠﻤﻟﻤﻮﻋﺔ‬
‫‪ ، m‬ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪Yî  738.84  0.08 X i‬‬
‫‪R 2  0.78; RSS1  144771.5 ; n  11‬‬
‫اﳋﻄﻮة اﻟﺮاﺑﻌﺔ ‪ :‬ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮ اﻟﻨﻤﻮذج ﻋﻠﻰ اﳉﺰء اﻟﺜﺎﱐ ﻣﻦ اﳌﺸﺎﻫﺪات ﺑﻌﺪ ﺗﺮﺗﻴﺒﻬﺎ ﺗﺼﺎﻋﺪ و اﺳﺘﺒﻌﺎد اﺠﻤﻟﻤﻮﻋﺔ‬
‫‪ ، m‬ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪Yî  1050.79  0.032 X i‬‬
‫‪R 2  0.16; RSS 2  769899.3 ; n  11‬‬
‫اﳋﻄﻮة اﳋﺎﻣﺴﺔ ‪ :‬ﻻﲣﺎذ اﻟﻘﺮار‪ ،‬ﻳﻜﻔﻲ ﺣﺴﺎب إﺣﺼﺎﺋﻴﺔ ﻓﻴﺸﺮ‪ ،‬ﺣﻴﺚ ‪:‬‬
‫‪RSS 2 769899.3‬‬
‫‪Fc ‬‬ ‫‪‬‬ ‫‪ 5.31‬‬
‫‪RSS1 144771.5‬‬
‫و درﺟﱵ ﺣﺮﻳﺔ‬ ‫‪  0.05‬‬ ‫ﻧﻼﺣﻆ أن اﻟﻘﻴﻤﺔ اﶈﺴﻮﺑﺔ أﻛﱪ ﲤﺎﻣﺎ ﻣﻦ اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ ﻟﺘﻮزﻳﻊ ﻓﻴﺸﺮ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ‬
‫‪n  m  2(k  1) 31  9  4‬‬
‫و ﻫﺬا ﻳﻌﲏ‬ ‫‪H0‬‬ ‫‪ . Fc‬إذن ﻧﺮﻓﺾ‬ ‫)‪ F0.05 (9,9‬‬ ‫أي‬ ‫‪DF   1   2 ‬‬ ‫‪‬‬ ‫‪9‬‬
‫‪2‬‬ ‫‪2‬‬
‫أن ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ﻏﲑ ﻣﺘﺠﺎﻧﺲ‪.‬‬
‫ﻟﻠﺘﺄﻛﺪ ﻣﻦ اﻟﻨﺘﻴﺠﺔ اﳌﺘﻮﺻﻞ إﻟﻴﻬﺎ ﻧﺴﺘﻌﻤﻞ إﺣﺼﺎﺋﻴﺔ ‪ White‬ﻻﺧﺘﺒﺎر ﲡﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ‪ .‬ﻧﻘﻮم أوﻻ ﺑﺘﻘﺪﻳﺮ اﳌﻌﺎدﻟﺔ‬
‫اﻟﻮﺳﻴﻄﻴﺔ‪ ،‬ﳓﺼﻞ ﻋﻠﻰ ‪:‬‬
‫‪ˆt2  13685.49  1.32 X t  0.00013 X t2‬‬
‫‪R 2  0.368 ; n  31‬‬
‫ﺣﻴﺚ ‪ ˆt2‬ﻣﺮﺑﻌﺎت ﺑﻮاﻗﻲ ﺗﻘﺪﻳﺮ ﳕﻮذج اﻻدﺧﺎر اﻟﻜﻠﻲ‪.‬‬
‫ﰒ ﳓﺴﺐ إﺣﺼﺎﺋﻴﺔ ﻣﻀﺎﻋﻒ ﻻﻏﺮاﻧﺞ‪ ،‬ﺣﻴﺚ ‪:‬‬
‫‪LM  n  R 2  31  0.368  11.42‬‬
‫ﻧﻼﺣﻆ أن إﺣﺼﺎﺋﻴﺔ ﻣﻀﺎﻋﻒ ﻻﻏﺮاﻧﺞ أﻛﱪ ﲤﺎﻣﺎ ﻣﻦ اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ ﻟﺘﻮزﻳﻊ ‪  2‬ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪   0.05‬و‬
‫درﺟﺔ ﺣﺮﻳﺔ ‪ DF  2k  2‬أي ‪ . LM   02.05 (2)  5.99‬إذن ﻧﺮﻓﺾ ‪ H 0‬و ﻫﺬا ﻳﻌﲏ أن ﺗﺒﺎﻳﻦ اﻷﺧﻄﺎء ﰲ‬
‫ﻫﺬﻩ اﳊﺎﻟﺔ أﻳﻀﺎ ﻏﲑ ﻣﺘﺠﺎﻧﺲ‪.‬‬
‫ﻫﻨﺎك اﺧﺘﺒﺎر آﺧﺮ ﻳﻬﺪف إﱃ ﻣﻌﺮﻓﺔ ﻣﺪى ﲡﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ اﻟﺸﺮﻃﻲ ﻟﻸﺧﻄﺎء ﻳﺴﻤﻰ ﺧﺘﺒﺎر ‪.ARCH-LM‬‬
‫ﻧﻘﻮم أﻳﻀﺎ ﺑﺘﻘﺪﻳﺮ اﳌﻌﺎدﻟﺔ اﻟﻮﺳﻴﻄﻴﺔ‪ ،‬ﳓﺼﻞ ﻋﻠﻰ ‪:‬‬
‫‪ˆt2  43402.09  0.27î21‬‬
‫‪R 2  0.07711‬‬
‫ﺣﻴﺚ ‪ ˆt2‬ﻣﺮﺑﻌﺎت ﺑﻮاﻗﻲ ﺗﻘﺪﻳﺮ ﳕﻮذج اﻻدﺧﺎر اﻟﻜﻠﻲ‪.‬‬
‫ﰒ ﳓﺴﺐ إﺣﺼﺎﺋﻴﺔ ﻣﻀﺎﻋﻒ ﻻﻏﺮاﻧﺞ‪ ،‬ﺣﻴﺚ ‪:‬‬
‫‪LM  (n  1)  R 2  (31  1)  0.077  2.23‬‬
‫ﻧﻼﺣﻆ أن إﺣﺼﺎﺋﻴﺔ ﻣﻀﺎﻋﻒ ﻻﻏﺮاﻧﺞ أﺻﻐﺮ ﲤﺎﻣﺎ ﻣﻦ اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ ﻟﺘﻮزﻳﻊ ‪  2‬ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪   0.05‬و‬
‫درﺟﺔ ﺣﺮﻳﺔ ‪ DF  q  1‬أي ‪ . LM   02.05 (1)  3.84‬إذن ﻧﻘﺒﻞ ‪ H 0‬و ﻫﺬا ﻳﻌﲏ أن اﻟﺘﺒﺎﻳﻦ اﻟﺸﺮﻃﻲ‬
‫ﻟﻸﺧﻄﺎء ﻣﺘﺠﺎﻧﺲ‪ .‬ﻧﺴﺘﻨﺘﺞ أن اﻟﺘﺒﺎﻳﻦ اﳍﺎﻣﺸﻲ ﻟﻸﺧﻄﺎء ﻏﲑ ﻣﺘﺠﺎﻧﺲ أﻣﺎ اﻟﺘﺒﺎﻳﻦ اﻟﺸﺮﻃﻲ ﻓﻴﻌﺘﱪ ﺑﺖ‪.‬‬
‫أ‪ .‬ﻟﻨﺴﺒﺔ ﳌﺸﻜﻠﺔ اﻻرﺗﺒﺎط اﻟﺬاﰐ‪ ،‬ﳝﻜﻦ ﻣﻌﺎﳉﺘﻪ ﺳﺘﻌﻤﺎل ‪ .RATS 5.04‬ﻧﻘﺪر اﻟﻨﻤﻮذج ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت‬
‫اﻟﺼﻐﺮى ‪:‬‬
‫‪ -‬اﺧﺘﺒﺎر ‪: Breusch-Godfrey‬‬
‫‪ -‬ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﳌﺼﺤﺢ ﺑﻄﺮﻳﻘﺔ درﺑﲔ‪-‬واﺗﺴﻮن اﳌﺒﺎﺷﺮة ‪:‬‬
‫‪ -‬اﻟﺘﻘﺪﻳﺮ ﺑﻄﺮﻳﻘﺔ ‪: Hidreth-Lu‬‬
‫‪ -‬اﻟﺘﻘﺪﻳﺮ ﺑﻄﺮﻳﻘﺔ ‪: Cochrane-Orcutt‬‬
‫ب‪ .‬ﻟﻨﺴﺒﺔ ﳌﺸﻜﻠﺔ ﻋﺪم ﲡﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﳝﻜﻦ ﻣﻌﺎﳉﺘﻪ أﻳﻀﺎ ﺳﺘﻌﻤﺎل ‪ .RATS 5.04‬ﻧﻘﺪر ﳕﻮذج اﻻدﺧﺎر‬
‫ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ‪:‬‬
‫‪ -‬اﺧﺘﺒﺎر ‪: White‬‬
‫‪ -‬اﺧﺘﺒﺎر ‪: ARCH-LM‬‬
‫ﲡﺪر اﻹﺷﺎرة إﱃ أﻧﻪ ﳝﻜﻦ أﻳﻀﺎ اﺳﺘﻌﻤﺎل ‪ Eviews 4.0‬ﻓﻴﻌﻄﻲ اﻟﻨﺘﺎﺋﺞ ﻣﺒﺎﺷﺮة و ﺑﻄﺮﻳﻘﺔ ﺑﺴﻴﻄﺔ‪ ،‬ﻓﺎﳌﻬﺘﻤﻮن‬
‫ﺑﻌﻠﻢ اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ و ﺧﺎﺻﺔ اﳌﺒﺘﺪﺋﻮن ﻣﻨﻬﻢ ﳝﻜﻨﻬﻢ اﺳﺘﻌﻤﺎل ﻫﺬا اﻟﱪ ﻣﺞ ﻋﺘﺒﺎرﻩ ﺳﻬﻞ اﻻﺳﺘﻌﻤﺎل‪ .‬أﻣﺎ‬
‫‪ RATS 5.04‬ﻓﻴﺤﺘﺎج إﱃ ﻣﻌﺮﻓﺔ اﻟﻠﻐﺔ اﳌﺴﺘﻌﻤﻠﺔ و ﻛﻴﻔﻴﺔ ﻛﺘﺎﺑﺔ اﻟﺘﻌﻠﻴﻤﺎت‪.‬‬
‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ‪ :‬طﺮق وﺗﻘﻨﯿﺎت أﺧﺮى ﻓﻲ ﺗﺤﻠﯿﻞ اﻻﻧﺤﺪار‪75................................................................................................‬‬
‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ ‪:‬‬

‫ﻃﺮق وﺗﻘﻨﻴﺎت أﺧﺮى ﰲ ﲢﻠﻴﻞ اﻻﳓﺪار‬
‫أوﺿﺤﻨﺎ ﰲ اﻟﻔﺼﻮل اﻟﺴﺎﺑﻘﺔ أﻫﻢ اﻟﺘﻘﻨﻴﺎت ﰲ اﻟﻨﻤﻮذج اﳋﻄﻲ اﻟﻌﺎم‪ ،‬ﻓﻠﻘﺪ ﺗﻄﺮﻗﻨﺎ إﱃ ﺻﻴﺎﻏﺔ ﻣﻘﺪرات اﳌﺮﺑﻌﺎت‬
‫اﻟﺼﻐﺮى و اﻟﻜﻴﻔﻴﺔ اﻟﱵ ﺗﻜﻮن ﻓﻴﻬﺎ ﻫﺬﻩ اﳌﻘﺪرات ﺧﻄﻴﺔ و ﻏﲑ ﻣﺘﺤﻴﺰة و ﺗﻌﺪﻳﻞ ﻫﺬﻩ اﳌﻘﺪرات ﰲ ﺣﺎﻟﺔ اﻻرﺗﺒﺎط‬
‫اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء و ﻋﺪم ﲡﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ‪.‬‬
‫ﺳﻨﺪرس ﰲ ﻫﺬا اﻟﻔﺼﻞ ﺑﻌﺾ اﻟﻄﺮق اﻹﺿﺎﻓﻴﺔ اﻟﱵ ﳝﻜﻦ اﺳﺘﺨﺪاﻣﻬﺎ ﰲ ﲢﻠﻴﻞ اﻻﳓﺪار اﳌﺘﻌﺪد و ﻟﺘﺤﺪﻳﺪ‬
‫ﻣﻌﺎﳉﺔ ﺣﺎﻟﺔ اﳌﺘﻐﲑات اﳌﺒﻄﺄة ﺑﺘﻌﻤﻖ أﻛﺜﺮ و ﲢﻠﻴﻞ اﻟﻨﻤﺎذج ﻏﲑ اﳋﻄﻴﺔ ﺣﻴﺚ ﺳﻴﺘﻢ ﺗﺮﻛﻴﺰ ﻋﻠﻰ ﺑﻌﺾ اﻷدوات‬
‫اﻟﻘﻴﺎﺳﻴﺔ اﻷﺧﺮى ﻟﻠﺘﻘﺪﻳﺮ ﻣﻨﻬﺎ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻏﲑ اﳋﻄﻴﺔ و اﻟﻄﺮﻳﻘﺔ ﻏﲑ اﳌﻌﻠﻤﻴﺔ "ﻃﺮﻳﻘﺔ اﻟﻨﻮاة"‪.‬‬
‫‪ .1‬اﻟﻨﻤﺎذج ذات اﳌﺘﻐﲑات اﳌﺘﺒﺎﻃﺌﺔ زﻣﻨﻴﺎ‬

‫ﻋﻨﺪ ﺑﻨﺎء اﻟﻨﻤﺎذج اﻻﻗﺘﺼﺎدﻳﺔ ﻣﻦ اﳌﻬﻢ أﺧﺬ ﻋﺎﻣﻞ اﻟﺰﻣﻦ ﺑﻌﲔ اﻻﻋﺘﺒﺎر‪ ،‬ﺣﻴﺚ ﳒﺪ ﻋﺎدة وﺟﻮد ﻓﱰة زﻣﻨﻴﺔ ﺑﲔ‬
‫ﺣﺮﻛﺔ اﳌﺘﻐﲑات اﻟﺘﺎﺑﻌﺔ اﻟﱵ ﺗﺴﺘﺠﻴﺐ ﻟﻠﻤﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ‪ .‬إن إدﺧﺎل ﻣﺜﻞ ﻫﺬﻩ اﳌﺘﻐﲑات ﰲ ﲢﻠﻴﻞ اﻻﳓﺪار ﳚﻌﻞ‬
‫اﻟﺘﺤﻠﻴﻞ أﴰﻞ و أﻗﺮب إﱃ اﻟﻮاﻗﻊ‪ ،‬ﺣﻴﺚ أن ﻫﻨﺎك ﻣﺘﻐﲑات ﻗﺪ ﺗﺮﺗﺒﻂ ﲟﺘﻐﲑات أﺧﺮى ﰲ ﻧﻔﺲ اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ‬
‫ﻛﺎﻟﻨﻤﺎذج اﻟﺴﺎﻛﻨﺔ و ﰲ أﻏﻠﺐ اﳊﺎﻻت ﻗﺪ ﺗﺮﺗﺒﻂ ﺑﻘﻴﻢ ﻣﺎﺿﻴﺔ ﻟﺒﻌﺾ اﳌﺘﻐﲑات ﻓﺘﺼﺒﺢ اﻟﻨﻤﺎذج ﺣﺮﻛﻴﺔ‪.‬‬
‫ﻳﻨﺒﻐﻲ إدﺧﺎل ﻋﺎﻣﻞ اﻟﺘﺒﺎﻃﺆ اﻟﺰﻣﲏ ﻟﻠﻤﺘﻐﲑ اﳌﺴﺘﻘﻞ ﻷن ﰲ ﳕﺎذج اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﺧﺎﺻﺔ ﻫﻨﺎك ﻓﱰة زﻣﻨﻴﺔ ﺗﻘﻊ‬
‫ﺑﲔ اﲣﺎذ اﻟﻘﺮار اﻻﻗﺘﺼﺎدي و اﻟﺘﺄﺛﲑ اﻟﻨﻬﺎﺋﻲ ﻟﻠﺘﻐﲑ ﰲ ﻣﺘﻐﲑ اﻟﺴﻴﺎﺳﺔ اﻻﻗﺘﺼﺎدﻳﺔ و ﻻ ﺳﻴﻤﺎ إذا ﻛﺎن ﰲ ﻓﱰة ﻃﻮﻳﻠﺔ‪.‬‬
‫ﳛﺘﻞ اﻟﺘﺒﺎﻃﺆ اﻟﺰﻣﲏ ﻣﻜﺎ أﺳﺎﺳﻴﺎ ﰲ اﻻﻗﺘﺼﺎد‪ ،‬ﺣﻴﺚ ﻳﺆﺛﺮ ﻋﻠﻰ ﻃﺮق اﻟﺘﺤﻠﻴﻞ اﻻﻗﺘﺼﺎدي ﺳﻮاء ﻋﻠﻰ اﳌﺪى‬
‫اﻟﻘﺼﲑ أو اﻟﻄﻮﻳﻞ‪ .‬ﻫﻨﺎك أﺳﺒﺎب ﺗﺆدي إﱃ وﺟﻮد اﻟﺘﺒﺎﻃﺆ اﻟﺰﻣﲏ‪ ،‬ﻣﻨﻬﺎ أﺳﺒﺎب ﻧﻔﺴﻴﺔ ﺑﺴﺒﺐ اﻟﻌﺎدات و اﻟﺘﻘﺎﻟﻴﺪ‬
‫ﻓﻘﺪ ﻻ ﻳﻐﲑ اﻟﻨﺎس ﻋﺎدا ﻢ اﻻﺳﺘﻬﻼﻛﻴﺔ ﻣﺒﺎﺷﺮة ﺑﻌﺪ اﳔﻔﺎض اﻷﺳﻌﺎر أو ﺗﺰاﻳﺪ اﻟﺪﺧﻞ و ﻫﻨﺎك أﻳﻀﺎ أﺳﺒﺎب ﺗﻘﻨﻴﺔ‬
‫أو ﻣﺆﺳﺴﻴﺔ‪ .. ،‬اﱁ‪.1‬‬
‫‪ .1.1‬ﳕﺎذج اﻟﺘﺨﻠﻒ اﻟﺰﻣﲏ اﳌﺘﺪرج‬
‫ﻳﻄﻠﻖ ﻋﻠﻰ ﻫﺬا اﻟﻨﻮع ﻣﻦ اﻟﻌﻼﻗﺎت ﻓﱰات اﻹﺑﻄﺎء اﳌﻮزﻋﺔ‪ ،‬وﻳﻌﲏ ﻫﺬا أن اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ﰲ أي ﻓﱰة زﻣﻨﻴﺔ ﻳﻌﺘﻤﺪ‬
‫ﻋﻠﻰ ﳎﻤﻮع ﻣﺮﺟﺢ ﻷوزان ﻟﻠﻤﺘﻐﲑ اﳌﺴﺘﻘﻞ ﰲ اﻟﻔﱰات اﻟﺴﺎﺑﻘﺔ‪:‬‬
‫‪ 1‬وﻟﯿﺪ اﺳﻤﺎﻋﯿﻞ اﻟﺴﯿﻔﻮ و أﺣﻤﺪ ﻣﺤﻤﺪ ﻣﺸﻌﻞ‪ ،2003 ،‬ص ‪.380‬‬

‫‪Yt  b0  a0 X t  a1 X t 1  a2 X t 2  .....  a k X t k   t‬‬

‫ﺣﻴﺚ ﻳﺘﻼﺷﻰ ﺛﲑ اﳌﺘﻐﲑ اﳌﺴﺘﻘﻞ ﻋﻠﻰ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ﻣﻊ اﻟﻮﻗﺖ‪:‬‬
‫‪a0  a1  a2  ...  ak‬‬
‫ﻋﻠﻰ ﺳﺒﻴﻞ اﳌﺜﺎل‪ ،‬اﻹﻧﻔﺎق اﻻﺳﺘﻬﻼﻛﻲ ﻗﺪ ﻳﻌﺘﻤﺪ ﻋﻠﻰ ﻣﺴﺘﻮ ت اﻟﺪﺧﻞ اﳌﺘﺎح اﳊﺎﱄ و اﻟﺪﺧﻞ اﳌﺘﺎح ﰲ ﻓﱰات‬
‫ﺳﺎﺑﻘﺔ‪.‬‬
‫ﳝﻜﻦ ﺗﺒﺴﻴﻂ اﻟﻨﻤﻮذج ﺳﺘﻌﻤﺎل ﻣﻌﺎﻣﻞ اﻟﺘﺄﺧﲑ ‪ L‬اﳌﻌﺮف ﻛﻤﺎ ﻳﻠﻲ‪ LX t  X t 1 :‬و ﺑﺼﻔﺔ ﻋﺎﻣﺔ‪:‬‬
‫‪ . Li X t  X t i‬ﻟﺪﻳﻨﺎ‪:‬‬
‫‪k‬‬
‫‪k‬‬ ‫‪‬‬
‫‪Yt   ai Li X t  b0   t   ai Li  X t  b0   t‬‬
‫‪i 1‬‬ ‫‪ i 1‬‬ ‫‪‬‬
‫‪Yt  A( L) X t  b0   t‬‬ ‫أي‪:‬‬
‫ﺣﻴﺚ )‪ A(L‬ﻛﺜﲑ ﺣﺪود ﻣﻦ اﻟﺪرﺟﺔ ‪A( L)  a0  a1 L  a2 L2  .....  ak Lk : k‬‬
‫ﻗﺪ ﻳﻜﻮن ﻋﺪد اﻟﺘﺒﺎﻃﺆ ‪ k‬ﳏﺪودا أو ﻏﲑ ﳏﺪود‪ .‬ﺑﻴﻨﻤﺎ ﳎﻤﻮع اﳌﻌﺎﻣﻼت ‪ ai‬ﻳﺆول إﱃ ﺎﻳﺔ ﳏﺪودة‪ .‬ﻣﻦ ﺟﺎﻧﺐ‬
‫آﺧﺮ‪ ،‬ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻗﻴﻤﺔ ‪ k‬ﻏﲑ ﻣﻌﺮوﻓﺔ ﻓﻴﻤﻜﻦ ﲢﺪﻳﺪ ﻋﺪد اﻟﺘﺒﺎﻃﺆ وذﻟﻚ ﺑﺘﺼﻐﲑ ﻣﻌﻴﺎري ‪ Akaike‬و ‪Schwarz‬‬
‫اﳌﻌﺮﻓﲔ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪ RSS k  2k‬‬
‫‪AIC (k )  ln‬‬ ‫‪‬‬
‫‪ n  n‬‬
‫‪ RSS k  k ln n‬‬
‫‪SC (k )  ln‬‬ ‫‪‬‬
‫‪ n ‬‬ ‫‪n‬‬
‫ﺣﻴﺚ‪ RSS k :‬ﳝﺜﻞ ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ ﻟﻠﻨﻤﻮذج اﳌﺒﻄﺄ ﻟﺪرﺟﺔ‬
‫‪k‬‬
‫‪ n‬ﳝﺜﻞ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‬
‫‪ : ln‬اﻟﻠﻮﻏﺎرﻳﺘﻢ اﻟﻨﺒﲑي‪.‬‬
‫وﻋﻠﻰ اﻟﺮﻏﻢ ﻣﻦ أن اﻟﻌﻼﻗﺔ ﺗﻌﺪ ﺷﻜﻼ ﻣﻼﺋﻤﺎ ﻟﻠﺘﻘﺪﻳﺮ ﰲ ﺑﻌﺾ اﳊﺎﻻت‪ ،‬إﻻ أ ﺎ ﺗﺴﺒﺐ ﺑﻌﺾ اﳌﺸﺎﻛﻞ اﻟﱵ‬
‫ﺗﺮﺗﺒﻂ ﺑﻔﱰات اﻹﺑﻄﺎء اﳌﻮزﻋﺔ‪ .‬ﻧﻔﻘﺪ ﻣﺸﺎﻫﺪة ﻟﻜﻞ ﻗﻴﻤﺔ ﻣﺒﻄﺄة إﺿﺎﻓﻴﺔ ﻟﻠﻤﺘﻐﲑ اﳌﺴﺘﻘﻞ‪ ،‬إﺿﺎﻓﺔ إﱃ ذﻟﻚ وﺟﻮد‬
‫ﻋﺪد ﻛﺒﲑ ﻣﻦ اﳌﻌﺎﱂ اﻟﱵ ﻳﻨﺒﻐﻲ ﺗﻘﺪﻳﺮﻫﺎ و اﻟﱵ ﺳﺘﻨﺎﻇﺮ ﻣﺘﻐﲑات ﺗﺮﺗﺒﻂ ﺑﺼﻮرة ﻗﻮﻳﺔ ﺑﺒﻌﻀﻬﺎ اﻟﺒﻌﺾ ﻓﺴﻴﺠﻌﻞ ﻣﻦ‬
‫اﻟﺼﻌﺐ ﻋﺰل ﺛﲑ ﳐﺘﻠﻒ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﻋﻠﻰ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ‪ .‬ﲟﻌﲎ آﺧﺮ‪ ،‬ﺳﺘﻜﻮن ﺗﺒﺎﻳﻨﺎت اﳌﻘﺪرات ﻛﺒﲑة‪.‬‬
‫ﳌﻮاﺟﻬﺔ ﻫﺬﻩ اﳌﺸﺎﻛﻞ‪ ،‬اﻗﱰح ﺑﻌﺾ اﻹﺣﺼﺎﺋﻴﲔ ﳕﺎذج إﻣﺎ أن ﺗﻘﻠﻞ ﻣﻦ ﻋﺪد اﳌﺸﺎﻫﺪات اﻟﱵ ﺗﻔﻘﺪ ﺑﺴﺒﺐ اﻹﺑﻄﺎء‬
‫أو ﺗﻘﻠﻞ ﻣﻦ ﻋﺪد اﳌﻌﺎﱂ اﻟﱵ ﻳﻨﺒﻐﻲ ﺗﻘﺪﻳﺮﻫﺎ‪.‬‬
‫اﻟﻨﻤﻮذج اﻷول ﻫﻮ ﳕﻮذج إﺑﻄﺎء ﻛﻮﻳﻚ ‪ Koyck‬اﻟﺬي ﻳﻔﱰض ﺗﻨﺎﻗﺺ اﻷوزان اﳋﺎﺻﺔ ﺑﻔﱰات اﻹﺑﻄﺎء ﻫﻨﺪﺳﻴﺎ‪.‬‬
‫ﻟﻴﻜﻦ ‪ ‬ﻋﺪدا ﺑﺘﺎ ﺗﱰاوح ﻗﻴﻤﺘﻪ ﺑﲔ اﻟﺼﻔﺮ و اﻟﻮاﺣﺪ ﺣﻴﺚ‪:‬‬
‫‪a1  a0‬‬
‫‪ai  i a0‬‬
‫‪Yt  b0  a0 X t  a0 X t 1  2 a0 X t 2  .....  k a0 X t k   t‬‬ ‫ﻟﺪﻳﻨﺎ‪:‬‬
‫‪Yt  b0  a0 X t  X t 1  2 X t 2  .....  k X t k    t‬‬ ‫أو‪:‬‬
‫اﻟﺪاﻟﺔ )‪ A(L‬ﺗﻜﺘﺐ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪A( L)  a0  a0 L  a0 2 L2  .....  a0 k Lk‬‬
‫ﳝﻜﻦ ﻛﺘﺎﺑﺘﻪ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬ ‫‪Yt  A( L) X t  b0   t‬‬ ‫إذن اﻟﻨﻤﻮذج‬
‫‪B ( L)Yt  B( L) A( L) X t  B( L)b0  B( L) t‬‬
‫ﻣﻊ‪:‬‬ ‫‪B( L)  A( L) 1‬‬
‫وﻋﻠﻴﻪ ‪ A( L)  a0 1  L  2 L2  .....  a0 1  L 1‬ﻳﻌﺘﱪ ﳎﻤﻮع ﻣﺘﺘﺎﻟﻴﺔ ﻫﻨﺪﺳﻴﺔ‪.‬‬
‫‪B ( L)  1  L  / a0‬‬ ‫ﻟﺪﻳﻨﺎ إذن‪:‬‬
‫‪1  L Yt  a0 X t  (1   )b0  (1  L) t‬‬ ‫أي‪:‬‬
‫‪Yt  Yt 1  a0 X t  (1   )b0   t   t 1‬‬ ‫أو‪:‬‬
‫اﻓﱰﺿﻨﺎ أن اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ ‪  t   t   t 1‬ﳛﻘﻖ اﻟﺸﺮوط اﻟﻜﺎﻓﻴﺔ اﻟﱵ ﺗﻔﺮﺿﻬﺎ اﻷﺧﻄﺎء اﻟﻌﺸﻮاﺋﻴﺔ و ﻟﻜﻦ‬
‫ﻟﺴﻮء اﳊﻆ‪ ،‬ﻓﺈن ذﻟﻚ ﻟﻴﺲ ﺻﺤﻴﺤﺎ ﻟﻀﺮورة‪ .‬ﻓﺈذا ﻛﺎن ‪  t‬ﰲ اﻟﻨﻤﻮذج اﻷﺻﻠﻲ ﳛﻘﻖ اﻟﻔﺮﺿﻴﺎت اﻷﺳﺎﺳﻴﺔ ﻓﺈن‬
‫‪  t‬ﰲ ﳕﻮذج ﻛﻮﻳﻚ ‪ Koyck‬ﻻ ﳛﻘﻘﻬﺎ ﻋﻤﻮﻣﺎ و ﻟﺘﺤﺪﻳﺪ اﻷﺧﻄﺎء اﻟﻌﺸﻮاﺋﻴﺔ ‪  t‬ﻏﲑ ﻣﺴﺘﻘﻠﺔ ذاﺗﻴﺎ‪ ،‬أي ﻻ ﻧﺘﻮﻗﻊ‬
‫أن ﺗﺘﺤﻘﻖ اﻟﻔﺮﺿﻴﺔ ‪ E ( t t 1 )  0‬ﺣﻴﺚ‪:‬‬
‫‪‬‬ ‫‪‬‬
‫‪E ( t t 1 )  E ( t   t 1 )( t 1   t 2   E  t  t 1   t  t 2   t21  2 t 1 t 2   2  0‬‬
‫وﻫﻜﺬا ﻓﺈن ‪ cov( t , t 1 )  0‬و ﻫﺬا ﻳﻌﲏ أن اﻷﺧﻄﺎء ﻣﺮﺗﺒﻄﺔ ذاﺗﻴﺎ و ﻫﺬا ﻣﺎ ﻳﺘﻨﺎﰱ ﻣﻊ إﺣﺪى ﻓﺮﺿﻴﺎت‬
‫اﻟﻨﻤﻮذج‪ ،‬ﻛﻤﺎ أن ‪ . cov( t , Yt 1 )  0‬ﳕﻮذج ﻛﻮﻳﻚ ‪ Koyck‬ﺳﻴﺆدي إﱃ اﻧﺘﻬﺎك ﺑﻌﺾ اﻟﻔﺮﺿﻴﺎت‪ ،‬إﺿﺎﻓﺔ إﱃ‬
‫ذﻟﻚ ﻣﻘﺪرات ‪ b0 ، a0‬و ‪ ‬ﺗﻜﻮن ﻣﺘﺤﻴﺰة و ﻏﲑ ﻣﺘﺴﻘﺔ‪ .‬ﳝﻜﻦ اﻟﺘﻐﻠﺐ ﻋﻠﻰ ﻫﺬﻩ اﻟﺼﻌﻮﺑﺔ ﻋﻦ ﻃﺮﻳﻖ اﺳﺘﺨﺪام‬
‫ﳕﻮذج ‪ Solow‬وﻓﻖ ﺗﻮزﻳﻊ ‪ Pascal‬ﺣﻴﺚ ﻣﻌﺎﻣﻼت ﳕﻮذج اﻹﺑﻄﺎء ﺗﻮزع وﻓﻖ‪:‬‬
‫‪ai  1    C ri i i‬‬
‫‪r 1‬‬
‫‪rN‬‬ ‫و‬ ‫‪0   1‬‬ ‫ﺣﻴﺚ ‪ Cri i‬ﳝﺜﻞ ﻣﻌﺎﻣﻞ ذي ﺣﺪﻳﻦ ﻟـ ‪ r ،Newton‬و ‪ ‬ﻫﻲ اﳌﻌﺎﱂ ﻣﻊ‬
‫ﻣﻦ أﺟﻞ ‪ ، r  0‬اﻟﻨﻤﻮذج ﻫﻮ اﻟﺘﻮزﻳﻊ اﳍﻨﺪﺳﻲ ﻟﻜﻮﻳﻚ ‪.Koyck‬‬
‫اﻟﻨﻤﻮذج اﻟﻌﺎم ﻳﻜﺘﺐ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪‬‬
‫‪Yt  b0   1    Cri i i X t i   t‬‬
‫‪r 1‬‬
‫‪i 0‬‬
‫‪Yt  A( L) X t  b0   t‬‬ ‫أو‪:‬‬

‫ﻧﻔﺲ اﻟﱪﻫﺎن اﻟﺴﺎﺑﻖ‪ ،‬ﳒﺪ‪:‬‬

‫‪B ( L)Yt  B( L) A( L) X t  B( L)b0  B( L) t‬‬
‫ﻣﻊ‪:‬‬ ‫‪B( L)  A( L) 1‬‬
‫ﻣﻦ أﺟﻞ ‪B ( L)  1  L  / a0 ، r  0‬‬
‫ﻣﻦ أﺟﻞ ‪B ( L)  1  L  / a0 ، r  1‬‬
‫‪2‬‬
‫‪Yt  2Yt 1  2Yt 2  a0 X t  (1  2  2 )b0   t‬‬ ‫ﻟﺪﻳﻨﺎ‪:‬‬

‫‪ t  1  2L  2 L2  t   t  2 t 1  2 t 2‬‬ ‫ﺣﻴﺚ‪:‬‬
‫ﻣﻦ أﺟﻞ ‪B ( L)  1  L  / a0 ، r  2‬‬
‫‪3‬‬
‫‪Yt  3Yt 1  32Yt 2  3Yt 3  a0 X t  (1  3  32  3 )b0  t‬‬ ‫ﻟﺪﻳﻨﺎ‪:‬‬

‫‪ t  1  3L  32 L2  3 L3  t   t  3 t 1  32 t 2  3 t 3‬‬ ‫ﺣﻴﺚ‪:‬‬
‫ﻟﺘﻘﺪﻳﺮ اﳌﻌﻠﻢ ‪ ، r‬اﻗﱰح )‪ Maddala and Rao (1971‬اﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﳌﺴﺢ ﺣﻴﺚ داﻟﺔ اﳍﺪف اﻟﱵ ﻳﻨﺒﻐﻲ‬
‫ﺗﻌﻈﻴﻤﻬﺎ ﻫﻲ ﻣﻌﺎﻣﻞ اﻟﺘﺤﺪﻳﺪ اﳌﺼﺤﺢ ‪. R 2‬‬
‫ﻣﺜﺎل ‪:1‬‬
‫ﻟﺸﺮح ﻫﺬا اﻟﻨﻮع ﻣﻦ اﻟﻨﻤﺎذج‪ ،‬ﻧﻘﻮم ﺑﺪراﺳﺔ اﻟﻌﻼﻗﺔ ﺑﲔ ﻣﻌﺪل اﻟﻔﺎﺋﺪة ﻃﻮﻳﻞ اﻷﺟﻞ ‪ Yi‬ﺑﺪﻻﻟﺔ ﻣﻌﺪل اﻟﻔﺎﺋﺪة‬
‫ﻗﺼﲑ اﻷﺟﻞ ‪ X i‬ﰲ ﻓﱰات ﺳﺎﺑﻘﺔ‪ .‬ﻧﻘﻮم أوﻻ ﺑﺘﺤﺪﻳﺪ اﻟﻘﻴﻢ اﳌﺒﻄﺄة ﰲ اﻟﻨﻤﻮذج وذﻟﻚ ﺑﺘﺼﻐﲑ ﻣﻌﻴﺎري ‪ Akaike‬و‬
‫‪ Schwarz‬ﰒ ﻧﻘﺪر اﻟﻨﻤﻮذج اﻷﻣﺜﻞ‪ .‬ﺧﺬ ﻣﻌﻄﻴﺎت اﳌﺜﺎل ‪ 2‬ﰲ اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‪.‬‬
‫ﻧﻘﻮم ﲝﺴﺎب اﳌﻌﻴﺎرﻳﻦ ﻻﺳﺘﻌﺎﻧﺔ ﺑﱪ ﻣﺞ ‪: RATS 5.04‬‬
‫اﻟﻨﺘﺎﺋﺞ ﻣﺒﻴﻨﺔ ﰲ اﳉﺪول )‪:(2‬‬

‫اﳉﺪول )‪ :(1‬ﻧﺘﺎﺋﺞ اﻟﺒﺤﺚ ﻋﻦ ﻋﺪد اﻟﻘﻴﻢ اﳌﺒﻄﺄة اﳌﺜﻠﻰ‬
‫‪Schwarz‬‬ ‫‪Akaike‬‬ ‫اﻟﻘﻴﻢ اﳌﺒﻄﺄة‬

‫‪16.0111‬‬ ‫‪13.2087‬‬ ‫‪0‬‬
‫‪19.3527‬‬ ‫‪15.1491‬‬ ‫‪1‬‬
‫‪21.3068‬‬ ‫‪15.7021‬‬ ‫‪2‬‬

‫‪22.9842‬‬ ‫‪15.9783‬‬ ‫‪3‬‬
‫‪23.6774‬‬ ‫‪15.2703‬‬ ‫‪4‬‬
‫‪21.2458‬‬ ‫‪11.4374‬‬ ‫‪5‬‬
‫‪19.3088‬‬ ‫‪8.0992‬‬ ‫‪6‬‬
‫‪22.7055‬‬ ‫‪10.0947‬‬ ‫‪7‬‬
‫‪22.7523‬‬ ‫‪8.7403‬‬ ‫‪8‬‬
‫‪25.0222‬‬ ‫‪9.6091‬‬ ‫‪9‬‬
‫‪26.7826‬‬ ‫‪9.9683‬‬ ‫‪10‬‬
‫ﻧﻼﺣﻆ أن ﻣﻌﻴﺎر ‪ AIC‬ﺧﺬ اﻟﻘﻴﻤﺔ اﻟﺼﻐﺮى ﻋﻨﺪ ﻗﻴﻤﺔ ﻣﺒﻄﺄة ‪ k‬ﺗﺴﺎوي ‪ 6‬و ‪ Schwarz‬أﺻﻐﺮ ﻣﺎ ﳝﻜﻦ ﻋﻨﺪﻣﺎ‬
‫ﺗﻜﻮن اﻟﻘﻴﻤﺔ اﳌﺒﻄﺄة ‪ k‬ﻣﺴﺎوﻳﺔ إﱃ ‪ .0‬إذا أﺧﺬ ﺑﻌﲔ اﻻﻋﺘﺒﺎر ﻣﻌﻴﺎر ‪ ،AIC‬ﻓﺈن اﻟﻨﻤﻮذج ﺳﻴﻌﺎد ﺗﻘﺪﻳﺮﻩ ﺑـ ‪6‬‬
‫ﺗﺒﺎﻃﺆات‪ .‬ﻳﺒﲔ اﳉﺪول اﻟﺘﺎﱄ ﻧﺘﺎﺋﺞ اﻟﺘﻘﺪﻳﺮ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫اﳉﺪول )‪ :(2‬ﻧﺘﺎﺋﺞ اﻟﺘﻘﺪﻳﺮ‬
‫اﻻﺣﺘﻤﺎل‬ ‫ﻗﻴﻢ ﺳﺘﻴﻮدﻧﺖ‬ ‫اﻻﳓﺮاف اﳌﻌﻴﺎري‬ ‫اﳌﻌﺎﻣﻞ اﳌﻘﺪر‬ ‫اﳌﺘﻐﲑ‬

‫‪0.0000‬‬ ‫‪31.5048‬‬ ‫‪0.2316‬‬ ‫‪7.2989‬‬ ‫اﻟﺜﺎﺑﺘﺔ‬
‫‪0.8352‬‬ ‫‪0.2105‬‬ ‫‪0.0698‬‬ ‫‪0.0147‬‬ ‫‪Xt‬‬
‫‪0.4262‬‬ ‫‪0.8106‬‬ ‫‪0.0937‬‬ ‫‪0.0760‬‬ ‫‪X t 1‬‬
‫‪0.6622‬‬ ‫‪0.4427‬‬ ‫‪0.0903‬‬ ‫‪0.0399‬‬ ‫‪X t 2‬‬
‫‪0.9415‬‬ ‫‪0.0742‬‬ ‫‪0.0840‬‬ ‫‪0.0062‬‬ ‫‪X t 3‬‬
‫‪0.8646‬‬ ‫‪0.1725‬‬ ‫‪0.0835‬‬ ‫‪0.0144‬‬ ‫‪X t 4‬‬
‫‪0.5228‬‬ ‫‪-0.6492‬‬ ‫‪0.0824‬‬ ‫‪-0.0535‬‬ ‫‪X t 5‬‬
‫‪0.0404‬‬ ‫‪-2.0699‬‬ ‫‪0.0653‬‬ ‫‪-0.1353‬‬ ‫‪X t 6‬‬
‫ﳎﻤﻮع ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ‪0.7684 :‬‬ ‫‪R 2  0.46‬‬
‫ﻧﻼﺣﻆ أن ﳌﻌﺎﻣﻞ ‪ X t 6‬ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ أي ﳜﺘﻠﻒ ﻣﻌﻨﻮ ﻋﻦ اﻟﺼﻔﺮ ﻋﺘﺒﺎر أن إﺣﺼﺎﺋﻴﺔ ﺳﺘﻴﻮدﻧﺖ ﻟﻘﻴﻤﺔ‬
‫اﳌﻄﻠﻘﺔ أﻛﱪ ﻣﻦ اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ ﻋﻨﺪ ﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪ %5‬وﻫﺬا ﻣﺎ ﻧﻼﺣﻈﻪ ﻣﻦ ﺧﻼل اﻻﺣﺘﻤﺎل اﻟﺬي ﻳﺒﻘﻰ أﻗﻞ‬
‫ﻣﻦ ‪ 0.05‬وﻫﺬا ﻣﺎ ﺗﺆﻛﺪﻩ اﻟﻨﺘﺎﺋﺞ اﻟﺴﺎﺑﻘﺔ اﳋﺎﺻﺔ ﻟﻘﻴﻤﺔ اﳌﺒﻄﺄة اﳌﺜﻠﻰ‪.‬‬
‫ﻻﺳﺘﻌﺎﻧﺔ ﲟﻌﻄﻴﺎت اﳌﺜﺎل )‪ ،(1‬ﻧﻌﻴﺪ ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻟﺴﺎﺑﻖ وﻓﻖ ﳕﻮذج اﻹﺑﻄﺎء ﻟﻜﻮﻳﻚ و ﺗﻮزﻳﻊ ‪: Pascal‬‬
‫‪ -1‬ﻧﻔﱰض أن ﻣﻌﺎﻣﻼت ﳕﻮذج اﻟﻌﻼﻗﺎت اﳌﺒﻄﺄة ﺗﺘﺼﺎﻋﺪ ﻫﻨﺪﺳﻴﺎ‪ ،‬ﻓﺘﻘﺪﻳﺮ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ ﻳﺘﻢ‬
‫ﺳﺘﻌﻤﺎل ﳕﻮذج ﻛﻮﻳﻚ‪ .‬ﻧﺘﺎﺋﺞ اﻟﺘﻘﺪﻳﺮ ﺗﻈﻬﺮ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﱄ‪:‬‬
‫‪Yˆt  1.9112  0.6954Yt 1  0.0349 X t‬‬
‫)‪(2.6947) (6.9139‬‬ ‫)‪(2.7528‬‬

‫‪n  30‬‬
‫‪R 2  0.6552‬‬
‫ﳓﺼﻞ ﻋﻠﻰ‪:‬‬
‫‪ˆ  0.6954‬‬
‫‪aˆ 0  0.0349‬‬
‫‪bˆ0  1.9112 /(1  0.6954)  6.2744‬‬
‫اﻟﻨﻤﻮذج ﻳﻜﺘﺐ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪Yˆt  6.274  0.0349 X t  0.6954  0.0349 X t 1  (0.6954) 2  0.0349 X t  2  ...‬‬
‫‪ – 2‬ﻧﻔﱰض اﻵن أن ﻣﻌﺎﻣﻼت اﻟﻨﻤﻮذج ﺗﺘﺒﻊ ﺗﻮزﻳﻊ ‪.Pascal‬‬
‫‪Yˆt  2.10  0.93Yt 1  0.254Yt  2  0.026 X t‬‬
‫)‪(2.988) (5.124) (2.536‬‬ ‫)‪(2.285‬‬

‫‪n  30‬‬
‫‪R 2  0.6839‬‬
‫ﻗﻤﻨﺎ ﺑﺘﻘﺪﻳﺮ ﳕﻮذج اﻻﳓﺪار اﻟﺬاﰐ ﻣﻦ اﻟﺪرﺟﺔ اﻟﺜﺎﻧﻴﺔ و ﻟﻜﻦ ﻧﺴﺘﻄﻴﻊ أن ﻧﻘﺪر ﺳﺘﻌﻤﺎل درﺟﺎت أﻛﱪ ﻣﻦ ‪ .2‬ﰲ‬
‫ﻣﺜﺎﻟﻨﺎ ﻫﺬا اﻗﺘﺼﺮ ﻓﻘﻂ ﻋﻠﻰ درﺟﺘﲔ و اﻟﺴﺒﺐ ﰲ ذﻟﻚ ﻳﺮﺟﻊ إﱃ ﻋﺪم ﻣﻌﻨﻮﻳﺔ ﻣﻌﺎﻣﻼت ‪ Yt 3‬و ‪. Yt 4‬‬
‫ﻣﻦ ﺧﻼل اﻟﻨﺘﺎﺋﺞ اﻟﻨﻈﺮﻳﺔ‪ ،‬ﻟﺪﻳﻨﺎ‪:‬‬
‫‪ˆ  0.254  0.5039‬‬
‫‪aˆ 0  0.026‬‬
‫‪bˆ0  2.10 /(1  2ˆ  ˆ2 )  2.10 /(1  1.0078  0.2539)  8.5331‬‬
‫اﻟﻨﻤﻮذج اﳌﻘﺪر ﻳﻜﺘﺐ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫‪‬‬
‫‪Yˆt  8.53   (1  0.50) 2 C1ii 0.50 i X t i‬‬
‫‪i 0‬‬
‫‪ .2.1‬ﳕﺎذج اﻻﳓﺪار اﻟﺬاﰐ اﳋﻄﻴﺔ‬

‫‪t‬‬ ‫‪ Yt‬ﻳﺮﺗﺒﻂ ﺑـ ‪ k‬ﻣﺘﻐﲑ ﻣﺴﺘﻘﻞ ‪ X i1 ,..., X ij ,..., X ik‬ﰲ اﻟﻘﱰة‬ ‫ﰲ ﻫﺬا اﻟﻨﻮع ﻣﻦ اﻟﻨﻤﺎذج اﻟﺰﻣﻨﻴﺔ‪ ،‬اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ‬
‫‪ ، Yt 1 , Yt 2 ,..., Yt  p‬ﺣﻴﺚ اﻟﻨﻤﻮذج ﻳﻜﺘﺐ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬ ‫و ﺑﻘﻴﻢ ﻣﺎﺿﻴﺔ ﻟﻨﻔﺲ اﳌﺘﻐﲑ ﺧﻼل اﻟﻔﱰات اﻟﺴﺎﺑﻘﺔ‬
‫‪Yi  1Yt 1   2Yt 2  ...   p Yt  p   0   1 X t1   2 X t 2  ...   k X tk   t‬‬
‫‪p‬‬
‫‪Yi    j Yt i  X   t‬‬ ‫أو أﻳﻀﺎ ‪:‬‬
‫‪i 1‬‬
‫ﺷﻌﺎع اﳌﻌﺎﱂ‬ ‫)‪ (k  1,1‬‬ ‫ﻫﻲ ﻣﺼﻔﻮﻓﺔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ و‬ ‫)‪X (n, k  1‬‬ ‫ﺣﻴﺚ‬
‫ﰲ ﻫﺬا اﻟﻨﻤﻮذج‪ ،‬ﻓﺮﺿﻴﺔ اﻻﺳﺘﻘﻼﻟﻴﺔ ﺑﲔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ و اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ ﻏﲑ ﳏﻘﻘﺔ ﻷن اﳌﺘﻐﲑات‬
‫‪ Yt 1 , Yt 2 ,..., Yt  p‬اﻟﱵ ﺗﺮﺗﺒﻂ ﺑـ ‪  t 1 ,  t 2 ,...,  t  p‬ﻋﺸﻮاﺋﻴﺔ ﻋﺘﺒﺎر أن ‪ Yt 1‬داﻟﺔ ﺑﻌﺔ ﻟـ ‪ Yt‬اﻟﺬي ﻳﺮﺗﺒﻂ ﺑـ ‪،  t‬‬
‫ﺣﻴﺚ ‪ . E (Yt 1 t )  0 :‬ﻧﻼﺣﻆ أﻧﻪ إذا ﻛﺎﻧﺖ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ‪ X tj‬و اﻷﺧﻄﺎء ‪  t‬ﻣﺜﺒﺘﺔ‪ ،‬ﻓﺈن اﳌﺘﻐﲑات‬
‫اﻟﺘﺎﺑﻌﺔ ﺗﻌﺘﱪ ﺣﻠﻮﻻ ﳌﻌﺎدﻟﺔ اﻟﱰاﺟﻊ ‪:‬‬
‫‪Yi  1Yt 1   2Yt  2  ...   p Yt  p  S t‬‬
‫‪S i  X   t‬‬ ‫ﻣﻊ ‪:‬‬
‫أﺛﺒﺖ اﻹﺣﺼﺎﺋﻴﻮن أن اﳊﻞ اﻟﻌﺎم ﳍﺬﻩ اﳌﻌﺎدﻟﺔ ﻳﻌﺘﱪ ﻏﲑ ﻣﺴﺘﻘﺮ إذا ﻛﺎن أﺣﺪ ﺟﺬور اﳌﻌﺎدﻟﺔ اﳌﻤﻴﺰة‬
‫‪ 1  1 B   2 B 2  ...   p B p  0‬ﺧﺎرج اﻟﺪاﺋﺮة اﻷﺣﺎدﻳﺔ ﺣﻴﺚ ‪ B‬ﻳﺴﻤﻰ ﲟﻌﺎﻣﻞ اﻟﺘﺒﺎﻃﺆ أو اﻟﺘﺨﻠﻒ اﻟﺰﻣﲏ‪.‬‬
‫ﻧﻌﺘﱪ إذن أن ﻓﺮﺿﻴﺔ اﺳﺘﻘﺮارﻳﺔ اﻟﺴﲑورة ﳏﻘﻘﺔ‪.‬‬
‫ﻧﺬﻛﺮ ﻓﻘﻂ أن اﻟﻨﻤﻮذج اﳌﺬﻛﻮر أﻋﻼﻩ ﻻ ﻳﺴﺘﻌﻤﻞ إﻻ درا‪ ،‬ﻓﻔﻲ أﻏﻠﺐ اﻷﺣﻴﺎن‪ ،‬ﻧﺴﺘﻌﻤﻞ ﻓﻘﻂ ﳕﺎذج اﻻﳓﺪار‬
‫اﻟﺬاﰐ ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ و اﻟﺬي ﻳﻜﺘﺐ ر ﺿﻴﺎ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪Yi  Yt 1   0   1 X t1   2 X t 2  ...   k X tk   t‬‬
‫ﻳﻜﻮن ﻫﺬا اﻟﻨﻤﻮذج ﻣﺴﺘﻘﺮا إذا ﻛﺎن‬
‫‪ 1‬‬
‫إن ﻃﺮﻳﻘﺔ اﻟﺘﻘﺪﻳﺮ اﳌﻨﺎﺳﺒﺔ ﺗﻌﺘﻤﺪ ﻋﻠﻰ ﻣﺪى ارﺗﺒﺎط اﻷﺧﻄﺎء اﻟﻌﺸﻮاﺋﻴﺔ ذاﺗﻴﺎ‪ .‬ﰲ ﺣﺎﻟﺔ ﻫﺬا اﻟﻨﻮع ﻣﻦ اﻟﻨﻤﺎذج‬
‫اﳌﺬﻛﻮر أﻋﻼﻩ‪ ،‬ﻻ ﳝﻜﻦ اﻻﺳﺘﻌﺎﻧﺔ ﺧﺘﺒﺎر درﺑﲔ‪-‬واﺗﺴﻮن ﻷن ﻫﺬا اﻷﺧﲑ ﻏﲑ ﻓﻌﺎل و ﻣﺘﺤﻴﺰ و ﳍﺬا اﻗﱰح‬
‫)‪ Durbin (1970‬إﺣﺼﺎﺋﻴﺔ أﺧﺮى ﺗﺴﻤﻰ ﺣﺼﺎﺋﻴﺔ ‪ « h » Durbin‬و اﻟﱵ ﺗﻌﺮف ر ﺿﻴﺎ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪n‬‬
‫ˆ‪h  ‬‬
‫ˆ‪1  nˆ 2‬‬
‫اﻟﺘﺒﺎﻳﻦ اﳌﻘﺪر‬ ‫ˆ‪ˆ 2‬‬ ‫ﺣﺠﻢ اﻟﻌﻴﻨﺔ و‬ ‫‪n‬‬ ‫ﺗﻌﱪ ﻋﻦ إﺣﺼﺎﺋﻴﺔ درﺑﲔ‪-‬واﺗﺴﻮن(‪،‬‬ ‫‪DW‬‬ ‫ﺣﻴﺚ‬
‫)‬ ‫‪ˆ  1  DW / 2‬‬
‫ﻟﻠﻤﻌﺎﻣﻞ ‪. ‬‬
‫ﺗﺘﻮزع إﺣﺼﺎﺋﻴﺔ ‪ « h » Durbin‬ﺑﺼﻔﺔ ﻣﻘﺎرﺑﺔ وﻓﻖ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ اﳌﻌﻴﺎري ‪:‬‬
‫‪H0 :   0‬‬ ‫‪H0 : h  0‬‬
‫‪H1 :   0‬‬ ‫‪H1 : h  0‬‬
‫ﻫﻲ اﻟﻘﻴﻤﺔ اﺠﻤﻟﺪوﻟﺔ‬ ‫) ‪t / 2‬‬ ‫أي ﻫﻨﺎك اﺳﺘﻘﻼﻟﻴﺔ ﻣﺔ ﺑﲔ اﻷﺧﻄﺎء‬
‫إذا ﻛﺎن ‪ h  t / 2‬ﻓﺈﻧﻨﺎ ﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ‬
‫‪H0‬‬
‫ﻟﻠﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ ﻋﻨﺪ ﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪( ‬‬
‫ﻧﻼﺣﻆ أﻧﻪ إذا ﻛﺎن ‪ nˆ 2ˆ  1‬ﻓﻤﻦ اﳌﺴﺘﺤﻴﻞ اﺳﺘﻌﻤﺎل ﻫﺬﻩ اﻹﺣﺼﺎﺋﻴﺔ و ﻋﻠﻴﻪ ﻧﺴﺘﻌﲔ ﺣﺼﺎﺋﻴﺔ درﺑﲔ‪-‬‬
‫واﺗﺴﻮن اﻟﻜﻼﺳﻴﻜﻴﺔ ﻻﺧﺘﺒﺎر اﺳﺘﻘﻼﻟﻴﺔ اﻷﺧﻄﺎء ﻣﻊ اﻷﺧﺬ ﺑﻌﲔ اﻻﻋﺘﺒﺎر ﻣﻨﺎﻃﻖ اﻟﺸﻚ‪.‬‬
‫ﰲ ﺣﺎﻟﺔ ﻏﻴﺎب اﻻرﺗﺒﺎط اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء‪ ،‬ﻧﺴﺘﻌﻤﻞ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﻟﺘﻘﺪﻳﺮ ﻣﻌﺎﱂ ﳕﻮذج‬
‫اﻻﳓﺪار اﻟﺬاﰐ ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ و اﳌﻘﺪرات اﳌﺘﺤﺼﻞ ﻋﻠﻴﻬﺎ ﻏﲑ ﻣﺘﺤﻴﺰة ﺑﺼﻔﺔ ﻣﻘﺎرﺑﺔ و ذات أﺻﻐﺮ ﺗﺒﺎﻳﻦ‪ .‬أﻣﺎ ﰲ‬
‫اﻟﻌﻴﻨﺎت اﻟﺼﻐﲑة‪ ،‬ﻋﻨﺪ ﺗﻘﺪﻳﺮ ﳕﻮذج اﻻﳓﺪار اﻟﺬاﰐ ﻣﻦ اﻟﺪرﺟﺔ ‪ ، p‬ﻧﺘﺎﺋﺞ اﻟﺘﻘﺪﻳﺮ ﻟﻦ ﺗﻜﻮن ﺟﻴﺪة ﻷن ﻋﺪد‬
‫اﳌﺸﺎﻫﺪات و اﻟﱵ ﻣﻦ ﺧﻼﳍﺎ ﲤﺖ ﻋﻤﻠﻴﺔ اﻟﺘﻘﺪﻳﺮ ﻫﻲ ‪ . n  p‬إﺿﺎﻓﺔ إﱃ ذﻟﻚ‪ ،‬ﻻ ﺗﺴﻤﺢ ﻣﺸﺎﻛﻞ اﻻرﺗﺒﺎط‬
‫اﳋﻄﻲ ﺑﲔ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ اﻟﱵ ﳝﻜﻦ ﻣﺼﺎدﻓﺘﻬﺎ ﺑﺘﻄﺒﻴﻖ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ و ﻋﻠﻴﻪ ﻻ ﻳﻨﺒﻐﻲ‬
‫اﺳﺘﺨﺪام ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ إﻻ إذا ﻛﺎن ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻛﺒﲑا و ﺗﻄﺒﻴﻘﻴﺎ ﳚﺐ أن ﻳﺘﻌﺪى ﺣﺠﻢ اﻟﻌﻴﻨﺔ ‪ 15‬ﻣﺸﺎﻫﺪة‪.‬‬
‫ﻣﺜﺎل ‪:2‬‬
‫ﻟﻠﺘﻮﺿﻴﺢ أﻛﺜﺮ‪ ،‬ﻧﻘﻮم ﺧﺘﺒﺎر اﻟﻌﻼﻗﺔ ﺑﲔ اﻷﺳﻌﺎر اﻟﺮﲰﻴﺔ ﻟﻄﻦ ﻣﻦ اﻟﻘﻬﻮة ‪ Yt‬و اﻷﺳﻌﺎر اﳌﻄﺒﻘﺔ ﻋﻠﻰ‬
‫اﻟﺼﺎدرات ﻣﻦ ﻗﺒﻞ اﻟﺪول اﳌﻨﺘﺠﺔ ﻟﻠﻘﻬﻮة ‪ X t‬ﺧﻼل اﻟﻔﱰة اﳌﻤﺘﺪة ﺑﲔ ﺳﻨﱵ ‪ 1993‬و ‪ .2008‬ﻧﻘﱰح ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج‬
‫اﻟﺘﺎﱄ ‪:‬‬
‫‪Yt   0   1 X t  Yt 1   t‬‬
‫و ﻫﺬا ﻳﻌﲏ أن اﻟﺴﻌﺮ اﻟﺮﲰﻲ ﻟﻄﻦ ﻣﻦ اﻟﻘﻬﻮة ﻳﺮﺗﺒﻂ ﻟﺴﻌﺮ اﻟﺮﲰﻲ ﻟﻠﺴﻨﺔ اﳌﺎﺿﻴﺔ و ﻟﺴﻌﺮ اﳌﻄﺒﻖ ﻋﻠﻰ‬
‫اﻟﺼﺎدرات ﻣﻦ ﻗﺒﻞ اﻟﺪول اﳌﻨﺘﺠﺔ‪ .‬ﻟﺪﻳﻨﺎ اﳌﻌﻄﻴﺎت اﻟﺘﺎﻟﻴﺔ اﳌﻮﺿﺤﺔ ﰲ اﳉﺪول )‪: 2(4‬‬
‫اﳉﺪول )‪ :(3‬اﻟﺴﻌﺮ اﻟﺮﲰﻲ و اﻟﺴﻌﺮ اﳌﻄﺒﻖ ﻋﻠﻰ اﻟﺼﺎدرات ﻟﻄﻦ ﻣﻦ اﻟﻘﻬﻮة‬
‫‪Xt‬‬ ‫‪Yt‬‬ ‫اﻟﺴﻨﺔ‬

‫‪615‬‬ ‫‪455‬‬ ‫‪1993‬‬
‫‪665‬‬ ‫‪500‬‬ ‫‪1994‬‬
‫‪725‬‬ ‫‪555‬‬ ‫‪1995‬‬
‫‪795‬‬ ‫‪611‬‬ ‫‪1996‬‬
‫‪870‬‬ ‫‪672‬‬ ‫‪1997‬‬
‫‪970‬‬ ‫‪748‬‬ ‫‪1998‬‬
‫‪1095‬‬ ‫‪846‬‬ ‫‪1999‬‬
‫‪1235‬‬ ‫‪954‬‬ ‫‪2000‬‬
‫‪1415‬‬ ‫‪1090‬‬ ‫‪2001‬‬
‫‪1615‬‬ ‫‪1243.5‬‬ ‫‪2002‬‬
‫‪1795‬‬ ‫‪1390‬‬ ‫‪2003‬‬
‫‪2015‬‬ ‫‪1559‬‬ ‫‪2004‬‬
‫‪2315‬‬ ‫‪1781‬‬ ‫‪2005‬‬
‫‪2660‬‬ ‫‪2046.5‬‬ ‫‪2006‬‬
‫‪2990‬‬ ‫‪2311‬‬ ‫‪2007‬‬
‫‪3280‬‬ ‫‪2551‬‬ ‫‪2008‬‬
‫ﻧﻘﺪر اﻟﻨﻤﻮذج اﳌﻘﱰح ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪ ،‬ﳓﺼﻞ ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ اﻟﺘﺎﻟﻴﺔ ﺳﺘﻌﻤﺎل ﺑﺮ ﻣﺞ اﻟﻜﻤﺒﻴﻮﺗﺮ‬
‫‪: RATS 5.04‬‬
‫‪2‬‬
‫ﻗﺪرت ﻫﺬﻩ اﳌﻌﺎدﻟﺔ ﻋﻠﻰ ‪ 15‬ﻣﺸﺎﻫﺪة ) ‪ ( n  1‬ﻷن اﻟﻨﻤﻮذج ﳛﺘﻮي ﻋﻠﻰ ﻣﺘﻐﲑ ﻣﺒﻄﺄ ‪ . Yt 1‬ﻧﻼﺣﻆ أن‬
‫ﻟﻠﻨﻤﻮذج ﻗﺪرة ﺗﻔﺴﲑﻳﺔ ﻋﺎﻟﻴﺔ ﺟﺪا ‪ R 2  0.9999‬و ﳉﻤﻴﻊ اﳌﻌﺎﱂ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ أي ﲣﺘﻠﻒ ﻛﻠﻬﺎ ﻣﻌﻨﻮ ﻋﻦ‬
‫اﻟﺼﻔﺮ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪ 5%‬ﻷن ﻗﻴﻢ ﺳﺘﻴﻮدﻧﺖ ﻟﻘﻴﻤﺔ اﳌﻄﻠﻘﺔ أﻛﱪ ﲤﺎﻣﺎ ﻣﻦ اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ ﺑﺪرﺟﺔ‬
‫ﺣﺮﻳﺔ ‪ 12‬و ﻧﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪ .5%‬إﺿﺎﻓﺔ إﱃ ذﻟﻚ‪ ،‬ﻣﻌﺎﻣﻞ ‪ Yt 1‬اﳌﻘﺪر ﻟﻘﻴﻤﺔ اﳌﻄﻠﻘﺔ أﻗﻞ ﲤﺎﻣﺎ ﻣﻦ اﻟﻮاﺣﺪ و ﻫﺬا‬
‫ﻳﻌﲏ أن اﻟﻨﻤﻮذج ﻣﺴﺘﻘﺮ‪.‬‬
‫إﻻ أن إﺣﺼﺎﺋﻴﺔ درﺑﲔ‪-‬واﺗﺴﻮن ﺗﺸﲑ إﱃ وﺟﻮد ارﺗﺒﺎط ذاﰐ ﺑﲔ اﻷﺧﻄﺎء‪ .‬ﻟﻠﺘﺄﻛﺪ ﻣﻦ ذﻟﻚ‪ ،‬ﻋﻠﻴﻨﺎ إذن‬
‫اﺳﺘﻌﻤﺎل إﺣﺼﺎﺋﻴﺔ ‪ « h » Durbin‬ﳍﺬا اﻟﻐﺮض ‪:‬‬
‫‪n‬‬ ‫‪15‬‬
‫ˆ‪h  ‬‬ ‫‪ 0.66318‬‬ ‫‪ 2.56676  t 0.05  1.96‬‬
‫ˆ‪1  nˆ ‬‬
‫‪2‬‬
‫‪1  15  0.00134‬‬
‫ﻧﺮﻓﺾ اﻟﻔﺮﺿﻴﺔ ‪ H 0‬أي ﻫﻨﺎك ارﺗﺒﺎط ذاﰐ ﺑﲔ اﻷﺧﻄﺎء‪.‬‬

‫ﻧﻘﻮم اﻵن ﺑﺘﻘﺪﻳﺮ اﻟﻨﻤﻮذج ﻋﻠﻰ اﳌﺘﻐﲑات ذات اﻟﻔﺮوﻗﺎت ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ و اﳍﺪف ﻣﻦ ذﻟﻚ ﻫﻮ اﳌﻘﺎرﻧﺔ ﺑﲔ‬
‫اﻟﻨﻤﻮذج اﻷﺻﻠﻲ و اﻟﻨﻤﻮذج اﳉﺪﻳﺪ )اﻟﻔﺮوﻗﺎت ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ( و ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ ﺳﻨﻔﻘﺪ ﻣﺮة أﺧﺮى ﻣﺸﺎﻫﺪة‬
‫أﺧﺮى ﻋﻨﺪ ﺣﺴﺎب اﻟﻔﺮوﻗﺎت ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ‪ .‬ﻟﺘﻜﻦ اﻟﻨﺘﺎﺋﺞ اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫ﻗﺪرت ﻫﺬﻩ اﳌﻌﺎدﻟﺔ اﻟﱵ ﺗﺘﻀﻤﻦ اﳌﺘﻐﲑات اﶈﻮﻟﺔ ﻋﻦ ﻃﺮﻳﻖ اﻟﻔﺮوﻗﺎت ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ ﻋﻠﻰ ‪ 14‬ﻣﺸﺎﻫﺪة‬
‫) ‪ .( n  2‬ﻧﻼﺣﻆ أن ﳍﺬا اﻟﻨﻤﻮذج ﻗﺪرة ﺗﻔﺴﲑﻳﺔ ﻋﺎﻟﻴﺔ ﺟﺪا ‪ R 2  0.9992‬و ﳉﻤﻴﻊ اﳌﻌﺎﱂ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ أي‬
‫ﲣﺘﻠﻒ ﻛﻠﻬﺎ ﻣﻌﻨﻮ ﻋﻦ اﻟﺼﻔﺮ ﺑﻨﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪ 5%‬ﻷن ﻗﻴﻢ ﺳﺘﻴﻮدﻧﺖ ﻟﻘﻴﻤﺔ اﳌﻄﻠﻘﺔ ﺗﺒﻘﻰ داﺋﻤﺎ أﻛﱪ ﲤﺎﻣﺎ ﻣﻦ‬
‫اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ ﺑﺪرﺟﺔ ﺣﺮﻳﺔ ‪ 11‬و ﻧﺴﺒﺔ ﻣﻌﻨﻮﻳﺔ ‪ 5%‬إﻻ أن إﺣﺼﺎﺋﻴﺔ درﺑﲔ‪-‬واﺗﺴﻮن ﺗﺸﲑ ﻫﺬﻩ اﳌﺮة‬
‫إﱃ اﺳﺘﻘﻼﻟﻴﺔ ﻣﺔ ﺑﲔ اﻷﺧﻄﺎء‪.‬‬
‫ﻧﻼﺣﻆ أن اﻟﻔﺮق ﺑﲔ ﻣﻌﺎﻣﻼت اﻟﻨﻤﻮذج اﻟﺜﺎﱐ )ﻋﻠﻰ اﳌﺘﻐﲑات ذات اﻟﻔﺮوﻗﺎت ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ( و اﻷول‬
‫ﺿﺌﻴﻞ ‪ 0.22) :‬و ‪ (0.23‬ﻟﻨﺴﺒﺔ ﻟﻠﻤﻌﺎﻣﻞ اﻷول و )‪ 0.62‬و ‪ (0.59‬ﻟﻨﺴﺒﺔ ﻟﻠﻤﻌﺎﻣﻞ اﻟﺜﺎﱐ‪.‬ﳝﻜﻦ اﻋﺘﺒﺎر اﻟﻨﺘﺎﺋﺞ‬
‫اﳌﺘﺤﺼﻞ ﻋﻠﻴﻬﺎ ﰲ اﻟﻨﻤﻮذج اﻷول ﻣﻘﺒﻮﻟﺔ‪ .‬وﻣﻊ ذﻟﻚ ﻧﻘﻮم ﺑﺘﺼﺤﻴﺢ اﻟﻨﻤﻮذج ﻣﻦ اﻻرﺗﺒﺎط اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء‬
‫وذﻟﻚ ﺳﺘﻌﻤﺎل ﻃﺮﻳﻘﺔ ‪ Cochrane-Orcutt‬ﻟﻠﺘﻘﺪﻳﺮ‪ .‬اﻟﻨﺘﺎﺋﺞ ﺗﻈﻬﺮ ﻋﻠﻰ ﳐﺮﺟﺎت ﺑﺮ ﻣﺞ ‪: RATS 5.04‬‬
‫ﻳﻈﻬﺮ ﺟﻠﻴﺎ أن ﻟﻜﻞ اﳌﻌﺎﱂ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ و ﻟﻠﻨﻤﻮذج ﻗﺪرة ﺗﻔﺴﲑﻳﺔ ﳑﺘﺎزة‪ .‬ﳝﻜﻦ اﻟﻘﻮل إذن أن اﻷﺳﻌﺎر اﻟﺮﲰﻴﺔ‬
‫ﰲ اﻟﻔﱰة اﳊﺎﻟﻴﺔ ﺗﺘﺄﺛﺮ أﻛﺜﺮ ﻷﺳﻌﺎر اﳊﺎﻟﻴﺔ اﳌﻄﺒﻘﺔ ﻋﻠﻰ اﻟﺼﺎدرات ﻣﻦ ﻗﺒﻞ اﻟﺪول اﳌﻨﺘﺠﺔ و ﻟﻴﺲ ﻷﺳﻌﺎر اﻟﺮﲰﻴﺔ‬
‫ﰲ اﻟﻔﱰة اﻟﺴﺎﺑﻘﺔ و ﻫﺬا ﻣﺎ ﻧﻼﺣﻈﻪ ﻣﻦ ﺧﻼل ﻗﻴﻢ ﺳﺘﻴﻮدﻧﺖ‪.‬‬
‫‪ .3.1‬أﻣﺜﻠﺔ ﻋﻦ اﻟﻨﻤﺎذج اﳊﺮﻛﻴﺔ‬
‫ﻫﻨﺎك ﳕﺎذج أﺧﺮى ﳝﻜﻦ أن ﺗﻮﺻﻠﻨﺎ إﱃ ﻣﻌﺎدﻟﺔ ﻛﻮﻳﻚ و ﻣﻨﻬﺎ ﳕﻮذج اﻟﺘﺼﺤﻴﺢ اﳉﺰﺋﻲ و ﳕﻮذج اﻟﺘﻮﻗﻌﺎت‬
‫اﳌﻜﻴﻔﺔ‪ .‬وﻋﻠﻴﻪ ﻻ ﺑﺪ ﻣﻦ إﻋﻄﺎء ﻓﻜﺮة ﻋﻦ ﻫﺬا اﻟﻨﻮع ﻣﻦ اﻟﻨﻤﺎذج‪.‬‬
‫‪ .1.3.1‬ﳕﻮذج اﻟﺘﺼﺤﻴﺢ اﳉﺰﺋﻲ ‪The Partial Adjustment Model‬‬
‫و ﻳﺴﻤﻰ ﰲ ﺑﻌﺾ اﻷﺣﻴﺎن ﺑﻨﻤﻮذج ﺗﻌﺪﻳﻞ اﳌﺨﺰون ‪ .The Stock Adjustment Model‬ﻧﻔﱰض ﻣﺜﻼ ﺣﺎﻟﺔ‬
‫اﻟﺘﻮازن ﻋﻠﻰ اﳌﺪى اﻟﻄﻮﻳﻞ ﻣﻊ وﺟﻮد ﻛﻤﻴﺔ ﻣﻦ رأس اﳌﺎل اﳌﺨﺰون ﺗﺴﺘﻌﻤﻞ ﻟﻠﺤﺼﻮل ﻋﻠﻰ ﻛﻤﻴﺔ ﻣﻦ اﻹﻧﺘﺎج ﰲ ﻇﻞ‬
‫اﻟﺘﻘﺪم اﻟﻌﻠﻤﻲ اﻟﺴﺎﺋﺪ و ﺳﻌﺮ اﻟﻔﺎﺋﺪة و ﻟﻠﺘﺒﺴﻴﻂ أﻛﺜﺮ ﻧﻔﱰض اﳌﺴﺘﻮى ﻣﻦ رأﲰﺎل ﻳﺴﺎوي ‪ Yt D‬و ﻫﻮ داﻟﺔ ﺧﻄﻴﺔ‬
‫ﳌﺴﺘﻮى اﻹﻧﺘﺎج ‪ X t‬وﻓﻖ اﻟﻨﻤﻮذج اﻟﺘﺎﱄ ‪:‬‬
‫‪Yt D     X t   t‬‬
‫وأن اﻟﻌﻼﻗﺔ ﺑﲔ اﳌﺴﺘﻮى اﻟﻔﻌﻠﻲ ﻟﻠﻤﺘﻐﲑ اﻟﺘﺎﺑﻊ و اﳌﺴﺘﻮى اﳌﺮﻏﻮب ﺗﻌﱪ ﻋﻨﻬﺎ ر ﺿﻴﺎ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫) ‪Yt  Yt 1   (Yt D  Yt 1‬‬
‫ﻫﻮ اﻟﺘﻐﲑ‬ ‫‪Yt  Yt 1‬‬ ‫أﻣﺎ‬ ‫‪0   1‬‬ ‫ﻣﻊ‬ ‫‪Coefficient of Adjustment‬‬ ‫ﺣﻴﺚ ‪ ‬ﺗﻌﱪ ﻋﻦ ﻣﻌﺎﻣﻞ اﻟﺘﻌﺪﻳﻞ‬
‫اﻟﻔﻌﻠﻲ و ‪ Yt D  Yt 1‬اﻟﺘﻐﲑ اﳌﺮﻏﻮب‪.‬‬
‫ﻳﻘﱰب ﻣﻦ اﻟﻮاﺣﺪ‪،‬‬ ‫‪‬‬ ‫ﺗﺘﻀﻤﻦ ﻫﺬﻩ اﳌﻌﺎدﻟﺔ اﳊﺮﻛﺔ اﳉﺰﺋﻴﺔ ﻣﻦ ﻣﻮﻗﻊ اﻷﺳﺎس ‪ ‬إﱃ اﳌﻮﻗﻊ اﻷﻣﺜﻞ‪ .‬ﻛﻠﻤﺎ ﻛﺎن‬
‫ﻛﻠﻤﺎ ﻛﱪ اﻟﺘﻌﺪﻳﻞ ﰲ اﻟﻔﱰة اﳉﺎرﻳﺔ‪ .‬ﺑﺪﻣﺞ اﳌﻌﺎدﻟﺘﲔ اﻷﺧﲑﺗﲔ‪ ،‬ﳓﺼﻞ ﻋﻠﻰ ‪:‬‬
‫) ‪Yt  Yt 1   (  X t   t  Yt 1‬‬
‫‪Yt  Yt 1     X t   t  Yt 1‬‬ ‫أي ‪:‬‬
‫‪Yt  Yt 1     X t   t  Yt 1‬‬ ‫وﻋﻠﻴﻪ ‪:‬‬
‫‪Yt  (1   )Yt 1     X t   t‬‬ ‫و ﰲ اﻷﺧﲑ ﳓﺼﻞ ﻋﻠﻰ ‪:‬‬
‫ﻧﻀﻊ ‪   1   ، 1   ،  0  ‬و ‪ . ut   t‬إذن ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪Yt  Yt 1   0   1 X t  u t‬‬
‫ﳝﻜﻦ اﺳﺘﻌﻤﺎل ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﻟﺘﻘﺪﻳﺮ ﻣﻌﺎﱂ ﻫﺬا اﻟﻨﻤﻮذج‪.‬‬
‫‪ .2.3.1‬ﳕﻮذج اﻟﺘﻮﻗﻌﺎت اﳌﻜﻴﻔﺔ ‪The Adaptive Expectation Model‬‬
‫داﻟﺔ ﺑﻌﺔ ﻟﻘﻴﻢ اﳌﺘﻐﲑ اﳌﺴﺘﻘﻞ اﳌﺘﻮﻗﻌﺔ‪ ،‬ﺣﻴﺚ ‪:‬‬ ‫‪Yt‬‬ ‫ﰲ ﻫﺬا اﻟﻨﻤﻮذج‪ ،‬ﻗﻴﻢ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ‬
‫‪Yt     X tp   t‬‬
‫ﺣﻴﺚ ‪ X tp‬ﻫﻲ اﻟﻘﻴﻤﺔ اﳌﺘﻮﻗﻌﺔ ﻟﻠﻤﺘﻐﲑ اﳌﺴﺘﻘﻞ‪.‬‬
‫ﻋﻠﻰ ﺳﺒﻴﻞ اﳌﺜﺎل‪ ،‬اﻹﻧﺘﺎج ﰲ ﻣﺆﺳﺴﺔ ﻣﺎ داﻟﺔ ﺑﻌﺔ ﻟﻠﻘﻴﻢ اﳌﺘﻮﻗﻌﺔ ﻟﻠﻤﺒﻴﻌﺎت أو ﻛﻤﻴﺔ اﻟﻨﻘﻮد داﻟﺔ ﺑﻌﺔ ﻟﺴﻌﺮ‬
‫اﻟﻔﺎﺋﺪة اﳌﺘﻮﻗﻊ‪ .‬ﻻ ﳝﻜﻦ اﺳﺘﺨﺪام ﻫﺬﻩ اﳌﻌﺎدﻟﺔ ﻣﺒﺎﺷﺮة ﻟﻠﺘﻘﺪﻳﺮ ﻷن ‪ X tp‬ﻏﲑ ﻣﻌﻠﻮﻣﺔ أي ﻻ ﺗﺘﻮﻓﺮ ﻋﻨﻬﺎ ﺑﻴﺎ ت و‬
‫ﻋﻠﻴﻪ ﻓﻼ ﺑﺪ ﻣﻦ ﲢﻘﻖ ﺑﻌﺾ اﻟﻔﺮﺿﻴﺎت اﳌﺘﻌﻠﻘﺔ ﺑﺼﻴﺎﻏﺔ اﻟﺘﻮﻗﻌﺎت و اﻟﻔﺮﺿﻴﺔ اﻟﻌﺎﻣﺔ ﻫﻲ اﻟﺘﻮﻗﻌﺎت اﳌﻜﻴﻔﺔ و اﻟﱵ‬
‫ﺗﻌﺮف ر ﺿﻴﺎ وﻓﻖ اﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫) ‪X tp  X tp1   ( X t  X tp1‬‬
‫ﺣﻴﺚ ﺗﺸﲑ ‪ ‬إﱃ ﻣﻌﺎﻣﻞ اﻟﺘﻮﻗﻊ ‪ Coefficient of Expectation‬ﻣﻊ ‪ . 0    1‬ﺗﻌﺮف ﻫﺬﻩ اﻟﻔﺮﺿﻴﺔ‬
‫ﺑﻔﺮﺿﻴﺔ اﻟﺘﻮﻗﻊ اﳌﺘﻄﻮر ‪ Progressive Expectation‬أو ﻓﺮﺿﻴﺔ ﺗﻌﻠﻢ اﳋﻄﺄ ‪.Error Learning Hypothesis3‬‬
‫ﺗﺒﲔ اﳌﻌﺎدﻟﺔ اﻷﺧﲑة أن اﻟﺘﻮﻗﻌﺎت ﺗﺘﻜﻮن ﻣﻦ اﻷﺟﺰاء اﻟﱵ ﺗﻀﻴﻔﻬﺎ ‪ ‬ﻛﻞ ﻓﱰة زﻣﻨﻴﺔ إﱃ أن ﺗﺴﺪ اﻟﺜﻐﺮة ﺑﲔ‬
‫اﻟﻘﻴﻤﺔ اﳊﺎﻟﻴﺔ ﻟﻠﻤﺘﻐﲑ و ﻗﻴﻤﺘﻪ اﳌﺘﻮﻗﻌﺔ ﺳﺎﺑﻘﺎ‪ .‬ﻫﺬﻩ اﳌﻌﺎدﻟﺔ ﳝﻜﻦ ﻛﺘﺎﺑﺘﻬﺎ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪X tp  X t  (1   ) X tp1‬‬
‫‪X tp  X t  (1   ) X t 1   (1   ) 2 X t  2  ...‬‬ ‫و ﺑﻨﺸﺮ ﻫﺎ ﳓﺼﻞ ﻋﻠﻰ ‪:‬‬
‫‪‬‬
‫‪X tp    (1   ) i X t i‬‬ ‫أي ‪:‬‬
‫‪i 0‬‬
‫‪ ، Yt‬ﳓﺼﻞ ﻋﻠﻰ اﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ ‪:‬‬ ‫‪    X tp   t‬‬ ‫ﰲ اﳌﻌﺎدﻟﺔ‬ ‫‪X tp‬‬ ‫ﻧﻌﻮض‬
‫‪ 3‬اﻗﺘﺮح ھﺬه اﻟﻔﺮﺿﯿﺔ ﻛﻞ ﻣﻦ )‪ Gagan (1956‬و )‪.Friedman (1957‬‬

‫‪‬‬
‫‪Yt      (1   ) i X t i   t‬‬
‫‪i 0‬‬
‫و اﻟﱵ ﺗﻌﱪ ﻋﻦ ﳕﻮذج اﻟﺘﺨﻠﻒ اﻟﺰﻣﲏ اﳌﺘﺪرج ﺣﻴﺚ ﲢﻮﻳﻞ ﻛﻮﻳﻚ ‪ Koyck‬ﻳﺴﻤﺢ ﺑﻜﺘﺎﺑﺘﻪ ﻋﻠﻰ ﺷﻜﻞ اﳓﺪار‬
‫ذاﰐ ‪:‬‬
‫‪Yt     X t  (1   )Yt 1   t  (1   ) t 1 ‬‬
‫ﳝﻜﻦ ﺗﻘﺪﻳﺮ ﳕﻮذج اﻻﳓﺪار اﻟﺬاﰐ ﰲ ﺣﺎﻟﺔ اﻻرﺗﺒﺎط اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ ﺣﻴﺚ ﳓﺼﻞ ﻋﻠﻰ‬
‫ﻣﻘﺪرات ﻟﻜﻞ ﻣﻦ ‪  ، ‬و ‪. ‬‬
‫ﻣﺜﺎل ‪:3‬‬
‫ﺧﺬ ﻣﻌﻄﻴﺎت اﳌﺜﺎل ‪ 1‬ﻋﻠﻰ ﻣﻌﺪﻻت اﻟﻔﺎﺋﺪة ﻗﺼﲑة و ﻃﻮﻳﻠﺔ اﻷﺟﻞ‪ .‬ﻧﻘﺪر ﳕﻮذج اﻻﳓﺪار اﻟﺬاﰐ ﻣﻦ اﻟﺪرﺟﺔ‬
‫اﻷوﱃ ﻣﻊ وﺟﻮد ارﺗﺒﺎط ذاﰐ ﺑﲔ اﻷﺧﻄﺎء )ﻃﺮﻳﻘﺔ ‪: (Hidreth-Lu‬‬
‫‪Yˆt  4.54  0.27Yt 1  0.09 X t‬‬
‫)‪(3.92) (2.63) (2.50‬‬
‫‪R 2  0.65,‬‬ ‫‪n  28, DW  1.79, ˆ  0.58‬‬
‫‪ˆ  1  0.27  0.73‬‬

‫‪ˆ  0.09 / 0.73  0.12‬‬ ‫ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪ˆ  4.54 / 0.73  6.21‬‬
‫و ﻋﻠﻴﻪ ﳕﻮذج اﻟﺘﺼﺤﻴﺢ )اﻟﺘﻌﺪﻳﻞ( اﳉﺰﺋﻲ اﳌﻘﺪر ﻫﻮ ‪:‬‬
‫‪Yˆt D  6.21  0.12 X t‬‬
‫) ‪Yt  Yt 1  0.73(Yt D  Yt 1‬‬ ‫ﻣﻊ ‪:‬‬
‫أﻣﺎ ﳕﻮذج اﻟﺘﻮﻗﻌﺎت اﳌﻜﻴﻔﺔ اﳌﻘﺪر ﻫﻮ ‪:‬‬
‫‪Yˆt  6.21  0.12 X tp‬‬
‫) ‪X tp  X tp1  0.73( X t  X tp1‬‬ ‫ﻣﻊ ‪:‬‬
‫‪ .2‬اﻟﻨﻤﺎذج ﻏﲑ اﳋﻄﻴﺔ‬
‫ﻟﻘﺪ اﻓﱰﺿﻨﺎ أن ﺷﻜﻞ اﻟﻌﻼﻗﺔ اﻟﱵ رﻏﺒﻨﺎ ﰲ ﺗﻘﺪﻳﺮﻫﺎ ﻫﻮ اﻟﺸﻜﻞ اﳋﻄﻲ‪ ،‬ﻓﻔﻲ اﳊﻘﻴﻘﺔ اﻟﺸﻜﻞ اﳋﻄﻲ ﻳﻌﺪ ﺷﺮﻃﺎ‬
‫ﻣﻘﻴﺪا ﺟﺪا وﻋﺎدة ﻣﺎ ﺗﻘﱰح اﻟﻨﻈﺮﻳﺔ اﻻﻗﺘﺼﺎدﻳﺔ أو ﺷﻜﻞ اﻧﺘﺸﺎر اﻟﻨﻘﻂ اﳌﺸﺎﻫﺪة أن اﻟﻌﻼﻗﺔ ﺑﲔ اﳌﺘﻐﲑات ﻏﲑ‬
‫ﺧﻄﻴﺔ‪ .‬و اﻟﺘﺴﺎؤل ﻫﻨﺎ ﻛﻴﻒ ﳝﻜﻦ اﻟﺘﻌﺎﻣﻞ ﻣﻊ اﻟﻌﻼﻗﺎت ﻏﲑ اﳋﻄﻴﺔ؟ ﻫﻨﺎك ﻧﻮﻋﺎن ﻣﻦ اﻟﻨﻤﺎذج‪ :‬ﳕﺎذج ﻏﲑ ﺧﻄﻴﺔ‬
‫ﳝﻜﻦ ﲢﻮﻳﻠﻬﺎ إﱃ ﺷﻜﻞ ﺧﻄﻲ و ﳕﺎذج ﻏﲑ ﺧﻄﻴﺔ ﻻ ﳝﻜﻦ ﲢﻮﻳﻠﻬﺎ إﱃ ﺷﻜﻞ ﺧﻄﻲ‪.‬‬
‫‪ .1.2‬اﻟﺘﺤﻮﻳﻞ اﳋﻄﻲ ﻟﻠﻨﻤﺎذج ﻏﲑ اﳋﻄﻴﺔ‪:‬‬
‫ﻗﺒﻞ ﺗﻘﺪﻳﺮ اﻟﻌﻼﻗﺔ ﺑﲔ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ و اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ‪ ،‬ﳚﺐ أوﻻ اﻟﺒﺤﺚ ﻋﻦ أﻧﺴﺐ اﻟﺼﻴﻎ اﻟﺮ ﺿﻴﺔ اﻟﱵ ﺗﻌﱪ‬
‫ﻋﻦ ﻫﺬﻩ اﻟﻌﻼﻗﺔ ﺗﻌﺒﲑا دﻗﻴﻘﺎ وﻟﺘﺤﻘﻴﻖ ذﻟﻚ ﳚﺐ اﻟﺘﻌﺮف ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺒﻴﺎﱐ اﳊﻘﻴﻘﻲ ﻟﻠﻌﻼﻗﺔ ﺑﲔ اﳌﺘﻐﲑات‪ ،‬وﻳﺘﻢ‬
‫ذﻟﻚ ﺑﻮاﺳﻄﺔ اﻟﻨﻈﺮﻳﺔ اﻻﻗﺘﺼﺎدﻳﺔ أو اﻟﺪراﺳﺎت اﻟﺘﻄﺒﻴﻘﻴﺔ اﻟﺴﺎﺑﻘﺔ أو اﻟﺮﺳﻢ اﻟﺒﻴﺎﱐ ﻟﻠﻤﺘﻐﲑ اﻟﺘﺎﺑﻊ وﻛﻞ ﻣﺘﻐﲑ ﻣﺴﺘﻘﻞ‬
‫ﻋﻠﻰ ﺣﺪا ﰒ اﺧﺘﻴﺎر أﻧﺴﺐ اﻟﺼﻴﻎ اﻟﺮ ﺿﻴﺔ اﻟﱵ ﺗﺘﻼءم ﻣﻊ اﻟﺸﻜﻞ اﻟﺒﻴﺎﱐ اﳊﻘﻴﻘﻲ ﻟﻠﻌﻼﻗﺔ ﳏﻞ اﻟﺪراﺳﺔ‪.‬‬
‫ﻣﺜﺎل ‪:4‬‬
‫ﻣﺆﺳﺴﺔ‬ ‫‪25‬‬ ‫ﻟﻨﺄﺧﺬ ﻣﺜﺎﻻ ﻋﻦ داﻟﺔ ﻛﻮب‪-‬دوﻏﻼس اﻟﱵ ﺗﻌﻄﻲ اﻟﻌﻼﻗﺔ ﺑﲔ اﻹﻧﺘﺎج و ﻋﻮاﻣﻠﻪ‪ ،‬ﺧﺬ ﻋﻴﻨﺔ ﻣﻦ‬
‫ﻟﺘﻘﺪﻳﺮ اﻹﻧﺘﺎج ﺑﺪﻻﻟﺔ اﻟﻌﻤﻞ ‪ L‬و رأس اﳌﺎل ‪ K‬اﳌﻌﻄﺎة ﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫‪Qi   0 K i1 Li 2  i , i  1, 2, ....., 25‬‬
‫ﺣﻴﺚ ‪ :  i‬اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ‬
‫ﺗﻌﺘﱪ ﻫﺬﻩ اﻟﺪاﻟﺔ ﻏﲑ ﺧﻄﻴﺔ ﻣﻦ ﺣﻴﺚ اﳌﻌﺎﱂ ﻟﻜﻦ ﳝﻜﻦ ﲢﻮﻳﻠﻬﺎ إﱃ ﺷﻜﻞ ﺧﻄﻲ و ذﻟﻚ ﻋﻦ ﻃﺮﻳﻖ اﻟﺘﺤﻮﻳﻞ‬
‫اﻟﻠﻮﻏﺎرﻳﺘﻤﻲ‪ .‬اﻟﻨﻤﻮذج اﳌﺮاد ﺗﻘﺪﻳﺮﻩ ﻫﻮ ﻛﺎﻟﺘﺎﱄ ‪:‬‬
‫‪ln Qi  ln  0  1 ln K i   2 ln Li  ln  i‬‬
‫‪Qi*   0*  1 K i*   2 L*i   i‬‬
‫ﺣﻴﺚ ‪ L*i‬و *‪ K i‬ﳘﺎ اﳌﺘﻐﲑان اﳌﺴﺘﻘﻼن و *‪ Qi‬اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ أﻣﺎ ‪  i‬ﻓﻬﻮ اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ‪ .‬ﻧﺴﺘﻌﻤﻞ ﻃﺮﻳﻘﺔ‬
‫اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﳍﺬا اﻟﻐﺮض‪ ،‬ﻓﻨﺤﺼﻞ ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ اﻟﺘﺎﻟﻴﺔ ﺳﺘﻌﻤﺎل ‪: Eviews 5.0‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ : (1‬اﻟﺘﻤﺜﻴﻞ اﻟﺒﻴﺎﱐ ﻟﻠﻘﻴﻢ اﳊﻘﻴﻘﻴﺔ و اﳌﻘﺪرة ﻣﻊ ﺑﻮاﻗﻲ اﻟﺘﻘﺪﻳﺮ‬
‫‪5.2‬‬
‫‪4.8‬‬
‫‪4.4‬‬
‫‪4.0‬‬
‫‪.2‬‬ ‫‪3.6‬‬
‫‪.1‬‬ ‫‪3.2‬‬
‫‪.0‬‬
‫‪-.1‬‬
‫‪-.2‬‬
‫‪5‬‬ ‫‪10‬‬ ‫‪15‬‬ ‫‪20‬‬ ‫‪25‬‬
‫‪Residual‬‬ ‫‪Actual‬‬ ‫‪Fitted‬‬
‫ﻧﻼﺣﻆ أن ﻟﻠﻨﻤﻮذج ﻗﺪرة ﺗﻔﺴﲑﻳﺔ ﻋﺎﻟﻴﺔ ﺟﺪا ﻷن ﻟﻮﻏﺎرﻳﺘﻢ اﻟﻌﻤﻞ و ﻟﻮﻏﺎرﻳﺘﻢ رأس اﳌﺎل ﻳﻔﺴﺮان ﻟﻮﻏﺎرﻳﺘﻢ اﻹﻧﺘﺎج‬
‫ﺑﻨﺴﺒﺔ ‪ 93.61%‬و ﻫﺬا ﻣﺎ ﻧﻼﺣﻈﻪ ﻣﻦ ﺧﻼل اﻟﺸﻜﻞ )‪ (1‬ﺣﻴﺚ أن اﻹﻧﺘﺎج اﳌﻘﺪر ﻳﻘﱰب ﻣﻦ اﻟﻘﻴﻢ اﳌﺸﺎﻫﺪة‪.‬‬
‫ﳝﻜﻦ اﻟﺘﺄﻛﺪ ﻣﻦ ذﻟﻚ ﺳﺘﻌﻤﺎل إﺣﺼﺎﺋﻴﺔ ﻓﻴﺸﺮ اﻟﱵ ﺗﺴﺎوي إﱃ ‪ 176.94‬ﻓﻬﻲ أﻛﱪ ﲤﺎﻣﺎ ﻣﻦ اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ ﻟﺘﻮزﻳﻊ‬
‫ﻓﻴﺸﺮ ﺑﺪرﺟﱵ ﺣﺮﻳﺔ ‪ 2‬و ‪ 22‬و ﻫﺬا ﻳﻌﲏ أﻧﻨﺎ ﻧﺮﻓﺾ اﻟﻔﺮﺿﻴﺔ ‪ . H 0‬إﺿﺎﻓﺔ إﱃ ذﻟﻚ‪ ،‬ﳌﻌﺎﱂ اﻟﻨﻤﻮذج ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‬
‫أي ﲣﺘﻠﻒ ﻛﻠﻬﺎ ﻣﻌﻨﻮ ﻋﻦ اﻟﺼﻔﺮ ﺑﻨﺴﺒﺔ دﻻﻟﺔ ‪ 5%‬ﻋﺘﺒﺎر أن إﺣﺼﺎﺋﻴﺎت ﺳﺘﻴﻮدﻧﺖ أﻛﱪ ﲤﺎﻣﺎ ﻣﻦ اﻟﻘﻴﻤﺔ اﳊﺮﺟﺔ‬
‫ﻟﻨﻔﺲ اﻟﺘﻮزﻳﻊ ﺑﺪرﺟﺔ ﺣﺮﻳﺔ ‪ . t 0.05  2.070 : 22‬اﻹﻧﺘﺎج اﳌﻘﺪر ﻳﻜﺘﺐ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪Qˆ i  11.94 K i0.6401 L0i .2573‬‬
‫ﺣﻴﺚ ﻳﺘﻢ ﺣﺴﺎب اﻟﺜﺎﺑﺘﺔ اﳌﻘﺪرة ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪ˆ0  e 2.4807  11.94‬‬
‫ﻫﻨﺎك أﺷﻜﺎل أﺧﺮى ﻣﻦ اﻟﻨﻤﺎذج ﻣﻨﻬﺎ داﻟﺔ اﻟﻘﻄﻊ اﳌﻜﺎﻓﺊ ﺣﻴﺚ أن اﻟﻨﻤﻮذج ﺧﺬ اﻟﺸﻜﻞ‬
‫‪ Yi   0  1 X i   2 X i2   i , i  1, ....., n‬ﻓﻬﻲ داﻟﺔ ﺧﻄﻴﺔ ﻟـ ‪ Yi‬ﺑﺪﻻﻟﺔ ‪ X i‬و ‪ X i2‬أي أ ﺎ ﻏﲑ ﺧﻄﻴﺔ‬
‫ﻟﻨﺴﺒﺔ ﻟﻠﻤﺘﻐﲑات و ﺧﻄﻴﺔ ﻟﻨﺴﺒﺔ ﻟﻠﻤﻌﺎﱂ‪ ،‬ﻓﻌﻠﻰ ﺳﺒﻴﻞ اﳌﺜﺎل اﻟﺘﻜﺎﻟﻴﻒ اﻟﻜﻠﻴﺔ داﻟﺔ ﺑﻌﺔ ﻟﻺﻧﺘﺎج ﺣﻴﺚ ‪:‬‬
‫‪TC i   0  1Qi   2 Qi2   i , i  1, ....., n‬‬
‫ﻓﻬﻮ اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ‪ .‬ﻓﻴﻜﻔﻲ إذن ﺗﻘﺪﻳﺮ ﻫﺬا اﻟﻨﻮع ﻣﻦ‬ ‫‪i‬‬ ‫اﻹﻧﺘﺎج أﻣﺎ‬ ‫‪Qi‬‬ ‫ﺣﻴﺚ ‪ TCi‬اﻟﺘﻜﺎﻟﻴﻒ اﻟﻜﻠﻴﺔ و‬
‫اﻟﻨﻤﺎذج ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ‪.‬‬
‫‪ .2.2‬ﻃﺮق ﺗﻘﺪﻳﺮ اﻟﻨﻤﺎذج ﻏﲑ اﳋﻄﻴﺔ اﻟﱵ ﻏﲑ ﻗﺎﺑﻠﺔ ﻟﻠﺘﺤﻮﻳﻞ إﱃ ﺷﻜﻞ ﺧﻄﻲ‬
‫ﻫﻨﺎك ﺑﻌﺾ اﻟﻨﻤﺎذج ﻏﲑ اﳋﻄﻴﺔ‪ ،‬ﻣﻦ اﳌﺴﺘﺤﻴﻞ ﲢﺖ ﻓﺮﺿﻴﺎت ﻣﻌﻴﻨﺔ ﺗﻄﺒﻴﻖ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪ .‬ﻧﺴﺘﻌﻤﻞ‬
‫ﺗﻘﻨﻴﺎت أﺧﺮى ﻟﻠﺘﻘﺪﻳﺮ ﻣﻬﻤﺎ ﻳﻜﻦ ﻧﻮع اﳋﻮارزﻣﻴﺔ اﳌﺴﺘﻌﻤﻠﺔ‪.4‬‬
‫ﳝﻜﻦ ﲢﻮﻳﻞ ﻫﺬﻩ اﻟﻨﻤﺎذج إﱃ اﻟﺸﻜﻞ اﳋﻄﻲ ﻋﻦ ﻃﺮﻳﻖ ﻧﺸﺮ ﻳﻠﻮر ‪ Taylor‬وذﻟﻚ ﻋﻄﺎء ﻗﻴﻢ اﺑﺘﺪاﺋﻴﺔ ﻟﻠﻤﻌﺎﱂ‬
‫وﻳﺘﻢ ﺗﻘﺪﻳﺮﻫﺎ ﻋﻦ ﻃﺮﻳﻖ ﺗﻜﺮار اﻟﻌﻤﻠﻴﺔ ‪ .iteration‬ﺗﺴﺘﺨﺪم ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻋﻠﻰ اﳌﻌﺎدﻟﺔ اﻟﱵ ﰎ ﲢﻮﻳﻠﻬﺎ إﱃ‬
‫ﺷﻜﻞ ﺧﻄﻲ ﻣﻦ أﺟﻞ ﺗﻘﺪﻳﺮ ﻣﻌﺎﻣﻼت ﺟﺪﻳﺪة‪ .‬ﺗﺴﻤﺢ ﻫﺬﻩ اﻷﺧﲑة ﻋﻦ ﻃﺮﻳﻖ ﻧﺸﺮ ﺟﺪﻳﺪ ﳏﺪود ﺑﺘﺤﻮﻳﻞ ﺧﻄﻲ‬
‫ﺟﺪﻳﺪ‪ ،‬ﻳﺘﻢ إﻳﻘﺎف اﻟﻌﻤﻠﻴﺔ ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﳌﻌﺎﻣﻼت ﺳﺎﻛﻨﺔ ﻧﺴﺒﻴﺎ ﻣﻦ ﻣﺮﺣﻠﺔ إﱃ ﻣﺮﺣﻠﺔ أﺧﺮى‪.‬‬
‫ﻟﻜﻲ ﺗﻜﻮن ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ ﻓﻌﺎﻟﺔ‪ ،‬ﻳﻨﺒﻐﻲ أن ﺗﻜﻮن اﻟﻘﻴﻢ اﻻﺑﺘﺪاﺋﻴﺔ ﻟﻠﻤﻌﺎﱂ ﻗﺮﻳﺒﺔ ﻣﻦ اﻟﻘﻴﻢ اﳌﺜﻠﻰ‪ .‬إذا ﱂ ﺗﻜﻦ ﻛﺬﻟﻚ‬
‫ﻓﺈن اﻟﺘﻘﺪﻳﺮ ﻏﲑ ﺟﻴﺪ أي ﻻ ﻳﻮﺟﺪ ﺗﻘﺎرب ‪.Convergence‬‬
‫ﻟﻴﻜﻦ اﻟﻨﻤﻮذج ﻏﲑ اﳋﻄﻲ اﻟﺘﺎﱄ‪ Yi  f ( X ,  )   i :‬ﺣﻴﺚ ‪ X‬ﻫﻲ ﻣﺼﻔﻮﻓﺔ اﳌﺘﻐﲑات اﳌﻔﺴﺮة ﺑﻌﺪﻫﺎ‬
‫) ‪ ( n, k  1‬و ‪ ‬ﺷﻌﺎع اﳌﻌﺎﱂ ذو ﺑﻌﺪ ‪. k  1‬‬
‫ﰲ ﻇﻞ اﻟﻔﺮﺿﻴﺎت اﻷﺳﺎﺳﻴﺔ اﻟﻜﻼﺳﻴﻜﻴﺔ ﻟﻠﻨﻤﻮذج‪ ،‬ﳝﻜﻦ إﳚﺎد ﻣﻘﺪر ﻟﺸﻌﺎع اﳌﻌﺎﱂ و ذﻟﻚ ﺑﺘﺼﻐﲑ ﳎﻤﻮع‬
‫ﻣﺮﺑﻌﺎت اﻟﺒﻮاﻗﻲ‪:‬‬
‫‪S (  )  ˆ 'ˆ   yt  f ( X ,  )  yt  f ( X ,  )‬‬
‫'‬
‫ﻣﺸﺘﻖ ﺟﺰﺋﻲ ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ‪:‬‬ ‫‪k 1‬‬ ‫ﻟﺪﻳﻨﺎ‬

‫‪S‬‬ ‫) ‪f ( X , ‬‬
‫‪ 2‬‬ ‫‪ yt  f ( X ,  )   0‬‬
‫‪‬‬ ‫‪‬‬
‫) ‪ f ( x1 , ‬‬ ‫‪f ( x1 ,  ) ‬‬
‫‪‬‬ ‫‪...‬‬ ‫‪‬‬
‫‪‬‬ ‫‪ 0‬‬ ‫‪ k ‬‬
‫) ‪f ( X , ‬‬
‫‪ Z ( )  ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫ﺣﻴﺚ‪:‬‬
‫‪‬‬ ‫) ‪ f ( xn , ‬‬ ‫‪f ( x1 ,  ) ‬‬
‫‪ ‬‬ ‫‪...‬‬
‫‪ k ‬‬
‫‪‬‬ ‫‪0‬‬ ‫‪‬‬
‫) )‪.(    (1‬ﰒ ﺳﺘﻌﻤﺎل ﻧﺸﺮ ﳏﺪود‬ ‫‪‬‬ ‫ﻟﺘﻜﻦ ) )‪ Z (  (1‬ﻫﺬﻩ اﳌﺼﻔﻮﻓﺔ اﶈﺴﻮﺑﺔ ﻣﻦ أﺟﻞ اﻟﻘﻴﻢ اﳋﺎﺻﺔ ﻟـ‬
‫ﻟﺘﺎﻳﻠﻮر ﲜﻮار )‪ ،  (1‬ﳝﻜﻦ ﺗﻘﺮﻳﺐ اﳌﺸﺎﻫﺪة‪:‬‬
‫) ‪ f ( x , ‬‬ ‫) ‪f ( xt , ‬‬ ‫‪‬‬
‫‪f ( xt ,  )  f ( xt ,  (1) )  ‬‬ ‫‪t‬‬
‫‪...‬‬ ‫‪‬‬
‫)‪    (1‬‬ ‫‪‬‬
‫)‪  0    (1‬‬ ‫‪k    (1) ‬‬
‫‪‬‬
‫ﺑﻌﺒﺎرة أﺧﺮى‪:‬‬
‫‪‬‬
‫)‪f ( X ,  )  f ( X ,  (1) )  Z (  (1) )    (1‬‬ ‫‪‬‬
‫‪:‬‬ ‫‪‬‬
‫إذن ‪Y  f ( X ,  (1) )  Z (  (1) )    (1)  ‬‬‫‪‬‬
‫‪Y  f ( X ,  (1) )  Z (  (1) )   Z (  (1) )  (1)  ‬‬ ‫أي‪:‬‬
‫‪ 4‬ﳌﺰﻳﺪ ﻣﻦ اﻟﺘﻔﺎﺻﻴﻞ أﻧﻈﺮ ‪Greene, W.H. (2000), chapitre 10‬‬

‫ﻧﻀﻊ‪:‬‬
‫)‪Y * (  (1) )  Y  f ( X ,  (1) )  Z (  (1) )  (1‬‬
‫ﻧﺴﺘﻄﻴﻊ ﻣﻦ ﺧﻼل اﻟﻌﻼﻗﺔ اﻷﺧﲑة أن ﻧﻘﺮب اﻟﻨﻤﻮذج ﻏﲑ اﳋﻄﻲ إﱃ ﺷﻜﻞ ﺧﻄﻲ‪:5‬‬
‫~‬
‫‪Y (  (1) )  Z (  (1) )   ‬‬
‫ﳝﻜﻦ ﺗﻘﺪﻳﺮ ﻣﻌﻠﻢ ﻫﺬا اﻟﻨﻤﻮذج اﳋﻄﻲ ﻛﻤﺎ ﻳﻠﻲ‪:‬‬
‫) )‪ ( 2 )  Z (  (1) ) ' Z (  (1) ) Z (  (1) ) ' Y (  (1‬‬
‫‪1‬‬ ‫~‬
‫‪‬‬ ‫‪‬‬‫‪1‬‬
‫‪‬‬
‫) )‪  (1)  Z (  (1) ) ' Z (  (1) ) Z (  (1) ) ' Y  f ( X ,  (1‬‬ ‫‪‬‬
‫واﻟﺬي ﻳﻌﻄﻲ أﻳﻀﺎ ﻗﻴﻢ ﺟﺪﻳﺪة ﻟﻠﺸﻌﺎع )‪    ( 2‬وﳝﻜﻦ ﻣﻮاﺻﻠﺔ ﻋﻤﻠﻴﺔ اﻟﺒﺤﺚ ﻋﻦ اﻟﻘﻴﻢ اﳌﺜﻠﻰ ﻟﺸﻌﺎع اﳌﻌﺎﱂ‬
‫إﱃ ﻏﺎﻳﺔ ‪ p‬إﻋﺎدة‪ ،‬ﻓﻨﻼﺣﻆ ﺳﻜﻮ ﻧﺴﺒﻴﺎ ﻟﻠﻤﻌﺎﻣﻼت اﳌﻘﺪرة‪. ˆ   ( p )   ( p1) :‬‬
‫ﲡﺪر اﻹﺷﺎرة إﱃ أن ﻃﺮﻳﻘﺔ اﻟﺘﻘﺪﻳﺮ اﳌﺘﺒﻌﺔ ﻻ ﺗﻜﻮن ﻓﻌﺎﻟﺔ إﻻ إذا ﲤﻜﻨﺎ ﻣﻦ اﺧﺘﻴﺎر اﻟﻘﻴﻢ اﻻﺑﺘﺪاﺋﻴﺔ ﻟﻠﻤﻌﺎﻣﻼت‬
‫ﺑﺸﻜﻞ ﳑﺘﺎز وﻓﻖ اﻟﻨﻤﺬﺟﺔ اﻻﻗﺘﺼﺎدﻳﺔ و اﳌﻌﻄﻴﺎت‪.‬‬
‫ﻣﺜﺎل ‪:5‬‬
‫ﺧﻼل اﻟﻔﱰة اﳌﻤﺘﺪة ﻣﻦ اﻟﻔﺼﻞ اﻷول‬ ‫‪Ydt‬‬ ‫اﳌﻄﻠﻮب دراﺳﺔ اﻟﻌﻼﻗﺔ ﺑﲔ اﻻﺳﺘﻬﻼك اﻹﲨﺎﱄ ‪ Ct‬و اﻟﺪﺧﻞ اﳌﺘﺎح‬
‫ﻟﻌﺎم ‪ 1947‬إﱃ ﻏﺎﻳﺔ اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ ﻣﻦ ﺳﻨﺔ ‪ 1995‬و ﻓﻖ اﻟﻨﻤﻮذج اﻟﺘﺎﱄ ‪:‬‬
‫‪C t  a 0  a1Ydta2   t‬‬

‫ﻧﻼﺣﻆ أن ﻫﺬﻩ اﻟﻌﻼﻗﺔ ﻻ ﳝﻜﻦ ﲢﻮﻳﻠﻬﺎ إﱃ ﺷﻜﻞ ﺧﻄﻲ و ﻋﻠﻴﻪ ﻳﺘﻢ ﺗﻘﺪﻳﺮ ﻣﻌﺎﱂ ﻫﺬا اﻟﻨﻤﻮذج ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت‬
‫اﻟﺼﻐﺮى ﻏﲑ اﳋﻄﻴﺔ اﻋﺘﻤﺎدا ﻋﻠﻰ ﺗﻘﻨﻴﺔ ‪ .Gauss-Newton‬ﻧﺘﺎﺋﺞ اﻟﺘﻘﺪﻳﺮ ﺗﻈﻬﺮ ﰲ ﳐﺮﺟﺎت ﺑﺮﳎﻴﺔ ‪: RATS 5.04‬‬
‫‪ 5‬ﺗﻢ ﺗﻘﺮﯾﺐ اﻟﻨﻤﻮذج ﻏﯿﺮ اﻟﺨﻄﻲ إﻟﻰ داﻟﺔ ﺧﻄﯿﺔ ﺑﺎﺳﺘﻌﻤﺎل ﺧﻮارزﻣﯿﺔ ‪ Gauss-Newton‬واﻟﺘﻲ ﺗﻌﺘﻤﺪ ﻋﻠﻰ اﻟﻨﺸﺮ اﻟﻤﺤﺪود ﻟﺘﺎﯾﻠﻮر‪.‬‬
‫اﻟﻨﻤﻮذج اﳌﻘﺪر ﻳﻜﺘﺐ ﻛﻤﺎ ﻳﻠﻲ ‪ Cˆ t  256.33  0.19Ydt1.17 :‬إذن ﳝﻜﻦ ﻗﺒﻮل ﻫﺬا اﻟﻨﻤﻮذج إﺣﺼﺎﺋﻴﺎ ﻣﻌﺘﻤﺪا‬
‫ﻋﻠﻰ اﻟﻨﺘﺎﺋﺞ اﳌﺘﺤﺼﻞ ﻋﻠﻴﻬﺎ )ﻟﻠﻤﻌﺎﱂ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ ،‬ﻟﻠﻨﻤﻮذج ﻗﺪرة ﺗﻔﺴﲑﻳﺔ ﻋﺎﻟﻴﺔ ﺟﺪا( إﻻ أن ﻫﻨﺎك ارﺗﺒﺎط ذاﰐ‬
‫ﺑﲔ اﻷﺧﻄﺎء و ﻫﺬا ﻣﺎ ﻧﻼﺣﻈﻪ ﻣﻦ ﺧﻼل إﺣﺼﺎﺋﻴﺔ درﺑﲔ‪-‬واﺗﺴﻮن و ﻋﻠﻴﻪ ﻻ ﺑﺪ ﻣﻦ ﺗﺼﺤﻴﺢ اﻟﻨﻤﻮذج ﻣﻦ‬
‫اﻻرﺗﺒﺎط اﻟﺬاﰐ‪.‬‬
‫ﻧﺬﻛﺮ ﻓﻘﻂ أﻧﻪ ﻟﺘﻘﺪﻳﺮ ﻫﺬا اﻟﻨﻮع ﻣﻦ اﻟﻨﻤﺎذج اﺳﺘﻌﻨﺎ ﻟﱪ ﻣﺞ اﻟﺘﺎﱄ ‪:‬‬
‫‪ .3‬ﻣﺪﺧﻞ إﱃ اﻻﳓﺪار اﻟﻼ ﻣﻌﻠﻤﻲ‬

‫ﻳﻌﺘﻤﺪ ﻫﺬا اﻟﻨﻮع ﻣﻦ اﻟﻨﻤﺎذج ﻋﻠﻰ ﺗﻘﻨﻴﺎت ﺣﺮة "ﻻ ﻣﻌﻠﻤﻴﺔ" ﻓﻬﻲ ﻻ ﺗﻔﱰض وﺟﻮد ﻋﺎﺋﻠﺔ ﳕﺎذج ﺑﻞ ﺗﺮﺗﻜﺰ ﻋﻠﻰ‬
‫اﻟﻔﻜﺮة "أﺗﺮك اﳌﻌﻄﻴﺎت ﺗﺘﻜﻠﻢ وﺣﺪﻫﺎ" "‪ ."Let the data speak for themselves‬ﻋﺮف اﻹﺣﺼﺎء ﻏﲑ اﳌﻌﻠﻤﻲ‬
‫ﺗﻄﻮرا ﻛﺒﲑا ﰲ اﻵوﻧﺔ اﻷﺧﲑة و ﻻ ﺳﻴﻤﺎ ﰲ دراﺳﺔ اﻟﻌﻼﻗﺎت اﻻﻗﺘﺼﺎدﻳﺔ ﺣﻴﺚ ﱂ ﻳﺴﺘﺨﺪم ﰲ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ إﻻ‬
‫ﰲ ﺑﺪاﻳﺔ اﻟﺜﻤﺎﻧﻴﻨﺎت ﻣﻦ اﻟﻘﺮن اﳌﺎﺿﻲ‪ .6‬ﻣﺒﺪأ ﻫﺬﻩ اﻟﻄﺮﻳﻔﺔ ﻳﺘﻤﺜﻞ ﰲ دراﺳﺔ ﻣﻌﺎﱂ ﲤﺮﻛﺰ أو ﺗﺸﺘﺖ اﻟﺘﻮزﻳﻊ اﻟﺸﺮﻃﻲ‬
‫ﻟﻠﻈﺎﻫﺮة ‪ Y‬ﻋﻠﻤﺎ ﳌﺘﻐﲑ ‪. X  x‬‬
‫ﻳﺘﻢ اﺧﺘﻴﺎر ﻫﺬا اﻟﻄﺮﻳﻘﺔ ﻋﻨﺪ ﺗﻌﻤﻴﻢ اﻻﳓﺪار ﻏﲑ اﳋﻄﻲ اﳌﻌﻠﻤﻲ‪ ،‬ﻓﻌﻨﺪﻣﺎ ﺗﻜﻮن ﻫﻨﺎك ﺻﻌﻮﺑﺔ ﰲ اﺧﺘﻴﺎر اﻟﺸﻜﻞ‬
‫اﳌﻼﺋﻢ ﻟﻠﻨﻤﻮذج ﻏﲑ اﳋﻄﻲ‪ ،‬ﻧﺴﺘﻌﲔ ﺑﺘﻘﻨﻴﺎت ﺣﺮة ﻟﺘﻘﺪﻳﺮ اﻟﻈﺎﻫﺮة اﻻﻗﺘﺼﺎدﻳﺔ ﻣﻌﺘﻤﺪا ﻋﻠﻰ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ‪.‬‬
‫إﺿﺎﻓﺔ إﱃ ذﻟﻚ‪ ،‬اﻟﺘﻘﺪﻳﺮ ﻏﲑ اﳌﻌﻠﻤﻲ ﻟﻼﳓﺪار ﻻ ﻳﻌﺘﻤﺪ ﻋﻠﻰ أي ﻣﻌﻠﻢ أي ﻻ ﻳﺘﻌﻠﻖ اﻷﻣﺮ ﺑﺘﻘﺪﻳﺮ ﺷﻌﺎع ﻣﻌﺎﱂ ذي‬
‫ﺑﻌﺪ ﳏﺪود ﺑﻞ ﻋﺪد اﳌﻌﺎﱂ اﳌﺮاد ﺗﻘﺪﻳﺮﻫﺎ ﻏﲑ ﻣﻨﺘﻬﻲ‪.‬‬
‫‪ .1.3‬ﺗﻘﺪﻳﺮ اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ اﻟﺸﺮﻃﻲ ﺑﻄﺮﻳﻘﺔ اﻟﻨﻮاة‬
‫ﻟﻨﻌﺘﱪ اﻟﻨﻤﻮذج ﻏﲑ اﳋﻄﻲ اﻟﺘﺎﱄ ‪:‬‬
‫‪Yi  f ( X i )   i‬‬
‫اﳋﻄ ــﺄ اﻟﻌﺸـ ـﻮاﺋﻲ اﻟ ــﺬي ﳛﻘ ــﻖ‬ ‫‪i‬‬ ‫اﳌﺘﻐ ــﲑ اﳌ َﻔ ِّﺴ ــﺮ أو اﳌﺴـ ـﺘﻘﻞ و‬
‫ﺣﻴ ــﺚ ‪ Yi‬ﻫ ــﻮ اﳌﺘﻐ ــﲑ اﳌ َﻔ ﱠﺴ ــﺮ أو اﻟﺘ ــﺎﺑﻊ و‬
‫‪Xi‬‬
‫ُ‬ ‫ُ‬
‫اﻟﻔﺮﺿﻴﺎت اﻟﻜﻼﺳﻴﻜﻴﺔ ﻟﻠﻨﻤﻮذج‪.‬‬
‫ﳝﺜﻞ اﳌﺘﻐﲑ ‪  i‬اﳋﻄﺄ ﰲ ﺗﻔﺴﲑ ‪ ، Yi‬وﻣﻨﻪ ﳝﻜﻦ ﻛﺘﺎﺑﺘﻪ اﻧﻄﻼﻗﺎ ﻣﻦ اﻟﻌﻼﻗﺔ ) ‪  i  Yi  f ( X i‬وﻳﺮﺟﻊ ﺳﺒﺐ‬
‫وﺟﻮد اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ إﱃ إﳘﺎل ﺑﻌﺾ اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ اﻟﱵ ﳝﻜﻦ أن ﺗﺆﺛﺮ ﻋﻠﻰ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ﰲ اﻟﻨﻤﻮذج أو‬
‫اﻟﺼﻴﺎﻏﺔ اﻟﺮ ﺿﻴﺔ ﻏﲑ اﻟﺴﻠﻴﻤﺔ أو ﺣﺪوث ﺧﻄﺄ ﰲ ﻛﻞ ﻣﻦ ﲡﻤﻴﻊ اﻟﺒﻴﺎ ت وﻗﻴﺎس اﳌﺘﻐﲑات اﻻﻗﺘﺼﺎدﻳﺔ‪ .‬إذن ﻳﻜﻮن‬
‫اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ داﻟﺔ ﻏﲑ ﺧﻄﻴﺔ )ﻻ ﻣﻌﻠﻤﻴﺔ( ﻟﻠﻤﺘﻐﲑ اﳌﺴﺘﻘﻞ ﻣﻀﺎﻓﺎ إﻟﻴﻪ ﺣﺪ اﳋﻄﺄ‪.‬‬
‫‪ 6‬أﻧﻈﺮ )‪.Härdle (1990) ،Bosq et Lecoutre (1982‬‬

‫ﻳﺘﻢ ﺗﻘﺪﻳﺮ ﻫﺬا اﻟﻨﻤﻮذج ﺑﻄﺮﻳﻘﺔ ﺗﺴﻤﻰ ﺑﻄﺮﻳﻘﺔ اﻟﻨﻮاة ‪ .Kernel method‬أدﺧﻠﺖ ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ ﻷول ﻣﺮة ﻣﻦ‬
‫ﻃﺮف )‪ Rosenblatt (1956‬ﻟﺘﻘﺪﻳﺮ داﻟﺔ اﻟﻜﺜﺎﻓﺔ ﰒ أﺧﺬت ﻧﻴﺔ ﻣﻦ ﻃﺮف )‪ Nadaraya (1964‬و ‪Watson‬‬
‫)‪ (1964‬ﻟﺘﻘﺪﻳﺮ داﻟﺔ اﻻﳓﺪار‪ .‬اﳍﺪف إذن ﻫﻮ ﺗﻘﺪﻳﺮ )‪ | E(Y X  x‬اﻧﻄﻼﻗﺎ ﻣﻦ اﻟﺰوج ) ‪. ( X i , Yi‬‬
‫ﻟﻴﻜﻦ ‪ ‬اﻟﻘﺎﻧﻮن اﻟﺬي ﳜﻀﻊ ﻟﻪ اﻟﺰوج ) ‪ ̂ ، ( X , Y‬ﻣﻘﺪرﻩ اﳌﻌﺮف ﻟﺼﻴﻐﺔ ‪:‬‬
‫‪1 n‬‬
‫‪ˆ ‬‬ ‫) ‪  ( X i ,Yi‬‬
‫‪n i 1‬‬
‫و ̂‪ ‬ﻣﻘﺪرﻩ اﳌﻌﺮف ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬ ‫‪X‬‬ ‫و ‪ ‬ﻗﺎﻧﻮن‬
‫‪1 n‬‬
‫‪ˆ ‬‬ ‫‪ X‬‬
‫‪n i 1 i‬‬
‫ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬ ‫)‪f (x‬‬ ‫ﻧﻔﱰض أن ﻟﻠﻤﺘﻐﲑ ‪ X‬داﻟﺔ ﻛﺜﺎﻓﺔ ‪ . g  0‬ﳝﻜﻦ ﻛﺘﺎﺑﺔ‬
‫‪f ( x) ‬‬
‫)‪ yd ( x, y‬‬
‫)‪g ( x‬‬
‫ﺗﻜﺘﺐ ﻋﻠﻰ اﻟﺸﻜﻞ ‪:‬‬ ‫)‪f ( x‬‬ ‫ﺑﻮﺿﻊ )‪ ،  ( x)   yd ( x, y‬اﻟﺪاﻟﺔ‬
‫)‪ ( x‬‬
‫‪f ( x) ‬‬
‫)‪g ( x‬‬
‫ﻟـ ‪ ‬ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬ ‫̂‪‬‬ ‫و‬ ‫‪g‬‬ ‫ﻟـ‬ ‫̂‪g‬‬ ‫ﺗﻌﺮف اﳌﻘﺪرات ﻏﲑ اﳌﻌﻠﻤﻴﺔ‬
‫‪n‬‬
‫‪ x  Xi‬‬ ‫‪‬‬
‫‪ K ‬‬ ‫‪‬‬
‫‪gˆ ( x) ‬‬
‫‪i 1‬‬ ‫‪ hn‬‬ ‫‪‬‬
‫‪nhn‬‬
‫‪n‬‬
‫‪ x  Xi‬‬ ‫‪‬‬
‫‪ Y K ‬‬‫‪i‬‬
‫‪‬‬
‫‪ˆ ( x) ‬‬
‫‪i 1‬‬ ‫‪ hn‬‬ ‫‪‬‬
‫‪nhn‬‬
‫ﻫﻮ ﻣﻘﺪر ﺑﻄﺮﻳﻘﺔ اﻟﻨﻮاة ﻳﻌﺮف ﰲ اﻷﺧﲑ ﻛﻤﺎ ﻳﻠﻲ‪: 7‬‬ ‫)‪fˆ ( x‬‬ ‫اﳌﻘﺪر اﻟﺪاﱄ‬
‫‪n‬‬
‫‪ x  Xi‬‬ ‫‪‬‬ ‫‪n‬‬
‫‪ x  Xi‬‬ ‫‪‬‬
‫‪fˆ ( x)   Yi K ‬‬ ‫‪‬‬ ‫‪ K ‬‬ ‫‪‬‬
‫‪i 1‬‬ ‫‪ hn‬‬ ‫‪‬‬ ‫‪i 1‬‬ ‫‪ hn‬‬ ‫‪‬‬
‫ﺣﻴﺚ ‪ hn‬ﺗﺴﻤﻰ ﻟﻨﺎﻓﺬة ‪ Bandwidth‬أو ﻣﻌﻠﻢ اﻟﺘﻤﻬﻴﺪ و ﻫﻮ اﻟﻌﻨﺼﺮ اﶈﺪد ﻟﻨﻮﻋﻴﺔ اﳌﻘﺪر ﻓﻬﻮ ﻳﻌﱪ ﻋﻦ ﻣﺘﺘﺎﻟﻴﺔ‬
‫ﺣﻘﻴﻘﻴﺔ ﻣﻮﺟﺒﺔ ﺗﺆول إﱃ اﻟﺼﻔﺮ ﳌﺎ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻳﺆول إﱃ ﻣﺎ ﻻ ﺎﻳﺔ‪ .‬أﻣﺎ )‪ K (.‬ﺗﺴﻤﻰ ﻟﻨﻮاة و اﻟﱵ ﲢﻘﻖ‬
‫اﳋﺼﺎﺋﺺ اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫‪ 7‬و ﯾﺴﻤﻰ أﯾﻀﺎ ﺑﻤﻘﺪر ‪.Nadaraya-Watson‬‬

‫‪lim u . K (u )  0‬‬
‫‪u ‬‬
‫‪‬‬
‫‪ K (u ) du  ‬‬
‫‪‬‬
‫‪sup K (u )  ‬‬
‫‪uR‬‬
‫‪‬‬
‫‪ K (u)du  1‬‬

‫‪‬‬
‫ﻳﻌﺘﱪ ﻫﺬا اﳌﻘﺪر ﳑﻬﺪا ﺧﻄﻴﺎ ﻳﻌﺘﻤﺪ ﻋﻠﻰ اﻻﺧﺘﻴﺎر اﻷﻣﺜﻞ ﻟﻠﻨﺎﻓﺬة ‪ hn‬ﻷﻧﻪ ﳛﺪد درﺟﺔ اﻟﺘﻤﻬﻴﺪ ﻟﻠﻤﻘﺪر ﺣﻴﺚ‬
‫أﺛﺒﺖ ﺑﻌﺾ اﻹﺣﺼﺎﺋﻴﲔ ﻣﻦ ﺧﻼل اﶈﺎﻛﺎة أﻧﻪ إذا ﻛﺎن ﻋﺪد اﳌﺸﺎﻫﺪات اﳌﺴﺘﻌﻤﻠﺔ ﺗﺘﺰاﻳﺪ‪ ،‬ﻓﺈن ﻗﻴﻤﺔ اﻟﻨﺎﻓﺬة‬
‫ﺗﺘﻨﺎﻗﺺ‪ .‬إﺿﺎﻓﺔ إﱃ ذﻟﻚ‪ ،‬ﻛﻠﻤﺎ ﻛﱪت ‪ ، hn‬ﻛﻠﻤﺎ ﺻﻐﺮ اﻟﺘﺒﺎﻳﻦ وﻟﻜﻦ ﻣﻘﺪار اﻟﺘﺤﻴﺰ ﻳﺰداد‪ .‬وﻋﻠﻴﻪ‪ ،‬ﳔﺘﺎر ﻓﺬة ﲢﻘﻖ‬
‫اﻟﺘﻮازن ﺑﺼﻔﺔ ﻣﻘﺎرﺑﺔ ﺑﲔ اﻟﺘﺒﺎﻳﻦ و ﻣﻘﺪار اﻟﺘﺤﻴﺰ‪.8‬‬
‫إذا ﻛﱪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪ ،‬ﻓﻘﻴﻤﺔ اﻟﻨﺎﻓﺬة ﺗﺘﻨﺎﻗﺺ و ﻳﻜﻮن ﺗﻘﺎرب ˆ‪ f‬ﳓﻮ ‪ f‬ﺑﻨﺴﺒﺔ اﺣﺘﻤﺎل أﻣﺜﻼ‪ .‬ﻣﻦ أﺟﻞ‬
‫‪   1 / 5 , 1‬ﻟﻜﻞ ﻧﻘﻄﺔ اﺳﺘﻤﺮارﻳﺔ )‪  2 ( x‬و ﻣﻦ أﺟﻞ ‪ x  R‬ﺣﻴﺚ ‪ . g ( x)  0‬ﻋﻨﺪﻣﺎ ‪ ، n  ‬ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪fˆ ( x) ‬‬
‫‪p.s‬‬
‫)‪f ( x‬‬
‫ˆ‬ ‫‪‬‬ ‫‪‬‬‫‪  2 ( x) 2‬‬

‫‪ N  0,‬‬
‫‪nhn f ( x)  f ( x) ‬‬‫‪‬‬
‫)‪g ( x‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬ ‫‪‬‬
‫ﺣﻴــﺚ ‪ . 2 g ( x)  1  ‬ﻋﻨــﺪﻣﺎ‬ ‫‪xR‬‬ ‫و ﻣــﻦ أﺟــﻞ‬ ‫)‪ 2 ( x‬‬ ‫ﻟﻜــﻞ ﻧﻘﻄــﺔ اﺳــﺘﻤﺮارﻳﺔ‬ ‫‪  1 / 2 , 1‬‬ ‫ﻣــﻦ أﺟــﻞ‬
‫‪ ، n  ‬ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪‬‬
‫‪nhn fˆ ( x)  f ( x) ‬‬
‫‪‬‬
‫‪‬‬
‫‪‬‬
‫‪  2 ( x) 2 g ( x) ‬‬
‫‪N  0,‬‬ ‫‪‬‬
‫‪ 2 g ( x)  (1   ) ‬‬
‫‪‬‬
‫ﻣﻊ ‪. 2   K 2 ( x)dx‬‬
‫‪‬‬
‫‪Nadaraya-Watson‬‬ ‫اﳌﻘﺪر ﺑﻄﺮﻳﻘﺔ‬ ‫)‪ ( x‬‬

‫‪2‬‬
‫ﳝﻜﻦ إذن ﺗﻘﺪﻳﺮ ﺗﺒﺎﻳﻦ اﻟﻘﺎﻧﻮن اﻟﻄﺒﻴﻌﻲ اﶈﺪود‪ ،‬ﻓﺎﻟﺘﺒﺎﻳﻦ اﻟﺸﺮﻃﻲ‬
‫ﻳﻌﻄﻰ ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﱄ ‪:‬‬
‫‪ˆ 2 ( x) ‬‬
‫‪1 n  x  Xi‬‬
‫‪ K‬‬
‫‪gˆ ( x) i 1  hn‬‬
‫‪‬‬
‫‪‬‬
‫)‪ Yi  fˆ ( x‬‬ ‫‪‬‬
‫‪2‬‬
‫‪‬‬
‫اﶈﻠﻲ‪Local Polynomial Regression‬‬ ‫ﻫﻨﺎك ﻃﺮق أﺧﺮى ﺳﺘﻌﻤﺎل ﻃﺮﻳﻘﺔ اﻟﻨﻮاة ﻣﻨﻬﺎ اﻻﳓﺪار ﻛﺜﲑ اﳊﺪود‬
‫و اﻟﺬي ﻳﺴﺘﺨﺪم ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﳌﺮﺟﺤﺔ ‪ Weighted Least Squares‬ﻓﻬﻲ ﻃﺮﻳﻘﺔ ﻣﺸﺎ ﺔ ﻟﻄﺮﻳﻘﺔ اﻟﻨﻮاة‬
‫و اﻟﱵ ﻣﻦ ﺧﻼﳍﺎ ﻳﺘﻢ ﲢﺪﻳﺪ اﻷوزان اﳌﻨﺎﺳﺒﺔ ﻟﻠﻤﻌﻄﻴﺎت‪.9‬‬
‫‪ 8‬أﻧﻈﺮ ﻣﺜﻼ ‪Chikhi (2001), p. 89‬‬

‫‪ 9‬ﻟﻤﺰﯾﺪ ﻣﻦ اﻟﺘﻔﺎﺻﯿﻞ و اﻟﺘﺪﻗﯿﻖ أﻛﺜﺮ ﻟﮭﺬه اﻟﻄﺮﯾﻘﺔ‪ ،‬أﻧﻈﺮ )‪ Cleveland (1979‬و )‪.Mays (1995‬‬
‫ﰲ اﻟﻮاﻗﻊ اﻻﻗﺘﺼﺎدي‪ ،‬اﳌﺘﻐﲑ ‪ Yi‬ﻻ ﻳﻔ ﱠﺴﺮ ﻓﻘﻂ ﲟﺤﺪد واﺣﺪ و إﳕﺎ ﻗﺪ ﻳﺘﺄﺛﺮ ﲟﺠﻤﻮﻋﺔ ﻣﻦ اﻟﻌﻮاﻣﻞ اﳋﺎرﺟﻴﺔ و‬
‫ﳍﺬا ﻳﻨﺒﻐﻲ إدﻣﺎج ﲨﻴﻊ اﻟﻌﻮاﻣﻞ اﳌﺆﺛﺮة ﰲ اﻟﻈﺎﻫﺮة ﻟﻜﻲ ﻳﻜﻮن اﻟﺘﺤﻠﻴﻞ ﻛﺎﻣﻼ‪ .‬ﰲ ﺑﻌﺾ اﻷﺣﻴﺎن‪ ،‬ﺗﻜﻮن اﻟﻌﻼﻗﺔ ﺑﲔ‬
‫اﻟﻈﺎﻫﺮة اﻻﻗﺘﺼﺎدﻳﺔ و ﳏﺪدا ﺎ أو ﺑﻌﺾ ﳏﺪدا ﺎ ﻏﲑ ﺧﻄﻴﺔ ﳑﺎ ﻳﺴﺘﻮﺟﺐ إﳚﺎد ﺷﻜﻞ اﻟﻌﻼﻗﺔ اﻟﺬي ﻳﺮﺑﻂ ﻫﺬﻩ‬
‫اﳌﺘﻐﲑات و ﻟﻜﻦ ﻣﻦ اﻟﺼﻌﺐ ﲢﺪﻳﺪ ﺷﻜﻠﻬﺎ و ﻋﻠﻴﻪ ﻳﺘﻢ اﺧﺘﻴﺎر اﻷﺳﻠﻮب اﻟﻼﻣﻌﻠﻤﻲ ﻟﺘﻌﻤﻴﻢ ﻫﺬﻩ اﻟﻌﻼﻗﺔ‪ .‬ﻧﻘﱰح ﰲ‬
‫ﻫﺬﻩ اﳊﺎﻟﺔ ﻧﻮع ﻣﻦ اﻟﻨﻤﺎذج وﻫﻮ اﻟﺸﻜﻞ ﻏﲑ اﳋﻄﻲ اﻟﺘﺠﻤﻴﻌﻲ اﻟﺘﺎﱄ‪:‬‬
‫‪Yi  c  f1 ( X i1 )  f 2 ( X i 2 )  ...  f k ( X ik )   i‬‬
‫ﻧﻼﺣﻆ أن ‪ Yi‬ﻣﺸﺮوح ﻣﻦ ﻃﺮف ‪ k‬ﻣﺘﻐﲑ ُﻣ َﻔ ِّﺴﺮ و ﻻ ﳝﻜﻦ ﻟﻠﻤﺘﻐﲑات اﻟـ ‪ k‬أن ﺗﻔﺴﺮ ‪ Y‬ﺑﺸﻜﻞ م‪ ،‬ﻷﻧﻪ ﻻ‬
‫ﳝﻜﻨﻨﺎ ﰲ ﻏﺎﻟﺐ اﻷﺣﻴﺎن ﺣﺼﺮ ﻛﻞ اﻟﻈﻮاﻫﺮ اﳌﺆﺛﺮة ﻋﻠﻰ ‪ ،Y‬ﻟﺬﻟﻚ ﻳُﺪرج اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ ‪  i‬اﻟﺬي ﻳﺘﻀﻤﻦ ﻛﻞ‬
‫اﳌﻌﻠﻮﻣﺎت اﻟﱵ ﻻ ﺗﻘﺪﻣﻬﺎ اﳌﺘﻐﲑات اﳌﻔﺴﺮة ‪.‬‬
‫ﻳﺘﻢ ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج أﻳﻀﺎ ﺳﺘﻌﻤﺎل ﻃﺮﻳﻘﺔ اﻟﻨﻮاة اﻋﺘﻤﺎدا ﻋﻠﻰ أﺳﻠﻮب ‪Nadaraya-Watson10‬‬
‫‪ .2.3‬ﻣﻨﻬﺠﻴﺔ اﺧﺘﻴﺎر اﳌﻌﺎﱂ‬

‫ﰲ اﻟﺘﻘﺪﻳﺮ اﻟﻼﻣﻌﻠﻤﻲ‪ ،‬ﻳﻌﺘﱪ اﻟﺘﺒﻮﻳﺐ ﻣﻬﻢ ﻷن ﻃﺮق اﻟﺘﻘﺪﻳﺮ ﺗﻌﺘﻤﺪ ﻋﻠﻴﻪ‪ ،‬ﺣﻴﺚ اﻷوزان ﺗﻌﺮف ر ﺿﻴﺎ ﻛﻤﺎ‬
‫ﻳﻠﻲ ‪:‬‬
‫‪ x  Xi‬‬ ‫‪‬‬ ‫‪n‬‬
‫‪ x  Xi‬‬ ‫‪‬‬
‫‪Wi ( x)  K ‬‬ ‫‪‬‬ ‫‪ K ‬‬ ‫‪‬‬
‫‪ hn‬‬ ‫‪‬‬ ‫‪i 1‬‬ ‫‪ hn‬‬ ‫‪‬‬
‫ﻳﺴﻤﺢ ﺑﺘﻘﺪﻳﺮ داﻟﺔ اﻻﳓﺪار‪ .‬اﻟﺴﺆال اﻟﺬي ﻧﻄﺮﺣﻪ ‪ :‬ﻛﻴﻒ ﻳﺘﻢ‬ ‫وﻫﺬا ﻳﻌﲏ أن ﻣﻘﺪر‬
‫‪Nadaraya-Watson‬‬
‫ﲢﺪﻳﺪ اﻟﻨﺎﻓﺬة واﺧﺘﻴﺎر اﻟﻨﻮاة؟‬
‫‪ ،Epanechnikov‬اﳌﺜﻠﺜﻴﺔ‪ ،‬اﳌﺴﺘﻄﻴﻠﺔ‪،‬‬ ‫أﻣﺎ ﻟﻨﺴﺒﺔ ﻟﻠﻨﻮاة‪ ،‬ﻫﻨﺎك أﻧﻮاع ﻛﺜﲑة ﻣﻦ اﻟﻨﻮاة ﻣﻨﻬﺎ اﻟﻨﻮاة اﻟﻄﺒﻴﻌﻴﺔ‪،‬‬
‫اﻟﺜﻨﺎﺋﻴﺔ‪..،‬اﱁ‪ .‬ﻟﻌﻞ أﺷﻬﺮ ﻫﺬﻩ اﻷﻧﻮاع ‪:‬‬
‫‪3‬‬
‫‪K (u ) ‬‬‫ﻧﻮاة ‪(1  u 2 ) I ( u  1) : Epanechnikov‬‬ ‫‪-‬‬
‫‪4‬‬
‫‪ 1 ‬‬
‫اﻟﻨﻮاة اﻟﻄﺒﻴﻌﻴﺔ ‪K (u )  2  exp  u 2  : Gaussian Kernel‬‬ ‫‪-‬‬
‫‪1 / 2‬‬
‫‪ 2 ‬‬
‫))‪K (u )  (1  u )( I ( u  1‬‬ ‫‪ -‬اﻟﻨﻮاة اﳌﺜﻠﺜﻴﺔ ‪: Triangular Kernel‬‬
‫‪1‬‬
‫‪K (u ) ‬‬ ‫))‪( I ( u  1‬‬ ‫‪ -‬اﻟﻨﻮاة اﳌﺴﺘﻄﻴﻠﺔ ‪: Rectangular Kernel‬‬
‫‪2‬‬
‫اﻟﻘﺮﻳﺐ ﻣﻦ‬ ‫‪Xi‬‬ ‫ﳝﻜﻦ اﻟﻘﻮل أن اﻟﻨﻮاة اﻟﻄﺒﻴﻌﻴﺔ ﻫﻲ اﻷﻛﺜﺮ اﺳﺘﺨﺪاﻣﺎ ﰲ اﻟﺘﻘﺪﻳﺮ ﻷ ﺎ ﺗﻌﻄﻲ أوزا ﻣﻬﻤﺔ ﻟﻠﻤﺘﻐﲑ‬
‫‪ . X n‬اﺳﺘﺨﺪام اﻷﻧﻮاع اﻷﺧﺮى ﻣﻦ اﻟﻨﻮاة ﳛﺘﺎج اﺳﺘﺨﺪام ﻓﺬة أﻛﱪ )ﻣﻌﻠﻢ ﲤﻬﻴﺪ أﻛﱪ(‪.‬‬
‫‪ 10‬ﻧﻈﺮا ﻟﻠﺘﻌﻘﯿﺪات اﻟﺠﺒﺮﯾﺔ ﻟﻠﺼﯿﻎ اﻟﺮﯾﺎﺿﯿﺔ‪ ،‬ﯾﻤﻜﻦ ﻟﻠﻘﺎرئ اﻟﺘﻌﻤﻖ أﻛﺜﺮ ﻓﻲ ھﺬا اﻟﻨﻮع ﻣﻦ اﻟﻤﻘﺪرات وذﻟﻚ ﺑﺎﻟﻨﻈﺮ إﻟﻰ ‪. Bowman, W and‬‬
‫)‪ Azzalini, A. (1997‬و )‪.Hastie, T, Tibshirani, R and Freedman, J. (2001‬‬
‫ﻳﻌﺪ اﺧﺘﻴﺎر ﻣﻌﻠﻢ اﻟﺘﻤﻬﻴﺪ "اﻟﻨﺎﻓﺬة" ﻷي ﻣﻘﺪر ﻏﲑ ﻣﻌﻠﻤﻲ ﻣﺸﻜﻠﺔ ﻟﻨﺴﺒﺔ ﻟﻺﺣﺼﺎﺋﻲ‪ .‬ﺗﻄﺒﻴﻘﻴﺎ‪ ،‬ﳝﻜﻦ اﳊﺼﻮل‬
‫ﻋﻠﻰ اﻟﻘﻴﻤﺔ اﳌﺜﻠﻰ ﻟﻠﻨﺎﻓﺬة ﻟﺘﻮﻓﻴﻖ ﺑﲔ اﻟﺘﺒﺎﻳﻦ و ﻣﻘﺪار اﻟﺘﺤﻴﺰ و ﻳﺘﻢ ذﻟﻚ ﺑﺼﻐﲑ ﻣﻌﻴﺎر ﻳﺴﻤﻰ ﺑﺪاﻟﺔ ‪« Cross‬‬
‫» ‪ Validation‬اﻟﺬي ﻳﻌﺮف ر ﺿﻴﺎ ﻛﻤﺎ ﻳﻠﻲ‪: 11‬‬
‫‪‬‬ ‫‪‬‬
‫‪n‬‬ ‫‪2‬‬
‫‪CV (h)  ‬‬ ‫) ‪Yi  fˆ ( X i ; hn‬‬

‫‪i 1‬‬
‫ﻣﺜﺎل ‪:6‬‬
‫ﳔﺘﱪ ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ ﻋﻠﻰ ﻣﺘﻐﲑ ﻣﺼﻄﻨﻊ )ﻋﻦ ﻃﺮﻳﻖ ﳏﺎﻛﺎة(‪ .‬ﻋﺪد ﻣﺸﺎﻫﺪات ﻫﺬﻩ اﻟﺴﻠﺴﻠﺔ ‪ .1000‬ﻟﻨﻌﺘﱪ‬
‫اﻟﺴﻠﺴﻠﺔ ﻏﲑ اﳋﻄﻴﺔ اﳌﻌﺮﻓﺔ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪  2i / n‬‬
‫)‪Yi  sin    i ,  i  N (0 , 0.05‬‬
‫ﻧﻘﻮم ﲝﺴﺎب ﻗﻴﻢ ﳐﺘﻠﻔﺔ ﻟﻠﻨﺎﻓﺬة ‪ hn‬ﺑﻄﺮﻳﻘﺔ ‪ .Cross validation‬ﺗﺮﺗﻜﺰ إذن ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ ﻋﻠﻰ ﺣﺴﺎب اﻟﻨﺎﻓﺬة‬
‫و اﻟﱵ ﺗﺼﻐﺮ ﻣﻌﻴﺎر ‪ Cross validation‬ﻣﻦ أﺟﻞ ﻛﻞ ﻧﻮاة‪ .‬اﻟﻨﺘﺎﺋﺞ ﺗﻈﻬﺮ ﰲ اﳉﺪول اﻟﺘﺎﱄ ‪:‬‬
‫اﳉﺪول )‪ :(4‬ﺗﻘﺪﻳﺮ اﻟﻨﺎﻓﺬة و داﻟﺔ ‪ Cross Validation‬ﺑﻄﺮﻳﻘﺔ اﻟﻨﻮاة‬
‫‪Kernel form‬‬ ‫ﺷﻜﻞ اﻟﻨﻮاة‬

‫‪Rectangular‬‬ ‫اﳌﺴﺘﻄﻴﻠﻲ‬ ‫‪Triangular‬‬ ‫اﳌﺜﻠﺜﻲ‬ ‫‪Epanechnikov‬‬ ‫‪Gaussian‬‬ ‫اﻟﻄﺒﻴﻌﻲ‬
‫‪CV‬‬ ‫‪hn‬‬ ‫‪CV‬‬ ‫‪hn‬‬ ‫‪CV‬‬ ‫‪hn‬‬ ‫‪CV‬‬ ‫‪hn‬‬
‫‪0.2946‬‬ ‫‪0.005‬‬ ‫‪0.3104‬‬ ‫‪0.005‬‬ ‫‪0.2703‬‬ ‫‪0.005‬‬ ‫‪0.2792‬‬ ‫‪0.005‬‬
‫‪0.2759‬‬ ‫‪0.010‬‬ ‫‪0.2836‬‬ ‫‪0.010‬‬ ‫‪0.2619‬‬ ‫‪0.010‬‬ ‫‪0.2669‬‬ ‫‪0.010‬‬
‫‪0.2587‬‬ ‫‪0.05‬‬ ‫‪0.2603‬‬ ‫‪0.05‬‬ ‫‪0.2658‬‬ ‫‪0.05‬‬ ‫‪0.2596‬‬ ‫‪0.05‬‬
‫‪0.2588‬‬ ‫‪0.075‬‬ ‫‪0.2589‬‬ ‫‪0.075‬‬ ‫‪0.2882‬‬ ‫‪0.075‬‬ ‫‪0.2654‬‬ ‫‪0.075‬‬
‫‪0.2683‬‬ ‫‪0.015‬‬ ‫‪0.2742‬‬ ‫‪0.015‬‬ ‫‪0.2590‬‬ ‫‪0.015‬‬ ‫‪0.2625‬‬ ‫‪0.015‬‬
‫‪0.2626‬‬ ‫‪0.020‬‬ ‫‪0.2690‬‬ ‫‪0.020‬‬ ‫‪0.2585‬‬ ‫‪0.020‬‬ ‫‪0.2605‬‬ ‫‪0.020‬‬
‫‪0.2601‬‬ ‫‪0.035‬‬ ‫‪0.2626‬‬ ‫‪0.035‬‬ ‫‪0.2599‬‬ ‫‪0.035‬‬ ‫‪0.258‬‬ ‫‪0.035‬‬
‫‪0.2594‬‬ ‫‪0.08‬‬ ‫‪0.2589‬‬ ‫‪0.08‬‬ ‫‪0.2945‬‬ ‫‪0.08‬‬ ‫‪0.2672‬‬ ‫‪0.08‬‬
‫‪0.2589‬‬ ‫‪0.065‬‬ ‫‪0.2592‬‬ ‫‪0.065‬‬ ‫‪0.2700‬‬ ‫‪0.065‬‬ ‫‪0.2624‬‬ ‫‪0.065‬‬
‫‪ 11‬أﻧﻈﺮ )‪Hârdle (1990‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ : (2‬ﺗﻘﺪﻳﺮ اﻻﳓﺪار ﺑﻄﺮﻳﻘﺔ اﻟﻨﻮاة‬
‫‪Epanechnikov‬‬ ‫ﻧﻮاة‬ ‫ﻧﻮاة ﻃﺒﻴﻌﻴﺔ‬
‫ﻧﻮاة ﻣﺴﺘﻄﻴﻠﻴﺔ‬ ‫ﻧﻮاة ﻣﺜﻠﺜﻴﺔ‬
‫ﻗﻤﻨﺎ ﺑﺘﻘﺪﻳﺮ اﻻﳓﺪار ﻏﲑ اﳌﻌﻠﻤﻲ ﻟـ ‪ Y‬ﻋﻠﻰ ‪ ‬ﺑﻄﺮﻳﻘﺔ ‪ Nadaraya-Watson‬اﻟﺬي ﻳﺮﺗﻜﺰ أﺳﺎﺳﺎ ﻋﻠﻰ اﻟﺘﻤﻬﻴﺪ‬
‫ﺳﺘﻌﻤﺎل اﻟﻨﻮاة ﻣﻌﺘﻤﺪا ﻋﻠﻰ ﺗﻘﺪﻳﺮ اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ اﻟﺸﺮﻃﻲ‪ .‬اﻟﻌﻨﺼﺮ اﶈﺪد ﳉﻮدة اﳌﻘﺪر ﻫﻮ اﻻﺧﺘﻴﺎر اﻷﻣﺜﻞ‬
‫ﻟﻠﻨﺎﻓﺬة‪ .‬ﻳﻈﻬﺮ ﺟﻠﻴﺎ ﻣﻦ ﺧﻼل اﻟﺸﻜﻞ اﳌﻮﺿﺢ أﻋﻼﻩ أن اﻟﻘﻴﻢ اﳊﻘﻴﻘﻴﺔ و اﻟﻔﻌﻠﻴﺔ ﺗﻨﻄﺒﻖ ﺗﻘﺮﻳﺒﺎ أي ﺗﺘﻘﺎرب ﻓﻴﻤﺎ‬
‫ﺑﻴﻨﻬﺎ ﻛﻤﺎ ﻳﺒﺪو ﻟﻨﺎ أﻳﻀﺎ أن ﻛﻞ أﻧﻮاع اﻟﻨﻮاة اﳌﺴﺘﺨﺪﻣﺔ ﻫﻨﺎ ﺗﻌﻄﻲ ﻧﻔﺲ اﻟﻨﺘﺎﺋﺞ‪.‬‬
‫و ﺑﻮاﻗﻲ اﻟﺘﻘﺪﻳﺮ اﳌﺒﻴﻨﺔ ﰲ اﻟﺸﻜﻞ‬ ‫‪R 2  0.6425‬‬ ‫ﻧﻼﺣﻆ أن ﻟﻠﻨﻤﻮذج ) ﺳﺘﻌﻤﺎل اﻟﻨﻮاة اﻟﻄﺒﻴﻌﻴﺔ( ﻗﺪرة ﺗﻔﺴﲑﻳﺔ‬
‫)‪ (3‬ﻣﺴﺘﻘﻠﺔ ذاﺗﻴﺎ ﺣﻴﺚ إﺣﺼﺎﺋﻴﺔ درﺑﲔ‪-‬واﺗﺴﻮن ﺗﺴﺎوي ‪.2.03‬‬
‫‪hn  0.035‬‬ ‫اﻟﺸﻜﻞ رﻗﻢ )‪ : (3‬ﺑﻮاﻗﻲ اﻟﺘﻘﺪﻳﺮ )اﻟﻨﻮاة اﻟﻄﺒﻴﻌﻴﺔ( ﻋﻨﺪ‬
‫ﻧﻘﱰح اﻵن اﻟﻨﻤﻮذج ﻏﲑ اﳋﻄﻲ اﻟﺘﺠﻤﻴﻌﻲ اﻟﺘﺎﱄ ‪:‬‬

‫‪Yi  f 1 ( X i1 )  f 2 ( X i 2 )   i‬‬
‫ﺣﻴﺚ ‪:‬‬
‫‪X i1  sin ‬‬
‫‪X i 2  cos ‬‬
‫ﺳﺘﺨﺪام اﻟﻨﻮاة اﳌﺜﻠﺜﻴﺔ‪.‬‬ ‫‪X i1 , X i 2‬‬ ‫ﻋﻠﻰ‬ ‫‪Yi‬‬ ‫ﻟﺘﻘﺪﻳﺮ اﻻﳓﺪار اﳌﺘﻌﺪد ﳌﺘﻐﲑﻳﻦ‪ ،‬ﻳﻜﻔﻲ ﺗﻘﺪﻳﺮ‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ : (4‬ﺗﻘﺪﻳﺮ اﻻﳓﺪار اﳌﺘﻌﺪد ﺑﻄﺮﻳﻘﺔ اﻟﻨﻮاة اﳌﺜﻠﺜﻴﺔ‬
‫ﺣﻴﺚ ﰎ ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج ﺳﺘﻌﻤﺎل ﻓﺬة ﺗﺴﺎوي ‪ .0.10‬ﳝﻜﻦ اﻟﻘﻮل أن اﻻﺧﺘﻴﺎر اﻷﻣﺜﻞ ﻟﻠﻨﺎﻓﺬة ﻳﻀﻤﻦ ﺳﺮﻋﺔ‬
‫ﺗﻘﺎرب ﻣﺜﻠﻰ‪ .‬ﻟﺘﻘﺪﻳﺮ ﻫﺬا اﻟﻨﻮع ﻣﻦ اﻟﻨﻤﺎذج اﺳﺘﻌﻨﺎ ﺑﱪ ﻣﺞ ‪.RATS 5.04‬‬
‫ﻻﺧﺘﻴﺎر اﻟﻨﺎﻓﺬة اﳌﺜﻠﻰ‪ ،‬ﻧﻘﻮم ﺑﺘﺼﻐﲑ ﻣﻌﻴﺎر ‪: Cross validation‬‬
‫ﻧﻘﺪر اﻻﳓﺪار ﻋﻠﻰ اﻟﻨﺎﻓﺬة اﳌﺜﻠﻰ‪ ،‬ﻣﺜﻼ ﺳﺘﻌﻤﺎل اﻟﻨﻮاة اﻟﻄﺒﻴﻌﻴﺔ ‪:‬‬
‫أﻣﺎ ﻟﻨﺴﺒﺔ ﻟﻼﳓﺪار اﳌﺘﻌﺪد ‪:‬‬

‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ‪ :‬ﻣﺪﺧﻞ إﻟﻰ ﻧﻤﺎذج اﻟﻤﻌﺎدﻻت اﻵﻧﯿﺔ‪101...........................................................................................……...‬‬
‫اﻟﻔﺼﻞ اﳋﺎﻣﺲ ‪:‬‬

‫ﻣﺪﺧﻞ إﱃ ﳕﺎذج اﳌﻌﺎدﻻت اﻵﻧﻴﺔ‬
‫ﰲ اﻟﻔﺼﻮل اﻟﺴﺎﺑﻘﺔ‪ ،‬ﻛﺎن اﻟﺘﻘﺪﻳﺮ ﻣﻘﺘﺼﺮا ﻋﻠﻰ اﻟﻨﻤﺎذج اﻻﻗﺘﺼﺎدﻳﺔ اﳌﻜﻮﻧﺔ ﻣﻦ ﻣﻌﺎدﻟـﺔ واﺣـﺪة ﲢـﻮي ﻣﺘﻐـﲑا ﺑﻌـﺎ‬
‫واﺣــﺪا‪ ،‬وﻗــﺪ ﲢــﻮي اﻟﻌﺪﻳــﺪ ﻣــﻦ اﳌﺘﻐـﲑات اﳌﺴــﺘﻘﻠﺔ‪ .‬ﰲ ﳎــﺎل اﻻﻗﺘﺼــﺎد ﻳﻮﺟــﺪ ﳕــﺎذج ﺗﺘــﺄﻟﻒ ﻣــﻦ ﻋــﺪة ﻣﻌــﺎدﻻت ﳚﻤــﻊ‬
‫ﺑﻴﻨﻬــﺎ ﺛــﲑ ﻣﺸــﱰك ﺑﻮاﺳــﻄﺔ اﳌﺘﻐ ـﲑات اﳌﺘﻀــﻤﻨﺔ ﰲ اﻟﻨﻤــﻮذج‪ .‬ﻣﻌﻈــﻢ ﺗﻄﺒﻴﻘــﺎت اﻻﻗﺘﺼــﺎد ﺗﺘﻜــﻮن ﻣــﻦ اﻟﻌﺪﻳــﺪ ﻣــﻦ‬
‫اﳌﻌــﺎدﻻت اﻟــﱵ ﺗﻨﺘﻤــﻲ إﱃ ﻧﻈــﺎم ﻣﺘــﺪاﺧﻞ‪ .‬ﻣــﻦ أﻫــﻢ اﻟﻨﻤــﺎذج ﰲ اﻻﻗﺘﺼــﺎد ﳕــﻮذج اﻟﻌــﺮض واﻟﻄﻠــﺐ ﺣﻴــﺚ ﻳــﺘﻢ ﺗــﺪاﺧﻞ‬
‫ﲢﺪﻳﺪ اﻟﺴﻌﺮ واﻟﻜﻤﻴﻪ ﺑﲔ اﻟﻨﻤﻮذﺟﲔ‪ .‬ﻓﻤﺜﻼ ﻟﺪراﺳﺔ اﻟﻄﻠﺐ ﻋﻠﻰ ﺳﻠﻌﺔ ﻣﺎ ﳚﺐ دراﺳــﺔ اﻟﻌﺮض ﻟﺘﺪاﺧﻞ اﻟﻨﻤـﻮذﺟﲔ‬
‫ﻣﻌ ــﺎ‪ .‬ﰲ اﳌﻌ ــﺎدﻻت اﻵﻧﻴ ــﺔ‪ ،‬ﻻ ﳝﻜ ــﻦ ﺗﻄﺒﻴ ــﻖ ﻃﺮﻳﻘ ــﺔ اﳌﺮﺑﻌ ــﺎت اﻟﺼ ــﻐﺮى اﻟﻌﺎدﻳ ــﺔ ﻷن اﳌﺘﻐ ـﲑات اﳌﺴ ــﺘﻘﻠﺔ ﻗ ــﺪ ﺗﺘﻀ ــﻤﻦ‬
‫ﻣﺘﻐـﲑات ﺑﻌــﻪ وﻳﻮﺟــﺪ ﺗـﺮاﺑﻂ ﺑــﲔ اﳌﺘﻐـﲑات واﳋﻄــﺄ اﻟﻌﺸـﻮاﺋﻲ ﳑــﺎ ﻳـﺆدي إﱃ اﳊﺼــﻮل ﻋﻠــﻰ ﻣﻘــﺪرات ﻣﺘﺤﻴــﺰة‪ .‬ﻟــﺬﻟﻚ‬
‫ﻳــﺘﻢ اﺳــﺘﺨﺪام ﻃــﺮق أﺧــﺮى ﻟﻠﺘﻘــﺪﻳﺮ ﻣﻨﻬــﺎ ﻃﺮﻳﻘــﺔ اﳌﺮﺑﻌــﺎت اﻟﺼــﻐﺮى ﻋﻠــﻰ ﻣــﺮﺣﻠﺘﲔ أو اﳌﺮﺑﻌــﺎت اﻟﺼــﻐﺮى ﻏــﲑ اﳌﺒﺎﺷــﺮة‬
‫ﺑﺪﻻ ﻣﻦ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ‪.‬‬
‫ﰲ ﻫــﺬا اﻟﻔﺼــﻞ‪ ،‬ﻧﻘــﻮم ﺑﺪراﺳــﺔ اﳌﻌــﺎدﻻت اﻵﻧﻴــﺔ و ذﻟــﻚ ﺑﺘﻘــﺪﱘ ﻃﺮﻳﻘــﺔ ﻟﺘﻘــﺪﻳﺮ ﻣﻌــﺎﱂ اﻟﺸــﻜﻞ اﳍﻴﻜﻠــﻲ و دراﺳــﺔ‬
‫اﳋﺼﺎﺋﺺ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻠﻤﻘﺪرات و ﺑﻌﺪ ذﻟﻚ ﺳﻨﺘﻄﺮق إﱃ ﻣﺸﻜﻞ اﻟﺘﻤﻴﻴﺰ و اﺧﺘﺒﺎر اﻵﻧﻴﺔ‪.‬‬
‫‪ .1‬أﻣﺜﻠﺔ ﻋﻠﻰ ﳕﺎذج اﳌﻌﺎدﻻت اﻵﻧﻴﺔ ‪:‬‬

‫‪ .1.1‬ﳕﻮذج اﻟﻌﺮض واﻟﻄﻠﺐ ‪:‬‬
‫ﻛﻤــﺎ ﻫــﻮ ﻣﻌــﺮوف ﻓــﺎن ﺳــﻌﺮ اﻟﺴــﻠﻌﺔ واﻟﻜﻤﻴــﺔ اﳌﺒﺎﻋــﺔ ﺗﺘﺤــﺪد ﻋــﻦ ﻃﺮﻳــﻖ اﻟﺘﻔﺎﻋــﻞ ﺑــﲔ ﻣﻨﺤــﲎ اﻟﻌــﺮض واﻟﻄﻠــﺐ‬
‫ﻟﻠﺴﻠﻌﺔ‪ .‬ﻟﻠﺘﺒﺴﻴﻂ‪ ،‬ﻧﻔﱰض أن ﻣﻨﺤﻨﻴـﺎت اﻟﻌـﺮض واﻟﻄﻠـﺐ ﺧﻄﻴـﻪ و ﺿـﺎﻓﺔ اﳌﺘﻐـﲑ اﻟﻌﺸـﻮاﺋﻲ ﳝﻜـﻦ ﻛﺘﺎﺑـﺔ اﳌﻌﺎدﻟـﺔ ﻛﻤـﺎ‬
‫ﻳﻠﻲ‪:‬‬
‫‪, Qdt   0   1 Pt   1t   0‬‬ ‫داﻟﺔ اﻟﻄﻠﺐ ‪:‬‬
‫داﻟﺔ اﻟﻌﺮض ‪:   0 , Qst   0  1 Pt   st‬‬
‫‪Qdt  Qst‬‬ ‫اﻟﺘﻮازن ‪:‬‬
‫ﺣﻴﺚ ‪:‬‬
‫‪ : Qdt‬اﻟﻜﻤﻴﻪ اﳌﻄﻠﻮﺑﺔ ﰲ اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ ‪. t‬‬
‫‪ : Qst‬اﻟﻜﻤﻴﻪ اﳌﻌﺮوﺿﺔ ﰲ اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ ‪. t‬‬

‫‪ : Pt‬ﺳﻌﺮ اﻟﺴﻠﻌﺔ ﰲ اﻟﻔﱰة اﻟﺰﻣﻨﻴﺔ ‪. t‬‬
‫‪ :  t‬اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ‪.‬‬
‫ﻧﻼﺣﻆ أن ‪ P‬و ‪ Q‬ﻣﺘﺒﺎدﻟﺘﺎ اﻟﺘﺄﺛﲑ ﻓﻌﻠﻰ ﺳﺒﻴﻞ اﳌﺜﺎل اﳌﺘﻐﲑ اﻟﻌﺸﻮاﺋﻲ ‪  1t‬ﻳﺘﻐﲑ ﺑﺴﺒﺐ اﻟﺘﻐﲑ ﰲ اﳌﺘﻐـﲑات اﻟـﱵ‬
‫ﺗﺆﺛﺮ ﻋﻠﻰ ‪ Q‬ﻣﺜﻞ اﻟﺪﺧﻞ‪ ،‬اﻟﺜﺮوة و اﻟﺬوق‪ ،‬ﻓﻴﻨﺘﻘﻞ ﻣﻨﺤﲎ اﻟﻄﻠﺐ إﱃ أﻋﻠﻰ إذا ﻛﺎﻧﺖ ﻣﻮﺟﺒﺔ واﱃ اﻟﻴﺴﺎر إذا ﻛﺎﻧﺖ‬
‫‪  1t‬ﺳ ــﺎﻟﺒﺔ‪ ،‬أي اﻧﺘﻘ ــﺎل اﳌﻨﺤ ــﲎ ﻳ ــﺆدي إﱃ ﺗﻐ ــﲑ ﻗﻴﻤ ــﺔ ‪ P‬و ‪ . Q‬وﻛ ــﺬﻟﻚ إذا ﺗﻐ ــﲑت ‪ )  2t‬ﺗﻐ ــﲑ ﺳ ــﻌﺮ ﻋﻨﺎﺻ ــﺮ‬
‫اﻹﻧﺘــﺎج‪ ،‬ﺗﻐــﲑات ﰲ اﻟﺘﻘﻨﻴــﺔ…اﱁ( ﺳــﺘﺆدي إﱃ اﻧﺘﻘــﺎل ﻣﻨﺤــﲎ اﻟﻌــﺮض ﻣﺴــﺒﺒﺔ ﰲ ﺗﻐــﲑ ‪ P‬و ‪ Q‬ﺑﺴ ـﺒﺐ اﻻرﺗﺒــﺎط‬
‫اﳌﺘﺪاﺧﻞ ﺑﲔ ‪ Q ، P‬و ‪ .  1t‬ﰲ اﳌﻌﺎدﻟﺔ اﻷوﱃ ‪ P‬و ‪ Q‬و ‪  2t‬و ‪ P‬ﰲ اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴـﺔ‪ .‬ﻟـﺬﻟﻚ ﻻ ﳝﻜـﻦ ﺗﻄﺒﻴـﻖ‬
‫اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﺑﺴﺒﺐ اﺧﺘﻼل ﻓﺮﺿﻴﺎت اﻻﺳﺘﻘﻼﻟﻴﺔ ﺑﲔ اﳌﺘﻐﲑات اﳌﻔﺴﺮة واﳌﺘﻐﲑ اﻟﻌﺸﻮاﺋﻲ‪.‬‬
‫‪ .2.1‬ﳕﻮذج اﻟﺴﻌﺮ و اﻷﺟﻮر ‪:‬‬
‫إذا ﻧﻈﺮ إﱃ ﳕﻮذج ﻓﻴﻠﻴﺐ ﻟﻸﺟﻮر واﻟﻨﻘﻮد واﻟﺴﻌﺮ‪ ،‬ﻧﺘﺤﺼﻞ ﻋﻠﻰ ﻣﺎ ﻳﻠﻲ‪:‬‬
‫‪Wt   0   1UN t   2 Pt   1t‬‬
‫‪Pt   0   1Wt   2 Rt   3 M   2t‬‬
‫‪ : Wt‬ﻣﻌﺪل اﻟﺘﻐﲑ ﰲ اﻷﺟﻮر‬
‫‪ : UN t‬ﻣﻌﺪل اﻟﺒﻄﺎﻟﺔ‬
‫‪ : Pt‬ﻣﻌﺪل اﻟﺘﻐﲑ ﰲ اﻷﺳﻌﺎر‬
‫‪ : Rt‬ﻣﻌﺪل اﻟﺘﻐﲑ ﰲ ﺗﻜﻠﻔﺔ رأس اﳌﺎل‬
‫‪ : M t‬ﻣﻌﺪل اﻟﺘﻐﲑ ﰲ اﻷﺳﻌﺎر ﻟﻌﻨﺎﺻﺮ اﻹﻧﺘﺎج اﳌﺴﺘﻮردة‬
‫‪ : t‬اﻟﺰﻣﻦ‬
‫‪  1t‬و ‪  2t‬ﻫﻲ اﳌﺘﻐﲑات اﻟﻌﺸﻮاﺋﻴﺔ‪.‬‬
‫ﺣﻴــﺚ أن اﳌﺘﻐــﲑ ‪ P‬ﻳــﺪﺧﻞ ﰲ ﻣﻌﺎدﻟــﺔ اﻷﺟــﻮر واﳌﺘﻐــﲑ ‪ W‬ﺗــﺪﺧﻞ ﰲ ﻣﻌﺎدﻟــﺔ اﻟﺴــﻌﺮ‪ ،‬ﳑــﺎ ﻳﻌــﲏ أن اﳌﺘﻐــﲑﻳﻦ ﺛﻨــﺎﺋﻲ‬
‫اﻟﺘـﺄﺛﲑ‪ .‬ﺑﻨـﺎء ﻋﻠـﻰ ذﻟـﻚ ﻓـﺈن اﳌﺘﻐـﲑات اﳌﻔﺴـﺮة ﻧﺘﻮﻗـﻊ أن ﺗﻜـﻮن ﻣﺮﺗﺒﻄـﺔ ﻣــﻊ اﳌﺘﻐـﲑات اﻟﻌﺸـﻮاﺋﻴﺔ ﳑـﺎ ﻳـﺆدي إﱃ اﺧـﱰاق‬
‫اﻟﻔﺮﺿﻴﺎت اﳋﺎﺻﺔ ﺑـﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ و ﻻ ﳝﻜﻦ ﺗﻄﺒﻴﻘﻬﺎ ﻟﺘﻘﺪﻳﺮ اﻟﻨﻤﻮذج‪.‬‬
‫‪ .3.1‬ﳕﻮذج ﻛﻴﻨﻴﺰ ﻟﺘﺤﺪﻳﺪ اﻟﺪﺧﻞ‪:‬‬
‫ﻟﻨﻌﺘﱪ اﻟﻨﻤﻮذج اﻻﻗﺘﺼﺎدي اﻟﻜﻠﻲ اﳌﻜﻮن ﻣﻦ ﺛﻼث ﻣﻌﺎدﻻت ‪:‬‬
‫‪, Ct‬‬ ‫‪ a 0  a1Yt   1t‬‬ ‫‪0  a1  1‬‬
‫‪I t  b0  b1Yt 1   2t‬‬
‫‪Yt  C t  I t‬‬
‫اﻟﻔﱰة ‪t‬‬ ‫اﻻﺳﺘﻬﻼك اﻹﲨﺎﱄ ﰲ‬ ‫‪: Ct‬‬
‫‪ : I t‬اﻻﺳﺘﺜﻤﺎر اﻹﲨﺎﱄ ﰲ‬‫اﻟﻔﱰة ‪t‬‬

‫‪ : Yt‬اﻟﺪﺧﻞ اﻟﻮﻃﲏ ﰲ اﻟﻔﱰة ‪t‬‬
‫‪  1t‬و ‪  2t‬ﻫﻲ اﳌﺘﻐﲑات اﻟﻌﺸﻮاﺋﻴﺔ‪.‬‬
‫ﻧﻼﺣﻆ أن اﻟﺪﺧﻞ ﻳﻔﺴﺮ اﻻﺳﺘﻬﻼك أي ﻳﻈﻬﺮ ﻛﻤﺘﻐﲑ ﻣﺴﺘﻘﻞ ﰲ اﳌﻌﺎدﻟﺔ اﻷوﱃ أﻣﺎ ﰲ اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻟﺜﺔ ﻳﻈﻬﺮ‬
‫ﻛﻤﺘﻐﲑ ﺑﻊ و ﻫﺬا ﻳﻌﲏ أن اﳌﺘﻐﲑﻳﻦ ﺛﻨﺎﺋﻴﻲ اﻟﺘﺄﺛﲑ‪ .‬ﻣﻦ ﺟﻬﺔ أﺧﺮى‪ ،‬ﻫﻨﺎك اﺳﺘﻘﻼﻟﻴﺔ ﻣﺔ ﺑﲔ ‪ Yt‬و ‪  1t‬ﰲ ﻣﻌﺎدﻟﺔ‬
‫اﻻﺳﺘﻬﻼك و ﻫﺬا ﻣﺎ ﻳﺘﻨﺎﻗﺾ ﻣﻊ ﻣﻌﺎدﻟﺔ اﻟﺘﻮازن‪ ،‬ﺣﻴﺚ أﻧﻪ إذا ﻗﻤﻨﺎ ﺑﺘﻌﻮﻳﺾ ‪ Ct‬و ‪ I t‬ﲟﺎ ﻳﺴﺎوﻳﻬﻤﺎ ﰲ اﳌﻌﺎدﻟﺔ‬
‫اﻟﺜﺎﻟﺜﺔ‪ ،‬ﳓﺼﻞ ﻋﻠﻰ ﻣﺎ ﻳﻠﻲ ‪:‬‬
‫‪Yt  a0  a1Yt   1t  b0  b1Yt 1   2t‬‬
‫‪(1  a1 )Yt  a 0  b0  b1Yt 1   2t   1t‬‬ ‫أي ‪:‬‬
‫‪a 0  b0‬‬ ‫‪b‬‬ ‫‪   1t‬‬
‫‪Yt ‬‬ ‫‪ 1 Yt 1  2t‬‬ ‫و ﻋﻠﻴﻪ ‪:‬‬
‫‪1  a1 1  a1‬‬ ‫‪1  a1‬‬
‫و ﻫﺬﻩ اﻷﺧﲑة ﺗﺸﲑ إﱃ أن اﳌﺘﻐﲑ ‪ Yt‬داﻟﺔ ﺑﻌﺔ ﻟـ ‪  1t‬أي ‪ cov(Yt ,  1t )  0‬وﻫﺬا ﺗﻨﺎﻗﺾ و ﺧﺮق ﻟﻔﺮﺿﻴﺎت‬
‫اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ‪ ،‬ﳑﺎ ﻳﺆدي إﱃ اﳊﺼﻮل ﻋﻠﻰ ﻣﻘﺪرات ﻣﺘﺤﻴﺰة و ﻏﲑ ﻣﺘﺴﻘﺔ‪.‬‬
‫‪ .2‬اﻟﺒﻨﺎء اﳍﻴﻜﻠﻲ واﻟﺼﻮرة اﳌﺨﺘﺰﻟﺔ ﻟﻠﻤﻌﺎدﻻت ‪:‬‬
‫ﳌﻌﺮﻓــﺔ اﳌﺸــﺎﻛﻞ اﻟــﱵ ﺗﻮاﺟــﻪ ﺗﻘــﺪﻳﺮ اﳌﻌــﺎدﻻت اﻵﻧﻴــﺔ‪ ،‬ﳚــﺐ ﺗﻌﺮﻳــﻒ ﺑﻌــﺾ اﳌﻔــﺎﻫﻴﻢ ﻣﺜــﻞ ﻃﺒﻴﻌــﺔ ﻧﻈــﺎم اﳌﻌــﺎدﻻت‬
‫اﻵﻧﻴﺔ‪ ،‬ﻫﻞ اﻟﺘﻐﲑ ﰲ اﻟﺴﻌﺮ ﻣﺜﻼ ﻫﻮ اﻟﺬي ﻳﺴﺒﺐ ارﺗﻔﺎع اﻟﻜﻤﻴﺔ اﳌﻄﻠﻮﺑﺔ أم ارﺗﻔﺎع اﻟﻜﻤﻴﺔ اﳌﻄﻠﻮﺑﺔ ﻫﻮ اﻟﺬي ﻳﺆدي‬
‫إﱃ اﻟﺘﻐــﲑ ﰲ اﻟﺴــﻌﺮ؟ ﻫﻨــﺎك ﲢﺪﻳــﺪ ﻣ ـﺮﺗﺒﻂ ﺑــﲔ اﳌﺘﻐ ـﲑﻳﻦ أي أن ﻫﻨــﺎك ﻋﻼﻗــﺔ ﺳــﺒﺒﻴﺔ ﺑــﲔ اﳌﺘﻐ ـﲑﻳﻦ‪ .‬ارﺗﻔــﺎع اﻷﺳــﻌﺎر‬
‫ﺳــﻴﺆدي إﱃ اﳔﻔــﺎض اﻟﻜﻤﻴــﺔ اﳌﻄﻠﻮﺑــﺔ‪ ،‬واﳔﻔــﺎض اﻟﻜﻤﻴــﺔ اﳌﻄﻠﻮﺑــﺔ ﺳــﻴﺆدي إﱃ اﳔﻔــﺎض اﻟﻜﻤﻴــﺔ اﳌﻌﺮوﺿــﺔ واﳔﻔــﺎض‬
‫اﻟﻜﻤﻴ ــﺔ اﳌﻌﺮوﺿ ــﺔ ﺳ ــﻴﺆدي إﱃ ارﺗﻔ ــﺎع اﻷﺳ ــﻌﺎر وﻫﻜ ــﺬا‪ .‬إن اﻻﻗﺘﺼ ــﺎد ﻣﻠ ــﻲء ﻟﻜﺜ ــﲑ ﻣ ــﻦ اﻷﻣﺜﻠ ــﺔ ﻟﺘ ــﺄﺛﲑ اﳌﺮﺟﻌ ــﻲ‬
‫واﻟﺴﺒﺒﻴﺔ اﻟﺜﻨﺎﺋﻴﺔ ﳑﺎ ﻳﺘﻄﻠﺐ ﺗﻄﺒﻴﻖ اﳌﻌﺎدﻻت اﻵﻧﻴﺔ‪.‬‬
‫ﻳﺴــﻤﻰ ﻧﻈــﺎم اﳌﻌــﺎدﻻت اﳌﺘﻌــﺪدة‪ ،‬اﳌﻘــﱰح ﻣــﻦ ﻃــﺮف اﻻﻗﺘﺼــﺎدي و اﻟــﺬي ﻳــﱰﺟﻢ ﻣﺒﺎﺷــﺮة اﻟﻌﻼﻗــﺎت ﺑــﲔ اﳌﺘﻐـﲑات‬
‫ﺑﻨﻈﺎم اﳌﻌﺎدﻻت اﳍﻴﻜﻠﻴﺔ و ﻧﻈﺎم اﳌﻌـﺎدﻻت اﻵﻧﻴـﺔ ﻫـﻮ اﻟﻨﻈـﺎم اﻟـﺬي ﻳﻜـﻮن ﻫﻨـﺎك ﺛـﲑ ﻟ ـ ‪ Y‬ﻋﻠـﻰ أﻷﻗـﻞ ﻋﻠـﻰ أﺣـﺪ‬
‫اﳌﺘﻐﲑات اﳌﺴﺘﻘﻠﺔ ﻹﺿﺎﻓﺔ إﱃ اﻟﺘﺄﺛﲑ اﳌﻮﺟﻮد ﻣﻦ اﳌﺘﻐﲑات اﳌﻔﺴﺮة ﻋﻠﻰ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ‪ .‬ﻟﺒﻨﺎء ﳕﻮذج اﳌﻌﺎدﻻت اﻵﻧﻴـﺔ‪،‬‬
‫ﳚــﺐ اﻟﻔﺼــﻞ ﺑــﲔ اﳌﺘﻐـﲑات اﻟــﱵ ﳏــﺪدة آﻧﻴـﺎً ) ‪ Y1t‬و ‪ Y2t‬ﺗﺴــﻤﻰ اﳌﺘﻐـﲑات اﻟﺪاﺧﻠﻴــﺔ( و اﳌﺘﻐـﲑات اﻟــﱵ ﻻ ﲢــﺪد آﻧﻴـﺎً‬
‫) ‪ X 1t‬و ‪ X 2t‬وﺗﺴﻤﻰ ﻣﺘﻐﲑات ﺧﺎرﺟﻴﺔ(‪.‬‬
‫‪Y1t   0   1Y2t   2 X 1t   3 X 2t   1t‬‬
‫‪Y2t   0   1Y1t   2 X 1t   3 X 2t   2t‬‬
‫إذا ﻛﺎﻧﺖ ﻣـﺜﻼ ‪ Y1‬ﻫـﻲ اﻟﻜﻤﻴـﺔ اﳌﻄﻠﻮﺑـﺔ ﻟﻠﺤـﻢ اﳋـﺮوف و ‪ Y2‬ﺳـﻌﺮ اﳋـﺮوف و ‪ X1‬دﺧـﻞ اﳌﺴـﺘﻬﻠﻜﲔ و ‪ X2‬ﺳـﻌﺮ‬
‫ﳊــﻢ اﻟﺒﻘــﺮ ) اﻟﺴــﻠﻌﺔ اﻟﺒﺪﻳﻠــﺔ(‪ .‬أي أن اﳌﻌﺎدﻟــﺔ اﻷوﱃ ﲤﺜــﻞ ﺳــﻠﻮك اﳌﺴــﺘﻬﻠﻚ ﺑﻴﻨﻤــﺎ اﳌﻌﺎدﻟــﺔ اﻟﺜﺎﻧﻴــﺔ ﲤﺜــﻞ ﺳــﻠﻮك اﳌﻨــﺘﺞ‬
‫واﳌﻌﺎدﻟﺘﺎن ﻣﻌﺎ ﺗﺴﻤﻰ ﺑﻨﻈﺎم اﳌﻌﺎدﻻت اﳍﻴﻜﻠﻴﺔ‪.‬‬
‫ﺗﺼﻒ اﳌﻌﺎدﻻت اﳍﻴﻜﻠﻴﺔ اﻟﻨﻈﺮﻳﺔ اﻻﻗﺘﺼﺎدﻳﺔ ﺧﻠﻒ اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ ﻟﺘﻌﺒﲑ ﳌﺼﻄﻠﺤﲔ اﻟﺪاﺧﻠﻲ واﳋـﺎرﺟﻲ‪.‬‬
‫ﳚﺐ أن ﻳﻨﻈﺮ اﻟﺒﺎﺣﺜﻮن إﱃ اﻟﻨﻈﺎم ﻛﺎﻣﻼً ﻟﻴﺘﻤﻜﻨﻮا ﻣﻦ ﻣﻌﺮﻓﺔ اﳌﺮدود اﻻﻟﺘﻔـﺎﰲ اﳌﺘـﺪاﺧﻞ ﰲ اﻟﻨﻈـﺎم‪ .‬ﻋﻠـﻰ ﺳـﺒﻴﻞ اﳌﺜـﺎل‬
‫‪ Ym,t‬ﳏــﺪدة ﻻﺷـﱰاك )‪ .(jointly determined‬أي ﺗﻐــﲑ ﰲ ‪ Y1t‬ﺳــﻴﺆدي إﱃ ﺗﻐــﲑ ﰲ ‪ Y2t‬واﻟــﱵ ﺗــﺆدي ﺑــﺪورﻫﺎ‬
‫إﱃ ﺗﻐــﲑ ﰲ ‪ . Y1t‬ﻣﻘﺎرﻧــﺔ ﻟﺘﻐــﲑ ﰲ ‪ X 1t‬واﻟــﺬي ﺳــﻴﺆدي إﱃ اﻟﺘﻐــﲑ ﰲ ‪ Y1t‬وﻟﻜــﻦ ﻟــﻦ ﻳﻠﺘــﻒ ﻣﺮﺗــﺪا ﻟﻴــﺆﺛﺮ ﰲ ‪X 1t‬‬
‫ﻣــﺮﻩ أﺧــﺮى‪ .‬اﳌﻌــﺎﻣﻼت ‪  0 ,  1 ,  2 ,  3 ,  0 , 1 ,  2 ,  3‬ﺗﺴــﻤﻰ اﳌﻌــﺎﻣﻼت اﳍﻴﻜﻠﻴــﺔ واﺧﺘﺒــﺎر اﻟﻔﺮﺿــﻴﺔ ﳚــﺐ أن‬
‫ﻳﻜﻮن ﻋﻦ ﻗﻴﻤﻬﻢ وﻣﺆﺷﺮا ﻢ )ﺳﺎﻟﺐ أو ﻣﻮﺟﺐ( ﻛﻤﺎ ﻫﻮ ﰲ ﻣﻌﺎﻣﻼت اﳌﻌﺎدﻟﺔ اﻟﻮاﺣﺪة‪.‬‬
‫ﻧﻼﺣــﻆ أن اﳌﺘﻐــﲑ ﻳﺴــﻤﻰ داﺧﻠــﻲ ﻷﻧــﻪ ﻣﺸــﱰك اﻟﺘﺤﺪﻳــﺪ وﻟــﻴﺲ ﻷﻧــﻪ ﻳﻈﻬــﺮ ﰲ ﻛــﻼ اﳌﻌــﺎدﻟﺘﲔ‪ .‬أي أن ‪ X 2t‬وﻫــﻮ‬
‫ﺳﻌﺮ ﳊﻢ اﻟﺒﻘﺮ ﻳﻌﺘﱪ ﻣﺘﻐﲑا ﺧﺎرﺟﻴﺎ ﻷﻧﻪ ﻻ ﻳﺘﺤﺪد آﻧﻴﺎً ﰲ ﺳﻮق اﳋﺮاف‪ .‬اﻟﺴـﺆال اﳌﻄـﺮوح ﻫﻨـﺎ ‪ :‬ﻛﻴـﻒ ﻧﻔـﺮر ﻣـﺎ إذا‬
‫ﻛــﺎن ﻣﺘﻐـﲑا داﺧﻠﻴــﺎ أو ﺧﺎرﺟﻴــﺎ؟ ﻫﻨــﺎك ﺑﻌــﺾ اﻟﻌﻮاﻣــﻞ داﺋﻤـﺎً ﺧﺎرﺟﻴــﺔ ﻣﺜــﻞ اﳉــﻮ اﳋــﺎرﺟﻲ‪ ،‬وﻟﻜــﻦ ﻫﻨــﺎك ﻣﺘﻐـﲑات ﻻ‬
‫ﺗﻌﺘــﱪ ﻻ ﺧﺎرﺟﻴــﺔ وﻻ داﺧﻠﻴــﺔ اﻋﺘﻤــﺎدا ﻋﻠــﻰ ﻋــﺪد وﻃﺒﻴﻌــﺔ اﳌﺘﻐ ـﲑات ﰲ اﳌﻌــﺎدﻻت اﻷﺧــﺮى ﰲ اﻟﻨﻈــﺎم‪ ،‬ﻓﻔــﻲ ﺑﻌ ــﺾ‬
‫اﻟﻨﻤــﺎذج اﻟــﱵ ﺗﺘﻀــﻤﻦ ﻣﺘﺒﺎﻃﺌــﺎت ‪ 0‬ﻧﻈــﺎم ﻳﺘﻀــﻤﻦ ﻣﻌــﺎدﻻت اﳌﺘﺒﺎﻃﺌــﺎت اﳌﻮزﻋــﺔ وﻟﻠﺘﻮﺿــﻴﺢ ﺗﺴــﻤﻰ اﳌﺘﻐـﲑات اﳌﺘﺒﺎﻃﺌــﺔ‬
‫ﻟﻠﻤﺘﻐــﲑ اﻟــﺪاﺧﻠﻲ واﳌﺘﻐ ـﲑات اﳋﺎرﺟﻴــﺔ ﰲ اﻟﻨﻤــﻮذج ﳌﺘﻐ ـﲑات اﶈــﺪدة ﺳــﺎﺑﻘﺎً‪ ،‬أي أن اﳌﺘﻐ ـﲑات اﳋﺎرﺟﻴــﺔ واﳌﺘﻐ ـﲑات‬
‫اﳌﺘﺒﺎﻃﺌﺔ ﳏﺪدﻩ ﺧﺎرج اﻟﻨﻈﺎم ﳌﻌﺎدﻻت ﳏﺪدﻩ أو ﻗﺒﻞ اﻟﻔﱰة اﳊﺎﻟﻴﺔ‪.‬‬
‫إن اﻟﺼ ــﻮرة اﳌﺨﺘﺰﻟ ــﺔ ﻟﻠﻤﻌ ــﺎدﻻت اﻵﻧﻴ ــﺔ ﺗﻌ ــﱪ ﻋ ــﻦ ﻛﺘﺎﺑ ــﺔ ﻛ ــﻞ ﻣﺘﻐ ــﲑ داﺧﻠ ــﻲ ﺑﺪﻻﻟ ــﺔ ﲨﻴ ـﻊ اﳌﺘﻐ ـﲑات اﳋﺎرﺟﻴ ــﺔ ﰲ‬
‫اﻟﻨﻤﻮذج اﻵﱐ‪ ،‬ﻣﻦ ﺧﻼل اﻟﻨﻤﻮذج اﻟﻜﻴﻨﺰي‪ ،‬ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪a 0  b0‬‬ ‫‪b‬‬ ‫‪   1t‬‬
‫‪Yt ‬‬ ‫‪ 1 Yt 1  2t‬‬
‫‪1  a1 1  a1‬‬ ‫‪1  a1‬‬
‫‪I t  b0  b1Yt 1   2t‬‬
‫‪a 0  a1b0‬‬ ‫‪ab‬‬ ‫‪a    1t‬‬
‫‪Ct ‬‬ ‫‪ 1 1 Yt 1  1 2t‬‬
‫‪1  a1‬‬ ‫‪1  a1‬‬ ‫‪1  a1‬‬
‫ﺑﺪﻻﻟﺔ اﳌﺘﻐﲑ اﳋﺎرﺟﻲ )اﶈﺪد ﻣﺴﺒﻘﺎ( و ﻫﻮ ‪. Yt 1‬‬ ‫‪Yt‬‬ ‫و‬ ‫‪It‬‬ ‫ﺣﻴﺚ ﰎ ﻛﺘﺎﺑﺔ ﻛﻞ ﻣﻦ ‪، Ct‬‬
‫‪ .3‬اﻟﺼﻴﻐﺔ اﻟﻌﺎﻣﺔ ﻟﻨﻤﺎذج اﳌﻌﺎدﻻت اﻵﻧﻴﺔ و اﻟﺘﺤﻴﺰ اﻵﱐ ‪:‬‬
‫ﻟﺘﻌﻤﻴﻢ اﻟﺼـﻴﻎ اﻟﺴـﺎﺑﻘﺔ ﻟﻨﻤـﺎذج اﳌﻌـﺎدﻻت اﻵﻧﻴـﺔ‪ ،‬ﻧﻔـﱰض أﻧـﻪ ﻟـﺪﻳﻨﺎ اﳍﻴﻜـﻞ اﻟﻌـﺎم ﻟﻨﻤـﻮذج ﺧﻄـﻲ ﻣﺘﻜـﻮن ﻣـﻦ ‪m‬‬
‫ﻣﻌﺎدﻟــﺔ ﻫﻴﻜﻠﻴــﺔ و ﻛــﻞ ﻣﻌﺎدﻟــﺔ ﲢﺘــﻮي ﻋﻠــﻰ ‪ m‬ﻣﺘﻐــﲑ داﺧﻠــﻲ و ‪ k‬ﻣﺘﻐــﲑ ﳏــﺪد ﻣﺴــﺒﻘﺎ و ﻣﺘﻐ ـﲑات اﳊــﺪ اﻟﻌﺸ ـﻮاﺋﻲ‬
‫اﳌﻮزﻋﺔ ﺗﻮزﻳﻌﺎ ﻃﺒﻴﻌﻴﺎ‪ .‬ﳝﻜﻦ ﻛﺘﺎﺑﺔ اﻟﻨﻤﻮذج ر ﺿﻴﺎ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪b11Y1t  b12Y2t  ...  b1mYmt  c11 X 1t  c12 X 2t  ...  c1k X kt   1t‬‬

‫‪b21Y1t  b22Y2t  ...  b2 mYmt  c 21 X 1t  c 22 X 2t  ...  c 2 k X kt   2t‬‬
‫‪.....‬‬
‫‪bm1Y1t  bm 2Ymt  ...  bmmYmt  c m1 X 1t  c m 2 X 2t  ...  c mk X kt   mt‬‬
‫و ﺑﺸﻜﻠﻪ اﳌﺼﻔﻮﰲ ‪:‬‬
‫‪ b11‬‬ ‫‪b12‬‬ ‫‪... b1m  Y1t   c11‬‬ ‫‪c12‬‬ ‫‪... c1k  X 1t    1t ‬‬
‫‪‬‬ ‫‪  ‬‬ ‫‪‬‬ ‫‪  ‬‬
‫‪ b21‬‬ ‫‪b22‬‬ ‫‪... b2 m  Y2t   c 21‬‬ ‫‪c 22‬‬ ‫‪... c 2 k  X 2t    2t ‬‬
‫‪ ...‬‬ ‫‪‬‬ ‫‪‬‬
‫‪...‬‬ ‫‪... ...  ...   ...‬‬ ‫‪...‬‬ ‫‪... ...  ...   ... ‬‬
‫‪‬‬ ‫‪  ‬‬ ‫‪‬‬ ‫‪  ‬‬
‫‪b‬‬ ‫‪... bmm  Ymt   c m1‬‬ ‫‪... c mk  X kt    mt ‬‬
‫‪ m1‬‬ ‫‪bm 2‬‬ ‫‪cm2‬‬
‫أي ‪:‬‬
‫‪B .Y  C .X  ‬‬
‫)‪( m , m ) ( m ,1‬‬ ‫)‪( m , k ) ( k ,1‬‬ ‫)‪( m ,1‬‬
‫ﺑﻄﺒﻴﻌﺔ اﳊﺎل‪ ،‬ﰲ ﻛﻞ ﻣﻌﺎدﻟﺔ‪ ،‬ﻫﻨﺎك ﺑﻌﺾ اﳌﻌﺎﻣﻼت ﻣﻌﺪوﻣﺔ و اﳌﺘﻐﲑ اﻟﺬي ﻣﻌﺎﻣﻠﻪ ﻳﺴﺎوي اﻟﻮاﺣﺪ ﻳﻌﺘﱪ اﳌﺘﻐﲑ‬
‫اﻟﺘﺎﺑﻊ‪ .‬إذا ﻛﺎﻧﺖ اﳌﺼﻔﻮﻓﺔ ‪ B‬ﻣﻌﺮﻓﺔ‪ ،‬ﻓﻴﻤﻜﻦ اﻻﻧﺘﻘﺎل ﻣﻦ اﻟﺸﻜﻞ اﳍﻴﻜﻠﻲ إﱃ اﻟﺸﻜﻞ اﳌﺨﺘﺰل و ذﻟﻚ ﺑﻜﺘﺎﺑﺔ‬
‫اﻟﺸﻌﺎع ‪ Y‬ﺑﺪﻻﻟﺔ اﻟﺸﻌﺎع ‪ X‬ﺣﻴﺚ ‪:‬‬
‫‪Y   B 1CX  B 1‬‬
‫ﻓﻴﻤﻜﻦ إذن ﺗﻄﺒﻴﻖ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﻋﺘﺒﺎر أن اﻷﺧﻄﺎء ‪ B 1‬ﻣﺴﺘﻘﻠﺔ ﻋﻦ ‪. X‬‬
‫ﻟﺮﻏﻢ ﻣﻦ ﺑﺴﺎﻃﺔ اﻟﺼﻴﻐﺔ اﻟﺮ ﺿﻴﺔ إﻻ أن ﺟﺎﻧﺒﻪ اﻟﺘﻄﺒﻴﻘﻲ ﻣﻌﻘﺪ ﻧﻮﻋﺎ ﻣﺎ‪ ،‬ﻓﻤﻌﺮﻓﺔ ‪ m  k‬ﻋﻨﺼﺮ‬
‫ﻟﻠﻤﺼﻔﻮﻓﺔ ‪ B 1C‬ﻻ ﻳﺴﻤﺢ ﺑﺘﺤﺪﻳﺪ اﳌﺼﻔﻮﻓﺔ ‪ B‬اﻟﱵ ﲢﺘﻮي ﻋﻠﻰ ‪ m  m‬ﻋﻨﺼﺮ و ﻫﺬا ﻓﻀﻼ ﻋﻦ اﳌﺼﻔﻮﻓﺔ ‪C‬‬
‫اﳌﻜﻮﻧﺔ ﻣﻦ ‪ m  k‬ﻋﻨﺼﺮ‪ .‬ﳓﻦ إذن ﰲ ﺣﺎﻟﺔ وﺟﻮد ‪ m  k‬ﻣﻌﺎدﻟﺔ ﻟـ ) ‪ (m  m)  (m  k‬ﳎﻬﻮل‪ ،‬ﻓﺒﺪون ﻗﻴﻮد‬
‫إﺿﺎﻓﻴﺔ‪ ،‬ﻣﻦ اﳌﺴﺘﺤﻴﻞ إﳚﺎد ﺣﻠﻮل ﳑﻜﻨﺔ‪ .‬اﻷﻣﺮ ﻫﻨﺎ ﻳﺘﻌﻠﻖ ﲟﺸﻜﻞ اﻟﺘﻤﻴﻴﺰ )أو اﻟﺘﻌﺮﻳﻒ( ‪.Identification‬‬
‫ﻟﻌﻮدة إﱃ اﻟﻨﻤﻮذج اﻟﻜﻴﻨﺰي‪ ،‬ﳝﻜﻦ ﻛﺘﺎﺑﺔ اﻟﺸﻜﻞ اﳌﺼﻔﻮﰲ ﺣﻴﺚ ‪:‬‬
‫‪  1t ‬‬ ‫‪  a0‬‬ ‫‪0 ‬‬ ‫‪1‬‬ ‫‪0  a1 ‬‬ ‫‪ Ct ‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ 1 ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪    2t ‬‬ ‫و‬ ‫‪C    b0‬‬ ‫‪ b1 ‬‬ ‫‪،‬‬ ‫‪X  ‬‬ ‫‪‬‬ ‫‪،‬‬ ‫‪B 0 1‬‬ ‫‪0 ‬‬ ‫‪،‬‬ ‫‪Y   It ‬‬
‫‪ 0 ‬‬ ‫‪ 0‬‬ ‫‪0 ‬‬ ‫‪ t 1 ‬‬
‫‪Y‬‬ ‫‪1 1 1 ‬‬ ‫‪Y ‬‬
‫‪ ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪ t‬‬
‫ﻻﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﳚﺐ أن ﺗﺘﺤﻘﻖ ﲨﻴﻊ اﻟﻔﺮﺿﻴﺎت اﻷﺳﺎﺳﻴﺔ ﻷﻧﻪ إذا ﰎ ﺗﻄﺒﻴﻖ ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ‬
‫ﻋﻠﻰ اﳌﻌﺎدﻻت اﳍﻴﻜﻠﻴﺔ ﻟﻠﻨﻈﺎم اﻵﱐ ﻓﺈن اﳌﻘﺪرات ﺗﻜﻮن ﻣﺘﺤﻴﺰة‪ .‬ﻫﺬا اﻟﺘﺤﻴﺰ ﻳﺴﻤﻰ اﻟﺘﺤﻴﺰ اﻵﱐ أو ﲢﻴﺰ‬
‫اﳌﻌﺎدﻻت اﻵﻧﻴﺔ‪ ،‬ﲟﻌﲎ أﻧﻪ ﰲ اﻟﻨﻈﺎم اﻵﱐ‪ ،‬اﻟﻘﻴﻢ اﳌﺘﻮﻗﻌﺔ ﳌﻘﺪرات اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻟﻠﻤﻌﺎﻣﻼت اﳍﻴﻜﻠﻴﺔ ﻻ ﺗﺴﺎوي‬
‫اﻟﻘﻴﻤﺔ اﳊﻘﻴﻘﻴﺔ ‪ . E ( ˆ )  ‬ﳛﺪث ﻫﺬا اﻟﺘﺤﻴﺰ ﻋﻨﺪﻣﺎ ﻳﺮﺗﺒﻂ اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ ﺧﻄﻴﺎ ﻣﻊ اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ ﰲ‬
‫اﻟﻨﻤﻮذج )اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ﻳﺪﺧﻞ ﰲ اﳌﻌﺎدﻟﺔ ﻛﻤﺘﻐﲑ ﻣﻔﺴﺮ(‪.‬‬
‫‪ .4‬ﻣﺸﻜﻞ اﻟﺘﻤﻴﻴﺰ )اﻟﺘﻌﺮﻳﻒ( ‪:The identification Problem‬‬

‫ﺗﺸﲑ ﻣﺸﻜﻠﺔ اﻟﺘﻤﻴﻴﺰ إﱃ إﻣﻜﺎﻧﻴﺔ أو ﻋﺪم إﻣﻜﺎﻧﻴﺔ ﺣﺴﺎب اﳌﻌﺎﱂ اﳍﻴﻜﻠﻴﺔ ﻟﻨﻤﻮذج اﳌﻌﺎدﻻت اﻵﻧﻴﺔ ﻣﻦ ﻣﻌﺎﱂ‬
‫اﻟﻨﻤﻮذج اﳌﺨﺘﺰل‪ .‬ﳚﺐ دراﺳﺔ ﻣﺸﻜﻠﺔ اﻟﺘﻤﻴﻴﺰ ﺣﻴﺚ أﻧﻪ ﻻ ﳝﻜﻦ ﺗﻄﺒﻴﻖ ﻃﺮﻳﻘﺔ ﺗﻘﺪﻳﺮ ﻣﻨﺎﺳﺒﺔ ﻋﻠﻰ اﳌﻌﺎدﻻت إﻻ إذا‬
‫ﻛﺎﻧﺖ ﻫﺬﻩ اﻷﺧﲑة ﻣﻌﺮﻓﺔ‪ ،‬ﻓﺈذا ﻛﺎﻧﺖ ﺗﻠﻚ اﳌﻌﺎدﻻت ﻣﻌﺮﻓﺔ‪ ،‬ﻓﺈﻧﻪ ﳝﻜﻦ ﺗﻘﺪﻳﺮ ﻣﻌﺎﱂ اﻟﺸﻜﻞ اﳍﻴﻜﻠﻲ‪ .‬أﻣﺎ إذا‬
‫ﻛﺎﻧﺖ اﳌﻌﺎدﻟﺔ ﻏﲑ ﳑﻴﺰﻩ ﻓﺈن ذﻟﻚ ﻳﻌﲏ أﻧﻪ ﻻ ﳝﻜﻦ ﺗﻘﺪﻳﺮ اﳌﻌﺎﱂ اﳍﻴﻜﻠﻴﺔ ﻟﻨﻤﺎذج اﳌﻌﺎدﻻت اﳍﻴﻜﻠﻴﺔ اﻧﻄﻼﻗﺎ ﻣﻦ‬
‫ﻣﻌﺎﱂ اﻟﺼﻴﻐﺔ اﳌﺨﺘﺰﻟﺔ‪.‬‬
‫ﻟﺪراﺳﺔ ﺷﺮوط اﻟﺘﻤﻴﻴﺰ )اﻟﺘﻌﺮﻳﻒ(‪ ،‬ﻻﺑﺪ ﻣﻦ أن ﻧﺸﲑ إﱃ أن ﻫﻨﺎك ﻗﻴﻮد ﻋﻠﻰ اﳌﻌﺎﻣﻼت وﳘﺎ ﻧﻮﻋﺎن ‪ :‬ﻗﻴﻮد‬
‫اﻹﻗﺼﺎء و اﻟﻘﻴﻮد اﳋﻄﻴﺔ‪ .‬أﻣﺎ ﻟﻨﺴﺒﺔ ﻟﻘﻴﻮد اﻹﻗﺼﺎء‪ ،‬ﻧﻌﺘﱪ ﻛﻞ ﻣﺮة أن ﻣﺘﻐﲑا داﺧﻠﻴﺎ أو ﺧﺎرﺟﻴﺎ ﻻ ﻳﻈﻬﺮ ﰲ اﳌﻌﺎدﻟﺔ‬
‫اﳍﻴﻜﻠﻴﺔ و ﻫﺬا ﻳﺮﺟﻊ ﻟﻜﻮن أن ﻫﺬﻩ اﳌﺘﻐﲑات ﳍﺎ ﻣﻌﺎﻣﻞ ﻣﻌﺪوم‪ .‬ﻋﻠﻰ ﺳﺒﻴﻞ اﳌﺜﺎل‪ ،‬إذا رﺟﻌﻨﺎ إﱃ اﻟﻨﻤﻮذج‬
‫اﻟﻜﻴﻨﺰي‪ ،‬ﻧﻼﺣﻆ أن اﳌﺘﻐﲑ ‪ I t‬ﻏﲑ ﻣﻮﺟﻮد ﰲ ﻣﻌﺎدﻟﺔ اﻻﺳﺘﻬﻼك‪ ،‬ﻣﻌﺎﻣﻠﻪ ﻳﺴﺎوي إذن اﻟﺼﻔﺮ‪ .‬ﰲ اﳌﺼﻔﻮﻓﺔ ‪، B‬‬
‫ﻋﻨﺼﺮ اﻟﺴﻄﺮ اﻷول و اﻟﻌﻤﻮد اﻟﺜﺎﱐ ﻳﺴﺎوي اﻟﺼﻔﺮ‪ ،‬أﻣﺎ اﻟﻘﻴﻮد اﳋﻄﻴﺔ ﻳﺘﻌﻠﻖ اﻷﻣﺮ ﻫﻨﺎ ﺑﻮﺟﻮد ﻗﻴﻮد ﻋﻠﻰ اﳌﻌﺎﱂ‬
‫ﺣﻴﺚ أن ﺑﻌﺾ اﳌﺘﻐﲑات ﻗﺪ ﺗﺸﱰك ﰲ ﻣﻌﺎﻣﻞ واﺣﺪ و ﻫﺬا ﻣﺎ ﻧﻼﺣﻈﻪ ﰲ ﺑﻌﺾ اﻟﻨﻤﺎذج اﻻﻗﺘﺼﺎدﻳﺔ‪..‬‬
‫ﺗﺘﺤﺪد ﺷﺮوط اﻟﺘﻌﺮﻳﻒ ﻣﻌﺎدﻟﺔ ﲟﻌﺎدﻟﺔ‪ .‬ﻫﻨﺎك ﺛﻼث ﺣﺎﻻت ﻟﻠﺘﻌﺮﻳﻒ ‪:‬‬
‫‪ -‬اﳌﻌﺎدﻟﺔ ﻗﺼﺔ اﻟﺘﻌﺮﻳﻒ ‪ ،under-identified‬إذا ﻛﺎن ﻋﺪد اﳌﺘﻐﲑات اﳋﺎرﺟﻴﺔ ﰲ اﳌﻌﺎدﻟﺔ ﻳﺘﺠﺎوز ﻋﺪد‬
‫اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ ﰲ اﳌﻌﺎدﻟﺔ ﻣﻄﺮوﺣﺎ ﻣﻨﻪ واﺣﺪ‪ .‬اﳊﻞ ﰲ اﻟﻨﻈﺎم اﳍﻴﻜﻠﻲ ﻣﺴﺘﺤﻴﻞ‪.‬‬
‫‪ -‬اﳌﻌﺎدﻟﺔ ﻣﻌﺮﻓﺔ ﲤﺎﻣﺎ ‪ ،exactly-identified‬إذا ﻛﺎن ﻋﺪد اﳌﺘﻐﲑات اﳋﺎرﺟﻴﺔ ﰲ اﻟﻌﺎدﻟﺔ ﻣﺴﺎو ﻟﻌﺪد‬
‫اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ ﰲ اﳌﻌﺎدﻟﺔ ﻣﻄﺮوﺣﺎ ﻣﻨﻪ واﺣﺪ‪.‬‬
‫‪ -‬اﳌﻌﺎدﻟﺔ زاﺋﺪة اﻟﺘﻌﺮﻳﻒ ‪ ،over-identified‬إذا ﻛﺎﻧﺖ ﻋﺪد اﳌﺘﻐﲑات اﳋﺎرﺟﻴﺔ ﰲ اﳌﻌﺎدﻟﺔ ﻳﻘﻞ ﻋﻦ ﻋﺪد‬
‫اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ ﰲ اﳌﻌﺎدﻟﺔ ﻣﻄﺮوﺣﺎ ﻣﻨﻪ واﺣﺪ‪.‬‬
‫إذا ﻛﺎن اﻟﻨﻤﻮذج ﻗﺺ اﻟﺘﻌﺮﻳﻒ‪ ،‬ﻓﺈن ﻟﻴﺲ ﻫﻨﺎك إﻣﻜﺎﻧﻴﺔ ﻟﺘﻘﺪﻳﺮ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج و ﻟﺘﺎﱄ ﻳﻨﺒﻐﻲ إﻋﺎدة اﻟﻨﻤﺬﺟﺔ‪.‬‬
‫ﺗﻄﺒﻴﻘﻴﺎ‪ ،‬ﻫﻨﺎك ﻗﺎﻋﺪة ﺳﻬﻠﺔ ﻟﺪراﺳﺔ ﺷﺮوط اﻟﺘﻤﻴﻴﺰ‪ ،‬ﻟﺪﻳﻨﺎ أوﻻ ‪:‬‬
‫‪ : m‬ﻋﺪد اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ ﰲ اﻟﻨﻤﻮذج )أو أﻳﻀﺎ ﻋﺪد اﳌﻌﺎدﻻت(‬
‫‪ : k‬ﻋﺪد اﳌﺘﻐﲑات اﳋﺎرﺟﻴﺔ ﰲ اﻟﻨﻤﻮذج‬
‫' ‪ : m‬ﻋﺪد اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ اﻟﱵ ﺗﻈﻬﺮ ﰲ ﻣﻌﺎدﻟﺔ ﻣﺎ‬
‫' ‪ : k‬ﻋﺪد اﳌﺘﻐﲑات اﳋﺎرﺟﻴﺔ اﻟﱵ ﺗﻈﻬﺮ ﰲ ﻣﻌﺎدﻟﺔ ﻣﺎ‬
‫ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﻘﻴﻮد إﻻ ﻗﻴﻮد اﻹﻗﺼﺎء‪ ،‬اﻟﺸﺮوط اﻟﻀﺮورﻳﺔ ﻟﻠﺘﻤﻴﻴﺰ ﻫﻲ ﻛﺎﻟﺘﺎﱄ ‪:‬‬
‫‪ : m  m '  k  k '  m  1 ‬اﳌﻌﺎدﻟﺔ ﻗﺼﺔ ﺗﻌﺮﻳﻒ‬
‫‪ : m  m '  k  k '  m  1 ‬اﳌﻌﺎدﻟﺔ ﻣﻌﺮﻓﺔ ﲤﺎﻣﺎ‬
‫‪ : m  m '  k  k '  m  1 ‬اﳌﻌﺎدﻟﺔ زاﺋﺪة اﻟﺘﻌﺮﻳﻒ‬

‫ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﻟﺪﻳﻨﺎ ‪ r‬ﻗﻴﺪ ﻳﺘﻌﻠﻖ اﻷﻣﺮ ﻟﻘﻴﻮد ﻋﻠﻰ اﳌﻌﺎﱂ‪ ،‬اﻟﺸﺮوط ﺗﺼﺒﺢ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪ : m  m '  k  k '  r  m  1 ‬اﳌﻌﺎدﻟﺔ ﻗﺼﺔ اﻟﺘﻌﺮﻳﻒ‬
‫‪ : m  m '  k  k '  r  m  1 ‬اﳌﻌﺎدﻟﺔ ﻣﻌﺮﻓﺔ ﲤﺎﻣﺎ‬
‫‪ : m  m '  k  k '  r  m  1 ‬اﳌﻌﺎدﻟﺔ زاﺋﺪة اﻟﺘﻌﺮﻳﻒ‬
‫و ﻫﺬﻩ اﻟﺸﺮوط ﻫﻲ ﺿﺮورﻳﺔ و ﻟﻴﺴﺖ ﻛﺎﻓﻴﺔ و ﺗﺴﻤﻰ أﻳﻀﺎ ﺷﺮوط اﻟﱰﺗﻴﺐ‪ .‬ﳚﺐ إذن ﻋﻠﻰ اﻹﺣﺼﺎﺋﻲ اﻟﺘﺤﻘﻖ‬
‫ﻣﻦ اﻟﺸﺮوط اﻟﻜﺎﻓﻴﺔ و اﻟﱵ ﺗﺴﻤﻰ ﺑﺸﺮوط اﻟﺮﺗﺒﺔ و اﻟﱵ ﺗﻌﺘﱪ ﺻﻌﺒﺔ ﺗﻄﺒﻴﻘﻴﺎ‪.‬‬
‫ﻟﻴﻜﻦ اﻟﻨﻤﻮذج ﻋﻠﻰ اﻟﺸﻜﻞ اﳌﺼﻔﻮﰲ ‪:‬‬
‫‪B .Y  C .X  ‬‬
‫)‪( m , m ) ( m ,1‬‬ ‫)‪( m , k ) ( k ,1‬‬ ‫)‪( m ,1‬‬
‫ﻟﺘﻜﻦ اﳌﺼﻔﻮﻓﺔ ‪ P‬ﺣﻴﺚ ] ‪ P  [ BC‬اﻟﱵ ذات اﻟﺒﻌﺪ‬

‫) ‪(m, m  k‬‬
‫ﻟﺘﻜﻦ ‪ i‬ﻣﺼﻔﻮﻓﺔ اﻟﻘﻴﻮد اﳌﺘﻌﻠﻘﺔ ﳌﻌﺎدﻟﺔ ‪ i‬ﺣﻴﺚ ‪ i ، Piih  0 :‬ﻫﻮ اﻟﺴﻄﺮ رﻗﻢ ‪ i‬ﻟﻠﻤﺼﻔﻮﻓﺔ ‪ P‬و ‪h‬‬
‫اﻟﻌﻤﻮد رﻗﻢ ‪ h‬ﻟﻠﻤﺼﻔﻮﻓﺔ ‪. i‬‬

‫ﻟﺘﻜﻦ ] ‪  i  rang[ Pi‬رﺗﺒﺔ اﳌﺼﻔﻮﻓﺔ ‪ Pi‬و ‪ m‬ﻋﺪد اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ ﰲ اﻟﻨﻤﻮذج‪ ،‬ﺷﺮط اﻟﺮﺗﺒﺔ ﻫﻮ‬
‫ﻛﺎﻟﺘﺎﱄ ‪:‬‬
‫‪ :  i  m  1 ‬اﳌﻌﺎدﻟﺔ ‪ i‬ﻗﺼﺔ اﻟﺘﻌﺮﻳﻒ‬
‫‪ :  i  m  1 ‬اﳌﻌﺎدﻟﺔ ‪ i‬ﻣﻌﺮﻓﺔ ﲤﺎﻣﺎ‬
‫‪ :  i  m  1 ‬اﳌﻌﺎدﻟﺔ ‪ i‬زاﺋﺪة اﻟﺘﻌﺮﻳﻒ‬
‫ﻣﺜﺎل ‪:11‬‬
‫ﻟﻴﻜﻦ اﻟﻨﻤﻮذج اﻟﺘﺎﱄ ‪:‬‬
‫‪Y1t  a(Y2t  X t )   1t‬‬
‫‪Y2t  bY1t  cY1,t 1   2t‬‬
‫ﺣﻴﺚ ‪:‬‬
‫‪ : Y1t‬اﻟﻨﺎﺗﺞ اﻟﻮﻃﲏ اﻹﲨﺎﱄ ﺧﻼل اﻟﺴﻨﺔ ‪t‬‬
‫‪ : Y2t‬اﺳﺘﻬﻼك اﻷﺳﺮ ﺧﻼل اﻟﺴﻨﺔ ‪t‬‬
‫‪ : X t‬اﻟﻄﻠﺐ اﻟﻨﻬﺎﺋﻲ ﺧﻼل اﻟﺴﻨﺔ ‪t‬‬
‫اﳌﻄﻠﻮب ﲢﺪﻳﺪ ﺷﺮوط ﲤﻴﻴﺰ اﻟﻨﻤﻮذج )اﻟﻀﺮوري و اﻟﻜﺎﰲ(‬
‫‪1‬‬
‫ﳛﺘﻮي اﻟﻨﻤﻮذج ﻋﻠﻰ ﻣﺘﻐﲑﻳﻦ داﺧﻠﻴﲔ ‪ Y2t ، Y1t‬أي ‪ m  2‬و ﻣﺘﻐﲑﻳﻦ ﺧﺎرﺟﻴﲔ ‪ X t‬و ‪ Y1t 1‬أي ‪. k  2‬‬
‫ﻧﻼﺣﻆ أن اﳌﻌﺎدﻟﺔ اﻷوﱃ ﲢﺘﻮي ﻋﻠﻰ ﻗﻴﺪ ﺧﻄﻲ و اﻟﺬي ﻳﻌﱪ ﻋﻦ اﻟﻘﻴﺪ ﺣﻮل اﳌﻌﺎﻣﻼت ﺣﻴﺚ ﻫﻨﺎك ﻣﺘﻐﲑان‬
‫ﻳﺸﱰﻛﺎن ﰲ ﻣﻌﻠﻢ واﺣﺪ‪ .‬ﺑﺘﻄﺒﻴﻖ ﺷﺮوط اﻟﺘﻤﻴﻴﺰ‪ ،‬ﻧﺴﺘﻨﺘﺞ أن ﻫﻨﺎك ﻣﺘﻐﲑﻳﻦ داﺧﻠﻴﲔ ‪ m '  2‬و ﻣﺘﻐﲑ ﺧﺎرﺟﻲ‬
‫واﺣﺪ ‪ k '  1‬و ﻫﻨﺎك ﻗﻴﺪ واﺣﺪ ﺣﻮل اﳌﻌﺎﱂ ‪ ، r  1‬أﻣﺎ اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ﻫﻨﺎك ﻣﺘﻐﲑان داﺧﻠﻴﺎن و ﻣﺘﻐﲑ ﺧﺎرﺟﻲ‬
‫واﺣﺪ ‪ m '  2‬و ‪ k '  1‬إﻻ أﻧﻪ ﻻ ﻳﻮﺟﺪ ﻗﻴﺪ ﺣﻮل اﳌﻌﺎﱂ ‪. r  0‬‬
‫ﻟﻨﺴﺒﺔ ﻟﻠﻤﻌﺎدﻟﺔ اﻷوﱃ‪ ،‬ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪ m  m '  k  k '  r  2  2  2  1  1  2  m  1  2  1  1‬و ﻋﻠﻴﻪ اﳌﻌﺎدﻟﺔ اﻷوﱃ زاﺋﺪة ﺗﻌﺮﻳﻒ‪.‬‬
‫ﻟﻨﺴﺒﺔ ﻟﻠﻤﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ‪،‬‬
‫‪ m  m '  k  k '  r  2  2  2  1  0  1  m  1  2  1  1‬إذن اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ ﻣﻌﺮﻓﺔ ﲤﺎﻣﺎ‪.‬‬
‫ﻳﺘﻢ ﺗﻄﺒﻴﻖ ﺷﺮوط اﻟﺮﺗﺒﺔ‪ ،‬اﻟﻨﻤﻮذج اﳌﺼﻔﻮﰲ ﻳﻜﺘﺐ ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪ 1  a  Y1t    a 0  X t    1t ‬‬
‫‪‬‬ ‫‪   ‬‬ ‫‪‬‬ ‫‪   ‬‬
‫‪  b 1  Y2t   0  c  Y1,t 1    2t ‬‬
‫‪B‬‬ ‫‪‬‬ ‫‪Y  C ‬‬ ‫‪X  ‬‬
‫ﺣﻴﺚ ‪:‬‬ ‫‪P‬‬ ‫ﻟﺘﻜﻦ اﳌﺼﻔﻮﻓﺔ‬
‫‪ 1  a  a 0‬‬
‫‪P  [ BC ]  ‬‬ ‫‪‬‬
‫‪ b 1‬‬ ‫‪0 c ‬‬
‫اﳌﺼﻔﻮﻓﺔ ‪ ، 1‬ﻣﺼﻔﻮﻓﺔ اﻟﻘﻴﻮد ﻟﻠﻤﻌﺎدﻟﺔ اﻷوﱃ‪ ،‬ﲢﺪد ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬
‫‪ -‬ﻛﻞ ﺳﻄﺮ ﳝﺜﻞ ﲟﺘﻐﲑ ) اﻟﺴﻄﺮ ‪ ، Y1t = 1‬اﻟﺴﻄﺮ ‪ ، Y2t = 2‬اﻟﺴﻄﺮ ‪ ، X t = 3‬اﻟﺴﻄﺮ ‪( Y1,t 1 = 4‬‬
‫‪ -‬ﻋﻤﻮد ﺑﻘﻴﺪ إﻗﺼﺎء )ﻣﺘﻐﲑ داﺧﻠﻲ أو ﺧﺎرﺟﻲ ﻏﺎﺋﺐ( و ﺑﻘﻴﺪ ﺧﻄﻲ ﻋﻠﻰ اﳌﻌﺎﻣﻼت‬
‫‪ -‬ﻟﻨﺴﺒﺔ ﻟﻌﻼﻗﺎت اﻹﻗﺼﺎء‪ ،‬اﻷﻋﻤﺪة ﻣﻜﻮﻧﺔ ﻣﻦ اﻟﻌﺪد ‪ ،0‬ﺳﺘﺜﻨﺎء اﳌﺘﻐﲑات اﻟﱵ ﻣﻌﺎﻣﻼ ﺎ ﻣﻌﺪوﻣﺔ‪ ،‬ﻧﻀﻊ‬
‫اﻟﻘﻴﻤﺔ ‪1‬‬
‫‪ -‬ﻟﻨﺴﺒﺔ ﻟﻠﻘﻴﻮد ﻋﻠﻰ اﳌﻌﺎﻣﻼت‪ ،‬ﻧﻮﺿﺢ اﻟﻌﻼﻗﺔ ﺑﲔ اﳌﻌﺎﻣﻼت‪ .‬ﰲ ﻫﺬا اﻟﻨﻤﻮذج‪ ،‬ﻟﺪﻳﻨﺎ ‪c11  c12  0 :‬‬
‫)ﻟـ ‪ Y2t‬و ‪ X t‬ﻧﻔﺲ اﳌﻌﺎﻣﻞ(‬
‫ﳝﻜﻦ إﻋﺎدة ﻛﺘﺎﺑﺔ اﻟﺸﺮط ‪Piih  0 :‬‬
‫ﻟﻴﺲ ﻟﺪﻳﻨﺎ ﰲ اﳌﻌﺎدﻟﺔ اﻷوﱃ إﻻ ﻣﺘﻐﲑ ﻏﺎﺋﺐ واﺣﺪ وﻗﻴﺪ ﻋﻠﻰ ﻣﻌﺎﻣﻞ اﳌﺘﻐﲑﻳﻦ ‪ Y2t‬و ‪ ، X t‬ﻟﻴﻜﻦ اﻟﻌﻤﻮدان ‪:‬‬
‫‪0‬‬ ‫‪0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪0‬‬
‫‪i  ‬‬
‫‪1 ‬‬ ‫‪ Y2t‬و ‪ X t‬ﳍﻤﺎ ﻧﻔﺲ اﳌﻌﺎﻣﻞ‬
‫‪0 1 ‬‬ ‫‪‬‬
‫‪‬‬
‫‪1  0‬‬
‫‪‬‬ ‫اﳌﺘﻐﲑ ‪ Y1,t 1‬ﻏﺎﺋﺐ ﰲ اﳌﻌﺎدﻟﺔ اﻷوﱃ‬
‫‪‬‬ ‫‪‬‬
‫ﻏﺎﺋﺐ ﰲ اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ﻟﻴﻜﻦ ‪:‬‬ ‫‪Xt‬‬ ‫ﻟﻨﺴﺒﺔ ﻟـ ‪ ،  2‬ﻟﺪﻳﻨﺎ ﻗﻴﺪ واﺣﺪ ‪ :‬اﳌﺘﻐﲑ‬
‫‪0‬‬
‫‪ ‬‬
‫‪0‬‬
‫‪2   ‬‬ ‫‪‬‬ ‫ﻏﺎﺋﺐ ﰲ اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ‬ ‫‪Xt‬‬ ‫اﳌﺘﻐﲑ‬
‫‪1‬‬
‫‪ ‬‬
‫‪0‬‬
‫‪ ‬‬
‫‪0 0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪ 1  a  a 0  0 1   0 0 ‬‬
‫‪P1  ‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪‬‬
‫‪ b 1‬‬ ‫‪0  c  0  1   c 1 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪1 0 ‬‬
‫‪‬‬ ‫‪‬‬
‫‪rang ( P1 )  1  m  1‬‬ ‫و ﺑﻨﺎء ﻋﻠﻰ ذﻟﻚ‪ ،‬ﻓﺈن ‪:‬‬
‫و ﻫﺬا ﻳﻌﲏ أن اﳌﻌﺎدﻟﺔ اﻷوﱃ ﻣﻌﺮﻓﺔ ﲤﺎﻣﺎ‪.‬‬
‫‪ 0‬‬
‫‪ ‬‬
‫‪ 1  a  a 0  0    a ‬‬
‫‪P 2  ‬‬ ‫‪‬‬ ‫‪ ‬‬
‫‪ b 1‬‬ ‫‪0  c  1   0 ‬‬
‫‪ ‬‬
‫‪ 0‬‬
‫‪ ‬‬
‫أي ‪:‬‬
‫‪rang ( P 2 )   2  1  m  1‬‬
‫إذن اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ ﻣﻌﺮﻓﺔ ﲤﺎﻣﺎ )إﻻ إذا ﻛﺎن ‪( a  0‬‬

‫ﻧﻼﺣﻆ أن ﰲ ﺷﺮط اﻟﺮﺗﺒﺔ اﳌﻌﺎدﻟﺔ اﻷوﱃ ﻣﻌﺮﻓﺔ ﲤﺎﻣﺎ ﻋﻜﺲ ﻧﺘﻴﺠﺔ اﻟﺸﺮط اﻟﻀﺮوري ﺣﻴﺚ وﺟﺪ أن ﻫﺬﻩ‬
‫اﳌﻌﺎدﻟﺔ زاﺋﺪة اﻟﺘﻌﺮﻳﻒ و ﻟﻜﻦ ﻻ ﻳﻬﻢ ﻃﺎﳌﺎ اﳌﻌﺎدﻟﺔ ﻣﻌﺮﻓﺔ ﰲ ﻛﻼ اﳊﺎﻟﺘﲔ‪.‬‬
‫‪ .5‬ﻃﺮق ﺗﻘﺪﻳﺮ اﳌﻌﺎدﻻت اﻵﻧﻴﺔ‬
‫إن ﻫﻨﺎك اﻟﻌﺪﻳﺪ ﻣﻦ ﻃﺮق اﻟﺘﻘﺪﻳﺮ اﻟﱵ ﳝﻜﻦ اﺳﺘﻌﻤﺎﳍﺎ ﻟﺘﺠﻨﺐ اﻟﺘﺤﻴﺰ اﳌﻮﺟﻮد ﰲ ﺣﺎﻟﺔ ﺗﻄﺒﻴﻖ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫اﻟﻌﺎدﻳﺔ ﻋﻠﻰ اﳌﻌﺎدﻻت اﻵﻧﻴﺔ إﻻ أن أﻛﺜﺮ ﻃﺮﻳﻘﺔ ﻣﺴﺘﺨﺪﻣﻪ ﻫﻲ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻏﲑ اﳌﺒﺎﺷﺮة )‪(ILS‬‬
‫وﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻋﻠﻰ ﻣﺮﺣﻠﺘﲔ )‪ (2SLS‬و ﺗﺴﻤﻰ أﻳﻀﺎ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﳌﻀﺎﻋﻔﺔ )‪.(DLS‬‬
‫‪ ‬إذا ﻛﺎن اﻟﻨﻤﻮذج ﻗﺺ اﻟﺘﻌﺮﻳﻒ‪ ،‬ﻓﺎﻟﺘﻘﺪﻳﺮ ﻣﺴﺘﺤﻴﻞ‬
‫‪ ‬إذا ﻛﺎﻧﺖ اﳌﻌﺎدﻟﺔ ﻣﻌﺮﻓﺔ ﲤﺎﻣﺎ‪ ،‬ﻳﺘﻢ اﺳﺘﻌﻤﺎل ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻏﲑ اﳌﺒﺎﺷﺮة )‪ (ILS‬أو ﻃﺮﻳﻘﺔ‬
‫اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻋﻠﻰ ﻣﺮﺣﻠﺘﲔ )‪.(2SLS‬‬
‫‪ ‬أﻣﺎ إذا ﻛﺎﻧﺖ اﳌﻌﺎدﻟﺔ زاﺋﺪة اﻟﺘﻌﺮﻳﻒ‪ ،‬ﻓﻔﻲ ﻫﺬﻩ اﳊﺎﻟﺔ ﻻ ﻳﺘﻢ ﺗﻄﺒﻴﻖ إﻻ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻋﻠﻰ‬
‫ﻣﺮﺣﻠﺘﲔ )‪.(2SLS‬‬
‫‪ .1.5‬ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻏﲑ اﳌﺒﺎﺷﺮة‬

‫ﺗﺮﺗﻜﺰ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻏﲑ اﳌﺒﺎﺷﺮة ﻋﻠﻰ ﺗﻄﺒﻴﻖ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﻋﻠﻰ اﳌﻌﺎدﻻت اﳌﻌﺮﻓﺔ‬
‫ﲤﺎﻣﺎ ﻟﻠﻨﻤﻮذج ﰲ ﺷﻜﻠﻪ اﳌﺨﺘﺰل‪ .‬ﻧﺘﺒﻊ اﳋﻄﻮات اﻟﺘﺎﻟﻴﺔ ‪:‬‬
‫‪ ‬اﻻﻧﺘﻘﺎل ﻣﻦ اﻟﺸﻜﻞ اﳍﻴﻜﻠﻲ إﱃ اﻟﺸﻜﻞ اﳌﺨﺘﺰل ﻟﻠﻨﻤﻮذج‪ ،‬أي ﻛﺘﺎﺑﺔ ﻛﻞ ﻣﺘﻐﲑ داﺧﻠﻲ ﺑﺪﻻﻟﺔ ﲨﻴﻊ‬
‫اﳌﺘﻐﲑات اﳋﺎرﺟﻴﺔ ﰲ اﻟﻨﻤﻮذج‬
‫‪ ‬ﺗﻘﺪﻳﺮ ﻛﻞ ﻣﻌﺎدﻟﺔ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ )‪(OLS‬‬
‫‪ ‬ﺣﺴﺎب ﻣﻌﺎﻣﻼت اﳌﻌﺎدﻻت اﳍﻴﻜﻠﻴﺔ ﻋﻦ ﻃﺮﻳﻖ اﻟﻌﻼﻗﺔ اﳉﱪﻳﺔ اﳌﻮﺟﻮدة ﺑﲔ اﳌﻌﺎﻣﻼت اﳌﺨﺘﺰﻟﺔ و اﳍﻴﻜﻠﻴﺔ‬
‫)اﳊﻞ وﺣﻴﺪ ﻷن اﻟﻨﻤﻮذج ﻣﻌﺮف ﲤﺎﻣﺎ(‬
‫ﺗﻌﺘﱪ ﻣﻘﺪرات ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻏﲑ اﳌﺒﺎﺷﺮة )‪ (ILS‬ﻟﻠﺸﻜﻞ اﳌﺨﺘﺰل أﺣﺴﻦ ﺗﻘﺪﻳﺮ ﺧﻄﻲ و ﻏﲑ ﻣﺘﺤﻴﺰ‬
‫‪ .BLUE‬ﻏﲑ أن ﻣﻘﺪر ﻣﻌﺎﻣﻼت اﻟﺸﻜﻞ اﳍﻴﻜﻠﻲ‪ ،‬اﳌﺘﺤﺼﻞ ﻋﻠﻴﻪ اﻧﻄﻼﻗﺎ ﻣﻦ اﳌﻘﺪر اﻷﻣﺜﻞ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت‬
‫اﻟﺼﻐﺮى ﻏﲑ اﳌﺒﺎﺷﺮة )‪ ،(ILS‬ﻣﺘﺤﻴﺰ ﰲ اﻟﻌﻴﻨﺎت اﻟﺼﻐﲑة‪ ،‬ﻓﺎﳋﺼﺎﺋﺺ اﻟﺘﻘﺎرﺑﻴﺔ ﲡﻌﻞ ﻣﻦ اﻟﺘﺤﻴﺰ ﻳﻘﱰب ﻣﻦ اﻟﺼﻔﺮ‬
‫ﻛﻠﻤﺎ ﻛﱪ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪.‬‬
‫‪ .2.5‬ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻋﻠﻰ ﻣﺮﺣﻠﺘﲔ أو اﳌﻀﺎﻋﻔﺔ‬
‫إن ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ ﻫﻲ اﻷﻛﺜﺮ اﺳـﺘﺨﺪاﻣﺎ ﰲ اﺠﻤﻟـﺎل اﻟﺘﻄﺒﻴﻘـﻲ‪ ،‬ﺣﻴـﺚ أن ﻣﻘـﺪرات اﳌﺮﺑﻌـﺎت اﻟﺼـﻐﺮى اﻟﻌﺎدﻳـﺔ ﺳـﻮف‬
‫ﺗﻜﻮن ﻣﺘﺤﻴﺰة ﻟﺘﺠﻨـﺐ ﻫـﺬا اﻟﺘﺤﻴـﺰ ﳝﻜـﻦ إﳚـﺎد ﻣﺘﻐـﲑ ﻳﺘﻤﻴـﺰ ﺑﻜﻮﻧـﻪ ﻣﺴـﺎو ﰲ اﻟﻘﻴﻤـﺔ ﻟﻠﻤﺘﻐـﲑ اﻟـﺪاﺧﻠﻲ و أﻻ ﻳﻜـﻮن‬
‫ﻣﺮﺗﺒﻄﺎ ﻣﻊ اﳋﻄﺄ اﻟﻌﺸﻮاﺋﻲ‪ .‬إذا وﺟﺪ ﻫﺬا اﳌﺘﻐﲑ وﰎ اﺳﺘﺒﺪاﻟﻪ ﻣﻊ اﳌﺘﻐﲑ اﻟﺪاﺧﻠﻲ ﺣﻴﺚ ﻳﻈﻬﺮ ﻛﻤﺘﻐﲑ ﻣﻔﺴـﺮ وﻳﻜـﻮن‬
‫ﻏﲑ ﻣـﺮﺗﺒﻂ ﻣـﻊ اﳋﻄـﺄ اﻟﻌﺸـﻮاﺋﻲ‪ ،‬ﻓـﺈن اﻟﻔﺮﺿـﻴﺎت اﻷﺳﺎﺳـﻴﺔ ﻟﻠﻨﻤـﻮذج ﺗﻜـﻮن ﳏﻘﻘـﺔ‪ .‬ﻳﺴـﻤﻰ ﻫـﺬا اﳌﺘﻐـﲑ ﳌﺘﻐـﲑ اﻷداة‬
‫‪ Instrumental variable‬ﻟﻴﺤﻞ ﳏﻞ اﳌﺘﻐﲑ اﻟﺪاﺧﻠﻲ‪ ،‬ﺣﻴﺚ أﻧﻪ ﻻ ﺗﻮﺟﺪ ﺳﺒﺒﻴﺔ ‪ causality‬ﺑـﲔ اﳌﺘﻐـﲑ اﻷداﰐ وأي‬
‫ﻣﻦ اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ ﻓﺎﺳﺘﺨﺪام اﳌﺘﻐﲑ اﻷداﰐ ﳚﻨﺐ اﻟﻨﻤﻮذج ﻣﺸﻜﻠﺔ ﺧﺮق ﻓﺮﺿﻴﺎت اﻟﻨﻤـﻮذج ﻹﳚـﺎد ذﻟـﻚ اﳌﺘﻐـﲑ‬
‫ﻧﺴﻌﻰ ﻻﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻋﻠﻰ ﻣﺮﺣﻠﺘﲔ )أو اﳌﻀﺎﻋﻔﺔ(‪.‬‬
‫ﻟ ــﻴﻜﻦ اﻟﻨﻤ ــﻮذج اﳌﺘﻜ ــﻮن ﻣ ــﻦ ‪ m‬ﻣﺘﻐ ــﲑ داﺧﻠ ــﻲ و ‪ k‬ﻣﺘﻐ ــﲑ ﺧ ــﺎرﺟﻲ و ﻣﺘﻐ ـﲑات اﳊ ــﺪ اﻟﻌﺸ ـﻮاﺋﻲ اﳌﻮزﻋ ــﺔ ﺗﻮزﻳﻌ ــﺎ‬
‫ﻃﺒﻴﻌﻴﺎ ‪:‬‬
‫‪b11Y1t  b12Y2t  ...  b1mYmt  c11 X 1t  c12 X 2t  ...  c1k X kt   1t‬‬
‫‪b21Y1t  b22Y2t  ...  b2 mYmt  c 21 X 1t  c 22 X 2t  ...  c 2 k X kt   2t‬‬
‫‪.....‬‬
‫‪bm1Y1t  bm 2Ymt  ...  bmmYmt  c m1 X 1t  c m 2 X 2t  ...  c mk X kt   mt‬‬
‫ﻳــﺘﻢ ﰲ اﳌﺮﺣﻠــﺔ اﻷوﱃ إﺟ ـﺮاء اﳓــﺪار ﻟﻜــﻞ ﻣﺘﻐــﲑ داﺧﻠــﻲ ﻋﻠــﻰ ﲨﻴــﻊ اﳌﺘﻐ ـﲑات اﳋﺎرﺟﻴــﺔ اﳌﻮﺟــﻮدة ﰲ اﻟﻨﻤــﻮذج‬
‫اﳍﻴﻜﻠﻲ‪ ،‬أي اﳓﺪار اﻟﺼﻮرة اﳌﺨﺘﺰﻟﺔ‪:‬‬
‫‪Y1t   11 X 1t   12 X 2t  ...   1k X kt  u1t‬‬

‫‪Y2t   21 X 1t   22 X 2t  ...   2 k X kt  u 2t‬‬
‫‪.....‬‬
‫‪Ymt   m1 X 1t   m 2 X 2t  ...   mk X kt  u mt‬‬
‫واﻟﺬي ﻳﻘﻮد إﱃ ﻗﻴﻤﻪ ﻣﻘﺪرة ﻟﻠﻤﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ‬

‫‪Yˆ1t , Yˆ2t ,..., Yˆmt‬‬
‫و ﰲ اﳌﺮﺣﻠــﺔ اﻟﺜﺎﻧﻴــﺔ‪ ،‬ﻳــﺘﻢ اﺳــﺘﺒﺪال ﻟﻠﻤﺘﻐ ـﲑات اﻟﺪاﺧﻠﻴــﺔ ﻋﻠــﻰ ﳝــﲔ اﳌﻌﺎدﻟــﺔ اﳍﻴﻜﻠﻴــﺔ ﻟﻘــﻴﻢ اﳌﻘــﺪرة وﻳﻌــﲏ ذﻟــﻚ‬
‫اﺳــﺘﺨﺪام اﻟﻘــﻴﻢ اﳌﻘــﺪرة ) وﺗﺴــﻤﻰ ﻣﺘﻐــﲑ أداة ‪ ( Instrumental variable‬ﺑــﺪﻻ ﻋــﻦ اﻟﻘــﻴﻢ اﳊﻘﻴﻘﻴــﺔ ﻟﺘﻠــﻚ اﳌﺘﻐـﲑات‬
‫ﻋﻨﺪ أﺟﺮاء اﻻﳓﺪار و ﻣﻦ ﰎ ﻳﺘﻢ ﺗﻘﺪﻳﺮ اﳌﻌﺎدﻻت اﻟﺘﺎﻟﻴﺔ ﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ‪:‬‬
‫‪Y1t  b12Yˆ2t  ...  b1mYˆmt  c11 X 1t  c12 X 2t  ...  c1k X kt   1t‬‬

‫‪Y2t  b21Yˆ1t  b23Yˆ3t ...  b2 mYˆmt  c 21 X 1t  c 22 X 2t  ...  c 2 k X kt   2t‬‬
‫‪.....‬‬
‫‪Ymt  bm1Yˆ1t  bm 2Yˆ2t  ...  c m1 X 1t  c m 2 X 2t  ...  c mk X kt   mt‬‬
‫ﻧﻼﺣــﻆ أن اﳌﺘﻐــﲑ اﻟﺘــﺎﺑﻊ ﻣــﺎزال ﻫــﻮ اﳌﺘﻐــﲑ اﻟــﺪاﺧﻠﻲ اﻷﺻــﻠﻲ ﻟﻜــﻦ اﻟﺘﻐﻴــﲑ ﰎ ﰲ اﳌﺘﻐـﲑات اﻟﺪاﺧﻠﻴــﺔ اﳌﻮﺟــﻮدة ﰲ‬
‫اﳉﺎﻧﺐ اﻷﳝﻦ ﻟﻠﻤﻌﺎدﻟﺔ اﳍﻴﻜﻠﻴﺔ‪ .‬ﻣﻦ ﺧﻮاص اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ﻋﻠﻰ ﻣﺮﺣﻠﺘﲔ ‪:‬‬
‫‪ ‬ﺗﺘﻤﻴﺰ ﻣﻘﺪرات ‪ 2SLS‬ﺎ ﻣﺘﺴﻘﺔ وﻟﻜﻦ ﺗﻈﻞ ﻣﺘﺤﻴﺰة ﰲ اﻟﻌﻴﻨﺎت اﻟﺼـﻐﲑة‪ ،‬ﻓﻜﻠﻤـﺎ ﻛـﱪ ﺣﺠـﻢ اﻟﻌﻴﻨـﺔ ﻛﻠﻤـﺎ‬
‫ﻛﺎﻧﺖ ﻫﺬﻩ اﳌﻘﺪرات ﻏﲑ ﻣﺘﺤﻴﺰة‬
‫‪ ‬ﳚﺐ اﻟﺘﺄﻛﺪ ﻣﻦ اﳌﺘﻐﲑات اﻟﺪاﺧﻠﺔ ﰲ اﻟﻨﻤﻮذج اﳌﺨﺘﺰل‪ ،‬أي اﻟﻘﻴﺎم ﺧﺘﺒﺎرات ﺣﺴﻦ اﻟﺘﻮﻓﻴﻖ‬
‫‪ ‬إذا ﻛﺎﻧﺖ اﳌﺘﻐﲑات اﳋﺎرﺟﻴﺔ ﻣﺮﺗﺒﻄﺔ ﻓﺎن اﻟﻨﻤﻮذج ﻟﻦ ﻳﻜﻮن ﺟﻴﺪا‬
‫‪ ‬ﻋﻨـﺪ اﺳـﺘﺨﺪام إﺣﺼــﺎﺋﻴﺔ ‪ Student‬ﻻﺧﺘﺒـﺎر اﳌﻌﻨﻮﻳــﺔ اﻹﺣﺼـﺎﺋﻴﺔ ﻟﻠﻤﻌــﺎﱂ‪ ،‬ﻣﻘـﺪرات ‪ 2SLS‬أﻓﻀــﻞ ﺑﻜﺜـﲑ ﻣــﻦ‬
‫ﻣﻘﺪرات ‪.OLS‬‬
‫ﻣﺜﺎل ‪: 2‬‬
‫ﻟﺪﻳﻨﺎ اﻟﺒﻴﺎ ت اﳋﺎﺻﺔ ﳌﺘﻐﲑات اﳌﺬﻛﻮرة ﰲ اﳌﺜﺎل ‪ 1‬واﳌﺒﻴﻨﺔ ﰲ اﳉﺪول اﻟﺘﺎﱄ‪ ،‬ﻋﻠﻤﺎ أن ﻫﺬﻩ اﳌﺘﻐﲑات ﻣﺮﻛﺰة ‪:‬‬
‫اﳉﺪول )‪ :2(1‬اﻟﺒﻴﺎ ت اﻹﺣﺼﺎﺋﻴﺔ ﻟـ ‪ X t ، Y2t ، Y1t‬و ‪Y1,t 1‬‬
‫‪Y1,t 1‬‬ ‫‪Xt‬‬ ‫‪Y2t‬‬ ‫‪Y1t‬‬ ‫اﻟﺴﻨﺔ‬

‫‪20‬‬ ‫‪-26‬‬ ‫‪-14‬‬ ‫‪-30‬‬ ‫‪1992‬‬
‫‪-30‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪-4‬‬ ‫‪1993‬‬
‫‪-4‬‬ ‫‪-36‬‬ ‫‪-19‬‬ ‫‪-19‬‬ ‫‪1994‬‬
‫‪-19‬‬ ‫‪-6‬‬ ‫‪-11‬‬ ‫‪-6‬‬ ‫‪1995‬‬
‫‪2‬‬
‫‪-6‬‬ ‫‪-13‬‬ ‫‪6‬‬ ‫‪-9‬‬ ‫‪1996‬‬

‫‪-9‬‬ ‫‪25‬‬ ‫‪-12‬‬ ‫‪11‬‬ ‫‪1997‬‬
‫‪11‬‬ ‫‪5‬‬ ‫‪10‬‬ ‫‪9‬‬ ‫‪1998‬‬
‫‪9‬‬ ‫‪32‬‬ ‫‪11‬‬ ‫‪19‬‬ ‫‪1999‬‬
‫‪19‬‬ ‫‪14‬‬ ‫‪19‬‬ ‫‪29‬‬ ‫‪2000‬‬
‫ﻧــﺬﻛﺮ أن اﻟﻨﻤــﻮذج اﳌﺒــﲔ ﰲ اﳌﺜــﺎل ‪ 1‬ﻻ ﳛﺘــﻮي ﻋﻠــﻰ ﺛﻮاﺑــﺖ ﻷن اﳌﻌﻄﻴــﺎت ﻣﺮﻛــﺰة‪ ،‬ﻛﻤــﺎ ﻻ ﳝﻜــﻦ ﺗﻄﺒﻴــﻖ ﻃﺮﻳﻘــﺔ‬
‫اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﻋﻠﻰ اﻟﻨﻤﻮذج ﻋﺘﺒﺎر أن ﻋﻨﺪ ﺗﻘﺪﻳﺮ اﳌﻌﺎدﻟﺔ اﳍﻴﻜﻠﻴﺔ اﻟﺜﺎﻧﻴـﺔ‪ ،‬ﳒـﺪ أن ﻫﻨـﺎك ﺗﻨـﺎﻗﺾ‪ ،‬ﺣﻴـﺚ‬
‫أن ‪ Y1t‬ﻳﻈﻬــﺮ ﻛﻤﺘﻐــﲑ ﻣﺴــﺘﻘﻞ ﻟــﺮﻏﻢ ﻣــﻦ وﺟــﻮدﻩ ﻛﻤﺘﻐــﲑ ﺑــﻊ ﰲ اﳌﻌﺎدﻟــﺔ ﻷوﱃ‪ .‬ﻓﺮﺿــﻴﺔ اﺳــﺘﻘﻼﻟﻴﺔ اﳌﺘﻐــﲑ ﻣــﻊ اﳋﻄــﺄ‬
‫ﻏﲑ ﳏﻘﻘﺔ و ﻟﺘﺎﱄ اﳌﻘﺪرات اﻟﱵ ﺳﻨﺤﺼﻞ ﻋﻠﻴﻬﺎ ﻟﻴﺴﺖ ‪.BLUE‬‬
‫ﻟﺘﻄﺒﻴ ــﻖ ﻃﺮﻳﻘ ــﺔ اﳌﺮﺑﻌ ــﺎت اﻟﺼ ــﻐﺮى ﻏ ــﲑ اﳌﺒﺎﺷ ــﺮة ‪ ،ILS‬ﻳﻨﺒﻐ ــﻲ أوﻻ اﻻﻧﺘﻘ ــﺎل ﻣ ــﻦ اﻟﺸ ــﻜﻞ اﳍﻴﻜﻠ ــﻲ إﱃ اﻟﺸ ــﻜﻞ‬
‫اﳌﺨﺘﺰل‪ ،‬ﻟﺪﻳﻨﺎ ‪:‬‬
‫‪a‬‬ ‫‪ac‬‬ ‫‪   1t‬‬
‫‪Y1t ‬‬ ‫‪Xt ‬‬ ‫‪Y1,t 1  2t‬‬
‫‪1  ab‬‬ ‫‪1  ab‬‬ ‫‪1  ab‬‬
‫‪ab‬‬ ‫‪c‬‬ ‫‪  b 1t‬‬
‫‪Y2t ‬‬ ‫‪Xt ‬‬ ‫‪Y1,t 1  2t‬‬
‫‪1  ab‬‬ ‫‪1  ab‬‬ ‫‪1  ab‬‬
‫أي ‪:‬‬
‫‪Y1t   1 X t  1Y1,t 1  1t‬‬
‫‪Y2t   2 X t   2Y1,t 1   2t‬‬
‫ﻧﺘﺎﺋﺞ اﻟﺘﻘﺪﻳﺮ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﻫﻲ ﻛﺎﻟﺘﺎﱄ ‪:‬‬
‫‪Yˆ1t  0.717 X t  0.19Y1,t 1‬‬
‫)‪(4.93‬‬ ‫)‪(1.0‬‬
‫‪R 2  0.78‬‬
‫‪n9‬‬
‫‪Yˆ2t  0.355 X t  0.139Y1,t 1‬‬

‫)‪(1.92‬‬ ‫)‪(1.0‬‬
‫‪R 2  0.36‬‬
‫‪n9‬‬
‫ﺣﻴﺚ )‪ : (.‬ﻗﻴﻢ ﺳﺘﻴﻮدﻧﺖ‬
‫ﰲ ﻫﺬﻩ اﳊﺎﻟﺔ‪ ،‬اﻟﻨﻤﻮذج ﻋﻠﻰ اﻟﺸﻜﻞ اﳌﺨﺘﺰل ﻳﻜﺘﺐ ‪:‬‬
‫‪Y   B 1CX  B 1  AX  ‬‬
‫ﻫﻲ ﻣﺼﻔﻮﻓﺔ ﻣﻌﺎﱂ اﻟﺸﻜﻞ اﳌﺨﺘﺰل اﳌﻘﺪرة‬ ‫‪A   B 1C‬‬ ‫ﻣﻊ ‪:‬‬
‫‪BA  C‬‬ ‫ﻟﺪﻳﻨﺎ إذن ‪:‬‬
‫‪ 1  a  0.717 0.19   a 0 ‬‬

‫‪‬‬ ‫‪‬‬ ‫‪  ‬‬ ‫‪‬‬ ‫أي ‪:‬‬
‫‪  b 1  0.355 0.139   0 c ‬‬
‫و اﻟﺬي ﻳﻌﻄﻴﻨﺎ ‪:‬‬
‫‪0.717  a  0.355  a‬‬
‫‪0.190  a  0.139  0‬‬
‫‪ b  0.190  0.355  0‬‬
‫‪ b  0.190  0.139  c‬‬
‫ﳝﻜــﻦ ﻣــﻦ ﺧــﻼل اﳌﻌــﺎدﻟﺘﲔ اﻷﺧﲑﺗــﲔ ﺗﻘــﺪﻳﺮ ̂‪ b‬و ̂‪ c‬ﺣﻴــﺚ ‪ bˆ  0.495‬و ‪ cˆ  0.045‬ﻷن اﳌﻌﺎدﻟــﺔ اﳍﻴﻜﻠﻴــﺔ‬
‫اﻟﺜﺎﻧﻴﺔ ﻣﻌﺮﻓﺔ ﲤﺎﻣﺎ‪ ،‬ﺑﻴﻨﻤﺎ ﻟﻠﻤﻘﺪر ̂‪ a‬ﻗﻴﻤﺘـﺎن أي أن اﳌﻌﺎﻣـﻞ ‪ a‬ﻏـﲑ ﳏـﺪد ﻷن اﳌﻌﺎدﻟـﺔ اﳍﻴﻜﻠﻴـﺔ اﻷوﱃ زاﺋـﺪة ﺗﻌﺮﻳـﻒ‪.‬‬
‫ﳍــﺬا اﻟﺴــﺒﺐ‪ ،‬ﳚــﺐ ﺗﻄﺒﻴــﻖ ﻃﺮﻳﻘــﺔ اﳌﺮﺑﻌــﺎت اﻟﺼــﻐﺮى ﻋﻠــﻰ ﻣــﺮﺣﻠﺘﲔ ‪ 2SLS‬ﻋﺘﺒــﺎر أن ﻫــﺬﻩ اﻟﻄﺮﻳﻘــﺔ أﻛﺜــﺮ ﻓﻌﺎﻟﻴــﺔ و‬
‫أﻛﺜﺮ دﻗﺔ ﻃﺎﳌﺎ ﻫﻨﺎك ﻣﻌﺎدﻟﺔ زاﺋﺪة ﺗﻌﺮﻳﻒ‪.‬‬
‫ﻣﻦ أﺟﻞ ﺗﻘﺪﻳﺮ ﻛﻞ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج‪ ،‬ﻧﺴﺘﻌﲔ إذن ﺬﻩ اﻟﻄﺮﻳﻘﺔ‪.‬‬
‫ﻟﻨﺴﺒﺔ ﻟﻠﻤﻌﺎدﻟﺔ اﻷوﱃ ‪:‬‬
‫ﻧﻘــﻮم ﳓــﺪار اﳌﺘﻐــﲑ اﻟــﺪاﺧﻠﻲ ‪ Y2t‬ﻋﻠــﻰ ﻛــﻞ اﳌﺘﻐـﲑات اﳋﺎرﺟﻴــﺔ ﰲ اﻟﻨﻤــﻮذج‪ ،‬ﰒ ﻧﻘــﻮم ﲝﺴــﺎب اﻟﻘــﻴﻢ اﳌﻘــﺪرة ﻟ ـ ‪، Yˆ2t‬‬
‫ﺣﻴﺚ وﺟﺪ ﰲ اﻟﺴﺎﺑﻖ‪:‬‬
‫‪Yˆ2t  0.355 X t  0.139Y1,t 1‬‬
‫ﰲ اﳌﻌﺎدﻟﺔ اﻷوﱃ ‪:‬‬ ‫‪Yˆ2t‬‬ ‫ﲟﻘﺪرﻩ‬ ‫‪Y2t‬‬ ‫ﻧﻘﻮم ﺑﻌﺪﻫﺎ ﺑﺘﻌﻮﻳﺾ اﳌﺘﻐﲑ اﻟﺪاﺧﻠﻲ‬
‫‪Y1t  a (Yˆ2t  X t )   1t‬‬
‫ﻧﺘﺎﺋﺞ اﻟﺘﻘﺪﻳﺮ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﻋﻠﻰ ﻫﺬﻩ اﻷﺧﲑة ﻫﻲ ﻛﺎﻟﺘﺎﱄ ‪:‬‬
‫) ‪Yˆ1t  0.535(Yˆ2t  X t‬‬
‫)‪(5.22‬‬
‫‪R 2  0.77‬‬
‫‪n9‬‬
‫أﻣﺎ ﻟﻨﺴﺒﺔ ﻟﻠﻤﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ ‪:‬‬
‫ﻋﻠﻰ ﻛﻞ اﳌﺘﻐﲑات اﳋﺎرﺟﻴﺔ ﰲ اﻟﻨﻤﻮذج‪ ،‬ﰒ ﻧﻘﻮم ﲝﺴﺎب اﻟﻘﻴﻢ اﳌﻘـﺪرة ﻟ ـ ‪، Yˆ1t‬‬ ‫‪Y1t‬‬ ‫ﻧﻘﻮم ﳓﺪار اﳌﺘﻐﲑ اﻟﺪاﺧﻠﻲ‬
‫ﺣﻴﺚ وﺟﺪ ﰲ اﻟﺴﺎﺑﻖ‪:‬‬
‫‪Yˆ1t  0.717 X t  0.19Y1,t 1‬‬
‫ﰲ اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ ‪:‬‬ ‫‪Yˆ1t‬‬ ‫ﲟﻘﺪرﻩ‬ ‫‪Y1t‬‬ ‫ﰒ ﻧﻌﻮض اﳌﺘﻐﲑ اﻟﺪاﺧﻠﻲ‬
‫‪Y2t  bYˆ1t  cY1,t 1   2t‬‬
‫ﻧﺘﺎﺋﺞ اﻟﺘﻘﺪﻳﺮ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﻋﻠﻰ ﻫﺬﻩ اﻷﺧﲑة ﻫﻲ ﻛﺎﻟﺘﺎﱄ ‪:‬‬
‫‪Yˆ2t  0.495Yˆ1t  0.045Y1,t 1‬‬
‫)‪(1.921‬‬ ‫)‪(0.181‬‬
‫‪R 2  0.36‬‬
‫‪n9‬‬
‫ﻣﺜﺎل ‪: 3‬‬
‫ﻟــﻴﻜﻦ اﻟﻨﻤــﻮذج اﻻﻗﺘﺼــﺎدي اﻟﻜﻠــﻲ اﻟﺘــﺎﱄ و اﳌﻌــﺪل ﻣــﻦ ﻃــﺮف ‪ ،Pindyck and Rubinfeld‬اﻟــﺬي ﻳﻌﺘــﱪ ﻣــﻦ‬
‫أﺣﺴﻦ اﻷﻣﺜﻠﺔ اﻟﺒﻴﺪاﻏﻮﺟﻴﺔ ﻟﻠﻤﺸﺎﻛﻞ اﻟﱵ ﳝﻜﻦ أن ﻧﻮاﺟﻬﻬﺎ ﰲ إﻃﺎر دراﺳﺘﻨﺎ ﻟﻠﻤﻌﺎدﻻت اﻵﻧﻴﺔ ‪:‬‬
‫‪C t  a 0  a1Yt  a 2 C t 1   1t‬‬
‫‪I t  b0  b1 I t 1  b2 Rt 1  b3Yt  b4 it  4   2t‬‬
‫‪it  c 0  c1Yt  c 2 Rt  c3 M t  c 4 ist 1   3t‬‬
‫‪Yt  C t  I t  Gt‬‬
‫‪is t  it  it 1‬‬
‫‪Rt  Yt  Yt 1‬‬
‫ﺣﻴﺚ ‪:‬‬
‫‪ : Ct‬اﻻﺳﺘﻬﻼك اﻹﲨﺎﱄ ﺧﻼل اﻟﻔﱰة ‪t‬‬
‫‪ : Yt‬اﻟﻨﺎﺗﺞ اﻟﻮﻃﲏ اﻹﲨﺎﱄ ﺧﻼل اﻟﻔﱰة ‪t‬‬
‫‪ : I t‬اﻻﺳﺘﺜﻤﺎر ﺧﻼل اﻟﻔﱰة ‪t‬‬
‫‪ : it‬ﻣﻌﺪل اﻟﻔﺎﺋﺪة ﺧﻼل اﻟﻔﱰة ‪t‬‬
‫‪ : Gt‬اﻹﻧﻔﺎق اﳊﻜﻮﻣﻲ ﺧﻼل اﻟﻔﱰة ‪t‬‬
‫‪ : ‬اﻟﻔﺮوﻗﺎت ﻣﻦ اﻟﺪرﺟﺔ اﻷوﱃ‬
‫‪ : M t‬ﻋﺮض اﻟﻨﻘﻮد ﺧﻼل اﻟﻔﱰة ‪t‬‬
‫‪ : Rt‬ﻣﻌﺪل اﻟﻨﻤﻮ اﻻﻗﺘﺼﺎدي ﺧﻼل اﻟﻔﱰة ‪t‬‬
‫اﳌﻄﻠﻮب ‪:‬‬
‫‪ .1‬ﲢﺪﻳﺪ اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ و اﳋﺎرﺟﻴﺔ‬
‫‪ .2‬ﺗﻘﺪﻳﺮ اﳌﻌﺎدﻻت ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‬
‫‪ .3‬ﲢﺪﻳﺪ ﺷﺮوط اﻟﺘﻤﻴﻴﺰ )أو اﻟﺘﻌﺮﻳﻒ( و اﻟﻄﺮﻳﻘﺔ اﳌﻨﺎﺳﺒﺔ ﻟﻠﺘﻘﺪﻳﺮ‬
‫اﳊﻞ ‪:‬‬
‫‪ .1‬ﳛﺘﻮي اﻟﻨﻤﻮذج ﻋﻠﻰ ‪ 6‬ﻣﺘﻐﲑات داﺧﻠﻴﺔ و ﻫﻲ ‪ ist ، Yt ، it ، I t ، Ct‬و ‪ ، Yt‬أي ‪ m  6‬و ‪ 9‬ﻣﺘﻐﲑات‬
‫ﺧﺎرﺟﻴﺔ ‪ it 1 ، Yt 1 ، it 4 ، Rt 1 ، I t 1 ، M t ، Gt ، Ct 1‬و ‪) 1‬اﻟﺜﻮاﺑﺖ ﺗﻌﺘﱪ ﻣﻌﺎﻣﻼت ﻣﺘﻐﲑ ﺧﺎرﺟﻲ و ﻫﻮ‬
‫اﻟﻮاﺣﺪ(‪ ،‬أي ‪ . k  9‬ﻧﻼﺣﻆ أﻧﻪ ﻻ ﻳﻮﺟﺪ أي ﻗﻴﺪ ﺧﻄﻲ ﰲ اﻟﻨﻤﻮذج‪ ،‬ﺣﻴﺚ ‪ . r  0‬ﺗﺘﻢ إذن ﻫﺬﻩ اﻟﺪراﺳﺔ‬
‫ﺧﻼل اﻟﻔﱰة ‪ 1947‬و ‪ 1988‬ﻋﻠﻰ ﺷﻜﻞ ﻣﻌﻄﻴﺎت ﻓﺼﻠﻴﺔ‪ ،‬ﳕﺜﻞ ﺑﻴﺎﻧﻴﺎ ﻛﻞ اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ‪.‬‬
‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(1‬اﻟﺘﻤﺜﻴﻞ اﻟﺒﻴﺎﱐ ﻟﻠﻤﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ‬
‫‪ .2‬ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮ ﻛﻞ ﻣﻌﺎدﻟﺔ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ‪ ،‬ﻓﻨﺤﺼﻞ ﻋﻠﻰ ‪:‬‬
‫‪Cˆ t  9.45  0.05Yt  0.92C t 1‬‬
‫)‪(-2.01) (3.20‬‬ ‫)‪(36.73‬‬
‫‪R 2  0.99 , n  144 , DW  1.57‬‬
‫‪Iˆt  31.80  0.57 I t 1  0.19 Rt 1  0.09Yt  5.65it  4‬‬
‫)‪(-5.00) (12.18‬‬ ‫)‪(3.70‬‬ ‫)‪(8.90) (-5.83‬‬
‫‪R 2  0.98 , n  144 , DW  1.85‬‬
‫‪iˆt  0.55  0.0005Yt  0.013Rt  0.085M t  0.42is t 1‬‬
‫)‪(-1.83) (2.24‬‬ ‫)‪(4.31‬‬ ‫)‪(-5.75‬‬ ‫)‪(16.72‬‬
‫‪R 2  0.93 , n  144 , DW  1.36‬‬
‫ﺣﻴﺚ أن اﻟﻘﻴﻢ اﻟﱵ ﺑﲔ ﻗﻮﺳﲔ )‪ (.‬ﻫﻲ إﺣﺼﺎﺋﻴﺎت ﺳﺘﻴﻮدﻧﺖ‪.‬‬
‫ﻣﻦ اﳌﻼﺣـﻆ أن اﳌﻘـﺪرات اﳌﺘﺤﺼـﻞ ﻋﻠﻴﻬـﺎ ﺑﻄﺮﻳﻘـﺔ اﳌﺮﺑﻌـﺎت اﻟﺼـﻐﺮى اﻟﻌﺎدﻳـﺔ ﻣﺘﺤﻴـﺰة و ﻟﺘـﺎﱄ ﻫـﺬﻩ اﻟﻄﺮﻳﻘـﺔ ﻏـﲑ‬
‫ﻣﻨﺎﺳﺒﺔ ﳍﺬا اﻟﻨﻮع ﻣﻦ اﻟﻨﻤﺎذج و ﻋﻠﻴﻪ ﳚﺐ دراﺳﺔ ﺷﺮوط اﻟﺘﻤﻴﻴﺰ و اﺧﺘﻴﺎر ﻃﺮﻳﻘﺔ ﺗﻘﺪﻳﺮ ﻣﻨﺎﺳﺒﺔ‪.‬‬
‫‪ .3‬ﺑﺘﻄﺒﻴﻖ ﺷﺮوط اﻟﺘﻤﻴﻴﺰ‪ ،‬ﻧﺴﺘﻨﺘﺞ أن ﰲ اﳌﻌﺎدﻟﺔ اﳍﻴﻜﻠﻴﺔ اﻷوﱃ ﻣﺘﻐﲑﻳﻦ داﺧﻠﻴﲔ ‪ m '  2‬و ﻣﺘﻐﲑﻳﻦ ﺧﺎرﺟﲔ‬
‫‪ ، k '  2‬ﻫﺬا ﻳﻌﲏ أن ‪ m  m '  k  k '  r  6  2  9  1  0  12  m  1  6  1  5 :‬وﻣﻨﻪ اﳌﻌﺎدﻟﺔ‬
‫اﻷوﱃ زاﺋﺪة ﺗﻌﺮﻳﻒ‪ ،‬أﻣﺎ اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ‪ ،‬ﻫﻨﺎك أﻳﻀﺎ ﻣﺘﻐﲑان داﺧﻠﻴﺎن و أرﺑﻊ ﻣﺘﻐﲑات ﺧﺎرﺟﻴﺔ ‪ m '  2‬و‬
‫‪ ، k '  4‬أي ‪ ، m  m '  k  k '  r  6  2  9  4  0  9  m  1  6  1  5 :‬ﻓﻬﻲ إذن زاﺋﺪة ﺗﻌﺮﻳﻒ‪.‬‬
‫ﻟﻨﺴﺒﺔ ﻟﻠﻤﻌﺎدﻟﺔ اﻟﺜﺎﻟﺜﺔ‪ ،‬ﻫﻨﺎك ﺛﻼث ﻣﺘﻐﲑات داﺧﻠﻴﺔ و ﺛﻼث ﻣﺘﻐﲑات ﺧﺎرﺟﻴﺔ‪ ،‬ﻣﻦ اﳌﻼﺣﻆ أﻳﻀﺎ أ ﺎ زاﺋﺪة‬
‫ﺗﻌﺮﻳﻒ ﻋﺘﺒﺎر أن ‪. m  m '  k  k '  r  6  3  9  3  0  9  m  1  6  1  5‬‬
‫ﲟﺎ أن اﳌﻌﺎدﻻت زاﺋﺪة ﺗﻌﺮﻳـﻒ‪ ،‬ﻓـﻼ ﳝﻜـﻦ ﺗﻄﺒﻴـﻖ ﻃﺮﻳﻘـﺔ اﳌﺮﺑﻌـﺎت اﻟﺼـﻐﺮى ﻏـﲑ اﳌﺒﺎﺷـﺮة ‪ ILS‬ﺑـﻞ ﻃﺮﻳﻘـﺔ اﳌﺮﺑﻌـﺎت‬
‫اﻟﺼــﻐﺮى اﳌﻀــﺎﻋﻔﺔ أو ﻃﺮﻳﻘــﺔ اﳌﺘﻐ ـﲑات اﻷداة‪ .‬ﻧﻘــﱰح إذن ﻫــﺬﻩ اﻷﺧــﲑة ﻋﺘﺒــﺎر أ ــﺎ ﺳــﻬﻠﺔ و ﻻ ﲢﺘــﺎج إﱃ ﳎﻬــﻮد‬
‫إﺿﺎﰲ‪ .‬اﻟﻨﺘﺎﺋﺞ ﻣﺒﻴﻨﺔ ﺳﺘﻌﻤﺎل اﻟﱪﳎﻴﺔ ‪ RATS‬ﰲ اﳌﻠﺤﻖ‪.‬‬
‫‪ .6‬ﻣﺮﺣﻠﺔ اﻟﺘﻨﺒﺆ‬
‫ﺑﻌﺪ اﺧﺘﻴﺎر اﻟﻄﺮﻳﻘﺔ اﳌﻔﻀﻠﺔ ﻟﺘﻘﺪﻳﺮ ﻛﻞ ﻣﻌﺎدﻟﺔ ﻣﻦ اﻟﻨﻤﻮذج وﻓﻖ ﻟﻠﻤﻌﺎﻳﲑ اﻟﺴﺎﺑﻘﺔ‪ ،‬ﻳﺴﺘﺨﺪم اﻟﻨﻤﻮذج ﰲ اﻟﺘﻨﺒﺆ‬
‫إﻻ ﰲ ﺣﺎﻟﺔ ﻣﺎ إذا ﺻﺎدﻓﻨﺎ ﺑﻌﺾ اﳌﺸﺎﻛﻞ ﰲ اﻟﻘﻴﺎس اﻻﻗﺘﺼﺎدي ﻣﺜﻞ اﻟﺘﻌﺪد اﳋﻄﻲ‪ ،‬اﻻرﺗﺒﺎط اﻟﺬاﰐ ﺑﲔ اﻷﺧﻄﺎء‬
‫أو ﻋﺪم ﲡﺎﻧﺲ اﻟﺘﺒﺎﻳﻦ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﻘﻮم ﺑﺘﺼﺤﻴﺢ اﻟﻨﻤﻮذج ﻛﻤﺎ ﻫﻮ ﻣﻌﺮوف ﻗﺒﻞ اﳋﻮض ﰲ ﻋﻤﻠﻴﺔ اﻟﺘﻨﺒﺆ‪ .‬ﻗﺪ ﻳﻜﻮن اﻟﺘﻨﺒﺆ‬
‫ﻧﻘﻄﻴﺎ ‪ punctual‬أي ﺗﻮﻗﻊ ﻗﻴﻤﺔ واﺣﺪة ﻟﻜﻞ ﻣﺘﻐﲑ ﺑﻊ ﰲ ﻛﻞ ﻓﱰة ﻣﻘﺒﻠﺔ‪ ،‬و ﻗﺪ ﻳﻜﻮن ﺑﻔﱰة أو ﳎﺎل ‪ interval‬و‬
‫ﻳﻌﲏ اﻟﺘﻨﺒﺆ ﲟﺪى ﻣﻌﲔ ﺗﻘﻊ داﺧﻠﻪ ﻗﻴﻤﺔ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ ﺣﺘﻤﺎل ﻣﻌﲔ‪.‬‬
‫ﻏﲑ أن اﻹﺷﻜﺎل اﳌﻄﺮوح ﻫﻮ أن اﻟﺘﻨﺒﺆ ﺑﺴﻠﻮك اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ ﺧﺎﺿﻊ ﻟﻠﺘﻨﺒﺆ ﺑﺴﻠﻮك اﳌﺘﻐﲑات اﳋﺎرﺟﻴﺔ اﻟﱵ‬
‫ﺗﻔﺴﺮﻫﺎ ﰲ ﻧﻔﺲ اﻟﻔﱰة و ﻟﻦ ﻳﺘﺄﺗﻰ ذﻟﻚ إﻻ ﺑﺪراﺳﺔ اﻟﺘﻨﺒﺆ ﻋﻦ ﻃﺮﻳﻖ أﺳﻠﻮب اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪ .‬ﻟﻘﻴﺎس اﻟﻘﺪرة‬
‫اﻟﺘﻨﺒﺆﻳﺔ ﻟﻠﻨﻤﻮذج اﻵﱐ‪ ،‬ﻧﺴﺘﻌﻤﻞ ﺑﻌﺾ اﳌﻌﺎﻳﲑ اﻟﺸﺎﺋﻌﺔ اﻻﺳﺘﺨﺪام‪ ،‬ﻧﺬﻛﺮ ﻣﻨﻬﺎ ﻣﺘﻮﺳﻂ ﻣﺮﺑﻌﺎت اﳋﻄﺄ ‪Mean‬‬
‫‪ (MSE) Square Error‬و ﻣﺘﻮﺳﻂ اﳋﻄﺄ ﻟﻘﻴﻤﺔ اﳌﻄﻠﻘﺔ ‪،(MAE) Mean Absolute Error‬‬
‫‪H‬‬
‫‪MSE  H 1  (Yi ,n  H  h  Yî ,n  H  h ) 2‬‬
‫‪h 1‬‬
‫‪H‬‬
‫‪MAE  H 1  Yi ,n  H  h  Yî ,n  H  h‬‬
‫‪h 1‬‬
‫ﻣـﻊ ‪ i  1,2,..., m‬و ‪ h‬ﻫـﻮ أﻓــﻖ اﻟﺘﻨﺒـﺆ ﺣﻴـﺚ ‪ . h  1,2,..., H‬ﺗﻌــﱪ ﻫـﺬﻩ اﳌﻌــﺎﻳﲑ ﻋـﻦ ﻣـﺪى ﺛــﺮ ﻣﺘﻮﺳـﻂ ﻣﺮﺑﻌــﺎت‬
‫ﺧﻄﺄ اﻟﺘﻨﺒﺆ أو ﻣﺘﻮﺳﻂ اﻟﻘﻴﻤـﺔ اﳌﻄﻠﻘـﺔ ﳋﻄـﺄ اﻟﺘﻨﺒـﺆ ﻟﻔـﺮق ﺑـﲔ اﻟﻘـﻴﻢ اﻟﺘﻨﺒﺆﻳـﺔ اﻟﻨﻈﺮﻳـﺔ و ﺗﻠـﻚ اﻟﺘﻘﺪﻳﺮﻳـﺔ‪ .‬ﲡـﺪر اﻹﺷـﺎرة‬
‫إﱃ اﻧــﻪ إذا ﻛﺎﻧــﺖ ﻧﺴــﺒﺔ اﻟﺘﺤﻴــﺰ ﻛﺒــﲑة‪ ،‬ﻓــﺈن ﻫــﺬا ﻳــﺪل ﻋﻠــﻰ أن ﻣﺘﻮﺳــﻂ اﻟﻘــﻴﻢ اﳌﺘﻮﻗﻌــﺔ ﺗﻨﺤــﺮف ﺣﻘﻴﻘﻴــﺎ ﻋــﻦ ﻣﺘﻮﺳــﻂ‬
‫اﻟﻘﻴﻢ اﻷﺻﻠﻴﺔ و ﻫﺬا ﻳﻌﺪ ﺧﻄﺄ ﻳﺴﺘﺪﻋﻲ ﻣﺮاﺟﻌﺔ ﺑﻨﺎء اﻟﻨﻤﻮذج‪.‬‬
‫ﳝﻜﻦ ﻗﻴﺎس ﻛﻔﺎءة اﻟﻘﺪرة اﻟﺘﻨﺒﺆﻳﺔ ﻟﻠﻨﻤﻮذج ﺳﺘﻌﻤﺎل ﻣﻌﺎﻣﻞ ﻳﻞ ‪ Theil‬و ﻧﺮﻣﺰ ﻟـﻪ ﺑ ـ ‪ U‬ﻓﻴﻌـﱪ ﻋﻨـﻪ ر ﺿـﻴﺎ ﻛﻤـﺎ‬
‫ﻳﻠﻲ ‪:‬‬
‫‪H‬‬
‫‪H 1  (Yi ,n  H  h  Yî ,n  H  h ) 2‬‬
‫‪h 1‬‬
‫‪U‬‬
‫‪H‬‬ ‫‪H‬‬
‫‪H 1  Yi ,2n  H  h  H 1  Yî ,2n  H  h‬‬
‫‪h 1‬‬ ‫‪h 1‬‬
‫و ﺗﻨﺤﺼﺮ ﻗﻴﻤﺔ ‪ U‬ﺑﲔ اﻟﺼﻔﺮ و اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ‪ ،‬ﻓﻜﻠﻤﺎ اﻗﱰﺑﺖ ﻣﻦ اﻟﺼـﻔﺮ أﺷـﺎر ذﻟـﻚ إﱃ ﻛﻔـﺎءة اﻟﻘـﺪرة اﻟﺘﻨﺒﺆﻳـﺔ‬
‫ﻟﻠﻨﻤﻮذج‪.‬‬
‫ﻣﺜﺎل ‪: 4‬‬
‫ﺧﺬ ﻣﻌﻄﻴﺎت اﳌﺜﺎل اﻟﺴﺎﺑﻖ‪ ،‬ﻧﺬﻛﺮ أن ﻟﻠﻨﻤﻮذج ﺳﺖ ﻣﺘﻐﲑات داﺧﻠﻴﺔ‪ .‬ﻟﺪراﺳﺔ اﻟﻘﺪرة اﻟﺘﻨﺒﺆﻳﺔ ﳍﺬا اﻟﻨﻤﻮذج‪،‬‬
‫ﻧﻘﻮم ﻋﺎدة ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج إﱃ ﻏﺎﻳﺔ ‪ 1981‬و ﻣﻦ ﰎ ﳓﺴﺐ اﻟﺘﻨﺒﺆ ﺧﻼل اﻟﻔﱰة اﳌﻤﺘﺪة ﺑﲔ ‪ 1982‬و ‪.1985‬‬
‫اﳉﺪول اﻟﺘﺎﱄ ﻳﻌﻄﻲ ﻧﺘﺎﺋﺞ اﺧﺘﺒﺎر اﻟﻘﺪرة اﻟﺘﻨﺒﺆﻳﺔ ‪:‬‬
‫اﳉﺪول )‪ :(2‬اﻟﻘﺪرة اﻟﺘﻨﺒﺆﻳﺔ ﻟﻠﻨﻤﻮذج‬
‫ﻣﻌﺎﻣﻞ ‪U‬‬ ‫)‪MAE (%‬‬ ‫)‪MSE (%‬‬ ‫‪h‬‬ ‫اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ‬

‫‪0.49‬‬ ‫‪10.23‬‬ ‫‪12.50‬‬ ‫‪1‬‬
‫‪0.26‬‬ ‫‪12.01‬‬ ‫‪12.90‬‬ ‫‪2‬‬
‫‪Ct‬‬
‫‪0.13‬‬ ‫‪11.32‬‬ ‫‪13.82‬‬ ‫‪3‬‬
‫‪0.18‬‬ ‫‪10.75‬‬ ‫‪13.33‬‬ ‫‪4‬‬
‫‪0.68‬‬ ‫‪18.70‬‬ ‫‪24.82‬‬ ‫‪1‬‬
‫‪0.41‬‬ ‫‪18.81‬‬ ‫‪25.25‬‬ ‫‪2‬‬
‫‪It‬‬
‫‪0.29‬‬ ‫‪18.42‬‬ ‫‪26.13‬‬ ‫‪3‬‬
‫‪0.23‬‬ ‫‪19.08‬‬ ‫‪25.32‬‬ ‫‪4‬‬
‫‪1.14‬‬ ‫‪0.74‬‬ ‫‪1.14‬‬ ‫‪1‬‬
‫‪0.67‬‬ ‫‪0.78‬‬ ‫‪0.93‬‬ ‫‪2‬‬
‫‪it‬‬
‫‪0.37‬‬ ‫‪0.82‬‬ ‫‪1.22‬‬ ‫‪3‬‬
‫‪0.54‬‬ ‫‪0.65‬‬ ‫‪1.18‬‬ ‫‪4‬‬
‫‪0.50‬‬ ‫‪19.73‬‬ ‫‪27.25‬‬ ‫‪1‬‬
‫‪0.26‬‬ ‫‪19.74‬‬ ‫‪27.69‬‬ ‫‪2‬‬
‫‪Yt‬‬
‫‪0.18‬‬ ‫‪20.19‬‬ ‫‪28.07‬‬ ‫‪3‬‬
‫‪0.14‬‬ ‫‪19.62‬‬ ‫‪28.94‬‬ ‫‪4‬‬
‫‪0.64‬‬ ‫‪0.74‬‬ ‫‪1.14‬‬ ‫‪1‬‬
‫‪0.37‬‬ ‫‪0.78‬‬ ‫‪1.18‬‬ ‫‪2‬‬
‫‪ist‬‬
‫‪0.28‬‬ ‫‪0.82‬‬ ‫‪1.22‬‬ ‫‪3‬‬
‫‪0.17‬‬ ‫‪0.65‬‬ ‫‪0.93‬‬ ‫‪4‬‬
‫‪0.84‬‬ ‫‪19.73‬‬ ‫‪27.25‬‬ ‫‪1‬‬
‫‪0.48‬‬ ‫‪19.74‬‬ ‫‪28.94‬‬ ‫‪2‬‬
‫‪Rt‬‬
‫‪0.56‬‬ ‫‪20.19‬‬ ‫‪28.07‬‬ ‫‪3‬‬
‫‪0.61‬‬ ‫‪19.62‬‬ ‫‪27.69‬‬ ‫‪4‬‬
‫ﻋﻨــﺪ ﻗﺮاءﺗﻨــﺎ ﻟﻠﻨﺘــﺎﺋﺞ‪ ،‬ﻳﺘﻀــﺢ أن ﻟﻠﻨﻤــﻮذج ﻗــﺪرة ﺗﻨﺒﺆﻳــﺔ ﻛﻔــﺆة ﻧﻮﻋــﺎ ﻣــﺎ‪ ،‬ﺣﻴــﺚ ﻧﻼﺣــﻆ‪ ،‬ﺳــﺘﺜﻨﺎء ﻣﻌــﺪل اﻟﻔﺎﺋــﺪة‬
‫وﻣﻌـﺪل اﻟﻨﻤــﻮ‪ ،‬أن ﻗـﻴﻢ ﻣﻌﺎﻣــﻞ ‪ U‬ﺗﺘﻨـﺎﻗﺺ ﳓــﻮ ﻗـﻴﻢ ﺗﻘــﱰب ﻣـﻦ اﻟﺼــﻔﺮ ﻛﻠﻤـﺎ زد ﰲ أﻓــﻖ اﻟﺘﻨﺒـﺆ‪ ،‬إﻻ أن اﻟﺘﻨﺒــﺆ اﳋــﺎص‬
‫ﲟﻌــﺪل اﻟﻨﻤــﻮ ﻏــﲑ ﺟﻴــﺪ و ﻫــﺬا ﻣــﺎ ﻧﻼﺣﻈــﻪ ﻣــﻦ ﺧــﻼل اﻟﻨﺘــﺎﺋﺞ‪ ،‬ﻓﻴﺘﻀــﺢ ﺟﻠﻴــﺎ أن ﻣﻌﻈــﻢ اﻟﻘــﻴﻢ ﺗﻘــﱰب ﻣــﻦ اﻟﻮاﺣــﺪ‪ .‬ﰎ‬
‫اﳊﺼﻮل ﻋﻠﻰ ﻫﺬﻩ اﻟﻨﺘﺎﺋﺞ وذﻟﻚ ﻻﺳﺘﻌﺎﻧﺔ ﻟﺘﻌﻠﻴﻤﺔ اﳋﺎﺻﺔ ﺑﱪﳎﻴﺔ ‪ RATS‬اﳌﺒﻴﻨﺔ ﰲ اﳌﻠﺤﻖ‪.‬‬
‫‪ .1‬ﻧﻘﻮم ﻋﻄﺎء ﻧﺘﺎﺋﺞ ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻵﱐ اﳌﻘﱰح ﰲ اﳌﺜﺎل اﻷول و اﻟﺜﺎﱐ ﺳﺘﻌﻤﺎل ‪ RATS‬وﻓﻖ اﻟﱪ ﻣﺞ اﻟﺘﺎﱄ‪:‬‬
‫ﻋﻠــﻰ ﻛــﻞ اﳌﺘﻐ ـﲑات اﳋﺎرﺟﻴــﺔ ﰲ اﻟﻨﻤــﻮذج‪ ،‬ﰒ ﻧﻘــﻮم‬ ‫‪Y2t‬‬ ‫ﻟﻨﺴــﺒﺔ ﻟﻠﻤﻌﺎدﻟــﺔ اﻷوﱃ‪ ،‬ﻧﻘــﻮم ﳓــﺪار اﳌﺘﻐــﲑ اﻟــﺪاﺧﻠﻲ‬
‫ﲝﺴﺎب اﻟﻘﻴﻢ اﳌﻘﺪرة ﻟـ ‪ Yˆ2t‬و ﻧﺴﻤﻴﻬﺎ ‪: y2hat‬‬
‫ﳍﻤــﺎ‬ ‫‪Xt‬‬ ‫و‬ ‫‪Yˆ2t‬‬ ‫ﻧﻘــﻮم ﺑﻌــﺪﻫﺎ ﺑﺘﻌــﻮﻳﺾ اﳌﺘﻐــﲑ اﻟــﺪاﺧﻠﻲ ‪ Y2t‬ﲟﻘــﺪرﻩ ‪ Yˆ2t‬ﰲ اﳌﻌﺎدﻟــﺔ اﻷوﱃ و ﲟــﺎ أن اﳌﺘﻐ ـﲑﻳﻦ‬
‫ﻧﻔﺲ اﳌﻌﺎﻣﻞ‪ ،‬ﻓﻴﻤﻜﻦ اﺳﺘﺒﺪال ﳎﻤﻮﻋﻬﻤﺎ ﲟﺘﻐﲑ آﺧﺮ ‪ Z t‬و ﻋﻠﻴﻪ ﻧﻘﺪر اﳌﻌﺎدﻟﺔ اﻷوﱃ ‪:‬‬
‫ﻋﻠ ــﻰ ﻛ ــﻞ اﳌﺘﻐـ ـﲑات اﳋﺎرﺟﻴ ــﺔ ﰲ‬ ‫‪Y1t‬‬ ‫ﻧﻔ ــﺲ اﻟﺸ ــﻲء ﻟﻨﺴ ــﺒﺔ ﻟﻠﻤﻌﺎدﻟ ــﺔ اﻟﺜﺎﻧﻴ ــﺔ‪ ،‬ﻧﻘ ــﻮم ﳓ ــﺪار اﳌﺘﻐ ــﲑ اﻟ ــﺪاﺧﻠﻲ‬
‫اﻟﻨﻤﻮذج‪ ،‬ﰒ ﻧﻘﻮم ﲝﺴﺎب اﻟﻘﻴﻢ اﳌﻘﺪرة ﻟـ ‪ Yˆ1t‬و ﻧﺴﻤﻴﻬﺎ ‪: y1hat‬‬
‫ﰲ اﳌﻌﺎدﻟﺔ اﻷوﱃ‪ ،‬ﰒ ﻧﻘﺪر ‪:‬‬ ‫‪Yˆ1t‬‬ ‫ﲟﻘﺪرﻩ‬ ‫‪Y1t‬‬ ‫ﻧﻌﻮض اﳌﺘﻐﲑ اﻟﺪاﺧﻠﻲ‬
‫ﻧﻼﺣ ــﻆ أن ﻫ ــﺬﻩ اﻟﻄﺮﻳﻘ ــﺔ ﻃﻮﻳﻠ ــﺔ و ﺧ ــﺬ ﳎﻬ ــﻮدا إﺿ ــﺎﻓﻴﺎ و ﳍ ــﺬا اﻟﺴ ــﺒﺐ‪ ،‬اﻟﱪﳎﻴ ــﺎت ﺗﺴ ــﻤﺢ ﺑﺘﻌﻠﻴﻤ ــﺔ واﺣ ــﺪة‬
‫اﺳﺘﻌﻤﺎل ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ ﻟﻠﺘﻘﺪﻳﺮ‪ ،‬ﻓﻴﺘﻌﻠﻖ اﻷﻣﺮ ﻫﻨﺎ ﺑﻄﺮﻳﻘﺔ اﳌﺘﻐﲑات اﻷداة‪ .‬اﻟﺘﻌﻠﻴﻤﺔ ﻫﻲ ﻛﺎﻟﺘﺎﱄ ‪:‬‬
‫‪ -‬اﳌﻌﺎدﻟﺔ اﻷوﱃ ‪:‬‬
‫‪ -‬اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ ‪:‬‬
‫‪ .2‬ﻧﻌﻄﻲ ﻧﺘﺎﺋﺞ ﺗﻘﺪﻳﺮ اﻟﻨﻤﻮذج اﻵﱐ اﳌﻘﱰح ﰲ اﳌﺜﺎل اﻟﺜﺎﻟﺚ ‪:‬‬
‫ﳕﺜﻞ ﺑﻴﺎﻧﻴﺎ ﻛﻞ ﻣﺸﺎﻫﺪات اﳌﺘﻐﲑات اﻟﺪاﺧﻠﻴﺔ و ذﻟﻚ ﻻﺳﺘﻌﺎﻧﺔ ﻟﱪ ﻣﺞ اﻟﺘﺎﱄ ‪:‬‬
‫ﻧﻘﺪر اﳌﻌﺎدﻟﺔ اﳍﻴﻜﻠﻴﺔ اﻷوﱃ ﺑﻄﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ‪:‬‬

‫ﻧﻘﺲ ﻟﻨﺴﺒﺔ ﻟﻠﻤﻌﺎدﻟﺔ اﻟﺜﺎﻧﻴﺔ ‪:‬‬
‫و اﳌﻌﺎدﻟﺔ اﻟﺜﺎﻟﺜﺔ‪ ،‬ﻛﻤﺎ ﻳﻠﻲ ‪:‬‬

‫ﻛﻤﺎ ﻻﺣﻈﻨﺎ أن ﻫﺬﻩ اﻟﻄﺮﻳﻘﺔ ﺗﻌﻄﻲ ﺗﻘﺪﻳﺮات ﻣﺘﺤﻴﺰة وﻋﻠﻴﻪ ﻧﺴﺘﻌﻤﻞ ﻃﺮﻳﻘﺔ اﳌﺘﻐـﲑات اﻷداة‪ ،‬ﻟـﺘﻜﻦ ﻧﺘـﺎﺋﺞ ﺗﻘـﺪﻳﺮ‬
‫اﳌﻌﺎدﻻت اﻟﺜﻼﺛﺔ ﻋﻠﻰ اﻟﱰﺗﻴﺐ و اﳌﺒﻴﻨﺔ ﰲ ﳐﺮﺟﺎت اﻟﱪﳎﻴﺔ ‪: RATS‬‬
‫ﻟﺪراﺳــﺔ ﻛﻔــﺎءة اﻟﺘﻨﺒــﺆ ﺑﻘــﻴﻢ اﳌﺘﻐ ـﲑات اﻟﺪاﺧﻠﻴــﺔ ﰲ اﻟﻨﻤــﻮذج اﻵﱐ‪ ،‬ﻧﺴــﺘﻌﻤﻞ أﻳﻀ ـﺎ اﻟﱪﳎﻴــﺔ ‪ RATS‬ﳍــﺬا اﻟﻐــﺮض و‬
‫اﻟﱪ ﻣﺞ ﻫﻮ ﻛﺎﻟﺘﺎﱄ ‪:‬‬
‫ﺣﻴﺚ ‪ 6‬ﻳﻌﱪ ﻋﻦ ﻋﺪد اﳌﻌﺎدﻻت ﰲ اﻟﻨﻤﻮذج و ‪ 4‬ﻋﺪد اﻟﺘﻨﺒﺆات و ﻫﻨﺎ ‪. h  4‬‬

‫اﻟﺠﺪاول اﻹﺣﺼﺎﺋﯿﺔ‪126 .......................................................................................................................................................‬‬
‫ﺟﺪول ﺗﻮزﻳﻊ ﺳﺘﻴﻮدﻧﺖ‬

‫ﺗﻮزﻳﻊ ﻛﺎي ﺗﺮﺑﻴﻊ‬

‫ﺟﺪول ﺗﻮزﻳﻊ ﻓﻴﺸﺮ‬

‫ﺟﺪول ﺗﻮزﻳﻊ ﻓﻴﺸﺮ‬

‫ﺟﺪول درﺑﲔ‪-‬واﺗﺴﻮن‬
‫‪Laplace-Gauss‬‬ ‫ﺟﺪول اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ‬

‫اﻟﻤﺮاﺟﻊ ‪132 .......................................................................................................................................................................‬‬
‫ﻗﺎﺋﻤﺔ اﳌﺮاﺟﻊ ﻟﻠﻐﺔ اﻟﻌﺮﺑﻴﺔ ‪:‬‬
‫اﻣﺘﺜﺎل ﳏﻤﺪ ﺣﺴﻦ‪ ،‬ﳏﻤﺪ ﻋﻠﻲ ﳏﻤﺪ أﲪﺪ‪ ،‬ﻣﺒﺎدئ اﻻﺳﺘﺪﻻل اﻹﺣﺼﺎﺋﻲ‪ ،‬اﻹﺳﻜﻨﺪرﻳﺔ ‪ :‬اﻟﺪار اﳉﺎﻣﻌﻴﺔ‪،‬‬ ‫‪-1‬‬
‫‪.2000‬‬
‫اﻟﺴﻌﻴﺪ ﻫﺘﻬﺎت‪ ،‬دراﺳﺔ اﻗﺘﺼﺎدﻳﺔ وﻗﻴﺎﺳﻴﺔ ﻟﻈﺎﻫﺮة اﻟﺘﻀﺨﻢ ﰲ اﳉﺰاﺋﺮ‪ ،‬ﻣﺬﻛﺮة ﻟﻨﻴﻞ ﺷﻬﺎدة اﳌﺎﺟﺴﺘﲑ‪ ،‬ﻏﲑ‬ ‫‪-2‬‬
‫ﻣﻨﺸﻮرة‪ ،‬ﺟﺎﻣﻌﺔ ورﻗﻠﺔ‪ ،‬ﻛﻠﻴﺔ اﳊﻘﻮق واﻟﻌﻠﻮم اﻻﻗﺘﺼﺎدﻳﺔ‪.2006 ،‬‬
‫اﳌﺮﺳﻲ اﻟﺴﻴﺪ اﳊﺠﺎزي‪ ،‬ﻋﺒﺪ اﻟﻘﺎدر ﳏﻤﺪ ﻋﻄﻴﺔ‪ ،‬ﻣﻘﺪﻣﺔ ﰲ اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ ‪ :‬اﳌﺒﺎدئ واﻟﺘﻄﺒﻴﻘﺎت‪،‬‬ ‫‪-3‬‬
‫اﻟﺮ ض ‪ :‬اﻟﻨﺸﺮ اﻟﻌﻠﻤﻲ واﳌﻄﺎﺑﻊ‪.2001 ،‬‬
‫أﻣﻮري ﻫﺎدي ﻛﺎﻇﻢ اﳊﺴﻨﺎوي‪ ،‬ﻃﺮق اﻟﻘﻴﺎس اﻻﻗﺘﺼﺎدي‪ ،‬ﻋﻤﺎن ‪ :‬دار واﺋﻞ ﻟﻠﻨﺸﺮ‪.2002 ،‬‬ ‫‪-4‬‬
‫أﻳﺖ ﻃﺎﻟﺐ ﲪﻴﺪ‪ ،‬ﳏﺎوﻟﺔ ﺑﻨﺎء ﳕﻮذج اﻗﺘﺼﺎدي ﻟﻠﺘﻀﺨﻢ ﰲ اﳉﺰاﺋﺮ‪ ،‬ﻣﺬﻛﺮة ﻟﻨﻴﻞ ﺷﻬﺎدة اﳌﺎﺟﺴﺘﲑ‪ ،‬ﻏﲑ‬ ‫‪-5‬‬
‫ﻣﻨﺸﻮرة‪ ،‬ﺟﺎﻣﻌﺔ اﳉﺰاﺋﺮ‪ ،‬ﻛﻠﻴﺔ اﻟﻌﻠﻮم اﻻﻗﺘﺼﺎدﻳﺔ‪.1997 ،‬‬
‫ﺗﻮﻣﻲ ﺻﺎﱀ‪ ،‬ﻣﺪﺧﻞ ﻟﻨﻈﺮﻳﺔ اﻟﻘﻴﺎس اﻻﻗﺘﺼﺎدي‪ ،‬اﳉﺰاﺋﺮ ‪ :‬دﻳﻮان اﳌﻄﺒﻮﻋﺎت اﳉﺎﻣﻌﻴﺔ‪ ،‬ج)‪.1999 ،(1‬‬ ‫‪-6‬‬
‫ﺣﺴﻦ ﳏﻤﺪ ﺣﺴﻦ ﳏﻤﺪ‪ ،‬أﺳﺎﺳﻴﺎت اﻹﺣﺼﺎء وﺗﻄﺒﻴﻘﺎﺗﻪ‪ ،‬اﻹﺳﻜﻨﺪرﻳﺔ ‪ :‬دار اﳌﻌﺮﻓﺔ اﳉﺎﻣﻌﻴﺔ‪ ،‬ﺑﺪون ﺳﻨﺔ‪.‬‬ ‫‪-7‬‬
‫ﺣﺸﻤﺎن ﻣﻮﻟﻮد‪ ،‬ﳏﺪدات اﻷﺟﺮ ﰲ اﳉﺰاﺋﺮ‪ ،‬أﻃﺮوﺣﺔ دﻛﺘﻮراﻩ اﻟﺪوﻟﺔ‪ ،‬ﻏﲑ ﻣﻨﺸﻮرة‪ ،‬ﺟﺎﻣﻌﺔ اﳉﺰاﺋﺮ‪ ،‬ﻛﻠﻴﺔ‬ ‫‪-8‬‬
‫اﻟﻌﻠﻮم اﻻﻗﺘﺼﺎدﻳﺔ وﻋﻠﻮم اﻟﺘﺴﻴﲑ‪.2000 ،‬‬
‫ز د رﻣﻀﺎن‪ ،‬ﻣﺒﺎدئ اﻹﺣﺼﺎء اﻟﻮﺻﻔﻲ واﻟﺘﻄﺒﻴﻘﻲ و اﳊﻴﻮي‪ ،‬ﻃﺐ ‪ 5‬؛ ﻋﻤﺎن ‪ :‬دار واﺋﻞ ﻟﻠﻨﺸﺮ‪.2001 ،‬‬ ‫‪-9‬‬
‫ﺳﻠﻔﺎدور دوﻣﻴﻨﻴﻚ‪ ،‬اﻹﺣﺼﺎء واﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ‪ ،‬ﻃﺐ‪ 2‬؛ اﳉﺰاﺋﺮ ‪ :‬دﻳﻮان اﳌﻄﺒﻮﻋﺎت اﳉﺎﻣﻌﻴﺔ‪.1993 ،‬‬ ‫‪-10‬‬
‫ﲰﲑ ﳏﻤﺪ ﻋﺒﺪ اﻟﻌﺰﻳﺰ‪ ،‬اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ‪ :‬ﻣﺪﺧﻞ ﰲ اﲣﺎذ اﻟﻘﺮارات‪ ،‬اﻹﺳﻜﻨﺪرﻳﺔ ‪ :‬ﻣﻜﺘﺒﺔ اﻹﺷﻌﺎع ﻟﻠﻄﺒﺎﻋﺔ‬ ‫‪-11‬‬
‫واﻟﻨﺸﺮ واﻟﺘﻮزﻳﻊ‪.1997 ،‬‬
‫ﺷﺮاﰊ ﻋﺒﺪ اﻟﻌﺰﻳﺰ‪ ،‬ﻃﺮق إﺣﺼﺎﺋﻴﺔ ﻟﻠﺘﻮﻗﻊ اﻻﻗﺘﺼﺎدي‪ ،‬اﳉﺰاﺋﺮ ‪ :‬دﻳﻮان اﳌﻄﺒﻮﻋﺎت اﳉﺎﻣﻌﻴﺔ‪.2000 ،‬‬ ‫‪-12‬‬
‫ﺻﺎﱀ ﺗﺮﻛﻲ اﻟﻘﺮﻳﺸﻲ‪ ،‬ﻇﻢ ﳏﻤﺪ ﻧﻮري اﻟﺸﻤﺮي‪ ،‬ﻣﺒﺎدئ ﻋﻠﻢ ﻻﻗﺘﺼﺎد‪ ،‬اﳌﻮﺻﻞ ‪ :‬دار اﻟﻜﺘﺐ ﻟﻠﻄﺒﺎﻋﺔ‬ ‫‪-13‬‬
‫واﻟﻨﺸﺮ‪.1993 ،‬‬
‫ﻋﺒﺪ اﳊﻤﻴﺪ ﻋﺒﺪ اﺠﻤﻟﻴﺪ اﻟﺒﻠﺪاوي‪ ،‬اﻹﺣﺼﺎء ﻟﻠﻌﻠﻮم اﻹدارﻳﺔ واﻟﺘﻄﺒﻴﻘﻴﺔ‪ ،‬ﻋﻤﺎن ‪ :‬دار اﻟﺸﺮوق ﻟﻠﻨﺸﺮ واﻟﺘﻮزﻳﻊ‪،‬‬ ‫‪-14‬‬
‫‪.1997‬‬
‫ﻋﺒﺪ اﻟﺮﲪﺎن ﺑﻦ ﳏﻤﺪ ﺳﻠﻴﻤﺎن أﺑﻮ ﻋﻤﻪ‪ ،‬أﻧﻮر أﲪﺪ ﳏﻤﺪ ﻋﺒﺪ ﷲ‪ ،‬ﳏﻤﻮد ﳏﻤﺪ إﺑﺮاﻫﻴﻢ ﻫﻨﻴﺪي‪ ،‬اﻹﺣﺼﺎء‬ ‫‪-15‬‬
‫اﻟﺘﻄﺒﻴﻘﻲ‪ ،‬اﻟﺮ ض ‪ :‬ﻣﻄﺎﺑﻊ ﺟﺎﻣﻌﺔ اﳌﻠﻚ ﺳﻌﻮد‪.1995 ،‬‬

‫ﻋﺒﺪ اﻟﻘﺎدر ﳏﻤﺪ ﻋﺒﺪ اﻟﻘﺎدر ﻋﻄﻴﺔ‪ ،‬اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ ﺑﲔ اﻟﻨﻈﺮﻳﺔ واﻟﺘﻄﺒﻴﻖ‪ ،‬ط)‪ (2‬؛ اﻹﺳﻜﻨﺪرﻳﺔ ‪ :‬اﻟﺪار‬ ‫‪-16‬‬
‫اﳉﺎﻣﻌﻴﺔ‪.2000 ،‬‬
‫اﻟﻤﺮاﺟﻊ ‪133 .......................................................................................................................................................................‬‬
‫ﻋﺒﺪ اﻟﻘﺎدر ﳏﻤﺪ ﻋﺒﺪ اﻟﻘﺎدر‪ ،‬ﻃﺮق ﻗﻴﺎس اﻟﻌﻼﻗﺎت اﻻﻗﺘﺼﺎدﻳﺔ ﻣﻊ ﺗﻄﺒﻴﻘﺎت ﻋﻠﻰ اﳊﺎﺳﺐ اﻻﻟﻜﱰوﱐ‪،‬‬ ‫‪-17‬‬
‫اﻹﺳﻜﻨﺪرﻳﺔ‪ :‬دار اﳉﺎﻣﻌﺎت اﳌﺼﺮﻳﺔ‪.1990 ،‬‬
‫ﻋﺒﺪ اﻟﻘﺎدر ﳏﻤﺪ ﻋﺒﺪ اﻟﻘﺎدر‪ ،‬ﻃﺮق ﻗﻴﺎس اﻟﻌﻼﻗﺎت اﻻﻗﺘﺼﺎدﻳﺔ ﻣﻊ ﺗﻄﺒﻴﻘﺎت ﻋﻠﻰ اﳊﺎﺳﺐ اﻻﻟﻜﱰوﱐ‪،‬‬ ‫‪-18‬‬
‫اﻹﺳﻜﻨﺪرﻳﺔ ‪ :‬دار اﳉﺎﻣﻌﺎت اﳌﺼﺮﻳﺔ‪.1990 ،‬‬
‫ﻋﺒﺪ اﻟﻨﺎﺻﺮ اﻟﻌﺒﺎدي‪ ،‬ﻋﺒﺪ اﳊﻠﻴﻢ ﻛﺮاﺟﺔ‪ ،‬ﳏﻤﺪ اﻟﺒﺎﺷﺎ‪ ،‬ﻣﺒﺎدئ اﻻﻗﺘﺼﺎد اﻟﻜﻠﻲ‪ ،‬ط)‪ (1‬؛ ﻋﻤﺎن ‪ :‬دار‬ ‫‪-19‬‬
‫ﺻﻔﺎء ﻟﻠﻨﺸﺮ واﻟﺘﻮزﻳﻊ‪.2000 ،‬‬
‫ﻛﻤﺎل ﺳﻠﻄﺎن ﳏﻤﺪ ﺳﺎﱂ‪ ،‬اﻹﺣﺼﺎء اﻻﺣﺘﻤﺎﱄ ‪ ،‬اﻹﺑﺮاﻫﻴﻤﻴﺔ ‪ :‬اﻟﺪار اﳉﺎﻣﻌﻴﺔ‪.2004 ،‬‬ ‫‪-20‬‬
‫ﻟﺒﻴﺒﺔ ﺣﺴﺐ اﻟﻨﱯ اﻟﻌﻄﺎر‪ ،‬ﻣﻘﺪﻣﺔ ﰲ اﻻﺳﺘﺪﻻل اﻹﺣﺼﺎﺋﻲ‪ ،‬اﻹﺳﻜﻨﺪرﻳﺔ ‪ :‬اﻟﺪار اﳉﺎﻣﻌﻴﺔ ﻟﻠﻄﺒﺎﻋﺔ واﻟﻨﺸﺮ‬ ‫‪-21‬‬
‫واﻟﺘﻮزﻳﻊ‪.1993 ،‬‬
‫ﻟﺰﻋﺮ ﻋﻠﻲ‪ ،‬اﻹﺣﺼﺎء وﺗﻮﻓﻴﻖ اﳌﻨﺤﻨﻴﺎت‪ ،‬اﳉﺰاﺋﺮ ‪ :‬دﻳﻮان اﳌﻄﺒﻮﻋﺎت اﳉﺰاﺋﺮﻳﺔ‪.2000 ،‬‬ ‫‪-22‬‬
‫ﳎﺪي ﳏﻤﻮد ﺷﻬﺎب‪ ،‬اﻻﻗﺘﺼﺎد اﻟﻨﻘﺪي‪ ،‬اﻹﺳﻜﻨﺪرﻳﺔ ‪ :‬اﻟﺪار اﳉﺎﻣﻌﻴﺔ ‪.1990،‬‬ ‫‪-23‬‬
‫ﻣﺼﻄﻔﻰ اﳋﻮاﺟﺔ‪ ،‬ﻣﻘﺪﻣﺔ ﰲ اﻹﺣﺼﺎء‪ ،‬اﻹﺳﻜﻨﺪرﻳﺔ ‪ :‬اﻟﺪار اﳉﺎﻣﻌﻴﺔ‪.2002 ،‬‬ ‫‪-24‬‬
‫ﻇﻢ ﺣﻴﺪر‪ ،‬اﻟﻮﺳﻴﻂ ﰲ اﻹﺣﺼﺎء اﻟﺘﻄﺒﻴﻘﻲ‪ ،‬ﻃﺐ ‪ 2‬؛ دﻣﺸﻖ ‪ :‬دار اﻟﻜﺘﺎب‪.1977 ،‬‬ ‫‪-25‬‬
‫ﻧﺼﻴﺐ رﺟﻢ‪ ،‬اﻹﺣﺼﺎء اﻟﺘﻄﺒﻴﻘﻲ‪ ،‬ﻋﻨﺎﺑﻪ ‪ :‬دار اﻟﻌﻠﻮم ﻟﻠﻨﺸﺮ واﻟﺘﻮزﻳﻊ‪.2004 ،‬‬ ‫‪-26‬‬
‫ﻧﻌﻤﺔ ﷲ ﳒﻴﺐ إﺑﺮاﻫﻴﻢ‪ ،‬ﻣﻘﺪﻣﺔ ﰲ ﻣﺒﺎدئ اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ‪ ،‬اﻹﺳﻜﻨﺪرﻳﺔ ‪ :‬ﻣﺆﺳﺴﺔ ﺷﺒﺎب اﳉﺎﻣﻌﺔ‪2002 ،‬‬ ‫‪-27‬‬
‫‪.‬‬
‫ﻫﲏ أﲪﺪ‪ ،‬دروس ﰲ اﻟﺘﺤﻠﻴﻞ اﻻﻗﺘﺼﺎدي اﻟﻜﻠﻲ‪ ،‬اﳉﺰاﺋﺮ ‪ :‬دﻳﻮان اﳌﻄﺒﻮﻋﺎت اﳉﺎﻣﻌﻴﺔ‪.1991،‬‬ ‫‪-28‬‬
‫وﻟﻴﺪ اﲰﺎﻋﻴﻞ اﻟﺴﻴﻔﻮ و أﲪﺪ ﳏﻤﺪ ﻣﺸﻌﻞ‪ ،‬اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ اﻟﺘﺤﻠﻴﻠﻲ ﺑﲔ اﻟﻨﻈﺮﻳﺔ و اﻟﺘﻄﺒﻴﻖ‪ ،‬ﻋﻤﺎن‪ :‬دار‬ ‫‪-29‬‬
‫ﳎﺪﻻوي ﻟﻠﻨﺸﺮ و اﻟﺘﻮزﻳﻊ‪.2003 ،‬‬
‫ﻗﺎﺋﻤﺔ اﳌﺮاﺟﻊ ﻟﻠﻐﺎت اﻷﺟﻨﺒﻴﺔ ‪:‬‬
‫‪30-‬‬ ‫‪Akaike, H. (1973), “Information theory and an extension of the maximum likelihood prin-‬‬
‫‪ciple”, in B.N. Petrov and F. Csâki, eds, 2nd International Symposium on Information Theory,‬‬
‫‪Akadémia Kiado, Budapest.‬‬
‫‪31-‬‬ ‫‪Akaike, H. (1974), “ A new look at the statistical model identification”, IEEE Transactions on‬‬
‫‪automatic Control, Vol. 19.‬‬
‫‪32-‬‬ ‫‪Akaike, H. (1979), “A bayesian extension of the minimum AIC procedure”, Biometrika, Vol.‬‬
‫‪66.‬‬
‫‪33-‬‬ ‫‪Almon, S. (1965), “The distributed lag between capital appropriation and expenditures”,‬‬
‫‪Econometrica, Vol. 33, n° l.‬‬
‫‪34-‬‬ ‫‪Andrews, D. (1991), “Heteroskedasticity and Autocorrelation Consistent Covariance Matrix‬‬
‫‪Estimation”, Econometrica, 59, 817-858.‬‬
‫‪35-‬‬ ‫‪Bendib, R. (2001), « Econométrie: Théorie et Applications ». Alger, O.P.U..‬‬
134 ....................................................................................................................................................................... ‫اﻟﻤﺮاﺟﻊ‬
36- Bierens, H.J. (1987), “Kernel estimators of regression functions”. In Advances in

Econometrics, 99-144, Cambridge University Press, Cambridge.
37- Blomquist, S, Eklof, M and Newey, W. (1997), “Tax reform using nonparametric methods”.
Sweden 1980-1991. Uppsala- Working papers series.
38- Bosq, D et Lecoutre, J.P. (1987), « Théorie de l'estimation fonctionnelle ». Economica, Paris.
39- Bosq, D et Lecoutre, J.P. (1992), « Analyse et prévision des séries chronologiques ». Masson,
Paris
40- Bosq, D. (1979), « Sur la prédiction non paramétrique de variables aléatoires et mesures
aléatoires », Pub. Interne, UER de Mathématiques, Lilies.
41- Bosq, D. (1996), “Nonparametric statistics for stochastic processes”. Lecture Notes in
statistics, 110, Springer-verlag.
42- Bourbonnais, R. (2003), « Econométrie ». 5e édition. Paris, Dunod, 2003.
43- Breusch, T. (1978), « Testing for autocorrélation in dynamic linear models », Australian
Economie Papers, Vol. 17.
44- Brockmann, M. (1993), “Locally adaptive bandwidth choice for kernel regression estimators”.
J. Amer. Statist. Assoc, 88,1302-1309.
45- Brown, R.G, Durbin, J and Evans, J.M. (1975), « Techniques for testing the constancy of the
regression relationship overtime », Journal of the Royal Statistical Society, B, 37(2).
46- Chen, R, Hardie, W and Linton, O and Severance-Lossin, E. (1995), “Nonparametric
estimation of additive separable regression models”, Discussion paper 95-50, SFB 373,
Humboldt Universitât zu Berlin.
47- Chikhi, M, (2001), "Modélisation non paramétrique des processus stochastiques : Analyse non
paramétrique de non linéarité de l'indice CAC40 ". Thèse de doctorat, Université de
Montpellier I.
48- Cochrane, J.H. (1988), “How Big is the Random Walk in GNP ?”, Journal of Political
Economy, 96, 893-920.
49- Collomb, G. (1976), « Estimation non paramétrique de la régression par la méthode du
noyau », Thèse de l'université de Toulouse I.
50- Collomb, G and Hardie, W. (1986), “Strong mixing convergence rates in robust
nonparametric time series and prediction for dependent observations”, Stoch. Proc . and their
Appl. 23, 77-89.
51- Collomb, G. (1980), Estimation non paramétrique de probabilités conditionnelles, C.R. Acad.
sci. Paris Sér I Math. 291,427-430.
52- Collomb, G. (1984), « Propriétés de convergence presque complète du prédicteur à noyau »,
Zeitschrift fur Wahschein lichkeitstheorie und verwandte Gedbiete, 66,441-460.
53- Collomb, G. (1985,), “Nonparametric regression”. An up to date bibliography. Statistics,
16(2), 309-324.
54- Devroye, L. (1983), “The equivalence of weak, strong and complete convergence in I) for
kernel density estimates”, Ann. Stetist. 12, 1231-1249.
55- Dormont, B. (1999), « Introduction à l'économétrie », Montchrestien, Paris, 1999.
56- Durbin, J. (1970), “Testing for serial correlation in least-squares regression when some of the
regressors are lagged dependant variables”, Biometrika, Vol. 38.
57- Durbin, J and Watson, G.S. (1951), “Testing for serial correlation in least-squares regression”,
Biometrika, Vol. 38.
58- Engle, R.F. (1982), “Autoregressive conditional heteroscedasticity with estimate of the
variance of U.K. inflation ». Econometrica, Vol. 50.
59- Farrar, D.E and Glauber, R.R. (1967), “Multicolinearity in regression analysis”. Review of
Economies and Statistics, Vol. 49.
60- Godfrey, L.G. (1978), “Testing for higher order serial correlation in regression equation when
the regressors contain lagged dependant variables”, Econometrica, Vol. 46.
135 ....................................................................................................................................................................... ‫اﻟﻤﺮاﺟﻊ‬
61- Goldfeld, S.M and Quandt, R.E. (1965), “Some tests of homoscedasticity”. Journal ofthe
American Statistical Association, Vol. 60.
62- Goldfeld, S.M and Quandt, R.E. (1972), “Non linear methods in econometrics”. North-Holland.
Amsterdam.
63- Grais, B. (1978), « Méthodes Statistiques ». Paris, Dunod.
64- Greene, W.H. (2000), “Econometric Analysis”, Prentice Hall, 4e ed.
65- Griffiths, W.E and Carter Hill, R and Judge, G.G. (1993), “Learning and practicing
econometrics”. John Willey, New York.
66- Hamdani, H. (1988), « Statistique descriptive et expression graphique ». Alger, OPU.
67- Hannan, E.J and Quinn, B.G. (1979), “The determination of the order of an autoregression”.
Journal of the royal statistical Society Series B, 41,190-195.
68- Hardle, W and Marron, J. S. (1985), “Optimal bandwidth selection in nonparametric
regression function estimation”. Annals of Statistics, 13, 1465-81.
69- Hardle, W and Vieu, P. (1992), “Kernel regression smoothing of time series”. Journal Time
series analysis, 13,209-232.
70- Hardle, W. (1989), “Applied nonparametric regression”. Cambridge University Press,
Cambridge.
71- Jonston, .J. (1988), « Méthodes statistiques ». Paris. Economica. Tome 2.
72- Judge, G.C, Griffts, W.E, Hill, R.C, Lutkephonhl, H and Lee T.C. (1984), “The Theory and
Pratice of Econometrics”. John Willy and Sons.
73- Lecoutre, J.P et Tassi, P. (1987), « Statistique non paramétrique et Robustesse ». Economica.
74- Lewandowski, R, Newton, J, Parzen, E and Winkler, R. (1984), “The forecasting accuracy of
major time series methods”. New York ; Wiley.
75- Martin, V and Sawyer, K. (1994), “Statistical techniques for modelling nonlinearities”. in
Chaos and non-linear models in economic, CREEDY, J., MARTIN, V.L, Edward Edgar
Publishes.
76- Matzner-Lober, E. (1997), « Prévision non paramétrique des processus stochastiques ». Thèse
de doctorat de l'université de Montpellier II.
77- Parzen, E. (1962), “On estimation of a probability density function and mode”. The annals of
mathematical statistics, 33,1065-1076.
78- Pindyck, R. S and Rubenfled, D. (1981), “Econométrics models and economic forecasts”, MC
Gow HillBook Compagny, 1981.
79- Quenouille, M.H. (1949), “The joint distribution of serial correlation coefficients”. Annuals of
mathematical statistics, Vol. 20, 1949.
80- Peligrad, M. (1987), “Properties of uniform consistency of the kernel estimates of density and
of regression functions under dependence assumptions”. Preprint.
81- Rosenblatt, M. (1956), “A central limit theorem and a strong mixing condition”. Proc. Nato.
Ac. Se. USA, 42,43-45
82- Sarda, P and Vieu, P. (1985), “Nonparametric regression estimation, application to
prediction”, Proceedings of the 4th E.Y.S.M., Pliska, Studia Mathematica Bulgarica.
83- Schwarz, G. ‘1978), “Estimating the dimension of a model”, The annals of Statistics, Vol. 6.
1978..
84- Silverman, B.W. (1986), “Density estimation for Statistics and data analysis”. Chapman &
Hall.
85- Stone, C. J. (1985), “Additive regression and other nonparametric models”, Annals of
Statistics, 13, 689-705.
86- Thomas, R.L. (1997), “Modem econometrics”, Addison-Wesley,
87- Vieu, P. (1992), “Bandwidth selection for kernel regression”. A survey.Comp. Statist.
88- Vieu, P . (1995), “Order choice in nonlinear autoregressive models”. Statistics, OPA, 26, 307-
328.
89- Watson, G.S. (1964), “Smooth regression analysis”. Sankhyâ, A26, 359-372
136 ....................................................................................................................................................................... ‫اﻟﻤﺮاﺟﻊ‬
90- White, H. (1980), “A heteroskedasticity-consistent covariance estimator and a direct test fc

heteroskedasticity”. Econometrica, Vol. 48, 1980.
91- Wold, H. (1954), “A study in the analysis of stationary time series, Almquist-Wiksell.

محاضرات في الإقتصاد القياسي1

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

محاضرات في الإقتصاد القياسي1

Uploaded by

Copyright:

Available Formats

‫اجلمهورية اجلزائرية الدميقراطية الشعبية‬

‫وزارة التعليم العايل والبحث العلمي‬

‫الدكتور حممد شيخي‬

‫‪0200/0202‬‬ ‫السنة اجلامعية‬

‫دروس وأﻣﺜﻠﺔ ﳏﻠﻮﻟﺔ ﰲ اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎﺳﻲ‬

‫د‪ /‬ﳏﻤﺪ ﺷﻴﺨﻲ‬

‫‪2011/2010‬‬ ‫اﻟﺴﻨﺔ اﳉﺎﻣﻌﻴﺔ‬

‫اﻟﻔﺼﻞ اﻷول ‪:‬‬

‫‪ .1‬ﻛﺘﺎﺑﺔ اﻟﻨﻤﻮذج اﳋﻄﻲ واﻟﻔﺮﺿﻴﺎت اﻷﺳﺎﺳﻴﺔ‪:‬‬

‫و ‪ X i‬ﻋﻠﻰ اﻟﺸﻜﻞ ‪:‬‬ ‫‪Yi‬‬ ‫ﳝﻜﻦ ﳕﺬﺟﺔ اﻟﻌﻼﻗﺔ ﺑﲔ اﳌﺘﻐﲑﻳﻦ‬

‫‪ 1‬ﻋﺒﺪ اﻟﻘﺎدر ﻣﺤﻤﺪ ﻋﺒﺪ اﻟﻘﺎدر‪ ،1990 ،‬ص ‪.89‬‬

‫‪ ‬اﻟﻌﻼﻗﺔ اﳊﻘﻴﻘﻴﺔ ﺑﲔ اﳌﺘﻐﲑ اﻟﺘﺎﺑﻊ واﳌﺴﺘﻘﻞ ﻗﺪ ﺗﻜﻮن ﻏﲑ ﺧﻄﻴﺔ‪.‬‬

‫أي أن اﻷﺧﻄﺎء ﺗﻜﻮن ﻣﺴﺘﻘﻠﺔ ﻋﻦ ‪: Xi‬‬

‫‪ .2‬ﺗﻘﺪﻳﺮ ﻣﻌﺎﱂ اﻟﻨﻤﻮذج‪:‬‬

‫‪ .1.2‬ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‪:‬‬

‫‪ 2‬ﻋﺒﺪ اﻟﺤﻤﯿﺪ ﻋﺒﺪ اﻟﻤﺠﯿﺪ اﻟﺒﻠﺪاوي‪ ،1997 ،‬ص ‪.506‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ : (1‬اﳍﺪف ﻣﻦ ﻃﺮﻳﻘﺔ اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى‬

‫‪ X‬‬ ‫‪ X Yi  Y ‬‬

‫‪ .2.2‬ﺧﺼﺎﺋﺺ ﻣﻘﺪرات اﳌﺮﺑﻌﺎت اﻟﺼﻐﺮى ‪:‬‬

‫‪x y‬‬ ‫‪i‬‬ ‫‪i‬‬

‫‪:‬‬ ‫‪i‬‬ ‫ﺧﺼﺎﺋﺺ‬

‫‪w‬‬ ‫‪i‬‬ ‫‪0‬‬ ‫‪-‬‬

‫‪w x‬‬ ‫‪i‬‬ ‫‪i‬‬ ‫‪1‬‬ ‫‪-‬‬

‫ﻳﻜﺘﺐ ﻋﻠﻰ اﻟﺸﻜﻞ ‪:‬‬ ‫‪̂1‬‬ ‫ﻧﻌﻠﻢ أن‬

‫ﻓﻬﻮ‬ ‫‪ ‬‬

‫‪:‬‬ ‫‪ˆ0‬‬ ‫ﻟﻨﺴﺒﺔ ﻟـ‬ ‫‪‬‬

‫ﳝﻜﻦ أﻳﻀﺎ ﻛﺘﺎﺑﺔ اﻟﺜﺎﺑﺘﺔ اﳌﻘﺪرة ‪ ˆ0‬ﻋﻠﻰ اﻟﺸﻜﻞ اﻟﺘﺎﱄ ‪:‬‬

‫‪2. lim var(ˆ1 )  p lim var(ˆ1 )  0‬‬

‫اﳉﺪول )‪ :(1‬ﺗﻄﻮر اﻻﺳﺘﻬﻼك و اﻟﺪﺧﻞ ﺧﻼل ‪ 10‬ﺳﻨﻮات‬

‫اﻟﺪﺧﻞ اﳌﺘﺎح ‪X i‬‬ ‫اﻻﺳﺘﻬﻼك اﻹﲨﺎﱄ ‪Yi‬‬ ‫اﻟﺴﻨﺔ ‪i‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ :(2‬ﺳﺤﺎب اﻟﻨﻘﺎط ﻟﻠﺰوج )اﻻﺳﺘﻬﻼك‪-‬اﻟﺪﺧﻞ(‬

‫و ‪. ̂1‬‬ ‫‪ˆ0‬‬ ‫اﻧﻄﻼﻗﺎ ﻣﻦ ﻣﻌﻄﻴﺎت اﳉﺪول )‪ ،(1‬ﻧﻘﻮم ﲝﺴﺎب ﻛﻞ ﻣﻦ‬

‫اﳉﺪول )‪ :(2‬ﺣﺴﺎب ﻣﻌﺎﻣﻼت اﻻﳓﺪار‬

‫‪ X‬‬ ‫‪ X Yi  Y ‬‬

‫‪ˆ0  Y  ˆ1 X  23.61  (0.21)(60.57)  10.89‬‬

‫‪ .3‬ﺗﻮزﻳﻊ اﳌﻌﺎﻳﻨﺔ ﻟﻠﻤﻘﺪرات و اﻟﺘﻘﺪﻳﺮ اﺠﻤﻟﺎﱄ ﻟﻠﻤﻌﺎﱂ‪:‬‬

‫‪ .1.3‬ﺣﺴﺎب ﺗﺒﺎﻳﻨﺎت اﳌﻘﺪرات ‪:‬‬

‫ˆ‪‬‬ ‫‪  w‬‬

‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ ‪:‬‬

‫‪‬‬ ‫‪ i 1‬‬ ‫‪i‬‬ ‫‪j‬‬

‫‪‬‬ ‫‪‬‬ ‫‪‬‬ ‫‪n‬‬

‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ ‪:‬‬

‫‪‬‬ ‫‪ i 1‬‬ ‫‪i‬‬ ‫‪j‬‬

‫ﻓﺈن ‪:‬‬ ‫‪ E ( i  j )  0‬و ‪E ( i2 )   2‬‬ ‫ﲟﺎأن‬

‫ﺗﻌﻄﻰ ﻟﻌﻼﻗﺔ اﻟﺘﺎﻟﻴﺔ ‪:‬‬ ‫) ‪var(ˆ0‬‬ ‫و‬ ‫) ‪var(ˆ1‬‬ ‫اﻟﻌﻼﻗﺔ ﺑﲔ‬

‫ˆ‪ˆ ‬‬ ‫‪ var ˆ0   ‬‬‫‪ ‬‬ ‫‪X‬‬ ‫‪i‬‬

‫‪ˆ ˆ  var ˆ1 ‬‬ ‫‪ ‬‬ ‫‪‬‬

 0  ˆ0   0  Y  ˆ1 X   0  (  0  1 X   )  ˆ1 X  ( ˆ1  1 ) X  

: ‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ‬

: ‫دﺧﺎل اﻟﺘﻮﻗﻊ اﻟﺮ ﺿﻲ ﻋﻠﻰ اﻟﻄﺮﻓﲔ‬

.‫ و ذﻟﻚ ﻟﻮﺟﻮد ﻣﻌﻠﻤﲔ ﻟﻠﺘﻘﺪﻳﺮ ﰲ اﻟﻨﻤﻮذج‬2 ‫ ﺗﻌﱪ ﻋﻦ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻗﺺ‬،‫اﳊﺮﻳﺔ‬

‫‪ .2.3‬ﺑﻨﺎء ﳎﺎل اﻟﺜﻘﺔ ﻟﻠﻤﻌﺎﱂ ‪:‬‬

‫‪ˆ1  1‬‬ ‫‪t  n2 ‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪ : (3‬ﺗﻮزﻳﻊ اﳌﻌﺎﻳﻨﺔ ﻟـ ‪ ̂1‬ﺛﻨﺎﺋﻲ اﻟﻄﺮف‬

‫اﳉﺪول )‪ :(3‬ﺣﺴﺎب ﺑﻮاﻗﻲ اﻟﺘﻘﺪﻳﺮ‬

‫‪î2‬‬ ‫‪î‬‬ ‫‪Yî‬‬ ‫‪Yi‬‬ ‫‪i‬‬

‫ˆ‪ ‬‬ ‫‪i‬‬

‫‪i‬‬ ‫‪ X )2‬‬

‫‪ˆ 2‬‬ ‫‪0.26‬‬

‫‪ˆ ˆ  var(ˆ1 )  0.000124  0.011‬‬

‫‪ˆ ˆ  var(ˆ0 )  0.49  0.7‬‬

‫ﳝﻜﻦ ﺑﻨﺎء ﳎﺎﻻت ﺛﻘﺔ ﻟﻠﻤﻌﺎﱂ‪:‬‬

‫‪1‬‬ ‫‪1‬‬ ‫ˆ‪ˆ ˆ , ˆ1  t 0.025ˆ ‬‬

‫‪ .4‬اﻟﺘﻘﺪﻳﺮ ﺑﻄﺮﻳﻘﺔ اﳌﻌﻘﻮﻟﻴﺔ اﻟﻌﻈﻤﻰ‬