‫خطوات نماذج ‪ VAR VECM‬وسببية جرانجر وسببية نودا يماموتو ‪ -‬الى المهتمين باالقتصاد القياسي ‪-‬‬

‫جمعت لكم في منشور واحدة بعض ماكتبت حول المنهجيات االكاديمية الجراء النماذج التالية‬

‫‪BOX JENKINZ‬‬

‫‪ VAR‬‬

‫فكرة عن التكامل المشترك‬

‫‪ VECM‬‬

‫‪ GRANGER CAUSALITY‬‬

‫‪TODA YAMAMOTO‬‬

‫موضوع حول استقرارية السالسل الزمنية ومنهجية بوكس جينكنز‬

‫اوال استقرارية السلسلة في الحالة احادية البعد ‪univarié‬‬

‫ظهر مصطلح االستقرارية اول مرة مقترنا بمصطلح االنحدار الزائف عند ‪ Granger & newbold‬سنة ‪ 1974‬حيث ولدا سالسل‬
‫مستقرة عن طريق المحاكاة واثبثا مفهوم االنحدار الزائف حيث في السالسل الزمنية المستقرة الصدمات ستكون مؤقتة وتاثيرهم عبر‬
‫الزمن سوف يتالشى كما تعود لقيم المتوسط في االجل الطويل من جهة اخرى السالسل الغير المستقرة سوف تتضمن عناصر دائمة‬
‫‪chocs permanents‬‬

‫‪-‬وهذا هو السبب االصلي و الحقيقي وراء وجوب استقرارية السالسل الزمنية‪-‬‬

‫في بداية التمانينات عدة درسات اجريت اثبث من خاللها ان السالسل الزمنية في االقتصاد الكلي هي غير مستقرة‪ ‬‬

‫وافضل دراسة بهذا الخصوص هي دراسة )‪, Nelson et plosser(1982‬التي اثبثث ان السالسل االقتصادية الكلية غير مستقرة وتحتاج‬
‫لتطوير طرق قياسية لجعل السلسلة مستقرة ومن هنا ظهر مفهوم ‪TS ,DS‬‬

‫وحاولت الدراسة االجابة على مايلي‪ ‬‬

‫هل كل سلسلة تحتوى على صدمات‪ D‬دائمة او عشوائية ومن اعمال ‪ Nelson &plosser‬ظهرت مقاربتين‪:‬‬

‫االولى ‪ univariée‬وتشتمل على تحليل الخصائص االحصائية للسالسل‪ ،‬ودراسة ظاهرة الصمود في التقلبات االقتصادية ‪la‬‬
‫‪ persistance des fluctuations économique‬‬

‫الثانية ‪ multivariée‬ونشتمل على نماذج متعددة المتغيرات بوجود سيرورات متكاملة كمقاربة ‪Engle &Granger‬‬
‫)‪(1987),johansen(1988,1991‬‬
 ‫معنى االستقرار‬

‫هناك نوعين من االستقرارية بالنسبة للسيرورات الخطية (الغير الخطية شيء اخر)‬

‫االستقرارية القوية او من الدرجة االولى(الدرجة االولى ليس معناه مستقرة بعد الفروقات من الدرجة االولى بل معناه االستقرارية من‬
‫النوع االول ‪-‬ان صح المصطلح‪)-‬‬

‫لها عدة تعريفات كتعريف باستعمال دالة الكثافة ‪..‬‬

‫اما ابسط تعريف لها‪ ‬‬

‫نقول عن سلسلة انها مستقرة استقرارية قوية ‪:‬اذا كان مجموع عزومها من الدرجة ‪ k‬مستقلة عن الزمن وهده مفهوم نظري فقط يتحقق‬
‫في الفيزياء ومكانيكا الكم وفي البيانات عالية التردد ‪ high frequency‬لكن في االقتصاد مستحيل ‪.‬‬

‫االستقرارية الضعيفة او تسمى االستقرارية من الدرجة الثانية‬

‫وهي التي تستعمل في االقتصاد القياسي‪ ‬‬

‫حيث يكون‪ ‬‬

‫المتوسط ثابث ومستقل عن الزمن من اجل كل لحظة ‪t‬‬

‫التباين ثابث ومنتهي ومستقل عن الزمن من اجل كل لحظة‪ ‬‬

‫التباين المشترك اي االستقاللية وعدم االرتباط بين المشاهدات الزمنية الحالية والسابقة‪ ‬‬

‫يمكن التخلي عن هذه الخاصية ادا كان حجم العينة كبير‪ ‬‬

‫ومن هنا يمكن ان نسنتج مايلي‪ ‬‬

‫نعلم ان المتوسط هو العزم من الدرجة االولى‪ ‬‬

‫التباين العزم من الدرجة الثانية‪ ‬‬

‫اي االستقرارية الضعيفة هي استقاللية‪ .‬العزم االول والثاني عن الزمن اما اذا انتقلنا الى العزوم من الدرجة ‪ k‬سنتحول من االستقرارية‬
‫الضعيفة الى االستقرارية القوية‬

‫لكن في الجوانب التطبيقية نستعمل االستقرارية الضعيفة‬

‫كل السالسل الزمنية تحتوى على عنصر او عدة عناصر عشوائية او غير عشوائية يجب الوقوف عندها‬

‫اسباب عدم االستقرارية في السالسل الزمنية الخطية‬

‫وجود اتجاه عام عشوائي اومحدد‪ ‬‬

‫وجود مشكل التباين او سرعة التقلب ‪volatilité‬‬

‫وجود تغير هيكلي في بنية السلسلة الزمنية‬

‫وجود نقاط شاذة في السالسل الزمنية‪ ‬‬

 ‫عدم خطية السلسلة‪ ‬‬

‫تقلبات الزمن الكثيرة مثال السالسل العالية التردد‪ ‬‬

‫وجود االثار الموسمية في سلسلة زمنية ما‬

‫انواع السالسل الغير المستقرة هناك نوعين‬

‫السالسل الزمنية من نوع ‪ DS‬هي عباره عن اتجاه عام عشوائي معامل ميله‪-‬ان‪ .‬صح التعبير اكبر من الواحد‪ ‬‬

‫ان كان يساوي الواحد نحن في حال سيرورة سير عشوائي ‪ random walk‬وهذه السيرورة لها تطبيقات واسعة في مجال االسهم وكفاءة‬
‫االسواق المالية‪ ‬‬

‫وتكون هده السلسلة غير مستقرة بسبب ارتباط الزمن بالتباين ويصبح التباين النهائي‬

‫السلسلة ‪ TS‬هي السلسلة التي تملك اتجاه عام محدد خطي وهده االخيرة ليست مستقرة بسبب ارتباط المتوسط بالزمن ولها تطبيقات في‬
‫التنبؤ التقليدي باالتجاه العام‬

‫جعل السلسلة ‪ TS‬مستقرة بنزع الزمن عنها بواسطة طريقة ‪mco‬‬

‫جعل السلسلة ‪ ds‬المستقرة بالفروقات‪ ‬‬

‫كيف نعرف هل السلسلة ‪ ds‬ام ‪ TS‬‬

‫الجواب اما من الرسم البياني اما باختبارات جدر الوحدة‬

‫مثال عند استعمال ‪adf‬‬

‫بوجود الجدر االحادي مباشرة السلسلة ‪ds‬‬

‫بعدم وجود الجذراالحادي ومعامل االتجاه العام معنوي السلسلة ‪TS‬‬

‫ومنه يمكن القول ان الجدر االحادي محتوى فقط في السلسلة ‪ ds‬وليس ‪TS‬‬

‫قبل كل شيء يجب ان نعرف ماهو الجذر االحادي من الناحية النظرية ‪ ،‬االحصائية ‪ ،‬الرياضية‬

‫نظريا هو العامل المسؤول عن عدم استقرارية الزمنية‬

‫الحد االسباب سابقة دكر‪ ‬‬

‫احصائيا هي قيمة المعلمة التي تربط القيمة السابقة بالحالية في السلسلة ‪ ds‬حيث تكون هذه القيمة اما اكبر من الواحد واذا كانت اكبر من‬
‫الواحد تسمى سلسلة زمنية منفجرة ‪ explosive séries‬وان كانت اصغر من الواحدالسلسلة‪ .‬مستقرة وادا كانت تساوي الواحد فهي‬
‫سيرورة سير عشوائي وان كانت تساوي الصفر فالسل‬

‫سلة هي تشويش ابيض ويعبر عنها بالفرضيات االحصائيةحسب‪ D‬فرضية العدم والقبول‬

‫رياضيا هو حل المعادلة ‪ ø-1=0‬والقيمة تفسر حسب الحاالت السابقة‬

‫اختبار ات االستقرارية‬

‫الرسم البياني‬
 ‫اختبارات تساوي المتوسطات والتباينات‪ ‬‬

‫التحليل الطيفي ‪analyse spectral‬‬

‫‪Correlogram‬اختبار دالة االرتباط الذاتي و الجزئي‪ ‬‬

‫اختبارات جدر الوحدة‬

‫انواع اختبارات جدر الوحدة‬

‫احتبارات حسب نوع الفرضية‪.‬‬

‫اختبار حسب الجدور الوحدة‪ ‬‬

‫اختبارات حسب طرق التقدير‪ ‬‬

‫اختبارات حسب المشاكل الموجودة في السلسلة‪ ‬‬

‫اختبارات حسب النمادج‬

‫اختبارات حسب الخطية‪ ‬‬

‫اختبارات حسب التوزيعات‪D‬‬

‫منهجية بوكس جينكنز‬

‫هي طريقة تنبؤية قصيرة المدى جاء بها كل من ‪ box‬و ‪ jenkinz‬سنة ‪1976‬في كتابهما ‪forecasting&controle‬‬

‫الهدف‬

‫التنبؤ قصير المدى‪ ‬‬

‫الشروط‬

‫دراسة كل سلسلة على حدى‪ ‬‬

‫االستقرارية‪ ‬‬

‫عدم وجود قيم مفقودة‪ ‬‬

‫السالسل ال تحتوي على اتجاه عام محدد اي ليست من النوع ‪ts‬‬

‫سيرورات البيانات خطية‬

‫تطبيق منهجية بوكس جينكنز‬

‫المرحلة االولى معالجة‪ D‬البيانات‬

‫اوال معرفة‪ D‬الخصائص الوصفية للسالسل الزمنية‪ ‬‬

 ‫الكشف عن مركبات السلسلة الزمنية من خالل‪ ‬‬

‫التمثيل البياني‪ ‬‬

‫االختبارات االحصائية‪ ‬‬

‫اوال مركبة االتجاه العام للكشف عنه هناك عدة اختبارات‪ ‬‬

‫من خالل التمثيل البياني صعود او نزول في اتجاه السلسلة الزمنية‬

‫االختبارات االحصائية‬

‫اختبار نقاط االنعطاف ‪turning points‬‬

‫اختبار االشارة ‪sign test‬‬

‫اختبار الرتب ‪rank test‬‬

‫الثالث الذكورة في االعلى هي اختبرات المعلمية‪ ‬‬

‫اما االختبار المعلمي فهو‪ ‬‬

‫التحليل باالنحدار اي نقوم بانحدار السلسلة الدروسة على متغير الزمن ‪ trend‬اذا وجد هذا المعامل معنوي اي وجود االتجاه االعام في‬
‫السلسلة‪ ‬‬

‫اذا وجدت المركبة الفصلية فيجب ان نكشف عنها‬

‫االختبار البياني اي وجود تغيرات منتطمه في السلسلة كل فترة محدود ان كان هذا فصلية منتطمة اي كل شهر او اربعة شهر او ‪ 6‬اشهر‬
‫‪..‬الخ‪ ‬‬

‫وهناك الفصلية الغير المنتظمة تتكرر الطاهرة بشكل عشوايي وهذه ال تطهر في الرسم البياني‪ ‬‬

‫من اهم االختبارات للكشف عن المركبة الفصلية‪ ‬‬

‫اختبار دالة االرتباط الذاتي و الجزئي ‪fonction d'autocorrelation et partielle‬‬

‫اختبار ‪ fisher‬وتحليل التباين هو مختلف عن تحليل التباين المعروف‬

‫اختبار ‪ kruskal wallis‬‬

‫اختبار الطيف او دالة الكثافة‪ D‬الطيفية‪ ‬‬

‫وهناك اختبارات اخرى في برمجية ‪R‬‬

‫دراسة االستقرارية‪ ‬‬

‫ان االستقرارية هي خاصية نعني بها ثباث سوك السلسلة الزمنيو في االفق الزمني واحصائيا يعبر عنها باستقالية العزوم االولية عن‬
‫الزمن اي‬

‫المتوسط ثابث ومستقل عن الزمن‪ ‬‬

 ‫التباين ثابث ومنتهي ومستقل عن الزمن‪ ‬‬

‫التباين المشترك بين قيمتين زمنيتين اليعمد على الفجوة الزمنية‬

‫هذا الشرط اذا كان حجم العينة كبير يمكن تجاوزه‪ ‬‬

‫يجب ان نعرف اوال سبب عدم االستقرارية‪ ‬‬

‫اذا كانت بسبب التباين ام استعمال تحويل بوكس كوكس او ادخال الوغاريتم اوالجدر او تحويل البانات الى بيانات معيارية‪ ‬‬

‫وجود اتجاه عام عشوائي او محدد‬

‫وجود موسمية عشوائية او محددة‬

‫وجود تغير هيكلي‪ ‬‬

‫تظهر االستقرارية في البيان اذا مستويات السلسلة تتمحور على متوسط و تباين ثابثين‬

‫ام من ناحية االختبارات االحصائية فهناك‪ ‬‬

‫اختبارات تساوي المتوسطات والتباينات للكشف عن االستقرارية‪ ‬‬

‫اختبارات جدر الوحدة ك ‪ .. ADF / PP /KPSS‬للكشف عن االستقرارية ا‬

‫اذا وجدر الجدر الوحدي يعني وجود اتجاه عام عشوائي السلسلة من نوع ‪ DS‬اي لجعل السلسلة مستقرة نلجا للفروقات‪ D‬سواء نمن الدرجة‬
‫االولى او الثانية اما عدم وجود الجذر الوحدي مع وجود معنوية لمعامل االتجاه العام يعني السلسلة من نوع ‪ TS‬اي وجود اتجاه عام محدد‬
‫لجعل السلسلة مستقرة نزيل االتجاه العام بواسطة التقدير على الزمن بواسطة ‪ MCO‬واستخراج السلسلة الزمنية الناتجة عن التقدير‪ ‬‬

‫مثل ما االتجاه العام سبب عدم فاالستقرارية كذلك المركبة الموسمية كذلك ايضا يجب ازالتها‪ ‬‬

‫ماهي الطريقة االنسب الزالة الموسمية‪ ‬‬

‫هذا يعتمد على نوع الموسمية‪ ‬‬

‫اليجاد نوع الموسمية يجب تطيبيق اختباري الجدور الوحدوية الموسمية ‪HEGY FRANSES‬‬

‫ازالة الموسمية المحددة او المكررة والمنتظمة‬

‫المحددة اما باستعمال االنحدار الموسمي بواسطة المتغيرات الصورية‪ ‬‬

‫استخدام تحويل ‪ FOURRIER‬‬

‫استخدام طرق ‪ FILTRAGE‬ك المتوسطات المتحركة وحساب معامالت ‪ CVS‬اي معامالت التغير الزمني المستخدمة في ازالة السلسلة‬
‫الموسمية‬

‫اما الموسمية العشوائية‬

‫فتزال ب طريقة الفروقات من رتبة الموسمية هل هي شهرية نستخدم ‪ P=12‬اي الفروقات من الدرجة ‪ 12‬ةاذا كانت موسمية كل فصل‬
‫اي ‪p=4 ..ect‬‬

‫استخدام طرق ‪ consus‬وهي عدة انواع‬

 ‫استخدام طريقة ‪ demodulation complexe‬باستعمال الدوال المثلية المركبة هنا ادا كانت الموسمية شديدة الحدة‪ ‬‬

‫استخدام طريقة ‪ tramo-seats‬‬

‫طريقة ‪ STL‬الموجودة في برمجية ‪R‬‬

‫بعد معالجة البيانات وتحويل السالسل الى مستقرة االن ناتي الى مرحلة اخرى‪ ‬‬

‫مرحلة التعرف ‪IDENTIFICATION‬‬

‫هناك عدة ادوات للتعرف على النموذج االمثل‪ ‬‬

‫االداتين االكثر شيوعا واستخداما هما‪ ‬‬

‫دالتي االرتباط الذاتي والجزئي‪ ‬‬

‫فمن خالل دالة االرتباط الذاتي يمكن استخراج معامالت المتوسطات المتحركة ‪MA‬اي المعامالت‪ D‬خارج مجال الثقة ويجب ان تكون‬
‫معنوية ويحسب مجال الثقة كمايلي (‪ )racine de n/1*1.96+-‬حيث ‪ racine‬جدر التربيعي ; و ‪ N‬حجم العينة‬

‫اذا المعامالت معنوية اي خارج مجال الثقة في دالة االرتباط الذاتي الجزئي نقول ان لنسيرورة انحدار ذاتي (‪(AR(p‬‬

‫اذا كان لدينا عدة معامالت‪ D‬خارج مجال الثقة لدالة االرتباط الذاتي اي (‪ ma(q‬اي المتوسطات المتحركة تحدد ‪ q‬عند درجة انعدام‬
‫المعامل مثال في ‪ pics‬او النتؤ او المعامل مثال هناك معامل خارج مجال الثقة عند ‪ 2‬وبعده كل المعامالت تنعدم من خالل شكل دالة‬
‫االرتباط الذاتي اي يكون لدينا (‪ ma(2‬وهكدا ذ‬

‫نفس االمر بالنسبة بالنسبة لدالة االرتباط الذاتي الجزئي اي نستخرج معامالت ‪AR(p‬‬

‫;ومن الشكلين معا يصبح لدينا تشكيلة خطية من النموذجين تسمى هذه التشكيلة ب نموذج (‪ARMA(p,q‬‬

‫اكبر مشكلة تواجة الباحث في النموذج هو اختيار درجة ‪ p‬و ‪ q‬مثال نجد عدة معامالت خارج مجال الثقة ل ‪ acf‬وعدة معامالت‪ D‬ل ‪pacf‬‬
‫و منه كيف يختار النموذج االمثل‬

‫االجابة‬

‫عند تقدير العديد من النماذج المقترحة هناك اولويات ينظر اليها‬

‫معنوية المعالم ‪ AR‬و‪ MA‬‬

‫نختار النموذج دو اصغر قيمة لمعايير المعلومات ‪ AIC .BIC‬‬

‫ان النموذج يجب ان قبل للعكس اي جدوره كلها تقع داخل الدائرة االحادية ومنه النمودج ككل مستقر‪ ‬‬

‫عند السؤال مامعني هاته المعامالت‪ D‬‬

‫بالمناسبة معنى (‪ AR(p‬اي االنحدار الداتي اي القيم المؤخرة للمتغيرالدروس بدرجة ‪ p‬اي سنفسر هدا المتغير بداللة القيم السابقة له‬

‫معني (‪ MA(q‬اي المتوسطات المتحركة اي تفسير المتغير الدروس بداللة القيم السابقة للمتغير العشوائي بدرجة ‪q‬‬

‫هناك طرق اخرى للتعرف على النموذج تتوفر في برنامج ‪ gauss ; r, sas‬‬
 ‫منها دالة االرتباط الداتي والجزئي العكسية‪ ‬‬

‫او دالة االرتباط الذاتي و الجزئي الموسعة ‪etendue‬‬

‫بعد تحديد النمودج االمثل‪ ‬‬

‫هناك عدو طرق للتقدير منها طريقة المعقولية العطمى ‪maximum liklilhood‬‬

‫طريقة الربعات الصغرى الشرطية ‪CLS‬‬

‫طرق االمثلية الالخطية ك‪ GAUSS NEWTON‬او ‪BHHH‬‬

‫بعد مرحلة التقدير ناتي الى مرحلة اختبارات صالحية النموذج‬

‫صالحية النموذج ‪VALIDATION‬‬

‫اختبار االرتباط للبواقي باستخدام اختبار ‪LJUNG BOX H‬او ‪Q-stat‬‬

‫اختبار عدم وجود مشكل ثباث التباين اي اختبار عدم وجود اثر ‪ arch‬باختبار ‪ ARCH‬‬

‫اختبار التوزيع الطبيعي للبواقي‬

‫المرحلة االخيرة‪ ‬‬

‫التبؤ قصير المدى وحساب مجال الثقة‪ ‬‬

‫لكن عند الننسي عند التنبؤ اننا يجب عندما نتبا اننا يجب ان نعيد السالسل االصلية للتنبؤ بها الن التنبؤ الدي نقوم به هو للسلسلة المحولة‬

‫مالحطات‪ ‬‬

‫اذا وجدت مؤشرات الموسميى في دالتي االرتباط الذاتي و الجزئي فهذا يعني اننا بصدد تقدير نموذج ‪ SARIMA‬‬

‫اذا استخدمنا الفروقات في نموذج ‪ ARMA‬يعني اننا سنتحول من نموذج ‪ ARMA‬الى نموذج ‪ARIMA‬‬

‫النستعمل في طريقة ‪ BOX JENIKNZ‬السالسل من نوع ‪ TS‬‬

‫تصلح هذه الطريقة التنبؤات قصيرة المدى على االقل التنبؤ ب ‪ 3‬سنوات فقط‬

‫المنهجية االكاديمية لنموذج ‪ VAR‬‬

‫نحن نتكللم عن نموذج ‪ VAR‬العادي اي الغير المقيد والخطي‬

‫هناك عدة نقائص الحظتها في تطبيق نماذج ‪ VAR‬في الرسائل واالطروحات‪ ‬‬

‫وهذه المحاولة هي تقويم لمنهجية اعداد دراسة قياسية بنموذج ‪VAR‬‬

 ‫بسم هللا الرحمن الرحيم‬

‫نماذج ‪ VAR‬تسعى لمعرفة الثاثير المتبادل بين متغيرات االقتصاد الكلي وتهدف لتحليل السياسة‪ D‬الكلية من خالل ادوات التحليل الهيكلي‬
‫وهذا االخير اليعتمد على مضمون النظرية االقتصادية‬

‫من الجانب التطبيقى‪ ‬‬

‫تستعمل في ثالث حاالت‪ ‬‬

‫السالسل مستقرة في المستوى ونهدف الى معرفة الديناميكية‬

‫السالسل مستقرة من نفس الدرجة ولكن بشرط عدم وجود تكامل مشترك ولكن وجود سببية‬

‫وجود التكامل المشترك ولكن عدم صالحية ‪ VECM‬فنتوجه الى ‪ VAR‬‬

‫وجود سالسل متكاملة من الدرجة االولى والدرجة الثانية‪ ‬‬

‫وجودسالسل لمتكاملة من الدرجة ‪ 0‬و‪(1‬بشرط انن يكون الهدف دراسة الصدمات عبر نموذج ‪SVAR‬‬

‫فرضيات النموذج ‪ VAR‬‬

‫خطية السالسل‪ ‬‬

‫عدم وجود نقاط مفقودة‬

‫وجود على االقل متغيرتين داخليتين‬

‫تحقق احدى الشروط السابقة الذكر‬

‫في بعض المراجع وجود سببية في اتجاهين) بالرغم من عدم منطقية هذه الفرضية الن نموذج ‪ VAR‬اليعتمد على النظرية االقتصادية‬

‫الهدف‪ ‬‬

‫ايجاد العالقة الديناميكية قصيرة المدى بين المتغيرات‬

‫لتحقيق افضل نتائج في نموذج ‪ VAR‬‬

‫متغيرات مستقرة وعدم وجود تغير هيكلي‪ ‬‬

‫عدم وجود تقييد على المعالم‬

‫وجود داكرة قصيرة للسالسل‬

‫النمذجة بالمعطيات‪ D‬الربع السنوية او الشهرية‬

 ‫عدم االكثار من المتغيرات‬

‫درجة الثاخير المثلى التكون كبيرة النه نموذج قصير المدى‬

‫اختبارات قبلية قبل تقدير نموذج ‪ VAR‬‬

‫التاكد من عدم وجود ال ذاكرة طويلة وال بنية غير خطية في البنى الداخلية للسالسل الزمنية‪ ‬‬

‫تقليل النقاط الشادة قدر االمكان‪ ‬‬

‫هذان النقطتان الينبته لهما اغلبية الباحثين بالرغم من اهميتهما الكبييييرة‬

‫استقرار السالسل‪ ‬‬

‫اختبار التكامل المشرك اذا كانت السالسل من نفس الدرجة‬

‫الخطوات المنهجية‪ ‬‬

‫اذا تحققت كل الشروط ينبغي مايلي‪ ‬‬

‫التقدير االولى للنموذج بالمتغيرات المستقرة‪ ‬‬

‫تحديد درجة التاخير المثلى هناك عدة استراتيجيات‪ ‬‬

‫اغلب الباحثين يلجاؤن الى االسلوب االحصائي اي استعمال المعايير االحصائية عند اتفاق معظم المعايير على درجة مثلى لكن هذه‬
‫الطريقة تشهد عدة قصور‬

‫منها لما تختلف المعايير او ان المعايير التخضع لمعيار ‪PERSIMONY‬‬

‫من اهم االستراتجيات‪ ‬‬

‫قاعدة االبهام ‪ RULE OF THUMB‬اي االختيار اليدوي من اعلى قيمة الى ادنى حسب ‪ GENERAL TO SPECIFIC APPROACHE‬‬

‫اللجوء الى المنطق االقتصادي بتطبيق قاعدة ‪ PERSIMONY‬‬

‫تجارب المحاكاة‪ D‬اثبثث مايلي‪ ‬‬

‫من اجل عدد العينة اكبر من ‪ 8‬درجة تاخير معيار ‪ BIC‬اصغر من معيار ‪AIC‬‬

‫من اجل عدد العينة اكبر من ‪ 16‬معيار ‪ HQC‬اصغر من معيار ‪AIC‬‬

‫من اجل اي حجم عينة معروف معيار ‪ BIC‬اصغر من معيار ‪ HQC‬‬

‫‪ .‬وهناك ايضا اختبار نسبة المعقولية ‪ . LR‬و المعيار المصحح له ‪ SLR‬‬

‫‪.‬وهناك العديد من الخوارزميات التي تسمح بتحديد الدرجة المثلى للنموذج وه تعمل على مستوى المتغيرات‪ ‬‬
 ‫منها‬

‫خوارزمية الحدف الجزئي للمتغيرات من اجل تبيان درجة الثاخير المثلى ونرمز لها ب ‪ SER‬‬

‫طريقة ‪TOP DOWN‬‬

‫طريقة ‪SYSTEM SER‬ق‬

‫بعد تحديد درجة التاخير المثلى‪ ‬‬

‫تفقدير النموذج االمثل " بعض الباحثين اليهتمون بنتيجة التقدير اكثر من دراسة الصدمات"بشرط التاكد بعد عدم قيود على المعالم‬

‫اختبار استقرارية النموذج‬

‫تحويل النموذج الى نطام مقدر بواسطة ‪ MULTIVARIATE OLS‬بشرط ان تستوفي المعادالت‪ D‬على شروط ‪. OLS‬وهذا لمعرفة المعنوية‬

‫عادة مانهتم بمعادلة الهدف ‪ TARGET EQUATION‬لتفسيرها اي المعادلة التي تحتوي على عناصر الدراسة‬

‫استقرار النموذج‬

‫االختبارات التشخصية‬

‫اختبارات االرتباط الذاتي‬

‫اختبارات عدم ثباث التباين وخصوصا اختبار ‪MULTIVARIATE ARCH‬‬

‫اختبار التوزيع الطبيعي‬

‫اختبارات التغير الهيكلي اختبار ‪ CHOW‬واختبار ‪ RECURSIVE COEFFICIENT‬‬

‫اختبار دالة الكثافة للبواقي‪ ‬‬

‫اختبارات النقاط الشاذة‬

‫االختبرات الهيكلية‪ ‬‬

‫اختبارات السببية‪ ‬‬

‫دوال الالستجابة‬

‫دوال االستجابة الخاصة ب ‪ BOOTSTRAP‬‬

‫تفكيك خطا تبانن التنبؤ‬

‫اختبار وجود نموذج ‪SVAR‬‬

‫المحاكاة‪ D‬بانواعهاد‬
 ‫التفكيك التاريخي‬

‫التنبؤ‬

‫اجراء التنبؤ‪ ‬‬

‫مجال التقة للتنبؤ‪ ‬‬

‫سيناريو التنبؤ‬

‫القدرة التنبؤية‬

‫في االخير تقديم دراسة شاملة حول النموذج‬

‫في وجود اثار موسمية يرجى االستعانة بمتغيرات صورية لحدف هاته االثار كمتغيرات مستقلة‬

‫فكرة التكامل المشترك‬

‫لنفترض ان هناك صديقان تعرفا على بعضهما‪ D‬منذ ‪ 5‬سنوات ودامت الصداقة بينهما طول هاته الفترة‪-‬هذامايطلق عليه في ادبيات القياس‬
‫االقتصادي بعالقة التكامل المشترك اي عالقة الصداقة بين الصديقين ولكن خالل فترة الخمس سنوات انقطع احد االصدقاء عن زيارة‬
‫صديقه السباب متعددة هذا االنقطاع والبحث في اسباب ذلك‪-‬هذا هو مبدأ نموذج تصحيح الخطأ ‪ ecm‬ديناميكية انقطاع الصديقين عن‬
‫الصداقة السباب مختلفة في فترة الخمس سنوات هو المثال عن نموذج تصحيح الخطأ‬

‫لنفترض ان هناك صديق ثالث يعرفهماويريد معرفة االسباب ومتى سيلتقيان اي حساب فترة االلقاء هذا الصديق الذي حسب فترة اللقاء ‪-‬‬
‫هو معامل تصحيح الخطأ ‪-‬للعودة الى حالة التوازن طويلة االجل (عالقةالصداقة )‬

‫حسب الظروف وجد انهما سيلتقيان بعد تقريبا عامين اي العودة الى حالة التوازن اي معامل تصحيح الخطأ سيكون سالب ومعنوي اي‬
‫سيقرب ال الصديق الثالث بينهما‪ ‬‬

‫ان ابعد الصديق الثالث بينهما يعني قياسيا ان معامل تصحيح الخطا موجب اي ابتعدنا عن العالقة طويلة االجل(عالقة الصداقة)‬

‫مثال اذا ما التقى الصديقين بعد ‪ 8‬اشهر وكنا قدرنا اللقاء(معامل‪ D‬تصحيح الخطا) بعد حوالي عامين يعني ان نعود الى حالة التوازن حالة‬
‫الصداقة في اقل من سنة اي معامل تصحيح سالب واكبر من ‪ 1‬وبعدها يكمل الصديقان مسيرتهمافي‪ D‬الصداقة الى الخمس سنوات تلك هي‬
‫العالقة التوازنية طويلة االجل‬

‫المنهجية االكاديمية لنموذج ‪VECM‬‬

 ‫ول مالحظة هي نموذج ‪ vecm‬الذي سنتكلم عنه هو النموذج الخطي والمعلمي والغير الهيكلي هذه خصائصه الن هناك اخرى منه منها‬
‫الهيكلي والبيزي والالمعلمي والغير الخطي والمعمم ‪ ...‬الخ لذا سنكتفي بالخطي المعلمي وغير الهيكلي هده الخصائص هي المتواجدة في‬
‫نموذج ‪ vecm‬الموجود باغلب الدراسات‪ D‬واالغلبية تكتب نموذج ‪ vecm‬فقط‪ ‬‬

‫اوال ميزاته‪ ‬‬

‫هو تعميم لنموذج تصحيح الخطا يستعمل في وجود اكثر من متغير تابع اي نظام من المعادالت‪ D‬ولهذا يشتق من نموذج ‪ var‬ولكن غالبا‬
‫مانركز في التحليل والتفسير على المعادلة التي تشملها الدراسة ونسميها ب ‪ target equation‬‬

‫لماذا ‪ vecm‬يقيس لنا االنحرافات‪ D‬في االحل القصير التي حالت من دون الوصول الى االجل الطويل وتقاس هاته االنحرافات بواسطة‬
‫معامل تصحيح الخطا او عدة معادالت في النظام وتعتمد المعامالت‪ D‬على عدد عالقات التكامل المشترك‪ ‬‬

‫شروطه وفرضياته المسبقة‪ ‬‬

‫ان تكون السالسل دات ينية خطية‪ ‬‬

‫خالية من التغيرات الهيكلية‪ ‬‬

‫العينة كبيرة من االفضل ان تكون المعطيات‪ D‬ربع سنوية‪ ‬‬

‫ان تكون السالسل مستقرة من الدرجة ‪ - 1‬الن الدرجة الثانية لها بعض االختالفات‪ D‬في المنهجية ‪-‬‬

‫السالسل دات داكرة قصيرة‪ ‬‬

‫خلو السالسل من االثار الموسمية والتقبات العنقودية‬

‫مالحظة عند تكون العينة صغيرة او فيها تغير هيكلي او فيها تقبات او دات بنية الخطية او من الدرجة التنانية كل شرط عند عدم تحققه‬
‫النمذجة تختلف عن ما نعرفه‬

‫بعدما نتاكد من الشروط المسبقة المدكورة ناتي الى مرحلة‪ ‬‬

‫ناتي الى مرحلة تقدير نموذج ‪ var‬من اجل تحديد درجة التاخير المثلى التي سنستعملها‪ D‬في اختبارات التكامل المشترك‪ ‬‬

‫تقدير نموذج ‪ var‬وتحديد درجة التاخير المثلى ‪ -‬الدرجة التي تستعمل في ‪ vecm‬هي ‪p-1‬‬

‫يجب ان يكون نموذج ‪ var‬مستقر ديناميكيا خال من مشاكل التوصيف خال من مشاكل التغير الهيكلي البواقي خالية من المشاكل القياسية‪ ‬‬

‫درجة التاخير المثلى يجب ان تكون مبنية على اساس منطقي اقتصادي وغير متعارضة مع المنطق االقتصادي‪ ‬‬

‫ناتي االن الى اختبارات التكامل المشترك والتى يجب ان تاخد عدة امور ان كانت موجودة ام ال‬

‫حجم العينة امر جد مهم الن هناك اختبارات خاصة بالعينات الصغيرة او الكبيرة‪ ‬‬

‫هل البيانات دات تردد عال ام ال‪ ‬‬

 ‫هل تحتوي على نقاط شادة او تغيرات هيكلية او تقلبات وتطاير‪ ‬‬

‫هل هي دات بنية خطية ام ال‪ ‬‬

‫هل تحتوي على تغيرات موسمية او نقاط مفقودة‪ ‬‬

‫هل توزيع البواقي في نموذج ‪ var‬دو توزيع طبيعي ام ال‪ ‬‬

‫هل تحتوي البيانات على اتجاه عام وثابث ام ال واكيد التاكد من درجة االستقرارية‪ ‬‬

‫هل يوجد متغير مستقل او متغير صوري في الدراسة‬

‫كل هاته العناصر تحدد نوع اختبار التكامل المشترك المالئم فجوهانسون الذي يستعمل في اغلب الدراسات ليس قران كريم بل فقط‬
‫مشهور في الوسط االكاديمي‪ ‬‬

‫بعد تحديد هل هناك تكامل او ال حسب االختبار واخد الشروط السابقة بعين االعتبار ناتي لتحديد عدد د عالقات التكامل المشترك‪ ‬‬

‫اي هل نحتفظ بعالقة واحدة ‪ r=1‬ام ان كانت لدينا عدة عالقات حسب االختبار ام يجب تعريف كل العالقات‪ - D‬هاته النقطة محل اختالف‬
‫بين الباحثين‪ ‬‬

‫لكن ساعطيكم ‪ rule of thumb‬لهذا االشكال‪ ‬‬

‫ان كان الهدف من الدراسة دراسة االثر وتحديد معامل تصحيح الخطا وكانت الدراسة واضحة من اشكاليتها انها تبحث عن عالقة واحدة‬
‫ضمن المتغيرات هنا كي النعقد االمور االحتفاظ بعالقة تكامل واحدة دالة على معادلة الهدف التي ترتكز عليها كل الدراسة‪ ‬‬

‫اما ان كان الهدف دراسة هيكلة النظام والبحث عن الديناميكية بين متغيراته من خالل المرور الى نموذج ‪svecm pvecm psvecm‬‬
‫مثال هنا يجب االحتفاظ بكل العالقات‪ D‬التي وضح لنا االختبار النها تعطينا كثيرا من المعلومات عن مسار النظام الخاص وهيكلته‬

‫مالحظة فقط لتحديد درجة التاحير المثلى هناك عدة طرق‪ ‬‬

‫خبرة الباحث ومنطقية النظرية االقتصادية‪ ‬‬

‫المعايير االحصائية‪ ‬‬

‫بعض الخوارزميات المخصصة لذلك ‪ Sequential Elimination of Regressors (SER) s‬‬

‫تقنية ‪ top down‬‬

‫‪,‬خوارزمية ‪ system SER‬‬

‫‪..‬ولكن بما اننا نهتم بمنطق النظرية االقتصادية دائما درجة التاخير اختيارها يكون بالدرجة حسب المنطق االقتصادي‪ ‬‬

‫د‬

‫نقدر النموذج هناك عدة طرق لتقدير ‪ -‬قبل ان نقدر يجب ان نعرف هل هناك قيود يجب ان تفرض او ال اي نكون في حالة‬
‫‪ RESTRICTED VECM‬و هذه القيود تحددها النظرية االقتصادية‪ ‬‬
 ‫ان كان هناك متغير خارجي هناك نكون في حالة ‪ VECX‬او ‪ VECMX‬ومنهجية هذا النموذج تختلف عن منهجية ‪ VECM‬‬

‫ان كنا بصدد دراسة الصدمات الهيكلية بمتغيرات مستقلة نكون في حالة ‪ SVECMX‬‬

‫ان كان لدينا نظام واسع من المعادالت وعدد متغيرات كبير يجب تقدير نموذج تصحيح الخطا العاملي المطور ‪ FECM‬‬

‫بعد التقدير اول خطوة اختبار استقرارية النموذج بالجدول الذي على الجدور االحادية او الدائرة االخادية‪ ‬‬

‫بعد التاكد من استقرارية النموذج االن يجب ان نرى هل معامل تصحيح الخطا ومعنوي خاصة في معادلة الهدف او الدراسة‪ ‬‬

‫هناك نقطة وهي خطوة توفرها فقط في برمجية ‪ JMULTI‬وهذا االجراء اعجبني جدا وهو اجراء ‪ Plotting the EC term‬تعطينا هاته‬
‫الخطوة في اي سنة من سنوات الدراسة حدث االنحراف عن العالقة طويلة االجل‪ ‬‬

‫ثم نختبر معنوية المعالم للمعادلة التي نرتكز عليها ونفسر معامل الخطا‪ ‬‬

‫اجراء اختبار ‪ exogenitè faible‬اي هذا االختبار يؤكد لنا على ان كل المتغيرات داخلية‬

‫بعد اتمام كل هذا‪ ‬‬

‫ناتي الى االختبارات التشخصية‪ ‬‬

‫اختبارات ارتباط البواقي من خالل مصفوفة االرتباط المتقاطعة ودالة االرتباط الذاتي‪ ‬‬

‫اختبار ‪ SPECTRE OF RESIDUALS‬‬

‫اختبارات االرتباط التسلسلي لبواقي‪ ‬‬

‫اختبارات عدم تباث التباين‪ ‬‬

‫اختبار اثر ‪ ARCH‬‬

‫اختبار التوزيع الطبيعي‪ ‬‬

‫تحليل البواقي التراجعية ‪ -‬هاته من اجل معرفة استقراريةديناميكية البواقي ‪ -‬‬

‫اختبارات التغير الهيكلي‪ ‬‬

‫اختبار استقرارية النموذج من خالل عدة اختبارات كاختبار ‪Recursive Coefficients Recursive Eigenvalues.)CUSUM‬‬
‫‪ CUSUMSQUARED‬‬

‫اختبارات النقاط الشادة‪ ‬‬

‫اختبارات السببية حسب ‪ GRANGER‬او اي طريقة اخرى‪ ‬‬

‫تحليل الصدمات كاستعمال ‪IMPULSE RESPONSE ,BOTSTRAPPING IMPULSE RESPONSE , JORDA IMPULSE‬‬
‫‪RESPONSE‬‬

‫تحليل مجاالت الثقة لصدمات‪ D‬بطريقة البوتسراب ‪ Bootstrapping Confidence Intervals‬‬

 ‫تحليل تفكيك التباين بانواعه‪ ‬‬

‫تحليل سيناريو التنبؤ الخاص بالنظام‪ ‬‬

‫المحاكاة‪D‬‬

‫سببية جرانجر‪ ‬‬

‫سببية جرانجر هي قدرة المتغيرات المدرجة القيم السابقة لها على تفسير القيم الحاضرة والمستقبلية للمتغيرات االخرى‪ ‬‬

‫لنتكلم االن عن خصائصها وشروطها‬

‫هي سببية خطية كلية قصيرة المدى مباشرة ‪-‬هاته الخصائص اغلب الباخثين يتجاهالونها‬

‫وهي عبارة عن انحدارمقيد نقررالسبيية بواسطة اختبار والد وتوزيع كي دو ومنه هنا نستنج جملة من الشروط‪ ‬‬

‫البواقي الناتجة عن هذا االنحدار يجب ان تكون‬

‫خالية من مشكل االرتباط التسلسلي‪ ‬‬

‫خالية من مشكل تباث التباين‪ ‬‬

‫موزعة توزيع طبيعي‪ ‬‬

‫البواقي مستقرة هيكلياوديناميكيا‪ ‬‬

‫الن توزيع المعالم يتم اشتقاقه من البوافي واي خطإ في البواقي سيتنقل الى المعالم مما يعطى نتائج السببية خاطئة‪ ‬‬

‫من ناحية اخرى بسبب ان السببية عبارة انحدار مقيد يجب ان تكون المتغيرات المدرجة مستقرة اوال بسبب الخوف من الوقوع في‬
‫االنحدار الزائف وثانيا الن الخصائص التقاربية تفقد امتيازاتها في وجود متغيرات غيرمستقر اي توزيع كي دو تحت الفرض الصفرى‬
‫ولذا في سببية جرانجر يجب علينا استخدام المتغيرات المستقرة‬

‫ولكن ان وجدنا عالقة طويلة االجل قد النجد سببية‪ ‬‬

‫بسسبب وجود مشاكل في البوافي التي دكرنها‪ ‬‬

‫عدم صحة درجة التاخير الن درجة التاخير المثلى في السببيةمن اهم النقاط التي تحدد السبيية‪ ‬‬

‫اوال درجة التاخير ماهي في االقتصاد‪ ‬‬

‫هي الدرجة التي تسمح لنا بها النظرية االقتصادية التي تساعدنا على اظهار االثر عبر الزمن ولهذا وجود تكامل مشترك وعدم وجود‬
‫سببية قد يكون راجع الن الزمن غير كاف ليظهر التاثير المباشر بين المتغيرات ولذا هناك قد نحتاج الى سببية االجل الطويل او بسبب‬
‫وجود الصدمات التي تؤثر على المتغيرات فيما بينها‪ ‬‬

‫كذلك السببية تعادل الى التاثيرالمباشر ومن ان التاثير المباشر غير موجود ووجود ثاثير غير مباشر اي ربما وجود سببية غير مباشر‪ ‬‬

‫حتى السببية قد تكون غير خطية بسبب وجود خاصية عدم التماثل اي وجود الصدمات‪ D‬الموجبة والسالبة‬

‫هنا قد يكون للمتغير سببية غير خطية وهذه لم ياخدها بعين االعتبار جرانجر في نظريته‪ ‬‬
‫كذلك السببية لن تظهر اال في وجود معلومات كاملة ووجود اقل كمية من المعلومات المفقودة و وهذه الخاصية لن تظهر اال بوجود درجة‬
‫تأخير مناسبة بناءا على اعتبارات احصائية واقتصادية ‪،‬كما يمكن ان ال تظهر السببية في فضاء‪ D‬خطي الن بنية المتغيرات غير خطية لذا‬
‫يرجىالتاكد من عدم وجود بنية غير خطيةاو ذاكرةطويلة او وجود تقلبات عنقودية او عشواىية‪ ‬‬

‫قطة اريد االشارة اليها ‪ -‬سببية جرانجر‪-‬‬

‫ارى في االطروحات و المقاالت مثال لما يقبل الفرض الصفري يكتب كالتالي‬

‫مثال يقال المتغير ‪ gdp‬اليسبب ‪ cons‬اي االستهالك وهذا نوع ما فيه بعض الظلم لسببية جرانجر‪ ‬‬

‫لنتعرف اوال على خصائص سببية جرانجر‪ ‬‬

‫سببية جرانجر خطية ان يجب ان تكون البنية للسالسل خطية‬

‫هي سببية كلية اي هل القيم السابقة للمتغير تسبب القيم الحالية للمتغير الثاني بشكل كلي‪ ‬‬

‫سببية جرانجر هي سببية مباشرة ا‬

‫سببية لالجل القصير‪ ‬‬

‫وهي سببية احادية او ثنائية االتجاه‬

‫اي لما نقبل الفرض الصفري في اختبار السبية من الخطا قول ان المتغير االول اليسبب التغير الثاني الن ال نقرا ذلك نفهم ان التوجد اية‬
‫سببية وهذا ليس صحيحا‪ ‬‬

‫فهي صح التتوجد سببية خطية كلية مباشرة في الدى القصير لكن من الممكن وجود سببية جزئية اوغير مباشرة اوسببية غيرخطية اوفي‬
‫المدى الطويل‪ ‬‬

‫فاليجب قول ان التوجد سببية بين المتغيرين‪ ‬‬

‫فاالصح قول التالي‬

‫" التوجد سببية خطية كلية مباشرة بين المتغيرين في المدى القصير "‬

‫الن الكالم الذي يقال التوجد سببية بين المتغيرين " سيؤدي الى طمس و تحريف الكثير من المفاهيم‬

‫سببية تودا يماموتو‪ ‬‬

‫خطوات اختبار السببية ل ‪ Hairo y toda & ,taku Yamamoto‬او مايسمى ‪ test of non Granger causality‬نشر هذا البحث‬
‫من طرف الباحثين في العدد ‪ 66‬االصدار ‪ 1‬من مجلة ‪ econometrica‬في الصفحات‪250-225‬‬

‫ويحمل المقال العنوان التاالي‪ ‬‬

‫‪Statistical inférence in vectors autoregression with possibily integrated processes‬‬

‫جاء هذا االختبار ليغطي النقائص السابقة الختبار ‪ Granger causality‬الدي يفترض سالسل مستقرة وهواختبار متحيز ومتعلق بوجود‬
‫التكامل المشترك حسب نظرية التمثيل لجرانجر‪ ‬‬

‫اال ان اختبار ‪ toda Yamamoto‬يعالج اختالف درجات التكامل المختلفة وهو اختبار للسببية طويلة المدى‬

‫يقوم هدا االخير على مفهوم ‪ augmented VAR‬و اختبار ‪ wald‬المعدل‪ ‬‬

‫ان اختبار ‪ wald‬العادي الخاص باختبار القيود الخطية يفقد خصائصة التقاربية (توزيعه المعروف تحت الفرضية الصفرية) ادا كانت‬
‫السالسل غير مستقرة ولهدا اختبار السببة لجرانجر اليصلح في ظل سالسل غير مستقرة‬

‫اما اختبار ‪ toda Yamamoto‬اخد هدا االمر بعين االعتبار فاعتمد سالسل غير مستقرة و اختبار ‪ wald‬المعدل (‪)modified wald‬‬

‫اما الخطوات الخاصة بهدا االختبار ‪:toda-yamamoto‬‬

‫‪- 1‬اختبارات االستقرارية لكل سلسلة وتحديد رتبة تكاملها ‪،‬في هذا االختبار من االفضل استعمال اختبارات االستقراريةذات الجذر‬
‫االحادي عند الفرضية الصفرية ‪ H0‬كاختبارات ‪ ADF‬‬

‫‪-2‬لتكن اعظم رتبة االستقرار او التكامل للسالسل هي ‪ dmax‬مثال لدينا سلسلتين متكامليتن واحدة من االولى اي)‪ I(1‬والثانية من الدرجة‬
‫الثانية اي(‪I )2‬فنختار ‪ dmax=2‬سنستعمل ‪ dmax‬فيما بعد‬

‫‪-3‬تقدير نموذج ‪ VAR‬العادي لكن السالسل االصلية وهدا يختلف عن نموذج ‪ VAR‬المعروف الذي يستخدم سالسل مستقرة حيث اليهم‬
‫ماتجده في الخطوة ‪ 1‬الن الخطوة ‪ 1‬هادفة أليجاد ‪ dmax‬‬

‫‪ -4‬تحديد درجة التأخير المثلى ولتكن ‪ p‬في نموذج ‪var‬المقدر في الخطوة ‪ 3‬ويتم بناءا على معايير المعلومات المعروفة اكاييك و شوارز‬
‫‪ ..‬الخ‬

‫‪-5‬التأكد من ان نموذج ‪ VAR‬صالح ويستوفي كل الشروط (خلو النموذج من مشاكل التخصيص واالرتباط الذاتي ‪،‬عدم ثباث التباين ‪،‬‬
‫عدم التوزيع الطبيعي‪..‬الخ)اذا وجد متال مشكل االرتباط يجب اضافة عدد درجات التأخير ‪ p‬حتى يحل هذا المشكل‪ ‬‬

‫‪- 6‬اذا كانت هناك سلسلتين لهما نفس درجة التكامل يحبذ استعمال اختبار ‪ johanson‬ليس انجل غرانجر النه يعتمد على نموذج ‪VAR‬‬
‫والذي سيخدم اختبار ‪ toda Yamamoto‬‬

‫‪-7‬اليهم ماتجده في الخطوة ‪ 6‬لكنه ضروري لمقارنة النتاىج في النهاية الن وجود التكامل يعني وجود سببية‪ ‬‬

‫‪-8‬تقدير نموذج ‪ augmented VAR‬وهذا هو المهم حيث على على مفهومي ‪ D-MAX‬رتبة التكامل العظمى ودرجة التأخير المثلى‪p‬‬
‫وفي هذا النموذج نجد مايلي‪ ‬‬

‫المتغيرات الداخلية وتكون في المستوى‬

‫مجال االبطاء‪ lag interval‬يبقى متلما هو في الخطوة ‪ 5+4‬ان وجد ارتباط ذاتي‪ ‬‬

‫اما المتغيرات الخارجية ‪ variable exogenous‬‬

‫فهي نفسها المتغيرات الداخلية لكن بدرجة تاخير لهده المتغيرات (‪)p+dmax‬‬

‫مثالل اكثر للفهم لنفترض اننا نريد ايجاد هللا بين ‪ gdp‬و ‪ inflation‬‬

‫لنفترض ان‪ inf‬مستقرة من الدرجة ‪ 1‬و ‪gdp‬من الدرجة التانية اي ‪ dmax=2‬‬

 ‫نقوم بتقدير نموذج ‪ VAR‬السالسل االصلية ولنتفرض مثال ان درجة التأخير المثلى ‪/p=4‬وبافتراض ان النموذج جيد خالي من المشاكل‬
‫القياسية‪ ‬‬

‫تم نقدر نمودج ‪ augmented VAR‬حيث‪ ‬‬

‫المتغيرات الداخلية هي ‪ gdp, inf‬‬

‫مجال التأخير _ في‪ eviews‬هو‪1- 4‬‬

‫المتغيرات الخارجية هي المتغيرات الداخلية لكن موخرة بدرجة ‪ p+dmax‬اي )‪ gdp(-6‬و )‪ inf(-6‬باالضافة الى ‪ C‬‬

‫ثم يقدر النموذج عادي ال يهمنا تفسير هدا النموذج‬

‫الخطوة االخيرة هو اختبار ‪ wald‬المعدل ويأتي هذا االخير بعد تقدير نموذج ‪augmented VAR‬‬

‫ونجده في خيار ‪ block exogenity wald Granger test‬وسمي ب ‪ modified wald‬الن الخصائص التقاربية له قد عدلت لتوافق‬
‫تقاربيا توزيع كيددو بدرجة حرية‪ p‬اي الدرجة المثلى لنموذج ‪ augmented VAR‬ويعتمد هذا االختبار على القيمة االحتمالية تقاربيا‬
‫لتوزيع كيدو بدرجة حرية ‪ p‬من دون ‪ dmax‬ففي مثالنا السابق ‪p=4‬‬

‫ام القرار فيتم بمقارنة القيمة االحتمالية ب ‪ %5‬اداكانت ‪ p-value‬اكبر من ‪ %5‬فهذا يعني ان النرفض الفرضية الصفرية اي عدم وجود‬
‫عالقة سببية طويلة االجل بين المتغيرات و العكس صحيح‪ ‬‬

‫مالحظات‪:‬‬

‫نموذج ‪ var‬في هذا االختبار يتم بالسالسل االصلية‪ ‬‬

‫سببية ‪ toda Yamamoto‬هي طويلة المدى‪ ‬‬

‫النستعمل السالسل من نوع ‪ TS‬في هذا االختبار‪ ‬‬

‫ان كنت تستعمل نماذج ‪ var‬من اجل اهداف اخرى كالتنبؤ مثال وكانت السالسل متكاملة من نفس الرتبة تم اختبار ‪toda Yamamoto‬‬
‫فنقدر اوال نموذج ‪ vecm‬تم نعود الى الخطوات السابقة الجراء هذا االختبار‪ ‬‬

‫وجود التكامل المشترك يعني وجود السببية‪ ‬‬

‫اليمكن اجراء ‪ toda Yamamoto‬من اي نموذج اخر اال نموذج ‪ augmented var‬‬

‫اداكانت لدينا سالسل مستقرة في المستوى اي ‪ dmax=0‬ونريد اجراء اختبار ‪ toda Yamamoto‬في هذه النحتاج لنموذج‬
‫‪ augmenter var‬والالختبار ‪ modified wald‬بل نستعمل نموذج ‪ VAR‬المعروف و العادي واختبار ‪ wald‬العادي‬

‫يمكن استعمال السالسل دات درجات مختلفة )‪I(1),I(2),I(0‬في اختبار ‪ toda Yamamoto‬وكذلك السالسل التي لها نفس رتبة التكامل‬
‫اذا كان الهدف هو معرفة العالقة السببة طويلة المدى‬

‫الموضوع منقول‬