صياغة النماذج المالية والاقتصادية مع EVIEWS دليل للطلبة والمحترفين PDF

‫ﺻﻴﺎﻏﺔ ﺍﻟﻨﻤﺎﺫﺝ ﺍﳴﺎﻟﻴﺔ ﻭﺍﻻﻗﺘﺼﺎﺩﻳﺔ‬
‫ﻣﻊ ‪EViews‬‬
‫ﺩﻟﻴﻞ ﻟﻠﻄﻠﺒﺔ ﻭﺍﳴﺤ‪‬ﻓ‪‬‬
‫ﺗﺄﻟﻴﻒ‬
‫ﻣﻌﺘﺼﻢ ﺗﺎﻃﺎﺣﻲ‬ ‫ﻋﺒﺪ اﻟﻘﺎدر اﻟﺠﻨﺪاﻟﻲ‬
‫ﺗﺮﺟﻤﺔ‬
‫د‪.‬ﺟﺎب ا ﻣﺤﻤﺪ ﺟﺎب ا د‪.‬رﻣﻀﺎن ﻣﻔﺘﺎح اﻟﻔﻴﺘﻮري‬
‫ﻛﻠﻴﺔ اﻻﻗﺘﺼﺎد‬ ‫ﻛﻠﻴﺔ اﻻﻗﺘﺼﺎد‬
‫ﺟﺎﻣﻌﺔ ﻋﻤﺮ اﻟﻤﺨﺘﺎر‬ ‫ﺟﺎﻣﻌﺔ ﻋﻤﺮ اﻟﻤﺨﺘﺎر‬
‫رﻗﻢ اﻹﻳﺪاع ‪2021/1977 :‬م‬
‫اﻟﺘﺮﻗﻴﻢ اﻟﺪوﻟﻰ‪978 - 977 - 6723 - 36 - 8 :‬‬
‫‪2021‬‬ ‫ﺍﻟﻄﺒﻌﺔ ﺍﻻﻭﻟﻰ‬ ‫ﺩﺍﺭ ﺣﻤﻴﺜﺮﺍ ﻟﻠﻨﺸﺮ‬

‫ﺟﻤﻴﻊ ﺣﻘﻮق اﻟﻄﺒﻊ واﻟﻨﺸﺮ ﻣﺤﻔﻮﻇﺔ ﻟﺪار ﺣﻤﻴﺜﺮا ﻟﻠﻨﺸﺮ‬
‫ﻻ ﻳﺠﻮز اﺳﺘﻨﺴﺎخ أو ﻃﺒﺎﻋﺔ أو ﺗﺼﻮﻳﺮ أي ﺟﺰء ﻣﻦ ﻫﺬا اﻟﻜﺘﺎب‬
‫أو اﺧﺘﺰاﻧﻪ ﺑﺎي وﺳﻴﻠﺔ إﻻ ﺑﺈذن ﻣﺴﺒﻖ ﻣﻦ اﻟﻨﺎﺷﺮ‪.‬‬
‫اﻟﺘﻮزﻳﻊ داﺧﻞ ﺟﻤﻬﻮرﻳﺔ ﻣﺼﺮ اﻟﻌﺮﺑﻴﺔ واﻟﺴﻮدان وﺷﻤﺎل اﻓﺮﻳﻘﻴﺎ ودول اﻟﺨﻠﻴﺦ‬
‫ﺟﻤﻬﻮﺭﻳﺔ ﻣﺼﺮ ﺍﻟﻌﺮﺑﻴﺔ ‪ -‬ﺍﻟﻘﺎﻫﺮﺓ ‪ 26‬ﺵ ﺷﺎﻣﺒﻠﻴﻮﻥ‬
‫ﺕ ‪01007420665 - 01113664737 :‬‬
‫ﺍﻟﺒﺮﻳﺪ ﺍﻻﻟﻜﺘﺮﻭﻧﻰ ‪Email : homysra@gmail.com :‬‬
‫‪k‬‬
‫اﻟﺼﻔﺤﺔ‬ ‫اﳌﻮﺿـ ـ ـ ـ ـ ـ ــﻮع‬
‫ﺤﻣﺘﻮﻳﺎت اﻟﻜﺘﺎب ‪3 .............................................................................................‬‬

‫ﻣﻘﺪﻣﺔ اﻤﻟﺮﺘﻤﺟﻦﻴ ‪9 ...............................................................................................‬‬
‫‪11 ............................................................‬‬ ‫اﻟﻔﺼﻞ اﻷول‪ :‬ﻣﻘﺪﻣﺔ ﻟﺮﺒﻧﺎﻣﺞ ‪EViews‬‬
‫‪11 ............................................................................‬‬ ‫ﻣﻘﺪﻣﺔ ‪Introduction‬‬ ‫‪1.1‬‬

‫‪14 ...................................................‬‬ ‫‪ 2.1.1‬اﺳﺘﺮﻴاد اﻛﻴﺎﻧﺎت داﺧﻞ ‪EViews‬‬
‫‪16 ...............................‬‬ ‫‪ 1.2.1‬ﻗﺮاءة ﺑﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴات ﻣﻦ ‪Exce/IBM SPSS‬‬
‫‪19 ..............................................‬‬ ‫‪ 2.2.1‬ﺣﻔﻆ وﻓﺘﺢ ﻣﻠﻒ ﺑﻴﺎﻧﺎت ‪EViews‬‬
‫اﻟﻔﺼﻞ اﺨﻛﺎ ‪ :‬ﻣﺒﺎدئ ﺗﻮﺟﻴﻬﻴﺔ ﻹﺟﺮاء اﻻﺤﻧﺪار ‪23 .................................................‬‬

‫‪23 .................................................................‬‬ ‫‪ 1.2‬اﻻﺤﻧﺪار ﺑﺎﺳﺘﺨﺪام ‪EViews‬‬
‫‪ 1.1.2‬ﺣﻔﻆ ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار ‪29 .................................................................‬‬

‫‪ 2.1.2‬ﺤﺗﺮﻳﺮ وﺣﻔﻆ اﻟﺮﺳﻮﻣﺎت اﻛﻴﺎﻧﻴﺔ ﻟﻼﺤﻧﺪار ‪30 ....................................‬‬
‫‪36 .............................‬‬ ‫‪ 2.2‬داﻟﺔ ﻛﻮب دوﺟﻼس ‪The Cobb-Douglas Function‬‬
‫‪ 1.2.2‬ﺗﻘﺪﻳﺮ داﻟﺔ ﻛﻮب دوﺟﻼس ‪Estimation of the Cobb-Douglas‬‬

‫‪37 ........................................................................................‬‬ ‫‪Model‬‬
‫‪39 ........‬‬ ‫‪ 2.2.2‬ﺗﻔﺴﺮﻴ ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار ‪Interpret the Regression Equation‬‬
‫‪41 ...................................‬‬ ‫‪ 3.2.2‬اﺧﺘﺒﺎر اﻤﻟﻌﻠﻤﺎت ‪Testing the Coefficients‬‬
‫‪42 ................................................‬‬ ‫‪ 4.2.2‬ﺗﻌﻠﻴﻖ ﺒﻟ ﻗﻴﻤﺔ ‪ R2‬واﺧﺘﺒﺎر ‪R2‬‬
‫‪ 5.2.2‬ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ وﺤﺗﻠﻴﻞ اﻛﻮاﻲﻗ ‪Multicollinearity and‬‬

‫‪43 .....................................................................‬‬ ‫‪Residual Analysis‬‬
‫ﺻﻴﺎﻏﺔ اﻟﻨﻤﺎذج اﻟﻤﺎﻟﻴﺔ واﻻﻗﺘﺼﺎدﻳﺔ ﻣﻊ ‪EViews‬‬ ‫‪4‬‬
‫‪46 ............‬‬ ‫‪ 1.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ ﻲﻓ ‪EViews‬‬
‫‪50 .......................‬‬ ‫‪ 2.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ اﺨﻟﻄﻴﺔ ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪EViews‬‬
‫‪50 .......‬‬ ‫‪ 3.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ ﻋﺪم ﺛﺒﺎت اﺤﻛﺒﺎﻳﻦ ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪EViews‬‬
‫‪53 ......................‬‬ ‫ﻲﻓ ‪EViews‬‬ ‫‪ 4.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا‬
‫اﻟﻔﺼﻞ اﺨﻛﺎﻟﺚ‪ :‬ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ‪57 ...........................................................‬‬

‫‪ 1.3‬ﺳﻠﺴﻠﺔ زﻣﻨﻴﺔ واﺣﺪة‪ :‬اﻟﻄﻠﺐ ﺒﻟ اﺠﻘﻮد اﺤﻟﻘﻴﻘﻴﺔ )‪59 .................... (RMD‬‬
‫‪ 1.1.3‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ وﻋﺮض ﺷﻞﻜ‬
‫اﻻرﺗﺒﺎط ‪59 ......................................................................................‬‬
‫‪ 2.1.3‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬اﺟﺮاء اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ ‪Augmented‬‬
‫‪61 ..........................................................‬‬ ‫)‪Dicky-Fuller Test (ADF‬‬
‫‪63‬‬ ‫‪ 2.3‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﺨﻛﺎﻧﻴﺔ‪ :‬اﺠﺎﺗﺞ اﻤﻟﺤﻲﻠ اﻹﻤﺟﺎﻲﻟ اﺤﻟﻘﻴﻲﻘ )‪(RGDP‬‬

‫‪ 1.2.3‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ واﻧﺸﺎء ﺷﻞﻜ‬
‫اﻻرﺗﺒﺎط ‪63 ......................................................................................‬‬
‫‪ 2.2.3‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬إﺟﺮاء اﺧﺘﺒﺎر اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ‬
‫)‪65 ........................................................................................ (ADF‬‬
‫‪ 3.3‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﺨﻛﺎﺨﻛﺔ‪ :‬ﻣﻌﺪﻻت اﻟﻔﺎﺋﺪة )‪67 .................................. (INT‬‬
‫‪ 1.3.3‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ و ﻧﺸﺎء ﺟﺪول‬
‫اﻻرﺗﺒﺎط ‪67 ......................................................................................‬‬
‫‪ 2.3.3‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬إﺟﺮاء اﺧﺘﺒﺎر ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ )‪69 ................. (ADF‬‬
‫‪70 ......................‬‬ ‫‪ 4.3‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﺮاﺑﻌﺔ‪ :‬اﻟﻔﺮق اﻷول ﻟـ ‪RMD-DRMD‬‬
‫‪ 1.4.3‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ و ﻧﺸﺎء ﺟﺪول‬

‫اﻻرﺗﺒﺎط ‪70 ......................................................................................‬‬
‫‪ 2.4.3‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬إﺟﺮاء اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ )‪72 ..... (ADF‬‬
‫‪5‬‬ ‫اﻟﻤﺤﺘﻮﻳﺎت‬
‫‪73 ..‬‬ ‫‪ 5.3‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﺨﻟﺎﻣﺴﺔ‪ :‬اﻟﻔﺮق اﻷول ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴ ‪ RGDP‬و ‪DRGDP‬‬

‫اﻻرﺗﺒﺎط ‪73 ......................................................................................‬‬
‫‪ 2.5.3‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬إﺟﺮاء اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﻠﺮ اﺤﻛﻜﻤﻴﻲﻠ )‪75 ... (ADF‬‬
‫‪76 ................‬‬ ‫‪ 6.3‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﺴﺎدﺳﺔ‪ :‬اﻟﻔﺮق اﻷول ﻟﻠﻤﺘﻐﺮﻴ ‪INT-DINT‬‬

‫اﻻرﺗﺒﺎط ‪76 ......................................................................................‬‬
‫‪ 2.6.3‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬إﺟﺮاء اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ )‪78 ......................... (ADF‬‬
‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ ‪ :‬ﻧﻤﺬﺟﺔ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ‪81 ...........................................................‬‬

‫‪ 1.4‬ﺧﺼﺎﺋﺺ اﻻﺳﺘﻘﺮار ‪82 ................................. The property of Stationarity‬‬
‫‪ 1.1.4‬ﻓﺮوق اﻻﺠﺗﺎه اﻟﻌﺎم ‪82 ......................................... Trend Differencing‬‬
‫‪85 ......................................‬‬ ‫‪ 2.1.4‬اﻟﻔﺮوق اﻤﻟﻮﺳﻤﻴﺔ ‪Seasonal Differencing‬‬
‫‪86 ..............................................‬‬ ‫‪ 3.1.4‬ﺠﺗﺎﻧﺲ اﻛﻴﺎﻧﺎت ‪Homoscedasticity‬‬
‫‪ 2.4‬اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻲﻓ اﺤﻛﻄﺒﻴﻖ ‪87 ................................................................‬‬
‫اﻟﻔﺼﻞ اﺨﻟﺎﻣﺲ‪ :‬ﻣﺰﻳﺪ ﻣﻦ ﺧﺼﺎﺋﺺ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ‪103 .....................................‬‬

‫‪ 1.5‬اﻻﺠﺗﺎﻫﺎت اﻤﻟﺤﺪدة واﻟﻌﺸﻮاﺋﻴﺔ ‪103 ..............................................................‬‬
‫‪ 2.5‬ﻣﻌﺎﻣﻞ ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ واﻤﻟﻌﻜﻮس ‪107 ..............................................................‬‬
‫‪111‬‬ ‫‪ 3.5‬اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻤﺰﻴة واﻻﺳﺘﻘﺮار ‪The Characteristics Equation and Stationarity‬‬
‫‪ 4.5‬اﺧﺘﺒﺎرات ﺟﺬور اﻟﻮﺣﺪة ‪115 ............................................. Unit Root Tests‬‬

‫اﻤﻟﻠﺤﻖ ‪ :1.5‬اﺠﻈﺮﻳﺔ اﺨﻛﻨﺎﺋﻴﺔ ‪121 .............. Appendix 5.1: The binomial Teorem‬‬
‫رﺟﺔ اﺨﻛﺎﻧﻴﺔ ‪Appendix 5.2: The Quadratic‬‬ ‫اﻤﻟﻠﺤﻖ ‪ :2.5‬اﻤﻟﻌﺎدﻟﺔ ﻣﻦ ا‬

‫‪123 ................................................................................................... Equation‬‬
‫اﻟﻔﺼﻞ اﻟﺴﺎدس‪ :‬اﺤﻛﻨﺒﺆ اﻻﻗﺘﺼﺎدي ﺑﺎﺳﺘﺨﺪام اﻻﺤﻧﺪار ‪127 ....................................‬‬

‫‪ 1.6‬اﺤﻛﻨﺒﺆ ﻣﻊ ﻧﻤﺎذج اﻻﺤﻧﺪار ‪128 ......................................................................‬‬
‫‪ 2.6‬اﺨﻟﻄﻮة اﻷو ‪ :‬اﺧﺘﺒﺎر اﺳﺘﻘﺮار اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ‪129 ...................................‬‬
‫‪ 3.6‬اﺨﻟﻄﻮة اﺨﻛﺎﻧﻴﺔ‪ :‬ﻛﻴﻔﻴﺔ اﺤﻟﺼﻮل ﺒﻟ ﺳﻼﺳﻞ زﻣﻨﻴﺔ ﻣﺴﺘﻘﺮة ‪135 .....................‬‬
‫‪141 ...........‬‬ ‫‪ 4.6‬اﺨﻟﻄﻮة اﺨﻛﺎﺨﻛﺔ‪ :‬اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ اﻤﻟﺸﺮﺘك ‪The Cointegration Test‬‬
‫‪ 5.6‬اﺨﻟﻄﻮة اﻟﺮاﺑﻌﺔ‪ :‬ﻧﻤﻮذج اﺤﻛﻨﺒﺆ ‪144 .................................. Model Forecasting‬‬

‫اﺨﻟﻄﻮة اﺨﻟﺎﻣﺴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ اﻤﻟﺸﺮﺘك ﻟﻠﻤﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ وﻗﻴﻤﻪ اﻤﻟﺘﻮﻗﻌﺔ اﻤﻟﺘﻨﺒﺄ‬
‫ﺑﻬﺎ ‪152 ...................................................................................‬‬
‫ﺤﻟﺪ اﺨﻟﻄﺄ ‪Adding autocorrelation of‬‬ ‫اﺨﻟﻄﻮة اﻟﺴﺎدﺳﺔ‪ :‬إﺿﺎﻓﺔ اﻻرﺗﺒﺎط ا ا‬
‫‪153 .................................................................. the error term‬‬
‫اﻟﻔﺼﻞ اﻟﺴﺎﺑﻊ‪ :‬اﺤﻛﻨﺒﺆ اﻻﻗﺘﺼﺎدي ﺑﺎﺳﺘﺨﺪام ﻧﻤﻮذج ‪157 ........................... ARIMA‬‬

‫‪ 1.7‬ﻣﻨﻬﺠﻴﺔ ‪157 ........................................................................... Box-Jenkins‬‬
‫‪159 ...................................................................................‬‬ ‫‪ 2.7‬ﻧﻤﻮذج ‪ARIMA‬‬
‫‪ 3.7‬اﻻﺤﻧﺪار ا ا ‪161 .......................................................... Autocorrelations‬‬

‫‪161 ..............‬‬ ‫)‪Autocorrelation Functions (ACF‬‬ ‫‪ 1.3.7‬دوال اﻻﺤﻧﺪار ا ا‬
‫اﺠﻟﺰﻲﻳ ‪Partial Autocorrelation Functions‬‬ ‫‪ 2.3.7‬دوال اﻻﺤﻧﺪار ا ا‬
‫)‪165 ...................................................................................... (PACF‬‬
‫‪ 3.3.7‬أﻧﻤﺎط داﻟﺔ اﻻﺤﻧﺪار ا ا وداﻟﺔ اﻻﺤﻧﺪار ا ا اﺠﻟﺰﻲﻳ ‪167 .................‬‬
‫‪7‬‬ ‫اﻟﻤﺤﺘﻮﻳﺎت‬
‫ﺔ واﻻﻗﺘﺼﺎدﻳﺔ‪ :‬ﻧﻤﺎذج ‪ARCH‬‬ ‫اﻟﻔﺼﻞ اﺨﻛﺎﻣﻦ‪ :‬ﺻﻴﺎﻏﺔ ﻧﻤﺎذج اﺤﻛﻘﻠﺒﺎت اﻤﻟﺎ‬

‫و ‪ GARCH‬و ‪203 ................................................................................ EGARCH‬‬
‫‪204 ....................................‬‬ ‫‪ 1.8‬ﻓﺌﺎت ﻧﻤﺎذج ‪ARCH The ARCH Class Models‬‬
‫إﻧﺸﺎء ﻣﻌﺪﻻت ﺳﻌﺮ اﻟﺮﺼف ‪207 .......................................................................‬‬

‫‪208 ........................................................................‬‬ ‫‪ 2.8‬اﺧﺘﺒﺎر ﺗﺄﺛﺮﻴات ‪ARCH‬‬
‫‪216 ..................................................................‬‬ ‫اﺤﻛﻨﺒﺆ ﺑﺎﺳﺘﺨﺪام ﻧﻤﻮذج ‪ARCH‬‬
‫‪ 3.8‬ﻣﺴﺎﺋﻞ ﻣﺘﻌﻠﻘﺔ ﺑﻨﻤﺎذج ‪ ARCH‬ﻲﻓ اﺤﻛﻄﺒﻴﻖ اﻟﻌﻤﻲﻠ ‪220 ..................................‬‬

‫‪ 4.8‬ﻧﻤﺎذج ‪220 ................................................................................... GARCH‬‬
‫‪223 ......................‬‬ ‫‪ 5.8‬اﺤﻛﻄﺒﻴﻖ‪ :‬ﺻﻴﺎﻏﺔ ﻧﻤﻮذج اﺤﻛﻘﻠﺐ واﺤﻛﻘﺪﻳﺮ )‪GARCH(1,1‬‬
‫‪237 ............................................................‬‬ ‫‪ 6.8‬اﺤﻛﺎﻜﻣﻞ اﻤﻟﺸﺮﺘك ‪Cointegration‬‬
‫‪ 7.8‬ﻣﻼﺣﻈﺎت ﺧﺘﺎﻣﻴﺔ ‪237 ...............................................................................‬‬
‫اﻟﻔﺼﻞ اﺤﻛﺎﺳﻊ‪ :‬ﻧﻤﺎذج اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ اﻤﻟﺤﺪد ‪273 .......................................................‬‬

‫‪ 1.9‬ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ ‪274 ........................................................................‬‬
‫ﻋﻴﻮب ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ ‪277 ...................................................................‬‬
‫‪ 2.9‬اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ‪279 ............................................................................‬‬
‫‪ 3.9‬ﺗﻄﺒﻴﻖ اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ‪280 ..................................................................‬‬
‫‪ 4.9‬اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﻲﻓ ‪282 ........................................................... EViews‬‬
‫اﻟﻔﺼﻞ اﻟﻌﺎﺮﺷ‪ :‬ﻧﻤﻮذج ﻣﺘﺠﻪ اﻻﺤﻧﺪار ا ا )‪291 ........................................ (VAR‬‬

‫‪292 ......................................................................................‬‬ ‫‪ 1.10‬ﻣﻨﻬﺠﻴﺔ ‪VAR‬‬
‫‪ 2.10‬ﻋﻤﻠﻴﺔ اﺤﻛﻘﺪﻳﺮ ‪294 ....................................................................................‬‬

‫اﻤﻟﻠﺤﻖ ‪ : 1.10‬أﺧﺘﺒﺎر وو ‪323 ........................................................... Wald Test‬‬
‫اﻟﻔﺼﻞ اﺤﻟﺎدي ﻋﺮﺸ‪ :‬ﺤﺗﻠﻴﻞ ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ‪325 ..................... Panel Data Analysis‬‬
‫‪ 1.11‬ﻃﺮﻳﻘﺔ اﺳﺘﻘﺮار اﻛﺎﻧﻞ ‪327 .............................. :Panel Stationary Approach‬‬
‫‪328 ................................................................‬‬ ‫‪ 1.1.11‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪LGDP‬‬
‫‪330 ...............................................................‬‬ ‫‪ 2.1.11‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪LGEX‬‬
‫‪331 ............‬‬ ‫ﻟﻠﺒﻴﺎﻧﺎت ‪The First Difference of the Data‬‬ ‫‪ 3.1.11‬اﻟﻔﺮوق اﻷو‬
‫‪332 ............................................................‬‬ ‫‪ 4.1.11‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪DLGDP‬‬
‫‪334 ............................................................‬‬ ‫‪ 5.1.11‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪DLGEX‬‬
‫‪ 2.11‬ﻧﻤﻮذج ﺑﺎﻧﻞ ‪341 ................................................................................ ECM‬‬

‫‪ 1.2.11‬اﺤﻧﺪار ‪ OLS‬اﻤﻟﺠﻤﻊ )‪341 ........................... :(Pooled OLS regression‬‬
‫‪ 2.2.11‬ﻧﻤــﻮذج اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى ذات اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻟﻠﻤﺘﻐﺮﻴات اﻟﻮﻫﻤﻴﺔ‬
‫)‪343 ..................................................................................... (LSDV‬‬
‫‪ 3.2.11‬اﺧﺘﺒﺎر اﺠﻤﻮذج ‪349 ..........................................................................‬‬
‫‪350 ...........................................‬‬ ‫‪ 4.2.11‬ﻗﻴﻮد ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ‪LSDV‬‬
‫‪ 3.11‬ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸﻮاﺋﻴﺔ )‪ (REM‬أو ﻧﻤﻮذج ﻣﻜﻮﻧﺎت اﺨﻟﻄﺄ )‪351 .. (ECM‬‬

‫‪ 4.11‬ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻣﻘﺎﺑﻞ ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸﻮاﺋﻴﺔ ‪354 ...................‬‬
‫‪ 5.11‬اﺠﺘﻴﺠﺔ اﺠﻬﺎﺋﻴﺔ ‪356 ...................................................................................‬‬
‫اﻟﻔﺼﻞ اﺨﻛﺎ ﻋﺮﺸ‪ :‬ﻧﻤﻮذج ﺗﺴﻌﺮﻴ اﻷﺻﻮل اﻟﺮأﺳﻤﺎ ﺔ )‪357 ....................... (CAPM‬‬
‫‪358 ....................................................................................‬‬ ‫‪ 1.12‬ﻣﻌﺎدﻟﺔ ‪CAPM‬‬
‫‪ 2.12‬ﺤﺗﻠﻴﻞ اﻛﻮاﻲﻗ ‪367 ......................................................................................‬‬

‫ﻣﻘﺪﻣﺔ ﺍﳴ‪‬ﺟﻤ‪‬‬
‫اﺤﻟﻤﺪ ﷲ واﻟﺼﻼة واﻟﺴﻼم ﺒﻟ رﺳﻮل اﷲ وﺒﻟ آ وﺻﺤﺒﻪ أﻤﺟﻌﻦﻴ؛ اﺤﻟﻤﺪ‬
‫ً‬ ‫ً‬
‫ﷲ ﺒﻟ ﺗﻮﻓﻘﻴﻪ واﻣﺘﻨﺎﻧﻪ ﺠﺎ ﻲﻓ إﺗﻤﺎم ﺗﺮﻤﺟﺔ ﻫﺬا اﻟﻜﺘﺎب‪ ،‬ﻓﻠﻪ اﺤﻟﻤﺪ ﻤﺣﺪا ﻛﺜﺮﻴا‬
‫ً‬ ‫ً‬
‫ﻃﻴﺒﺎ ﻣﺒﺎر ﻓﻴﻪ‪.‬‬
‫أﻣﺎ ﺑﻌﺪ‪ ،‬ﻓﻼ ﺷﻚ أن اﺨﺗﺎذ اﻟﻘﺮارات ﻣﻦ اﻤﻟﻬﻤﺎت اﻟﻲﺘ ﺗﻮاﺟﻬﻨﺎ ﻲﻓ ﺣﻴﺎﺗﻨﺎ‬
‫ا ﻮﻣﻴﺔ ﺒﻟ ﻣﺴﺘﻮى اﻷﻓﺮاد واﻤﻟﺴﺆوﻟﻦﻴ ﻲﻓ اﻤﻟﺆﺳﺴﺎت‪ ،‬وأﻫﻢ ﺧﻄﻮة ﻲﻓ اﺨﺗﺎذ أي‬
‫ﻗﺮار ﻫﻮ اﺤﻟﺼﻮل ﺒﻟ اﻛﻴﺎﻧﺎت اﻤﻟﺘﻌﻠﻘﺔ ﺑﺬﻟﻚ اﻟﻘﺮار وﺤﻣﺎوﻟﺔ ﺤﺗﻠﻴﻠﻬﺎ ﻟﻠﻮﺻﻮل‬
‫إﻰﻟ أﻓﻀﻞ اﻟﻘﺮارات اﻤﻟﻤﻜﻨﺔ وﺤﻛﺠﻨﺐ أي ﺧﺴﺎﺋﺮ أو ﺨﻣﺎﻃﺮ ﺤﻣﺘﻤﻠﺔ؛ وﻫﺬا ﻳﻘﻮدﻧﺎ‬
‫إﻰﻟ اﺤﻟﺪﻳﺚ ﻋﻦ ﺤﺗﻠﻴﻞ اﻛﻴﺎﻧﺎت وﺻﻴﺎﻏﺔ اﺠﻤﺎذج اﻤﻟﻨﺎﺳﺒﺔ اﻟﻲﺘ ﺗﻌﻄﻲ ﺻﻮرة‬
‫واﺿﺤﺔ ﻋﻦ اﻟﻌﻼﻗﺎت اﻤﻟﺨﺘﻠﻔﺔ ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴات اﻤﻟﺨﺘﻠﻔﺔ اﻟﻲﺘ ﻧﻮاﺟﻬﻬﺎ‪.‬‬
‫ﻫﺬا اﻟﻜﺘﺎب ﻳﺘﻨﺎول ﺻﻴﺎﻏﺔ اﺠﻤﺎذج اﻻﻗﺘﺼﺎدﻳﺔ واﻤﻟﺎ ﺔ ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ‬
‫ﻣﻦ اﻟﺮﺒاﻣﺞ اﻤﻟﻌﺮوﻓﺔ ﻲﻓ ﺠﻣﺎل ﺤﺗﻠﻴﻞ اﻛﻴﺎﻧﺎت وﻫﻮ ﺑﺮﻧﺎﻣﺞ ‪ ،EViews‬ﻓﻬﺬا اﻟﻜﺘﺎب‬
‫ﻳﻌﻄﻲ ﺧﻄﻮات ﻋﻤﻠﻴﺔ ‪ -‬ﺑﺪون اﺨﻟﻮض ﻲﻓ اﺤﻛﻔﺎﺻﻴﻞ اﻟﻌﻤﻴﻘﺔ ‪ -‬ﻋﻦ ﻛﻴﻔﻴﺔ ﺤﺗﻠﻴﻞ‬
‫اﻛﻴﺎﻧﺎت وﻋﻦ دﻻﻻت أرﻗﺎم اﻤﻟﺨﺮﺟﺎت اﻟﻲﺘ ﻳﻨﺘﺠﻬﺎ ﺑﺮﻧﺎﻣﺞ ‪.EViews‬‬
‫ً‬
‫ﺗﻢ ﺗﻘﺴﻴﻢ ﻫﺬا اﻟﻜﺘﺎب إﻰﻟ أﺛﻰﻨ ﻋﺮﺸ ﻓﺼﻼ‪ ،‬ﺗﺘﻀﻤﻦ أﻣﺜﻠﺔ ﺗﻮﺿﻴﺤﻴﺔ‬
‫وﺑﻴﺎﻧﺎت ﻋﻦ ﺑﻌﺾ اﺤﻟﺎﻻت اﻟﻮاﻗﻌﻴﺔ‪ ،‬ﻓﻬﻮ ﻛﺘﺎب ﻣﺘﻨﻮع ﻲﻓ ﺤﻣﺘﻮﻳﺎﺗﻪ وﻋﻤ ّ‬
‫ﻲﻠ‬
‫ﻲﻓ ﺧﻄﻮاﺗﻪ ﻷي ﻗﺎرئ ﺤﻳﺎول اﻟﻮﺻﻮل إﻰﻟ اﺠﺘﺎﺋﺞ ﺑﺄﻗﺮﺼ اﺤﻛﻄﺮق‪ ،‬ﺣﻴﺚ ﺗﻨﺎول‬
‫ً‬
‫اﻟﻔﺼﻞ اﻷول ﻣﻘﺪﻣﺔ ﻋﻦ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺷﺎرﺣﺎ ﻛﻴﻔﻴﺔ اﺳﺘﺮﻴاد اﻛﻴﺎﻧﺎت ﻣﻦ‬
‫ﻣﻠﻔﺎت ﺧﺎرﺟﻴﺔ ﻣﺜﻞ ﻣﻠﻔﺎت أﻛﺴﻴﻞ أو ﻣﻠﻔﺎت اﻟﺮﺒاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ ﻣﺜﻞ ‪SPSS‬‬
‫ﻹدﺧﺎل اﻛﻴﺎﻧﺎت ﺑﺮﺒﻧﺎﻣﺞ ‪.EViews‬‬
‫أﻣﺎ اﻟﻔﺼﻞ اﺨﻛﺎ ﻓﻘﺪ ﺗﻨﺎول د ﻞ ﻋﻦ ﺤﺗﻠﻴﻞ اﻻﺤﻧﺪار واﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺎت‬
‫اﻟﻼزﻣﺔ ﺤﻛﺤﻠﻴﻞ اﻻﺤﻧﺪار ﻣﺜﻞ اﺧﺘﺒﺎر أن اﻛﻴﺎﻧﺎت ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ واﺧﺘﺒﺎر‬
‫ً‬ ‫ً‬
‫اﻻرﺗﺒﺎط ا ا وﺤﺗﻠﻴﻞ اﻛﻮاﻲﻗ رﻳﺎﺿﻴﺎ وﺑﻴﺎﻧﻴﺎ‪ ،‬ﻲﻓ ﺣﻦﻴ أن اﻟﻔﺼﻞ اﺨﻛﺎﻟﺚ‬
‫ً‬
‫ﺤﺗﺪث ﻋﻦ ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻣﻮﺿﺤﺎ ذﻟﻚ ﻣﻦ ﺧﻼل ﻣﺜﺎل ﻋﻦ اﻤﻟﻌﺮوض‬
‫اﺠﻘﺪي اﺤﻟﻘﻴﻲﻘ‪ ،‬و اﻟﻔﺼﻞ اﻟﺮاﺑﻊ ﺗﻢ اﺤﻛﻮﺳﻊ ﻲﻓ ﻣﻮﺿﻮع اﻟﺴﻼﺳﻞ ﺘﻢ ﺮﺷح‬
‫ً‬
‫ﻛﻴﻔﻴﺔ ﺻﻴﺎﻏﺔ ﻧﻤﺎذج اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﺑﺸﻞﻜ أﻛﺮﺜ ﺗﻔﺼﻴﻼ‪ ،‬وزاد اﻟﻔﺼﻞ‬
‫ً‬
‫اﺨﻟﺎﻣﺲ ﻲﻓ ﺧﺼﺎﺋﺺ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﺨرﺿﺎ اﺠﺗﺎﻫﺎﺗﻬﺎ اﻟﻌﺸﻮاﺋﻴﺔ واﻤﻟﺤﺪدة‬
‫وﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ واﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺎت اﻟﻲﺘ ﺗﻌﺘﻤﺪ ﻋﻠﻴﻬﺎ ﺑﻌﺾ اﺧﺘﺒﺎرات‬

‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪.‬‬
‫ﻛﻤﺎ ﺗﻢ اﺤﻛﻄﺮق إﻰﻟ اﺳﺘﺨﺪام ﺤﺗﻠﻴﻞ اﻻﺤﻧﺪار ﻲﻓ اﺤﻛﻨﺒﺆات اﻻﻗﺘﺼﺎدﻳﺔ‬
‫و ﻴﻔﻴﺔ ﺻﻴﺎﻏﺔ اﺠﻤﺎذج اﺨﻟﺎﺻﺔ ﺑﺎﺤﻛﻨﺒﺆ ﻲﻓ اﻟﻔﺼﻞ اﻟﺴﺎدس‪ ،‬أﻣﺎ اﻟﻔﺼﻞ اﻟﺴﺎﺑﻊ‬
‫ً‬
‫ﻓﻘﺪ ﺗﻮﺳﻊ ﻲﻓ ﻣﻮﺿﻮع اﺤﻛﻨﺒﺆات اﻻﻗﺘﺼﺎدﻳﺔ ﻣﺴﺘﺨﺪﻣﺎ ﻃﺮﻳﻘﺔ اﻤﻟﺘﻮﺳﻂ اﻤﻟﺘﺤﺮك‬
‫ً‬ ‫ً‬ ‫ً‬
‫واﻻﺤﻧﺪار ا ا ﻣﻮﺿﺤﺎ ﻛﻴﻔﻴﺔ اﺧﺘﺒﺎر اﻻرﺗﺒﺎط ا ا وﺗﻔﺴﺮﻴه ﺑﻴﺎﻧﻴﺎ ورﻳﺎﺿﻴﺎ‪،‬‬
‫ً‬
‫وﺗﻨﺎول اﻟﻔﺼﻞ اﺨﻛﺎﻣﻦ ﺻﻴﺎﻏﺔ ﻧﻤﺎذج ﻟﻠﺘﻘﻠﺒﺎت اﻤﻟﺎ ﺔ واﻻﻗﺘﺼﺎدﻳﺔ ﻣﺴﺘﺨﺪﻣﺎ‬
‫ﻋﺪة أﻧﻮاع ﻣﻦ اﺠﻤﺎذج اﻟﻘﻴﺎﺳﻴﺔ‪ ،‬وﺗﻢ ﻋﺮض ﻧﻤﺎذج اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ اﻤﻟﺤﺪود ﻲﻓ‬
‫اﻟﻔﺼﻞ اﺤﻛﺎﺳﻊ وﻲﻫ ﻧﻤﺎذج ﺤﺗﺎول اﺤﻛﻐﻠﺐ ﺒﻟ ﻋﻴﻮب ﻧﻤﻮذج اﻻﺤﻧﺪار اﺨﻟﻄﻲ‬
‫ً‬
‫اﻟﻌﺎدي‪ ،‬ﺣﻴﺚ ﺮﺷح ﻛﻼ ﻣﻦ ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ واﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ‬
‫وﺗﻄﺒﻴﻘﺎﺗﻬﻤﺎ‪ ،‬وﻋﺮض اﻟﻔﺼﻞ اﻟﻌﺎﺮﺷ ﻧﻤﻮذج ﻣﺘﺠﻪ اﻻﺤﻧﺪار ا ا وﻣﻨﻬﺠﻴﺘﻪ‬
‫وﺧﻄﻮات ﺗﻘﺪﻳﺮه‪ ،‬أﻣﺎ اﻟﻔﺼﻞ اﺤﻟﺎدي ﻋﺮﺸ ﻓﻘﺪ ﺗﻨﺎول ﻣﻮﺿﻮع ﻣﻦ أﻫﻢ‬
‫ﻣﻮﺿﻮﺨت ﺤﺗﻠﻴﻞ اﻛﻴﺎﻧﺎت وﻫﻮ ﺤﺗﻠﻴﻞ اﻛﺎﻧﻞ )ﺤﺗﻠﻴﻞ اﻛﻴﺎﻧﺎت اﻟﻄﻮ ﺔ( وﻫﺬا‬
‫اﺠﻮع ﻣﻦ اﻛﻴﺎﻧﺎت ﺠﻳﻤﻊ ﺑﻦﻴ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ واﻟﻌﻴﻨﺔ اﻟﻄﺒﻘﻴﺔ ﻤﻣﺎ ﻳﻌﻄﻲ ﻧﺘﺎﺋﺞ‬
‫ً‬
‫أي دراﺳﺔ دﻗﺔ أﻛﺮﺒ‪ ،‬أﺧﺮﻴا ﺗﻨﺎول اﻟﻔﺼﻞ اﺨﻛﺎ ﻋﺮﺸ ﻧﻤﺎذج ﺗﺴﻌﺮﻴ اﻷﺻﻮل‬
‫اﻟﺮأﺳﻤﺎ ﺔ و ﻴﻔﻴﺔ اﺧﺘﺒﺎرﻫﺎ واﺤﻛﺤﻘﻴﻖ ﻣﻦ دﻗﺔ ﻧﺘﺎﺠﺋﻬﺎ‪.‬‬
‫ً‬
‫أﺧﺮﻴا ﻻ ﻳﻔﻮﺗﻨﺎ أن ﻧﺘﻘﺪم ﺑﺎﻟﺸﻜﺮ إﻰﻟ ﻞﻛ ﻣﻦ ﺳﺎﻫﻢ ﻲﻓ إﺧﺮاج ﻫﺬا اﻟﻌﻤﻞ‬
‫ُ‬
‫إﻰﻟ ﺣﺰﻴ اﻟﻮﺟﻮد وﺨﻧﺺ ﺑﺎﻟﺸﻜﺮ دار ﻤﺣﻴﺮﺜا ﺒﻟ ﻧﺮﺸ ﻫﺬا اﻟﻌﻤﻞ‪ ،‬وﻧﺸﻜﺮ‬
‫ً‬
‫أﺛﻨﺎء‬ ‫ا ﻛﺘﻮر‪ /‬ﻋﺒﺪ اﻟﻘﺎدر اﺠﻟﻨﺪاﻲﻟ ‪ -‬ﻣﺆﻟﻒ ﻫﺬا اﻟﻜﺘﺎب ‪ -‬ﺒﻟ ﺗﻌﺎوﻧﻪ ﻣﻌﻨﺎ‬
‫ﻋﻤﻠﻴﺔ اﻟﺮﺘﻤﺟﺔ‪ ،‬ﻛﻤﺎ ﻧﺘﻘﺪم ﺑﺎﻟﺸﻜﺮ واﺨﻛﻨﺎء ﻷﺮﺳﻧﺎ ﺒﻟ ﺗﺸﺠﻌﻴﻬﻢ ﺠﺎ ﻲﻓ إﺗﻤﺎم‬
‫ً‬
‫ﻫﺬا اﻟﻌﻤﻞ؛ ﻓﺠﺰى اﷲ اﺠﻟﻤﻴﻊ ﻋﻨﺎ ﺧﺮﻴا‪.‬‬
‫د‪.‬رﻣﻀﺎن ﻣﻔﺘﺎح اﻟﻔﻴﺘﻮري‬ ‫د‪.‬ﺟﺎب ا ﻣﺤﻤﺪ ﺟﺎب ا‬
‫ﻠﻛﻴﺔ اﻻﻗﺘﺼﺎد ‪ /‬ﺟﺎﻣﻌﺔ ﻋﻤﺮ اﻤﻟﺨﺘﺎر ‪ -‬ﺒﻴﺎ‬
‫ﺗﻨﻮﻳﺔ‪ :‬ﺤﻛﻄﺒﻴﻖ اﻷﻣﺜﻠﺔ اﻟﻮاردة ﻲﻓ ﻫﺬا اﻟﻜﺘﺎب ﻓﺄﻧﺖ ﺤﺗﺘﺎج إﻰﻟ ﺤﺗﻤﻴﻞ اﻛﻴﺎﻧﺎت اﺨﻟﺎﺻﺔ‬
‫ﺑﺄﻣﺜﻠﺔ ﻫﺬا اﻟﻜﺘﺎب ﻣﻦ اﻟﺮاﺑﻂ اﺤﻛﺎﻲﻟ‪:‬‬
‫‪https://www.springer.com/gp/book/9783319929842‬‬
‫(‪١‬‬
‫ﻣﻘﺪﻣﺔ ﻟ‪‬ﻧﺎﻣﺞ ‪EViews‬‬
‫‪ 1.1‬ﻣﻘﺪﻣﺔ ‪Introduction‬‬
‫ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺑﺮﻧﺎﻣﺞ ﺣﺎﺳﻮب ﺗﻔﺎﻲﻠﻋ ﻟﻠﺘﺤﻠﻴﻞ اﻹﺣﺼﺎ واﻻﻗﺘﺼﺎد‬
‫اﻟﻘﻴﺎ ‪ ،‬ﻣﻊ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﻳﻤﻜﻨﻚ ﺑﺮﺴﻋﺔ ﺗﻄﻮﻳﺮ ﻋﻼﻗﺔ إﺣﺼﺎﺋﻴﺔ ﻣﻦ‬
‫اﻛﻴﺎﻧﺎت اﻤﻟﻮﺟﻮدة ﻳﻚ ﺛﻢ اﺳﺘﺨﺪام ﻫﺬه اﻟﻌﻼﻗﺔ ﻟﻠﺘﻨﺒﺆ ﺑﺎﻟﻘﻴﻢ اﻤﻟﺴﺘﻘﺒﻠﻴﺔ‬
‫ﻟﻠﺒﻴﺎﻧﺎت‪ ،‬ﻻﺣﻆ ﺑﺄن ‪ EViews‬ﻻ ﻳﻤﻜﻦ اﺳﺘﺨﺪاﻣﻪ ﻲﻓ اﺤﻟﺴﺎﺑﺎت اﻤﻟﺎ ﺔ )ﻣﺜﻞ‬
‫ﺣﺴﺎب اﻷﻗﺴﺎط‪ ،‬وﺣﺴﺎب اﻟﻘﻴﻤﺔ اﺤﻟﺎ ﺔ وﺣﺴﺎب ﻣﻌﺪل اﻟﻌﺎﺋﺪ ا اﺧﻲﻠ ‪...‬‬
‫اﻟﺦ( واﻤﻟﺤﺎﺎﻛة وﺤﺗﻠﻴﻞ اﺤﻛﺎﻜ ﻒ‪.‬‬
‫ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺗﻢ ﺗﻄﻮﻳﺮه ﻣﻦ ﻗﺒﻞ اﻻﻗﺘﺼﺎدﻳﻦﻴ وأﻏﻠﺐ اﺳﺘﺨﺪاﻣﺎﺗﻪ ﻲﻓ‬
‫اﻻﻗﺘﺼﺎد اﻟﻘﻴﺎ أو اﻻﻗﺘﺼﺎد اﻤﻟﺎﻲﻟ‪ ،‬وﻫﺬا اﻟﺮﺒﻧﺎﻣﺞ ﻳﻮﻓﺮ ﻃﺮق ﺳﻬﻠﺔ ﻹدﺧﺎل‬
‫ﺳﻠﺴﻠﺔ ﻣﻦ اﻛﻴﺎﻧﺎت ﻣﻦ ﺧﻼل ﻟﻮﺣﺔ اﻤﻟﻔﺎﺗﻴﺢ‪ ،‬و ﻧﺸﺎء ﺳﻠﺴﻠﺔ ﺟﺪﻳﺪة ﻣﻦ ﺑﻴﺎﻧﺎت‬
‫ً‬
‫ﻣﻮﺟﻮدة ﻣﺴﺒﻘﺎ‪ ،‬واﺳﺘﺮﻴاد اﻛﻴﺎﻧﺎت ﻣﻦ ‪Microsoft Excel ، IBM SPSS ، SAS‬‬
‫ﻟﻌﺮض وﻃﺒﺎﻋﺔ ﺳﻠﺴﻠﺔ واﻟﻘﻴﺎم ﺑﺎﺤﻛﺤﻠﻴﻞ اﻻﺣﺼﺎ ﻟﻠﻌﻼﻗﺎت ﺑﻦﻴ ﺳﻠﺴﻠﺔ‬
‫اﻛﻴﺎﻧﺎت‪ ،‬وﺗﻈﻬﺮ اﺠﺘﺎﺋﺞ ﻲﻓ ﻧﺎﻓﺬة ﻳﻤﻜﻦ ﺗﻌﺪﻳﻠﻬﺎ ﺑﻌﺪة ﺗﻘﻨﻴﺎت ﻣﻌﻴﺎرﻳﺔ‪.‬‬
‫ﻳﻤﻜﻦ إدﺧﺎل أواﻣﺮ ‪ EViews‬ﻣﻦ ﺧﻼل اﻟﻘﻮاﺋﻢ‪ ،‬وأﻏﻠﺐ اﺤﻛﻄﺒﻴﻘﺎت ﻬﻟﺎ‬
‫ﺠﻣﻤﻮﻋﺔ ﻣﻦ اﻟﻘﻮاﺋﻢ واﻟﻲﺘ ﺗﻘﻊ ﻲﻓ ﺮﺷﻳﻂ اﻷدوات اﻤﻟﻮﺟﻮد ﻲﻓ أﺒﻟ ﻧﺎﻓﺬة اﻟﺮﺒﻧﺎﻣﺞ‪،‬‬
‫وﻫﻨﺎك ﻗﻮاﺋﻢ ﻣﻨﺴﺪﻟﺔ ﻟﻞﻜ ﺠﻣﻤﻮﻋﺔ ﻣﻦ اﻟﻌﻨﺎﺮﺻ ﻲﻓ ﺮﺷﻳﻂ اﻟﻘﻮاﺋﻢ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ‬
‫اﻤﻟﺜﺎل اﻟﻘﺎﺋﻤﺔ اﻟﺮﺋﻴﺴﻴﺔ ﺤﺗﺘﻮ ﺒﻟ ﻋﻼﻣﺎت اﺤﻛﺒﻮﻳﺐ أدﻧﺎه واﻟﻲﺘ ﻳﻤﻜﻦ اﻻﺧﺘﻴﺎر‬
‫ﻣﻨﻬﺎ‪.‬‬
‫ﻋﻨﺪ اﺠﻘﺮ ﺒﻟ ﻋﻼﻣﺔ اﺤﻛﺒﻮﻳﺐ ‪ File‬ﺳﻮف ﺗﻔﺘﺢ ﻗﺎﺋﻤﺔ ﻣﻨﺴﺪﻟﺔ ﺤﺗﺘﻮي ﺒﻟ‬
‫ﺠﻣﻤﻮﻋﺔ إﺿﺎﻓﻴﺔ ﻣﻦ اﻷواﻣﺮ؛ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﻳﺴﺘﺨﺪم ﻣﺮﺑﻌﺎت اﺤﻟﻮار ﻹدﺧﺎل‬
‫ﻣﻌﻠﻮﻣﺎت إﺿﺎﻓﻴﺔ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل إذا ﻗﻤﺖ ﺑﺎﺧﺘﻴﺎر ﻗﺎﺋﻤﺔ ﺤﻛﺤﻠﻴﻞ اﻻﺤﻧﺪار‬
‫ﻓﺈن ‪ EViews‬ﻳﻔﺘﺢ ﻣﺮﺑﻊ ﺣﻮار ﻳﺴﻤﺢ ﻟﻠﻤﺴﺘﺨﺪم ﺑﺈدﺧﺎل ﻣﻌﻠﻮﻣﺎت إﺿﺎﻓﻴﺔ ﻋﻦ‬
‫ً‬
‫اﻤﻟﺤﺪدات ﺨرﺿﺎ اﻻﻗﺮﺘاﺣﺎت اﻻﻓﺮﺘاﺿﻴﺔ ﻟﻠﺨﻴﺎرات اﻤﻟﺘﺎﺣﺔ‪ EViews ،‬ﻳﺴﺘﺨﺪم‬
‫ﻣﻔﺘﺎح ”‪ “Esc‬ﻟﻺﻳﻘﺎف‪ ،‬ﻓﺈذا ﻛﻨﺖ ﺗﺮﻳﺪ اﻟﻐﺎء اﻟﻮﻇﻴﻔﺔ اﺤﻟﺎ ﺔ أو اﻟﻌﻤﻠﻴﺔ ﻗﻴﺪ‬
‫اﻻﺟﺮاء ﻗﻢ ﺑﺎﻟﻀﻐﻂ ﺒﻟ ﻣﻔﺘﺎح ”‪ “Esc‬ﻲﻓ ﻟﻮﺣﺔ اﻤﻟﻔﺎﺗﻴﺢ‪.‬‬
‫ً‬
‫وأﺧﺮﻴا ﻋﻨﺪﻣﺎ ﺗﻘﻮم ﺑﺘﺸﻐﻴﻞ اﻟﺮﺒﻧﺎﻣﺞ ﺳﻮف ﺗﻼﺣﻆ ﺑﺄن ﻧﺎﻓﺬة ﺑﺮﻧﺎﻣﺞ‬
‫‪ EViews‬ﻛﻤﺎ ﻲﻫ ﻲﻓ اﻟﺸﻞﻜ ‪ ،1.1‬ﻲﻓ اﻷﺒﻟ ﺗﻼﺣﻆ ﺮﺷﻳﻂ اﻟﻌﻨﻮان ﻋﻨﺪﻣﺎ ﻳﻜﻮن‬
‫ً‬
‫‪ EViews‬ﻫﻮ اﻟﺮﺒﻧﺎﻣﺞ اﻟﻨﺸﻂ‪ ،‬وﺮﺷﻳﻂ اﻟﻌﻨﻮان ﻟﻮن أﻛﺮﺜ ﺗﺮ ﺰﻴا ﺨﻳﺘﻠﻒ ﻋﻦ‬
‫ﺑﺎﻲﻗ اﺨﻟﻄﻮط ﻲﻓ اﺠﺎﻓﺬة ﺣﻴﺚ أﻧﻪ ﻟﻮن داﻛﻦ أﻛﺮﺜ‪ ،‬وﺤﺗﺖ ﺮﺷﻳﻂ اﻟﻌﻨﻮان‬
‫ﻣﺒﺎﺮﺷة ﺠﺗﺪ اﻟﻘﺎﺋﻤﺔ اﻟﺮﺋﻴﺴﻴﺔ واﻟﻘﻮاﺋﻢ اﻤﻟﻨﺴﺪﻟﺔ اﻟﻲﺘ ﺗﻈﻬﺮ ﻋﻨﺪﻣﺎ ﺗﻘﻮم ﺑﺎﺠﻘﺮ‬
‫ﺒﻟ أي ﻋﻨﺮﺼ‪ ،‬وﺤﺗﺖ اﻟﻘﺎﺋﻤﺔ اﻟﺮﺋﻴﺴﻴﺔ ﻫﻨﺎك ﻣﺴﺎﺣﺔ ﺑﻴﻀﺎء ﺗﺴﻰﻤ ﻧﺎﻓﺬة اﻷواﻣﺮ‪.‬‬
‫أواﻣﺮ ‪ EViews‬ﻗﺪ ﺗﺘﻢ ﻃﺒﺎﻋﺘﻬﺎ ﻫﻨﺎ وﻳﺘﻢ ﺗﻨﻔﻴﺬ اﻷواﻣﺮ ﻋﻨﺪﻣﺎ ﻳﻘﻮم‬
‫اﻤﻟﺴﺘﺨﺪم ﺑﺎﻟﻀﻐﻂ ﺒﻟ ﻣﻔﺘﺎح اﻹدﺧﺎل ‪ ،Enter‬وﻫﺬه اﻤﻟﻨﻄﻘﺔ اﻛﻴﻀﺎء ﺗﻘﻮم‬
‫ﺑﻮﻇﻴﻔﺔ ﻣﻌﺎﻟﺞ اﺠﺺ‪ ،‬وﻟﻲﻜ ﺗﺘﻤﻜﻦ ﻣﻦ اﺳﺘﺨﺪام ﻧﺎﻓﺬة اﻷواﻣﺮ ﻓﻼﺑﺪ ﻣﻦ‬
‫ﻣﻌﺮﻓﺔ ﺗﺮ ﻴﺒﺔ أواﻣﺮ ‪ ،EViews‬ﻲﻓ اﻷﺳﻔﻞ ﺠﺗﺪ ﻧﺎﻓﺬة ﺮﺷﻳﻂ اﺤﻟﺎﻟﺔ و ﻋﺪة‬
‫ﺗﻘﺴﻴﻤﺎت ﻓﺮﻋﻴﺔ‪ ،‬اﺠﻟﺎﻧﺐ اﻷﻳﺮﺴ ﻲﻓ ﻛﺜﺮﻴ ﻣﻦ اﻷﺣﻴﺎن ﻳﺘﻀﻤﻦ رﺳﺎﻟﺔ اﺤﻟﺎﻟﺔ اﻟﻲﺘ‬
‫ﺗﻢ ﻋﺮﺿﻬﺎ ﻣﻦ ﻗﺒﻞ ‪ ،EViews‬وﻳﻤﻜﻦ ﻣﺴﺤﻬﺎ ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ اﻟﺼﻨﺪوق‬
‫اﻤﻟﻮﺟﻮد ﻲﻓ آﺧﺮ ﻳﺴﺎر ﺧﻂ ﺮﺷﻳﻂ اﺤﻟﺎﻟﺔ‪ ،‬اﺠﻟﺰ اﺤﻛﺎﻲﻟ ﻳﻌﺮض اﻤﻟﺠﺘ اﻻﻓﺮﺘا‬
‫ا ي ﺳﻮف ﻳﺴﺘﺨﺪﻣﻪ ‪ EViews‬ﻟﻠﺒﺤﺚ ﻋﻦ اﻛﻴﺎﻧﺎت واﻟﺮﺒاﻣﺞ‪.‬‬
‫ُ‬
‫اﻤﻟﻨﻄﻘﺔ اﻤﻟﻈﻠﻠﺔ ﻲﻓ ﻣﻨﺘﺼﻒ ﻧﺎﻓﺬة ‪ EViews‬ﻲﻓ اﻟﺸﻞﻜ ‪ 1.1‬ﺗﺴﻰﻤ ﻣﻨﻄﻘﺔ‬
‫اﻟﻌﻤﻞ ﺣﻴﺚ ﻳﻌﺮض ﻓﻴﻬﺎ ‪ EViews‬ﻋﺪد اﻟﻌﻨﺎﺮﺻ اﻤﻟﺨﺘﻠﻔﺔ )ﻫﺬه اﻟﻌﻨﺎﺮﺻ ﺗﺸﺒﻪ‬
‫اﻷوراق واﻤﻟﺬﻛﺮات اﻟﻲﺘ ﺗﻀﻌﻬﺎ ﺒﻟ ﻣﻜﺘﺒﻚ أﺛﻨﺎء اﻟﻌﻤﻞ(‪.‬‬
‫ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺗﻢ ﺗﺼﻤﻴﻤﻪ ﺑﺎﻻﻋﺘﻤﺎد ﺒﻟ ﻣﻔﻬﻮم اﻟﻌﻨﺎﺮﺻ‪ ،‬ﻓﺴﻼﺳﻞ‬
‫اﻛﻴﺎﻧﺎت واﻤﻟﻌﺎدﻻت واﺠﻈﻢ ﻲﻫ أﻣﺜﻠﺔ ﻗﻠﻴﻠﺔ ﻋﻦ اﻟﻌﻨﺎﺮﺻ‪ ،‬ﻓﻞﻜ ﻋﻨﺮﺼ ﻧﺎﻓﺬﺗﻪ‬
‫اﺨﻟﺎﺻﺔ ﺑﻪ وﻗﺎﺋﻤﺘﻪ وﻣﺮاﺣﻠﻪ اﺨﻟﺎﺻﺔ ﺑﻪ‪ ،‬ﻛﻤﺎ أن ﻣﻌﺎﻳﻨﺔ اﻛﻴﺎﻧﺎت اﺨﻟﺎﺻﺔ‬
‫‪13‬‬ ‫اﻟﻔﺼﻞ ا!ول‪ :‬ﻣﻘﺪﻣﺔ ﻟﺒﺮﻧﺎﻣﺞ ‪EViews‬‬
‫ﺑﻪ؛ أﻏﻠﺐ اﻤﻟﺮاﺣﻞ اﻹﺣﺼﺎﺋﻴﺔ ﻲﻫ ﺑﺒﺴﺎﻃﺔ ﻣﻌﺎﻳﻨﺔ ﻟﻠﻌﻨﺮﺼ اﻤﻟﻮﺟﻮد ﻲﻓ اﻤﻟﻨﻄﻘﺔ‬

‫ا اﻛﻨﺔ؛ ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﻳﻤﻜﻦ ﻣﻦ اﻟﻘﺎﺋﻤﺔ اﺧﺘﻴﺎر ﺗﻐﻴﺮﻴ ﻣﻌﺎﻳﻨﺔ اﺠﺎﻓﺬة‬
‫ﺤﻛﻜﻮن ﺒﻟ ﺷﻞﻜ ﺟﺪول أو ﺳﻄﺮ أو رﺳﻢ ﺑﻴﺎ ﺒﻟ ﺷﻞﻜ أﻋﻤﺪة أو ﻣﺪرج‬
‫ﺗﻜﺮاري ﻣﻊ ﻣﻌﺎﻳﻨﺔ اﻻﺣﺼﺎﺋﻴﺎت أو ﺗﺼﻮﻳﺮ ﻟﻼرﺗﺒﺎط ‪ ...‬اﻟﺦ‪.‬‬
‫ﺷﻜﻞ ‪ :1 .1‬اﻟﺸﺎﺷﺔ اﻻﻓﺘﺘﺎﺣﯿﺔ ﻟﺒﺮﻧﺎﻣﺞ ‪EViews‬‬

‫وﺑﺎﻤﻟﺜﻞ ﻓﺈن ﻧﺎﻓﺬة اﻤﻟﻌﺎدﻟﺔ ﺗﺴﻤﺢ ﻟﻠﻤﺴﺘﺨﺪم ﺑﺎﺤﻛﺒﺪﻳﻞ ﺑﻦﻴ ﻣﻌﺎﻳﻨﺔ ﺤﻣﺪدات‬
‫اﻤﻟﻌﺎدﻟﺔ‪ ،‬واﺠﺘﺎﺋﺞ اﻤﻟﻘﺪرة‪ ،‬واﺤﻛﺼﻮﻳﺮ اﻛﻴﺎ ﻟﻠﺒﻴﺎﻧﺎت‪ ،‬وﻗﻴﻢ اﻛﻮاﻲﻗ واﻟﻘﻴﻢ‬
‫اﻤﻟﺘﻨﺎﺳﺐ ﻟﻠﻤﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ‪ ،‬واﺠﻟﺪاول‪ ،‬واﻟﺮﺳﻮﻣﺎت اﻛﻴﺎﻧﻴﺔ ﻟﻠﺘﻨﺒﺆ واﺤﻛﻘﻴﻴﻢ‪،‬‬
‫ﻛﻤﺎ ﺗﻮﺟﺪ ﻫﻨﺎك أﻛﺮﺜ ﻣﻦ أﺛﻰﻨ ﻋﺮﺸ اﺧﺘﺒﺎر ﻓﺮﺿﻴﺎت وﻓﺤﺺ‪ ،‬ﻳﻤﻜﻨﻚ ﻗﺺ‬
‫وﻟﺼﻖ أي ﻣﻦ ﻫﺬه اﻤﻟﻌﺎﻳﻨﺎت ﻲﻓ أي ﻣﻌﺎﻟﺞ ﻧﺼﻮص ﺗﻔﻀﻠﻪ‪ ،‬اﺠﻮاﻓﺬ اﻤﻟﺘﻌﺪدة‬
‫ﻟﻌﻨﺎﺮﺻ ﻣﻨﻄﻘﺔ اﻟﻌﻤﻞ ﺗﺘﺪاﺧﻞ ﻣﻊ أﺧﺮ ﻧﺎﻓﺬة ﺗﻢ وﺿﻌﻬﺎ ﻛﻨﺎﻓﺬة ﻧﺸﻄﺔ‪ ،‬واﺠﺎﻓﺬة‬
‫اﻟﻨﺸﻄﺔ ﻲﻫ اﺠﺎﻓﺬة اﻟﻮﺣﻴﺪة اﻟﻲﺘ ﻳﻜﻮن إﻃﺎر ﻋﻨﻮاﻧﻬﺎ داﻛﻦ‪ ،‬وﻋﻨﺪﻣﺎ ﺗﻜﻮن‬
‫ً‬
‫ﻫﻨﺎك ﻧﺎﻓﺬة ﻇﺎﻫﺮة ﺟﺰﺋﻴﺎ ﻓﻴﻤﻜﻨﻚ وﺿﻌﻬﺎ ﻲﻓ اﻷﻣﺎم ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ إﻃﺎر‬
‫اﻟﻌﻨﻮان أو اﺠﻘﺮ ﺒﻟ اﺠﻟﺰء اﻤﻟﺮﻲﻳ ﺤﻛﻠﻚ اﺠﺎﻓﺬة‪ ،‬ﻛﻤﺎ ﻳﻤﻜﻨﻚ اﺤﻛﻨﻘﻞ ﺑﻦﻴ اﺠﻮاﻓﺬ‬
‫ﻣﻦ ﺧﻼل اﻟﻀﻐﻂ ﺒﻟ زر ‪.F6‬‬
‫‪ 2.1‬اﺳﺘﻴﺮاد اﻟﺒﻴﺎﻧﺎت داﺧﻞ ‪EViews‬‬

‫‪Importing Data into EViews 1.2‬‬
‫أول ﺧﻄﻮة ﻲﻓ أي ﻣﺮﺸوع ﻲﻫ اﺤﻟﺼﻮل ﺒﻟ اﻛﻴﺎﻧﺎت و دﺧﺎﻬﻟﺎ ﻲﻓ اﻟﺮﺒﻧﺎﻣﺞ‬
‫اﻹﺣﺼﺎ ‪ ،‬ﻳﺘﻌﺎﻣﻞ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﻣﻊ اﻛﻴﺎﻧﺎت ﺑﺘﻨﺴﻴﻘﺎﺗﻬﺎ اﻤﻟﺨﺘﻠﻔﺔ ﺑﻤﺎ ﻓﻴﻬﺎ‬
‫ﻗﻮاﻋﺪ اﻛﻴﺎﻧﺎت )‪ ،(*.dbf‬وﻣﻴﻜﺮﺳﻮﻓﺖ أﻛﺴﻴﻞ )‪(*.xls) HTML (*.htm; *.html‬‬
‫وﺑﺮﻧﺎﻣﺞ‪ (*.sav) IBM SPSS‬واﻤﻟﻠﻔﺎت اﺠﺼﻴﺔ )‪(*.csv; *.txt; *.dat‬وﻫﺬه‬
‫اﻟﻘﺎﺋﻤﺔ ﻣﻦ أﻧﻮاع اﻛﻴﺎﻧﺎت ﻟﻴﺴﺖ ﺷﺎﻣﻠﺔ ﻟﻞﻜ اﻷﻧﻮاع‪ ،‬وأي ﻣﻠﻒ ﺑﻴﺎﻧﺎت ﻟﻴﺲ‬
‫ﻣﻦ ﻧﻮع ‪ EViews‬ﻳُﺴﻰﻤ ﻣﻠﻒ ﺧﺎر ‪ ،foreign file‬وﺤﻛﺤﻤﻴﻞ ﻣﻠﻒ اﻛﻴﺎﻧﺎت‬
‫اﺨﻟﺎر أﻧﻘﺮ ﺒﻟ‪:‬‬
‫…‪File‬‬
‫…‪Open‬‬
‫‪Foreign Data as Workfile‬‬
‫ً‬
‫إذا ﻗﻤﺖ ﺳﺎﺑﻘﺎ ﺤﺑﻔﻆ ﻣﻠﻒ ﺑﻴﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﻓﺈن ﻫﺬا‬
‫اﻻﻣﺘﺪاد اﻻﻓﺮﺘا ﻬﻟﺬا اﻤﻟﻠﻒ ﻳﻜﻮن )*‪ (wf1.‬وﻳﻤﻜﻦ ﻓﺘﺤﻪ ﻣﻦ ﺧﻼل‪:‬‬
‫…‪File‬‬
‫…‪Open‬‬
‫‪EViews workfile‬‬
‫ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل اﻤﻟﻠﻒ اﻤﻟﺴﺘﺨﺪم ﻲﻓ اﺠﻟﺰء اﺤﻛﺎﻲﻟ ﻳﺘﻀﻤﻦ ﺑﻴﺎﻧﺎت ﻋﻦ‬
‫اﻤﻟﺒﻴﻌﺎت اﻟﺸﻬﺮﻳﺔ )‪ (MONSALES‬ﻟﺮﺸ ﺔ ﻫﺎرﻣﻮن وﻋﻼﻗﺖ ﺗﻠﻚ اﻤﻟﺒﻴﻌﺎت ﻣﻊ‬
‫اﻟﻘﻴﻢ اﻤﻟﺎ ﺔ ﻟﻠﺨﺼﻮﻣﺎت اﻤﻟﻌﺮوﺿﺔ ﻣﻦ ﻗﺒﻞ اﻟﺮﺸ ﺔ )‪DISC1, DISC2, …,‬‬
‫‪ (DISC6‬واﻟﻲﺘ ﻗﺎﻣﺖ اﻟﺮﺸ ﺔ ﺑﻌﺮﺿﻬﺎ ﺧﻼل ﻋﺮﺸة أﺷﻬﺮ ﻲﻓ ﺳﻨﺔ ‪ ،2015‬ﻗﻢ‬
‫ﺑﻔﺘﺢ اﻤﻟﻠﻒ وﺳﻮف ﻳﺘﻢ ﻋﺮض ﺟﺪول ﻣﻊ اﻤﻟﺤﺪدات اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.2.1‬‬
‫ﻋﻼﻣﺔ اﺤﻛﺒﻮﻳﺐ ‪ Select variables‬ﺗﺴﻤﺢ ﻟﻠﻤﺴﺘﺨﺪم ﺑﺎﺧﺘﻴﺎر أي ﺳﻠﺴﻠﺔ‬
‫ﺑﻴﺎﻧﺎت ﻣﻮﺟﻮدة ﻲﻓ اﻤﻟﻠﻒ وذﻟﻚ ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ ﻋﻼﻣﺔ اﻻﺧﺘﻴﺎر ﻲﻓ اﻤﻟﻠﻒ‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪ ،1.2‬اﻤﻟﺘﻐﺮﻴات اﻟﻲﺘ ﺗﻈﻬﺮ ﻲﻓ اﻟﻘﺎﺋﻤﺔ ﺑﻨﻔﺲ ﺗﺮﺗﻴﺒﻬﺎ ﻲﻓ اﻤﻟﻠﻒ‪ ،‬ﻳﻤﻜﻨﻚ‬
‫ﺗﺮﺗﻴﺐ ﻫﺬه اﻛﻴﺎﻧﺎت ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ ﺮﺷﻳﻂ اﻟﻌﻨﻮان ﻟﻠﻌﻤﻮد‪ ،‬ﻋﺮض‬
‫اﻛﻴﺎﻧﺎت ﺳﻮف ﻳﺄﺧﺬ ﺛﻼث ﺣﺎﻻت ﻲﻫ اﻟﺮﺘﺗﻴﺐ اﻷﺻﻲﻠ واﻟﺮﺘﺗﻴﺐ ﻣﻦ أﺒﻟ‬
‫ﻷﺳﻔﻞ واﻟﺮﺘﺗﻴﺐ ﻣﻦ أﺳﻔﻞ ﻷﺒﻟ‪ ،‬أﻧﻘﺮ ﺒﻟ زر ‪ OK‬ﺳﻮف ﻳﺘﻢ اﺳﺘﺮﻴاد اﻛﻴﺎﻧﺎت‬

‫داﺧﻞ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﻛﻤﺎ ﻫﻮ ﻣﻌﺮوض ﻲﻓ ﻣﻨﻄﻘﺔ اﻟﻌﻤﻞ ﺑﺎﻟﺸﻞﻜ ‪.3.1‬‬
‫ﺷﻜﻞ ‪ :2 .1‬ﻣﺮﺑﻊ ﺣﻮار ﻗﺮاءة اﻟﺠﺪول وﺗﺤﺪﯾﺪ اﻟﻤﺘﻐﯿﺮات‬

‫ﻲﻓ ﺮﺷﻳﻂ اﻟﻌﻨﻮان ﻲﻓ ﻧﺎﻓﺬة ﻣﻠﻒ اﻟﻌﻤﻞ )ﻲﻓ اﺨﻟﻠﻔﻴﺔ ﻫﻨﺎك ﻧﺎﻓﺬﺗﺎن ﻏﺮﻴ‬
‫ً‬ ‫ً‬
‫ﻧﺸﻄﺘﺎن ﺣﺎ ﺎ(‪ ،‬ﺳﻮف اﻤﻟﺠﺘ ا ي ﻳﻘﻊ ﺑﻪ ﻣﻠﻒ اﻟﻌﻤﻞ ﻣﺘﺒﻮﺨ ﺑﺎﺳﻢ ﻣﻠﻒ‬
‫ﻣﻦ اﺠﺎﻓﺬة ﻳﻌﺮض ‪EViews‬‬ ‫اﻟﻌﻤﻞ‪ ،‬وﺤﺗﺖ ﺮﺷﻳﻂ اﻟﻌﻨﻮان و اﺠﻟﺰء اﻟﺮﺋﻴ‬
‫ً‬
‫ﺤﻣﺘﻮﻳﺎت ﻣﻠﻒ اﻟﻌﻤﻞ؛ ﻻﺣﻆ ﺑﺄن ‪ EViews‬داﺋﻤﺎ ﻳﻀﻴﻒ ﻣﺘﻐﺮﻴﻳﻦ اﻓﺮﺘاﺿﻴﻦﻴ‬
‫إﺿﺎﻓﻴﻦﻴ ﻫﻤﺎ ‪ C‬وﻳﻌﻲﻨ اﺨﻛﺎﺑﺖ ‪ constant‬وﻳﻤﻜﻦ ﻟﻠﺒﺎﺣﺚ اﺳﺘﺨﺪام ﻫﺬا اﻤﻟﺘﻐﺮﻴ‬
‫ﻳﻤﺜﻞ اﺤﻛﻘﺎﻃﻊ ﺑﻤﻌﺎدﻟﺔ اﻻﺤﻧﺪار‪ ،‬واﻤﻟﺘﻐﺮﻴ اﺨﻛﺎ اﻻﻓﺮﺘا ﻫﻮ ‪ resid‬وا ي‬
‫ﻳُﺴﺘﺨﺪم ﺤﻟﻔﻆ اﻛﻮاﻲﻗ اﺠﺎﺠﺗﺔ ﻣﻦ اﺠﻤﻮذج اﻤﻟﺤﺴﻮب‪ ،‬وﻣﻦ ﺧﻼل ﺟﻌﻞ ﻣﻠﻒ‬
‫ً‬
‫اﻟﻌﻤﻞ ﻧﺸﻂ )ﺠﻟﻌﻠﻪ ﻧﺸﻄﺎ اﻧﻘﺮ ﺒﻟ ﺮﺷﻳﻂ اﻟﻌﻨﻮان( ﻳﻤﻜﻦ ﻟﻠﻤﺴﺘﺨﺪم اﺧﺘﻴﺎر‪:‬‬
‫‪View‬‬
‫‪Details +/-‬‬
‫)أو اﻧﻘﺮ ﺒﻟ أﻳﻘﻮﻧﺔ ‪ Details +/-‬ﺒﻟ ﺮﺷﻳﻂ اﻷدوات( ﻟﻠﺘﻨﻘﻞ ﺑﻦﻴ اﻟﻌﺮوض‬
‫اﻤﻟﺘﺎﺣﺔ ﻤﻟﻠﻒ اﻟﻌﻤﻞ ﻫﺬه اﻟﻌﺮوض ﺗﻌﺮض ﻣﻌﻠﻮﻣﺎت إﺿﺎﻓﻴﺔ ﺣﻮل اﻛﻴﺎﻧﺎت اﻟﻲﺘ‬
‫ﺗﻢ إﻧﺸﺎؤﻫﺎ أو ﺤﺗﺪﻳﺜﻬﺎ ﺑﺎﻹﺿﺎﻓﺔ إﻰﻟ ﻣﻌﻠﻮﻣﺎت ﻋﻦ اﺤﻛﻮﺻﻴﻒ ا ي ﺗﻢ إرﻓﺎﻗﻪ إﻰﻟ‬
‫ذﻟﻚ اﻟﻌﻨﺮﺼ ﻲﻓ ﻣﻠﻒ اﻛﻴﺎﻧﺎت اﺨﻟﺎر ‪.‬‬
‫ﺷﻜﻞ ‪ :3 .1‬ﺑﯿﺎﻧﺎت ﺷﺮﻛﺔ ھﺎرﻣﻮن ﺗﻢ اﺳﺘﯿﺮادھﺎ داﺧﻞ ‪EViews‬‬
‫‪ 1.2.1‬ﻗﺮاءة ﺑﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴات ﻣﻦ ‪Exce/IBM SPSS‬‬

‫‪Reading Excel/IBM SPSS Data Variables‬‬
‫إذا ﺎﻛن ﻣﻠﻒ اﻛﻴﺎﻧﺎت اﻹﺣﺼﺎﺋﻴﺔ ﺒﻟ ﺷﻞﻜ ﻣﻠﻜﻒ ‪ Microsoft Excel‬أو‬
‫‪ IBM SPSS‬ﻓﻴﻤﻜﻦ ﻗﺮاءة ﻫﺬه اﻤﻟﻠﻔﺎت ﻋﻦ ﻃﺮﻳﻖ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬وﻟﻜﻦ‬
‫ﺠﻳﺐ أن ﺗﻜﻮن ﺑﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴات ﻲﻓ ﺷﻞﻜ ﺑﻴﺎﻧﺎت ﺳﻨﻮﻳﺔ ﻓﻘﻂ‪ ،‬ﺑﻌﺪ ذﻟﻚ‬
‫ً‬
‫ﻳﻤﻜﻦ ﺗﻌﺪﻳﻞ اﺤﻛﺎرﻳﺦ ﺑﺪون ﺻﻌﻮﺑﺎت‪ ،‬وﻋﻤﻮﻣﺎ ﻓﺈن اﻤﻟﺘﻐﺮﻴات اﻟﺰﻣﻨﻴﺔ اﻟﻲﺘ‬
‫ﺗﻜﻮن ﻲﻓ ﻣﻠﻔﺎت ‪ Microsoft Excel‬و ‪ IBM SPSS‬ﻣﺜﻞ ﻣﺘﻐﺮﻴات اﻟﻲﺘ ﺗﺘﻀﻤﻦ‬
‫ﺑﻴﺎﻧﺎت ﺳﻨﻮﻳﺔ‪ /‬رﺑﻊ ﺳﻨﻮﻳﺔ‪ ،‬أو ﺳﻨﻮﻳﺔ‪ /‬ﺷﻬﺮﻳﺔ‪ ،‬أو ﺳﻨﻮﻳﺔ‪ /‬ﺷﻬﺮﻳﺔ‪ /‬رﺑﻊ ﺳﻨﻮﻳﺔ ‪...‬‬
‫اﻟﺦ ﻻ ﻳﻤﻜﻦ إدﺧﺎﻬﻟﺎ ﻣﺒﺎﺮﺷة إﻰﻟ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺣﻴﺚ ﺠﻳﺐ إﺟﺮاء ﺗﻌﺪﻳﻞ‬
‫ﻲﻓ ‪ EViews‬ﺤﻛﺨﺼﻴﺺ ﻞﻛ ﻣﺘﻐﺮﻴ زﻣﻲﻨ ﺑﺸﻞﻜ ﺻﺤﻴﺢ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﺳﻮف‬
‫ﺗﻼﺣﻆ ﻲﻓ اﺠﻟﺰء اﻷﻳﺮﺴ ﺑﺎﻟﺸﻞﻜ ‪) 3.1‬اﻤﻟﻨﻄﻘﺔ اﻟﺮﻣﺎدﻳﺔ( ﺑﺄن اﻤﻟﺘﻐﺮﻴات ﻻ ﺤﺗﺘﻮي‬
‫ﺒﻟ ﺗﺎرﻳﺦ ﺣﻴﺚ ﺗﻢ اﺳﺘﺮﻴاد اﻤﻟﺸﺎﻫﺪات )‪ (Obs‬ووﺿﻌﻬﺎ ﻲﻓ ﻗﺎﺋﻤﺔ ﻣﻦ ‪ 1‬إﻰﻟ ‪.10‬‬
‫ﺠﻳﺐ ﻋﻠﻴﻬﺎ اﺳﺘﺒﺪال ﻋﺪد اﻤﻟﺸﺎﻫﺪات )‪ (Obs‬ﺑﺘﻮارﻳﺦ ﻣﻨﺎﺳﺒﺔ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ‬

‫اﻤﻟﺜﺎل ﻟﻮﺻﻒ اﻷﺷﺎﻜل اﻛﻴﺎﻧﻴﺔ ﻓﺈن أول ﺧﻄﻮة ﺤﻛﺤﻘﻴﻖ ذﻟﻚ ﻲﻫ ﺟﻌﻞ ﻧﺎﻓﺬة‬
‫ﻣﻠﻒ اﻛﻴﺎﻧﺎت ‪ HARMON‬ﻧﺎﻓﺬ ﻧﺸﻄﺔ )ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ ﺮﺷﻳﻂ اﻟﻌﻨﻮان(‪.‬‬
‫وﺑﻌﺪ أن أﺻﺒﺤﺖ اﺠﺎﻓﺬة ﻧﺸﻄﺔ‪ ،‬أﻧﻘﺮ ﺒﻟ‬
‫‪Proc‬‬
‫‪Structure/Resize Current Page‬‬
‫ﺷﻜﻞ ‪ :4 .1‬ﻣﺮﺑﻊ ﺣﻮار ﺗﺮﻛﯿﺒﺔ ﻣﻠﻒ اﻟﻌﻤﻞ‬
‫ﺷﻜﻞ ‪ :5 .1‬اﻹدﺧﺎﻻت ﺑﻤﺮﺑﻊ ﺣﻮار ﺗﺮﻛﯿﺒﺔ ﻣﻠﻒ اﻟﻌﻤﻞ‬

‫ﺳﻮف ﻳﺘﻢ ﻋﺮض ﻣﺮﺑﻊ ﺣﻮار ‪ Structure‬ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ ،4.1‬ﺤﺗﺖ اﻟﻌﻨﻮان‬

‫ﺳﻮف ﺠﺗﺪ ‪ Workfile structure type‬اﻧﻘﺮ ﺒﻟ اﻟﻘﺎﺋﻤﺔ اﻤﻟﻨﺴﺪﻟﺔ واﺧﺮﺘ اﺨﻟﻴﺎر‬
‫‪ Dated-regular frequency‬ﻛﻤﺎ ﻫﻮ ﻲﻓ اﻟﺸﻞﻜ ‪ ،1.5‬ﺤﺗﺖ اﻟﻌﻨﻮان ‪Date‬‬
‫‪ specification‬اﺧﺮﺘ‬
‫‪Frequency: Monthly‬‬
‫‪Start date: 2015M01‬‬
‫‪End date: @last‬‬
‫ً‬
‫وﺑﺎﻤﻟﺜﻞ ﻓﺈذا ﺎﻛﻧﺖ اﻛﻴﺎﻧﺎت رﺑﻊ ﺳﻨﻮﻳﺔ ﻣﺜﻼ ﻓﺈن ﺗﺎرﻳﺦ اﻛﺪاﻳﺔ ‪start date‬‬
‫ﺳﻮف إدﺧﺎ ﻛﻤﺎ ﻳﻲﻠ ‪ ،2015Q01‬ﻟﻴﺴﺖ ﻫﻨﺎك ﺣﺎﺟﺔ ﻟﻄﺒﺎﻋﺔ آﺧﺮ ﺗﺎرﻳﺦ ﻷن‬
‫‪ EViews‬ﻳﻘﻮم ﺤﺑﺴﺎﺑﻪ )ﻳﻤﻜﻨﻚ ﻃﺒﺎﻋﺘﻪ إذا ﻛﻨﺖ ﺗﺮﻏﺐ ﺑﺬﻟﻚ(‪ ،‬ﻲﻓ اﻤﻟﺜﺎل‬
‫اﻟﺴﺎﺑﻖ ﻳﻤﻜﻨﻚ ﻃﺒﺎﻋﺔ آﺧﺮ ﺗﺎرﻳﺦ ‪ End Date: 2015M10‬وﺗﺎرﻳﺦ اﻛﺪاﻳﺔ‬
‫‪ Start date: @first‬ﺳﻮف ﻳﻘﻮم ‪ EViews‬ﺤﺑﺴﺎب ﺗﺎرﻳﺦ اﻛﺪاﻳﺔ‪ ،‬أﻧﻘﺮ ‪ OK‬ﻲﻓ‬
‫ﻣﺮﺑﻊ اﺤﻟﻮار وﻣﻦ اﻤﻟﻔﺮﺘض ﺑﺄن ﻣﻠﻒ اﻛﻴﺎﻧﺎت ﺳﻮف ﻳﻈﻬﺮ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪1.6‬‬
‫وﺑﺬﻟﻚ ﻓﺈن اﻛﻴﺎﻧﺎت ﺗﻢ وﺿﻊ ﺗﺎرﻳﺦ ﻣﻨﺎﺳﺐ ﻬﻟﺎ ﻣﻦ ‪ 2015M01‬إﻰﻟ ‪.2015M10‬‬
‫ﺷﻜﻞ ‪ :6 .1‬اﻟﺒﯿﺎﻧﺎت ﺑﻌﺪ إدﺧﺎل اﻟﺘﺎرﯾﺦ‬

‫‪ 2.2.1‬ﺣﻔﻆ وﻓﺘﺢ ﻣﻠﻒ ﺑﻴﺎﻧﺎت ‪EViews‬‬

‫ﻳﻤﻜﻨﻚ ﺣﻔﻆ ﻣﻠﻒ اﻛﻴﺎﻧﺎت اﻤﻟﻌﺪل أو اﻤﻟﺤﺪث ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ‬
‫‪File‬‬
‫‪Save As‬‬ ‫…‬
‫ﻳﺘﻢ اﺳﺘﺨﺪام اﻻﻣﺘﺪاد ‪ً wf1.‬ﺎﻛﻣﺘﺪاد ﺧﺎص ﺑﻤﻠﻔﺎت ﺑﻴﺎﻧﺎت ‪ EViews‬و ذا‬
‫ﺎﻛن ﻣﻠﻒ اﻛﻴﺎﻧﺎت ﻣﻮﺟﻮد ﻣﺴﺒﻘﺎ ﻓﺈن ‪ EViews‬ﻳﺴﺄﻟﻚ ﻣﺎ إذا ﺎﻛﻧﺖ ﺗﺮﻳﺪ ﺤﺗﺪﻳﺚ‬
‫اﻤﻟﻠﻒ اﺤﻟﺎﻲﻟ اﻤﻟﻮﺟﻮد ﺒﻟ اﺠﻟﻬﺎز ﻳﻚ‪ ،‬وﻋﻨﺪﻣﺎ ﺗﻘﻮم ﺤﺑﻔﻆ اﻤﻟﻠﻒ اﺠﻟﺪﻳﺪ ﺒﻟ‬
‫اﻤﻟﻠﻒ اﻟﺴﺎﺑﻖ ﻓﺈن ‪ EViews‬ﺳﻮف ﺤﻳﺘﻔﻆ ﺑﻨﺴﺨﺔ اﺣﺘﻴﺎﻃﻴﺔ ﻣﻦ اﻤﻟﻠﻒ اﻷﺻﻲﻠ‬
‫ﻣﻊ ﺗﻐﻴﺮﻴ اﺤﻟﺮف اﻷول ﻲﻓ اﻣﺘﺪاد اﻤﻟﻠﻒ ﻜﻮن ‪.~f1‬‬
‫ﻋﻨﺪﻣﺎ ﺗﻘﻮم ﺤﺑﻔﻆ ﻣﻠﻒ ﻋﻤﻞ ﻓﺈن ‪ EViews‬ﻳﻌﺮض ﻣﺮﺑﻊ ﺣﻮار اﻓﺮﺘا ﻣﻊ‬
‫اﺨﻟﻴﺎرات اﻻﻓﺮﺘاﺿﻴﺔ اﺤﻟﺎ ﺔ ﺤﻟﻔﻆ ﺗﻠﻚ اﻛﻴﺎﻧﺎت ﻲﻓ ﻣﻠﻒ اﻟﻌﻤﻞ‪ ،‬ﻓﻌﻨﺪ ﺣﻔﻆ‬
‫ﻣﻠﻒ اﻟﻌﻤﻞ ﻓﺈن أول ﺧﻴﺎر ﻫﻮ دﻗﺔ ﻣﻔﺮدة ‪ single precision‬أو دﻗﺔ ﻣﺰدوﺟﺔ‬
‫‪ ، double precision‬ﺣﻴﺚ أن اﺨﻟﻴﺎر اﻷول ﺠﻳﻌﻞ ﺣﺠﻢ اﻤﻟﻠﻒ أﺻﻐﺮ وﺤﻳﻔﻆ‬
‫اﻛﻴﺎﻧﺎت ﺑﺄﻗﻞ دﻗﺔ ﺣﻴﺚ أن دﻗﺘﻪ ‪ 7‬أرﻗﺎم‪ ،‬أﻣﺎ ا ﻗﺔ اﻤﻟﺰدوﺟﺔ ﻓﻴﺘﻢ اﺤﻟﻔﻆ ﻣﻊ ‪16‬‬
‫رﻗﻢ؛ ﻛﻤﺎ ﻳﻤﻜﻨﻚ اﺧﺘﻴﺎر ﺣﻔﻆ اﻷرﻗﺎم ﺑﺸﻞﻜ ﻣﻀﻐﻮط ‪ compressed‬أو ﻏﺮﻴ‬
‫ﻣﻀﻐﻮط ‪ ، non-compressed‬واﻵن ﻗﻢ ﺤﺑﻔﻆ ﻣﻠﻒ اﻛﻴﺎﻧﺎت ‪HARMON.wf1‬‬
‫وﻟﻔﺘﺢ ﻣﻠﻒ اﻛﻴﺎﻧﺎت ﺑﺮﺒﻧﺎﻣﺞ ‪ EViews‬اﻧﻘﺮ ﺒﻟ‪:‬‬
‫ﺷﻜﻞ ‪ :7 .1‬اﺧﺘﯿﺎر اﻟﻤﺘﻐﯿﺮات‬

‫‪File‬‬
‫‪Open‬‬
‫‪EViews Workfile‬‬ ‫…‬
‫ي ﺤﻳﺘﻮي ﺒﻟ اﻤﻟﻠﻒ ‪HARMON.‬‬ ‫ﺛﻢ ﻗﻢ ﺑﺎﻻﺳﺘﻌﺮاض ﺣ ﺗﺼﻞ إﻰﻟ اﻤﻟﺠﺘ ا‬
‫‪ wf1‬ﺳﻮف ﺠﺗﺪ ﻗﺎﺋﻤﺔ ﺑﺎﻤﻟﺘﻐﺮﻴات اﻟﺴﺘﺔ اﻟﻲﺘ ﺗﻤﺜﻞ اﺨﻟﺼﻢ واﻤﻟﺒﻴﻌﺎت اﻟﺸﻬﺮﻳﺔ‬
‫‪ monsales‬و ‪ C‬و ‪ ، RESID‬وﻟﻜﻦ ﺗﺘﻤﻜﻦ ﻣﻦ ﻣﺸﺎﻫﺪة ﻗﻴﻢ اﻛﻴﺎﻧﺎت أﻧﻘﺮ ﺒﻟ‬
‫ً‬
‫‪ DISC1‬ﻧﻘﺮة واﺣﺪة ﺳﻮف ﻳﺘﺤﻮل ﻟﻮن ذﻟﻚ اﻤﻟﺘﻐﺮﻴ إﻰﻟ ﻟﻮن داﻛﻦ ﻣﺸﺮﻴا إﻰﻟ أﻧﻪ‬
‫ﺗﻢ اﺧﺘﻴﺎره‪ ،‬أﻧﻘﺮ ﺒﻟ ﻣﻔﺘﺎح ‪ Shift‬ﺛﻢ اﺳﺘﺨﺪام ﻣﻔﺘﺎح اﻟﺴﻬﻢ اﻟﺴﻔﻲﻠ ﻻﺧﺘﻴﺎر‬
‫ﺑﻘﻴﺔ اﻤﻟﺘﻐﺮﻴات ﺣ اﻤﻟﺘﻐﺮﻴ ‪) MONSALES‬ﻗﻢ ﺑﺎﺳﺘﺨﺪام ﻣﻔﺘﺎح ‪ Shift‬وﻣﻔﺘﺎح‬
‫‪ Ctrl‬واﻧﻘﺮ اﻻﺧﺘﻴﺎر ﻋﺪة ﻣﺘﻐﺮﻴات ﻏﺮﻴ ﻣﺘﺠﺎورة( ﺳﻮف ﺗﺮى أن اﻤﻟﺘﻐﺮﻴات اﻟﻲﺘ‬
‫ﺗﻢ اﺧﺘﻴﺎرﻫﺎ أﺻﺒﺤﺖ داﻛﻨﺔ اﻟﻠﻮن ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.1.7‬‬
‫ﺛﻢ اﻧﻘﺮ ﺒﻟ‬
‫‪View‬‬
‫‪Show‬‬
‫ﺳﻮف ﺤﻳﺼﻞ اﻤﻟﺴﺘﺨﺪم ﺒﻟ ﻗﺎﺋﻤﺔ ﺑﻜﻞ اﻤﻟﺘﻐﺮﻴات اﻟﻲﺘ ﺗﻢ اﺧﺘﻴﺎرﻫﺎ ﻲﻓ ﻣﺮﺑﻊ‬
‫ﺣﻮار ‪ Show‬ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ ،8.1‬أﻧﻘﺮ زر ‪ OK‬ﻻﺳﺘﻌﺮاض ﻗﻴﻢ اﺨﻟﺼﻢ اﻤﻟﺨﺘﻠﻔﺔ‬
‫ً‬
‫واﻤﻟﺒﻴﻌﺎت اﻟﺸﻬﺮﻳﺔ ﻛﻤﺎ ﻫﻮ واﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪9.1‬؛ ﻗﻤﻨﺎ ﺳﺎﺑﻘﺎ ﺑﺎﺧﺘﻴﺎر اﻤﻟﺘﻐﺮﻴات ذات‬
‫اﻟﻌﻼﻗﺔ وﻣﻦ اﻤﻟﻤﻜﻦ ﻋﺮض ﻣﻠﺨﺺ إﺣﺼﺎ ﻟﻞﻜ ﻣﺘﻐﺮﻴ ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ‪:‬‬
‫ﺷﻜﻞ ‪ :8 .1‬ﻣﺮﺑﻊ ﺣﻮار ﻋﺮض ‪Show‬‬

‫ﺷﻜﻞ ‪ :9 .1‬ﻣﺨﺮﺟﺎت ‪ EViews‬ﺗﻌﺮض ﻗﯿﻢ اﻟﻤﺘﻐﯿﺮات‬
‫ﺷﻜﻞ ‪ :10 .1‬إﺣﺼﺎﺋﯿﺎت وﺻﻔﯿﺔ ﯾﻌﺮﺿﮭﺎ ‪EViews‬‬

‫‪Quick‬‬
‫‪Group statistics‬‬
‫‪Descriptive statistics‬‬
‫‪Individual samples‬‬
‫ﻗﻢ ﺑﻄﺒﺎﻋﺔ اﻤﻟﺘﻐﺮﻴات ﻛﻤﺎ ﻫﻮ ﻲﻓ اﻟﺸﻞﻜ ‪ 8.1‬واﻟﻲﺘ ﺳﻮف ﺗﻈﻬﺮ ﻲﻓ ﺷﻞﻜ‬
‫ﺟﺪول )اﻟﺸﻞﻜ ‪ (10.1‬ﻳﻌﺮض ﺨﻣﺮﺟﺎت اﻤﻟﻠﺨﺺ اﻹﺣﺼﺎ ﻣﺘﻀﻤﻨﺔ اﻤﻟﺘﻮﺳﻂ‬
‫اﺤﻟﺴﺎ واﻟﻮﺳﻴﻂ واﻻﺤﻧﺮاف اﻤﻟﻌﻴﺎري واﻻﺤﻛﻮاء واﺤﻛﻔﺮﻃﺢ ﻛﻤﺎ ﻳﻌﺮض اﺠﻟﺪول‬

‫ﻛﺬﻟﻚ ﻧﺘﻴﺠﺔ اﺧﺘﺒﺎر ﺟﺎر ﻴﻮﺑﺮﻴا ‪ Jarque-Bera‬واﻟﻲﺘ ﺨﺗﺘﺮﺒ اﻟﻔﺮﺿﻴﺔ اﻟﺼﻔﺮﻳﺔ‬
‫اﻟﻘﺎﺋﻠﺔ ﺑﺄن ﻣﺘﻐﺮﻴ ﻣﺎ ﻳﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫اﻟﻘﻴﻢ اﻟﺮﻗﻤﻴﺔ ﻹﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ﺟﺎر ﻴﻮﺑﺮﻴا ﻲﻫ اﺣﺘﻤﺎل أو ا ﻻﻟﺔ‬
‫اﻹﺣﺼﺎﺋﻴﺔ اﻤﻟﺮﺗﺒﻄﺔ ﺑﺎﻻﺧﺘﺒﺎر‪ ،‬ﻓﺈذا ﺎﻛﻧﺖ ذات دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ أﻗﻞ ﻣﻦ ‪0.05‬‬
‫ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم اﻟﻘﺎﺋﻠﺔ ﺑﺄن اﻤﻟﺘﻐﺮﻴ ﺤﻣﻞ اﻟﺘﺴﺎؤل ﻳﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪،‬‬
‫اﺧﺘﺒﺎر ﺟﺎﻛﻴﻮﺑﺮﻴا واﻻﺧﺘﺒﺎرات اﻷﺧﺮى ﺳﻮف ﻳﺘﻢ ﺗﻨﺎوﻬﻟﺎ ﻲﻓ اﻟﻔﺼﻞ اﺨﻛﺎ ‪.‬‬
‫(‪٢‬‬
‫ﻣﺒﺎﺩﺉ ﺗﻮﺟﻴﻬﻴﺔ ﻹﺟﺮﺍﺀ ﺍﻻﻧﺤﺪﺍﺭ‬
‫ﺨﺑﻼف اﻟﺮﺒﻧﺎﻣﺞ اﻹﺣﺼﺎ ‪ IBM SPSS‬ﻓﺈن ‪ EViews‬ﻻ ﻳﻮﻓﺮ ﺧﻴﺎرات‬

‫ﻟﻺدﺧﺎل اﺤﻛﺪرﻳ ﻟﻠﻤﺘﻐﺮﻴات أو ﺣﺬﻓﻬﺎ ﺑﻌﺪ ادﺧﺎﻬﻟﺎ ﻋﻨﺪ اﺟﺮاء اﻻﺤﻧﺪار‪،‬‬
‫وﻟﻜﻦ ﻳﻤﻜﻦ ﺗﻀﻤﻦﻴ ﻞﻛ اﻤﻟﺘﻐﺮﻴات ﻲﻓ ‪ EViews‬ﺛﻢ اﺳﺘﺒﻌﺎد اﻤﻟﺘﻐﺮﻴات اﻟﻐﺮﻴ‬
‫ً‬
‫ﻣﻬﻤﺔ واﺣﺪة ﺗﻠﻮ اﻷﺧﺮى ﺣ ﺗﺘﺒﻰﻘ اﻤﻟﺘﻐﺮﻴات اﻤﻟﻬﻤﺔ‪ .‬اﻤﻟﺰﻴة اﻷﺳﺎﺳﻴﺔ ﻹﺟﺮاء‬
‫اﻻﺤﻧﺪار ﻲﻓ ‪ EViews‬ﻲﻫ وﺟﻮد اﻻﺧﺘﺒﺎرات اﻟﺮﺳﻤﻴﺔ ﻻﺧﺘﺒﺎر اﻟﻔﺮوض اﻤﻟﺘﻌﻠﻘﺔ‬
‫ﺑﺎﻛﻮاﻲﻗ )‪.(residuals‬‬
‫‪ 1.2‬اﻻﻧﺤﺪار ﺑﺎﺳﺘﺨﺪام ‪EViews‬‬
‫اﻓﺘﺢ ﻣﻠﻒ اﻛﻴﺎﻧﺎت ‪ HARMON‬ﺒﻟ ‪ EViews‬وا ي ﺗﻢ إﻧﺸﺎؤه ﻲﻓ اﻟﻔﺼﻞ‬
‫اﻟﺴﺎﺑﻖ‪.‬‬
‫ﻣﻦ اﻟﻘﺎﺋﻤﺔ اﻟﺮﺋﻴﺴﻴﺔ ﻟـــ ‪ EViews‬ﻲﻓ اﻷﺒﻟ اﻧﻘﺮ ﺒﻟ‪:‬‬
‫‪Quick‬‬
‫‪Estimate equation‬‬
‫ﻈﻬﺮ اﻤﻟﺮﺑﻊ اﺤﻟﻮاري ﺤﻛﻘﺪﻳﺮ اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪ ،1.2‬ﺤﺗﺖ ﻋﻨﻮان‬
‫”‪ “Equation specification‬ادﺧﻞ اﻤﻟﺘﻐﺮﻴات اﻟﻲﺘ ﺗﺮﻏﺐ ﻲﻓ ﺗﻀﻤﻴﻨﻬﺎ ﺑﺪاﻳﺔ ﻣﻦ‬
‫اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ‪ ، Monsles‬ﺛﻢ ﻗﻢ ﺑﺈدﺧﺎل اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ‪ ،‬ﻻﺣﻆ أﻧﻪ إذا رأﻳﻨﺎ‬
‫ﻣﻦ اﻤﻟﻬﻢ ﺗﻀﻤﻦﻴ اﺤﻟﺪ اﺨﻛﺎﺑﺖ ”‪ “intercept term‬ﻓﺈﻧﻪ ﻳﻤﻜﻦ ذﻟﻚ ﺑﺈﺿﺎﻓﺔ ‪C‬‬
‫ﻬﻟﺬه اﻟﻘﺎﺋﻤﺔ‪ ،‬وﻟﻜﻦ ﻲﻓ ﻫﺬا اﻤﻟﺜﺎل ﻧﺮى أن اﺤﻟﺪ اﺨﻛﺎﺑﺖ ‪ intercept‬ﻟﻴﺲ ذو‬
‫أﻫﻤﻴﺔ أو دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ و ﺬﻟﻚ اﻤﻟﺘﻐﺮﻴات ‪ DISC3‬و ‪. DISC1‬‬
‫ﺤﺗﺖ اﻟﻌﻨﻮان ”‪ “Method‬اﺧﺮﺘ ‪ LS‬ﻟـ اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى ‪،Least Squares‬‬
‫ﻻﺣﻆ أن ﻓﺮﺘة اﻟﻌﻴﻨﺔ ﺣﺪدت ﺤﻛﻜﻮن ‪ ،2015M01-2015M10‬وﻟﻜﻦ ﻳﻤﻜﻦ‬
‫ﺗﻐﻴﺮﻴ ذﻟﻚ إذا أردﻧﺎ أﺟﺮاء اﺤﻧﺪار ﻤﻟﺠﻤﻮﻋﺔ ﺟﺰﺋﻴﺔ ﻣﻦ اﺤﻟﺎﻻت‪.‬‬
‫اﻧﻘﺮ ‪ OK‬ﺠﺤﺼﻞ ﺒﻟ اﻤﻟﺮﺑﻊ اﺤﻟﻮاري اﻤﻟﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪ 2.2‬وا ي‬

‫ﻳﺴﺘﻌﺮض ﻧﺘﺎﺋﺞ اﻻﺤﻧﺪار‪.‬‬
‫ً‬
‫ﻞﻛ اﻤﻟﻌﻠﻤﺎت او اﻤﻟﻌﺎﻣﻼت ﻲﻫ ذات أﻫﻤﻴﺔ اﺣﺼﺎﺋﻴﺎ )‪ (p < 0.025‬وﻣﻌﻠﻤﺔ‬
‫ﻣﻌﺎﻣﻞ اﺤﻛﺤﺪﻳﺪ ﺗﺴﺎوي ‪.%92.35‬‬
‫اﻵن ﻧﻮاﺻﻞ ﺤﻧﻮ ﺗﻄﺒﻴﻖ اﺟﺮاء اﻻﺧﺘﺒﺎرات اﻹﺣﺼﺎﺋﻴﺔ اﻟﺮﺳﻤﻴﺔ ﺒﻟ اﻛﻮاﻲﻗ‪،‬‬
‫اﻧﻘﺮ ﺒﻟ زر ‪ View‬ﻲﻓ اﻤﻟﺮﺑﻊ اﺤﻟﻮاري اﻤﻟﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪ 2.2‬ﺛﻢ اﻧﻘﺮ ‪:‬‬
‫‪Residual diagnostics‬‬
‫‪Histogram-normality Test‬‬
‫ﺷﻜﻞ ‪ 1-2‬اﻟﻤﺮﺑﻊ اﻟﺤﻮاري ﻟﺘﻘﺪﯾﺮ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار‬

‫‪25‬‬ ‫اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ‪ :‬ﻣﺒﺎدئ ﺗﻮﺟﻴﻬﻴﺔ 'ﺟﺮاء اﻻﻧﺤﺪار‬
‫ﺷﻜﻞ ‪ 2-2‬ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار ﻓﻲ ‪EViews‬‬
‫‪Jarque-‬‬ ‫ﻟﻠﺤﺼﻮل ﺒﻟ اﺠﺘﺎﺋﺞ ﻲﻓ اﻟﺸﻞﻜ ‪ ،3.2‬وﻲﻫ ﻧﺘﺎﺋﺞ ﺗﻄﺒﻴﻖ اﺧﺘﺒﺎر‬

‫‪ Bera‬وا ي ﻳﺴﺘﺨﺪم ﻻﺧﺘﺒﺎر اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ ﻟﻠﺒﻮاﻲﻗ ﻲﻓ ﻧﻤﻮذج اﻻﺤﻧﺪار‪ ،‬وﻗﺪ‬
‫ﺗﻤﺖ ﻣﻨﺎﻗﺸﺘﻪ ﻲﻓ اﻟﻔﺼﻞ اﻷول ﻣﻦ ﻫﺬا اﻟﻜﺘﺎب‪.‬‬
‫ً‬
‫ﻫﻮ أن اﻛﻮاﻲﻗ ﻣﻮزﻋﺔ ﺗﻮزﻳﻌﺎ‬ ‫‪Jarque-Bera‬‬ ‫اﻟﻔﺮض اﻟﺼﻔﺮي ﻻﺧﺘﺒﺎر‬
‫ً‬
‫ﻃﺒﻴﻌﻴﺎ‪ ،‬و ﻟﻚ‪ ،‬ﻓﺈن ﻣﺴﺘﻮى اﻤﻟﻌﻨﻮﻳﺔ اﻛﺎﻟﻎ ‪ 0.598‬ﻬﻟﺬا اﻻﺧﺘﺒﺎر ﻳﻘﻮدﻧﺎ إﻰﻟ ﻋﺪم‬
‫رﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي‪) .‬ﻣﻼﺣﻈﺔ‪ :‬ﻫﺬا اﻻﺧﺘﺒﺎر ﻫﻮ اﺧﺘﺒﺎر ذو ﻃﺮف واﺣﺪ(‪.‬‬
‫اﻟﺸﻞﻜ اﻛﻴﺎ ﻳﻤﻜﻦ أن ﺗﺘﻢ ﻋﻠﻴﻪ ﺑﻌﺾ اﺤﻛﻌﺪﻳﻼت وﻣﻦ ﺛﻢ ﺣﻔﻈﻪ أو‬
‫إرﺳﺎ إﻰﻟ ا اﻛﺮة اﻤﻟﺆﻗﺘﺔ )اﻧﻈﺮ اﻟﻘﺴﻢ اﺤﻛﺎﻲﻟ(‪.‬‬
‫ﺷﻜﻞ ‪ 3-2‬اﺧﺘﺒﺎر ‪ Jarque-Bera‬ﻟﻠﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬
‫اﻵن ﻧﻨﺘﻘﻞ إﻰﻟ اﺧﺘﺒﺎر اﺣﺼﺎ آﺧﺮ ﻳﺘﻌﻠﻖ ﺑﺎﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط‬
‫ا ا اﻟﺘﺴﻠﺴﻲﻠ )أو اﻟﺰﻣﻲﻨ( ﻲﻓ اﻛﻮاﻲﻗ )‪Statistical test for serial (or temporal‬‬
‫‪.autocorrelation in the residuals‬‬
‫ﺑﺎﺠﻘﺮ ﺒﻟ زر ‪ View‬ﻲﻓ اﻟﺼﻨﺪوق اﻤﻟﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪ 3.2‬واﺧﺘﻴﺎر‪:‬‬
‫‪Serial correlation LM test‬‬
‫ّ‬
‫ﻫﻮ اﺧﺘﺼﺎر ﻻﺧﺘﺒﺎر ‪.(Lagrange Multiplier‬‬ ‫)ﻻﺣﻆ إن ‪LM‬‬
‫‪lag specification‬‬ ‫ﺳﻮف ﻳﻈﻬﺮ ﻟﻚ ﻣﺮﺑﻊ ﺤﻛﺤﺪﻳﺪ ﻋﺪد اﻟﻔﺠﻮات اﻟﺰﻣﻨﻴﺔ‬

‫ا ي ﻳﻘﺪﻣﻪ‬ ‫اﻟﻲﺘ ﺗﺮﻏﺐ ﻲﻓ اﺧﺘﺒﺎر ارﺗﺒﺎﻃﻬﺎ ا ا ‪ ،‬ﺣﻴﺚ أن اﻟﻌﺪد اﻻﻓﺮﺘا‬
‫اﻟﺮﺒﻧﺎﻣﺞ ﻫﻮ ‪ .2‬أﻣﺎ ﻲﻓ ﺣﺎﻟﺔ اﻛﻴﺎﻧﺎت اﻟﺮﺑﻊ ﺳﻨﻮﻳﺔ‪ ،‬ﻣﻦ اﻷﻓﻀﻞ ﺗﻐﻴﺮﻴ ﻋﺪد‬
‫اﻟﻔﺠﻮات اﻟﺰﻣﻨﻴﺔ إﻰﻟ ‪ 4‬أو ‪) 8‬اﻻرﺗﺒﺎط ا ا ﻷﻛﺮﺜ ﻣﻦ ﺳﻨﺔ أو ﺳﻨﺘﻦﻴ ﻣﻦ‬

‫اﻛﻴﺎﻧﺎت(‪ .‬ﺑﻌﺪ ﺤﺗﺪﻳﺪ ﻋﺪد اﻟﻔﺠﻮات اﻟﺰﻣﻨﻴﺔ اﻧﻘﺮ ﺒﻟ زر ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ‬
‫اﻤﻟﺨﺮﺟﺎت اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ ،4.2‬و ﺟﻮﻫﺮ اﻷﻣﺮ ﻓﺈﻧﻚ ﺤﺗﺘﺎج ﻓﻘﻂ ﻟﻠﻨﺘﺎﺋﺞ‬
‫اﻟﻲﺘ ﺑﺮزت ﻲﻓ أﺒﻟ ﻣﺮﺑﻊ اﻤﻟﺨﺮﺟﺎت‪ .‬اﻟﻔﺮض اﻟﺼﻔﺮي ﻫﻮ أن اﻛﻴﺎﻧﺎت )اﻛﻮاﻲﻗ‬
‫ﻲﻓ ﻣﺜﺎﺠﺎ اﺤﻟﺎﻲﻟ( ﻻ ﺤﺗﺘﻮي ﺒﻟ ارﺗﺒﺎط ذا ﺗﺴﻠﺴﻲﻠ )زﻣﻲﻨ(‪.‬‬
‫ﻫﻨﺎك اﺣﺼﺎﺋﻴﺘﻦﻴ ﻬﻟﺬا اﻻﺧﺘﺒﺎر وﻣﻦ اﺠﺎدر أن ﺤﻳﺪث ﺗﻀﺎرب ﻓﻴﻤﺎ ﺑﻴﻨﻬﻤﺎ‬
‫واﻟﻲﺘ ﺎﻛﻧﺖ‬ ‫‪F‬‬ ‫ﺑﺸﺄن ﻗﺒﻮل أو رﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي‪ .‬اﻷو ﻲﻫ إﺣﺼﺎﺋﻴﺔ‬
‫واﻟﻲﺘ ﺎﻛﻧﺖ‬ ‫‪chi-square‬‬ ‫ذات ﻣﻌﻨﻮﻳﺔ ﺑﻠﻐﺖ ‪0.415‬؛ واﻻﺣﺼﺎﺋﻴﺔ اﺨﻛﺎﻧﻴﺔ ﻲﻫ‬
‫ذات ﻣﻌﻨﻮﻳﺔ ﺑﻠﻐﺖ ‪ .0.228‬ﻫﺬه اﺠﺘﺎﺋﺞ ﺗﻘﻮدﻧﺎ إﻰﻟ ﻋﺪم اﻣﺎﻜﻧﻴﺔ رﻓﺾ اﻟﻔﺮض‬
‫اﻟﺼﻔﺮي )وذﻟﻚ ﻷن ‪ p <0.05‬ﻲﻓ ﻫﺬا اﻻﺧﺘﺒﺎر( وﻧﺴﺘﻨﺘﺞ أن اﻛﻮاﻲﻗ )‪(residuals‬‬
‫ﻲﻓ ﻧﻤﻮذج اﻻﺤﻧﺪار ﻻ ﺗﻨﻄﻮي ﺒﻟ ارﺗﺒﺎط ذا زﻣﻲﻨ‪.‬‬
‫ً‬
‫أﺧﺮﻴا‪ ،‬ﻧﻨﺘﻘﻞ إﻰﻟ اﺧﺘﺒﺎر ﺛﺒﺎت اﺤﻛﺒﺎﻳﻦ ‪ homoscedasticity‬ﻟﻠﺒﻮاﻲﻗ ﻲﻓ‬
‫ﻧﻤﻮذج اﻻﺤﻧﺪار‪.‬‬
‫ﺑﺎﺠﻘﺮ ﺒﻟ زر ‪ View‬ﻲﻓ اﻟﺸﻞﻜ ‪ 4.2‬ﺛﻢ اﺧﺘﻴﺎر‬
‫)‪White heteroscedasticity (no cross terms‬‬
‫ﻧﺘﺤﺼﻞ ﺒﻟ اﺠﺘﺎﺋﺞ ﻲﻓ اﻟﺸﻞﻜ ‪ .5.2‬اﻟﻔﺮض اﻟﺼﻔﺮي ﻻﺧﺘﺒﺎر ‪ White‬ﻫﻮ‬

‫أن اﻛﻮاﻲﻗ ﺗﺘﻤﺰﻴ ﺑﺜﺒﺎت اﺤﻛﺒﺎﻳﻦ ‪ .homoscedasticity‬وﻣﺮة أﺧﺮى‪ ،‬ﺗﺘﻮﻓﺮ ﻳﻨﺎ‬
‫‪chi-‬‬ ‫ذات اﻤﻟﻌﻨﻮﻳﺔ ‪ 0.896‬و إﺣﺼﺎﺋﻴﺔ‬ ‫‪F‬‬ ‫اﺣﺼﺎﺋﻴﺘﺎن؛ اﻷو ﻲﻫ إﺣﺼﺎﺋﻴﺔ‬
‫‪ square‬واﻟﻲﺘ ﺎﻛﻧﺖ ذات ﻣﻌﻨﻮﻳﺔ ﺑﻠﻐﺖ ‪ .0.699‬ﻛﻼﻫﻤﺎ ﻳﻘﺮﺘح أﻧﻪ ﻻ ﻳﻤﻜﻦ‬
‫رﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي )ﺣﻴﺚ أن ‪ p < 0.05‬ﻬﻟﺬا اﻻﺧﺘﺒﺎر(؛ وأن اﻛﻮاﻲﻗ ﺗﺘﻤﺰﻴ‬
‫ﺑﺜﺒﺎت اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫ﺷﻜﻞ ‪ 4-2‬اﺧﺘﺒﺎر ‪ The Breusch-Godfrey‬ﻟﻠﻜﺸﻒ ﻋﻦ ﻣﺸﻜﻠﺔ اﻻرﺗﺒﺎط اﻟﺬاﺗﻲ اﻟﺘﺴﻠﺴﻠﻲ‬

‫ﺑﻌﺪ اﺟﺮاء ﻫﺬه اﻻﺧﺘﺒﺎرات ﻳﻤﻜﻨﻚ ﻲﻓ أي وﻗﺖ اﻟﺮﺟﻮع إﻰﻟ اﺠﺘﺎﺋﺞ‬
‫اﻤﻟﺒﺪﺋﻴﺔ ﺠﻤﻮذج اﻻﺤﻧﺪار )اﻟﺸﻞﻜ ‪ ،(2.2‬ﺑﺎﺠﻘﺮ ﺒﻟ زر ‪ View‬واﺧﺘﻴﺎر‪:‬‬
‫‪Estimation Output‬‬
‫ﻛﺬﻟﻚ ﻳﻤﻜﻨﻚ اﻧﺘﺎج رﺳﻢ ﺑﻴﺎ ﻳﻮﺿﺢ اﻤﻟﺸﺎﻫﺪات اﺤﻟﻘﻴﻘﻴﺔ واﻟﻘﻴﻢ اﻤﻟﻘﺪرة‬
‫ﻋﻦ ﻃﺮﻳﻖ ﻧﻤﻮذج اﻻﺤﻧﺪار‪ ،‬وﻗﻴﻢ اﻛﻮاﻲﻗ‪ ،‬ﻋﻦ ﻃﺮﻳﻖ اﺠﻘﺮ ﺒﻟ ‪ View‬ﺛﻢ اﺧﺘﻴﺎر‪:‬‬
‫‪Actual, Fitted, Residual‬‬
‫‪Actual, Fitted, Residual Graph‬‬
‫وﻋﻨﺪﻫﺎ ﻧﺘﺤﺼﻞ ﺒﻟ اﺠﺘﺎﺋﺞ اﻛﻴﺎﻧﻴﺔ اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ .6.2‬وﺑﺎﻤﻟﺜﻞ‪ ،‬ﻫﻨﺎك‬
‫ً‬
‫ﺧﻴﺎر ﻹﻧﺘﺎج ﺟﺪول ‪ Table‬ﺑﻬﺬه اﻤﻟﺘﻐﺮﻴات ﺑﺪﻻ ﻣﻦ اﻟﺮﺳﻢ اﻛﻴﺎ ‪.‬‬
‫ﺷﻜﻞ ‪ 5-2‬اﺧﺘﺒﺎر ‪ White‬ﻟﻠﻜﺸﻒ ﻋﻦ ﻣﺸﻜﻠﺔ ﻋﺪم ﺛﺒﺎت اﻟﺘﺒﺎﯾﻦ‬

‫‪ 1.1.2‬ﺣﻔﻆ ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار‬
‫ﻳﻤﻜﻦ ﺣﻔﻆ ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار ﻲﻓ اﻟﺸﻞﻜ ‪ 2.2‬وذﻟﻚ ﺑﺎﺠﻘﺮ ﺒﻟ زر ‪Object‬‬
‫ﻈﻬﺮ ﻣﺮﺑﻊ اﻟﺴﺆال ﻋﻦ اﻻﺳﻢ اﻤﻟﺮاد إﻋﻄﺎﺋﻪ ﻟﻠﻤﻌﺎدﻟﺔ ’‪Name‬‬ ‫واﺧﺘﻴﺎر ‪Name‬‬
‫‪ - ‘to identify object‬وﻧﻔﺮﺘض اﺧﺘﻴﺎر اﺳﻢ )‪ (equation1‬ﻤﻟﻌﺎدﻟﺔ اﻻﺤﻧﺪار‪.‬‬
‫اﻻﺳﻢ ﻳﻨﺒﻲﻐ أﻻ ﻳﺘﺠﺎوز ‪ 300‬ﺧﺎﻧﺔ ﺒﻟ أﻗ ﺗﻘﺪﻳﺮ‪ ،‬ﻣﻊ أﻧﻪ ﻳﻨﺼﺢ ﺑﺄن ﺤﻳﺘﻮي‬
‫ﺒﻟ ‪ 16‬ﺧﺎﻧﺔ أو أﻗﻞ‪ ،‬و ذا ﻗﻤﺖ ﺤﺑﻔﻆ اﻤﻟﻠﻒ )ﺑﺎﻻﻣﺘﺪاد‪ ، (wf1 .‬ﻫﺬه اﻤﻟﻌﺎدﻟﺔ‬
‫ﺳﻮف ﺤﺗﻔﻆ ﻣﻊ اﻤﻟﺘﻐﺮﻴات اﻷﺧﺮى ﻟﺘراﺳﺔ‪ .‬ﻋﻨﺪ إﺨدة ﻓﺘﺢ اﻤﻟﻠﻒ )وا ي ﻫﻮ‬
‫اﻵن ﻣﻠﻒ ﺑﺼﻴﻐﺔ ‪ ( EViews‬ﺳﻮف ﺗﻼﺣﻆ ‪:‬‬
‫اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻀﺎﻓﺔ ﺿﻤﻦ ﻗﺎﺋﻤﺔ اﻤﻟﺘﻐﺮﻴات اﻟﻲﺘ ﺗﻢ ﺣﻔﻈﻬﺎ‪ ،‬وﻋﻨﺪ اﺠﻘﺮ ﻋﻠﻴﻬﺎ‬
‫ﺳﺘﺘﻢ اﺳﺘﻌﺎدة اﻤﻟﻌﺎدﻟﺔ وﻣﻦ ﺛﻢ اﺳﺘﻜﻤﺎل اﺟﺮاء أي اﺧﺘﺒﺎرات إﺿﺎﻓﻴﺔ ﻟﻠﺒﻮاﻲﻗ‬
‫أو ﻏﺮﻴ ذﻟﻚ ﻣﻦ ﺧﻄﻮات اﺤﻛﺤﻠﻴﻞ اﻹﺣﺼﺎ واﻟﻘﻴﺎ ‪.‬‬
‫ﺷﻜﻞ ‪ 6-2‬اﻟﻘﯿﻢ اﻟﺤﻘﯿﻘﯿﺔ واﻟﻘﯿﻢ اﻟﻤﻘﺪرة وﻗﯿﻢ اﻟﺒﻮاﻗﻲ‬

‫‪ 2.1.2‬ﺤﺗﺮﻳﺮ وﺣﻔﻆ اﻟﺮﺳﻮﻣﺎت اﻛﻴﺎﻧﻴﺔ ﻟﻼﺤﻧﺪار‬
‫اﻟﺸﻞﻜ اﻛﻴﺎ ‪ 6.2‬ﺗﻢ اﺳﺘﺨﺮاﺟﻪ ﺑﺎﺳﺘﺨﺪام اﻹﻋﺪادات اﻻﻓﺮﺘاﺿﻴﺔ ﻟﻠﺮﺳﻮم‬
‫اﻛﻴﺎﻧﻴﺔ ﻲﻓ ‪ ،EViews‬إﻻ أﻧﻪ ﻗﺪ ﺗﺮﻏﺐ ﻲﻓ ﺗﻐﻴﺮﻴ اﻷﻟﻮان اﻤﻟﺴﺘﺨﺪﻣﺔ )ﺧﺎﺻﺔ ﻋﻨﺪ‬
‫اﻟﻄﺒﺎﻋﺔ ﺑﺎﻷﺳﻮد واﻷﺑﻴﺾ(‪ ،‬وﺤﺗﺮﻳﺮ ﺗﻨﺴﻴﻖ وﺷﻞﻜ اﺨﻟﻄﻮط )ﻣﺜﻞ اﺳﺘﺨﺪام‬
‫اﺨﻟﻄﻮط اﻤﻟﺘﻘﻄﻌﺔ(‪ ،‬أو ﺗﻐﻴﺮﻴ اﻟﺮﻣﻮز اﻤﻟﺴﺘﺨﺪﻣﺔ و ﺘﺎﺑﺔ رﻣﻮزك اﺨﻟﺎﺻﺔ‪ .‬ﺑﺪاﻳﺔ‬
‫ﺠﻳﺐ ﺧﻠﻖ ﺎﻛﺋﻦ ﺑﻴﺎ ﻣﺴﺘﻘﻞ ﻋﻦ ﻃﺮﻳﻖ اﺳﺘﺨﺪام زر ‪ freeze‬ﻲﻓ أﺒﻟ اﻟﻘﺎﺋﻤﺔ‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪ 6.2‬ﺑﻌﺪ ﻇﻬﻮر اﻟﺎﻜﺋﻦ اﻛﻴﺎ اﻤﻟﺴﺘﻘﻞ ﻟﻠﺸﻞﻜ اﻛﻴﺎ ﻳﺼﺒﺢ ﺑﺎﻹﻣﺎﻜن‬
‫ﺗﻐﻴﺮﻴ اﺨﻟﻴﺎرات اﺨﻟﺎﺻﺔ ﺑﺎﻟﺸﻞﻜ ﻋﻦ ﻃﺮﻳﻖ اﻟﻀﻐﻂ ﺒﻟ ﻗﺎﺋﻤﺔ ‪ options‬ﻈﻬﺮ‬

‫اﻤﻟﺮﺑﻊ اﺤﻟﻮاري اﻤﻟﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪ 7.2‬وا ي ﺤﻳﺘﻮي ﺒﻟ ﻞﻛ اﺨﻟﻴﺎرات اﻤﻟﺘﺎﺣﺔ‬
‫ﻣﺮﺸوﺣﺔ ﺑﺸﻞﻜ ذا ‪.‬‬
‫ً‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪ ،6.2‬ﺗﻢ ﺗﻤﺜﻴﻞ اﻛﻮاﻲﻗ ﺑﻴﺎﻧﻴﺎ ﺑﺎﻟﻠﻮن اﻷزرق‪ ،‬اﻟﻘﻴﻢ اﺤﻟﻘﻴﻘﻴﺔ ﺑﺎﻟﻠﻮن‬
‫اﻷﻤﺣﺮ‪ ،‬أﻣﺎ اﻟﻘﻴﻢ اﻤﻟﻘﺪرة ﻓﺮﺳﻤﺖ ﺑﺎﻟﻠﻮن اﻷﺧﺮﻀ‪ .‬اﻤﻟﺮﺑﻊ اﺤﻟﻮاري ﻲﻓ اﻟﺸﻞﻜ ‪7.2‬‬
‫ﻳﻤﻜﻦ اﺤﻛﻤﺮﻳﺮ ﻷﺳﻔﻞ ﺤﻛﻐﻴﺮﻴ اﺨﻟﻴﺎرات ﺣﺴﺐ اﻤﻟﻄﻠﻮب‪ ،‬ﻓﻴﻤﻜﻦ ﺗﻐﻴﺮﻴ اﻟﻠﻮن‬
‫’‪ ‘color‬و ﻧﻤﻂ اﺨﻟﻂ ’‪ ، ‘Line pattern‬وﺗﻐﻴﺮﻴ ﺳﻤﻚ اﺨﻟﻂ ﻣﻦ ﺧﻼل ’‪Line/‬‬
‫ً‬
‫‪ ‘Symbol width‬ﺑﺪﻻ ﻣﻦ اﺠﻤﻂ اﻻﻓﺮﺘا اﻤﻟﻮﺿﻮع وﻫﻮ ‪ 3/4‬ﻧﻘﻄﺔ‪ .‬ﻋﻨﺪ‬
‫اﻻﻧﺘﻬﺎء واﻟﻀﻐﻂ ﺒﻟ زر ‪ OK‬ﺗﻈﻬﺮ ﻞﻛ ﻫﺬه اﺤﻛﻐﻴﺮﻴات ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ .8.2‬ﺑﻌﺪ‬
‫ذﻟﻚ ﻳﻤﻜﻨﻨﺎ ﺣﻔﻆ أو ﻧﺴﺦ اﻟﺸﻞﻜ اﻛﻴﺎ ﻋﻦ ﻃﺮﻳﻖ اﺠﻘﺮ ﺒﻟ‬
‫‪Edit‬‬
‫‪Copy‬‬
‫ﻣﻦ اﻟﻘﺎﺋﻤﺔ اﻟﺮﺋﻴﺴﻴﺔ ﻟﺮﺒﻧﺎﻣﺞ ‪ Eviews‬وﻣﻦ ﺛﻢ إرﺳﺎل اﻟﺸﻞﻜ اﻛﻴﺎ اﻤﻟﻌﺪل‬
‫إﻰﻟ ا اﻛﺮة اﻤﻟﺆﻗﺘﺔ ‪ ،the clipboard‬وﻋﻨﺪﻫﺎ ﻳﻤﻜﻦ ﻓﺘﺢ ﺑﺮﻧﺎﻣﺞ ‪ Word‬وﻟﺼﻖ‬
‫)‪ (paste‬اﻟﺸﻞﻜ اﻛﻴﺎ ﻓﻴﻪ ﻣﻊ اﺤﻛﺤﻜﻢ ﻲﻓ ﺗﻐﻴﺮﻴ ﺣﺠﻤﻪ وﻣﻮﺿﻌﻪ ﻲﻓ اﻤﻟﺴﺘﻨﺪ‬
‫ﺣﺴﺐ اﻤﻟﻄﻠﻮب‪.‬‬
‫ﺷﻜﻞ ‪ 7-2‬اﻟﻤﺮﺑﻊ اﻟﺤﻮاري ﻟﺨﯿﺎرات اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ‬

‫ﺷﻜﻞ ‪ 8-2‬اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ ﺑﻌﺪ اﻟﺘﺤﺮﯾﺮ‬

‫ﻳﻤﻜﻦ ﺣﻔﻆ اﻟﺸﻞﻜ اﻛﻴﺎ إﻣﺎ ﻋﻦ ﻃﺮﻳﻖ اﺠﻘﺮ ﺑﺎﺠﻟﺎﻧﺐ اﻷﻳﻤﻦ ﻣﻦ اﻤﻟﺎوس‬
‫داﺧﻞ اﻟﺸﻞﻜ اﻛﻴﺎ اﻟﻔﻌﺎل أو ﻋﻦ ﻃﺮﻳﻖ اﺠﻘﺮ ﺒﻟ اﻟﺰر ‪ ، Proc‬ﺤﻛﻈﻬﺮ ﺑﻌﺪ ذﻟﻚ‬
‫ﻗﺎﺋﻤﺔ ﻣﻨﺴﺪﻟﺔ اﺧﺮﺘ ﻣﻨﻬﺎ ‪ Save graph to disc‬ﺛﻢ ﻗﻢ ﺑﺈدﺧﺎل اﻻﺳﻢ واﻤﻟﺴﺎر‬
‫اﻤﻟﻄﻠﻮب‪ .‬اﺨﻟﻄﻮة اﺤﻛﺎ ﺔ ﻲﻫ اﺧﺘﻴﺎر ﻧﻮع اﻤﻟﻠﻒ‪ ،‬ﺣﻴﺚ أن اﺠﻮع اﻻﻓﺮﺘا ﻫﻮ‬
‫‪ Enhanced Metafile‬ذي اﻻﻣﺘﺪاد )‪.( *.emf‬‬
‫اﻛﻮاﻲﻗ ﻲﻓ ﻧﻤﻮذج اﻻﺤﻧﺪار ﺤﻣﻔﻮﻇﺔ ﺑﺸﻞﻜ ﺗﻠﻘﺎ وﺑﺎﺳﻢ ’ ‪ ،’ resid‬اﺠﻟﺪﻳﺮ‬
‫ﺑﺎ ﻛﺮ أن ‪” C‬اﺤﻟﺪ اﺨﻛﺎﺑﺖ“ و ‪” resid‬اﻛﻮاﻲﻗ“ ﻳﺘﻢ ادراﺟﻬﺎ ﺑﺸﻞﻜ ﺗﻠﻘﺎ‬
‫ﺑﻮاﺳﻄﺔ ‪.EViews‬‬
‫إذا أردﻧﺎ ﺗﻤﺜﻴﻞ ﺑﻴﺎ ﻟﻠﺒﻮاﻲﻗ ﻟﻮﺣﺪﻫﺎ ﻓﻴﻤﻜﻦ ذﻟﻚ ﻋﻦ ﻃﺮﻳﻖ اﻟﻘﺎﺋﻤﺔ‬
‫اﻟﺮﺋﻴﺴﻴﺔ وﺑﺎﺠﻘﺮ ﺒﻟ‪:‬‬
‫‪Quick‬‬
‫‪Graph‬‬
‫‪Line graph‬‬
‫وﻗﻢ ﺑﺈدﺧﺎل اﺳﻢ اﻤﻟﺘﻐﺮﻴ ‪ resid‬ﻲﻓ اﻤﻟﺮﺑﻊ اﺤﻟﻮاري اﺠﺎﺗﺞ‪ .‬رﺑﻤﺎ ﺗﺮﻏﺐ ﻲﻓ‬
‫ﺗﻤﺜﻴﻞ اﻟﻘﻴﻢ اﻤﻟﻌﻴﺎرﻳﺔ ﻟﻠﺒﻮاﻲﻗ ‪) standardized residuals‬اﻟﻮﺳﻂ اﺤﻟﺴﺎ ﻟﻠﺒﻮاﻲﻗ‬
‫= ‪ ،0‬واﻻﺤﻧﺮاف اﻤﻟﻌﻴﺎري ﻟﻠﺒﻮاﻲﻗ = ‪ ،(1‬واﻟﻲﺘ ﺳﻮف ﺗﺴﺎﻋﺪ ﻲﻓ ﺤﺗﺪﻳﺪ اﻟﻘﻴﻢ‬
‫اﺨﻟﺎرﺟﺔ أو اﻟﺸﺎذة )‪ .(outliers‬ﺗﺬﻛﺮ أن ﺤﺗﻮﻳﻞ ﻗﻴﻢ اﻛﻮاﻲﻗ إﻰﻟ ﻗﻴﻢ ﻣﻌﻴﺎرﻳﺔ ﻳﺘﻢ‬
‫ﻣﻦ ﺧﻼل اﻤﻟﻌﺎدﻟﺔ اﺤﻛﺎ ﺔ‪:‬‬
‫ﺣﻴﺚ أن ‪ sresid‬ﻲﻫ اﻛﻮاﻲﻗ ﻛﻘﻴﻢ ﻣﻌﻴﺎرﻳﺔ‪ SD ،‬ﺗﻌﺮﺒ ﻋﻦ اﻻﺤﻧﺮاف اﻤﻟﻌﻴﺎري‬

‫ﻟﻘﻴﻢ اﻛﻮاﻲﻗ اﻷﺻﻠﻴﺔ‪ ،‬و ‪ mean‬ﻫﻮ اﻟﻮﺳﻂ اﺤﻟﺴﺎ ﻟﻠﺒﻮاﻲﻗ‪ ،‬وﻳﻤﻜﻦ ﻟﻠﺤﺼﻮل‬
‫ﺒﻟ اﻟﻘﻴﻢ اﻟﺮﻗﻤﻴﺔ ﻟﻠﻤﺘﻮﺳﻂ واﻻﺤﻧﺮاف اﻤﻟﻌﻴﺎري ﻟﻠﺒﻮاﻲﻗ ﻋﻦ ﻃﺮﻳﻖ اﻟﻘﺎﺋﻤﺔ‬
‫اﻟﺮﺋﻴﺴﻴﺔ ﻟﺮﺒﻧﺎﻣﺞ ‪ EViews‬ﺑﺎﺠﻘﺮ ﺒﻟ‪:‬‬
‫‪Quick‬‬
‫‪Series statistics‬‬
‫‪Histogram and stats‬‬
‫ﺳﻴﻄﻠﺐ ﻣﻨﻚ ادﺧﺎل اﺳﻢ ﺳﻠﺴﻠﺔ اﻛﻴﺎﻧﺎت‪ ،‬اﻃﺒﻊ ‪ resid‬ﺛﻢ اﻧﻘﺮ ﺒﻟ ‪، OK‬‬
‫ﺳﻮف ﺗﻼﺣﻆ أن ﻗﻴﻤﺔ اﻤﻟﺘﻮﺳﻂ اﺤﻟﺴﺎ ﻟﻠﺒﻮاﻲﻗ = )‪ ، (- 1152.162‬ﻣﻊ اﺤﻧﺮاف‬
‫ﻣﻌﻴﺎري = )‪.(32,148.31‬‬
‫ﻹﻧﺘﺎج ﺳﻠﺴﻠﺔ ﺑﻴﺎﻧﺎت ﺤﺗﺘﻮي ﺒﻟ اﻟﻘﻴﻢ اﻤﻟﻌﻴﺎرﻳﺔ ﻟﻠﺒﻮاﻲﻗ )اﺳﻢ اﻤﻟﺘﻐﺮﻴ‬
‫اﺠﻟﺪﻳﺪ ﻫﻨﺎ ﻫﻮ ‪ ،(sresid‬اﻧﻘﺮ‪:‬‬
‫‪Quick‬‬
‫‪Generate Series‬‬
‫ﻟﺘﺧﻮل ﺒﻟ ﻣﺮﺑﻊ ﺣﻮاري ﺑﻌﻨﻮان ‪ ،Generate Series by Equation‬ﻣﻮﺿﺢ‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪ ، 9.2‬وﻳﺘﻢ ﻋﻦ ﻃﺮﻳﻘﻪ إﻧﺘﺎج ﺳﻼﺳﻞ ﺑﻴﺎﻧﺎت ﺑﺎﺳﺘﺨﺪام ﻣﻌﺎدﻟﺔ‪ .‬أﺳﻔﻞ‬
‫اﻟﻌﻨﻮان ’‪ ‘Enter Equation‬ﻗﻢ ﺑﻄﺒﺎﻋﺔ اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻄﻠﻮﺑﺔ‪ ،‬أﻣﺎ اﻟﻌﻨﻮان اﺨﻛﺎ‬
‫’‪ ‘Sample‬ﻓﺪﻋﻪ دون إﺟﺮاء أي ﺗﻐﻴﺮﻴ‪ ،‬ﻷﻧﺎ ﻧﺮﻳﺪ اﻟﻘﻴﻢ اﻤﻟﻌﻴﺎرﻳﺔ ﻟﻠﺒﻮاﻲﻗ ﻟﻞﻜ‬
‫اﻤﻟﺸﺎﻫﺪات‪ .‬اﻧﻘﺮ ﺒﻟ زر ‪ OK‬وﺳﻮف ﺗﻼﺣﻆ أن اﻤﻟﺘﻐﺮﻴ اﺠﻟﺪﻳﺪ ‪ sresid‬ﻗﺪ ﺗﻤﺖ‬
‫إﺿﺎﻓﺘﻪ ﻟﻘﺎﺋﻤﺔ اﻤﻟﺘﻐﺮﻴات‪ .‬ﺑﺎﺠﻘﺮ اﻤﻟﺰدوج ﺒﻟ ‪ sresid‬ﻲﻓ ﻫﺬه اﻟﻘﺎﺋﻤﺔ ﻣﻦ اﻤﻟﺘﻐﺮﻴات‬
‫ﺳﻮف ﻳﺘﻢ ﻋﺮض اﻤﻟﺨﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ .10.2‬ﺠﺗﺪر اﻤﻟﻼﺣﻈﺔ أﻧﻪ ﻻﺗﻮﺟﺪ ﻗﻴﻢ‬
‫ﺧﺎرﺟﺔ ﻲﻓ ﻫﺬه اﻟﻌﺮﺸة أﺷﻬﺮ ﻃﺎﻤﻟﺎ أﻧﻪ ﻻ ﺗﻮﺟﺪ ﺑﻮاﻲﻗ ﻣﻌﻴﺎرﻳﺔ ﺗﻘﻊ وراء ‪.±2‬‬
‫ﻹﻧﺸﺎء رﺳﻢ ﺑﻴﺎ ﻬﻟﺬه اﻟﺴﻠﺴﻠﺔ اﺠﻟﺪﻳﺪة ‪ sresid‬ﺧﻼل اﻟﺰﻣﻦ‪ ،‬ﻣﻦ ﻗﺎﺋﻤﺔ‬
‫‪ EViews‬اﻟﺮﺋﻴﺴﻴﺔ اﻧﻘﺮ‪:‬‬
‫‪Quick‬‬
‫‪Graph‬‬
‫ﺷﻜﻞ ‪ 9-2‬اﻟﻤﺮﺑﻊ اﻟﺤﻮاري ﻻﺳﺘﺨﻼص ﺳﻠﺴﻠﺔ ﺑﯿﺎﻧﺎت ﻋﻦ طﺮﯾﻖ ﻣﻌﺎدﻟﺔ‬

‫ﺷﻜﻞ ‪ 10-2‬ﻗﺎﺋﻤﺔ اﻟﻘﯿﻢ اﻟﻘﯿﺎﺳﯿﺔ ﻟﻠﺒﻮاﻗﻲ ﺣﺴﺐ اﻷﺷﮭﺮ‬
‫ﺷﻜﻞ ‪ 11-2‬اﻟﺘﻤﺜﯿﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻠﻘﯿﻢ اﻟﻘﯿﺎﺳﯿﺔ ﻟﻠﺒﻮاﻗﻲ‬

‫و اﻤﻟﺮﺑﻊ اﺤﻟﻮاري ا ي ﻳﻌﺮض ﻗﺎﺋﻤﺔ ﺑﺎﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬

‫‪Series List‬‬
‫ادﺧﻞ اﺳﻢ اﻟﺴﻠﺴﻠﺔ ‪ sresid‬ﺛﻢ اﺧﺮﺘ ‪ ،Line &Sympbol‬وﺳﻮف ﺤﻧﺼﻞ ﺒﻟ‬
‫اﺠﺘﺎﺋﺞ اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ اﻛﻴﺎ ‪ ،11.2‬وﻳﻤﻜﻦ ﺤﺗﺮﻳﺮ اﻟﺸﻞﻜ اﻛﻴﺎ ﻋﻦ‬
‫ﻃﺮﻳﻖ اﺳﺘﺨﺪام ‪ Freeze‬و ‪.Options‬‬
‫‪ 2.2‬داﻟﺔ ﻛﻮب دوﺟﻼس ‪The Cobb-Douglas Function‬‬
‫ً‬
‫ﺗﻌﺪ داﻟﺔ اﻹﻧﺘﺎج ﻛﻮب دوﺟﻼس ﻣﻦ أﻛﺮﺜ ا وال ﺷﻴﻮﺨ ﻲﻓ ﺗﻤﺜﻴﻞ اﻟﻌﻼﻗﺔ ﻣﺎ‬
‫ﺑﻦﻴ ﻣﺪﺧﻼت وﺨﻣﺮﺟﺎت اﻹﻧﺘﺎج‪ ،‬و ﻧﺖ ﻗﺪ اﻗﺮﺘﺣﺖ ﻣﻦ ﻗﺒﻞ ‪Knut Wicksell‬‬
‫ً‬
‫)‪ ،(1926 - 1851‬واﺧﺘﺮﺒت اﺣﺼﺎﺋﻴﺎ ﺑﻮاﺳﻄﺔ ﻞﻛ ﻣﻦ ‪ Charles Cobb‬و ‪Paul‬‬
‫‪ Douglas‬ﺳﻨﺔ ‪ .1928‬ﻲﻓ ﺣﺎﻟﺔ اﻹﻧﺘﺎج ﻓﺈن ا اﻟﺔ ﻳﻤﻜﻦ أن ﺗﺼﺎغ ﺎﻛﻷ ‪:‬‬
‫ﺣﻴﺚ‪:‬‬
‫< ‪ =Y‬اﺠﺎﺗﺞ اﻟﻲﻠﻜ )اﻟﻘﻴﻤﺔ اﺠﻘﺪﻳﺔ ﻟﻠﻤﻮاد اﻤﻟﺼﻨﻌﺔ ﻲﻓ اﻟﺴﻨﺔ(‬
‫< ‪ = L‬ﻣﺪﺧﻼت اﻟﻌﻤﻞ‬
‫< ‪ = K‬ﻣﺪﺧﻼت رأس اﻤﻟﺎل‬
‫= ﺨﻣﻞ اﻹﻧﺘﺎﺟﻴﺔ اﻟﻲﻠﻜ‬ ‫‪A‬‬ ‫<‬
‫< ‪ α‬و ‪ β‬ﻫﻤﺎ ﻣﺮوﻧﺎت ﺨﻣﺮﺟﺎت اﻹﻧﺘﺎج ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻌﻤﻞ ورأس اﻤﻟﺎل ﺒﻟ‬
‫اﺤﻛﻮاﻲﻟ‪ .‬ﻫﺬه اﻟﻘﻴﻢ ﻲﻫ ﻗﻴﻢ ﺛﺎﺑﺘﺔ وﺤﻣﺪدة ﺑﻤﺴﺘﻮى اﺤﻛﻜﻨﻮﻟﻮﺟﻴﺔ اﻤﻟﺘﻮﻓﺮة‪.‬‬
‫ﻣﺮوﻧﺔ اﻹﻧﺘﺎج ﺗﻘﻴﺲ درﺟﺔ اﺳﺘﺠﺎﺑﺔ اﺠﺎﺗﺞ ﻟﻠﺘﻐﺮﻴ ﻲﻓ ﻣﺴﺘﻮﻳﺎت وﺣﺪات‬
‫اﻟﻌﻤﻞ أو رأس اﻤﻟﺎل اﻤﻟﺴﺘﺨﺪﻣﺔ ﻲﻓ اﻟﻌﻤﻠﻴﺔ اﻹﻧﺘﺎﺟﻴﺔ‪ .‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل إذا‬
‫ﺎﻛﻧﺖ ‪ ،α = 0.15‬ﻓﺈن ذﻟﻚ ﻳﻌﻲﻨ أن زﻳﺎدة وﺣﺪات اﻟﻌﻤﻞ ﺑﻤﻘﺪار ‪ %1‬ﺳﻮف ﻳﺆدي‬
‫إﻰﻟ زﻳﺎدة اﺠﺎﺗﺞ ﺑﻤﻘﺪار ‪ .%0.15‬ﻛﺬﻟﻚ‪ ،‬إذا ﺎﻛن ‪ ،1= β+α‬ﻓﺈن داﻟﺔ اﻹﻧﺘﺎج‬
‫ذات ﻋﻮاﺋﺪ ﺣﺠﻢ ﺛﺎﺑﺘﺔ‪ .‬أي إﻧﻪ إذا ازدادت ‪ L‬و ‪ K‬ﺑﻤﻘﺪار ‪ ،%20‬ﻓﺈن ‪ Y‬ﺳﻮف‬
‫ﺗﺰداد ﺑﻤﻘﺪار ‪ .%20‬أﻣﺎ إذا ﺎﻛﻧﺖ ‪ ،1 > β+α‬ﻓﺈن ﻋﻮاﺋﺪ اﺤﻟﺠﻢ ﺳﻮف ﺗﻜﻮن‬
‫ﻣﺘﻨﺎﻗﺼﺔ‪ .‬و ذا ﺎﻛﻧﺖ ‪ 1 < β +α‬ﻓﺈن ﻋﻮاﺋﺪ اﺤﻟﺠﻢ ﺳﺘﻜﻮن ﻣﺰﺘاﻳﺪة‪ .‬ﻣﻊ اﻓﺮﺘاض‬
‫اﻤﻟﻨﺎﻓﺴﺔ اﻟﺎﻜﻣﻠﺔ و ‪ ،1= β+α‬ﻓﺈن ‪ α‬و ‪ β‬ﻳﻤﺜﻼن ﺣﺼﺔ اﻟﻌﻤﻞ ورأس اﻤﻟﺎل ﻲﻓ‬
‫ً‬
‫اﺠﺎﺗﺞ‪ .‬ﺗﺄﺳﻴﺴﺎ ﺒﻟ اﺠﻈﺮﻳﺔ أﻋﻼه ﻓﺈن اﺠﻤﻮذج اﻤﻟﺴﺘﺨﺪم ﻳﻤﻜﻦ أن ﻳﻜﻮن‬
‫ﺎﻛﻵ ‪:‬‬
‫ﻞﻛ ﻣﻦ اﺠﺎﺗﺞ )‪ ،(Y‬رأس‬

‫وﺤﻛﻘﺪﻳﺮ اﺠﻤﻮذج أﻋﻼه‪ ،‬ﻧﻘﻮم ﺠﺑﻤﻊ اﻛﻴﺎﻧﺎت ﻋﻦ ٍ‬
‫اﻤﻟﺎل )‪ (K‬و اﻟﻌﻤﻞ )‪ ،(L‬ﺛﻢ ﺑﺘﺤﻮﻳﻞ اﻛﻴﺎﻧﺎت إﻰﻟ ﻟﻮﺬﻟرﻳﺘﻤﺎت ﻲﻓ ‪ EViews‬ﻋﻦ‬
‫ﻃﺮﻳﻖ اﺠﻘﺮ ﺒﻟ‪:‬‬
‫‪Quick‬‬
‫ﺑﻌﺪ ذﻟﻚ ﺗﺘﻢ ﻃﺒﺎﻋﺔ )‪ LY = LOG (Y‬ﺤﺗﺖ اﻟﻌﻨﻮان ’‪.‘Enter Equation‬‬
‫اﺠﻟﺪول ‪ 1.2‬ﻳﻌﺮض اﻛﻴﺎﻧﺎت اﺨﻟﺎﺻﺔ ﺑﺎﺠﺎﺗﺞ ورأس اﻤﻟﺎل واﻟﻌﻤﻞ ﻲﻓ ﺻﻮرﺗﻬﺎ‬
‫اﻟﻠﻮﺬﻟرﻳﺘﻤﻴﺔ‪.‬‬
‫‪Estimation of the Cobb-Douglas‬‬ ‫‪ 1.2.2‬ﺗﻘﺪﻳﺮ داﻟﺔ ﻛﻮب دوﺟﻼس‬
‫‪Model‬‬
‫ﻋﻨﺪ اﺠﻘﺮ ﺒﻟ ‪ Quick‬ﻣﻦ اﻟﻘﺎﺋﻤﺔ اﻟﺮﺋﻴﺴﻴﺔ ﻲﻓ اﻷﺒﻟ اﺧﺮﺘ ‪ ،Graph‬ﺳﻮف‬
‫ﺗﻈﻬﺮ ﻧﺎﻓﺬة ﺑﻌﻨﻮان ‪ Series List‬ﻗﻢ ﺑﻜﺘﺎﺑﺔ اﺳﻢ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ )‪ (LY‬ﻲﻓ اﻛﺪاﻳﺔ‬
‫ﺛﻢ اﺳﻢ اﻤﻟﺘﻐﺮﻴ اﻤﻟﺴﺘﻘﻞ )‪ (LK‬ﻲﻓ ﻫﺬه اﺠﺎﻓﺬة‪ .‬اﻻﺳﻢ اﻷول ﺳﻮف ﻳﻜﻮن ﺒﻟ‬
‫اﻤﻟﺤﻮر اﻷﻓﻲﻘ‪ .‬ﻣﻦ ﻣﺮﺑﻊ ﺧﻴﺎرت اﻟﺸﻞﻜ اﻛﻴﺎ ‪ Graph Options‬اﺧﺮﺘ ﻧﻮع‬
‫اﻟﺸﻞﻜ اﻛﻴﺎ ‪ Scatter‬ﺛﻢ اﻧﻘﺮ ‪ OK‬وﺳﻮف ﻳﻈﻬﺮ اﻟﺸﻞﻜ اﻛﻴﺎ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ‬
‫‪ .12.2‬ﻧﻘﻮم ﺑﻨﻔﺲ اﺨﻟﻄﻮات ﻣﻊ اﻤﻟﺘﻐﺮﻴ اﻤﻟﺴﺘﻘﻞ اﺨﻛﺎ )‪ (LL‬ﺠﺤﺼﻞ ﺒﻟ اﻟﺸﻞﻜ‬
‫‪ .13.2‬ﻛﻼ اﻷﺷﺎﻜل اﻛﻴﺎﻧﻴﺔ ﺗﺪﻟﻞ ﺒﻟ أن ﻫﻨﺎك زﻳﺎدة ﻲﻓ اﺠﺎﺗﺞ )‪ (Y‬ﻋﻨﺪ زﻳﺎدة‬
‫رأس اﻤﻟﺎل )‪ (K‬وزﻳﺎدة اﻟﻌﻤﻞ )‪ .(L‬اﺨﻟﻄﻮة اﺤﻛﺎ ﺔ ﻲﻫ إﺟﺮاء اﺤﻧﺪار وﻓﻴﻪ ﻳﻜﻮن‬
‫‪ LY‬ﻛﻤﺘﻐﺮﻴ ﺗﺎﺑﻊ‪ ،‬و‪ LK‬و ‪ LL‬ﻛﻤﺘﻐﺮﻴات ﻣﺴﺘﻘﻠﺔ ﺒﻟ اﺤﻛﻮاﻲﻟ‪ .‬ﻧﺘﺎﺋﺞ اﻻﺤﻧﺪار‬
‫ﻣﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.14.2‬‬
‫ﻛﻴﻒ ﻳﻤﻜﻦ ﻟﺼﻖ ﻧﺘﺎﺋﺞ ‪ EViews‬ﺒﻟ ﻣﻠﻒ وورد‬

‫‪ - 1‬ﺑﻌﺪ اﻧﺘﺎج اﻟﺮﺳﻢ اﻛﻴﺎ اﻧﻘﺮ ﺒﻟ اﻟﺰر ‪ Print Scrn/SyRq‬ﺒﻟ ﻟﻮﺣﺔ اﻤﻟﻔﺎﺗﻴﺢ‪.‬‬
‫‪ - 2‬اﻓﺘﺢ ﺑﺮﻧﺎﻣﺞ اﻟﺮﺳﺎم )‪ ،(Paint‬ﻋﻦ ﻃﺮﻳﻖ ا ﻫﺎب إﻰﻟ ﻗﺎﺋﻤﺔ اﺑﺪأ ‪ ،Start‬ﺛﻢ‬
‫‪ All Programs‬واﺧﺮﺘ ‪ Accessories‬وﻣﻨﻬﺎ اﺧﺮﺘ ‪.Paint‬‬
‫‪ - 3‬ﻣﻦ ﺑﺮﻧﺎﻣﺞ اﻟﺮﺳﺎم ‪ ،Paint‬اﻧﻘﺮ ﺒﻟ اﻳﻘﻮﻧﺔ ‪ Paste‬ﻟﻠﺼﻖ اﻤﻟﺨﺮﺟﺎت اﻟﻲﺘ‬
‫ﻲﻓ اﺤﻟﺎﻓﻈﺔ اﻤﻟﺆﻗﺘﺔ )‪ (Clipboard‬ﺤﻛﺤﺼﻞ ﺒﻟ ﻧﺘﺎﺋﺞ ‪ Eviews‬ﻲﻓ ﻧﺎﻓﺬة‬
‫ﺑﺮﻧﺎﻣﺞ ‪.Paint‬‬
‫‪ - 4‬اﺳﺘﺨﺪم زر ‪ Select‬ﻲﻓ ﺮﺷﻳﻂ اﻟﻘﺎﺋﻤﺔ اﻷﺒﻟ ﻣﻦ أﺟﻞ ﺤﺗﺪﻳﺪ اﺠﻟﺰء ﻣﻦ‬
‫ﻧﺘﺎﺋﺞ ‪ Eviews‬اﻤﻟﺮاد اﻗﺘﻄﺎﻋﻬﺎ‪.‬‬
‫‪ - 5‬اﻧﻘﺮﺒﻟ اﻳﻘﻮﻧﺔ ‪ Cut‬أو ﺑﺎﺳﺘﺨﺪام اﻻﺧﺘﺼﺎر ‪ Ctrl+X‬ﻣﻦ ﻟﻮﺣﺔ اﻤﻟﻔﺎﺗﻴﺢ‪.‬‬
‫‪ - 6‬اﻓﺘﺢ ﻣﻠﻒ ﻣﺴﺘﻨﺪ وورد واﺧﺮﺘ ﻟﺼﻖ ”‪ “Paste‬ﺤﻛﺤﺼﻞ ﺒﻟ ﻧﺘﺎﺋﺞ ‪Eviews‬‬
‫ﻲﻓ ﻣﻠﻒ اﻟـ ‪.Word‬‬
‫ﺟﺪول ‪ 1.2‬ﻣﺠﻤﻮﻋﺔ ﺑﯿﺎﻧﺎت اﻹﻧﺘﺎج ورأس اﻟﻤﺎل واﻟﻌﻤﻞ ﻓﻲ ﺷﻜﻞ اﻟﻠﻮﻏﺎرﯾﺘﻤﻲ‬
‫‪LY‬‬ ‫‪LK‬‬ ‫‪LL‬‬
‫‪4.61‬‬ ‫‪4.61‬‬ ‫‪4.61‬‬
‫‪4.62‬‬ ‫‪4.67‬‬ ‫‪4.65‬‬
‫‪4.72‬‬ ‫‪4.74‬‬ ‫‪4.70‬‬
‫‪4.80‬‬ ‫‪4.80‬‬ ‫‪4.77‬‬
‫‪4.82‬‬ ‫‪4.88‬‬ ‫‪4.81‬‬
‫‪4.80‬‬ ‫‪4.93‬‬ ‫‪4.75‬‬
‫‪4.96‬‬ ‫‪5.00‬‬ ‫‪4.83‬‬
‫‪5.02‬‬ ‫‪5.09‬‬ ‫‪4.89‬‬
‫‪5.02‬‬ ‫‪5.17‬‬ ‫‪4.93‬‬
‫‪4.84‬‬ ‫‪5.22‬‬ ‫‪4.80‬‬
‫‪5.04‬‬ ‫‪5.29‬‬ ‫‪4.94‬‬
‫‪5.07‬‬ ‫‪5.34‬‬ ‫‪4.97‬‬
‫‪5.03‬‬ ‫‪5.38‬‬ ‫‪4.98‬‬
‫‪5.18‬‬ ‫‪5.42‬‬ ‫‪5.02‬‬
‫‪5.21‬‬ ‫‪5.46‬‬ ‫‪5.04‬‬
‫‪5.13‬‬ ‫‪5.50‬‬ ‫‪5.00‬‬
‫‪5.24‬‬ ‫‪5.58‬‬ ‫‪5.04‬‬

‫‪5.42‬‬ ‫‪5.70‬‬ ‫‪5.20‬‬
‫‪5.42‬‬ ‫‪5.81‬‬ ‫‪5.28‬‬
‫‪5.41‬‬ ‫‪5.90‬‬ ‫‪5.30‬‬
‫‪5.38‬‬ ‫‪5.96‬‬ ‫‪5.26‬‬
‫‪5.44‬‬ ‫‪6.01‬‬ ‫‪5.26‬‬
‫‪5.19‬‬ ‫‪6.03‬‬ ‫‪4.99‬‬
‫‪5.48‬‬ ‫‪6.07‬‬ ‫‪5.08‬‬
‫ﺑﺎﺠﻈﺮ إﻰﻟ اﻟﺸﻞﻜ ‪ ،14.2‬ﻓﺈن ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار اﻤﻟﻘﺪرة ﻳﻤﻜﻦ أن ﺗﻜﺘﺐ ﺎﻛﻵ ‪:‬‬
‫‪ 2.2.2‬ﺗﻔﺴﺮﻴ ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار ‪Interpret the Regression Equation‬‬

‫ٌ‬
‫‪ - 1‬ﻛﻤﺎ ﺗﻮﺿﺢ إﺷﺎرات ‪ LK‬و ‪ ، LL‬ﻓﺈﻧﻪ ﺗﻮﺟﺪ ﻋﻼﻗﺔ ﻣﻮﺟﺒﺔ ﻣﺎ ﺑﻦﻴ اﺠﺎﺗﺞ و‬
‫ﻣﻦ رأس اﻤﻟﺎل واﻟﻌﻤﻞ ﺒﻟ اﺤﻛﻮاﻲﻟ‪.‬‬
‫‪ - 2‬زﻳﺎدة ﺑﻤﻘﺪار ‪ %1‬ﻲﻓ رأس اﻤﻟﺎل )‪ (K‬اﻤﻟﺴﺘﺨﺪم ﻲﻓ اﻟﻌﻤﻠﻴﺔ اﻹﻧﺘﺎﺟﻴﺔ ﺳﻮف‬
‫ﺗﺆدي إﻰﻟ زﻳﺎدة ﻣﺘﻮﻗﻌﺔ ﻲﻓ اﺠﺎﺗﺞ اﻟﻲﻠﻜ )‪ (Y‬ﺑﻤﻘﺪار ‪ ،% 0.23‬ﻣﻊ ﺑﻘﺎء‬
‫ﻣﺪﺧﻞ اﻟﻌﻤﻞ )‪ (L‬ﺛﺎﺑﺖ‪.‬‬
‫ﺷﻜﻞ ‪ 12-2‬اﻟﺸﻜﻞ اﻻﻧﺘﺸﺎري ﻟﺒﯿﺎﻧﺎت اﻟﻠﻮﻏﺎرﯾﺘﻢ اﻟﻨﺎﺗﺞ )‪ (Y‬ورأي اﻟﻤﺎل )‪(K‬‬

‫ﺷﻜﻞ ‪ 13-2‬اﻟﺸﻜﻞ اﻻﻧﺘﺸﺎري ﻟﺒﯿﺎﻧﺎت اﻟﻠﻮﻏﺎرﯾﺘﻢ اﻟﻨﺎﺗﺞ )‪ (Y‬و اﻟﻌﻤﻞ )‪(L‬‬
‫ﺷﻜﻞ ‪ 14-2‬اﻟﻤﺮﺑﻊ اﻟﺤﻮاري ﻟﻨﺘﺎﺋﺞ ﺗﻘﺪﯾﺮ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار‬

‫‪ - 3‬ﻋﻨﺪ ﺛﺒﺎت ﻣﺪﺧﻼت رأس اﻤﻟﺎل )‪ ،(K‬ﻓﺈن زﻳﺎدة ﻣﺪﺧﻼت اﻟﻌﻤﻞ )‪(L‬‬
‫اﻤﻟﺴﺘﺨﺪم ﻲﻓ اﻟﻌﻤﻠﻴﺔ اﻹﻧﺘﺎﺟﻴﺔ ﺑﻤﻘﺪار ‪ %1‬ﺳﻮف ﺗﺆدي إﻰﻟ زﻳﺎدة اﺠﺎﺗﺞ‬
‫اﻟﻲﻠﻜ )‪ (Y‬ﺑﻤﻘﺪار ‪.%0.807‬‬
‫ٌ‬
‫‪ - 4‬إذا ﻟﻢ ﺤﻳﺪث أي ﺗﻐﻴﺮﻴ ﻲﻓ ﻞﻛ ﻣﻦ رأس اﻤﻟﺎل )‪ (K‬واﻟﻌﻤﻞ )‪) ،(Y‬ﺑﻤﻌﻰﻨ أن‬
‫ﻗﻴﻤﺔ ﻞﻛ ﻣﻨﻬﻤﺎ ﻣﺴﺎوﻳﺔ ﻟﻠﺼﻔﺮ(‪ ،‬ﻓﺈن ﻗﻴﻤﺔ اﺠﺎﺗﺞ اﻟﻲﻠﻜ اﻤﻟﺘﺤﺼﻞ ﻋﻠﻴﻪ‬
‫ً‬
‫ﺳﻴﻜﻮن ﻣﺴﺎوﻳﺎ ﻟﻘﻴﻤﺔ )‪ .(0.149-‬وﻫﻨﺎ ﺠﺗﺪر اﻹﺷﺎرة إﻰﻟ أن ﻗﻴﻤﺔ اﺤﻟﺪ‬
‫ً‬
‫اﺨﻛﺎﺑﺖ ﻏﺮﻴ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺎ )‪(Prob. 0.6872 > 0.05‬‬
‫ﻻﺣﻆ أﻧﻨﺎ اﺳﺘﺨﺪﻣﻨﺎ اﻟﻨﺴﺐ اﻤﻟﺌﻮﻳﺔ ﻲﻓ اﺤﻛﻔﺴﺮﻴ ﻋﻨﺪ ﺤﺗﻮﻳﻞ اﻛﻴﺎﻧﺎت إﻰﻟ‬
‫اﻟﺼﻴﻐﺔ اﻟﻠﻮﺬﻟرﻳﺘﻤﻴﺔ‪ ،‬أﻣﺎ إذا ﺎﻛﻧﺖ اﻛﻴﺎﻧﺎت اﻤﻟﺴﺘﺨﺪﻣﺔ ﻲﻓ اﻻﺤﻧﺪار ﻟﻢ ﻳﺘﻢ‬
‫ﺤﺗﻮﻳﺮﻫﺎ ﻓﺈن ﺗﻔﺴﺮﻴ اﺤﻛﻐﺮﻴ ﻳﻜﻮن ﺑﺎﺳﺘﺨﺪام وﺣﺪة ﻗﻴﺎس اﻤﻟﺘﻐﺮﻴ اﻤﻟﺴﺘﺨﺪم‪.‬‬
‫‪ 3.2.2‬اﺧﺘﺒﺎر اﻤﻟﻌﻠﻤﺎت ‪Testing the Coefficients‬‬
‫ﺠﺗﺮى اﺧﺘﺒﺎرات اﻻﺤﻧﺪارات )‪ (β‬ﺒﻟ ﻣﻌﻠﻤﺎت اﻻﺤﻧﺪار ﻣﻦ أﺟﻞ اﺤﻛﺄﻛﺪ‬
‫ﻣﻦ أﻧﻬﺎ ﻣﻮﺛﻮﻗﺔ )أي أﻧﻬﺎ ذات ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ(‪ .‬ﻟﻞﻜ ﻣﻌﻠﻤﺔ ﻣﻦ ﻣﻌﻠﻤﺎت‬
‫اﻻﺤﻧﺪار ﻧﻘﻮم ﺑﺈﺟﺮاء اﺧﺘﺒﺎر اﻟﻔﺮوض ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫‪-1‬‬
‫‪-2‬‬
‫‪-3‬‬
‫‪ - 4‬ﺣﺴﺎب اﺣﺼﺎﺋﻴﺔ اﻻﺧﺘﺒﺎر )‪= (Test statistic‬‬
‫‪S.E.‬‬ ‫((‪/‬‬ ‫ﻲﻓ اﻟﻔﺮﺿﻴﺔ‬ ‫*)‬ ‫‪)-‬‬ ‫اﻤﻟﻌﻠﻤﺔ‬
‫ﺑﺎﺠﻈﺮ إﻰﻟ اﺠﺘﺎﺋﺞ ﺠﻧﺪ أﻧﻪ ﻓﻴﻤﺎ ﻳﺘﻌﻠﻖ ﺑـ ‪ ،LK‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم‬
‫) ‪ ،‬ﻷن اﻟﻘﻴﻤﺔ اﻻﺣﺘﻤﺎ ﺔ )ﻣﺴﺘﻮى ا ﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ‪ (p-value‬ﻻﺧﺘﺒﺎر‬
‫اﻻﺤﻧﺪار ﺗﺴﺎوي ‪ 0.0014‬وﻲﻫ أﻗﻞ ﻣﻦ ‪ .0.05‬ﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺴﺘﻨﺘﺞ أن ا ﻞ‬
‫ﻳﻈﻬﺮ أن اﺤﻧﺪار ‪ LK‬ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ .‬ﻧﻘﻮم ﺑﻨﻔﺲ اﺧﺘﺒﺎر اﻟﻔﺮوض ﻤﻟﻌﻠﻤﺔ‬
‫اﻻﺤﻧﺪار اﻤﻟﻘﺪرة ﻟﻠﻤﺘﻐﺮﻴ ‪ LL‬و ﺬﻟﻚ ﻟﻠﺤﺪ اﺨﻛﺎﺑﺖ‪.‬‬
‫واﺧﺘﺒﺎر‬ ‫‪ 4.2.2‬ﺗﻌﻠﻴﻖ ﺒﻟ ﻗﻴﻤﺔ‬

‫ً‬
‫)ﻣﻌﺎﻣﻞ اﺤﻛﺤﺪﻳﺪ ( ﺗﺸﺮﻴ إﻰﻟ أن ‪ %95‬ﺗﻘﺮﻳﺒﺎ ﻣﻦ إﻤﺟﺎﻲﻟ اﺤﻛﻐﺮﻴ‬ ‫ﻗﻴﻤﺔ‬
‫ﻲﻓ اﺠﺎﺗﺞ ﻳﻤﻜﻦ ﺗﻔﺴﺮﻴه ﺑﺎﺤﻛﻐﺮﻴ ﻲﻓ رأس اﻤﻟﺎل )‪ (K‬واﻟﻌﻤﻞ )‪ .(L‬إﺣﺼﺎﺋﻴﺔ ‪F‬‬
‫ً‬
‫)‪ (F-statistic‬ﻲﻫ ﺬﻟﻛﺎ ﻣﺎ ﺗﺴﺘﺨﺪم ﻻﺧﺘﺒﺎر ﻣﻌﻨﻮﻳﺔ ‪:‬‬
‫‪-1‬‬
‫‪-2‬‬
‫‪-3‬‬
‫)‪ (F-value‬ﻣﻦ ﺧﻼل اﻟﻌﻼﻗﺔ‬ ‫‪F‬‬ ‫اﻤﻟﺤﺴﻮﺑﺔ وﻧﻮﺟﺪ ﻗﻴﻤﺔ‬ ‫‪ - 4‬ﻧﺴﺘﺨﺪم‬
‫اﺤﻛﺎ ﺔ‪:‬‬
‫إﺣﺼﺎﺋﻴﺔ اﻻﺧﺘﺒﺎر اﻤﻟﺸﺘﻘﺔ ﺑﻬﺬه اﻟﻄﺮﻳﻘﺔ ﻳﻤﻜﻦ إﻇﻬﺎرﻫﺎ ﺑﺄﻧﻬﺎ ﺗﺘﺒﻊ‬

‫و‬ ‫ﺗﻮزﻳﻊ ‪ (F-distribution) F‬ﺑﺪرﺟﺎت ﺣﺮﻳﺔ‬
‫اﻻﺧﺘﺒﺎر ﻋﻨﺪ ﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪ ،%5‬اﺧﺘﺒﺎر ذو ﻃﺮف واﺣﺪ‪ ،‬ﺠﻧﺪ أن ﻗﻴﻤﺔ ‪F‬‬
‫اﺤﻟﺮﺟﺔ )‪ً (critical F-value‬‬
‫ﺑﻨﺎء ﺒﻟ درﺟﺎت ﺣﺮﻳﺔ )‪ (2 = 1-3‬ﻟﻠﺒﺴﻂ‪ ،‬ودرﺟﺎت‬
‫ﺣﺮﻳﺔ )‪ (21 =3-24‬ﻟﻠﻤﻘﺎم‪ ،‬ﻲﻫ ‪ 3.44‬ﻛﻤﺎ ﺗﺒﻴﻨﻬﺎ ﻗﺮاءة ﺟﺪول ‪.(F-table) F‬‬
‫ﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم وﻧﻘﺒﻞ اﻟﻔﺮض اﻛﺪﻳﻞ ﻷن اﺣﺼﺎءة ‪ F‬اﻤﻟﺤﺴﻮﺑﺔ‬
‫)‪ 236.1219 = (F-statistic‬وﻲﻫ ﻗﻴﻤﺔ أﻛﺮﺒ ﻣﻦ )‪ .(3.44‬ﻣﻦ ذﻟﻚ ﻧﺴﺘﻨﺘﺞ أن‬
‫ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ اﺤﻛﺤﺪﻳﺪ ذا ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ .‬ﻳﻤﻜﻦ اﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ أﺧﺮى‬
‫ﻻ ﺨﺗﺎذ اﻟﻘﺮار وذﻟﻚ ﺑﺎﺠﻈﺮ إﻰﻟ اﻟﻘﻴﻤﺔ اﻻﺣﺘﻤﺎ ﺔ ﻹﺣﺼﺎﺋﻴﺔ ‪ ،F‬واﻟﻲﺘ ﺗﺴﺎوي‬
‫‪ 0.0000‬ﻛﻤﺎ ﺗﻈﻬﺮﻫﺎ اﺠﺘﺎﺋﺞ اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ .14.2‬و ﻨﺘﻴﺠﺔ ﻟﻚ ﻓﺈﻧﻨﺎ‬
‫ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ) ﺣﻴﺚ أن اﻟﻘﻴﻤﺔ اﻻﺣﺘﻤﺎ ﺔ ﻹﺣﺼﺎﺋﻴﺔ ‪(0.0000) F‬‬
‫ً‬
‫ﻲﻫ أﺻﻐﺮ ﻣﻦ ‪ 0.05‬و ﻣﻨﻬﺎ ﻧﺴﺘﻨﺘﺞ أن ﻲﻫ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺎ‪.‬‬
‫‪Multicollinearity and‬‬ ‫‪ 5.2.2‬ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ وﺤﺗﻠﻴﻞ اﻛﻮاﻲﻗ‬

‫‪Residual Analysis‬‬
‫ً‬
‫اﻟﺸﻞﻜ اﻻﻧﺘﺸﺎري ﻟﻠﺒﻮاﻲﻗ ﺧﻼل اﻟﺰﻣﻦ ﺬﻟﻛﺎ ﻣﺎ ﻳﻌﻄﻲ ﻓﻜﺮة ﻋﻦ ﺳﻠﻮ ﻬﺎ‪.‬‬
‫ﺠﺗﺪر اﻤﻟﻼﺣﻈﺔ أﻧﻪ ﻣﻦ أﺟﻞ اﺤﻟﺼﻮل ﺒﻟ اﻟﺮﺳﻢ اﻛﻴﺎ واﺟﺮاء اﺧﺘﺒﺎرات‬
‫ً‬
‫اﻛﻮاﻲﻗ )‪ (residual tests‬ﻋﻦ ﻃﺮﻳﻖ ‪ ،EViews‬ﻳﻨﺒﻲﻐ ﻋﻠﻴﻨﺎ أوﻻ أن ﻧﻨﺘﺞ ﻣﻌﺎدﻟﺔ‬
‫اﻻﺤﻧﺪار‪ .‬اﺗﺒﻊ اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ ﻣﻦ ‪ 3-1‬ﻣﻦ أﺟﻞ اﻤﻟﻌﺎﻳﻨﺔ اﻛﻴﺎﻧﻴﺔ ﻟﻠﺒﻮاﻲﻗ ﻲﻓ‬
‫ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار‪.‬‬
‫اﺨﻟﻄﻮة اﻷو ‪ :‬اﺟﺮاء اﻻﺤﻧﺪار و ﻧﺘﺎج اﻛﻮاﻲﻗ‬
‫ﺤﺗﺖ اﺨﻟﻴﺎر ‪ Quick‬اﺧﺘﺎر ‪ Generate Series‬و ﻧﺎﻓﺬة اﻷﻣﺮ أﻛﺘﺐ ‪:‬‬
‫‪ ، E = resid‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﺤﻟﻔﻆ اﻛﻮاﻲﻗ‪ .‬ﺑﺎﺠﻘﺮ ﻣﺮﺗﻦﻴ ﺒﻟ ”‪ “E‬ﻣﻦ ﻧﺎﻓﺬة اﻤﻟﻠﻒ‬
‫اﻷﺳﺎ ﻳﺘﻢ ﻋﺮض اﻛﻴﺎﻧﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.15.2‬‬
‫ً‬
‫اﺨﻟﻄﻮة اﺨﻛﺎﻧﻴﺔ‪ :‬ﺗﻤﺜﻴﻞ اﻛﻮاﻲﻗ ﺑﻴﺎﻧﻴﺎ‬
‫ﺤﺗﺖ ‪ Quick‬اﺧﺮﺘ ‪ Graph‬ﺛﻢ اﻛﺘﺐ ‪ E‬ﻲﻓ ﻧﺎﻓﺬة اﻷﻣﺮ ﺛﻢ ﺤﺗﺖ ‪ specific‬اﺧﺮﺘ‬
‫‪ .Dot plot‬ﺤﺗﺖ ﺧﻴﺎر ‪ Options‬اﺧﺮﺘ ‪ Axes & Scalling‬ﺛﻢ ‪.data axis labels‬‬
‫ﺣﺖ ‪ Axes ticks & lines‬اﺧﺮﺘ ‪ ، zero line background‬و ﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ‬
‫ً‬ ‫اﻟﺸﻞﻜ ‪.17.2‬‬
‫ﻳﻤﻜﻦ اﻟﻘﻮل أن ﻣﺸﺎﻫﺪات اﻛﻮاﻲﻗ ﻣﺮﺗﺒﻄﺔ ﺗﺴﻠﺴﻠﻴﺎ ‪ ،‬ﻛﺬﻟﻚ وﺟﻮد ﻗﻴﻤﺔ‬
‫واﺣﺪة ﺧﺎرﺟﺔ )‪.(outlier‬‬
‫اﺨﻟﻄﻮة اﺨﻛﺎﺨﻛﺔ‪ :‬اﻧﺘﺎج ﺟﺪول ﺑﺎﻟﻘﻴﻢ اﻟﻔﻌﻠﻴﺔ واﻟﻘﻴﻢ اﻤﻟﻘﺪرة ﻟﻠﻤﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ‬
‫وﻗﻴﻢ اﻛﻮاﻲﻗ‬
‫ﺑﻌﺪ اﺟﺮاء اﻻﺤﻧﺪار‪ ،‬وﻣﻦ ﻧﺎﻓﺬة اﻤﻟﺨﺮﺟﺎت )ﻧﺘﺎﺋﺞ اﻻﺤﻧﺪار( اﺧﺮﺘ‪View- :‬‬
‫‪ ،Actual, Fitted, Residual Actual Fitted Residual Table‬ﺛﻢ اﻧﻘﺮ ‪OK‬‬
‫ﻟﻠﺤﺼﻮل ﺒﻟ اﺠﺘﺎﺋﺞ اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.18.2‬‬
‫ﺷﻜﻞ ‪ 15-2‬ﺑﻮاﻗﻲ ﻣﻌﺎدﻟﺔ اﻻﻧﺤﺪار‬
‫ﺷﻜﻞ ‪ 16-2‬اﻟﻤﺮﺑﻊ اﻟﺤﻮاري ﻟﺨﯿﺎرات اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ‬

‫ﺷﻜﻞ ‪ 17-2‬اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺒﻮاﻗﻲ ‪E‬‬
‫ﺷﻜﻞ ‪ 18-2‬اﻟﺒﯿﺎﻧﺎت اﻟﺤﻘﯿﻘﺔ واﻟﻤﻘﺪرة واﻟﺒﻮاﻗﻲ‬

‫ﺑﺎﺠﻈﺮ إﻰﻟ اﻟﺸﻞﻜ ‪ ،18.2‬ﺧﻂ اﻛﻮاﻲﻗ )اﻤﻟﻮﺿﺢ ﺤﺗﺖ ‪ (Residual plot‬ﻧﻼﺣﻆ‬

‫أن أﻧﻪ ﻗﺪ ﺨﺗﻄﻰ ﺣﺪود اﺨﻟﻄﻮط اﻤﻟﺘﻘﻄﻌﺔ أﻛﺮﺜ ﻣﻦ ﻣﺮة ﻤﻣﺎ ﻳﻤﻜﻦ اﻋﺘﺒﺎره إﺷﺎرة‬
‫إﻰﻟ وﺟﻮد وﺟﻮد ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ )‪.(serial correlation‬‬
‫اﺠﻟﺪول ‪ 2.2‬ﻳﻠﺨﺺ اﻤﻟﺸﺎﻞﻛ اﻤﻟﺨﺘﻠﻔﺔ ﻟﻠﺒﻮاﻲﻗ وأﺳﺒﺎﺑﻬﺎ وﻃﺮق ﻣﻌﺎﺠﻟﺘﻬﺎ‪.‬‬
‫ً‬
‫ﻛﻤﺎ أﻧﻪ ﻳﻘﺮﺘح أﻳﻀﺎ ﻃﺮق رﺳﻤﻴﺔ وﻏﺮﻴ رﺳﻤﻴﺔ ﻻﺧﺘﺒﺎر ﺳﻠﻮ ﻬﺎ‪ .‬اﻤﻟﺪﺧﻞ اﻟﺮﺳﻲﻤ‬
‫ﻳﺘﻀﻤﻦ أرﺑﻌﺔ ﺧﻄﻮات رﺋﻴﺴﻴﺔ‪:‬‬
‫‪ - 1‬اﺤﻛﺤﻘﻖ ﻣﻦ ﻣﺸﻞﻜ ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ )‪.(Multicollinearity‬‬
‫‪ - 2‬اﺤﻛﺤﻘﻴﻖ ﻲﻓ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا ) ‪.(Autocorrelation‬‬
‫‪ - 3‬اﺤﻛﺤﻘﻖ ﻣﻦ ﻣﺸﻠﻜﺔ ﻋﺪم ﺛﺒﺎت اﺤﻛﺒﺎﻳﻦ )‪(Heteroccedasicity‬‬
‫‪ - 4‬اﺤﻛﺤﻘﻖ ﻣﻦ ﻣﺸﻠﻜﺔ اﺨﻟﻄﻴﺔ )‪.(Normality‬‬
‫‪ 1.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ ﻲﻓ ‪EViews‬‬
‫ﺗﻮاﺟﻬﻨﺎ ﻣﺸﻠﻜﺔ ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ ﻋﻨﺪ إﺟﺮاء اﻻﺨﻧﺪار اﻤﻟﺘﻌﺪد‪ ،‬أي‬
‫اﺤﻧﺪار ﻣﻊ أﻛﺮﺜ ﻣﻦ ﻣﺘﻐﺮﻴ ﺗﻔﺴﺮﻴي‪ ،‬أﻣﺎ ﻲﻓ ﺣﺎﻟﺔ اﻻﺤﻧﺪار اﻟﺒﺴﻴﻂ ﻓﺈن ﻫﺬه‬
‫اﻤﻟﺸﻠﻜﺔ ﻻﺗﺴﺘﺪي أن ﺑﻨﻈﺮ إ ﻬﺎ‪ .‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ ﺗﺘﻀﻤﻦ إﺟﺮاء اﺤﻧﺪار ﻣﺎ‬
‫ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ ﺑﺪون اﺳﺘﺨﺪام اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ‪ .‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬إﺟﺮاء‬
‫اﻻﺤﻧﺪار ﻟﻞﻜ ﻣﻦ ‪) LK C LL‬ﺑﺪون اﺳﺘﺨﺪام ‪ LY‬اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ(‪.‬‬
‫ﺟﺪول ‪ 2.2‬ﻣﻠﺨﺺ ﻟﺴﻠﻮك اﻟﺒﻮاﻗﻲ‪ ،‬أﺳﺒﺎﺑﮭﺎ وطﺮق ﻣﻌﺎﻟﺠﺘﮭﺎ‬
‫‪47‬‬
‫اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ ﻟﻠﺘﺤﻘﻖ ﻣﻦ‬ ‫اﻟﻄﺮﻳﻘﺔ اﻟﻐﻴﺮ اﻟﺮﺳﻤﻴﺔ‬

‫ﻃﺮق إزاﻟﺘﻬﺎ‬ ‫اﻷﺳﺒﺎب‬ ‫ﺷﻴﻮع اﻟﻤﺸﻜﻠﺔ‬ ‫اﻟﻤﺸﻜﻠﺔ‬
‫وﺟﻮدﻫﺎ‬ ‫ﻟﻠﺘﺤﻘﻖ ﻣﻦ وﺟﻮدﻫﺎ‬
‫‪ -‬ﻣــﺼــﻔــﻮﻓــﺔ اﻻرﺗـــﺒـــﺎط‬
‫‪ -‬إﺿــﺎﻓــﺔ ﻣﺘﻐﺮﻴات‬
‫)‪(Correlation matrix‬‬ ‫ﻲﻓ اﻛــﻴــﺎﻧــﺎت وﺟﻮد ﻋﻼﻗﺔ ﺧﻄﻴﺔ اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺒﻮاﻲﻗ‬
‫ﺟﺪﻳﺪة ذات ﻋﻼﻗﺔ‬ ‫ﺗﻌﺪد اﻟﻌﻼﻗﺎت‬
‫‪ -‬اﺟـــﺮاء اﺤﻧـــﺪار ﻣــﺎ ﺑﻦﻴ‬
‫ﺑﺎﺠﻤﻮذج‬ ‫اﻤﻟﻘﻄﻌﻴﺔ وﺑﻴﺎﻧﺎت ﺑـــﻦﻴ اﻤﻟــﺘــﻐــﺮﻴات ﻳﻈﻬﺮ ﻗﻴﻤﺔ ﺧﺎرﺟﺔ‬ ‫اﺨﻟﻄﻴﺔ‬
‫اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ ﺛﻢ‬
‫‪ -‬زﻳــــــــﺎدة ﻋـــﺪد‬ ‫)‪ (outliers‬أو أﻛﺮﺜ‬ ‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻤﻟﺴﺘﻘﻠﺔ‬ ‫‪Multicollinearity‬‬
‫اﺟﺮاء ﻣﻌﺎﻣﻞ ﺗﻀﺨﻢ اﻤﻟﺘﻐﺮﻴ‬
‫اﻤﻟﺸﺎﻫﺪات‬
‫‪VIF‬‬
‫وﺟـــﻮد ﻋــﻼﻗــﺔ ﻣﺎ‬

‫ﺑﺄﺧﺬ اﻟﻔﺮق اﻷول ﻟﻞﻜ‬
‫‪ -‬اﺧﺘﺒﺎر‪Durbin-Watson‬‬ ‫ﻟﻠﺒﻮاﻲﻗ‬ ‫اﻛﻴﺎ‬ ‫اﺤﻛﻤﺜﻴﻞ‬ ‫ﺑﻦﻴ ﻗﻴﻤﺔ اﻤﻟﺸﺎﻫﺪة‬
‫ﻣﻦ ﺟﺎﻧﻲﺒ اﻤﻟﻌﺎدﻟﺔ ﺛﻢ‬ ‫ﺑﻴﺎﻧﺎت اﻟﺴﻼﺳﻞ‬ ‫اﻻرﺗﺒﺎط ا ا‬
‫ﻲﻓ اﻟﺰﻣﻦ ‪ t‬و ﻗﻴﻤﺔ ﻳﻈﻬﺮ ﺗﺘﺎﺑﻊ ﻣﻮﺟﺐ أو ‪ -‬اﺧﺘﺒﺎر ‪LM‬‬
‫اﺟﺮاء اﻻﺤﻧﺪار ﻟﻠﻤﻌﺎدﻟﺔ‬ ‫اﻟﺰﻣﻨﻴﺔ‬ ‫‪Autocorrelation‬‬
‫‪ -‬اﺧﺘﺒﺎر‪Lagrange Multiplier‬‬ ‫اﻤﻟﺸﺎﻫﺪة ﻲﻓ اﻟﺰﻣﻦ ﺳﺎﻟﺐ ﺑﻦﻴ اﻤﻟﺸﺎﻫﺪات‬
‫اﺠﻟﺪﻳﺪة‬
‫‪t-1‬‬
‫اﺤﻛﻤﺜﻴﻞ اﻛﻴﺎ ﻟﻠﺒﻮاﻲﻗ‬

‫ﻋﺪم ﺛﺒﺎت اﺤﻛﺒﺎﻳﻦ‬
‫اﺟـــــﺮاء اﻻﺤﻧــــﺪار‬ ‫اﺧﺘﺒﺎر ‪White‬‬ ‫اﻛـــﻴـــﺎﻧـــﺎت ﺗــﻐــﺮﻴات ﻲﻓ ﺗﺒﺎﻳﻦ ﻳﻈﻬﺮ ﺗﺒﺎﻳﻦ أوﺳﻊ ﻠﻛﻤﺎ ‪-‬‬
‫‪Heteroccedasicity‬‬
‫ﺑﺎﺳﺘﺨﺪام اﻟﻠﻮﺬﻟرﻳﺘﻤﺎت‬ ‫اﺧﺘﺒﺎر‪Goldfeld-Quandt‬‬ ‫اﻛﻮاﻲﻗ ﺧﻼل اﻟﺰﻣﻦ ﺤﺗﺮ ﺖ اﻤﻟﺸﺎﻫﺪات ﻣﻦ ‪-‬‬ ‫اﻤﻟﻘﻄﻌﻴﺔ‬
‫اﻷﺻﻞ إﻰﻟ ا ﻤﻦﻴ‬
‫إﺿﺎﻓﺔ ﻣﺘﻐﺮﻴات أﺧﺮى‬
‫ًﻟﻠﺒﻮاﻲﻗ‬ ‫اﻟﺮﺳﻢ اﻛﻴﺎ‬ ‫ﻲﻓ اﻛــﻴــﺎﻧــﺎت‬
‫ذات ﻋﻼﻗﺔ ﻟﻠﻨﻤﻮذج‬ ‫ﺗــﻮﺻــﻴــﻒ ﺧﺎﻃﺊ‬ ‫اﺨﻟﻄﻴﺔ‬
‫ﻳﻈﻬﺮ ﺗــﻮزﻳــﻌــﺎ ﻏﺮﻴ ‪ -‬اﺧﺘﺒﺎر‪Jarque-Bera‬‬ ‫اﻤﻟﻘﻄﻌﻴﺔ وﺑﻴﺎﻧﺎت‬
‫واﺳﺘﺨﺪام ﻋﻴﻨﺎت ذات‬ ‫ﻟﻠﻨﻤﻮذج‬ ‫‪Normality‬‬
‫ﻃﺒﻴﻲﻌ‬ ‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬
‫ﺣﺠﻢ أﻛﺮﺒ‬
‫اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ‪ :‬ﻣﺒﺎدئ ﺗﻮﺟﻴﻬﻴﺔ 'ﺟﺮاء اﻻﻧﺤﺪار‬
‫ﺷﻜﻞ ‪ 19-2‬اﺧﺘﺒﺎر ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﻟﺨﻄﯿﺔ‬

‫اﺧﺮﺘ واﺣﺪ ﻣﻦ اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ ﺤﻛﻜﻮن اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ﺛﻢ ﻧﻘﻮم ﺑﺈﺟﺮاء‬
‫ﻋﻤﻠﻴﺔ اﻻﺤﻧﺪار ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ .19.2‬اﻬﻟﺪف ﻣﻦ إﺟﺮاء ﻫﺬا اﻻﺤﻧﺪار ﻫﻮ إﺠﻳﺎد‬
‫ﻣﻌﺎﻣﻞ اﺤﻛﺤﺪﻳﺪ ‪ R2‬وا ي ﻳﺴﺘﺨﺪم ﺑﻌﺪ ذﻟﻚ ﺤﺑﺴﺎب ﻣﻌﺎﻣﻞ ﺗﻀﺨﻢ اﻤﻟﺘﻐﺮﻴ‬
‫)‪ (Variable Inflation Factor VIF‬ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ أدﻧﺎه‪:‬‬
‫ﺑﻌﺪ ذﻟﻚ ﻧﻘــﻮم ﺑﺎﺗﺒﺎع اﺨﻟﻄــﻮات اﺤﻛﺎ ﺔ ﻻﺧﺘﺒﺎر ﺗﻮاﺟﺪ ﻣﺸــﻠﻜﺔ ﺗﻌﺪد‬
‫اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ‪:‬‬
‫‪ :‬ﻻ وﺟﻮد ﻤﻟﺸﻠﻜﺔ ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ‬ ‫‪ - 1‬اﻟﻔﺮض اﻟﺼﻔﺮي‬
‫‪ :‬وﺟﻮد ﻣﺸﻠﻜﺔ ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ‬ ‫‪ - 2‬اﻟﻔﺮض اﻛﺪﻳﻞ‬
‫‪-3‬‬
‫‪VIF = 5.790 - 4‬‬
‫‪ - 5‬ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻗﻴﻤﺔ ‪ VIF‬ﻣﺎﺑﻦﻴ ‪ 5‬و ‪ ،10‬ﻧﺮﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي‬

‫‪ً -6‬‬
‫ﺑﻨﺎء ﺒﻟ اﻷدﻟﺔ اﻤﻟﺒﻴﻨﺔ أﻋﻼه ﻓﺄﻧﻨﺎ ﻧﺴﺘﻨﺘﺞ أن ﻫﺬه اﻟﺴﻼﺳﻞ اﻛﻴﺎﻧﻴﺔ ﺗﻌﺎ‬
‫ﻣﻦ ﻣﺸﻠﻜﺔ ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ‬
‫ﻛﻴﻒ ﻳﻤﻜﻦ ﻣﻌﺎﺠﻟﺔ ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ؟‬
‫ً‬
‫‪ -‬ﺣﺬف أﺣﺪ اﻤﻟﺘﻐﺮﻴات اﻤﻟﺮﺗﺒﻄﺔ ﺧﻄﻴﺎ‬
‫‪ -‬ﺤﺗﻮﻳﻞ اﻤﻟﺘﻐﺮﻴات ذات اﻻرﺗﺒﺎط اﺨﻟﻄﻲ اﻤﻟﺮﺗﻔﻊ إﻰﻟ ﻧﺴﺒﺔ‬
‫‪ -‬ﻤﺟﻊ اﻤﻟﺰﻳﺪ ﻣﻦ اﻛﻴﺎﻧﺎت‪ ،‬ﻣﺜﻞ زﻳﺎدة اﻤﻟﺪة اﻟﺰﻣﻨﻴﺔ أو ﺤﺗﻮﻳﻠﻬﺎ إﻰﻟ ﺗﻜﺮارات‬
‫أﺒﻟ‪.‬‬
‫ﺷﻜﻞ ‪ 20-2‬اﺧﺘﺒﺎر ﺧﻄﯿﺔ اﻟﺒﻮاﻗﻲ‬

‫‪ 2.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ اﺨﻟﻄﻴﺔ ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪EViews‬‬

‫ً‬ ‫ً‬
‫إذا ﺎﻛﻧﺖ اﻛﻮاﻲﻗ ﻏﺮﻴ ﻣﻮزﻋﺔ ﺗﻮزﻳﻌﺎ ﻃﺒﻴﻌﻴﺎ‪ ،‬ﻻ ﻳﻤﻜﻦ اﺳﺘﺨﺪاﻣﻬﺎ ﻲﻓ‬
‫اﺧﺘﺒﺎر ‪ Z‬أو أي اﺧﺘﺒﺎرات أﺧﺮى ﻣﺸﺘﻘﺔ ﻣﻦ اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ ﻣﺜﻞ اﺧﺘﺒﺎر ‪t‬‬
‫)ﻛﺬﻟﻚ اﺧﺘﺒﺎرات ‪ F‬و ‪ Chi-square‬ﻻﻳﻤﻜﻦ ﺗﻄﺒﻴﻘﻬﺎ ﻲﻫ اﻷﺧﺮى ﻲﻓ ﺣﺎﻟﺔ‬
‫ً‬
‫ﻋﺪم ﺛﺒﻮت ﺧﻄﻴﺔ اﻛﻮاﻲﻗ(‪ .‬ﻛﻤﺎ أﻧﻪ ﻲﻓ ﺣﺎﻟﺔ أن اﻛﻮاﻲﻗ ﻏﺮﻴ ﻣﻮزﻋﺔ ﺗﻮزﻳﻌﺎ‬
‫ً‬
‫ﻃﺒﻴﻌﻴﺎ؛ ﻓﻐﻦ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ أو ﺒﻟ اﻷﻗﻞ واﺣﺪ ﻣﻦ اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ ﻳﻤﻜﻦ‬
‫أن ﺤﻳﺘﻮي ﺒﻟ اﻟﺸﻞﻜ ا اﻲﻟ اﺨﻟﺎﻃﺊ‪ .‬اﻻﺣﺘﻤﺎل اﻵﺧﺮ ﻫﻮ أن واﺣﺪ أو أﻛﺮﺜ ﻣﻦ‬
‫اﻤﻟﺘﻐﺮﻴات اﻤﻟﻬﻤﺔ ﻏﺮﻴ ﻣﺪرج أو ﺤﻣﺬوف ﻣﻦ اﺠﻤﻮذج ‪ ..‬اﻟﺦ‪ .‬اﺠﺘﺎﺋﺞ اﻟﻲﺘ ﻳﻈﻬﺮﻫﺎ‬
‫‪ EViews‬ﻋﻨﺪ اﺟﺮاء اﺧﺘﺒﺎرات اﺤﻛﺤﻘﻖ ﻣﻦ اﺨﻟﻄﻴﺔ ﺒﻟ ﺑﻴﺎﻧﺎت داﻟﺔ ﻛﻮب‬
‫دوﺟﻼس )‪ (LY C LK LL‬ﻣﺒﻴﻨﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.20.2‬‬
‫ﻳﻤﻜﻦ ﺗﻠﺨﻴﺺ ﺧﻄﻮات إﺟﺮاء اﺧﺘﺒﺎر اﺨﻟﻄﻴﺔ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫‪ :‬اﻛﻮاﻲﻗ ﺗﺘﺒﻊ اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ‬ ‫‪ - 1‬اﻟﻔﺮض اﻟﺼﻔﺮي‬
‫‪ :‬اﻛﻮاﻲﻗ ﻻ ﺗﺘﺒﻊ اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ‬ ‫‪ - 2‬اﻟﻔﺮض اﻛﺪﻳﻞ‬
‫‪-3‬‬
‫‪Jarque-Bera test statistic‬‬ ‫‪= 1.364957 - 4‬‬
‫ﻓﺈﻧﻪ ﻻ ﻳﻤﻜﻦ رﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي‬ ‫‪ - 5‬ﻷن ‪Prob. = 0.505363 > 0.05‬‬
‫‪ً -6‬‬
‫ﺑﻨﺎء ﺒﻟ اﻷدﻟﺔ اﻤﻟﺒﻴﻨﺔ أﻋﻼه ﻓﺄﻧﻨﺎ ﻧﺴﺘﻨﺘﺞ أن اﻛﻮاﻲﻗ ﺗﺘﺒﻊ اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ‪.‬‬
‫‪ 3.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ ﻋﺪم ﺛﺒﺎت اﺤﻛﺒﺎﻳﻦ ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪EViews‬‬
‫ﻟﻠﺘﺤﻘﻖ ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ﺧﻼل ﻋﻤﻠﻴﺔ اﻻﺤﻧﺪار ﺑﺎﻟﺎﻜﻣﻞ ﻓﺈﻧﻨﺎ ﺤﻧﺘﺎج أن‬
‫ً‬
‫ﺠﻧﺮي اﺧﺘﺒﺎر رﺳﻲﻤ ﻳﻌﺮف ﺑﺎﺧﺘﺒﺎر ‪ White‬وا ي ﺗﻤﺖ اﻹﺷﺎرة إ ﺔ ﻣﺴﺒﻘﺎ ﻲﻓ‬
‫ﻫﺬا اﻟﻜﺘﺎب‪ .‬ﺤﻛﻔﺴﺮﻴ اﺠﺘﺎﺋﺞ ﻲﻓ اﻟﺸﻞﻜ ‪ 21.2‬ﻓﺈﻧﻨﺎ ﻧﺘﺒﻊ اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ‪:‬‬
‫ﺷﻜﻞ ‪ 21-2‬إﺣﺼﺎﺋﯿﺔ اﺧﺘﺒﺎر ‪ White‬ﻓﻲ ‪EViews‬‬

‫‪ :‬اﻛﻮاﻲﻗ ذات ﺗﺒﺎﻳﻦ ﻣﺘﺠﺎﻧﺲ‬ ‫‪ - 1‬اﻟﻔﺮض اﻟﺼﻔﺮي‬
‫‪ :‬اﻛﻮاﻲﻗ ذات ﺗﺒﺎﻳﻦ ﺨﻣﺘﻠﻒ‬ ‫‪ - 2‬اﻟﻔﺮض اﻛﺪﻳﻞ‬
‫‪-3‬‬
‫‪The p-value = 0.0623 - 4‬‬
‫‪ - 5‬ﻷن ‪ Prob. = 0.0623 > 0.05‬ﻓﺈﻧﻪ ﻻ ﻳﻤﻜﻦ رﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي‬
‫ً‬
‫وﺑﻨﺎء ﺒﻟ ذﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺴﺘﻨﺘﺞ أﻧﻪ ﻻ وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ ﻲﻓ ﻫﺬا‬
‫اﻻﺤﻧﺪار‪.‬‬
‫ﻛﻴﻒ ﻳﻤﻜﻦ ﻣﻌﺎﺠﻟﺔ ﻣﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ؟‬

‫إذا ﺎﻛن اﻟﺸﻞﻜ )اﻟﺴﺒﺐ ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل( ﻻﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ ﻏﺮﻴ ﻣﻌﻠﻮم‪،‬‬
‫ﻓﺒﺈﻣﺎﻜﻧﻨﺎ اﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ ﺗﻘﺪﻳﺮ ﺗﺄﺧﺬ ﻫﺬه اﻤﻟﺸﻠﻜﺔ ﻲﻓ ﻧﻈﺮ اﻻﻋﺘﺒﺎر )وﺗﺪﻰﻋ‬
‫ﻫﺬه اﻟﻄﺮﻳﻘﺔ اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎﻣﺔ ‪،( Generalised least squares, GLS‬‬
‫وﻓﻴﻤﺎ ﻳﻲﻠ ﺗﻤﺜﻴﻞ ﻣﺒﺴﻂ ﻟﻄﺮﻳﻘﺔ ‪: GLS‬‬
‫ﺑﻮاﺳﻄﺔ‬ ‫اﻓﺮﺘض أن ﺗﺒﺎﻳﻦ ﺣﺪ اﺨﻟﻄﺄ ﻫﻮ ﻣﺮﺗﺒﻂ ﺑﻤﺘﻐﺮﻴ آﺧﺮ‬
‫ﻟﻠﺘﺨﻠﺺ ﻣﻦ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪ ،‬ﺑﻘﺴﻤﺔ ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار ﺒﻟ‬
‫وﻫﻮ ﺣﺪ اﺨﻟﻄﺄ‪.‬‬ ‫ﺣﻴﺚ أن‬

‫ﻟﻚ ﺳﻮف ﻧﺘﺤﺼﻞ ﺒﻟ‪:‬‬
‫واﻟﻲﺘ ﺗﻌﻲﻨ أن ﺗﺒﺎﻳﻦ ﻣﻘﺪار اﺨﻟﻄﺄ ﻲﻓ اﻻﺤﻧﺪار اﺠﻟﺪﻳﺪ ﺳﻴﻜﻮن ﻣﺘﺠﺎﻧﺲ‬

‫)‪.(homoscedastic‬‬
‫ﺣﻠﻮل أﺧﺮى ﻤﻟﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ ﺗﺘﻀﻤﻦ‪:‬‬
‫‪ - 1‬ﺤﺗﻮﻳﻞ اﻤﻟﺘﻐﺮﻴات إﻰﻟ اﻟﺼﻴﻐﺔ اﻟﻠﻮﺬﻟرﻳﺘﻤﻴﺔ أو ﺗﺼﻐﺮﻴ اﻷرﻗﺎم ﺑﺎﺳﺘﺨﺪام‬
‫ﻣﻘﻴﺎس آﺧﺮ ﻟﻠﺤﺠﻢ‪.‬‬
‫‪ -‬ﻲﻓ ﺣﺎﻟﺔ‬ ‫ﻟـ‪White‬‬ ‫‪ - 2‬اﺳﺘﺨﺪام اﺤﻛﻘﺪﻳﺮ ذو اﻷﺧﻄﺎء اﻟﻘﻴﺎﺳﻴﺔ اﻤﻟﺘﺴﻘﺔ‬
‫اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‬
‫)‪،(White’s Hetroscedasticity consistent standard error estimates‬‬
‫ﺣﻴﺚ أن اﺳﺘﺨﺪام ﺗﺼﺤﻴﺢ ‪ ،White‬ﺑﺸﻞﻜ ﺨم‪ ،‬ﺳﻮف ﻳﺆدي زﻳﺎدة ﻲﻓ‬
‫ً‬
‫ﺣﺠﻢ اﻷﺧﻄﺎء اﻤﻟﻌﻴﺎرﻳﺔ ﻤﻟﻌﻠﻤﺎت ﻣﻴﻞ اﻻﺤﻧﺪار ﻣﻘﺎرﻧﺔ ﺤﺑﺠﻢ اﻷﺧﻄﺎء‬
‫اﻤﻟﻌﻴﺎرﻳﺔ ﻲﻓ ﻃﺮﻳﻘﺔ اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻻﻋﺘﻴﺎدﻳﺔ اﻤﻟﻌﺮوﻓﺔ‪.‬‬
‫ﻲﻓ ‪EViews‬‬ ‫‪ 4.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا‬
‫اﻻرﺗﺒﺎط ا ا ﺤﻳﺪث ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﻫﻨﺎك ارﺗﺒﺎط ﺑﻦﻴ ﻣﺸﺎﻫﺪﺗﻦﻴ‬
‫ﻣﺘﺘﺎ ﺘﻦﻴ ﻟﻠﺒﻮاﻲﻗ‪ .‬ﻫﺬه اﻤﻟﺸﻠﻜﺔ ﺨدة ﻣﺎ ﺗﻈﻬﺮ ﻋﻨﺪ اﺳﺘﺨﺪام ﺑﻴﺎﻧﺎت اﻟﺴﻼﺳﻞ‬
‫اﻟﺰﻣﻨﻴﺔ وﺑﺎﻹﻣﺎﻜن اﺳﺘﺨﺪام ﺷﻞﻜ أو ﺗﺼﻮﻳﺮ اﻻرﺗﺒﺎط ) ‪(correlogram‬‬
‫ﻟﻼﺧﺘﺒﺎر وﺟﻮد ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا ‪ .‬اﻧﻘﺮ‪:‬‬
‫‪view‬‬
‫‪Residual Diagnostics‬‬
‫‪Correlogram- Q-statistics‬‬
‫واﻧﻘﺮ ‪ ،OK‬ﻓﺈذا ﺎﻛﻧﺖ اﻛﻮاﻲﻗ ﻻ ﺤﺗﺘﻮي ﺒﻟ أي ارﺗﺒﺎط ذا ‪ ،‬ﻓﺈن اﻻرﺗﺒﺎﻃﺎت‬
‫ا اﺗﻴﺔ واﻻرﺗﺒﺎﻃﺎت ا اﺗﻴﺔ اﺠﻟﺰﺋﻴﺔ ﻋﻨﺪ ﻞﻛ ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ )اﻟﻔﺠﻮات( ﻳﻨﺒﻲﻐ‬
‫ً‬
‫أن ﺗﻜﻮن ﺗﻘﺮﻳﺒﺎ ﻣﺴﺎوﻳﺔ ﻟﻠﺼﻔﺮ وأن ﻞﻛ ‪ Q-Statistics‬ﻳﻨﺒﻲﻐ أن ﺗﻜﻮن ﻏﺮﻴ‬
‫ﻣﻌﻨﻮﻳﺔ وذات اﺣﺘﻤﺎ ﺔ ﻣﺮﺗﻔﻌﺔ )‪ p-value‬ﺗﻜﻮن ﻣﺮﺗﻔﻌﺔ(‪.‬‬
‫ﺑﻨﺎء ﺒﻟ اﻷدﻟﺔ اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ 22.2‬ﻓﺈﻧﻪ ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ذا ﻲﻓ‬
‫اﻛﻮاﻲﻗ‪.‬‬
‫اﺧﺘﺒﺎر ‪ :LM‬اﺧﺘﺒﺎر ‪Lagrange Multiplier‬‬
‫ﻟﻠﻜﺸﻒ ﻋﻦ اﻻرﺗﺒﺎط ا ا ﻳﻤﻜﻦ اﺳﺘﺨﺪام اﺧﺘﺒﺎر ‪،Durbin-Watson‬‬
‫وﻟﻜﻦ ﻫﺬا اﻻﺧﺘﺒﺎر ﻻ ﻳﻤﻜﻦ اﻟﻠﺠﻮء إ ﻪ ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﻳﻨﺎ ﻗﻴﻢ ﻲﻓ ﻓﺮﺘات‬
‫زﻣﻨﻴﺔ ﺳﺎﺑﻘﺔ ﺧﺎﺻﺔ ﺑﺎﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ﻛﻮاﺣﺪة ﻣﻦ ﻗﻴﻢ اﺤﻛﻐﺮﻴات اﻤﻟﻔﺮﺴة‪ .‬ﺠﻳﺐ‬
‫اﺳﺘﺨﺪام اﺧﺘﺒﺎر ‪ LM‬ﻟﻼرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ إذا ﺎﻛﻧﺖ ﻫﻨﺎك ﻓﺮﺘات ﺗﺒﺎﻃﺆ ﻲﻓ‬
‫اﺠﻟﺎﻧﺐ اﻷﻳﻤﻦ ﻣﻦ ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار‪.‬‬
‫اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ ﺑﺎﺳﺘﺨﺪام اﺧﺘﺒﺎر ‪LM‬‬

‫ﺑﻌﺪ اﺟﺮاء اﻻﺤﻧﺪار اﻟﺮﺋﻴ اﺧﺮﺘ‪:‬‬
‫‪View - Residual Diagnostics - Serial Correlation LM test‬‬
‫ﻟﻠﺤﺼﻮل ﺒﻟ اﺠﺘﺎﺋﺞ اﻤﻟﺪرﺟﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.23.2‬‬
‫ﺷﻜﻞ ‪ 22-2‬اﻟﺘﻤﺜﯿﻞ اﻟﺒﯿﺎﻧﻲ ﻻرﺗﺒﺎط اﻟﺒﻮاﻗﻲ‬
‫ﻻﺣﻆ أن‪:‬‬
‫ﻲﻫ ﻣﻌﺎﻛﺴﺔ ﻟﻠﻔﺮض‬ ‫‪LM‬‬ ‫اﻟﻔﺮض اﻟﺼﻔﺮي واﻟﻔﺮض اﻛﺪﻳﻞ ﻻﺧﺘﺒﺎر‬
‫اﻟﺼﻔﺮي واﻟﻔﺮض اﻛﺪﻳﻞ ﻻﺧﺘﺒﺎر ‪.Correlogram‬‬
‫‪ :‬ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ذا‬ ‫‪ - 1‬اﻟﻔﺮض اﻟﺼﻔﺮي‬
‫‪ :‬ﻳﻮﺟﺪ ارﺗﺒﺎط ذا‬ ‫‪ - 2‬اﻟﻔﺮض اﻛﺪﻳﻞ‬
‫‪-3‬‬
‫ﺔ = ‪The p-value = 0.5095‬‬ ‫‪ - 4‬ﻣﻦ اﻟﺸﻞﻜ ‪ ،23.2‬اﻟﻘﻴﻤﺔ اﻻﺣﺘﻤﺎ‬
‫ً‬
‫وﺑﻨﺎء ﺒﻟ‬ ‫‪ - 5‬ﻷن ‪ Prob. = 0.5095 > 0.05‬ﻓﺈﻧﻨﺎ ﻧﻘﺒﻞ اﻟﻔﺮض اﻟﺼﻔﺮي‬
‫ذﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺴﺘﻨﺘﺞ أﻧﻪ ﻻ وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا ‪.‬‬
‫ﻛﻴﻒ ﻳﻤﻜﻦ اﺤﻛﻐﻠﺐ ﺒﻟ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا ؟‬
‫ﻲﻓ )ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ا ا (‬ ‫ﺑﺮﻀب اﻤﻟﻌﺎدﻟﺔ‬
‫ﻟﻠﺤﺼﻮل ﺒﻟ‬
‫ﻣﻦ‬ ‫ﺛﻢ ﺑﻄﺮح‬
‫اﻤﻟﻌﺎدﻟﺔ اﻷﺳﺎﺳﻴﺔ اﺠﻟﺪﻳﺪة اﺨﻟﺎ ﺔ ﻣﻦ اﻻرﺗﺒﺎط ا ا ‪:‬‬
‫ً‬
‫؛ ﻓﺈن اﻤﻟﻌﺎدﻟﺔ‬ ‫إذا ﺗﻢ ﺗﻘﺪﻳﺮ ﻫﺬه اﻤﻟﻌﺎدﻟﺔ اﺠﻟﺪﻳﺪة ﺑﺪﻻ ﻣﻦ اﺠﻤﻮذج اﻟﺮﺋﻴ‬
‫اﺠﻟﺪﻳﺪة ﺳﺘﻜﻮن ﺧﺎ ﺔ ﻣﻦ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا ‪ ،‬وﺗﻌﺮف ﻫﺬه اﻤﻟﻌﺎدﻟﺔ‬
‫اﻷﺧﺮﻴة ﺑﻤﻌﺎدﻟﺔ اﻻرﺗﺒﺎط ا ا ذات اﻟﻔﺮوق ﻣﻦ ا رﺟﺔ اﻷو )‪.AR(1‬‬
‫ﺷﻜﻞ ‪ 23-2‬اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ‪LM‬‬

‫اﻟﻘﺮار اﺠﻬﺎ ‪ :‬إذا ﺎﻛﻧﺖ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﺗﻌﺎ ﻣﻦ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط‬
‫ا ا ‪ ،‬ﻗﻢ ﺑﺘﺠﺮﺑﺔ أﺧﺬ اﻻرﺗﺒﺎط ا ا ﻣﻦ ا رﺟﺔ اﻷو )اﻟﻔﺮوق اﻷو (‬
‫ﻟﻞﻜ ﻣﻦ ﻃﺮ اﻤﻟﻌﺎدﻟﺔ؛ ﻟﻠﺤﺼﻮل ﺒﻟ ﻣﻌﺎدﻟﺔ ﺟﺪﻳﺪة ﺧﺎ ﺔ ﻣﻦ اﻻرﺗﺒﺎط ا ا ‪.‬‬
‫ٍ‬
‫(‪٣‬‬
‫ﺗﺤﻠﻴﻞ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ‬
‫ُ‬
‫اﻟﻜﺜﺮﻴ ﻣﻦ اﻛﻴﺎﻧﺎت اﻟﻲﺘ ﺗﺴﺘﺨﺪم أو ﻳﺘﻢ اﻹﻓﺼﺎح ﻋﻨﻬﺎ ﻲﻓ اﻻﻗﺘﺼﺎد ﻲﻫ‬
‫ﺑﻴﺎﻧﺎت ﺗﻢ ﺗﺪوﻳﻨﻬﺎ ﺧﻼل ﻓﺮﺘة ﻣﻦ اﻟﺰﻣﻦ‪ ،‬ﻓﻤﺼﻄﻠﺢ ﺳﻼﺳﻞ زﻣﻨﻴﺔ ‪ time series‬ﻳﺘﻢ‬
‫ً‬
‫اﻋﻄﺎؤه ﻟﺘﺴﻠﺴﻞ اﻛﻴﺎﻧﺎت )ﺬﻟﻛﺎ ﻣﺘﺪاﺧﻠﺔ( و ﺳﻠﺴﻠﺔ ﻬﻟﺎ ﻋﻼﻗﺔ ﺑﻠﺤﻈﺔ زﻣﻨﻴﺔ‬
‫ﻣﻌﻴﻨﺔ‪ ،‬اﻷﻣﺜﻠﺔ ﺒﻟ ذﻟﻚ ﻣﺜﻞ أﺳﻌﺎر اﻷﺳﻬﻢ وﻣﺴﺘﻮى اﻤﻟﺨﺰون اﻷﺳﺒﻮﻲﻋ وأرﻗﺎم‬
‫ُ‬
‫اﻛﻄﺎﻟﺔ اﻟﺸﻬﺮﻳﺔ وﻲﻫ ﺗﺴﻰﻤ ﺳﻠﺴﻠﺔ ﻣﻨﻔﺼﻠﺔ‪ ،‬ﺑﻌﺒﺎرة أﺧﺮى اﻟﻘﺮاءات اﻟﻲﺘ ﺗﻢ‬
‫أﺧﺬﻫﺎ ﻲﻓ ﻓﺮﺘات زﻣﻨﻴﺔ ذات ﻓﻮاﺻﻞ ﻣﺘﺴﺎوﻳﺔ‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ﺷﻞﻜ ﺑﻴﺎﻧﺎت اﻟﺴﻼﺳﻞ‬
‫اﻟﺰﻣﻨﻴﺔ ﻳﻜﻮن ﻗﺎﺋﻤﺔ ﻣﻔﺮدة ﻣﻦ اﻟﻘﺮاءات اﻟﻲﺘ ﺗﻢ أﺧﺬﻫﺎ ﻲﻓ ﻓﺮﺘات ﻣﻨﺘﻈﻤﺔ‪ ،‬وﻫﺬا‬
‫ﻫﻮ ﻧﻮع اﻛﻴﺎﻧﺎت ا ي ﺳﻮف ﻧﺮ ﺰ ﻋﻠﻴﻪ ﻲﻓ ﻫﺬا اﻟﻔﺼﻞ واﻟﻔﺼﻞ اﺤﻛﺎﻲﻟ‪.‬‬
‫ً‬
‫ﻫﻨﺎك ﺧﺎﺻﻴﺘﻦﻴ راﺳﺔ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪ ،‬أوﻻ ﻣﺮﺣﻠﺔ اﺤﻛﺤﻠﻴﻞ وﻲﻫ‬
‫ﺤﻣﺎوﻟﺔ ﺤﻛﻠﺨﻴﺺ ﺧﺼﺎﺋﺺ اﻟﺴﻠﺴﻠﺔ ﺤﻛﺤﺪﻳﺪ أﻫﻢ ﻣﻌﺎﻤﻟﻬﺎ‪ ،‬وﺑﺎﻟﺮﻀورة ﻓﺈن ﻫﺬه‬
‫ً‬
‫اﻤﻟﺮﺣﻠﺔ ﺗﺘﻀﻤﻦ اﺧﺘﺒﺎر ﺳﻠﻮك اﻤﻟﺘﻐﺮﻴ ﻲﻓ اﻟﻔﺮﺘة اﻤﻟﺎﺿﻴﺔ؛ ﺛﺎﻧﻴﺎ ﻣﺮﺣﻠﺔ ﺻﻴﺎﻏﺔ‬
‫اﺠﻤﻮذج وﻫﺬه اﻤﻟﺮﺣﻠﺔ ﺗﻬﺘﻢ ﺑﻌﺮض اﺤﻛﻮﻗﻌﺎت اﻤﻟﺴﺘﻘﺒﻠﻴﺔ‪.‬‬
‫ﻲﻓ ﻫﺬا اﻟﻔﺼﻞ ﺳﻮف ﻧﻘﻮم ﺑﺪراﺳﺔ ﻣﺮاﺣﻞ اﺤﻛﺤﻠﻴﻞ وﺠﺗﺐ ﻣﻼﺣﻈﺔ أن‬
‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ أﻧﻪ ﻲﻓ ﻫﺬا اﻟﻔﺼﻞ ﻟﻦ ﺗﻜﻮن ﻫﻨﺎك أي ﺤﻣﺎوﻟﺔ ﻟﺮﺑﻂ اﻤﻟﺘﻐﺮﻴ‬
‫ﻗﻴﺪ ا راﺳﺔ ﺑﺄي ﻣﺘﻐﺮﻴات أﺧﺮى ﺣﻴﺚ أن ﻫﺬا ﻫﻮ ﻫﺪف ﻧﻤﺎذج اﻻﺤﻧﺪار‪،‬‬
‫ً‬
‫ﻓﺒﺪﻻ ﻣﻦ ذﻟﻚ ﻓﺈن ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ واﺤﻛﻐﺮﻴات ﻲﻓ ﻣﺘﻐﺮﻴ ا راﺳﺔ ﻳﺘﻢ‬
‫ﺗﻔﺴﺮﻴﻫﺎ ﻲﻓ ﺿﻮء ﻣﻮﻗﻌﻬﺎ أو ﺣﺮ ﺘﻬﺎ أﺛﻨﺎء اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ اﻤﻟﺎﺿﻴﺔ‪ ،‬وﻣﻦ ﺛﻢ ﻳﺘﻢ‬
‫ﺣﺴﺎب اﺤﻛﻨﺒﺆات ﻣﻦ ﺧﻼل اﻻﺳﺘﻘﺮاء‪ ،‬و ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻓﺈﻧﻪ ﻣﻦ‬
‫ً‬
‫اﻤﻟﻔﻴﺪ ﺟﺪا اﺳﺘﺨﺪام اﻟﺮﺳﻮﻣﺎت اﻛﻴﺎﻧﻴﺔ‪ ،‬ﺣﻴﺚ أن ﻫﺬه اﻟﺮﺳﻮﻣﺎت ﻗﺪ ﺗﻮﺿﺢ‬
‫ﺗﻐﺮﻴات ﻣﻌﻴﻨﺔ ﻲﻓ اﻛﻴﺎﻧﺎت وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈﻧﻬﺎ ﺗﺴﺎﻋﺪ ﻲﻓ ﺻﻴﺎﻏﺔ اﺠﻤﻮذج أو اﺧﺘﻴﺎره‪،‬‬
‫وﻳﺘﻤﺰﻴ ﺑﺮﻧﺎﻣﺞ ‪ EViews 10‬ﺑﻘﺪرات ﻫﺎﺋﻠﺔ ﻲﻓ اﻟﺮﺳﻮﻣﺎت اﻛﻴﺎﻧﻴﺔ اﺨﻟﺎﺻﺔ ﺑﺘﺤﻠﻴﻞ‬

‫ً‬ ‫ً‬
‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪ ،‬ﻛﻤﺎ أن ﺗﻨﻮع اﻟﺮﺳﻮﻣﺎت اﻛﻴﺎﻧﻴﺔ ﻳﻜﻮن ﺨﻣﻼ ﻣﺴﺎﻋﺪا إذا‬
‫ﺗﻢ ﺗﻌﺮﻳﻒ اﻤﻟﺘﻐﺮﻴات ﺑﺪﻗﺔ ﻲﻓ ‪.EViews 10‬‬
‫ﻲﻓ ﺳﻨﺔ ‪1936‬م ﻛﺘﺐ ﺟﻮن ﻛﻴﺰﻨ ﻛﺘﺎﺑﻪ اﻤﻟﺸﻬﻮر ﺑﻌﻨﻮان ”اﺠﻈﺮﻳﺔ اﻟﻌﺎﻣﺔ ﻲﻓ‬
‫اﺤﻛﻮﻇﻴﻒ وﻣﻌﺪﻻت اﻟﻔﺎﺋﺪة واﺠﻘﻮد“ وا ي ﻃﻮر ﻓﻴﻪ ﻧﻈﺮﻳﺔ اﻟﻄﻠﺐ ﺒﻟ اﺠﻘﻮد‬
‫واﻤﻟﻌﺮوﻓﺔ ﺑﺎﺳﻢ ﻧﻈﺮﻳﺔ ﺗﻔﻀﻴﻞ اﻟﺴﻴﻮﻟﺔ‪ ،‬أﻓﺎﻜر ﻛﻴﺰﻨ ﺎﻛﻧﺖ اﻷﺳﺎس ﻟﻺﻃﺎر‬
‫ً‬
‫اﻟﻌﺎم ﺤﻛﻔﻀﻴﻞ اﻟﺴﻴﻮﻟﺔ‪ ،‬ووﻓﻘﺎ ﻟﻠﻨﻈﺮﻳﺔ اﻟﻜﺰﻨﻳﺔ ﻓﺈن اﻟﻄﻠﺐ ﺒﻟ اﺠﻘﻮد اﺤﻟﻘﻴﻘﻴﺔ‬
‫‪ RMD‬ﻫﻮ داﻟﺔ ﻟﻠﻨﺎﺗﺞ اﻤﻟﺤﻲﻠ اﻹﻤﺟﺎﻲﻟ اﺤﻟﻘﻴﻲﻘ ‪ RGDP‬وﻣﻌﺪل اﻟﻔﺎﺋﺪة ‪INT‬‬
‫وﻳﻤﻜﻦ ﻛﺘﺎﺑﺔ اﺠﻤﻮذج ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﻣﺮاﺣﻞ اﺤﻛﻌﺎﻣﻞ ﻣﻊ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬

‫ﻫﺬه اﻤﻟﺮاﺣﻞ ﺗﺘﻀﻤﻦ ﺛﻼث ﺧﻄﻮات أﺳﺎﺳﻴﺔ ﻲﻫ‪:‬‬
‫‪ - 1‬ﺤﺗﺪﻳﺪ ﻣﺎ إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة أو ﻻ‪.‬‬
‫ﺤﻛﺤﺪﻳﺪ ﻣﺎ إذا ﺎﻛن‬ ‫اﻤﻟﺸﺮﺘك‪test Cointegration‬‬‫‪ - 2‬إﺟﺮاء اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ‬
‫ﻫﻨﺎك ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﻲﻓ اﻟﺴﻠﺴﻠﺔ‪.‬‬
‫‪ - 3‬ﺤﺗﺪﻳﺪ ﻧﻤﻮذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ ‪.Error Correction Model‬‬
‫‪ .1‬ﻣﺮﺣﻠﺔ ﺤﺗﺪﻳﺪ ﻋﺪم اﻻﺳﺘﻘﺮار‬
‫ﻫﻨﺎك ﻃﺮﻳﻘﺘﺎن ﺳﻮف ﻳﺘﻢ اﺳﺘﺨﺪاﻣﻬﻤﺎ ﻛﻴﺎﻧﺎت اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪.‬‬
‫اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬ﻲﻫ ﺗﺘﻀﻤﻦ ﺧﻄﻮﺗﻦﻴ‪:‬‬
‫)أ( اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ‪.‬‬
‫)ب( إﺟﺮاء اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ اﻤﻟﺸﺮﺘك‪.‬‬
‫اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬وﺗﺘﻀﻤﻦ ﺧﻄﻮة واﺣﺪة‬
‫إﺟﺮاء اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ ‪Augmented Dickey-Fuller (ADF) Test‬‬
‫‪59‬‬ ‫اﻟﻔﺼﻞ اﻟﺜﺎﻟﺚ‪ :‬ﺗﺤﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬
‫‪ 1.3‬ﺳﻠﺴﻠﺔ زﻣﻨﻴﺔ واﺣﺪة‪ :‬اﻟﻄﻠﺐ ﻋﻠﻰ اﻟﻨﻘﻮد اﻟﺤﻘﻴﻘﻴﺔ )‪(RMD‬‬

‫‪ 1.1.3‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ وﻋﺮض ﺷﻞﻜ‬
‫اﻻرﺗﺒﺎط‬
‫ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﺑﺮﺒﻧﺎﻣﺞ ‪EViews‬‬ ‫ﻧﺘﺒﻊ اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ ﻹﻧﺸﺎء رﺳﻢ ﺑﻴﺎ‬
‫أﻧﻘﺮ ﺒﻟ ‪ Quick - Graph‬ﺛﻢ اﻛﺘﺐ ‪ RMD‬واﺧﺮﺘ ‪ Line & Symbol‬واﻧﻘﺮ ‪ OK‬ﺳﻮف‬
‫ﻳﺘﻢ ﻋﺮض اﻟﺮﺳﻢ اﻛﻴﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.1.3‬‬
‫ﺗﺒﺪو اﻟﺴﻠﺴﻠﺔ و ﺄﻧﻬﺎ ﺳﻠﺴﻠﺔ ﻋﺸﻮاﺋﻴﺔ ﻣﻊ اﺤﻧﺮاف‪ :‬ﺣﻴﺚ ﺤﺗﺮ ﺖ‬

‫ً‬ ‫ً‬
‫اﻟﺴﻠﺴﻠﺔ ﻷﺒﻟ ﺛﻢ ﻷﺳﻔﻞ ﻟﻔﺮﺘة ﻣﻦ اﻟﺰﻣﻦ وﻻﺣﻘﺎ أﺧﺬت اﻟﺴﻠﺴﻠﺔ اﺠﺗﺎﻫﺎ ﻲﻓ‬
‫اﻟﺰﻳﺎدة‪ ،‬وﻫﺬا ﻧﻤﻂ ﻋﺪم اﺳﺘﻘﺮار؛ ﻗﻢ ﺑﺎﺠﻘﺮ اﻤﻟﺰدوج ﺒﻟ ‪ RMD‬ﻲﻓ ﻧﺎﻓﺬة ﻣﻨﻄﻘﺔ‬
‫اﻟﻌﻤﻞ ﻟﻌﺮض ﺑﻴﺎﻧﺎت ﺳﻠﺴﻠﺔ ‪.RMD‬‬
‫ﻟﻠﺤﺼﻮل ﺒﻟ ﺷﻞﻜ اﻻرﺗﺒﺎط ﺠﻳﺐ اﺗﺒﺎع اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ ﻲﻓ ‪: EViews‬‬
‫اﻧﻘﺮ ﺒﻟ ‪ View - Correlogram‬ﺛﻢ اﺧﺮﺘ ‪ Correlogram of the Level‬واﻧﻘﺮ ‪ OK‬ﻟﻌﺮض‬
‫اﻟﺸﻞﻜ اﻛﻴﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.2.3‬‬
‫اﻟﺸﻜﻞ ‪ :1 .3‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟﺴﻠﺴﻠﺔ اﻟﻤﺘﻐﯿﺮ ‪RMD‬‬

‫اﻟﺸﻜﻞ ‪ :2 .3‬ﺷﻜﻞ اﻻرﺗﺒﺎط ﻟﺴﻠﺴﻠﺔ ﺑﯿﺎﻧﺎت اﻟﻤﺘﻐﯿﺮ ‪RMD‬‬
‫ﻣﻼﺣﻈﺔ‪:‬‬
‫اﺧﺘﺒﺎر اﻻرﺗﺒﺎط‪ :‬ﻓﺮﺿﻴﺔ اﻟﻌﺪم واﻟﻔﺮﺿﻴﺔ اﻛﺪﻳﻠﺔ ﻟﻼرﺗﺒﺎط واﻻﺧﺘﺒﺎر اﻟﺮﺳﻲﻤ‬
‫ﻻﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ ﻋﻜﺲ ﺑﻌﻀﻬﻤﺎ‪ ،‬ﻓﻨﺘﺎﺋﺞ اﺧﺘﺒﺎر اﻻرﺗﺒﺎط ﻳﺘﻢ‬
‫ﻋﺮﺿﻬﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.3.2‬‬
‫‪ : H0 - 1‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ : H1 - 2‬اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﻟﻴﺲ ﻫﻨﺎك اﺧﺘﺒﺎر اﺣﺼﺎ ﻳﺘﻢ ﺣﺴﺎﺑﻪ‪ ،‬ﺳﻮف ﻧﺮ ﺰ ﺒﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل‬
‫”‪ “Prob‬ﻲﻓ اﻟﺸﻞﻜ ‪.3.2‬‬
‫‪ - 4‬ﻗﻴﻤﺔ ‪ p-values‬ﺗﺴﺎوي ‪0.000‬‬

‫‪H0‬‬ ‫‪ - 5‬ﺑﻤﺎ أن ‪ Prob = 0.000‬وﻲﻫ أﻗﻞ ﻣﻦ ‪ 0.05‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ اﻟﻔﺮﺿﻴﺔ اﻟﻌﺪم‬
‫وﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ اﻛﺪﻳﻠﺔ ‪.H1‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن ﺳﻠﺴﻠﺔ ‪ RMD‬ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ 2.1.3‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬اﺟﺮاء اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ‬
‫)‪Augmented Dicky-Fuller Test (ADF‬‬
‫ﻗﺒﻞ اﻛﺪء ﻲﻓ إﺟﺮاء اﺧﺘﺒﺎر ‪ ADF‬ﺤﻧﻦ ﺤﻧﺘﺎج إﻰﻟ ﻣﻌﺮﻓﺔ ﻣﺎ إذا ﻛﻨﺎ إﺿﺎﻓﺔ ﻣﻜﻮن‬
‫اﺠﺗﺎه ﻛﺠﺰء ﻣﻦ اﺤﻛﺤﻠﻴﻞ‪ ،‬ﻓﺈذا ﺎﻛن اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻳﻌﺮض اﺠﺗﺎه ﻓﻴﺠﺐ‬
‫إﺿﺎﻓﺔ ﻣﻜﻮن اﻻﺠﺗﺎه إﻰﻟ اﺤﻛﺤﻠﻴﻞ‪ ،‬و ذا ﻟﻢ ﺗﻌﺮض اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻣﻜﻮن اﺠﺗﺎه ﻓﻼ‬
‫ً‬
‫داﻲﻋ ﻹﺿﺎﻓﺔ ﻣﻜﻮن اﺠﺗﺎه وﻟﻜﻦ ﺗﺬﻛﺮ داﺋﻤﺎ أن ﺗﻘﻮم ﺑﺈﺿﺎﻓﺔ اﺤﻛﻘﺎﻃﻊ‪.‬‬
‫ﻗﻢ ﺑﺎﺗﺒﺎع اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ ﺑﺮﺒﻧﺎﻣﺞ ‪: EViews‬‬
‫أﻧﻘﺮ ﻧﻘﺮ ﻣﺰدوج ﺒﻟ ‪ RMD‬اﻤﻟﻮﺟﻮد ﻲﻓ ﻣﻠﻒ اﻟﻌﻤﻞ‪.‬‬
‫ﻣﻦ اﺠﺎﻓﺬة اﻟﻲﺘ ﺗﻌﺮض ﺑﻴﺎﻧﺎت ‪ RMD‬اﺧﺮﺘ ‪Views - Unit Root test‬‬
‫ﺤﺗﺖ ﻧﻮع اﻻﺧﺘﺒﺎر ‪ Test type‬اﺧﺮﺘ ‪Augmented Dickey-Fuller‬‬
‫وﺤﺗﺖ ‪ Test for unit root in‬ﻗﻢ ﺑﺎﺧﺘﻴﺎر ‪Level‬‬
‫ﺤﺗﺖ ‪ Include in test equation‬اﺧﺮﺘ ‪ Trend and intercept‬إذا ﺎﻛن اﻟﺮﺳﻢ‬
‫اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ ﻳﺸﺮﻴ إﻰﻟ أﻧﻬﺎ ذات اﺠﺗﺎه‪ ،‬أﻣﺎ إذا ﺎﻛن ﻻ ﻳﻮﺟﺪ اﺠﺗﺎه ﻓﺎﺧﺮﺘ‬
‫‪ Intercept‬ﻓﻘﻂ ﺛﻢ اﻧﻘﺮ ﺒﻟ ‪ OK‬ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ ﻧﺘﺎﺋﺞ اﻤﻟﺨﺮﺟﺎت ﻛﻤﺎ ﻲﻫ‬
‫‪ : H0 - 1‬اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ : H1 - 2‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪0.054093‬‬
‫ﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻼﺣﺘﻤﺎل ‪p-values = 0.0961‬‬ ‫‪ - 4‬ﻣﺴﺘﻮى ا‬
‫اﻟﺸﻜﻞ ‪ :3 .3‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﺒﯿﺎﻧﺎت اﻟﻤﺘﻐﯿﺮ ‪RMD‬‬

‫‪ - 5‬اﻻﺣﺘﻤﺎل ‪ Prob. = 0.9612 > 0.05‬ﻧﻘﺒﻞ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪.H0‬‬
‫‪ - 6‬اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬ وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫إذا وﺟﺪت اﺠﺘﺎﺋﺞ ﺑﺄن اﻻﺧﺘﺒﺎر اﻟﺮﺳﻲﻤ ﺨﻳﺘﻠﻒ ﻋﻦ اﺠﺘﺎﺋﺞ ﻣﻦ اﻟﺮﺳﻢ‬
‫اﻛﻴﺎ واﺧﺘﺒﺎر ﺷﻞﻜ اﻻرﺗﺒﺎط‪ ،‬ﻓﻌﻠﻴﻚ اﻻﻟﺰﺘام ﺑﻨﺘﺎﺋﺞ اﻻﺧﺘﺒﺎر اﻟﺮﺳﻲﻤ‪،‬‬
‫ﻲﻓ ﺑﻌﺾ اﻷﺣﻴﺎن اﺠﺘﺎﺋﺞ ﻣﻦ اﻻﺧﺘﺒﺎر ﻏﺮﻴ اﻟﺮﺳﻲﻤ ﺨﺗﺘﻠﻒ ﻋﻦ اﺠﺘﺎﺋﺞ ﻣﻦ‬
‫ً‬
‫اﻻﺧﺘﺒﺎر اﻟﺮﺳﻲﻤ‪ ،‬ﻓﺪاﺋﻤﺎ ﻋﻠﻴﻨﺎ اﻷﺧﺬ ﺑﻨﺘﺎﺋﺞ اﻻﺧﺘﺒﺎر اﻟﺮﺳﻲﻤ‪.‬‬
‫‪ 3.2‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﺜﺎﻧﻴﺔ‪ :‬اﻟﻨﺎﺗﺞ اﻟﻤﺤﻠﻲ اﻹﺟﻤﺎﻟﻲ اﻟﺤﻘﻴﻘﻲ )‪(RGDP‬‬

‫‪ 3.2.1‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ واﻧﺸﺎء ﺷﻞﻜ‬
‫اﻻرﺗﺒﺎط‬
‫اﻧﻘﺮ ﺒﻟ ‪ Quick - Graph‬واﻛﺘﺐ ‪ RGDP‬ﺛﻢ اﺧﺮﺘ ‪ Line & Symbol‬واﻧﻘﺮ ‪OK‬‬
‫ﻟﻠﺤﺼﻮل ﺒﻟ اﻟﺮﺳﻢ اﻛﻴﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ 4.3‬وا ي ﻳﻌﺮض أن اﻟﺴﻠﺴﻠﺔ ﻏﺮﻴ ﻣﺴﺘﻘﺮة‪،‬‬
‫اﺨﻟﻄﻮة اﺤﻛﺎ ﺔ ﺳﻮف ﺗﻜﻮن إﻧﺸﺎء ﺷﻞﻜ اﻻرﺗﺒﺎط ﻛﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴ ‪ RGDP‬وﻫﺬا‬
‫اﻟﺸﻞﻜ ﻳﻤﻜﻦ اﺤﻟﺼﻮل ﻋﻠﻴﻪ ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ ‪View - Correlogram -‬‬
‫‪ Level‬واﻧﻘﺮ ﺒﻟ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻤﻟﺨﺮﺟﺎت ﻲﻓ اﻟﺸﻞﻜ ‪.5.3‬‬
‫ﻣﻼﺣﻈﺔ‬
‫ﻓﺮﺿﻴﺔ اﻟﻌﺪم واﻟﻔﺮﺿﻴﺔ اﻛﺪﻳﻠﺔ ﻟﺸﻞﻜ اﻻرﺗﺒﺎط واﻻﺧﺘﺒﺎر اﻟﺮﺳﻲﻤ ﻻﺧﺘﺒﺎر‬
‫ً‬
‫دﻳﻜﻲ ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ ﻛﻼﻫﻤﺎ ﻋﻜﺲ ﺑﻌﻀﻬﻤﺎ ﺗﻤﺎﻣﺎ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :4 .3‬اﻟﺮﺳﻢ اﻟﺒﯿﺎﻧﻲ ﻟﻠﻤﺘﻐﯿﺮ ‪RGDP‬‬

‫اﻟﺸﻜﻞ ‪ :5 .3‬ﺟﺪول اﻻرﺗﺒﺎط ‪ Corrlogram‬ﻟﻠﻤﺘﻐﯿﺮ ‪RGDP‬‬

‫‪ : H0‬اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬ ‫‪.1‬‬
‫‪ : H1 .2‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% .3‬أو ‪0.05‬‬
‫ﻟﻴﺲ ﻫﻨﺎك اﺧﺘﺒﺎر اﺣﺼﺎ ﺤﻟﺴﺎﺑﻪ‪ ،‬وﻟﻜﻨﻨﺎ ﻧﺮ ﺰ ﺒﻟ ﻋﻤﻮد ‪.Prob‬‬
‫ﻗﻴﻤﺔ ‪p-values = 0.000‬‬ ‫‪.4‬‬
‫‪ Prob = 0.00 < 0.05 .5‬ﻧﺮﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪ H0‬وﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ اﻛﺪﻳﻠﺔ ‪.H1‬‬
‫‪ .6‬اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ 3.2.2‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬إﺟﺮاء اﺧﺘﺒﺎر اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ‬

‫)‪(ADF‬‬
‫ﻗﻢ ﺑﺎﺗﺒﺎع اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ ﻲﻓ ‪:EViews‬‬
‫أﻧﻘﺮ ﻧﻘﺮ ﻣﺰدوج ﺒﻟ ‪ RGDP‬ﻣﻦ ﻣﻠﻒ اﻟﻌﻤﻞ‪.‬‬
‫ﻣﻦ ﻧﺎﻓﺬة ‪ RGDP‬اﺧﺮﺘ ‪view - unit root test‬‬
‫ﻣﻦ اﺨﻟﻴﺎر ‪ Test type‬اﺧﺮﺘ ‪Augmented Dickey-Fuller‬‬
‫ﻲﻓ اﺨﻟﻴﺎر ‪ Include in test equation‬اﺧﺮﺘ ‪ Trend and Intercept‬إذا ﺎﻛن اﻟﺮﺳﻢ‬
‫اﻛﻴﺎ ﻟﺴﻠﺴﻠﺔ اﻛﻴﺎﻧﺎت ﻳﺸﺮﻴ إﻰﻟ اﺠﺗﺎه‪ ،‬ﻏﺮﻴ ذﻟﻚ اﺧﺮﺘ ‪ Intercept‬ﻓﻘﻂ ﺛﻢ‬
‫اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﺠﺘﺎﺋﺞ ﻲﻓ اﻟﺸﻞﻜ ‪.3.6‬‬
‫‪ :H0 - 1‬اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ :H1 - 2‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪.0.05‬‬
‫إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﻳﺴﺎوي ‪3.107207-‬‬
‫ﻗﻴﻤﺔ ‪p-value = 0.1081‬‬ ‫‪-1‬‬
‫‪ Prob = 0.1081 > 0.05 - 2‬وﺑﺎﺤﻛﺎﻲﻟ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم‪.‬‬
‫‪ - 3‬اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﺸﻜﻞ ‪ :6 .3‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﻤﺘﻐﯿﺮ ‪RGDP‬‬

‫‪ 3.3‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﺜﺎﻟﺜﺔ‪ :‬ﻣﻌﺪﻻت اﻟﻔﺎﺋﺪة )‪(INT‬‬

‫ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ و ﻧﺸﺎء‬ ‫‪ 3.3.1‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ‬
‫ﺟﺪول اﻻرﺗﺒﺎط‬
‫اﻧﻘﺮ ﺒﻟ ‪ Quick - Graph‬واﻛﺘﺐ ‪ INT‬ﺛﻢ اﺧﺮﺘ ‪ Line & Symbol‬ﺛﻢ اﻧﻘﺮ‬
‫‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻟﺮﺳﻢ اﻛﻴﺎ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ 3.7‬وا ي ﻳﻮﺿﺢ ﺑﺄن اﻟﺴﻠﺴﻠﺔ‬
‫ﻏﺮﻴ ﻣﺴﺘﻘﺮة‪ ،‬اﺨﻟﻄﻮة اﺤﻛﺎ ﺔ ﻲﻫ إﻧﺸﺎء ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﺮﻴ ‪ INT‬وا ي‬
‫ﻳﻤﻜﻦ إﻧﺸﺎءه ﻋﻦ ﻃﺮﻳﻖ اﺠﻘﺮ ﺒﻟ ‪ View - correlogram - level‬واﻧﻘﺮ ﺒﻟ‬
‫‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻟﺸﻞﻜ ‪.3.8‬‬
‫اﻟﺸﻜﻞ ‪ :7 .3‬اﻟﺮﺳﻢ اﻟﺒﯿﺎﻧﻲ ﻟﻠﻤﺘﻐﯿﺮ ‪INT‬‬

‫اﻟﺸﻜﻞ ‪ :8 .3‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﯿﺮ ‪INT‬‬

‫‪ :H0 - 1‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ :H1 - 2‬اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﻟﻴﺲ ﻫﻨﺎك اﺧﺘﺒﺎر اﺣﺼﺎ ﺤﻟﺴﺎﺑﻪ وﻟﻜﻨﻨﺎ ﻧﻨﻈﺮ إﻰﻟ ﻋﻤﻮد ‪ Prob‬ﺣﻴﺚ أن‪:‬‬
‫ﻗﻴﻢ ‪p-values = 0.000‬‬ ‫‪-1‬‬
‫وﻧﻘﺒﻞ‬ ‫‪H0‬‬ ‫ﻟﻚ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم‬ ‫‪Prob‬‬ ‫‪ - 2‬اﻻﺣﺘﻤﺎل ‪= 0.000 < 0.05‬‬
‫اﻟﻔﺮض اﻛﺪﻳﻞ ‪.H1‬‬
‫‪ 2.3.3‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬إﺟﺮاء اﺧﺘﺒﺎر ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ )‪(ADF‬‬

‫اﺧﺘﺒﺎر ‪ ADF‬ﺗﻢ ﺣﺴﺎﺑﻪ ﻟﻠﻤﺘﻐﺮﻴ ‪ INT‬ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.9.3‬‬
‫‪ :H1 - 2‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :9 .3‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﻤﺘﻐﯿﺮ ‪INT‬‬

‫إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪2.079015-‬‬

‫‪ - 1‬ﻗﻴﻤﺔ ‪p-values = 0.2535‬‬
‫‪ - 2‬اﻻﺣﺘﻤﺎل ‪ Prob = 0.2535 > 0.05‬وﺑﺎﺤﻛﺎﻲﻟ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪H0‬‬
‫‪ - 3‬ﻫﺬه اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫ُ‬
‫اﺠﺘﺎﺋﺞ ﺗﺸﺮﻴ إﻰﻟ ﻋﺪم اﻻﺳﺘﻘﺮار‪ ،‬ﻤﻣﺎ ﻳﻌﻲﻨ أن ﻞﻛ اﻟﺴﻼﺳﻞ ﻏﺮﻴ ﻣﺴﺘﻘﺮة‪.‬‬
‫إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴﻠﺔ ﻏﺮﻴ ﻣﺴﺘﻘﺮة ﻓﻴﺠﺐ ﻋﻠﻴﻨﺎ ﺟﻌﻠﻬﺎ ﻣﺴﺘﻘﺮة ﻣﻦ ﺧﻼل‬
‫ﺣﺴﺎب اﻟﻔﺮق اﻷول‪ ،‬واﻟﻔﺮق اﻷول ﻳﻤﻜﻦ ﺣﺴﺎﺑﻪ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫اﻧﻘﺮ ﺒﻟ ‪ Quick - Generate Series‬ﺛﻢ اﻛﺘﺐ‪:‬‬
‫)‪DRMD = RMD - RMD(-1‬‬
‫)‪DRGDP = RGDP - RGDP(-1‬‬
‫)‪DINT = INT - INT(-1‬‬
‫ﺤﻛﺤﻮﻳﻞ اﻟﺴﻠﺴﻠﺔ اﻟﻐﺮﻴ ﻣﺴﺘﻘﺮة إﻰﻟ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة ﻓﺈﻧﻨﺎ ﻧﺴﺘﺨﺪم‬

‫اﻟﻔﺮق اﻷول ﻟﻠﺴﻠﺴﻠﺔ‪ ،‬و أﻏﻠﺐ اﻷﺣﻴﺎن أو ﻲﻓ ﺑﻌﺾ اﻷﺣﻴﺎن‪ ،‬ﻧﺴﺘﺨﺪم‬
‫اﻟﻔﺮق اﺨﻛﺎ أو اﻟﻔﺮق اﺨﻛﺎﻟﺚ ‪ ...‬اﻟﺦ‪ ،‬ﻞﻛ ﺳﻠﺴﻠﺔ ﺟﺪﻳﺪة ﻧﺎﺠﺗﺔ ﻣﻦ اﻟﻔﺮوﻗﺎت‬
‫ﺠﻳﺐ اﺧﺘﺒﺎرﻫﺎ ﺑﺎﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ واﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ وذﻟﻚ ﻟﻠﺘﺄﻛﺪ ﻣﻦ أن‬
‫اﻟﺴﻠﺴﻠﺔ اﺠﻟﺪﻳﺪة ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ 4.3‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﺮاﺑﻌﺔ‪ :‬اﻟﻔﺮق اﻷول ﻟـ ‪RMD-DRMD‬‬
‫ﻟﻠﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ و ﻧﺸﺎء‬ ‫‪ 1.4.3‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ‬
‫‪Line‬‬ ‫اﻧﻘﺮ ﺒﻟ اﻟﻘﺎﺋﻤﺔ ‪ Quick - Graph‬واﻛﺘﺐ اﺳﻢ اﻤﻟﺘﻐﺮﻴ ‪ DRMD‬ﺛﻢ اﺧﺮﺘ ‪& symbol‬‬
‫واﻧﻘﺮ ‪ OK‬ﺳﻮف ﻳﺘﻢ ﻋﺮض رﺳﻢ ﺑﻴﺎ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ 10. 3‬وا ي ﺗﺒﺪو ﻓﻴﻪ ﺳﻠﺴﻠﺔ اﻤﻟﺘﻐﺮﻴ‬
‫ﻣﺴﺘﻘﺮة‪ ،‬وﻹﻧﺸﺎء ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﺮﻴ ‪ DRMD‬اﻧﻘﺮ ﺒﻟ اﻤﻟﺘﻐﺮﻴ ﺛﻢ اﻧﻘﺮ ﺒﻟ ‪View -‬‬
‫‪ Correlogram - Level‬واﻧﻘﺮ ‪ OK‬ﻟﻌﺮض ﺟﺪول اﻤﻟﺨﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.3.11‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :10 .3‬اﻟﺮﺳﻢ اﻟﺒﯿﺎﻧﻲ ﻟﻠﻤﺘﻐﯿﺮ ‪DRMD‬‬
‫اﻟﺸﻜﻞ ‪ :11 .3‬ﺟﺪول ﻟﺸﻜﻞ اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﯿﺮ ‪DRMD‬‬

‫ﺰ ﺒﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل ‪Prob‬‬ ‫ﻟﻴﺲ ﻫﻨﺎك اﺧﺘﺒﺎر إﺣﺼﺎ ﺤﻟﺴﺎﺑﻪ وﻟﻜﻨﻨﺎ ﻧﺮ‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪.3.11‬‬
‫‪ - 4‬ﻗﻴﻤﺔ ‪.p-values = 0.000‬‬
‫ﻟﻚ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬وﻧﻘﺒﻞ اﻟﻔﺮض اﻛﺪﻳﻞ ‪.H1‬‬ ‫‪Prob = 0.000 < 0.05‬‬ ‫‪-5‬‬
‫‪ 2.4.3‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬إﺟﺮاء اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ )‪(ADF‬‬
‫اﺗﺒﺎع اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ ﻲﻓ ‪:EViews‬‬
‫ً‬ ‫ً‬
‫ﻲﻓ ﻣﻨﻄﻘﺔ ﻣﻠﻒ اﻟﻌﻤﻞ اﻧﻘﺮ ﻧﻘﺮا ﻣﺰدوﺟﺎ ﺒﻟ اﻤﻟﺘﻐﺮﻴ ‪.DRMD‬‬
‫ﻲﻓ اﺠﺎﻓﺬة اﻟﻲﺘ ﺤﺗﺘﻮي ﺑﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴ ‪ DRMD‬اﺧﺮﺘ ‪.Views - Unit Root Test‬‬
‫ﻲﻓ ﺧﻴﺎر ‪ Test type‬اﺧﺮﺘ ‪Augmented Dickey-Fuller‬‬
‫ﻲﻓ ﺧﻴﺎر ‪ Test for unit root in‬اﺧﺮﺘ ‪Level‬‬
‫و ﺧﻴﺎر ‪ include in test equation‬اﺧﺮﺘ ‪ Trend and Intercept‬إذا ﺎﻛن اﻟﺮﺳﻢ‬
‫اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻳﺸﺮﻴ إﻰﻟ اﺠﺗﺎه ﻣﻌﻦﻴ ﻲﻓ اﻟﺴﻠﺴﻠﺔ؛ ﻏﺮﻴ ذﻟﻚ اﺧﺮﺘ‬
‫‪ Intercept‬ﻓﻘﻂ ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻟﻌﺮض اﻤﻟﺨﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.12. 3‬‬
‫اﻟﺸﻜﻞ ‪ :12 .3‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﻤﺘﻐﯿﺮ ‪DRMD‬‬


‫‪ :H1 - 2‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪ - 4‬ﻗﻴﻤﺔ ‪p-values = 0.0000‬‬
‫وﻗﺒﻮل‬ ‫‪H0‬‬ ‫ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم‬ ‫‪Prob‬‬ ‫‪ - 5‬ﺑﻤﺎ أن ‪= 0.0000 < 0.05‬‬
‫‪ - 6‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ 5.3‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﺨﺎﻣﺴﺔ‪ :‬اﻟﻔﺮق اﻷول ﺑﻴﻦ اﻟﻤﺘﻐﻴﺮ ‪RGDP‬‬
‫و ‪DRGDP‬‬
‫ﻗﻢ ﺑﺎﺗﺒﺎع اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪:EViews‬‬
‫اﻧﻘﺮ ﺒﻟ ‪ Quick - Graph‬واﻃﺒﻊ اﺳﻢ اﻤﻟﺘﻐﺮﻴ ‪ DRGDP‬ﺛﻢ اﺧﺮﺘ & ‪Line‬‬
‫‪ symbol‬واﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ ﺨﻣﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ 13. 3‬وا ي ﻳﻌﺮض‬
‫أن اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة؛ ﻹﻧﺸﺎء ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﺮﻴ ‪ DRGDP‬اﻧﻘﺮ ﺒﻟ‬
‫‪ View - Correlogram - Level‬واﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ ﺨﻣﺮﺟﺎت ﻛﻤﺎ ﻲﻓ‬
‫اﻟﺸﻞﻜ ‪.14. 3‬‬

‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :13 .3‬اﻟﺮﺳﻢ اﻟﺒﯿﺎﻧﻲ ﻟﻠﻤﺘﻐﯿﺮ ‪DRGDP‬‬
‫اﻟﺸﻜﻞ ‪ :14 .3‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﯿﺮ ‪DRGDP‬‬

‫ﻟﻴﺲ ﻫﻨﺎك اﺧﺘﺒﺎر اﺣﺼﺎ ﺤﻟﺴﺎﺑﻪ وﻳﻤﻜﻨﻨﺎ اﺠﻈﺮ إﻰﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل ‪.Prob‬‬
‫‪ - 4‬ﻗﻴﻤﺔ ‪p-values = 0.000‬‬
‫‪ - 5‬اﻻﺣﺘﻤﺎل ‪ Prob = 0.000 < 0.05‬ﻟﻚ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬وﻧﻘﺒﻞ‬
‫‪ 2.5.3‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬إﺟﺮاء اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﻠﺮ اﺤﻛﻜﻤﻴﻲﻠ )‪(ADF‬‬
‫ﻗﻢ ﺑﺎﺗﺒﺎع اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ ﺑﺮﺒﻧﺎﻣﺞ ‪:EViews‬‬
‫ً‬ ‫ً‬
‫ﻲﻓ ﻣﻨﻄﻘﺔ اﻟﻌﻤﻞ أﻧﻘﺮ ﻧﻘﺮا ﻣﺰدوﺟﺎ ﺒﻟ اﻤﻟﺘﻐﺮﻴ ‪.DRGDP‬‬
‫ﻣﻦ اﺠﺎﻓﺬة اﻟﻲﺘ ﺤﺗﺘﻮي ﺒﻟ ﺑﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴ ‪ DRGDP‬اﺧﺮﺘ ‪View - Unit Root test‬‬
‫ﻲﻓ اﺨﻟﻴﺎر ‪ Test type‬اﺧﺮﺘ ‪Augmented Dickey-Fuller‬‬
‫ﻲﻓ اﺨﻟﻴﺎر ‪ Test for unit root in‬اﺧﺮﺘ ‪Level‬‬
‫اﻛﻴﺎن ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻳﺸﺮﻴ إﻰﻟ اﺠﺗﺎه‪ ،‬ﻏﺮﻴ ذﻟﻚ اﺧﺮﺘ ‪ intercept‬ﻓﻘﻂ‪ ،‬ﺛﻢ‬
‫اﻧﻘﺮ ﺒﻟ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ ﺨﻣﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.15. 3‬‬
‫اﻟﺸﻜﻞ ‪ :15 .3‬أﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﻤﺘﻐﯿﺮ ‪DRGDP‬‬


‫‪ :H1 - 2‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪ - 4‬ﻗﻴﻤﺔ ‪p-values = 0.0000‬‬
‫‪ - 5‬اﻻﺣﺘﻤﺎل ‪ Prob = 0.0000 < 0.05‬ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬وﻗﺒﻮل‬

‫‪ - 6‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ 6.3‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﺴﺎدﺳﺔ‪ :‬اﻟﻔﺮق اﻷول ﻟﻠﻤﺘﻐﻴﺮ ‪INT-DINT‬‬

‫اﻧﻘﺮ ﺒﻟ ‪ Quick - Grahp‬ﺛﻢ اﻃﺒﻊ ‪ DINT‬ﺛﻢ اﺧﺮﺘ ‪ Line & Symbol‬واﻧﻘﺮ‬
‫‪ OK‬ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ ﺨﻣﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ 16. 3‬وا ي ﺗﺒﺪو ﻓﻴﻪ‬
‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻣﺴﺘﻘﺮة‪ ،‬وﻹﻧﺸﺎء ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﺮﻴ ‪ DINT‬اﻧﻘﺮ‬
‫ﺒﻟ ‪ View - Correlogram - Level‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ ﺨﻣﺮﺟﺎت‬
‫ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪17. 3‬‬
‫ﺟﺪول اﻻرﺗﺒﺎط ﻟﺴﻠﺴﻠﺔ ﺑﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴ ‪:DINT‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :16 .3‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟﺴﻠﺴﺔ ﺑﯿﺎﻧﺎت ‪DINT‬‬
‫اﻟﺸﻜﻞ ‪ :17 .3‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﺴﻠﺴﻠﺔ ﺑﯿﺎﻧﺎت اﻟﻤﺘﻐﯿﺮ ‪DINT‬‬

‫ﺰ ﺒﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل ‪Prob‬‬ ‫ﻟﻴﺲ ﻫﻨﺎك اﺧﺘﺒﺎر اﺣﺼﺎ ﺤﻟﺴﺎﺑﻪ وﻟﻜﻨﻨﺎ ﻧﺮ‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪.3.17‬‬
‫‪ - 4‬ﻗﻴﻢ ‪p-values = 0.000‬‬
‫وﻧﻘﺒﻞ‬ ‫‪H0‬‬ ‫ﻟﻚ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم‬ ‫‪Prob‬‬ ‫‪ - 5‬اﻻﺣﺘﻤﺎل ‪= 0.000 < 0.05‬‬
‫‪ 3.6.2‬اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪ :‬إﺟﺮاء اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ )‪(ADF‬‬

‫ً‬ ‫ً‬
‫ﻲﻓ ﻧﺎﻓﺬة ﻣﻨﻘﻄﺔ اﻟﻌﻤﻞ اﻧﻘﺮ ﻧﻘﺮا ﻣﺰدوﺟﺎ ﺒﻟ اﻤﻟﺘﻐﺮﻴ ‪DINT‬‬
‫ﻲﻓ اﺨﻟﻴﺎر ‪ Test type‬اﺧﺮﺘ ‪Augmented Dickey-Fuller‬‬
‫ﻲﻓ اﺨﻟﻴﺎر ‪ Test for unit root in‬اﺧﺮﺘ ‪Level‬‬
‫اﻛﻴﺎ ﻟﻠﺴﻠﺴﺔ اﻟﺰﻣﻨﻴﺔ ﻳُﺸﺮﻴ إﻰﻟ اﺠﺗﺎه‪ ،‬ﻏﺮﻴ ذﻟﻚ اﺧﺮﺘ ‪ Intercept‬ﻓﻘﻂ‪ ،‬ﺛﻢ‬
‫اﻧﻘﺮ ﺒﻟ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻤﻟﺨﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪18. 3‬‬
‫اﻟﺸﻜﻞ ‪ :18 .3‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﻤﺘﻐﯿﺮ ‪DINT‬‬

‫‪ : H1 - 2‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫إﺣﺼﺎﺋﻴﺔ أﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪-11.38447‬‬
‫‪ - 4‬ﻗﻴﻢ ‪p-values = 0.000‬‬
‫‪ - 5‬اﻻﺣﺘﻤﺎل ‪ Prob = 0.000 < 0.05‬ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪ H0‬وﻗﺒﻮل‬

‫اﻵن ﻞﻛ اﻟﺴﻼﺳﻞ ﻣﺴﺘﻘﺮة‪.‬‬
‫(‪٤‬‬
‫ﻧﻤﺬﺟﺔ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ‬
‫ﺑﻴﺎﻧﺎت اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﺤﺗﺘﻮي ﺒﻟ ﻗﺮاءات ﻤﻟﺘﻐﺮﻴات أﺧﺬت ﻲﻓ ﻓﺮﺘات‬

‫زﻣﻨﻴﺔ ﻣﻘﺴﻤﺔ ﺑﺸﻞﻜ ﻣﺘﺴﺎوي‪ .‬ﻛﻴﻒ ﻳﻤﻜﻦ ﺣﺴﺎب اﻤﻟﺘﻮﺳﻂ ﻟﺴﻠﺴﻠﺔ ذات‬
‫ﻃﻮل ﺤﻣﺪد؟ إن ﺣﺴﺎب اﻤﻟﺘﻮﺳﻂ ﻟﻠﻤﺸﺎﻫﺪات اﻤﻟﺘﻌﺎﻗﺒﺔ ﻗﺪ ﻻ ﺗﺒﺪو ﻣﻌﻀﻠﺔ‬
‫ﺣﻴﺚ أﻧﻨﺎ ﺠﻧﻤﻊ ﻗﻴﻢ ﻞﻛ اﻤﻟﺸﺎﻫﺪات ﺛﻢ ﻧﻘﺴﻤﻬﺎ ﺒﻟ ﻋﺪدﻫﺎ‪ .‬وﻟﻜﻦ إذا ﺎﻛﻧﺖ‬
‫ً‬
‫اﻟﺴﻠﺴﻠﺔ ﺗﺰﺘاﻳﺪ ﺑﺎﺿﻄﺮاد ﺧﻼل اﻟﺰﻣﻦ ﺑﻤﻌﻰﻨ أﻧﻬﺎ ﺤﺗﺘﻮي ﺒﻟ اﺠﺗﺎه وﻧﺄﺧﺬ ﻗﺮارا‬
‫ً‬
‫اﺳﺘﻨﺎدا ﺒﻟ ﻫﺬا اﻤﻟﺘﻮﺳﻂ؛ ﺤﻧﻦ ﺑﺎﺤﻛﺄﻛﺪ ﻟﻦ ﻧﻘﻮم‪ ،‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬ﺑﺎﺳﺘﺨﺪام‬
‫ﻫﺬه اﻤﻟﻌﻠﻤﺔ ﻟﻠﺘﻨﺒﺆ ﺑﻤﺴﺘﻮى اﻟﺴﻠﺴﻠﺔ ﻲﻓ اﻤﻟﺴﺘﻘﺒﻞ‪ .‬ﻛﻤﺎ أﻧﻨﺎ ﻟﻦ ﻧﺴﺘﺨﺪم‬
‫اﻤﻟﺘﻮﺳﻂ اﻟﻌﺎم ﻣﻦ أﺟﻞ اﻻﺳﺘﺪﻻل )ﻛﻤﺮ ﺰ ﻟﻔﺮﺘة اﺨﻛﻘﺔ ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل( ﻲﻓ‬
‫اﻟﻔﺮﺘات اﻟﺰﻣﻨﻴﺔ ﻲﻓ ﺑﺪاﻳﺔ وﻧﻬﺎﻳﺔ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪.‬‬
‫ﻳﻨﺒﻲﻐ اﻋﺘﺒﺎر اﻟﻘﻴﻤﺔ اﻤﻟﺸﺎﻫﺪة ﻟﺴﻠﺴﻠﺔ ﻣﺎ ﻲﻓ وﻗﺖ ﻣﻌﻦﻴ ﻗﻴﻤﺔ ﻋﺸﻮاﺋﻴﺔ؛‬
‫ﺤﺑﻴﺚ إذا أﻣﻜﻦ اﺤﻟﺼﻮل ﺒﻟ ﺠﻣﻤﻮﻋﺔ ﺟﺪﻳﺪة ﻣﻦ اﻛﻴﺎﻧﺎت ﻲﻓ ﻇﻞ ﻇﺮوف‬
‫ﻤﻣﺎﺛﻠﺔ‪ ،‬ﻓﻠﻦ ﺤﻧﺼﻞ ﺒﻟ اﻟﻘﻴﻢ اﻟﻌﺪدﻳﺔ اﻤﻟﻄﺎﺑﻘﺔ‪ .‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬ﻋﻨﺪ ﻗﻴﺎس‬
‫ُﺳﻤﻚ اﻻﺳﻼك اﻤﻟﺼﻨﻌﺔ ﺒﻟ ﻓﺮﺘات زﻣﻨﻴﺔ ﻣﺘﺴﺎوﻳﺔ ﻣﻊ اﻓﺮﺘاض أن آﻟﺔ ﺗﺼﻨﻴﻊ‬
‫اﻷﺳﻼك ﺗﻌﻤﻞ ﺑﺸﻞﻜ ﻣﺴﺘﻤﺮ؛ ﻓﺈﻧﻪ ﻳﻤﻜﻦ ﺗﻔﺴﺮﻴ ﻫﺬه اﻟﻘﺎﺋﻤﺔ ﻣﻦ اﻟﻘﻴﺎﺳﺎت‬
‫ﻟﺴﻤﻚ اﻟﺴﻠﻚ ا ي ﻳﺘﻢ ﺗﺼﻨﻴﻌﻪ‪ .‬ﻓﺈذا ﻗﻤﻨﺎ ﺑﻮﻗﻒ‬ ‫ﺒﻟ أﻧﻬﺎ ﺗﻤﺜﻴﻞ )أو ﻋﻴﻨﺔ( ُ‬
‫ﻋﻤﻠﻴﺔ اﻹﻧﺘﺎج أﻛﺮﺜ ﻣﻦ ﻣﺮة ﻷﻏﺮاض اﻟﺼﻴﺎﻧﺔ ﺛﻢ اﺳﺘﺌﻨﺎف و ﺨدة ﺗﺸﻐﻴﻞ‬
‫ﻋﻤﻠﻴﺔ اﻻﻧﺘﺎج ﻟﻠﺤﺼﻮل ﺒﻟ أﺳﻼك ﺟﺪﻳﺪة ﻲﻓ ﻇﻞ ﻇﺮوف ﻤﻣﺎﺛﻠﺔ ﻟﻶﻟﺔ؛‬
‫ﻓﺴﻨﻜﻮن ﻗﺎدرﻳﻦ ﺒﻟ اﺤﻟﺼﻮل ﺒﻟ ﺗﻤﺜﻴﻼت ﺟﺪﻳﺪة )ﻋﻴﻨﺎت( ﻣﻦ ﻧﻔﺲ‬
‫اﻟﻌﻤﻠﻴﺔ اﻟﻌﺸﻮاﺋﻴﺔ‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻳﻤﻜﻦ اﺳﺘﺨﺪام ﻫﺬه اﻟﻌﻴﻨﺎت ﺤﻟﺴﺎب ﻣﺘﻮﺳﻂ‬
‫ﺳﻤﺎﻛﺔ اﻟﺴﻠﻚ ﺑﻌﺪ دﻗﻴﻘﺔ أو دﻗﻴﻘﺘﻦﻴ‪ ،‬وﻫﻜﺬا‪.‬‬
‫ﻣﺼﻄﻠﺢ ”‪ “stochastic‬ﻳﻌﻲﻨ ﺑﺒﺴﺎﻃﺔ ”ﻋﺸﻮا “‪ ،‬وﻳﻨﺒﻲﻐ ﺗﻔﺴﺮﻴ ﻣﺼﻄﻠﺢ‬

‫”‪ “process‬ﺒﻟ أﻧﻪ ”اﻟﻌﻤﻠﻴﺔ“ أو اﻵ ﺔ اﻟﻲﺘ ﺗﻮ اﻛﻴﺎﻧﺎت‪ .‬اﻤﻟﺸﻠﻜﺔ ﻲﻫ أﻧﻪ‬
‫ﻲﻓ ﻣﻌﻈﻢ اﺤﻟﺎﻻت‪ ،‬ﻳﻤﻜﻨﻨﺎ اﺤﻟﺼﻮل ﺒﻟ ﺗﻤﺜﻴﻞ )أوﻋﻴﻨﺔ( واﺣﺪة ﻓﻘﻂ؛ ﻓﻼ‬
‫ﻳﻤﻜﻨﻨﺎ‪ ،‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬إﻳﻘﺎف اﻻﻗﺘﺼﺎد واﻟﻌﻮدة إﻰﻟ ﻧﻘﻄﺔ اﻋﺘﺒﺎﻃﻴﺔ وﻣﻦ‬
‫ﺛﻢ أﺨدة اﻟﻌﻤﻠﻴﺔ اﻻﻗﺘﺼﺎدﻳﺔ ﻟﻠﺤﺼﻮل ﺒﻟ ﻋﻴﻨﺎت أو ﺗﻤﺜﻴﻼت ﺟﺪﻳﺪة‪ ،‬وﻣﻊ‬
‫وﺟﻮد ﺗﻤﺜﻴﻞ واﺣﺪ ﻻ ﻳﻤﻜﻨﻨﺎ ﺗﻘﺪﻳﺮ اﻤﻟﺘﻮﺳﻂ ﺑﺪﻗﺔ ﻲﻓ ﻞﻛ ﻓﺮﺘة زﻣﻨﻴﺔ ‪ t‬وﻣﻦ‬
‫اﻤﻟﺴﺘﺤﻴﻞ ﺗﻘﺪﻳﺮ اﺤﻛﺒﺎﻳﻦ واﻻرﺗﺒﺎط ا ا ‪ .‬ﻟﻚ‪ ،‬ﺤﻛﻘﺪﻳﺮ ﻣﻌﺎﻣﻼت اﻟﻮﺳﻂ‬
‫واﺤﻛﺒﺎﻳﻦ واﻻرﺗﺒﺎط ا ا ﻟﻌﻤﻠﻴﺔ ﻋﺸﻮاﺋﻴﺔ ﺗﻌﺘﻤﺪ ﺒﻟ ﺗﻤﺜﻴﻞ واﺣﺪ؛ ﺠﻳﺐ ﺒﻟ‬
‫ﺤﻣﻠﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻓﺮض ﺑﻌﺾ اﻟﻘﻴﻮد ﺒﻟ ﻛﻴﻔﻴﺔ ﻤﺟﻊ اﻛﻴﺎﻧﺎت‪.‬‬
‫ﻛﻤﺎ ﺳﺒﻖ وأن ﻧﺎﻗﺸﻨﺎ ﻲﻓ اﻟﻔﺼﻮل اﻟﺴﺎﺑﻘﺔ‪ ،‬ﻓﺈﻧﻪ ﺑﺎﻹﻣﺎﻜن اﺳﺘﺨﺪام ﺑﻴﺎﻧﺎت‬
‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻲﻓ ﺤﺗﻠﻴﻞ اﻻﺤﻧﺪار ﻓﻘﻂ ﻲﻓ ﺣﺎﻟﺔ ﻛﻮن ﻫﺬه اﻛﻴﺎﻧﺎت ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺑﻨﺎء ﺒﻟ ﻫﺬا اﻟﺮﺸط اﻤﻟﻬ ﻢ؛ ﻫﻨﺎك ﺛﻼﺛﺔ ﺳﻨﺎرﻳﻮﻫﺎت ﺤﻣﺘﻤﻠﺔ ﻟﺼﻴﺎﻏﺔ ﻧﻤﺎذج‬ ‫ً‬
‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ واﻟﻲﺘ ﺳﻴﺘﻢ ﻣﻨﺎﻗﺸﺘﻬﺎ ﻲﻓ ﻫﺬا اﻟﻔﺼﻞ‪.‬‬
‫‪ 1.4‬ﺧﺼﺎﺋﺺ اﻻﺳﺘﻘﺮار ‪The property of Stationarity‬‬
‫اﻟﺴﻠﺴﻠﺔ اﻟﻲﺘ ﺗﻘﻴﺲ اﻷﺛﺮ اﻟﺮﺘاﻛﻲﻤ ﻟ ء ﻣﺎ ﻳﻄﻠﻖ ﻋﻠﻴﻬﺎ ﺳﻠﺴﻠﺔ ﻣﺘﺎﻜﻣﻠﺔ‬
‫)‪ .(integrated series‬ﺗﻬﺘﻢ ﻧﻈﺮﻳﺔ اﻻﺣﺘﻤﺎﻻت ﻲﻓ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻲﻓ ﻣﻌﻈﻤﻬﺎ‬
‫ﺑﺎﻟﺴﻼﺳﻞ اﻤﻟﺘﺎﻜﻣﻠﺔ واﻟﻲﺘ ﺗﻜﻮن ﻣﺴﺘﻘﺮة‪ ،‬ﺑﺼﻔﺔ ﺨﻣﺔ‪ ،‬ﺗﻜﻮن اﻟﺴﻠﺴﻠﺔ‬
‫اﻟﺰﻣﻨﻴﺔ ﻣﺴﺘﻘﺮة إذا ﻟﻢ ﻳﻜﻦ ﻫﻨﺎك ﺗﻐﻴﺮﻴ ﻣﻨﺘﻈﻢ ﻲﻓ اﻟﻮﺳﻂ )ﻻ ﻳﻮﺟﺪ اﺠﺗﺎه( ﻣﻊ‬
‫اﻟﺰﻣﻦ‪ ،‬و ذا ﻟﻢ ﻳﻜﻦ ﻫﻨﺎك ﺗﻐﻴﺮﻴ ﻣﻨﺘﻈﻢ ﻲﻓ اﺤﻛﺒﺎﻳﻦ‪ ،‬و ذا ﺗﻤﺖ إزاﻟﺔ اﻻﺧﺘﻼﻓﺎت‬
‫ﺧﻼل اﻟﻔﺮﺘة‪.‬‬
‫‪Trend Differencing‬‬ ‫‪ 1.1.4‬ﻓﺮوق اﻻﺠﺗﺎه اﻟﻌﺎم‬
‫إن اﻓﺮاض ﻋﺪم وﺟﻮد اﺠﺗﺎه ﺨم ﻳﻌﻴﺪﻧﺎ إﻰﻟ اﻤﻟﺸﻠﻜﺔ اﻟﻲﺘ ﺳﺒﻖ اﻹﺷﺎرة إ ﻬﺎ‬
‫ﻲﻓ ﺑﺪاﻳﺔ ﻫﺬا اﻟﻔﺼﻞ؛ إذا ﻻ ﻳﻮﺟﺪ اﺠﺗﺎه ﻲﻓ اﻟﺴﻠﺴﻠﺔ‪ ،‬ﻗﺪ ﻧﻜﻮن ﻣﺴﺘﻌﺪﻳﻦ‬
‫ﻻﻓﺮﺘاض أن اﻟﻮﺳﻂ ﺛﺎﺑﺖ ﻟﻞﻜ ﻓﺮﺘة زﻣﻨﻴﺔ وأن اﻟﻘﻴﻤﺔ اﻤﻟﺸﺎﻫﺪة ﻋﻨﺪ ﻞﻛ ﻓﺮﺘة‬
‫‪83‬‬ ‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ ‪ :‬ﻧﻤﺬﺟﺔ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬
‫زﻣﻨﻴﺔ ﺗﻜﻮن ﻤﻣﺜﻠﺔ ﻟﻠﻮﺳﻂ اﺤﻟﺴﺎ ‪ .‬اﻟﺮﺸط اﺨﻛﺎ أﻋﻼه ﻳﺸﺮﻴ إﻰﻟ ﺛﺒﺎت اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫ﺗﺒﺎﻳﻦ اﻟﺴﻠﺴﻠﺔ ﻳﻌﻜﺲ درﺟﺔ اﻻﺧﺘﻼف ﺣﻮل اﻟﻮﺳﻂ اﻤﻟﻔﺮﺘض ﺛﺒﺎﺗﻪ وﻫﻮ ﺑﺬﻟﻚ‬
‫ﻳﻌﻄﻲ ﻣﻘﻴﺎس ﻟﻌﺪم ا ﻘﻦﻴ ﺣﻮل ﻫﺬا اﻟﻮﺳﻂ‪ .‬ﻓﺈذا ﺎﻛن اﺤﻛﺒﺎﻳﻦ ﻏﺮﻴ ﺛﺎﺑﺖ ﺧﻼل‬
‫ّ‬
‫اﻟﺰﻣﻦ‪ ،‬وﺠﻘﻞ أﻧﻪ ﻳﺰداد‪ ،‬ﻓﺈﻧﻪ ﻣﻦ ﻏﺮﻴ اﻟﺼﺤﻴﺢ أن ﻧﻌﺘﻘﺪ ﺑﺄﻧﻨﺎ ﻳﻤﻜﻦ أن‬
‫ً‬
‫ﻧﻌﺮﺒ ﻋﻦ ﻋﺪم ا ﻘﻦﻴ ﺣﻮل اﻤﻟﺴﺘﻮى اﻤﻟﺘﻮﻗﻊ ﻟﻠﻮﺳﻂ ﻣﻊ ﺗﺒﺎﻳﻦ اﺳﺘﻨﺎدا ﺒﻟ ﻞﻛ‬
‫اﻛﻴﺎﻧﺎت‪ .‬ﻲﻓ اﻟﻮاﻗﻊ إن ﻣﻌﻈﻢ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻻﻗﺘﺼﺎدﻳﺔ واﺤﻛﺠﺎرﻳﺔ ﻲﻫ ﻏﺮﻴ‬
‫ﻣﺴﺘﻘﺮة‪ ،‬ﻟﻚ ﻓﺈن ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻳﺴﺘﻠﺰم ﺤﺗﻮﻳﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬
‫اﻟﻐﺮﻴ ﻣﺴﺘﻘﺮة إﻰﻟ ﺳﻼﺳﻞ ﻣﺴﺘﻘﺮة وذﻟﻚ ﻣﻦ أﺟﻞ ﺗﻄﺒﻴﻖ ﺟﻮاﻧﺐ ﺨﻣﺘﻠﻔﺔ ﻣﻦ‬
‫اﺠﻈﺮﻳﺔ اﻻﺣﺼﺎﺋﻴﺔ‪.‬‬
‫اﻤﻟﺮﺣﻠﺔ اﻷو ﻲﻓ ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻲﻫ اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺒﻴﺎﻧﺎت‬
‫ً‬
‫)ﻣﺸﺎﻫﺪات اﻤﻟﺘﻐﺮﻴات( ﺧﻼل اﻟﺰﻣﻦ‪ .‬إن اﺤﻛﻤﺜﻴﻞ اﻛﻴﺎ ﻟﻠﺒﻴﺎﻧﺎت ﻳﻌﺪ داﺋﻤﺎ‬
‫ً‬ ‫ً‬
‫ﺟﺰءا ﻣﻬﻤﺎ ﻲﻓ اﺤﻛﺤﻠﻴﻞ؛ وذﻟﻚ ﻷﻧﻪ ﻳﻮﺿﺢ ﺠﺎ ﻣﺎ إذا ﺎﻛﻧﺖ اﻛﻴﺎﻧﺎت ﺗﻨﻄﻮي‬
‫ﺒﻟ ﺑﻌﺾ اﻟﺴﻤﺎت اﺠﻮﻋﻴﺔ ﻣﺜﻞ اﻻﺠﺗﺎه اﻟﻌﺎم‪ ،‬أو اﻻﺠﺗﺎﻫﺎت اﻤﻟﻮﺳﻤﻴﺔ أو اﻟﻘﻴﻢ‬
‫اﺨﻟﺎرﺟﺔ‪ .‬ﺑﺎﺠﻈﺮ إﻰﻟ اﻟﺸﻞﻜ ‪ 1.4‬وا ي ﻳﻌﺮﺒ ﻋﻦ ﻣﺴﺘﻮﻳﺎت ﺨﻣﺰون ﺮﺷ ٍﺔ ﻣﺎ ﺒﻟ‬
‫ً‬ ‫ً‬
‫ﻣﺪى ‪ 81‬أﺳﺒﻮﺨ ﻣﺘﺘﺎ ﺎ‪ ،‬ﻧﻼﺣﻆ وﺟﻮد ﻣﺎ ﻳﺪل ﺒﻟ وﺟﻮد اﺠﺗﺎه ﻲﻓ اﻛﻴﺎﻧﺎت‪ ،‬وأن‬
‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻏﺮﻴ ﻣﺴﺘﻘﺮة‪ .‬ﻣﻦ أﺟﻞ اﺤﻟﺼﻮل ﺒﻟ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة ﻳﻨﺒﻲﻐ‬
‫إزاﻟﺔ ﻫﺬا اﻻﺠﺗﺎه‪.‬‬
‫ﻣﻌﻈﻢ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻻﻗﺘﺼﺎدﻳﺔ ﻲﻫ ﻏﺮﻴ ﺳﺎﻛﻨﺔ وﺗﺘﻤﺰﻴ ﺑﺘﺤﺮ ت ﺒﻟ‬
‫ﻃﻮل ﻓﺮﺘة اﻻﺠﺗﺎه ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ .1.4‬ﺒﻟ اﻟﺮﻏﻢ ﻣﻦ وﺟﻮد ﻓﻬﻢ ﺨم ﻤﻟﺼﻄﻠﺢ‬
‫اﻻﺠﺗﺎه‪ ،‬إﻻ أﻧﻪ ﻣﻦ اﻟﺼﻌﺐ ﺗﻌﺮﻳﻔﻪ ﺑﺸﻞﻜ أدق ﻣﻦ ” أي ﺗﻐﺮﻴ ﻣﻨﺘﻈﻢ ﻲﻓ ﻣﺴﺘﻮى‬
‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ“‪ .‬إن اﻟﺼﻌﻮﺑﺔ ﻲﻓ ﺗﻌﺮﻳﻒ اﻻﺠﺗﺎه ﺗﻨﺒﻊ ﻣﻦ ﺣﻘﻴﻘﺔ ﻣﻔﺎدﻫﺎ أن‬
‫ﻣﺎ ﻳﺒﺪو و ﺄﻧﻪ ﺗﻐﺮﻴ ﻲﻓ اﻤﻟﺴﺘﻮى ﻲﻓ ﺳﻠﺴﻠﺔ ﻗﺼﺮﻴة ﻣﻦ اﻤﻟﺸﺎﻫﺪات ﻗﺪ ﻳﺘﻀﺢ ﺠﺎ‬
‫ً‬
‫ﻓﻴﻤﺎ ﺑﻌﺪ أﻧﻪ ﻻ ﻳﺸﻞﻜ اﺠﺗﺎه ﻋﻨﺪﻣﺎ ﺗﺘﻮﻓﺮ ﻳﻨﺎ ﺳﻠﺴﻠﺔ أﻃﻮل‪ ،‬ﺑﻞ ﺳﻴﻜﻮن ﺟﺰءا‬
‫ﻣﻦ ﺣﺮ ﺔ دورﻳﺔ‪.‬‬
‫ﺷﻜﻞ ‪ 1.4‬ﻣﺴﺘﻮﯾﺎت اﻟﻤﺨﺰون ﻋﺒﺮ اﻟﺰﻣﻦ‬

‫ﻞﻛ ﻣﻦ )‪ Box and Pierce (1970‬أﻧﻪ ﺑﺎﻹﻣﺎﻜن إزاﻟﺔ اﻻﺠﺗﺎه ﻣﻦ‬ ‫اﻗﺮﺘح ٍ‬
‫اﻟﺴﻠﺴﻠﺔ اﻤﻟﺘﺎﻜﻣﻠﺔ ﺑﻄﺮﻳﻘﺔ اﻟﻔﺮوق )‪ .(method of differencing‬ﻃﺮﻳﻘﺔ اﻟﻔﺮوق‬
‫ﺗﻌﺘﻤﺪ ﺒﻟ ﻃﺮح ﻗﻴﻢ اﻤﻟﺸﺎﻫﺪات ﻣﻦ ﺑﻌﻀﻬﺎ اﻛﻌﺾ ﺑﺮﺘﺗﻴﺐ ﺤﻣﺪد ﻳﻌﺘﻤﺪ ﺒﻟ‬
‫اﻟﺰﻣﻦ‪ .‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬ﺤﺗﻮﻳﻞ اﻟﻔﺮوق ﻣﻦ ا رﺟﺔ اﻷو ﻳﻌﺮف ﺑﺄﻧﻪ اﻟﻔﺮوق‬
‫ﺑﻦﻴ ﻗﻴﻢ ﻞﻛ ﻣﺸﺎﻫﺪﺗﻦﻴ ﻣﺘﺠﺎورﺗﻦﻴ؛ أﻣﺎ اﻟﻔﺮوق ﻣﻦ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ ﻓﻴﺘﻀﻤﻦ‬
‫أﺧﺬ اﻟﻔﺮوق ﻟﻠﺴﻠﺴﺔ ﻣﺮة أﺧﺮى‪ ،‬وﻫﻜﺬا‪.‬‬
‫ﻳﻨﺎ اﻟﺴﻠﺴﻠﺔ )‪ (11 ،9 ،7 ،5 ،3 ،1‬ﺗﺘﻀﻤﻦ زﻳﺎدة ﺛﺎﺑﺘﺔ )اﺠﺗﺎه( ﺑﻤﻘﺪار‬
‫وﺣﺪﺗﻦﻴ ﺑﻦﻴ ﻞﻛ ﻣﺸﺎﻫﺪة واﻟﻲﺘ ﺗﻠﻴﻬﺎ‪ .‬إذا أﺧﺬﻧﺎ اﻟﻔﺮوق ﻣﻦ ا رﺟﺔ اﻷو ‪:‬‬
‫‪3-1=2‬‬
‫‪5-3=2‬‬
‫‪7-5=2‬‬
‫‪9-7=2‬‬
‫‪11 - 9 = 2‬‬
‫ﻋﻨﺪ أﺧﺬ اﻟﻔﺮوق ﻣﻦ ا رﺟﺔ اﻷو ﻟﺴﻠﺴﻠﺔ ذات اﺠﺗﺎه ﺧﻄﻲ‪ ،‬ﻓﺈن اﻻﺠﺗﺎه‬
‫ﺳﻮف ﺨﻳﺘﻲﻔ‪ .‬إذا ﻗﻤﻨﺎ ﺑﺘﻄﺒﻴﻖ اﻟﻄﺮﻳﻘﺔ ﺒﻟ ﺳﻠﺴﻠﺔ ذات اﺠﺗﺎه ﻏﺮﻴ ﺧﻄﻲ‪،1 :‬‬
‫‪91 ،66 ،45 ،28 ،15 ،6‬؛ ﻓﺈن اﻟﻔﺮوق ﻣﻦ ا رﺟﺔ اﻷو ﻲﻫ ‪،21 ،17 ،13 ،9 ،5‬‬
‫‪ .25‬ﻻﺣﻆ أن ﻫﺬه اﻟﺴﻠﺴﻠﺔ اﻷﺧﺮﻴة ذات اﻟﻔﺮوق ﺗﺘﻀﻤﻦ اﺠﺗﺎه ﺧﻄﻲ ﺑﺰﻳﺎدة‬
‫ﺛﺎﺑﺘﺔ ﺑﻤﻘﺪار ‪ 4‬وﺣﺪات‪ .‬ﻟﻚ ﺑﺄﺧﺬ اﻟﻔﺮوق ﻟﻠﻔﺮوق )أي أﺧﺬ اﻟﻔﺮوق ﻣﻦ‬
‫ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ(؛ ﺳﻨﺘﻤﻜﻦ ﻣﻦ اﺤﻟﺼﻮل ﺒﻟ ﺳﻠﺴﻠﺔ ﺧﺎ ﺔ ﻣﻦ اﻻﺠﺗﺎه‪ .‬اﻟﻔﺮوق‬
‫ﻣﻦ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ‪ ،‬ﻲﻓ اﻟﻮاﻗﻊ‪ ،‬ﺗﺰﻳﻞ اﻻﺠﺗﺎه اﻟﺮﺘﺑﻴﻲﻌ‪ ،‬واﻟﻔﺮوق ﻣﻦ ا رﺟﺔ‬
‫اﺨﻛﺎﺨﻛﺔ ﺗﺰﻳﻞ اﻻﺠﺗﺎه اﻤﻟﻜﻌﺐ‪ .‬اﺠﻟﺪﻳﺮ ﺑﺎ ﻛﺮ أﻧﻪ ﻣﻦ اﺠﺎدر ﻲﻓ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬
‫اﻻﻗﺘﺼﺎدﻳﺔ أن ﺗﺘﻀﻤﻦ ﻓﺮوق أﺒﻟ ﻣﻦ ﻓﺮوق ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ‪ .‬ﻛﺬﻟﻚ ﻳﻼﺣﻆ ﺑﺄﻧﻪ‬
‫ﻲﻓ ﻞﻛ ﻣﺮة ﻧﻘﻮم ﺑﺄﺧﺬ اﻟﻔﺮوق ﻟﺴﻠﺴﺔ ﻣﺎ؛ ﻓﺈﻧﻨﺎ ﺨﻧﺮﺴ ﻣﺸﺎﻫﺪة ﻣﻦ اﻛﻴﺎﻧﺎت‪.‬‬
‫ً‬ ‫ً‬
‫إن اﺤﻟﺼﻮل ﺒﻟ اﻛﻴﺎﻧﺎت اﻤﻟﻨﺘﻈﻤﺔ ﻛﻤﺎ ﻫﻮ أﻋﻼه ﻟﻴﺲ ﻤﻣﻜﻨﺎ داﺋﻤﺎ وذﻟﻚ ﻳﻌﻮد‬
‫ً‬
‫إﻰﻟ اﺤﻛﻘﻠﺒﺎت اﻟﻌﺸﻮاﺋﻴﺔ ﻲﻓ اﻛﻴﺎﻧﺎت‪ .‬ﻣﻊ ذﻟﻚ‪ ،‬و ﻤﺎ ذﻛﺮ آﻧﻔﺎ‪ ،‬ﻓﺈن اﻟﻜﺜﺮﻴ ﻣﻦ‬
‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻻﻗﺘﺼﺎدﻳﺔ ﺤﺗﺘﺎج ﻓﻘﻂ إﻰﻟ أﺧﺬ اﻟﻔﺮوق ﻣﻦ ا رﺟﺔ اﻷو أو‬
‫اﺨﻛﺎﻧﻴﺔ ﻣﻦ أﺟﻞ إزاﻟﺔ ﻣﻜﻮن اﻻﺠﺗﺎه )ﺳﻼﺳﻞ ﺑﻼ اﺠﺗﺎه(‪ ،‬ﺤﻛﻜﻮن ﺟﺎﻫﺰة ﻹﺟﺮاء‬
‫أي ﺤﺗﻠﻴﻞ إﺿﺎﻲﻓ‪ .‬ﻻﺣﻆ أﻧﻪ ﻋﻨﺪ إزاﻟﺔ اﻻﺠﺗﺎه؛ ﻓﺈن ﻋﻤﻠﻴﺔ أﺧﺬ اﻟﻔﺮوق ﺑﺸﻞﻜ‬
‫إﺿﺎﻲﻓ ﺳﺘﺴﺘﻤﺮ ﻲﻓ اﻧﺘﺎج ﺳﻠﺴﻠﺔ ﻣﻦ ﻏﺮﻴ اﺠﺗﺎه؛ وﻟﻜﻦ ﻲﻓ ﻞﻛ ﻣﺮة ﺳﻮف ﻧﻔﻘﺪ‬
‫ﻧﻘﻄﺔ ﻣﻦ اﻛﻴﺎﻧﺎت‪ .‬ﻟﻚ‪ ،‬ﻓﺄن اﻤﻟﺒﺎﻟﻐﺔ ﻲﻓ أﺧﺬ اﻟﻔﺮوق ﺳﻮف ﻳﻌﻘﺪ اﺠﻤﻮذج‬
‫وﻳﻨﺒﻲﻐ ﺠﺗﻨﺒﻪ‪.‬‬
‫‪Seasonal Differencing‬‬ ‫‪ 2.1.4‬اﻟﻔﺮوق اﻤﻟﻮﺳﻤﻴﺔ‬
‫اﻟﻜﺜﺮﻴ ﻣﻦ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻻﻗﺘﺼﺎدﻳﺔ ﺗﺸﺮﻴ إﻰﻟ أﻧﻤﺎط ﻣﻮﺳﻤﻴﺔ ﺠﺗﻌﻞ‬
‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻏﺮﻴ ﻣﺴﺘﻘﺮة‪ .‬اﻟﻜﺜﺮﻴ ﻣﻦ اﻟﺴﻼﺳﻞ اﻟﺸﻬﺮﻳﺔ واﻟﺮﺑﻊ ﺳﻨﻮﻳﺔ‬
‫)اﻟﻔﺼﻠﻴﺔ( ﺗﺘﻀﻤﻦ ﺗﺄﺛﺮﻴات ذات درﺟﺔ ﺨ ﺔ ﻣﻦ اﻻﻧﺘﻈﺎم‪ .‬اﻟﻄﺮﻳﻘﺔ اﻟﻲﺘ‬
‫ﺗﺴﺘﺨﺪم ﺤﻛﻌﺪﻳﻞ اﻛﻴﺎﻧﺎت ﻲﻓ ﻫﺬه اﺤﻟﺎﻟﺔ ﺗﺴﻰﻤ اﻟﻔﺮوق اﻤﻟﻮﺳﻤﻴﺔ‪ ،‬وذﻟﻚ‬
‫ﺤﻛﻤﻴﺰﻴﻫﺎ ﻋﻦ ﻃﺮﻳﻘﺔ اﻟﻔﺮوق اﻤﻟﺘﺘﺎﺑﻌﺔ اﻟﻲﺘ ﺗﻤﺖ ﻣﻨﺎﻗﺸﺘﻬﺎ ﻲﻓ اﻟﻘﺴﻢ اﻷﺧﺮﻴ‪.‬‬
‫اﻟﻔﺮوق اﻤﻟﻮﺳﻤﻴﺔ ﺗﺘﻀﻤﻦ أﺧﺬ اﻟﻔﺮوق ﺿﻤﻦ اﻤﻟﺸﺎﻫﺪات اﺨﻟﺎ ﺔ ﻣﻦ اﻻﺠﺗﺎه‬

‫ﺿﻤﻦ أرﺑﻊ ﻓﺮﺘات زﻣﻨﻴﺔ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬إذا ﺎﻛن ﻫﻨﺎك ﻣﺎ ﻳﺸﺮﻴ إﻰﻟ وﺟﻮد‬
‫أﻧﻤﺎط ﻓﺼﻠﻴﺔ )رﺑﻊ ﺳﻨﻮﻳﺔ(؛ ﻧﻘﻮم ﺤﺑﺴﺎب اﻟﻔﺮوق ﺑﻦﻴ ﻗﻴﻤﺔ اﻟﺮﺑﻊ اﻷول ﻟﻞﻜ‬
‫ﺳﻨﺔ ﻣﺘﺘﺎ ﺔ اﺤﻛﺎ ﺔ وﺑﺎﻤﻟﺜﻞ اﻟﻔﺮوق ﺑﻦﻴ اﻟﺮﺑﻊ اﺨﻛﺎ ‪ ،‬واﺨﻛﺎﻟﺚ واﻟﺮاﺑﻊ ﻟﻠﺴﻨﻮات‬
‫اﻤﻟﺘﻌﺎﻗﺒﺔ‪ .‬اﻟﻔﺮوق اﻤﻟﻮﺳﻤﻴﺔ ﻣﻦ ا رﺟﺔ اﻷو ﻳﺸﺮﻴ إﻰﻟ ﻗﻴﺎﻣﻨﺎ ﺑﺄﺧﺬ اﻟﻔﺮق اﻷول‬
‫ﺠﻔﺲ اﻷرﺑﺎع ﻲﻓ ﺳﻨﻮات ﺨﻣﺘﻠﻔﺔ )ﻗﻴﻢ اﻟﻔﺼﻞ اﻷول ﺗﻄﺮح ﻣﻦ ﺑﻌﻀﻬﺎ وﻗﻴﻢ‬
‫اﻟﻔﺼﻞ اﺨﻛﺎ ﺗﻄﺮح ﻣﻦ ﺑﻌﻀﻬﺎ وﻫﻜﺬا(‪ .‬ﻫﺬا اﺤﻛﻌﺪﻳﻞ اﻤﻟﻮﺳﻲﻤ ا ي وﺻﻒ‬
‫ﻟﻠﺘﻮ ﻳﺘﻀﻤﻦ ﻣﺪى ﻣﻦ أرﺑﻊ ﻓﺮﺘت زﻣﻨﻴﺔ؛ وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ذﻟﻚ ﻳﻌﻲﻨ أن ﻫﻨﺎك ‪4‬‬
‫ﻓﺮﺘات ﺗﺒﺎﻃﺆ اﺳﺘﺨﺪﻣﺖ ﻲﻓ ﻋﻤﻠﻴﺔ اﻟﻔﺮوق اﻤﻟﻮﺳﻤﻴﺔ‪.‬‬
‫‪Homoscedasticity‬‬ ‫‪ 3.1.4‬ﺠﺗﺎﻧﺲ اﻛﻴﺎﻧﺎت‬
‫إن ﻋﻤﻠﻴﺔ أﺧﺬ اﻟﻔﺮوق ﺤﺗﺎول اﻧﺘﺎج اﻻﺳﺘﻘﺮار ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﻫﻨﺎك اﺠﺗﺎه‪،‬‬
‫أﻣﺎ إذا رأﻳﻨﺎ أن ﺗﺒﺎﻳﻦ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻳﺘﻤﺰﻴ ﺑﻌﺪم اﺨﻛﺒﺎت؛ ﻓﺈن ﻫﻨﺎك ﻋﺪة ﻃﺮق‬
‫ً‬
‫أﺧﺮى ﻣﺘﻮﻓﺮة ﺤﻛﺤﻮﻳﻞ اﻛﻴﺎﻧﺎت‪ .‬أﻛﺮﺜ ﻃﺮﻳﻘﺘﻦﻴ اﺳﺘﺨﺪاﻣﺎ ﻲﻓ ﺤﺗﻮﻳﻞ اﻛﻴﺎﻧﺎت‬
‫ﻫﻤﺎ إﻣﺎ ﺑﺎﺤﻟﺼﻮل ﺒﻟ اﻟﻠﻮﺬﻟرﻳﺘﻢ ﻛﻴﺎﻧﺎت اﻟﺴﻠﺴﻠﺔ أو اﺤﻟﺼﻮل ﺒﻟ اﺠﻟﺬر‬
‫ً‬
‫اﻟﺮﺘﺑﻴﻲﻌ ﻬﻟﺎ‪ .‬اﺤﻛﺤﻮﻳﻞ اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﺒﻟ وﺟﻪ اﺨﻟﺼﻮص ﻳﻜﻮن ﻓﻌﺎﻻ ﻋﻨﺪﻣﺎ )‪(1‬‬
‫ﻳﻜﻮن ﺗﺒﺎﻳﻦ اﻟﺴﻠﺴﻠﺔ ﻣﺘﻨﺎﺳﺐ ﻣﻊ اﻤﻟﺴﺘﻮى اﻤﻟﺘﻮﺳﻂ ﻬﻟﺎ أو )‪ (2‬زﻳﺎدة اﻤﻟﺴﺘﻮى‬
‫اﻤﻟﺘﻮﺳﻂ أو اﺨﻧﻔﺎﺿﻪ ﺑﻨﺴﺒﺔ ﺛﺎﺑﺘﺔ‪.‬‬
‫ﺤﺗﺎول ﻋﻤﻠﻴﺔ اﻻﺧﺘﻼف إﻧﺘﺎج اﺨﻛﺒﺎت ﻋﻨﺪ وﺟﻮد اﺠﺗﺎه‪ .‬ﻋﻨﺪﻣﺎ ﻳُﻌﺘﻘﺪ أن‬
‫ﺗﺒﺎﻳﻦ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻟﻴﺲ ﺛﺎﺑﺘًﺎ ﺑﻤﺮور اﻟﻮﻗﺖ‪ ،‬ﻓﻬﻨﺎك اﻟﻌﺪﻳﺪ ﻣﻦ ﺤﺗﻮﻳﻼت‬
‫اﻛﻴﺎﻧﺎت اﻤﻟﺘﺎﺣﺔ‪ .‬اﺛﻨﻦﻴ ﻣﻦ اﺤﻛﺤﻮﻻت ﺷﺎﺋﻌﺔ اﻻﺳﺘﺨﺪام ﻫﻤﺎ اﻟﻠﻮﺬﻟرﻳﺘﻤﻴﺔ‬
‫وﺤﺗﻮﻳﻞ اﺠﻟﺬر اﻟﺮﺘﺑﻴﻲﻌ‪ .‬ﺗﻜﻮن اﻟﻠﻮﺬﻟرﻳﺘﻤﻴﺔ ﻓﻌﺎﻟﺔ ﺑﺸﻞﻜ ﺧﺎص ﻋﻨﺪﻣﺎ )‪(1‬‬
‫ً‬
‫ﻳﻜﻮن ﺗﺒﺎﻳﻦ اﻟﺴﻠﺴﻠﺔ ﻣﺘﻨﺎﺳﺒﺎ ﻣﻊ اﻤﻟﺴﺘﻮى اﻤﻟﺘﻮﺳﻂ ﻟﻠﺴﻠﺴﻠﺔ أو )‪ (2‬ﻳﺰﻳﺪ‬
‫ﻣﺘﻮﺳﻂ اﻤﻟﺴﺘﻮى ﻲﻓ اﻟﺴﻠﺴﻠﺔ أو ﻳﻨﺨﻔﺾ ﺑﻨﺴﺒﺔ ﻣﺌﻮﻳﺔ ﺛﺎﺑﺘﺔ‪ .‬اﺠﻟﺪﻳﺮ ﺑﺎ ﻛﺮ أﻧﻪ‬
‫ﻲﻓ ﺣﺎﻟﺔ وﺟﻮد أرﻗﺎم ﺳﺎﻛﺔ ﻓﺈن اﻟﻠﻮﺬﻟرﻳﺘﻤﺎت أو اﺠﻟﺬور اﻟﺮﺘﺑﻴﻌﻴﺔ ﺳﺘﻜﻮن ﻏﺮﻴ‬
‫ﺣﻘﻴﻘﺔ‪ ،‬ﻛﻤﺎ أن ﻫﺬه اﺤﻛﺤﻮﻳﻼت ﻳﻨﺒﻲﻐ أن ﺗﺴﺒﻖ ﻋﻤﻠﻴﺔ أﺧﺬ اﻟﻔﺮوق اﻟﻲﺘ ﻗﺪ‬
‫ﺗﻜﻮن ﻣﻄﻠﻮﺑﺔ‪.‬‬
‫‪ 2.4‬اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻓﻲ اﻟﺘﻄﺒﻴﻖ‬

‫إن اﺳﺘﺨﺪام اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻲﻓ اﻻﺤﻧﺪار ﻳﻌﺘﻤﺪ ﺑﺎ رﺟﺔ اﻷو ﺒﻟ ﻣﺎ إذا‬
‫ً‬
‫ﺎﻛﻧﺖ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻣﺴﺘﻘﺮة أم ﻻ‪ .‬ﺗﺄﺳﻴﺴﺎ ﺒﻟ ﻫﺬا اﻟﺮﺸط اﻷﺳﺎ ‪ ،‬ﻳﻮﺟﺪ‬
‫ﻫﻨﺎك ﺛﻼﺛﺔ ﺳﻴﻨﺎرﻳﻮﻫﺎت ﺤﻣﺘﻤﻠﺔ ﻲﻓ ﺻﻴﺎﻏﺔ ﻧﻤﺎذج اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪.‬‬
‫‪ - 1‬ﻞﻛ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻷﺻﻠﻴﺔ ﻣﺴﺘﻘﺮة‬
‫ﻗﺒﻞ إﺟﺮاء اﻻﺤﻧﺪار ﺑﺎﺳﺘﺨﺪام اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪ ،‬ﻞﻛ اﻟﺴﻼﺳﻞ ﺠﻳﺐ أن‬
‫ﺨﺗﻀﻊ ﻻﺧﺘﺒﺎرات ﺮﺿورﻳﺔ ﻟﻠﺘﺄﻛﺪ ﻣﻦ أﻧﻬﺎ ﻣﺴﺘﻘﺮة‪ ،‬ﻳﺘﺒﻊ ﻫﺬه اﺨﻟﻄﻮة إﺟﺮاء‬
‫اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ )‪ (cointegration test‬وذﻟﻚ ﻤﻟﻌﺮﻓﺔ ﻣﺎ إذا ﺎﻛﻧﺖ ﺑﻮاﻲﻗ ﻧﻤﻮذج‬
‫اﻻﺤﻧﺪار اﻷﺳﺎ ﻣﺴﺘﻘﺮة أم ﻻ‪ .‬إذا ﺎﻛﻧﺖ اﻛﻮاﻲﻗ ﻣﺴﺘﻘﺮة ﻓﺈن اﻟﺴﻼﺳﻞ‬
‫ﻣﺘﺎﻜﻣﻠﺔ وﻫﺬا ﻳﻌﻲﻨ أن وﺟﻮد ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴات ﺤﻣﻞ ا راﺳﺔ‪.‬‬
‫ﻣﻌﻠﻤﺎت اﻻﺤﻧﺪار ﻟﻠﻤﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ ﻬﻟﺬا اﻻﺤﻧﺪار ﺳﻮف ﺗﻤﺜﻞ ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ‬
‫اﻷﺟﻞ ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ واﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ‪ .‬ﻧﻘﻮم ﺑﺈﺟﺮاء اﺧﺘﺒﺎر اﻟﻔﺮوض ﻟﻞﻜ‬
‫ً‬
‫ﻣﻌﻠﻤﺔ ﻣﻦ أﺟﻞ اﺤﻛﺄﻛﺪ ﻣﻦ أﻧﻬﺎ ذات ﻣﻌﻨﻮﻳﺔ اﺣﺼﺎﺋﻴﺎ ﺑﺎﻹﺿﺎﻓﺔ إﻰﻟ اﺧﺘﺒﺎر ‪LM‬‬
‫ﻟﻌﺮض ﺧﻠﻮ اﺠﻤﻮذج ﻣﻦ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا ‪.‬‬
‫‪ - 2‬اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻷﺻﻠﻴﺔ ﻏﺮﻴ ﻣﺴﺘﻘﺮة‬
‫ﺠﻤﻮذج ﻣﺎ ﻏﺮﻴ ﻣﺴﺘﻘﺮة وﻟﻜﻦ اﻛﻮاﻲﻗ ﺠﻤﻮذج‬‫ٍ‬ ‫إذا اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬
‫اﻻﺤﻧﺪار اﻤﻟﻌﻄﻰ ﻣﺴﺘﻘﺮة‪ ،‬ﻓﺈن ذﻟﻚ ﻳﻌﻲﻨ وﺟﻮد ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ‬
‫اﻟﺴﻼﺳﻞ وﻲﻫ ﻣﺘﺎﻜﻣﻠﺔ‪ .‬إذا ﺤﺗﻘﻖ ﻫﺬا اﻟﺮﺸط ﻓﺈﻧﻪ ﺑﺎﻹﻣﺎﻜن ﺣﺴﺎب ﻧﻤﻮذج‬
‫ً‬
‫ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ )‪ (Error Correction Model or ECM‬ﻹﺠﻳﺎد ﻛﻼ ﻣﻦ اﻟﻌﻼﻗﺎت‬
‫ﻗﺼﺮﻴة وﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ اﻟﺴﻼﺳﻞ‪.‬‬
‫‪ - 3‬ﻋﺪم اﺳﺘﻘﺮار ﻞﻛ ﻣﻦ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ وﺑﻮاﻲﻗ اﻻﺤﻧﺪار )ﺑﺎﺳﺘﺨﺪام‬
‫اﻟﺴﻼﺳﻞ اﻷﺻﻠﻴﺔ(‬
‫ﻲﻓ ﻫﺬه اﺤﻟﺎﻟﺔ ﻻ ﻳﻤﻜﻦ اﺳﺘﺨﺪام ﻧﻤﻮذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ )‪ ،(ECM‬ﺑﻞ ﻧﻠﺠﺄ‬
‫إﻰﻟ اﺳﺘﺨﺪام ﻧﻤﻮذج اﻟﻔﺠﻮات اﻤﻟﻮزﻋﺔ )‪ (Distributed Lag, DL‬أو اﺳﺘﺨﺪام‬
‫ﻧﻤﻮذج اﻻﺤﻧﺪار ا ا ذو اﻟﻔﺠﻮات اﻤﻟﻮزﻋﺔ )‪Autoregressive Distributed‬‬
‫‪.(Lag, ADL‬‬
‫ﻣﻼﺣﻈﺎت ﻣﻬﻤﺔ‪:‬‬
‫ً‬
‫‪ - 1‬ﻲﻓ اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ )‪ (the cointegration test‬ﻧﻘﻮم داﺋﻤﺎ ﺑﺈﺟﺮاء اﻻﺤﻧﺪار‬
‫ﺑﺎﺳﺘﺨﺪام اﻟﺴﻼﺳﻞ اﻷﺻﻠﻴﺔ ﺑﻐﺾ اﺠﻈﺮ ﻋﻦ ﻛﻮن ﻫﺬه اﻟﺴﻼﺳﻞ ﻣﺴﺘﻘﺮة‬
‫أم ﻻ‪.‬‬
‫‪ - 2‬إذا ﺎﻛﻧﺖ اﻟﺴﻼﺳﻞ ﻏﺮﻴ ﻣﺴﺘﻘﺮة وﻟﻜﻦ اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ أﺷﺎر إﻰﻟ وﺟﻮد‬
‫ﺗﻜﺎﻣﻞ ﺑﻴﻨﻬﺎ‪ ،‬ﻓﺈن إﺟﺮاء اﻻﺤﻧﺪار ﺑﻦﻴ اﻟﺴﻠﺴﻠﺘﻦﻴ ﺳﻮف ﻟﻦ ﻳﻘﻮد إﻰﻟ‬
‫اﺤﻟﺎﻟﺔ اﻟﻲﺘ ﻳﻤﻜﻦ ﻓﻴﻬﺎ ﺧﺴﺎرة أﻳﺔ ﻣﻌﻠﻮﻣﺎت ﻟﻠﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪.‬‬
‫اﻧﻈﺮ اﺠﻤﻮذج أدﻧﺎه ﺣﻴﺚ أن ‪ RMD‬اﻟﻄﻠﺐ اﺤﻟﻘﻴﻲﻘ ﺒﻟ اﺠﻘﻮد‪ ،‬و ‪RGDP‬‬
‫ﻫﻮ اﺠﺎﺗﺞ اﻤﻟﺤﻲﻠ اﻹﻤﺟﺎﻲﻟ اﺤﻟﻘﻴﻲﻘ‪ ،‬و‪ INT‬ﺳﻌﺮ اﻟﻔﺎﺋﺪة‪:‬‬
‫إﺟﺮاء اﻻﺤﻧﺪار ﻲﻓ ‪EViews‬‬

‫ﺤﺗﺖ ‪ Quick‬اﺧﺮﺘ ‪ Estimate equation‬ﺛﻢ اﻛﺘﺐ ‪ RMD C PGDP INT‬ﺛﻢ‬
‫اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻟﺸﻞﻜ ‪2.4‬‬
‫ﻋﻨﺪ اﺠﻈﺮ إﻰﻟ اﺠﺘﺎﺋﺞ اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ 2.4‬ﻧﻼﺣﻆ أن ﻣﻌﻠﻤﺎت‬
‫ً‬
‫اﻻﺤﻧﺪار اﺨﻟﺎﺻﺔ ﺑﺎﻤﻟﺘﻐﺮﻴﻳﻦ ‪ RGDP‬و ‪ INT‬ﻲﻫ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺎ‪ ،‬ﺣﻴﺚ أﻧﻪ ﻲﻓ‬
‫اﺤﻟﺎﺤﻛﻦﻴ ‪ P-values‬ﺗﺴﺎوي ‪ 0.000‬و ‪ 0.000‬ﺒﻟ اﺤﻛﻮاﻲﻟ‪ .‬ﻛﺬﻟﻚ ﻧﻼﺣﻆ أن ﻗﻴﻤﺔ‬
‫‪ R-square‬ﻣﺮﺗﻔﻌﺔ )‪ ،(%92.78‬ﺑﻴﻨﻤﺎ ﻗﻴﻤﺔ اﺣﺼﺎﺋﻴﺔ )‪Durbin-Watson (DW‬‬
‫ً‬
‫ﻣﻨﺨﻔﻀﺔ ﺟﺪا )‪.(0.0862‬‬
‫ﻣﻊ وﺟﻮد ﻗﻴﻤﺔ إﺣﺼﺎﺋﻴﺔ ‪ DW‬أﺻﻐﺮ ﻣﻦ ﻗﻴﻤﺔ ‪،(0.0862 < 0.927801) R-square‬‬
‫ﻓﺈﻧﻨﺎ ﻣﻦ اﻤﻟﺤﺘﻤﻞ أﻣﺎم ﺣﺎﻟﺔ اﺤﻧﺪار زاﺋﻒ )‪ .(spurious regression‬ﻣﻦ ﻧﺎﺣﻴﺔ‬
‫أﺧﺮى‪ ،‬ﻓﺈﻧﻪ إذا ﺎﻛﻧﺖ اﻛﻮاﻲﻗ ﻬﻟﺬا اﻻﺤﻧﺪار ﻲﻫ ﻣﺴﺘﻘﺮة؛ ﻓﺈن ذﻟﻚ ﻳﺆ ﺪ أن‬
‫اﻟﺴﻼﺳﻞ ﻣﺘﺎﻜﻣﻠﺔ‪ ،‬وذﻟﻚ ﻳﺸﺮﻴ إﻰﻟ ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ اﻟﺴﻼﺳﻞ وﺑﺎﻹﻣﺎﻜن‬
‫ﺣﺴﺎب ﻧﻤﻮذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ )‪.(ECM‬‬
‫ﺷﻜﻞ ‪ 2.4‬ﻧﻤﻮذج اﻧﺤﺪار ﺑﺎﺳﺘﺨﺪام اﻟﻤﺘﻐﯿﺮات ‪ RGDP ،RMD‬و ‪IND‬‬
‫ﺤﻟﻔﻆ اﻛﻮاﻲﻗ ﻲﻓ ‪EViews‬‬

‫اذﻫﺐ إﻰﻟ ‪ Quick Generate series‬ﺛﻢ اﻛﺘﺐ ‪ U = resid‬ﻲﻓ اﺠﺎﻓﺬة اﻹﺟﺮاﺋﻴﺔ‬
‫ﺛﻢ اﻧﻘﺮ ‪ .OK‬ﺑﺎﺠﻘﺮ اﻤﻟﺰدوج ﺒﻟ ‪ U‬وﺑﺎ ﻫﺎب إﻰﻟ ‪ View, Graph‬واﺧﺮﺘ‬
‫‪ options‬ﻣﻦ اﻟﺸﻞﻜ ‪ 7.2‬ﻟﻌﺮض اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺒﻮاﻲﻗ واﻟﻲﺘ ﺗﻈﻬﺮ أن ﺳﻠﺴﻠﺔ‬
‫اﻛﻮاﻲﻗ ‪ U‬ﻣﺴﺘﻘﺮة ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪.3.4‬‬
‫ﻹﺟﺮاء اﺧﺘﺒﺎر ﺷﻞﻜ اﻻرﺗﺒﺎط ﻟﻠﺒﻮاﻲﻗ‪:‬‬

‫ﺑﺎﺠﻘﺮ اﻤﻟﺰدوج ﺒﻟ اﻤﻟﺘﻐﺮﻴ ‪ U‬ﻟﻠﺤﺼﻮل ﺒﻟ ﺳﻠﺴﻠﺔ ‪ ،U‬ﺛﻢ اﻧﻘﺮ ﺒﻟ ‪View -‬‬
‫‪ Correlogram‬واﺧﺮﺘ ‪ Correlogram of the Level‬واﻧﻘﺮ ‪ OK‬ﻟﻌﺮض اﻟﺸﻞﻜ‬
‫اﻛﻴﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.4.4‬‬
‫أو ‪0.05‬‬ ‫=‪α‬‬ ‫‪5% - 3‬‬

‫”‪ “Prob‬ﻲﻓ اﻟﺸﻞﻜ ‪4.4‬‬
‫‪ - 1‬ﻗﻴﻤﺔ ‪ p-values‬أﺻﻐﺮ ﻣﻦ ‪0.05‬‬
‫‪H0‬‬ ‫‪ - 2‬ﺑﻤﺎ أن ‪ Prob = 0.000‬وﻲﻫ أﻗﻞ ﻣﻦ ‪ 0.05‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ اﻟﻔﺮﺿﻴﺔ اﻟﻌﺪم‬
‫وﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ اﻛﺪﻳﻠﺔ ‪.H1‬‬
‫‪ - 3‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن ﺳﻠﺴﻠﺔ ‪ U‬ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺷﻜﻞ ‪ 3.4‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟﻠﺒﻮاﻗﻲ ‪U‬‬

‫ﺷﻜﻞ ‪ 4.4‬اﺧﺘﺒﺎر ﺷﻜﻞ اﻻرﺗﺒﺎط ﻟﻠﺒﻮاﻗﻲ ‪U‬‬
‫اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‪:‬‬
‫إﺟﺮاء اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﺤﻛﻜﻤﻴﻲﻠ ﻟﻠﺒﻮاﻲﻗ ‪Augmented Dicky-Fuller‬‬
‫‪:Test (ADF) for residuals‬‬
‫أﻧﻘﺮ ﻧﻘﺮ ﻣﺰدوج ﺒﻟ ‪ U‬اﻤﻟﻮﺟﻮد ﻲﻓ ﻣﻠﻒ اﻟﻌﻤﻞ‪.‬‬
‫ﻣﻦ اﺠﺎﻓﺬة اﻟﻲﺘ ﺗﻌﺮض ﺑﻴﺎﻧﺎت ‪ U‬اﺧﺮﺘ ‪Views - Unit Root test-Standard‬‬
‫‪Unit Root test‬‬
‫ﺤﺗﺖ ﻧﻮع اﻻﺧﺘﺒﺎر ‪ Test type‬اﺧﺮﺘ ‪Augmented Dickey-Fuller‬‬
‫وﺤﺗﺖ ‪ Test for unit root in‬ﻗﻢ ﺑﺎﺧﺘﻴﺎر ‪level‬‬
‫ﺤﺗﺖ ‪ Include in test equation‬اﺧﺮﺘ ‪ Trend and intercept‬إذا ﺎﻛن اﻟﺮﺳﻢ‬
‫اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ ﻳﺸﺮﻴ إﻰﻟ أﻧﻬﺎ ذات اﺠﺗﺎه‪ ،‬أﻣﺎ إذا ﺎﻛن ﻻ ﻳﻮﺟﺪ اﺠﺗﺎه ﻓﺎﺧﺮﺘ‬
‫‪ Intercept‬ﻓﻘﻂ ﺛﻢ اﻧﻘﺮ ﺒﻟ ‪ OK‬ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ ﻧﺘﺎﺋﺞ اﻤﻟﺨﺮﺟﺎت ﻛﻤﺎ ﻲﻫ‬
‫ﻗﺒﻞ اﻛﺪء ﻲﻓ إﺟﺮاء اﺧﺘﺒﺎر ‪ ،ADF‬ﺤﻧﻦ ﺤﻧﺘﺎج إﻰﻟ ﻣﻌﺮﻓﺔ ﻫﻞ ﻣﻦ اﻟﺮﻀوري‬

‫إﺿﺎﻓﺔ ﻣﻜﻮن اﺠﺗﺎه ﻛﺠﺰء ﻣﻦ اﺤﻛﺤﻠﻴﻞ أم ﻻ‪ ،‬ﻓﺈذا ﺎﻛن اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ‬
‫اﻟﺰﻣﻨﻴﺔ ﻳﻌﺮض اﺠﺗﺎه ﻓﻴﺠﺐ إﺿﺎﻓﺔ ﻣﻜﻮن اﻻﺠﺗﺎه إﻰﻟ اﺤﻛﺤﻠﻴﻞ‪ ،‬و ذا ﻟﻢ ﺗﻌﺮض‬
‫ً‬
‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻣﻜﻮن اﺠﺗﺎه ﻓﻼ داﻲﻋ ﻹﺿﺎﻓﺔ ﻣﻜﻮن اﺠﺗﺎه وﻟﻜﻦ ﺗﺬﻛﺮ داﺋﻤﺎ‬
‫أن ﺗﻘﻮم ﺑﺈﺿﺎﻓﺔ اﺤﻟﺪ اﺨﻛﺎﺑﺖ‪.‬‬
‫‪ :H1 - 2‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﺗﺴﺎوي‬ ‫‪ADF‬‬ ‫ﻋﻨﺪ اﺠﻈﺮ إﻰﻟ اﻟﺸﻞﻜ ‪ 5.4‬ﺠﻧﺪ أن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر‬
‫‪-3.819725‬‬
‫‪p-values‬‬ ‫‪ - 1‬ﻗﻴﻤﺔ ‪= 0.0033‬‬
‫‪ - 2‬ﺑﻤﺎ أن ‪ ، Prob = 0.0033 < 0.05‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ اﻟﻔﺮﺿﻴﺔ اﻟﻌﺪم ‪ H0‬وﻧﻘﺒﻞ‬
‫اﻟﻔﺮﺿﻴﺔ اﻛﺪﻳﻠﺔ ‪.H1‬‬
‫‪ - 3‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻣﺴﺘﻘﺮة‪.‬‬
‫إن اﺳﺘﺨﺪام اﻟﺴﻼﺳﻞ اﻤﻟﺘﺎﻜﻣﻠﺔ ﻻ ﻳﻌﻄﻴﻨﺎ ﻓﻜﺮة ﺣﻮل ﻣﺎ إذا ﺎﻛن ﻫﻨﺎك‬
‫ﺗﻮازن ‪ equilibrium‬ﻣﺎ ﺑﻦﻴ اﻟﺴﻼﺳﻞ أم ﻻ‪ .‬إذا ﺎﻛﻧﺖ اﻟﺴﻼﺳﻞ ﻣﺘﺎﻜﻣﻠﺔ‪ ،‬ﻓﻴﻤﻜﻦ‬
‫اﺳﺘﺨﺪام ﻧﻤﻮذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ )‪ the Error Correction Model (ECM‬وذﻟﻚ‬
‫ﺤﻛﺤﻘﻴﻖ ﺛﻼﺛﺔ أﻏﺮاض وﻲﻫ‪:‬‬
‫‪ - 1‬ﻟﻠﺘﺄﻛﺪ ﻣﻦ وﺟﻮد ﺗﻮازن ﺑﻦﻴ اﻟﺴﻼﺳﻞ ﻣﻦ ﻋﺪﻣﻪ‪.‬‬
‫‪ - 2‬ﻤﻟﻌﺮﻓﺔ ﺮﺳﻋﺔ اﺳﺮﺘﺟﺎع وﺿﻊ اﺤﻛﻮازن ﻋﻦ ﻃﺮﻳﻖ ﻣﻌﻠﻤﺔ ﻋﻨﺮﺼ ﺗﺼﺤﻴﺢ‬
‫ً‬ ‫ً‬
‫اﺨﻟﻄﺄ‪ .‬إن ﻋﻨﺮﺼ ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ ﺠﻳﺐ أن ﻳﻜﻮن ﺳﺎﻛﺎ وذا ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺎ‪،‬‬
‫وﻫﻤﺎ اﺨﻟﺎﺻﻴﺘﺎن اﻟﻼزم ﺗﻮاﻓﺮﻫﻤﺎ ﻲﻓ ﻣﻌﻠﻤﺔ ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ‪.‬‬
‫‪ - 3‬ﻟﻠﺘﺄﻛﺪ ﻣﻦ وﺟﻮد ﻋﻼﻗﺔ ﻗﺼﺮﻴة اﻷﺟﻞ ﺑﻦﻴ اﻟﺴﻼﺳﻞ ﻣﻦ ﺧﻼل اﺳﺘﺨﺪام‬
‫ﻓﺠﻮات زﻣﻨﻴﺔ ﻟﻠﻤﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ ﻲﻓ ﻧﻤﻮذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ‪.‬‬
‫ﺧﻄﻮات ﺗﻄﺒﻴﻖ ﻧﻤﻮذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ )‪:(ECM‬‬

‫اﺤﻛﺎﻲﻟ‪:‬‬ ‫اﻓﺮﺘض أن ﻳﻨﺎ اﺠﻤﻮذج اﻷﺳﺎ‬
‫ﺳﻴﻜﺘﺐ ﺎﻛﺤﻛﺎﻲﻟ‪:‬‬ ‫ﻓﺈن ﻧﻤﻮذج ﺑﻔﺠﻮة زﻣﻨﻴﺔ واﺣﺪة ﻬﻟﺬا اﺠﻤﻮذج اﻷﺳﺎ‬
‫ﺷﻜﻞ ‪ 5.4‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﺒﻮاﻗﻲ ‪U‬‬

‫ﻣﻦ ﻫﺬه اﻤﻟﻌﺎدﻟﺔ اﻷﺧﺮﻴة ﻧﺴﺘﻄﻴﻊ إﺠﻳﺎد ﻓﺠﻮة زﻣﻨﻴﺔ واﺣﺪة ﺤﻟﺪ اﺨﻟﻄﺄ‬
‫ﻣﻦ اﺠﻟﺎﻧﺐ اﻷﻳﻤﻦ إﻰﻟ اﺠﻟﺎﻧﺐ‬ ‫‪ .‬ﻧﺄﺧﺬ ﻞﻛ ﻋﻨﺎﺮﺻ اﻤﻟﻌﺎدﻟﺔ ﺑﺎﺳﺘﺜﻨﺎء‬ ‫)‬
‫اﻷﻳﺮﺴ ﻟﻠﻤﻌﺎدﻟﺔ وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﻤﻟﻌﺎدﻟﺔ ﺳﺘﻜﺘﺐ ﺎﻛﺤﻛﺎﻲﻟ‪:‬‬
‫ﺣﺪ ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ‪ .‬و ﻨﺘﻴﺠﺔ ﻟﻚ‪ ،‬ﻳﻤﻜﻦ إﺨدة‬ ‫ﺣﻴﺚ ﻳﻄﻠﻖ ﺒﻟ‬
‫ً‬
‫ﺑـ‬ ‫‪ ،‬أي أن ﻧﻌﺮف‬ ‫ﻛﺘﺎﺑﺔ اﻤﻟﻌﺎدﻟﺔ اﻷﺧﺮﻴة ﺑﺎﺳﺘﺨﺪام ‪ ECM‬ﺑﺪﻻ ﻣﻦ‬
‫‪.ECM‬‬
‫اﻵن ﻳﻤﻜﻦ ﻛﺘﺎﺑﺔ اﻤﻟﻌﺎدﻟﺔ اﻷﺳﺎﺳﻴﺔ ﺠﻤﻮذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ )‪(ECM‬‬

‫ﺎﻛﻵ ‪:‬‬
‫ﻲﻓ اﻷﺟﻞ اﻟﻘﺼﺮﻴ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻞﻜ ﻣﻦ ‪RGDP‬‬ ‫ﻫﻤﺎ ﻣﺮوﻧﺔ‬ ‫و‬ ‫ﺣﻴﺚ‬
‫ٍ‬
‫و ‪،INT‬‬
‫ﻟﻞﻜ ﻣﻦ ‪ RGDP‬و‬‫ﻲﻓ اﻷﺟﻞ اﻟﻄﻮﻳﻞ ﺑﺎﻟﻨﺴﺒﺔ ٍ‬ ‫أﻣﺎ و ﻫﻤﺎ ﻣﺮوﻧﺔ‬
‫‪،INT‬‬
‫إﻰﻟ ﺧﻄﺄ اﻟﻔﺮﺘة اﻷﺧﺮﻴة‪،‬‬ ‫ﻲﻫ ﺮﺳﻋﺔ اﺳﺮﺘﺟﺎع وﺿﻊ اﺤﻛﻮازن ﻟـ‬
‫(‪.‬‬ ‫اﻤﻟﺘﻮﻗﻊ أن ﺗﻜﻮن أﻗﻞ ﻣﻦ اﻟﺼﻔﺮ )‬
‫‪ ،‬ﻫﻮ‬ ‫ﺣﺪ ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ‪ ،‬أو ]‬
‫ﻣﻘﻴﺎس ﺨﻟﻄﺄ ﻋﺪم اﺤﻛﻮازن ﻲﻓ اﻟﻔﺮﺘة اﻟﺴﺎﺑﻘﺔ‪.‬‬
‫ً‬
‫أﺧﺮﻴا‪ ،‬اﺤﻛﺄﺛﺮﻴات ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺤﺗﺪث ﺑﻤﻌﺪل ﺤﻳﺪد ﺑﻘﻴﻤﺔ ‪.‬‬
‫ﺑﻨﺎء ﺒﻟ ذﻟﻚ ﻳﻤﻜﻦ اﺳﺘﺨﺪام ‪ OLS‬ﺒﻟ اﻤﻟﻌﺎدﻟﺔ أﻋﻼه ﺑﺸﻞﻜ ﺻﺤﻴﺢ‪.‬‬ ‫< ً‬
‫< ﻧﻈﺮﻳﺔ اﺤﻛﻤﺜﻴﻞ ﻟـ ‪ Granger‬ﺗﻨﺺ ﺒﻟ أن أي ﻋﻼﻗﺔ ﺗﻜﺎﻣﻞ ﺑﻦﻴ ﻣﺘﻐﺮﻴﻳﻦ‬

‫)ﺑﻴﻨﻬﻤﺎ اﻧﺪﻣﺎج ﻣﺰدوج( ﻳﻤﻜﻦ اﺤﻛﻌﺒﺮﻴ ﻋﻨﻬﺎ ﺑﻨﻤﻮذج ﺗﺼﺤﻴﺢ اﺤﻛﻮازن‪.‬‬
‫‪.‬‬ ‫< إﺣﺼﺎﺋﻴﺔ اﻻﺧﺘﺒﺎر ﻟﻠﻨﻤﻮذج أﻋﻼه ﺳﻮف ﺗﺮ ﺰ ﺒﻟ اﻤﻟﻌﻠﻤﺔ‬
‫‪ ،‬اﻤﻟﻌﻠﻤﺔ اﻤﻟﻘﺪرة ﺤﻟﺪ ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ ﺗﺴﺎوي‬ ‫< اﻟﻔﺮض اﻟﺼﻔﺮي ‪:‬‬
‫ﺻﻔﺮ‪ ،‬وﺑﺬﻟﻚ ﻓﺈن اﻟﺴﻠﺴﻠﺘﻦﻴ ﻏﺮﻴ ﻣﺘﺎﻜﻣﻠﺘﻦﻴ واﻛﻮاﻲﻗ ﻣﻦ اﺤﻧﺪار اﺤﻛﺎﻜﻣﻞ‬
‫ﺗﺼﻨﻒ ﺒﻟ أﻧﻬﺎ )‪. I(1‬‬
‫واﻟﺴﻠﺴﻠﺘﻦﻴ ﻣﺘﺎﻜﻣﻠﺘﻦﻴ‪ ،‬واﻛﻮاﻲﻗ ﺗﺼﻨﻒ‬ ‫< اﻟﻔﺮض اﻛﺪﻳﻞ ‪:‬‬
‫ﺒﻟ أﻧﻬﺎ )‪.I(0‬‬
‫ﻳﺘﺒﻊ اﺤﻛﻮزﻳﻊ ﻏﺮﻴ‬ ‫< ﺤﺗﺖ اﻟﻔﺮض اﻟﺼﻔﺮي‪ ،‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﻻﺧﺘﺒﺎر‬
‫اﻟﻘﻴﺎ ‪.‬‬
‫< ﻋﻨﺪﻣﺎ ﻧﺮﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي وﻧﻘﺒﻞ اﻟﻔﺮض اﻛﺪﻳﻞ؛ ﺳﻨﺘﻤﻜﻦ ﻣﻦ اﻟﻮﺻﻮل‬
‫ﺠﺘﻴﺠﺔ ﻣﻔﺎدﻫﺎ أن ﻫﻨﺎك ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ اﻟﺴﻼﺳﻞ أو ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴﻳﻦ‪.‬‬
‫< إذا ﻟﻢ ﻧﺘﻤﻜﻦ ﻣﻦ رﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي؛ ﻳﻤﻜﻦ اﺳﺘﻨﺘﺎج أﻧﻪ ﻻ ﻳﻮﺟﺪ‬
‫ً‬
‫ﺗﻜﺎﻣﻞ ﺑﻦﻴ اﻟﺴﻠﺴﻠﺘﻦﻴ‪ ،‬وﺑﺸﻞﻜ أﻛﺮﺜ ﺤﺗﺪﻳﺪا‪ ،‬ﻓﺈن اﻻﺧﺘﺒﺎر أﻋﻼه ﻳﺸﺮﻴ إﻰﻟ‬
‫أﻧﻪ ﻣﻦ ﻏﺮﻴ اﻤﻟﻤﻜﻦ إﺠﻳﺎد ﻧﻤﻮذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ؛ و ﻟﻚ ﻻ ﻳﻤﻜﻦ ﺗﺄﺳﻴﺲ‬
‫ﻋﻼﻗﺔ ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴﻳﻦ ﻲﻓ اﻷﺟﻞ اﻟﻄﻮﻳﻞ‪.‬‬
‫< إذا اﺳﺘﻄﻌﻨﺎ رﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي ووﺟﺪﻧﺎ ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ‬
‫اﻟﺴﻼﺳﻞ‪ ،‬ﻓﺈن ﻫﺬا اﺤﻛﻮازن ﻲﻓ اﻷﺟﻞ اﻟﻄﻮﻳﻞ ﻳﻌﺮﺒ ﻋﻨﻪ ﺑﺎﻤﻟﻌﺎدﻟﺔ‪:‬‬
‫اﻤﻟﺤﻠﻞ ﺳﻴﻜﻮن أﻣﺎم ﺛﻼﺛﺔ اﺣﺘﻤﺎﻻت‬

‫ﺗﺄﺛﺮﻴات ﻣﻌﺎﺮﺻة‬ ‫و‬ ‫‪ - 1‬ﻗﺪ ﻳﻜﻮن اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ‬
‫ﻓﻘﻂ‪ ،‬ﺑﻤﻌﻰﻨ أﻧﻬﺎ ﺗﺆﺛﺮ ﺒﻟ ‪ DRMD‬ﺑﺸﻞﻜ ﻓﻮري وﻟﻜﻦ ﻫﺬه اﺤﻛﺄﺛﺮﻴات‬
‫ﻻ ﺗﺴﺘﻤﺮ ﻲﻓ اﻤﻟﺴﺘﻘﺒﻞ‪ ،‬و ﻣﺜﺎﺠﺎ اﻟﺴﺎﺑﻖ‪ ،‬ﻫﺬا ﺤﻳﺪث ﻋﻨﺪﻣﺎ ﺗﻜﻮن‬
‫ﻣﺴﺎوﻳﺔ ﻟﻠﺼﻔﺮ‪.‬‬
‫‪ - 2‬ﻳﻜﻮن ﻟﻠﻤﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ ﺗﺄﺛﺮﻴات ﻣﻌﺎﺮﺻة ﺑﺎﻹﺿﺎﻓﺔ إﻰﻟ أﻧﻬﺎ ﺗﻨﻄﻮي ﺒﻟ‬
‫ﻋﻨﺮﺼ أو ﻣﺮ ﺐ ﺗﻮازن ﻳﺴﺘﻤﺮ ﻲﻓ اﻟﻔﺮﺘات اﻤﻟﺴﺘﻘﺒﻠﻴﺔ وﻳﻀﻤﺤﻞ ﺑﻤﻌﺪل‬
‫ﻣﻌﻦﻴ‪ .‬ﻫﺬه ﻲﻫ اﺤﻟﺎﻟﺔ اﻟﻲﺘ ﺗﻜﻮن ﻓﻴﻬﺎ ﻟﻞﻜ اﻤﻟﻌﻠﻤﺎت اﻤﻟﻘﺪرة‪، ، :‬‬
‫ﻣﻌﻨﻮﻳﺔ اﺣﺼﺎﺋﻴﺔ‪.‬‬ ‫و‬ ‫‪،‬‬
‫ً‬
‫‪ - 3‬اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ ﻻ ﺤﺗﺘﻮي ﺒﻟ ﺗﺄﺛﺮﻴات ﻣﻌﺎﺮﺻة‪ ،‬وﻟﻜﻦ ﺑﺪﻻ ﻣﻦ ذﻟﻚ‬
‫ﺤﺗﺘﻮي ﺒﻟ ﺗﺄﺛﺮﻴ ﺗﻮازﻰﻳ ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﺤﻛﺄﺛﺮﻴ اﻟﺴﺒﻲﺒ ﺒﻟ ‪ DRMD‬ﺤﻳﺪث‬
‫ﻲﻓ ﻓﺮﺘات أو ﻧﻘﺎط زﻣﻨﻴﺔ ﻣﺴﺘﻘﺒﻠﻴﺔ‪ .‬ﻲﻓ ﻫﺬا اﻟﺴﻴﺎق ﻓﺈن و ﻛﻼﻫﻤﺎ‬
‫ﻳﺴﺎوي اﻟﺼﻔﺮ‪.‬‬
‫ﺗﻜﻤﻦ ﻗﻮة ﻧﻤﺎذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ ﻲﻓ أﻧﻬﺎ ﺗﺴﻤﺢ ﺠﺎ ﺑﺘﻘﺪﻳﺮ واﺧﺘﺒﺎر اﺨﻛﻼﺛﺔ‬
‫أﻧﻮاع ﻣﻦ اﺤﻛﺄﺛﺮﻴات اﻤﻟﺬﻛﻮرة أﻋﻼه‪ .‬اﻟﻘﺪرة ﺒﻟ ﺗﻘﺪﻳﺮ ﻣﺜﻞ ﻫﺬه اﺤﻛﺄﺛﺮﻴات ﺳﻮف‬
‫ﺗﺸﺠﻊ ﺒﻟ ﺗﻄﻮﻳﺮ اﺠﻈﺮﻳﺎت اﻟﻲﺘ ﺠﺗﺴﺪ ﻫﺬه اﻷﺳﺌﻠﺔ‪ .‬أﻣﺎ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻤﺤﻠﻠﻦﻴ‬
‫اﺤﻛﻄﺒﻴﻘﻴﻦﻴ ﻓﺈن ذﻟﻚ ﻳﻌﻲﻨ ﺗﻮﺟﻴﻪ اﻫﺘﻤﺎم أﻛﺮﺒ ﻲﻓ ﻣﻌﺮﻓﺔ ﻣﺎ إذا ﺎﻛﻧﺖ ﻧﻈﺮﻳﺘﻬﻢ‬
‫ا ﻳﻨﺎﻣﻴﻜﻴﺔ ﺗﺘﻀﻤﻦ ﺗﺄﺛﺮﻴات ﻣﻌﺎﺮﺻة أم ﺗﻮازﻧﻴﺔ أم ﻛﻼﻫﻤﺎ‪.‬‬
‫ً‬ ‫ً‬
‫ﻧﻤﺎذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ )‪ (ECMs‬ﺗﻘﺪم ﻋﺪدا ﻣﻦ اﻤﻟﺰاﻳﺎ‪ .‬أوﻻ‪ ،‬إذا ﺗﻢ‬
‫ﺗﻮﺻﻴﻒ ﻧﻤﻮذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ ﺑﺸﻞﻜ ﺻﺤﻴﺢ؛ ﻓﺈﻧﻪ ﻣﻦ اﻤﻟﻤﻜﻦ اﻻﻓﺮﺘاض أن‬
‫ﺎﻛف‬
‫ﺣﺪ ﺧﻄﺄ اﻧﻌﺪام اﺤﻛﻮازن ﻫﻮ ﻣﺘﻐﺮﻴ ﻣﺴﺘﻘﺮ‪ ،‬وذﻟﻚ ﺑﻮﺟﻮد ﻋﺪد ﻛﺒﺮﻴ ﺑﺸﻞﻜ ٍ‬
‫ً‬ ‫ﻣﻦ اﻤﻟﺸﺎﻫﺪات أي أﻧﻪ ً‬
‫ﻓﻌﺎل ﺑﺸﻞﻜ ﻣﻘﺎرب‪ .‬إﺿﺎﻓﺔ إﻰﻟ ذﻟﻚ‪ ،‬ﻳﻤﻜﻦ ﺗﻘﺪﻳﺮ‬
‫ﻧﻤﻮذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ ﺑﺎﺳﺘﺨﺪام ﻃﺮق اﻻﺤﻧﺪار اﺤﻛﻘﻠﻴﺪﻳﺔ وﺑﺈﻣﺎﻜﻧﻪ أن ﻳﻌﺘﻤﺪ‬
‫ﺒﻟ ﻣﺘﻐﺮﻴات ﻣﺴﺘﻘﺮات ذات ﺟﺪوى‪ ،‬ﺣ وﻟﻮ ﻛﻨﺎ ﻧﺘﻌﺎﻣﻞ ﻣﻊ ﻋﻴﻨﺎت ﻛﺒﺮﻴة‬
‫ً‬
‫اﺤﻟﺠﻢ‪ .‬ﺛﺎﻧﻴﺎ‪ ،‬ﻧﻤﺎذج ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ ﺗﺴﻤﺢ ﺑﺘﺤﻮﻳﻞ اﺠﻤﺬﺟﺔ ﻣﻦ اﻟﻌﺎم إﻰﻟ‬
‫اﺨﻟﺎص‪.‬‬
‫اﺳﺘﺨﺪام ‪ EViews‬ﻓﻲ ﺗﻄﺒﻴﻖ ﻧﻤﻮذج ﺗﺼﺤﻴﺢ اﻟﺨﻄﺄ )‪(ECM‬‬
‫ﻳﻤﻜﻦ ﻛﺘﺎﺑﺔ ﻣﻌﺎدﻟﺔ ‪ ECM‬ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ً‬
‫ﺣﻴﺚ ‪ D‬ﺗﻤﺜﻞ اﻟﻔﺮق اﻷول ﻟﻠﺴﻼﺳﻞ‪ .‬ﺑﺪاﻳﺔ‪ ،‬ﺤﻧﻦ ﻲﻓ ﺣﺎﺟﺔ ﻻﺳﺘﺨﺮاج‬
‫‪ ،ECM‬ﻟﻚ ﺠﻳﺐ اﻟﻘﻴﺎم ﺑﺈﺟﺮاء اﻻﺤﻧﺪار ﻟﻠﻨﻤﻮذج اﻷﺳﺎ ﻟﻠﺤﺼﻮل ﺒﻟ‬
‫اﻛﻮاﻲﻗ‪ ،‬أي ﺳﻨﻘﻮم ﺑﺘﻘﺪﻳﺮ اﺠﻤﻮذج اﻷﺳﺎ اﺤﻛﺎﻲﻟ‪:‬‬
‫ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﻧﻘﻮم ﺑﻤﺎ ﻳﻲﻠ‪:‬‬

‫ﺤﻛﻘﺪﻳﺮ اﺠﻤﻮذج اﻷﺻﻲﻠ‬
‫اذﻫﺐ إﻰﻟ ‪ Quick‬واﺧﺮﺘ ‪ Estimate equation‬وﻗﻢ ﺑﺈﺟﺮاء اﻻﺤﻧﺪار ﻟﻠﻤﺘﻐﺮﻴات ﻛﻤﺎ ﻳﻲﻠ‬
‫‪RMD C RGDP INT‬‬
‫اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻟﺸﻞﻜ ‪6.4‬‬
‫ﺪ ﺑﻴﺎﻧﺎت ‪ECM‬‬ ‫ﺤﻛﻮ‬
‫اذﻫﺐ إﻰﻟ ‪ Quick‬ﻣﺮة أﺧﺮى واﺧﺮﺘ ‪ Generate Series‬ﺛﻢ اﻛﺘﺐ‪:‬‬
‫‪ECM = RESID‬‬
‫اﻧﻘﺮ ‪ .OK‬ﻳﻨﺎ اﻵن اﺤﻟﺪ ‪ ECM‬وا ي ﻳﻤﺜﻞ ‪ ،‬وﻫﻮ ﻣﺘﻐﺮﻴ اﻛﻮاﻲﻗ ﺠﻤﻮذج اﻻﺤﻧﺪار‬
‫اﻷﺳﺎ ‪.‬‬
‫ﻹﺟﺮاء اﺤﻧﺪار ﺠﻤﻮذج ‪ECM‬‬
‫ﺛﻢ ﻗﻢ ﺑﺘﻘﺪﻳﺮ ﻧﻤﻮذج اﻻﺤﻧﺪار ﺑﻜﺘﺎﺑﺔ‬ ‫‪Estimate equation‬‬ ‫واﺧﺮﺘ‬ ‫اذﻫﺐ إﻰﻟ‬
‫‪Quick‬‬
‫اﻤﻟﺘﻐﺮﻴات ﻛﻤﺎ ﻳﻲﻠ‬
‫‪DRMD C DRMD(-1) DRGDP‬‬ ‫)‪DRGDP(-1) DINT DINT(-1) ECM(-1‬‬
‫اﺠﺘﺎﺋﺞ ﺗﻈﻬﺮ ﻛﻤﺎ ﻲﻫ ﻣﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.7.4‬‬
‫ﺷﻜﻞ ‪ 6.4‬ﻧﺘﺎﺋﺞ اﻻﻧﺤﺪار ﺑﺎﺳﺘﺨﺪام ‪INT ،RGDP ،RMD‬‬

‫ﺷﻜﻞ ‪ 7.4‬ﻧﻤﻮذج ‪ ECM‬ﻟﺪاﻟﺔ ‪DRMD‬‬

‫ﻳﻤﻜﻦ ﻛﺘﺎﺑﺔ ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار اﻟﻲﺘ ﺗﻢ ﺗﻘﺪﻳﺮﻫﺎ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫‪،‬‬ ‫‪،‬‬ ‫اﺨﻟﻄﻮة اﺤﻛﺎ ﺔ ﻲﻫ اﺧﺘﺒﺎر اﻤﻟﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻤﻟﻌﻠﻤﺎت اﻻﺤﻧﺪار‬

‫و ﻤﺎ ﻳﻲﻠ‪:‬‬ ‫و‬ ‫‪،‬‬
‫‪:‬‬ ‫اﺧﺘﺒﺎر ﻟـ‬
‫‪-1‬‬
‫‪-2‬‬
‫‪-3‬‬
‫ﺣﺴﺎب اﺣﺼﺎﺋﻴﺔ اﻻﺧﺘﺒﺎر )‪(Test statistic‬‬ ‫‪-4‬‬
‫‪ - 5‬ﺑﻤﺎ أن ﻗﻴﻤﺔ اﻻﺣﺘﻤﺎل )‪(P-value = 0.0094 < 0.05‬؛ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ‬

‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﻣﻦ ذﻟﻚ أن اﻤﻟﻌﻠﻤﺔ اﻤﻟﻘﺪرة ذات ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ ،‬وﻫﺬا ﻳﻌﻲﻨ‬
‫أن ﻫﻨﺎك ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ اﻟﻄﻠﺐ اﺤﻟﻘﻴﻲﻘ ﺒﻟ اﺠﻘﻮد وا ﺧﻞ‬
‫اﻹﻤﺟﺎﻲﻟ‪.‬‬
‫‪-1‬‬
‫‪-2‬‬
‫‪-3‬‬
‫‪ - 4‬ﺣﺴﺎب اﺣﺼﺎﺋﻴﺔ اﻻﺧﺘﺒﺎر )‪(Test statistic‬‬
‫‪ - 5‬ﺑﻤﺎ أن ﻗﻴﻤﺔ اﻻﺣﺘﻤﺎل )‪(P-value = 0.3030 > 0.05‬؛ ﻓﺈﻧﻪ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﻣﻦ ذﻟﻚ أن اﻤﻟﻌﻠﻤﺔ اﻤﻟﻘﺪرة ﻟﻴﺴﺖ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ ،‬وﻫﺬا ﻳﻌﻲﻨ‬

‫أﻧﻪ ﻻوﺟﻮد ﻟﻌﻼﻗﺔ ﻗﺼﺮﻴة اﻷﺟﻞ ﺑﻦﻴ اﻟﻄﻠﺐ اﺤﻟﻘﻴﻲﻘ ﺒﻟ اﺠﻘﻮد و ا ﺧﻞ‬
‫اﻹﻤﺟﺎﻲﻟ‪.‬‬
‫ا ﺧﻞ اﻹﻤﺟﺎﻲﻟ )اﻤﻟﻌﺮﺒ ﻋﻨﻪ ﺑﺎﺠﺎﺗﺞ اﻤﻟﺤﻲﻠ اﺤﻟﻘﻴﻲﻘ ﻲﻓ ﻫﺬا اﻟﺴﻴﺎق( ﻳﺆﺛﺮ‬
‫ﺒﻟ اﻟﻄﻠﺐ ﺒﻟ اﺠﻘﻮد ﻲﻓ اﻷﺟﻞ اﻟﻄﻮﻳﻞ وﻻ ﻳﻮﺟﺪ ﺗﺄﺛﺮﻴ ﻲﻓ اﻷﺟﻞ اﻟﻘﺼﺮﻴ‪.‬‬
‫‪-1‬‬
‫‪-2‬‬
‫‪-3‬‬

‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﻣﻦ ذﻟﻚ أن اﻤﻟﻌﻠﻤﺔ اﻤﻟﻘﺪرة ذات ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ ،‬وﻫﺬا ﻳﻌﻲﻨ‬
‫أن ﻫﻨﺎك ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ اﻟﻄﻠﺐ اﺤﻟﻘﻴﻲﻘ ﺒﻟ اﺠﻘﻮد وﻣﻌﺪﻻت‬
‫اﻟﻔﺎﺋﺪة‪ .‬اﻹﺷﺎرة اﻟﺴﺎﻛﺔ ﻟﻠﻤﻌﻠﻤﺔ ﺗﺆ ﺪ اﺤﻛﺤﻠﻴﻞ اﺠﻈﺮي ﻟﻮﺟﻮد ﻋﻼﻗﺔ‬
‫ﺳﺎﻛﺔ ﻣﺎ ﺑﻦﻴ اﻟﻄﻠﺐ اﺤﻟﻘﻴﻲﻘ ﺒﻟ اﺠﻘﻮد وﻣﻌﺪﻻت اﻟﻔﺎﺋﺪة‪.‬‬
‫‪-1‬‬
‫‪-2‬‬
‫‪-3‬‬

‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﻣﻦ ذﻟﻚ أن اﻤﻟﻌﻠﻤﺔ اﻤﻟﻘﺪرة ذات ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ ،‬وﻫﺬا ﻳﻌﻲﻨ أن‬
‫ﻫﻨﺎك ﻋﻼﻗﺔ ﻲﻓ اﻷﺟﻞ اﻟﻘﺼﺮﻴ ﺑﻦﻴ اﻟﻄﻠﺐ اﺤﻟﻘﻴﻲﻘ ﺒﻟ اﺠﻘﻮد وﻣﻌﺪات‬
‫اﻟﻔﺎﺋﺪة‪ .‬اﻹﺷﺎرة اﻟﺴﺎﻛﺔ ﻟﻠﻤﻌﻠﻤﺔ ﺗﺆ ﺪ اﺤﻛﺤﻠﻴﻞ اﺠﻈﺮي ﻟﻮﺟﻮد ﻋﻼﻗﺔ‬
‫ﺳﺎﻛﺔ ﻣﺎ ﺑﻦﻴ اﻟﻄﻠﺐ اﺤﻟﻘﻴﻲﻘ ﺒﻟ اﺠﻘﻮد وﻣﻌﺪﻻت اﻟﻔﺎﺋﺪة‪ .‬ﻣﻌﺪﻻت‬
‫اﻟﻔﺎﺋﺪة ﺑﺈﻣﺎﻜﻧﻬﺎ اﺤﻛﺄﺛﺮﻴ ﺒﻟ اﻟﻄﻠﺐ اﺤﻟﻘﻴﻲﻘ ﻟﻠﻨﻘﻮد ﻲﻓ اﻷﺟﻞ اﻟﻘﺼﺮﻴ‬
‫ﺣﺪ ﺳﻮاء‪.‬‬
‫واﻷﺟﻞ اﻟﻄﻮﻳﻞ ﺒﻟ ٍ‬
‫‪-1‬‬
‫‪-2‬‬
‫‪-3‬‬

‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﻣﻦ ذﻟﻚ أن اﻤﻟﻌﻠﻤﺔ اﻤﻟﻘﺪرة ذات ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ ،‬وﻫﺬا ﻳﻌﻲﻨ أن‬
‫ﻫﻨﺎك ﺗﻮازن )ﻋﻼﻗﺔ ﺗﻮازﻧﻴﺔ( ﻲﻓ اﻷﺟﻞ اﻟﻄﻮﻳﻞ ﻣﺎ ﺑﻦﻴ اﻟﻄﻠﺐ اﺤﻟﻘﻴﻲﻘ ﺒﻟ‬
‫ُ‬
‫اﺠﻘﻮد و ٍ ﻣﻦ اﻟـ ‪ GDP‬اﺤﻟﻘﻴﻲﻘ‪ ،‬وﻣﻌﺪﻻت اﻟﻔﺎﺋﺪة‪ .‬اﻹﺷﺎرة اﻟﺴﺎﻛﺔ )ـــ(‬
‫ً‬
‫ﻟﻠﻤﻌﻠﻤﺔ ﺗﺆ ﺪ ﻧﻈﺮﻳﺎ وﺟﻮد ﻫﺬا اﺤﻛﻮازن‪ .‬ﻗﻴﻤﺔ اﻤﻟﻌﻠﻤﺔ )‪ (-0.039013‬ﺗﻤﺜﻞ‬
‫ﺮﺳﻋﺔ اﺳﺮﺘﺟﺎع وﺿﻊ اﺤﻛﻮازن )أو ﺮﺳﻋﺔ اﺤﻛﻌﺪﻳﻞ ﻣﻦ ﺣﺎﻟﺔ ﻋﺪم اﺤﻛﻮازن‬
‫إﻰﻟ ﺣﺎﻟﺔ اﺤﻛﻮازن(‪.‬‬
‫ً‬
‫ﺑﻤﺎ أن ﻣﻌﻠﻤﺔ ‪ ECM‬وﺟﺪت ﺤﻛﻜﻮن ﻣﻌﻨﻮﻳﺔ اﺣﺼﺎﺋﻴﺎ‪ ،‬ﻓﺈن اﺠﻤﺎذج أدﻧﺎه‬
‫ﻟﻠﻌﻼﻗﺔ ﻲﻓ اﻷﺟﻞ اﻟﻄﻮﻳﻞ وﻟﻠﺘﻮازن ﻣﺎ ﺑﻦﻴ اﻟﺴﻼﺳﻞ ﺳﺘﻜﻮن ﻣﺘﻄﺎﺑﻘﺔ‪.‬‬
‫أو‬
‫‪Residual Tests‬‬ ‫اﺧﺘﺒﺎرات اﻛﻮاﻲﻗ‬

‫اﺧﺘﺒﺎر ‪ LM‬ﻟﻼرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ )‪(The Serial Correlation LM Test‬‬
‫ﻲﻓ ﻫﺬا اﻻﺧﺘﺒﺎر ﻻ ﻳﻤﻜﻦ اﺳﺘﺨﺪام اﺧﺘﺒﺎر ‪ Durbin-Watson‬وذﻟﻚ ﻷن‬
‫ﻫﺬا اﻻﺧﺘﺒﺎر ﻻ ﻳﺼﺢ ﻋﻨﺪ أﺧﺬ اﻟﻔﺮوق ﻛﻤﺘﻐﺮﻴات ﻣﺴﺘﻘﻠﺔ‪ .‬وﺑﺬﻟﻚ ﻳﺴﺘﺨﺪم‬
‫اﺧﺘﺒﺎر ‪ Breusch-Godfrey serial correlation LM‬ﻛﺒﺪﻳﻞ‪.‬‬
‫‪ :‬ﻻ ﺗﻮﺟﺪ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ‬ ‫‪ - 1‬اﻟﻔﺮض اﻟﺼﻔﺮي‬
‫‪ :‬ﺗﻮﺟﺪ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ‬ ‫‪ - 2‬اﻟﻔﺮض اﻛﺪﻳﻞ‬
‫‪-3‬‬
‫ﻣﻊ ‪P - value = 0.1132‬‬ ‫= ‪4.357008‬‬ ‫‪-4‬‬
‫ﻋﻨﺪ إﺟﺮاء اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ ﻲﻓ ‪) EViews‬اﻟﺸﻞﻜ ‪ ،(8.4‬ﺠﻧﺪ‬
‫أﻧﻪ ﻻ ﻳﻤﻜﻦ رﻓﺾ اﻟﻔﺮض اﻟﺼﻔﺮي ﺣﻴﺚ أن ‪ 0.1239‬و ‪ .0 < 0.1132‬وﺑﺬﻟﻚ‬
‫ﻧﺴﺘﻨﺘﺞ أﻧﻪ ﻻ ﺗﻮﺟﺪ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﻟﻮﺟﻮد ارﺗﺒﺎط ﺗﺴﻠﺴﻲﻠ وﻫﺬا د ﻞ ﺒﻟ أن‬
‫اﻛﻮاﻲﻗ ﻻ ﺗﻨﻄﻮي ﺒﻟ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ‪.‬‬
‫ﺷﻜﻞ ‪ 8.4‬اﺧﺘﺒﺎر ‪Breusch-Godfrey serial correlation LM‬‬

‫(‪٥‬‬
‫ﻣﺰﻳﺪ ﻣﻦ ﺧﺼﺎﺋﺺ ﺍﻟﺴﻼﺳﻞ ﺍﻟﺰﻣﻨﻴﺔ‬
‫ﻛﺠﺰء ﻣﻦ دراﺳﺔ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻣﻦ اﻤﻟﻬﻢ اﺤﻛﻔﺮﻗﺔ ﺑﻦﻴ ﻣﺼﻄﻠﺢ ﻋﺸﻮا‬

‫‪ stochastic‬وﻣﺼﻄﻠﺢ ﺤﻣﺪد ‪ deterministic‬ﻋﻨﺪ اﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر اﻟﺴﻼﺳﻞ‬
‫اﻟﺰﻣﻨﻴﺔ‪ ،‬ﻓﺈذا ﻗﻤﺖ ﺑﺮﻲﻣ اﻟﺮﻣﺢ ﺒﻟ ﻣﺮ ﺰ ﻟﻮﺣﺔ اﻬﻟﺪف ﻋﺪة ﻣﺮات ﻓﺈﻧﻪ ﻣﻦ‬
‫ُ‬
‫اﻤﻟﺤﺘﻤﻞ أن ﺗﺼﻴﺐ اﻤﻟﺮ ﺰ ﻣﺮات ﺤﻣﺪودة‪ ،‬ﺣﻴﺚ أن ﺑﻌﺾ رﻣﻴﺎت اﻟﺮﻣﺢ ﺳﻮف‬
‫ً‬ ‫ً‬
‫ﺗﻘﻊ ﺑﻌﻴﺪا ﻋﻦ اﻬﻟﺪف وﺗﺘﺠﻪ ﻋﺸﻮاﺋﻴﺎ إﻰﻟ ﻧﻘﺎط أﺧﺮى‪ ،‬ﻓﺎﻟﻌﻤﻠﻴﺔ اﻟﻌﺸﻮاﺋﻴﺔ‬
‫ﺗﺘﻀﻤﻦ ﻣﺜﻞ ﻫﺬه اﻷﺧﻄﺎء اﻟﻌﺸﻮاﺋﻴﺔ‪.‬‬
‫ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل إذا ﻛﻨﺖ ﺗﺮﻳﺪ اﺤﻛﻨﺒﺆ ﺑﺎﺤﻛﻀﺨﻢ )‪ (Yt‬ﻲﻓ ﺿﻮء ﻣﻌﺪﻻت‬
‫اﻟﻔﺎﺋﺪة واﻛﻄﺎﻟﺔ ‪ ...‬اﻟﺦ‪ ،‬ﺑﺎﻟﺮﻏﻢ ﻣﻦ أن اﻤﻟﺘﻐﺮﻴات اﺤﻛﻔﺴﺮﻴﻳﺔ ﺳﻮف ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ‬
‫ﺑﻤﻨﻄﻖ وﺑﻌﻘﻼﻧﻴﺔ إﻻ أﻧﻪ ﻣﻦ اﻤﻟﺴﺘﺤﻴﻞ ﺗﻮﻗﻊ رﻗﻢ اﺤﻛﻀﺨﻢ ﺑﺎﻟﻀﺒﻂ‪ ،‬ﻫﻨﺎك‬
‫ﻫﺎﻣﺶ ﻳﻜﻮن ﻓﻴﻪ ﺗﻐﺮﻴات ﻋﺸﻮاﺋﻴﺔ ﻇﻬﺮت ﻲﻓ اﻛﻴﺎﻧﺎت وﻫﺬه اﺤﻛﻐﺮﻴات اﻧﺘﻘﻠﺖ‬
‫ﻟﻠﺘﻀﺨﻢ وﻻ ﻳﻤﻜﻦ ﺮﺷﺣﻬﺎ ﺑﻐﺾ اﺠﻈﺮ ﻋﻦ ﻋﺪد اﻤﻟﺘﻐﺮﻴات اﺤﻛﻔﺴﺮﻴﻳﺔ اﻟﻲﺘ‬
‫ﺗﻢ أﺧﺬﻫﺎ ﻲﻓ اﻻﻋﺘﺒﺎر‪ ،‬وﻣﻦ ﻧﺎﺣﻴﺔ أﺧﺮى ﻓﺈن ﻣﺼﻄﻠﺢ ﺤﻣﺪد ﻳﺘﻢ اﺳﺘﺨﺪاﻣﻪ‬
‫ﻟﻺﺷﺎرة ﺑﺄن اﻟﻌﻤﻠﻴﺔ ﺧﺎ ﺔ ﻣﻦ اﺨﻟﻄﺄ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﻗﺎﻧﻮن أوم ﻳﻨﺺ ﺒﻟ‬
‫ً‬ ‫ً‬
‫أﻧﻪ ﻲﻓ ا اﺋﺮة اﻟﻜﻬﺮﺑﺎﺋﻴﺔ ﻗﻴﻤﺔ ‪ C‬اﺤﻟﺎ ﺔ ﺗﺘﻨﺎﺳﺐ ﺗﻨﺎﺳﺒﺎ ﻋﻜﺴﻴﺎ ﻣﻊ اﻟﻔﻮﺤﻛﻴﺔ ‪V‬‬
‫ﺣﻴﺚ أن ﻲﻫ ﺛﺎﺑﺖ اﺤﻛﻨﺎﺳﺐ‪ ،‬و ﻗﻮاﻧﻦﻴ اﻟﻔﺰﻴﻳﺎء‬ ‫أي ﺑﻌﺒﺎرة أﺧﺮى‬
‫اﻷﺧﺮى ﻣﺜﻞ ﻗﺎﻧﻮن ﻧﻴﻮﺗﻦ ﻓﺈﻧﻬﺎ ﺗﻌﺘﺮﺒ ﺤﻣﺪدة‪ ،‬وﺑﺎﻟﻄﺒﻊ إذا ﺎﻛﻧﺖ ﻻ ﺤﺗﺘﻮي ﺒﻟ‬
‫أﺧﻄﺎء ﻗﻴﺎس ﻓﺈن اﻟﻌﻼﻗﺔ اﻤﻟﺤﺪدة ﺗﺼﺒﺢ ﻋﺸﻮاﺋﻴﺔ‪.‬‬
‫‪ 1. 5‬اﻻﺗﺠﺎﻫﺎت اﻟﻤﺤﺪدة واﻟﻌﺸﻮاﺋﻴﺔ‬
‫ﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻧﻤﻮذج اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﺤﻛﺎﻲﻟ‪:‬‬
‫ﺣﻴﺚ أن ‪ et‬ﺗﻤﺜﻞ ﺣﺪ ﺧﻄﺄ اﻟﻀﺠﺔ اﻛﻴﻀﺎء ‪ white noise error term‬ﻣﻊ‬

‫ً‬
‫ﺛﺎﺑﺖ اﺤﻛﺒﺎﻳﻦ واﻟﺰﻣﻦ ‪ t‬ﻳﺘﻢ ﻗﻴﺎﺳﻪ وﻓﻘﺎ ﻟﻠﺰﻣﻦ‪ ،‬وﻫﻜﺬا ﻓﺈن اﺠﻤﻮذج اﻟﺴﺎﺑﻖ‬
‫ﺳﻮف ﺗﻜﻮن اﻻﺣﺘﻤﺎﻻت اﺤﻛﺎ ﺔ‪:‬‬
‫ً‬
‫وﻫﺬا ﻳﻌﻲﻨ أن‬ ‫أوﻻ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :1 .5‬ﺳﻠﺴﻠﺔ زﻣﻨﯿﺔ ﻣﻊ اﺗﺠﺎه ﻣﺤﺪد‬

‫وﻫﺬا ﻳُﺴﻰﻤ ﻧﻤﻮذج اﻻﺠﺗﺎه اﻤﻟﺤﺪد ‪ deterministic trend model‬وﻫﺬا‬
‫اﺠﻤﻮذج ﻳﻔﺮﺘض ﺑﺄن اﻻﺠﺗﺎه داﻟﺔ ﺗﻨﺒﺆﻳﻪ )ﺑﺪون أﺧﻄﺎء( ﻟﻠﺰﻣﻦ ‪ Yt‬وﻫﺬا اﻻﺠﺗﺎه‬
‫ً‬ ‫ً‬
‫ﻗﺪ ﻳﻜﻮن ﺗﺼﺎﻋﺪﻳﺎ أو ﺗﻨﺎز ﺎ ﺒﻟ ﺣﺴﺐ إﺷﺎرة ‪ ، β2‬واﻻﺠﺗﺎه اﻤﻟﺤﺪد ﻳﻤﻜﻦ‬
‫أن ﻳﻜﻮن داﻟﺔ ﻟﻞﻜ ﻣﻦ ‪ t2‬أو ‪ t3‬أو أي داﻟﺔ زﻣﻨﻴﺔ أﺧﺮى‪.‬‬
‫ً‬
‫اﻟﺸﻞﻜ ‪ 1.5‬ﻳﻌﺮض رﺳﻢ ﺑﻴﺎ ﻟﻠﻤﻌﺎدﻟﺔ ‪ Yt = 2 + 0.5 t + et‬ﻋﻠﻤﺎ ﺑﺄن‬
‫‪ t ≤ 1 ≤ 100‬ﺣﻴﺚ أن ‪ et‬ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ ﻣﻊ ﻣﺘﻮﺳﻂ ﻳﺴﺎوي ﺻﻔﺮ وﺗﺒﺎﻳﻦ‬
‫‪105‬‬ ‫اﻟﻔﺼﻞ اﻟﺨﺎﻣﺲ ‪ :‬ﻣﺰﻳﺪ ﻣﻦ ﺧﺼﺎﺋﺺ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬
‫ﻳﺴﺎوي ‪ ،1.5‬ﻗﻴﻢ اﻛﻴﺎﻧﺎت ﺗﻌﺮض ﺗﺬﺑﺬب ﺤﻧﻮ اﻟﺰﻳﺎدة أو اﺠﻘﺼﺎن‪ ،‬ﻬﻟﺬا اﻟﺴﺒﺐ‬
‫ﻓﺈن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ‪ Yt‬ﻣﻊ اﺠﺗﺎه ﺤﻣﺪد ﺗﻮﺻﻒ ﺑﺄﻧﻬﺎ ﻋﻤﻠﻴﺔ ﻣﺴﺘﻘﺮة اﻻﺠﺗﺎه‬
‫)‪.trend stationary process (TS‬‬
‫ﻻﺣﻆ ﺑﺄن اﻟﺰﻳﺎدة اﺨﻛﺎﺑﺘﺔ ﻲﻓ اﻤﻟﺘﻮﺳﻂ ﺧﻼل اﻟﺰﻣﻦ ﻲﻓ اﻟﺸﻞﻜ ‪ 5.1‬ﺠﺗﻌﻞ‬
‫اﻟﺴﻠﺴﻠﺔ ﻏﺮﻴ ﻣﺴﺘﻘﺮة )ﺗﺬﻛﺮ ﺑﺄﻧﻪ ﻟﻲﻜ ﺗﻜﻮن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻣﺴﺘﻘﺮة ﻓﻴﺠﺐ‬
‫أن ﺗﺘﻮاﻓﺮ ﻓﻴﻬﺎ ﺛﻼﺛﺔ ﺮﺷوط ﻲﻫ‪ :‬ﻣﺘﻮﺳﻂ ﺛﺎﺑﺖ‪ ،‬وﺗﺒﺎﻳﻦ ﺛﺎﺑﺖ‪ ،‬وﺗﺒﺎﻳﻦ ﻣﺸﺮﺘك‬
‫ﺛﺎﺑﺖ(‪ ،‬اﺳﺘﺒﺪال ‪ t‬ﺑـ ‪ t - 1‬ﻲﻓ اﻤﻟﻌﺎدﻟﺔ )‪ (5.1‬ﻳﻜﺸﻒ أن‬
‫اﻤﻟﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ ﻬﻟﺎ ”ﺧﺼﺎﺋﺺ ﻏﺮﻴ ﻣﺮﻏﻮﺑﺔ ﻟﻠﻐﺎﻳﺔ“ )أﻧﻈﺮ ‪Brooks 2004‬‬
‫ص ‪ ،(372‬وﺑﺎﺤﻛﺎﻲﻟ ﻳﺘﻢ اﺤﻛﺄﻛﻴﺪ ﺒﻟ ﻋﺪم اﺳﺘﺨﺪام اﻟﻔﺮق ﻹزاﻟﺔ اﻻﺠﺗﺎه اﻤﻟﺤﺪد‪،‬‬
‫واﻟﻄﺮﻳﻘﺔ اﻟﺼﺤﻴﺤﺔ ﻹزاﻟﺔ أي اﺠﺗﺎه ﺤﻣﺪد ﻲﻫ ﺣﺴﺎب اﺤﻧﺪار ‪ Yt‬ﻣﻊ ‪ t‬واﻛﻮاﻲﻗ‬
‫اﻟﻲﺘ ﻳﺘﻢ اﺤﻟﺼﻮل ﻋﻠﻴﻬﺎ ﻟﻦ ﻳﻜﻮن ﻬﻟﺎ اﺠﺗﺎه ﺧﻄﻲ ﺤﻣﺪد‪ ،‬ﻋﺪم اﻟﺮﻏﺒﺔ ﻲﻓ اﻤﻟﻌﺎدﻟﺔ‬
‫ً‬
‫اﻟﺴﺎﺑﻘﺔ ﺳﻮف ﻳﺘﻢ ﺮﺷﺣﻬﺎ ﻻﺣﻘﺎ ﻲﻓ ﻫﺬا اﻟﻔﺼﻞ‪.‬‬
‫ً‬
‫ﻛﻤﺎ ﺠﻳﺐ اﻳﻀﺎ ﻣﻼﺣﻈﺔ ذﻟﻚ أن اﻻﺠﺗﺎه اﻤﻟﺤﺪد ﻳﻔﺮض ﻋﻠﻴﻨﺎ أﻧﻪ ﻠﻛﻤﺎ ﺎﻛﻧﺖ‬
‫ً‬
‫‪ t‬ﺗﺘﺠﻪ اﺠﺗﺎﻫﺎ ﻻ ﻧﻬﺎ و ﺬﻟﻚ اﺤﻟﺎل ﻟﻠﻤﺘﻐﺮﻴ ‪ Yt‬ﻓﻬﺬه اﺨﻟﺎﺻﻴﺔ ﻏﺮﻴ ﻣﺮﻏﻮب ﻲﻓ‬
‫وﺟﻮدﻫﺎ ﻲﻓ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻻﻗﺘﺼﺎدﻳﺔ‪ ،‬ﻛﻤﺎ ﺠﺗﺐ اﻹﺷﺎرة إﻰﻟ أن ‪Brooks‬‬
‫ُ‬
‫)ﻣﺮﺟﻊ ﺳﺎﺑﻖ‪ ،‬ص ‪ (375‬ﻳﺮى ﺑﺄن اﻻﺠﺗﺎﻫﺎت اﻟﻌﺸﻮاﺋﻴﺔ )أﻧﻈﺮ أدﻧﺎه( ﺗﻄﺒﻖ ﺒﻟ‬
‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﺤﻟﻘﻴﻘﻴﺔ اﻻﻗﺘﺼﺎدﻳﺔ واﻤﻟﺎ ﺔ أﻛﺮﺜ ﻣﻦ اﻻﺠﺗﺎﻫﺎت اﻤﻟﺤﺪدة‪.‬‬
‫ً‬
‫ﺛﺎﻧﻴﺎ‪:‬‬
‫ﻫﺬا ﻳﻘﻮم ﺑﺈﻧﺸﺎء اﺠﻤﻮذج ا ي ﻳُﺴﻰﻤ ﻧﻤﻮذج اﻟﺴﺮﻴ اﻟﻌﺸﻮا ﻣﻊ اﻧﺴﻴﺎب‪،‬‬

‫ُ‬
‫ﺣﻴﺚ ﺗﺴﻰﻤ ‪ β1‬ﺣﺪ اﻻﻧﺴﻴﺎب‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﻤﻟﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ ﻳﻤﻜﻦ ﻛﺘﺎﺑﺘﻬﺎ‬
‫ﺒﻟ اﻟﺸﻞﻜ اﺤﻛﺎﻲﻟ‪:‬‬
‫اﻟﺴﺮﻴ اﻟﻌﺸﻮا ﻣﻊ ﻧﻤﻮذج اﻻﻧﺴﻴﺎب ﻲﻓ اﻤﻟﻌﺎدﻟﺔ )‪ (5.2‬ﻏﺮﻴ ﻣﺴﺘﻘﺮ )اﻤﻟﻌﺎﻣﻞ‬

‫‪ Yt-1‬ﻳﻔﺮﺘض أن ﻳﻜﻮن أﻗﻞ ﻣﻦ ‪ 1‬ﺣ ﻳﻜﻮن ﻣﺴﺘﻘﺮ( وﻟﻜﻦ اﻟﺴﻠﺴﻠﺔ‬
‫اﻟﺰﻣﻨﻴﺔ أﺻﺒﺤﺖ ﻣﺴﺘﻘﺮة ﻣﻦ ﺧﻼل اﻟﻔﺮوق اﻷول ﻛﻤﺎ ﻲﻓ اﻤﻟﻌﺎدﻟﺔ )‪،(5.3‬‬
‫اﻤﻟﻌﺎدﻟﺔ )‪ (5.3‬ﺗﺴﺘﻨﺘﺞ ﺑﺄن ‪ Yt‬ﺳﻮف ﺗﻜﻮن ﻣﻮﺟﺒﺔ اﻻﺠﺗﺎه )‪ (β1 > 0‬أو ﺳﺎﻛﺔ‬
‫ً‬ ‫ً‬
‫اﻻﺠﺗﺎه )‪ ،(β1 < 0‬ﻗﺪ ﻳﻨﺴﺎب ‪ Yt‬ﺗﺼﺎﻋﺪﻳﺎ وﻗﺪ ﻳﻨﺴﺎب ﺗﻨﺎز ﺎ ﺒﻟ ﺣﺴﺐ إﺷﺎرة‬
‫‪ β1‬إذا ﺎﻛﻧﺖ ﻣﻮﺟﺒﺔ أو ﺳﺎﻛﺔ‪ ،‬ﻣﺜﻞ ﻫﺬا اﻻﺠﺗﺎه ﻳﻜﻮن ﻳُﻄﻠﻖ ﻋﻠﻴﻪ اﺳﻢ اﻻﺠﺗﺎه‬
‫اﻟﻌﺸﻮا ‪ ،‬وﺒﻟ ﺧﻼف اﻟﺮﺳﻢ اﻛﻴﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ 5.1‬ﻓﺈن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﻲﺘ‬
‫ﻳﻜﻮن ﻬﻟﺎ اﺠﺗﺎﻫﺎت ﻋﺸﻮاﺋﻴﺔ ﺗﻌﺮض ﺗﺒﺎﻳﻨﺎت أو ﻗﺪرات أﻛﺮﺒ ﺛﻢ ﺗﺘﻼ ﻫﺬه‬
‫ً‬
‫اﻻﺠﺗﺎه ﺗﺪرﺠﻳﻴﺎ‪ ،‬واﻟﻄﺮﻳﻘﺔ اﻤﻟﺜﻰﻠ ﻹزاﻟﺔ اﻻﺠﺗﺎﻫﺎت اﻟﻌﺸﻮاﺋﻴﺔ ﺗﺘﻢ ﻣﻦ ﺧﻼل‬
‫ُ‬
‫إﺠﻳﺎد اﻟﻔﺮق‪ ،‬ﻓﻌﻨﺪ إزاﻟﺔ اﻻﺠﺗﺎه اﻟﻌﺸﻮا ﻓﺈن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﺗﺴﻰﻤ ﻋﻤﻠﻴﺔ‬
‫ﻓﺮق اﻻﺳﺘﻘﺮار )‪.difference stationary process (DSP‬‬
‫إذا ﺎﻛﻧﺖ ‪ β =0‬ﻲﻓ اﻤﻟﻌﺎدﻟﺔ )‪ (5.2‬ﻓﺈن اﻟﺴﻠﺴﻠﺔ ﻳُﺴﻰﻤ ﺳﺮﻴ ﻋﺸﻮا ﺑﺪون‬
‫‪1‬‬
‫اﻧﺴﻴﺎب‪ ،‬و ﻫﺬه اﺤﻟﺎﻟﺔ ﻓﺈن ‪ Yt=et‬ﻻﺣﻆ ﺑﺄن ﻛﻼ ﻧﻤﺎذج اﻟﺴﺮﻴ اﻟﻌﺸﻮا‬
‫)ﺑﺎﻧﺴﻴﺎب وﺑﺪون اﻧﺴﻴﺎب( ﻲﻫ ﻋﻤﻠﻴﺔ )‪ ،AR(1‬ﻧﻤﻮذج اﻟﺴﺮﻴ اﻟﻌﺸﻮا ﺑﺪون‬
‫اﻧﺴﻴﺎب ﻫﻮ ﻋﻤﻠﻴﺔ ﻋﺸﻮاﺋﻴﺔ ﻏﺮﻴ ﻣﺴﺘﻘﺮة وﻟﻜﻦ اﻟﻔﺮق اﻷول ﺠﻳﻌﻞ اﻟﺴﻠﺴﻠﺔ‬
‫ﻣﺴﺘﻘﺮة ﻛﻤﺎ ﺎﻛن اﻟﻮﺿﻊ ﻣﻊ اﺠﻤﻮذج اﻤﻟﻌﺎدل ﻣﻊ اﻧﺴﻴﺎب‪ ،‬ﻧﻤﻮذج اﻟﺴﺮﻴ اﻟﻌﺸﻮا‬
‫ﺑﺪون اﻧﺴﻴﺎب ﻫﻮ ﻧﻔﺴﻪ ﻧﻤﻮذج ‪ DSP‬ﺑﻌﺪ إﺟﺮاء اﻟﻔﺮق‪ ،‬و اﻟﻐﺎﻟﺐ ﻳُﻘﺎل ﺑﺄن‬
‫أﺳﻌﺎر اﻷﺻﻮل ﻣﺜﻞ أﺳﻌﺎر اﻷﺳﻬﻢ أو ﻣﻌﺪﻻت ﺳﻌﺮ اﻟﺮﺼف ﺗﺘﺒﻊ ﻧﻤﺎذج اﻟﺴﺮﻴ‬
‫اﻟﻌﺸﻮا )‪.(Gujarati and Porter 2009‬‬
‫ً‬
‫ﺛﺎﺨﻛﺎ‪:‬‬
‫وﻫﺬا ﻳﺆدي ﺑﻨﺎ إﻰﻟ اﺠﻤﻮذج اﺤﻛﺎﻲﻟ‬
‫وﻫﺬا ﻧﻤﻮذج ﺳﺮﻴ ﻋﺸﻮا ﻣﻊ اﻧﺴﻴﺎب واﺠﺗﺎه ﺤﻣﺪد‪ ،‬وﺤﺑﺴﺎب اﻟﻔﺮق اﻷول‬
‫ﻓﺈن‬
‫وﻫﺬا ﻳﺒﻦﻴ ﺑﺄن اﻟﻔﺮق اﻷول ﻳُﺒﻲﻘ ﺒﻟ اﺠﺗﺎه ﺤﻣﺪد‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﻟﻔﺮق اﻷول‬
‫ً‬ ‫ً‬
‫ﻏﺮﻴ ﻣﺴﺘﻘﺮ ﻛﻤﺎ ﺳﺒﻖ ﺮﺷﺣﻪ آﻧﻔﺎ‪ ،‬وﻫﺬا ﻳﻌﻲﻨ أﻳﻀﺎ ﺑﺄن ‪ Yt‬ﻲﻫ ﺳﻠﺴﻠﺔ زﻣﻨﻴﺔ‬
‫ﻏﺮﻴ ﻣﺴﺘﻘﺮة‪ ،‬وﻫﺬه اﻟﺴﻠﺴﻠﺔ ﻟﻴﺴﺖ ‪ DSP‬ﺑﻌﺪ اﺣﺘﺴﺎب اﻟﻔﺮق‪.‬‬
‫ً‬
‫راﺑﻌﺎ‪:‬‬
‫وﻫﺬا ﻳﺆدي إﻰﻟ إﻧﺸﺎء اﺠﻤﻮذج اﺤﻛﺎﻲﻟ‬
‫ﻣﻜﻮن اﻻﺳﺘﻘﺮار )‪) AR(1‬ﻫﺬا ﺑﺴﺒﺐ ﺣﻘﻴﻘﺔ أن‬ ‫ّ‬ ‫وﻫﺬا ﻫﻮ اﻻﺠﺗﺎه اﻤﻟﺤﺪد ﻣﻊ‬
‫‪ ،(β3<1‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ﻫﺬا اﺠﻤﻮذج ﻫﻮ ﻓﺮق اﻻﺳﺘﻘﺮار ﺣﻮل اﺠﺗﺎه ﺤﻣﺪد‪.‬‬
‫‪ 2.5‬ﻣﻌﺎﻣﻞ ﻓﺘﺮة اﻟﺘﺒﺎﻃﺆ واﻟﻤﻌﻜﻮس‬
‫ﻗﺒﻞ ﻗﺮاءة ﻫﺬا اﺠﻟﺰء ﻧﻨﺼﺤﻚ ﺑﺎﻟﻌﻤﻞ ﺒﻟ اﺠﻈﺮﻳﺔ اﺨﻛﻨﺎﺋﻴﺔ ﻲﻓ اﻤﻟﻠﺤﻖ رﻗﻢ‬
‫‪ 5.1‬ﻲﻓ ﻧﻬﺎﻳﺔ ﻫﺬا اﻟﻔﺼﻞ‪.‬‬
‫ُ‬ ‫ُ‬
‫اﻤﻟﻌﺎﻣﻞ ‪ L‬ﻳﻌﺮف ﺑﺄﻧﻪ ‪ LY = Y‬وﺑﺸﻞﻜ ﺨم ﻳﻌﺮف ﺑﺄﻧﻪ ‪L1Y =Y‬‬
‫‪t‬‬ ‫‪t-1‬‬ ‫‪t‬‬ ‫‪t-1‬‬
‫ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ ﻲﻫ ﺛﺎﺑﺖ ﻲﻫ ﻋﺒﺎرة ﻋﻦ ﺛﺎﺑﺖ ﻣﺜﻞ ‪Lc = c‬‬ ‫<‬

‫< ﻗﺎﻧﻮن اﺤﻛﻮزﻳﻊ ﺤﻟﺎﻻت ﻣﻌﺎﻣﻼت ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ ﻫﻮ‪(Li + Lj)Yt = LiYt + Lj‬‬
‫‪Yt=Yt-1 + Yt-j‬‬
‫اﻟﻘﺎﻧﻮن اﻟﺮﺘاﺑﻄﻲ ﻤﻟﻌﺎﻣﻼت ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ ﻳﻨﺺ ﺒﻟ أن ‪LiLjYt = Li(LjYt) = Li‬‬ ‫<‬
‫‪Yt - j =Yt - i - j‬‬
‫ُ‬
‫‪ L0Yt‬ﺗﻌﺮف ﺑﺄﻧﻬﺎ ﺗﺴﺎوي ‪Yt‬‬ ‫<‬
‫ﻣﻌﺎﻣﻼت ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ ﺗﻌﺘﺮﺒ ﻃﺮﻳﻘﺔ ﻟﻜﺘﺎﺑﺔ اﻟﺼﻴﻐﺔ اﻟﻌﺎﻣﺔ ﺠﻤﻮذج‬
‫‪ ،ARIMA‬وﻧﻤﺎذج ‪ ARIMA‬ﺗﻢ ﻣﻨﺎﻗﺸﺘﻬﺎ ﺑﺘﻔﺎﺻﻴﻞ أﻛﺮﺜ ﻲﻓ اﻟﻔﺼﻞ ‪ ،7‬ﺑﺎﻷﺧﺬ‬
‫ﻲﻓ اﻻﻋﺘﺒﺎر اﺠﻟﺰء اﺤﻛﺎﻲﻟ ﻣﻦ ﻣﻌﺎدﻟﺔ اﺤﻧﺪار‬
‫وﻫﺬا ﻳﻌﻲﻨ أن‬

‫ً‬
‫أو ﺑﺼﻮرة أﻛﺮﺜ ﺗﻌﻘﻴﺪا‬
‫ﺣﻴﺚ أن‬
‫ُ‬
‫وﺗﺴﻰﻤ )‪ A(L‬ﻣﺘﻌﺪدة اﺤﻟﺪود ﻲﻓ ﻣﻌﺎﻣﻞ اﺤﻛﺒﺎﻃﺆ أو اﻟﺮﺘﺗﻴﺐ ‪ p‬ﻛﻤﺎ ﻲﻫ‬
‫ﺗﺮﺑﻴﻊ ﻣﺘﻌﺪدة اﺤﻟﺪود ﻲﻓ ﻣﺘﻐﺮﻴ ﻣﻌﻦﻴ ﻣﻦ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ‪ ،‬وﺗﺘﻢ ﻛﺘﺎﺑﺔ ﻧﻤﻮذج‬
‫)‪ ARMA(p,q‬ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ً‬
‫ﺣﻴﺚ ﻗﻤﻨﺎ ﺑﻜﺘﺎﺑﺔ ﻋﻼﻣﺔ اﻟﺰاﺋﺪ )‪ (+‬ﻗﺒﻞ اﻤﻟﻌﺎﻣﻞ ﺛﻴﺘﺎ )‪ (θ‬ﺑﺪﻻ ﻣﻦ‬
‫اﻟﻌﻼﻣﺔ اﺤﻛﻘﻠﻴﺪﻳﺔ ﻧﺎﻗﺺ )وﻫﺬا ﻻ ﻳﺆدي إﻰﻟ أي اﺧﺘﻼف( ﺛﻢ ﻧﻘﻮم ﺑﻜﺘﺎﺑﺔ‬
‫اﻤﻟﻌﺎدﻟﺔ اﺤﻛﺎ ﺔ‪:‬‬
‫ھﻲ ﺣﺪود رﺗﺐ ‪ p‬ﺣﯿﺚ‬ ‫ﺣﯿﺚ أن‬

‫ھﻲ ﺣﺪ رﺗﺐ ‪ ،q‬وﻟﺘﺒﺴﯿﻂ‬ ‫أن‬
‫ﺳﻮف ﯾﺘﻢ ﺗﺠﺎھﻞ ﺣﺪ اﻟﺘﻘﺎطﻊ ‪ ، μ‬وﺑﺎﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ ﻓﺘﺮة اﻟﺘﺒﺎطﺆ ﯾﻤﻜﻨﻨﺎ اﻵن‬
‫أن ﻧﺒﺮھﻦ ﺑﺄن ﻋﻠﻰ واﺣﺪة ﻣﻦ أھﻢ ﺧﺼﺎﺋﺺ ﻓﺌﺔ ﻧﻤﺎذج ﺻﻨﺪوق ﺟﻨﻜﯿﻨﺰ ‪Box-‬‬
‫‪ Jenkins‬وﻲﻫ‪:‬‬
‫‪MA‬‬ ‫)أ( اﺠﻤﺎذج أﻋﻼه ﺗﺆ ﺪ ﺑﺄن أي ﻋﻤﻠﻴﺔ )‪ ARMA(p,q‬ﻗﺪ ﻳﺘﻢ اﺤﻛﻌﺒﺮﻴ ﻋﻨﻬﺎ ﻛﻌﻤﻠﻴﺔ‬
‫ﺻﺎﻓﻴﺔ ﻟﻠﺮﺘﺗﻴﺐ اﻟﻼﻧﻬﺎ ‪،‬‬
‫)ب( اﻟﺮﺒﻫﺎن أﻋﻼه ﻳﻌﻲﻨ أن أي ﻋﻤﻠﻴﺔ ‪ (ARM(p,q‬ﻗﺪ ﺗﺘﻢ ﻛﺘﺎﺑﺘﻬﺎ ﻛﻌﻤﻠﻴﺔ ‪ AR‬ﺻﺎﻓﻴﺔ‬
‫ﻟﻠﺮﺘﺗﻴﺐ اﻟﻼﻧﻬﺎ ‪،‬‬
‫اﻟﺮﺸط )ب( ﻳُﺴﻰﻤ ﺮﺷط اﻤﻟﻌﻜﻮس‪.‬‬
‫ﺳﻮف ﻧﻘﻮم ﺑﺘﻮﺿﻴﺢ اﻟﺮﺸط )أ( ﻣﻦ ﺧﻼل اﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻋﻤﻠﻴﺔ )‪AR(1‬‬
‫ﻣﻊ اﺤﻛﻘﺎﻃﻊ‪:‬‬
‫ﺑﺎﺳﺘﺨﺪام اﻟﺼﻴﻐﺔ اﻟﺴﺎﺑﻘﺔ ﻓﺈﻧﻪ ﻳﻤﻜﻦ إﺨدة ﻛﺘﺎﺑﺔ اﻤﻟﻌﺎدﻟﺔ ﺤﻛﻜﻮن‬
‫و ﺬﻟﻚ‬
‫‪:‬‬ ‫وﺑﺎﺳﺘﺨﺪام اﺠﻈﺮﻳﺔ اﺨﻛﻨﺎﺋﻴﺔ ﻲﻓ اﻤﻟﻠﺤﻖ ‪ 5.1‬ﻟﺮﺸح‬
‫ﻳﻤﻜﻨﻨﺎ إﻫﻤﺎل ﻣﻌﺎﻣﻞ ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ ‪ L‬ﻣﻦ اﺠﻟﺎﻧﺐ اﻷﻳﺮﺴ ﻣﺎ ﺑﻦﻴ اﻷﻗﻮاس‬
‫ﻷن أي ﻓﺮﺘة ﺗﺒﺎﻃﺆ ﻲﻫ ﻋﺒﺎرة ﻋﻦ ﺛﺎﺑﺖ ‪ β1‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈﻧﻪ ﻓﻴﻤﺎ ﺨﻳﺺ اﻟﻌﻤﻠﻴﺔ‬
‫‪ (AR(1‬ﻳﻤﻜﻨﻨﺎ اﺷﺘﻘﺎق ﻣﺎ ﻳﻲﻠ‪:‬‬
‫‪MA‬‬ ‫اﻤﻟﻌﺎدﻟﺔ )‪ (5.4‬ﺗﻮﺿﺢ ﺑﺄن ﻋﻤﻠﻴﺔ )‪ AR(1‬ﻳﻤﻜﻦ ﺗﻤﺜﻴﻠﻬﺎ ﻛﻌﻤﻠﻴﺔ‬

‫ﺻﺎﻓﻴﺔ ﻟﻠﺮﺗﺐ اﻟﻼﻧﻬﺎﺋﻴﺔ ﻛﻤﺎ ﺳﺒﻖ وأن ﺗﻢ ذﻟﻚ ﻲﻓ اﻟﺼﻔﺤﺔ اﻟﺴﺎﺑﻘﺔ‪.‬‬
‫اﻟﺼﻴﻐﺔ اﻤﻟﻮﺟﻮدة ﺑﻦﻴ اﻷﻗﻮاس ﻲﻓ اﺠﻟﺎﻧﺐ اﻷﻳﺮﺴ ﻣﻦ اﻤﻟﻌﺎدﻟﺔ )‪ (5.4‬ﻲﻫ‬
‫ﺳﻠﺴﻠﺔ ﻫﻨﺪﺳﻴﺔ ﻻ ﻧﻬﺎﺋﻴﺔ ﻣﻊ ﻧﺴﺒﺔ ﻣﺸﺮﺘ ﺔ ﺗﺴﺎوي ‪ ، β2‬و ذا اﻓﺮﺘﺿﻨﺎ ﺑﺄن‬
‫‪ β2 < 1‬ﻓﺈن ﺠﻣﻤﻮع اﻟﺴﻠﺴﻠﺔ اﻬﻟﻨﺪﺳﻴﺔ اﻟﻼﻧﻬﺎﺋﻴﺔ ﻳﻠﺘﻲﻘ ﻣﻊ‬
‫)ﻳُﺴﻰﻤ ذﻟﻚ ﺠﻣﻤﻮع ﺳﻠﺴﻠﺔ ﻫﻨﺪﺳﻴﺔ ﻻ ﻧﻬﺎﺋﻴﺔ ﻣﻊ ﺮﺷط أول ﻳﺴﺎوي‬

‫(‪،‬‬ ‫‪ a‬وﻣﻌﺪل ﻣﺸﺮﺘك ﻛﺮﺴي ﻳﺴﺎوي ‪ r‬وﻫﻮ ُﻣﻌﻄﻰ ﺑﺎﻟﺼﻴﻐﺔ اﺤﻛﺎ ﺔ‬
‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﻤﻦ اﻤﻟﻌﺎدﻟﺔ )‪ (5.4‬ﻓﺈن اﻟﻘﻴﻤﺔ اﻤﻟﺘﻮﻗﻌﺔ )أو اﻤﻟﺘﻮﺳﻂ( ﻟـ ‪ Yt‬ﺗﺴﺎوي‬
‫وﺑﻤﺎ أن اﻟﻄﺮف اﻷﻳﻤﻦ اﻤﻟﻮﺟﻮد ﺑﻦﻴ اﻷﻗﻮاس ﻬﻟﺬه اﻤﻟﻌﺎدﻟﺔ‬
‫ﻷن أﺧﻄﺎء اﻟﻀﺠﺔ‬ ‫ﻓﺈن‬
‫اﻛﻴﻀﺎء ‪ white noise‬ﻬﻟﺎ ﻣﺘﻮﺳﻂ ﻳﺴﺎوي ﺻﻔﺮ‪.‬‬
‫وﺑﻤﺎ أن ‪ var(et)=var(et-1)= var(et-2)= var(et-3) = σ2‬أي ﺑﻌﺒﺎرة أﺧﺮى ﻓﺈن‬
‫ﺣﺪود اﺨﻟﻄﺄ ﺗﻌﺮض ﺗﺒﺎﻳﻦ ﺛﺎﺑﺖ )أي أﻧﻬﺎ ذات ﺗﺒﺎﻳﻦ ﻣﺘﺠﺎﻧﺲ ‪،(homoscedastic‬‬
‫ﻓﺈﻧﻪ ﻣﻦ اﻤﻟﻌﺎدﻟﺔ )‪ (5.4‬ﻳﻤﻜﻨﺎ اﺷﺘﻘﺎق ﻣﺎ ﻳﻲﻠ‪:‬‬
‫‪A‬‬ ‫)ﺤﻧﺘﺎج إﻰﻟ ﺟﻌﻞ ‪ varA=0‬وذﻟﻚ ﻷن )‪ var(AX) = A2var(X‬إذا ﺎﻛن‬

‫ً‬
‫ﺛﺎﺑﺖ‪ ،‬وﻫﻨﺎك أﻳﻀﺎ ﺗﻐﺎﻳﺮ ﻳﺴﺎوي ﺻﻔﺮ ﻣﺎ ﺑﻦﻴ اﻷﺧﻄﺎء ﻷﻧﻬﺎ ﻏﺮﻴ ﻣﺮﺘاﺑﻄﺔ(‪،‬‬
‫اﺤﻛﻌﺒﺮﻴ اﻤﻟﻮﺟﻮد ﺑﻦﻴ اﻷﻗﻮاس ﻲﻓ اﺠﻟﺎﻧﺐ اﻷﻳﻤﻦ ﻟﻠﻤﻌﺎدﻟﺔ )‪ (5.5‬ﻫﻮ ﺳﻠﺴﻠﺔ‬
‫‪β2‬‬ ‫وﻫﺬا ﻳﺆدي إﻰﻟ أن ‪< 1‬‬ ‫ﻫﻨﺪﺳﻴﺔ ﻻ ﻧﻬﺎﺋﻴﺔ ﻣﻊ ﻣﻌﺪل ﻣﺸﺮﺘك ﻳﺴﺎوي‬
‫ﺣﻴﺚ أن‬ ‫وﺠﻣﻤﻮع ﻫﺬه اﻟﺴﻠﺴﻠﺔ اﻬﻟﻨﺪﺳﻴﺔ ﻳﺴﺎوي‬
‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ﻋﻤﻠﻴﺔ )‪ AR(1‬ﻬﻟﺎ ﻣﺘﻮﺳﻂ ﺣﺴﺎ ﺛﺎﺑﺖ وﺗﺒﺎﻳﻦ ﺛﺎﺑﺖ و ﻼﻫﻤﺎ ﻣﺴﺘﻘﻠﻦﻴ‬
‫ً‬
‫ﻋﻦ اﻟﺰﻣﻦ إذا ﺎﻛﻧﺖ وﻓﻘﻂ إذا ﺎﻛﻧﺖ ‪ β2 < 1‬وﺗﻐﺎﻳﺮ اﻤﻟﺘﻐﺮﻴ ‪ Yt‬ﻗﺪ ﻳﻜﻮن ﺛﺎﺑﺘﺎ ﻟﻞﻜ‬
‫ﻫﻮ ﺮﺷط ﻣﻄﻠﻮب‬ ‫‪ ، β2 < 1‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﻟﺮﺸط ‪β2 < 1‬‬ ‫اﻟﻔﺮﺘات اﻟﺰﻣﻨﻴﺔ ‪ t‬إذا ﺎﻛﻧﺖ‬
‫ﻷي ﻋﻤﻠﻴﺔ )‪ AR(1‬ﺣ ﺗﻜﻮن ﻣﺴﺘﻘﺮة )اﻤﻟﺘﻮﺳﻂ واﺤﻛﺒﺎﻳﻦ واﺤﻛﻐﺎﻳﺮ ﺛﺎﺑﺘﺔ(‪ ،‬ﻛﻤﺎ ﻧﻼﺣﻆ‬
‫ﻣﻦ اﻤﻟﻌﺎدﻟﺔ )‪ (5.4‬أن ﻋﻤﻠﻴﺔ )‪ AR(1‬ﻳﻤﻜﻦ ﻛﺘﺎﺑﺘﻬﺎ ﻛﻌﻤﻠﻴﺔ ﻣﺘﻮﺳﻂ ﻣﺘﺤﺮك ﻻ ﻧﻬﺎﺋﻴﺔ‬
‫(‪. MA‬‬ ‫)‬
‫ﺠﻌﻮد اﻵن إﻰﻟ ﺧﺎﺻﻴﺔ اﻤﻟﻌﻜﻮس وﻫﻮ اﻟﺮﺸط اﺨﻛﺎ ‪ ،‬ﻫﺬا اﻟﺮﺸط ﻳﻔﺮض‬
‫أن ﻋﻤﻠﻴﺔ )‪ - MA(1‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ‪ -‬ﻳﻤﻜﻦ ﺗﻤﺜﻴﻠﻬﺎ ﻣﻦ ﺧﻼل ﻋﻤﻠﻴﺔ ‪AR‬‬
‫ﺤﻣﻀﺔ ﻟﻠﺮﺘﺗﻴﺐ اﻟﻼﻧﻬﺎ ‪.‬‬

‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن‬ ‫ﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر أن ﻋﻤﻠﻴﺔ )‪ MA(1‬ﻲﻫ‬
‫وﺑﺎﺳﺘﺨﺪام اﺠﻈﺮﻳﺔ اﺨﻛﻨﺎﺋﻴﺔ‬ ‫أو‬
‫ﻓﺈن‪:‬‬ ‫ﺒﻟ‬
‫وﻫﺬا ﻳﻌﻲﻨ أن ﻋﻤﻠﻴﺔ )‪ MA(1‬ﻳﻤﻜﻦ اﻋﺘﺒﺎرﻫﺎ ﻛﻌﻤﻠﻴﺔ ‪ AR‬ﻻ ﻧﻬﺎﺋﻴﺔ‪،‬‬

‫وﻫﻮ ﺮﺷط ﻟﻌﻤﻠﻴﺔ ‪ AR‬اﻟﺴﺎﺑﻘﺔ )أو ﻋﻤﻠﻴﺔ )‪(MA(1‬‬ ‫وﻫﺬا ﻳﺘﻄﻠﺐ أن‬
‫ﺣ ﺗﻜﻮن اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪ ،‬وﻫﺬا اﻟﺮﺸط ﻳﻮﺿﺢ ﺑﺄن ﺗﻤﺜﻴﻞ ‪ AR‬ﻟﻌﻤﻠﻴﺔ‬
‫)‪ MA(1‬ﻬﻟﺎ ُﻣ َﻌﺎ ِﻣﻼت ﺗﺘﺠﻪ إﻰﻟ اﻻﺨﻧﻔﺎض ﺧﻼل اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ ﻛﺨﺎﺻﻴﺔ‬
‫ﻣﺮﻏﻮﺑﺔ‪ ،‬و ﻫﺬه اﺤﻟﺎﻟﺔ ﻓﺈﻧﻨﺎ ﻧﻘﻮل ﺑﺄن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ )‪ MA(1‬ﻲﻫ ﺳﻠﺴﻠﺔ‬
‫ﻬﻟﺬا ﻳﻌﻲﻨ أن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻟﻴﺴﺖ ﻣﻌﻜﻮﺳﺔ‪،‬‬ ‫ﻣﻌﻜﻮﺳﺔ‪ ،‬إذا ﺎﻛﻧﺖ‬
‫وﺳﺒﺐ ﻃﻠﺐ أن ﺗﻜﻮن ﻋﻤﻠﻴﺔ ‪ MA‬ﻣﻌﻜﻮﺳﺔ ﻫﻮ أن داﻟﺔ اﻻرﺗﺒﺎط ا ا ‪ACF‬‬
‫وداﻟﺔ اﻻرﺗﺒﺎط ا ا اﺠﻟﺰﻲﻳ ‪ PACF‬ﺗﺘﻄﻠﺐ أن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﺗﻜﻮن ﻣﻘﺪرة‬
‫ً‬ ‫ً‬
‫ﺗﻘﺪﻳﺮا ﺟﻴﺪا ﻣﻦ ﺧﻼل ﻧﻤﻮذج اﺤﻧﺪار ذا ﺣ ﻳﻤﻜﻨﻨﺎ ﺣﺴﺎب اﻻرﺗﺒﺎط‬
‫ا ا ‪ SPSS ،‬ﻳﻌﻄﻲ رﺳﺎﻟﺔ ﺤﺗﺬﻳﺮﻳﺔ إذا ﺎﻛﻧﺖ ﻋﻤﻠﻴﺔ ‪ MA‬ﻏﺮﻴ ﻣﻌﻜﻮﺳﺔ‪.‬‬
‫‪ 5.3‬اﻟﻤﻌﺎدﻟﺔ اﻟﻤﻤﻴﺰة واﻻﺳﺘﻘﺮار ‪The Characteristics Equation‬‬
‫‪and Stationarity‬‬
‫ﻗﺒﻞ ﻗﺮاءة ﻫﺬا اﺠﻟﺰء ﻧﻨﺼﺤﻚ ﺑﻘﺮاءة اﻤﻟﺎدة اﺨﻟﺎﺻﺔ ﺑﺎﻤﻟﻌﺎدﻟﺔ اﻟﺮﺘﺑﻴﻌﻴﺔ ﻲﻓ‬
‫اﻤﻟﻠﺤﻖ ‪ 5.2‬ﻲﻓ ﻧﻬﺎﻳﺔ ﻫﺬا اﻟﻔﺼﻞ‪.‬‬
‫وﻗﺪ ﺗﺘﻢ‬ ‫رأﻳﻨﺎ أن ﻋﻤﻠﻴﺔ )‪ AR(1‬ﺗﺴﺎوي‬
‫ﺣﻴﺚ أن )‪ A(L‬ﻳﺴﺎوي ﻣﺘﻌﺪد اﺤﻟﺪود‬ ‫ﻛﺘﺎﺑﺘﻬﺎ ﻛﻤﺎ ﻳﻲﻠ‬
‫وﺑﺎﻷﺧﺬ ﻲﻓ‬ ‫ﻣﻦ ا رﺟﺔ اﻷو ﻲﻓ ﻣﻌﺎﻣﻞ ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ‪،‬‬
‫اﻻﻋﺘﺒﺎر ﻋﻤﻠﻴﺔ )‪ AR(2‬ﻓﺈن‬
‫أو‬
‫ﻲﻫ ﻣﺘﻌﺪدة ﺣﺪود ﻣﻦ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ‬ ‫ﺣﻴﺚ أن‬

‫)ﺗﻜﻌﻴﻲﺒ( ﻣﻊ ﻣﻌﺎﻣﻞ ﻓﺮﺘة ﺗﺒﺎﻃﺆ‪ ،‬ﻲﻓ ﻞﻛ ﻫﺬه اﻷﺣﻮال ﻓﺈن )‪ A(L‬ﻣﺘﻌﺪدة ﺣﺪود‬
‫ُ‬
‫ﺗﺴﺒﻖ ‪ Yt‬ﺗﺴﻰﻤ ﻣﻌﺎدﻟﺔ ﻤﻣﺰﻴة ‪ characteristic equation‬ﻓﺈذا ﻓﺮﺿﻨﺎ ﺑﺄﻧﻪ ﻳﻨﺎ‬
‫ﻋﻤﻠﻴﺔ )‪ AR(p‬ﻓﺈن اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻤﺰﻴة اﻤﻟﺘﻌﻠﻘﺔ ﺑﻬﺬه اﻟﻌﻤﻠﻴﺔ ﺗﻜﻮن‪:‬‬
‫ﻣﻦ اﻤﻟﻤﻜﻦ ﻋﺮض ﻋﻤﻠﻴﺔ ﻋﺸﻮاﺋﻴﺔ ﺳﻮف ﺗﻜﻮن ﻣﺴﺘﻘﺮة ﻓﻘﻂ إذا‬
‫ﺎﻛﻧﺖ ﻞﻛ ﺟﺬور ‪ A(L) = 0‬أﻛﺮﺒ ﻣﻦ وﺣﺪة اﻟﻘﻴﻤﺔ اﻤﻟﻄﻠﻘﺔ‪ ،‬ﻳُﻘﺎل ﺑﺄن اﺠﻟﺬور‬
‫”ﺧﺎرج داﺋﺮة اﻟﻮﺣﺪة“‪ ،‬وﺨﺑﻼف ذﻟﻚ ﻓﺈن اﻟﻌﻤﻠﻴﺔ ﺳﻮف ﺗﻜﻮن ﻏﺮﻴ ﻣﺴﺘﻘﺮة‬
‫)‪(Tomas 1997:416‬‬
‫ﻓﺈن‬ ‫)‪AR(1‬‬ ‫وﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻋﻤﻠﻴﺔ‬
‫وﺑﺘﻌﻮﻳﺾ ‪A(L)=0‬‬ ‫ﺣﻴﺚ ﺗﻜﻮن اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻤﺰﻴة‬
‫‪ ،‬وﻟﻼﺳﺘﻘﺮار ﻓﺈﻧﻨﺎ ﻧﻄﻠﺐ أن ﺗﻜﻮن اﻟﻘﻴﻤﺔ‬ ‫ﻳﻤﻜﻨﻨﺎ اﺤﻟﺼﻮل ﺒﻟ‬
‫اﻤﻟﻄﻠﻘﺔ ﺠﻟﺬر ‪ L‬أﻛﺮﺒ ﻣﻦ اﻟﻮﺣﺪة‪ ،‬أي ﺑﻌﺒﺎرة أﺧﺮى ‪ 1/β2 >1‬وﻫﺬا ﻳﺸﺮﻴ إﻰﻟ أن‬
‫ﺮﺷط اﻻﺳﺘﻘﺮار ﺗﻢ اﺤﻟﺼﻮل ﻋﻠﻴﻪ ﻲﻓ اﺠﻟﺰء اﻟﺴﺎﺑﻖ‪.‬‬
‫وﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻋﻤﻠﻴﺔ )‪ AR(2‬ﻓﺈن‬
‫وﺑﺎﺤﻛﻌﻮﻳﺾ ﻲﻓ ‪ A(L)=0‬ﻓﺈﻧﻨﺎ ﺤﻧﺼﻞ ﺒﻟ‪:‬‬ ‫ﻓﺈن‬
‫ُ‬
‫وﺟﺬورﻫﺎ ﺗﻌﻄﻰ ﺑﺎﻤﻟﻌﺎدﻟﺔ اﺤﻛﺎ ﺔ‬
‫وﻫﺬا ﻳﺘﻄﻠﺐ أن ‪ L >1‬ﺣ ﺗﻜﻮن ﻣﺴﺘﻘﺮة‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ إذا ﺎﻛن ﺒﻟ‬

‫ﺳﺒﻴﻞ اﻤﻟﺜﺎل ‪ β3‬ﻣﻮﺟﺒﺔ ﻓﻬﺬا ﻳﺘﻄﻠﺐ ﻗﻴﻤﺔ اﻟﺒﺴﻂ ﺗﻜﻮن أﻛﺮﺒ ﻣﻦ ﻗﻴﻤﺔ اﻤﻟﻘﺎم‬
‫ﻟﻠﺤﺼﻮل ﺒﻟ ‪: L >1‬‬
‫وﺑﺄﺧﺬ اﺠﻟﺬر اﻟﺮﺘﺑﻴﻲﻌ ﻟﻠﻄﺮﻓﻦﻴ‬
‫وﺑﺎﺳﺘﺒﻌﺎد‬
‫وﺑﻘﻴﻤﺔ اﻟﻄﺮﻓﻦﻴ ﺒﻟ‬
‫أو‬
‫ﻓﻌــﻰﻠ ﺳــﺒﻴﻞ اﻤﻟﺜــﺎل إذا أﺧﺬﻧــﺎ ﻋﻤﻠﻴــﺔ )‪ AR(2‬ﻓــﺈن‬

‫ﺳــﻮف ﺗﻜﻮن اﻤﻟﻌﺎدﻟــﺔ اﻤﻟﻤﺰﻴة‬
‫وﺑﺎﺤﻛﻌﻮﻳﺾ ﻲﻓ ‪ A(L)=0‬ﻓﻴﻜﻮن ﻳﻨﺎ‬ ‫ﺗﺴﺎوي‬
‫وﻫﺬا ﻳﺆدي إﻰﻟ أن اﺠﻟﺬور ‪ L1=1.8697‬و ‪ L2=-1.0697‬ﻛﻼ اﺠﻟﺬرﻳﻦ أﻛﺮﺒ‬

‫ﻣﻦ وﺣﺪة اﻟﻘﻴﻤﺔ اﻤﻟﻄﻠﻘﺔ وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ﻋﻤﻠﻴﺔ )‪ AR(2‬ﻣﺴﺘﻘﺮة‪ ،‬ﻻﺣﻆ ﺑﺄﻧﻨﺎ‬
‫وﻣﻦ ﺧﻼل اﺠﺘﺎﺋﺞ اﻤﻟﻮﺟﻮدة ﻲﻓ‬ ‫أﺗﺒﻌﻨﺎ ﺮﺷط اﻻﺳﺘﻘﺮار وﻫﻮ‬
‫اﻤﻟﻠﺤﻖ ‪ 5.2‬ﻓﺈن ﺠﻣﻤﻮع اﺠﻟﺬرﻳﻦ اﺤﻟﻘﻴﻘﻴﻦﻴ ﻳﺴﺎوي ‪ 0.8‬وﻧﺎﺠﺗﻬﺎ ﻳﺴﺎوي ‪ 2-‬ﻛﻤﺎ‬
‫ً‬
‫ﻫﻮ ﻣﻄﻠﻮب ﻧﻈﺮﻳﺎ‪ ،‬وﺑﺎﻟﻄﺒﻊ ﻓﺈن ﻋﻤﻠﻴﺔ )‪ AR(2‬ﻗﺪ ﺗﻜﻮن ﻬﻟﺎ ﻣﻌﺎدﻟﺔ ﻤﻣﺰﻴة‬
‫ﻣﻊ ﺟﺬور ﻣﺮ ﺒﺔ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‬
‫واﺤﻛﻤﻴﺰﻴ اﻟﺴﻠﻲﺒ ﻳﻮﺿﺢ ﺠﺎ‬ ‫اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻤﺰﻴة ﻲﻫ‬
‫ُ‬
‫أن )‪ A(L‬ﻬﻟﺎ ﺟﺬرﻳﻦ ﻣﺮ ﺒﻦﻴ‪ ،‬اﺠﻟﺬور اﻤﻟﺮ ﺒﺔ ﺗﻌﻄﻲ ﻣﻦ ﺧﻼل‪:‬‬
‫ً‬
‫وﻫﺬا ﻳﺆدي إﻰﻟ ‪ 1.3565i+L1=0.4‬و ﺬﻟﻚ ‪) L2=0.4 - 1.3565i‬ﻣﺴﺘﺨﺪﻣﺎ‬
‫(‪ ،‬ﻓﻌﻨﺪﻣﺎ ﺗﻜﻮن ﺟﺬور اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻤﺰﻴة ﻣﺮ ﺒﺔ ﻓﺈن‬
‫اﻻﺳﺘﻘﺮار ﻳﺘﻄﻠﺐ أن ﺗﻜﻮن وﺣﺪاﺗﻪ أﻛﺮﺒ ﻣﻦ اﻟﻮﺣﺪة‪ ،‬وﻫﻨﺎ ﻓﺈن اﺠﻟﺬور اﻤﻟﺮ ﺒﺔ‬
‫وﻲﻫ‬ ‫ﻬﻟﺎ ﻧﻔﺲ اﻤﻟﻌﺎﻣﻼت اﻤﻟﺴﻤﺎه ﻓﻴﺜﺎﻏﻮرس‬
‫أﻛﺮﺒ ﻣﻦ اﻟﻮﺣﺪة اﻤﻟﻄﻠﻮﺑﺔ ﻟﻼﺳﺘﻘﺮار‪.‬‬
‫ﻓــﺈن‬ ‫)‪AR(3‬‬ ‫ﻋﻤﻠﻴــﺔ‬ ‫اﻻﻋﺘﺒــﺎر‬ ‫ﻲﻓ‬ ‫وﺑﺎﻷﺧــﺬ‬
‫ﺗﻜــﻮن‬ ‫واﻟــﻲﺘ‬
‫وﻫﺬا اﺤﻛﻜﻌﻴﺐ )ﺤﻟﺴﻦ اﺤﻟﻆ(‬
‫ﻳﻤﻜﻦ ﺗﻘﺴــﻴﻤﻪ إﻰﻟ ‪ (1-0.4L)(1+0.5L)(1-4L)=0‬ﺣﻴﺚ أن ﺟﺬور ‪L1=2.5،‬‬
‫‪ L2=-2، L3=0.25‬وﺑﻤــﺎ أن واﺣﺪ ﻣﻦ ﻫﺬه اﺠﻟﺬور أﻗــﻞ ﻣﻦ اﻟﻮﺣﺪة ﻲﻓ اﻟﻘﻴﻤﺔ‬
‫اﻤﻟﻄﻠﻘﺔ ﻟﻚ ﻓﺈن ﻋﻤﻠﻴﺔ )‪ AR(3‬ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫وﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻧﻤﺎذج اﻟﺴــﺮﻴ اﻟﻌﺸــﻮا ﻣﻊ اﺠﺗﺎه وﺑﺪون اﺠﺗﺎه ﺒﻟ‬
‫ﻓﻜﻼ اﺠﻤﻮذﺟــﻦﻴ ﻣﻌﺎدﻻت ﻤﻣﺰﻴة ﻛﻤﺎ ﻳﻲﻠ‬ ‫اﺤﻛﻮاﻲﻟ‬
‫‪ A(L) = 1 - L‬ﻋﻨﺪ ‪ A(L)=0‬و ﺬﻟﻚ ‪ ،L = 1‬وﻫﺬا ﻳﻮﺿﺢ ﺑﺄن ﻛﻼ ﻧﻤﺎذج اﻟﺴــﺮﻴ‬
‫اﻟﻌﺸﻮا ﻟﻴﺴﺖ ﻣﺴــﺘﻘﺮة ﻷن ﺟﺬور اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻤﺰﻴة ﻟﻴﺴﺖ أﻛﺮﺒ ﻣﻦ اﻟﻮﺣﺪة‪،‬‬
‫ﻓﻌﻨﺪﻣﺎ ﺗﻜﻮن ‪ L = 1‬ﻓﺈن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻳُﻘﺎل ﺑﺄن ﻬﻟﺎ ﺟﺬر وﺣﺪة واﻟﺴﻠﺴﻠﺔ‬
‫اﻟﺰﻣﻨﻴﺔ ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬

‫ُ‬
‫و ذا ﻋﺪﻧﺎ ﻛﺪاﻳــﺔ ﻫﺬا اﻟﻔﺼﻞ ﻓﺈﻧﻨــﺎ ﻧﺬﻛﺮ ﺑﺄﻧﻨﺎ ﻗﻤﻨــﺎ ﺑﺎﺧﺘﺒﺎر اﻤﻟﻌﺎدﻟﺔ‬
‫ﻲﻓ ﺳــﻴﺎق اﺠﺗﺎﻫﺎت ﺤﻣــﺪدة‪ ،‬و اﻤﻟﻌﺎدﻟﺔ اﻟﺴــﺎﺑﻘﺔ ﻓﺈن‬
‫ُ‬
‫اﻻﺧﺘﻼﻓــﺎت ﻲﻓ اﻤﻟﻌﺎدﻟﺔ ﺗﺸــﺮﻴ إﻰﻟ أن‬
‫وﺑﺎﺳــﺘﺨﺪام اﺠﻈﺮﻳﺔ اﺨﻛﻨﺎﺋﻴﺔ ﻓﺈن‬ ‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن‬
‫ُ‬
‫وﻧﺬﻛﺮ ﺑــﺄن ﻟﻮﺬﻟرﻳﺘﻢ اﺨﻛﺎﺑﺖ‬
‫ﻳﺴﺎوي اﺨﻛﺎﺑﺖ ﻧﻔﺴــﻪ ﻓﺈن اﺠﺘﻴﺠﺔ ﺗﻮﺿﺢ ﺑﺄن ‪ Yt‬ﺗﺼﺒﺢ ﻣﺎ ﻻﻧﻬﺎﻳﺔ ﻛﻤﺎ اﺳﺘﻤﺮ‬
‫ﺑﺎﺳﺘﻤﺮار‪ ،‬ﻫﺬا ﻫﻮ ﺳﺒﺐ ﻣﺎ ﻧﺺ ﻋﻠﻴﻪ ‪Brooks (op‬‬ ‫اﻟﻠﻮﺬﻟرﻳﺘﻢ‪ ،‬وﺗﺘﻢ إﺿﺎﻓﺔ‬
‫)‪ cit‬ﻲﻓ اﻤﻟﻌﺎدﻟﺔ أﻋﻼه ﺑﺄﻧﻬﺎ ”ذات ﺧﺼﺎﺋﺺ ﻏﺮﻴ ﻣﺮﻏﻮﺑﺔ ﺑﺸﻞﻜ ﻛﺒﺮﻴ“‪.‬‬
‫‪ 5.4‬اﺧﺘﺒﺎرات ﺟﺬور اﻟﻮﺣﺪة ‪Unit Root Tests‬‬
‫ﻓﺈذا ﺎﻛﻧﺖ‬ ‫ﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻋﻤﻠﻴﺔ )‪ AR(1‬وﻲﻫ‬
‫ﻓﺈﻧﻪ ﻳﻜﻮن ﻳﻨﺎ ﺳﺮﻴ ﻋﺸﻮا ﺑﺪون ﻧﻤﻮذج اﺠﺗﺎه‬
‫وﺑﻤﺎ أن ‪ L = 1‬ﻓﺈن اﺠﻤﻮذج ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮ‪ ،‬وﺣﻘﻴﻘﺔ ﻓﺈن ﻫﺬا ﻳﻌﻲﻨ أن اﺠﻤﻮذج‬
‫ﺟﺬر وﺣﺪة‪ ،‬ﻓﺈذا ﻗﻤﻨﺎ ﺑﻄﺮح ‪ Yt-1‬ﻣﻦ اﻟﻄﺮﻓﻦﻴ ﻓﺈﻧﻨﺎ ﺤﻧﺼﻞ ﺒﻟ ﻣﺎﻜﻓﺊ ﻣﻦ‬
‫ﻓﺈذا ﻛﻨﺎ ﻧﺮﻳﺪ اﺧﺘﺒﺎر‬ ‫ﺣﻴﺚ أن‬ ‫ﻫﺬا اﺠﻤﻮذج‬
‫ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪ :H0‬ﻫﺬا اﺠﻤﻮذج ﺟﺬر وﺣﺪة‪ ،‬ﻓﺈﻧﻨﺎ ﻧﻘﻮم ﺑﺎﺧﺘﺒﺎر‬
‫)وﻫﺬا ﻳﻌﻲﻨ‬ ‫واﻟﻔﺮض اﻛﺪﻳﻞ ﻫﻮ‬ ‫أو ﺑﺸﻞﻜ ﻣﺎﻜﻓﺊ‬
‫( وﺑﻌﺒﺎرة أﺧﺮى ﻟﻴﺲ ﻫﻨﺎك ﺟﺬر وﺣﺪة‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﻻﺧﺘﺒﺎر‬ ‫أن‬
‫اﻻﺣﺼﺎ ﻫﻮ ﻳﻞ واﺣﺪ‪ ،‬وﻣﻨﺬ ﺑﺪاﻳﺔ ﻫﺬا اﻟﻔﺼﻞ وﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر أﻧﻨﺎ‬
‫ً‬
‫ﻧﺮ ﺰ ﺒﻟ اﺠﻤﺎذج اﻟﻌﺸﻮاﺋﻴﺔ ﻓﺈن اﻟﺼﻴﻐﺔ اﻟﺼﺤﻴﺤﺔ ﺗﻘﻨﻴﺎ ﻲﻫ‪:‬‬
‫‪ : H0‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻟﻴﺴﺖ ﺛﺎﺑﺘﺔ اﻟﻔﺮق ﻷن ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫وﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر اﻟﺴﺮﻴ اﻟﻌﺸﻮا ﻣﻊ ﻧﻤﻮذج اﺠﺗﺎه ﻓﺈن‬
‫وﻲﻫ )‪ ،AR(1‬وﻣﺮة أﺧﺮى ﻧﻘﻮم ﺑﻄﺮح ‪Yt-1‬‬
‫ﺣﻴﺚ أن‬ ‫ﻣﻦ ﻃﺮ اﻤﻟﻌﺎدﻟﺔ ﻓﺈﻧﻨﺎ ﺤﻧﺼﻞ ﺒﻟ‬
‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈذا ﻛﻨﺎ ﻧﺮﻳﺪ أن ﺨﻧﺘﺮﺒ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪ :H0‬اﺠﻤﻮذج اﺨﻛﺎ‬
‫‪.‬‬ ‫ﺟﺬر وﺣﺪه‪ ،‬ﻓﺈﻧﻨﺎ ﺠﻳﺐ أن ﺨﻧﺘﺮﺒ ‪ H0:β1=1‬وﻫﺬا ﻳﻜﺎﻓﺊ‬
‫ً‬
‫وأﺧﺮﻴا ﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻧﻤﻮذج )‪ AR(1‬ﻣﻊ اﺠﺗﺎه ﺤﻣﺪد‬
‫ﻓﺈﻧﻪ ﺳﻮف ﻳﻜﻮن‬ ‫ﻓﺈذا ﺎﻛﻧﺖ‬
‫ﻳﻨﺎ ﻧﻤﻮذج ﺳﺮﻴ ﻋﺸﻮا ﻣﻊ اﺠﺗﺎه وﻫﺬا اﺠﻤﻮذج ﻏﺮﻴ ﻣﺴﺘﻘﺮ ﻷن ﺑﻪ ﺟﺬر‬
‫وﺣﺪة‪ ،‬ﻓﺈذا ﻗﻤﻨﺎ ﺑﻄﺮح ‪ Yt-1‬ﻣﻦ ﻃﺮ اﻤﻟﻌﺎدﻟﺔ ﻓﺈﻧﻨﺎ ﺤﻧﺼﻞ ﺒﻟ اﻤﻟﻌﺎدﻟﺔ اﺤﻛﺎ ﺔ‬
‫و ذا ﻛﻨﺎ ﻧﺮﻳﺪ اﺧﺘﺒﺎر‬ ‫ﺣﻴﺚ أن‬
‫ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪ :H0‬اﺠﻤﻮذج اﺨﻛﺎﻟﺚ ﺟﺬر وﺣﺪه‪ ،‬ﻓﺈﻧﻨﺎ ﺠﻳﺐ أن ﻧﻘﻮم ﺑﺎﺧﺘﺒﺎر‬
‫‪.‬‬ ‫وﻫﺬا ﻳﻜﺎﻓﺊ‬
‫وﻳﻌﺘﺮﺒ )‪ Dickey and Fuller (1979‬ﺑﺄن اﺨﻛﻼث اﻤﻟﻌﺎدﻻت اﻤﻟﺨﺘﻠﻔﺔ ﻣﻦ‬
‫اﻤﻟﺤﺘﻤﻞ أن ﻳﻜﻮن ﻬﻟﺎ ﺟﺬر وﺣﺪة‪:‬‬
‫اﻟﻔﺮق ﺑﻦﻴ ﻫﺬه اﺠﻤﺎذج اﺨﻛﻼث ﻳﺘﻌﻠﻖ ﺑﻮﺟﻮد اﻟﻌﻨﺎﺮﺻ اﻤﻟﺤﺪدة وﻲﻫ و‬
‫و ‪ ،‬واﻤﻟﻌﺎﻣﻞ ا ي ﻧﺮ ﺰ ﻋﻠﻴﻪ ﻲﻓ ﻫﺬه اﻤﻟﻌﺎدﻻت اﺨﻛﻼث ﻫﻮ و ذا ﺎﻛن‬
‫ﻓﺈن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪ ،‬وﻳﺘﻀﻤﻦ اﺧﺘﺒﺎر ‪Dickey and‬‬
‫‪ Fuller‬ﺗﻘﺪﻳﺮ واﺣﺪة أو أﻛﺮﺒ ﻣﻦ اﻤﻟﻌﺎدﻻت رﻗﻢ ‪ 5.6‬و ‪ 5.7‬و ‪ 5.8‬ﺑﺎﺳﺘﺨﺪام‬
‫اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى واﺧﺘﺒﺎر اﺣﺼﺎ ﻳﺘﻢ ﺣﺴﺎﺑﻪ ﻟـ ‪ ،‬اﻻﺧﺘﺒﺎر اﻹﺣﺼﺎ‬
‫ﻋﺪة اﺑﻌﺎد ﺤﺑﺴﺐ أي ﻣﻦ اﺠﻤﺎذج اﺨﻛﻼث ﺳﻮف ﻳﺴﺘﺨﺪم اﻛﺎﺣﺚ‪ ،‬ﺑﺎﻹﺿﺎﻓﺔ‬
‫إﻰﻟ ذﻟﻚ ﻓﺈن اﻟﻘﻴﻢ اﺤﻟﺮﺟﺔ ﺨﺗﺘﻠﻒ ﺤﺑﺴﺐ أي ﻣﻦ اﺠﻤﺎذج اﺨﻛﻼث اﻟﺴﺎﺑﻘﺔ‬
‫ﻳﺘﻢ اﺧﺘﺒﺎره‪ ،‬ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻨﻤﻮذج ‪ 5.6‬ﻻ ﻳﻮﺟﺪ ﺛﺎﺑﺖ أو اﺠﺗﺎه زﻣﻲﻨ واﻻﺧﺘﺒﺎر‬
‫اﻹﺣﺼﺎ ﺗﺘﻢ اﻹﺷﺎرة إ ﻪ ﺑﺎﻟﺮﻣﺰ ‪ ، τ‬وﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻨﻤﻮذج ‪ 5.7‬ﻓﻴﻮﺟﺪ ﺑﻪ ﻗﻴﻤﺔ‬
‫ﻟﻠﺘﻘﺎﻃﻊ وﻻ ﻳﻮﺟﺪ ﺑﻪ اﺠﺗﺎه زﻣﻲﻨ واﻻﺧﺘﺒﺎر اﻹﺣﺼﺎ ﺗﺘﻢ اﻹﺷﺎرة إ ﻪ ﺑﺎﻟﺮﻣﺰ‬
‫أﻣﺎ ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻨﻤﻮذج ‪ 5.8‬ﻓﻬﻨﺎك ﺗﻘﺎﻃﻊ واﺠﺗﺎه زﻣﻲﻨ واﻻﺧﺘﺒﺎر اﻹﺣﺼﺎ ﺗﺘﻢ‬
‫اﻹﺷﺎرة إ ﻪ ﺑﺎﻟﺮﻣﺰ ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﻣﻦ اﺠﻟﺪاول اﻹﺣﺼﺎﺋﻴﺔ إذا ﺎﻛن ﺣﺠﻢ‬
‫‪،‬‬ ‫اﻟﻌﻴﻨﺔ ‪ n = 100‬ﻓﺈن اﻟﻘﻴﻢ اﺤﻟﺮﺟﺔ ‪ %5‬ﺗﺴﺎوي‬
‫ﺒﻟ اﺤﻛﻮاﻲﻟ ﻟﻠﻨﻤﺎذج اﺨﻛﻼث‪ ،‬وﺗﺬﻛﺮ ﺑﺄن اﺧﺘﺒﺎر ‪Dickey and‬‬ ‫‪،‬‬
‫‪ Fuller‬ﻫﻮ ﻳﻞ واﺣﺪ ﻣﻦ ﻣﻨﺤﻰﻨ اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ وﻫﻮ اﺠﻟﻬﺔ اﻟﺴﺎﻛﺔ‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ‬

‫ﻓﻘﻴﻤﺔ ﺣﺮﺟﺔ واﺣﺪة ﻣﻄﻠﻮﺑﺔ ﻳﺘﻢ اﺧﺘﻴﺎرﻫﺎ ﻟﺘﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ‪ ،‬وﻣﻦ اﻟﻮاﺿﻊ ﺑﺄن‬
‫ﺟﺪول ﻗﻴﻢ اﺧﺘﺒﺎر ‪ Dickey and Fuller‬ﺗﻢ ﺑﻨﺎؤﻫﺎ ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪.EViews‬‬
‫ﺣ اﻵن اﻓﺮﺘﺿﺖ ﺑﺄن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﻲﺘ ﻧﻘﻮم ﺑﺪراﺳﺘﻬﺎ ﻳﻤﻜﻦ‬
‫ً‬
‫ﺻﻴﺎﻏﺔ ﻧﻤﻮذج ﻬﻟﺎ ﻣﻦ ﺧﻼل ﻋﻤﻠﻴﺔ ‪ AR‬ﻣﻦ ا رﺟﺔ اﻷو ‪ ،‬وﻋﻤﻮﻣﺎ ﻓﺈن اﻟﺴﻠﺴﻠﺔ‬
‫ﻗﺪ ﺗﻜﻮن ﻧﺘﻴﺠﺔ ﻋﻤﻠﻴﺔ ‪ AR‬ﻣﻦ درﺟﺔ أﺒﻟ‪ ،‬وﺤﻟﻞ ذﻟﻚ ﻓﻴﺠﺐ ﺗﻌﻤﻴﻢ ﻧﻤﻮذج‬
‫وﻫﺬا ﻳﺰﻳﺪ ﻣﻦ أﻫﻤﻴﺔ ﻣﺎ ﻳُﺴﻰﻤ‬ ‫)‪ AR(1‬ﻛﻤﺎ ﻳﻲﻠ‬
‫اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻠﻮر اﻤﻟﻌﺰز )‪ ، Augmented Dickey-Fuller (ADF‬وﻟﻠﺘﻮﺿﻴﺢ‬
‫إذا أﺧﺬﻧﺎ ﻲﻓ اﻋﺘﺒﺎرﻧﺎ ﻋﻤﻠﻴﺔ ‪ AR‬ﻣﻦ ا رﺟﺔ اﺨﻛﺎﺨﻛﺔ‪:‬‬
‫وﻬﻟﺎ ﻣﻌﺎدﻟﺔ ﻤﻣﺰﻴة ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﺳﻮف ﻧﻘﻮم ﺑﺈﺨدة ﺻﻴﻐﺔ اﻤﻟﻌﺎدﻟﺔ ‪ 5.9‬وﻧﺘﺬﻛﺮ ذﻟﻚ ﻋﻨﺪﻣﺎ ﻧﻘﻮم ﺑﺪراﺳﺔ‬
‫اﺤﻛﺎﻜﻣﻞ‪ ،‬و ﺨدة اﻟﺼﻴﺎﻏﺔ ﺗﻌﻲﻨ ﺑﺒﺴﺎﻃﺔ اﺤﻛﻌﺒﺮﻴ ﻋﻦ اﻤﻟﻌﺎدﻟﺔ ﺑﻤﻌﺎدﻟﺔ أﺧﺮى‪ ،‬أي‬
‫ﺑﻤﺎﻜﻓﺊ ﺟﺮﺒي آﺧﺮ‪ ،‬ﻧﻘﻮم ﺑﻄﺮح ‪ Yt-1‬ﻣﻦ ﻃﺮ اﻤﻟﻌﺎدﻟﺔ رﻗﻢ ‪ 5.9‬وﻧﻌﺎود ﺗﺮﺗﻴﺒﻬﺎ‬
‫ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﻣﻦ اﻟﻄﺮف اﻷﻳﻤﻦ ﻟﻠﻤﻌﺎدﻟﺔ ‪5.11‬‬ ‫ﻧﻘﻮم ﺑﺈﺿﺎﻓﺔ وﻃﺮح‬

‫أو‬
‫)‪(5.12‬‬
‫و‬
‫ﻧﻌﻠﻢ ﺑﺄن اﻤﻟﻌﺎدﻟﺔ ‪ 5.9‬ﺳﻮف ﺗﻜﻮن ﻏﺮﻴ ﻣﺴﺘﻘﺮة إذا ﺎﻛن أي ﺟﺬور‬
‫ﻟﻠﻤﻌﺎدﻟﺔ اﻤﻟﻤﺰﻴة رﻗﻢ ‪ 5.10‬أﻗﻞ ﻣﻦ أو ﻳﺴﺎوي ﻟﻠﻮﺣﺪة ﺑﻘﻴﻤﺔ ﻣﻄﻠﻘﺔ‪ ،‬إذا وﺟﺪ‬
‫ﺟﺬر اﻟﻮﺣﺪة ‪ L = 1‬ﻓﻤﻦ اﻤﻟﻤﻜﻦ ﻛﺘﺎﺑﺔ اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻤﺰﻴة ﻲﻓ اﻟﺸﻞﻜ اﺤﻛﺎﻲﻟ‬
‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈذا ﺎﻛن ﻫﻨﺎك ﺟﺬر وﺣﺪة‬
‫ﺑﺎﻤﻟﻌﺎدﻟﺔ ‪ 5.9‬ﻓﺈﻧﻪ ﻳﻤﻜﻦ إﺨدة ﻛﺘﺎﺑﺔ اﻤﻟﻌﺎدﻟﺔ ﺒﻟ اﻟﺸﻞﻜ اﺤﻛﺎﻲﻟ‪:‬‬
‫ً‬
‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈذا ﺎﻛن ﻫﻨﺎك‬ ‫وﻋﻤﻮﻣﺎ ﻓﺈن‬
‫ﺟﺬر وﺣﺪة ﻓﻴﻤﻜﻨﻨﺎ إﺨدة ﻛﺘﺎﺑﺔ اﻤﻟﻌﺎدﻟﺔ ‪ 5.9‬ﺒﻟ اﻟﺸﻞﻜ اﺤﻛﺎﻲﻟ‪:‬‬
‫وأن‬ ‫وﺑﺎﺳﺘﺨﺪام ﺣﻘﻴﻘﺔ أن‬

‫ﻓﻴﻤﻜﻨﻨﺎ إﺨدة ﻛﺘﺎﺑﺔ اﻤﻟﻌﺎدﻟﺔ ‪ 5.13‬ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫)‪AR(3‬‬ ‫اﺠﻘﻄﺔ اﻷﺳﺎﺳﻴﺔ ﻲﻫ أن اﻤﻟﻌﺎدﻟﺔ ‪ 5.14‬ﻲﻫ إﺨدة ﺻﻴﺎﻏﺔ ﻟﻌﻤﻠﻴﺔ‬

‫ﻲﻓ ﺣﺎﻟﺔ اﻓﺮﺘﺿﻨﺎ أن ﻫﻨﺎك ﺣﺬر وﺣﺪة‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈذا ﻗﺎرﻧﺎ ﺑﻦﻴ اﻤﻟﻌﺎدﻟﺔ ‪5.14‬‬
‫واﻤﻟﻌﺎدﻟﺔ ‪ 5.12‬ﻓﺈﻧﻨﺎ ﻧﺮى ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﻫﻨﺎك ﺟﺬر وﺣﺪة ﻓﺈن اﻤﻟﻌﺎﻣﻞ )*‪(β‬‬
‫ﻟﻠﻘﻴﻤﺔ ‪ Yt-1‬ﻲﻓ اﻤﻟﻌﺎدﻟﺔ ‪ 5.12‬ﺠﻳﺐ أن ﺗﺴﺎوي ﺻﻔﺮ‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻻﺧﺘﺒﺎر اﺳﺘﻘﺮارﻳﻪ‬
‫اﻟﻔﺮق ﻲﻓ اﻟﻌﻤﻠﻴﺔ )‪ AR(3‬ﻓﺈن اﺧﺘﺒﺎر ‪ ADF‬ﻳﺘﻄﻠﺐ ﻣﻨﺎ اﺧﺘﺒﺎر ﻓﺮﺿﻴﺔ اﻟﻌﺪم‬
‫*‪H1 : β‬‬ ‫‪) H0 : β* = 0‬ﻟﻴﺴﺖ اﺳﺘﻘﺮارﻳﺔ اﻟﻔﺮق( ﻣﻘﺎﺑﻞ اﻟﻔﺮﺿﻴﺔ اﻛﺪﻳﻠﺔ ‪< 0‬‬
‫)اﺳﺘﻘﺮارﻳﺔ اﻟﻔﺮق( ﻲﻓ ﺻﻴﻐﺔ اﻤﻟﻌﺎدﻟﺔ ‪.5.12‬‬
‫اﻤﻟﻌﺎدﻟﺔ ‪ 5.11‬ﻲﻫ ﺑﺒﺴﺎﻃﺔ إﺨدة ﺻﻴﺎﻏﺔ ﻟﻠﻌﻤﻠﻴﺔ )‪ AR(3‬ﻲﻓ اﻤﻟﻌﺎدﻟﺔ ‪،5.9‬‬
‫ﻲﻓ اﻤﻟﻌﺎدﻟﺔ ‪ 5.12‬وﺗﻮﺿﺢ‬ ‫ﻋﻤﻠﻴﺔ )‪ AR(2‬ﺳﻮف ﻳﻜﻮن ﻬﻟﺎ ﺣﺪ ﻓﺮق ﻳﺴﺎوي‬
‫ﺑﺄن ﻋﻤﻠﻴﺔ )‪ AR(3‬ﻬﻟﺎ ﺣﺪﻳﻦ ﻟﻠﻔﺮق ﻻﺧﺘﻴﺎر ﻧﻤﻮذج ﻣﻊ ﺗﻘﺎﻃﻊ )ﻣﺜﻞ اﻤﻟﻮﺟﻮد ﻲﻓ‬
‫اﻤﻟﻌﺎدﻟﺔ ‪ (5.7‬واﺠﺗﺎه )ﻣﺜﻞ اﻻﺠﺗﺎه اﻤﻟﻮﺟﻮد ﻲﻓ اﻤﻟﻌﺎدﻟﺔ ‪ (5.8‬أو ﺑﺪون ﺗﻘﺎﻃﻊ وﻻ‬
‫اﺠﺗﺎه )ﻣﺜﻞ اﻤﻟﻌﺎدﻟﺔ ‪ ،(5.6‬رﺳﻢ ﺑﻴﺎ ﻗﺪ ﻳﺴﺎﻋﺪ ﻲﻓ اﺤﻛﻮﺿﻴﺢ ﻫﻨﺎ‪ ،‬ﻓﻬﻮ ﻋﺒﺎرة ﻋﻦ‬
‫ﺳﺆال ﻋﻦ ﻣﺎ إذا ﺎﻛن اﻟﺴﻠﺴﻠﺔ ﻋﺸﻮاﺋﻴﺔ أو ﺨﻣﺘﻠﻄﺔ أو ﻛﻼﻫﻤﺎ‪ ،‬ﻫﻨﺎك د ﻞ ﺒﻟ أن‬
‫ً‬
‫اﺤﻛﻮﻗﻌﺎت ﻗﺼﺮﻴة اﻷﺟﻞ ﺑﺎﺳﺘﺨﺪام ﻞﻛ ﻫﺬه اﺠﻤﺎذج ﻬﻟﺎ إداء ﻣﺘﻘﺎرب ﺟﺪا‪ ،‬ﻓﻌﻨﺪ‬
‫اﻟﺸﻚ ﺠﻳﺐ ﻋﻠﻴﻨﺎ إﺿﺎﻓﺔ ﺗﻘﺎﻃﻊ أو ﺠﺗﺎﻫﻞ اﺣﺘﻤﺎ ﺔ اﻻﺠﺗﺎه اﻤﻟﺤﺪد‪.‬‬
‫ﻣﻦ اﻤﻟﻤﻜﻦ ﺗﻌﻤﻴﻢ اﺠﺘﺎﺋﺞ ﻟﻌﻤﻠﻴﺔ ‪ pth‬اﻻﺤﻧﺪار ا ا ﻟﻠﺮﺗﺐ‪:‬‬
‫ﺣﻴﺚ ﻳﻤﻜﻨﻨﺎ إﺨدة ﺻﻴﺎﻏﺘﻪ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫‪pth‬‬ ‫اﻤﻟﺰﻴة اﻤﻟﻬﻤﺔ ﻲﻓ إﺨدة ﺻﻴﺎﻏﺔ اﻤﻟﻌﺎدﻟﺔ ‪ 5.15‬ﻲﻫ اﺧﺘﺒﺎر ﻋﻤﻠﻴﺔ ﻣﻦ اﻟﺮﺗﺒﺔ‬
‫ﻟﻼﺳﺘﻘﺮار وﻲﻫ ﻣﺎﻜﻓﺌﺔ ﻻﺧﺘﺒﺎر ﻣﺎ إذا ﺎﻛﻧﺖ ‪ ،β*=0‬ﻓﺈذا رﻓﻀﻨﺎ ﻓﺮﺿﻴﺔ اﻟﻌﺪم‬
‫‪ H0=β*=0‬ﻓﺈن ذﻟﻚ ﻳﻌﻲﻨ أﻧﻪ ﻳﻨﺎ ﻋﻤﻠﻴﺔ ﻣﺴﺘﻘﺮة رﺗﺒﺘﻬﺎ ‪ ،pth‬وﻣﻌﺎﻣﻼت‬
‫اﻤﻟﻌﺎدﻟﺔ ‪ 5.15‬ﻳﺘﻢ ﺤﺗﺪﻳﺪﻫﺎ ﻣﻦ ﺧﻼل اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى‪ ،‬ﻻﺣﻆ ﺑﺄن ﻫﺬا‬
‫اﻻﺧﺘﺒﺎر ‪ -‬ﺗﻢ اﻹﺷﺎرة إ ﻪ ﺑﺎﻟﺮﻣﺰ )‪ - ADF(p‬ﺣﻴﺚ أن ‪ p‬ﻋﺒﺎرة ﻋﻦ رﻗﻢ‬
‫اﺤﻟﺪود اﻤﻟﺨﺘﻠﻔﺔ اﻟﻲﺘ ﺗﻀﻤﻨﻬﺎ اﻟﻄﺮف اﻷﻳﻤﻦ ﻟﻠﻤﻌﺎدﻟﺔ ‪5.15‬‬
‫اﻟﺮﺸح اﻟﺴﺎﺑﻖ ﻳﻘﻮدﻧﺎ إﻰﻟ ﺮﺷح ﺨﻣﺮﺟﺎت ‪ EViews‬ﺨﺑﺼﻮص ﺟﺬور اﻟﻮﺣﺪة‬
‫ﺑﺘﻔﺎﺻﻴﻞ أﻛﺮﺜ‪.‬‬
‫ً‬
‫اﻤﻟﻌﺎدﻟﺔ ‪ 5.15‬ﺳﻮف ﺗﺄﺧﺬ ﺷﻞﻜ ﺨﻣﺘﻠﻒ ﻗﻠﻴﻼ إذا ﺗﻢ ﺗﻀﻤﻦﻴ اﺠﺗﺎه ﺤﻣﺪد‪.‬‬
‫ﻫﻨﺎك ﺛﻼﺛﺔ ﻧﻘﺎط أﺧﺮى‪ ،‬ﻗﺪ ﻳﻜﻮن ﻫﻨﺎك أﻛﺮﺜ ﻣﻦ ﺟﺬر وﺣﺪة واﺣﺪ‪،‬‬
‫وﻟﻜﻦ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﺗﺄﺧﺬ ﺟﺬر وﺣﺪة واﺣﺪ وﻻ ﻳﻜﻮن ﻣﺴﺘﻘﺮ اﻟﻔﺮق؛‬
‫ً‬
‫ﺛﺎﻧﻴﺎ ﻋﻤﻠﻴﺎت ‪ DF‬و ‪ ADF‬ﻳﻤﻜﻦ ﺗﻄﺒﻴﻘﻬﺎ ﻓﻘﻂ ﺒﻟ ﻋﻤﻠﻴﺎت ‪ ،AR‬وﻟﻜﻦ ﻣﺎذا‬
‫ﻟﻮ ﺎﻛﻧﺖ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ‪ MA‬ﺤﺑﺘﻪ أو ﺧﻠﻴﻂ ﻣﺎ ﺑﻦﻴ )‪ AR/M(A‬؟ واﻟ ء‬
‫اﺠﻟﻴﺪ ﻫﻮ أﻧﻪ إذا ﺎﻛﻧﺖ ﺗﺘﺬﻛﺮ ﺮﺷط اﻤﻟﻌﻜﻮس ﻓﺈن ﺣﺪ ‪ MA‬ﻳﻤﻜﻦ ﺻﻴﺎﻏﺘﻪ ﻲﻓ‬
‫ﺷﻞﻜ ‪ ، AR‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﻋﻤﻠﻴﺔ )‪ MA(1‬ﻳﻤﻜﻦ ﺤﺗﻮﻳﻠﻬﺎ إﻰﻟ ﻋﻤﻠﻴﺔ ‪ AR‬ﻻ‬
‫ً‬
‫ﻧﻬﺎﺋﻴﺔ‪ ،‬ﺛﺎﺨﻛﺎ اﺧﺘﺒﺎرات ‪ DF‬و ‪ ADF‬ﺗﻔﺮﺘض ﺑﺄن اﻛﻮاﻲﻗ ﻏﺮﻴ ﻣﺮﺘاﺑﻄﺔ وﻬﻟﺎ ﺗﺒﺎﻳﻦ‬
‫ﺛﺎﺑﺖ‪ ،‬اﺧﺘﺒﺎر ‪ Phillips-Perron‬ﺗﻢ اﺷﺘﻘﺎﻗﻪ ﺤﺑﻴﺚ ﻳﻤﻜﻦ ﺗﻄﺒﻴﻘﻪ ﺑﺪون ﻫﺬه‬
‫اﻟﻔﺮﺿﻴﺎت‪.‬‬
‫اﻟﻤﻠﺤﻖ ‪ :5.1‬اﻟﻨﻈﺮﻳﺔ اﻟﺜﻨﺎﺋﻴﺔ‬

‫‪Appendix 5.1: The binomial Teorem‬‬
‫ﻳﻤﻜﻦ اﺤﻛﺤﻘﻖ ﻣﻦ أن ‪(x+a)1=(x+a), (x+a)2 = x2 + 2ax + a2,‬‬
‫‪ ... (x+a)3=x3+3xa2+3a2x+a3, (x+a)4=x4+4ax3+6a2x2+4a3x+a4‬اﻟﺦ‪ ،‬أس ‪x‬‬
‫ﻳﺘﻨﺎﻗﺺ ﺑـ ‪ 1‬وأس ﻳﺰﺘاﻳﺪ ﺑـ ‪ 1‬ﻠﻛﻤﺎ اﻧﺘﻘﻠﺖ ﻣﻦ ﺣﺪ إﻰﻟ ﺣﺪ‪ ،‬اﻤﻟﻌﺎﻣﻼت اﻟﺮﻗﻤﻴﺔ‬
‫ﻣﻌﻄﺎة ﻣﻦ ﺧﻼل ﻣﺜﻠﺚ ﺑﺎﺳﺎﻜل ‪Pascal’s triangle‬‬
‫‪1‬‬
‫‪1‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪3‬‬ ‫‪3‬‬ ‫‪1‬‬
‫‪1‬‬ ‫‪4‬‬ ‫‪6‬‬ ‫‪4‬‬ ‫‪1‬‬
‫وﺑﺒﺴﺎطﺔ ﻗﻢ ﺑﺠﻤﻊ رﻗﻤﯿﻦ ﻋﻠﻰ اﻟﺘﻮاﻟﻲ ﻓﻲ أي ﺻﻒ واﻛﺘﺐ اﻟﻤﺠﻤﻮع ﺑﯿﻨﮭﻤﺎ ﻓﻲ‬
‫اﻟﺼﻒ اﻷﺳﻔﻞ‪ ،‬وﺑﺎﻟﺘﺎﻟﻲ ﻓﺈن اﻟﺼﻒ اﻟﺘﺎﻟﻲ ﺳﻮف ﯾﻜﻮن ‪ 1 ،5 ،10 ،10 ،5 ،1‬ﺣﯿﺚ أن‬
‫‪(x + a)5 = x5 + 5ax4 + 10a2x3 + 10a3x2 + 5a4x + a5‬‬
‫ﻣﺜﻠﺚ ﺑﺎﺳﺎﻜل ﻳﻌﻤﻞ ﻓﻘﻂ ﻟـ ‪ (x + a)n‬ﺣﻴﺚ أن ‪ n‬ﻋﺪد ﺻﺤﻴﺢ‪ ،‬وﺑﺎﻟﻨﺴﺒﺔ‬
‫ﻟﻠﻘﻴﻢ اﻟﺴﺎﻛﺔ واﻟﻜﺮﺴﻳﺔ ﻓﺈن اﻷس ‪ n‬ﻓﺈﻧﻨﺎ ﻧﻨﺘﻘﻞ إﻰﻟ اﺠﻈﺮﻳﺔ اﺨﻛﻨﺎﺋﻴﺔ واﻟﻲﺘ‬
‫ﺗﻨﺺ ﺒﻟ أن ﻟﻞﻜ ‪n‬‬
‫أﻳﻦ ﻫﻮ اﻟﺮﺘﻣﺰﻴ اﻟﻌﺎﻣﻲﻠ ﻲﻓ ﻣﺜﻞ ذﻟﻚ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ‪4!= 4 ×3 × 2 × 1 = 24‬‬
‫ُ ﻗﺪ ﺗﺮﻏﺐ ﻲﻓ اﺤﻛﺤﻘﻖ ﻣﻦ اﺠﺘﺎﺋﺞ ﻟـ ‪ (x + a)5‬ﻣﻦ ﺧﻼل اﺠﻈﺮﻳﺔ اﺨﻛﻨﺎﺋﻴﺔ‪ ،‬إذا ﺎﻛن‬
‫اﻷس ‪ n‬ﻋﺪد ﺻﺤﻴﺢ ﻓﺈن رﻗﻢ اﺤﻟﺪود اﻤﻟﻀﻤﻨﺔ ﻲﻓ ﻫﺬه اﻟﻌﻤﻠﻴﺔ ﻳﻜﻮن )‪ (n + 1‬وﻫﺬه‬
‫اﻟﻌﻤﻠﻴﺔ اﻟﺮﺘﺑﻴﻌﻴﺔ ‪ (x + a)2‬ﺗﺘﻀﻤﻦ ﺛﻼﺛﺔ ﺣﺪود‪ ،‬واﻟﻌﻤﻠﻴﺔ اﺤﻛﻜﻌﻴﺒﻴﺔ ﺗﺘﻀﻤﻦ‬
‫أرﺑﻌﺔ ﺣﺪود وﻫﻜﺬا‪ ،‬وﻋﻤﻮﻣﺎ إذا ﺎﻛﻧﺖ ‪ n‬ﻛﺮﺴ أو ﻋﺪد ﺳﺎﻟﺐ ﻓﺈن اﻷس‬
‫ﻳﻜﻮن ﻋﺪد ﻻ ﻧﻬﺎ ﻣﻦ اﺤﻟﺪود‪.‬‬
‫ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر اﻷس ‪(1 + x)-1‬وﻣﻦ ﺧﻼل اﺳﺘﺒﺪال‬
‫‪ x‬ﺑﺮﻗﻢ ‪ a ،1‬ﺑﺎﺤﻟﺮف ‪ x‬و ‪ n‬ﺑﺎﻟﺮﻗﻢ ‪ - 1‬ﻲﻓ اﻷس اﺨﻛﻨﺎ ﻲﻓ اﺠﻤﻮذج اﻟﺴﺎﺑﻖ ﻓﺈﻧﻨﺎ‬
‫ﺤﻧﺼﻞ ﺒﻟ‬
‫اﻣﺘﺪاد ﻫﺬه اﻟﺴﻠﺴﻠﺔ ﻣﺘﻘﺎرب إذا ﺎﻛن وﻓﻘﻂ إذا ﺎﻛن ‪ ، x <1‬ﻧﻔﺲ ﻗﺎﻋﺪة‬
‫اﺤﻛﻘﺎرب ﻳﻤﻜﻦ ﺗﻄﺒﻴﻘﻬﺎ ﺒﻟ ﺳﻠﺴﻠﺔ ﻣﺘﻮﺳﻌﺔ ﻟـ ‪ ،(1 - x)n‬واﺤﻛﻘﺎرب ﻧﻌﻲﻨ ﺑﻪ‬
‫أن ﺠﻣﻤﻮع اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻳﺼﻞ إﻰﻟ ﺣﺪ ﻧﻬﺎ ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل اﻟﺴﻠﺴﻠﺔ‬
‫ً‬
‫ﺗﻘﺮﺘب ﻣﻦ ﺣﺪ ‪ 2‬ﻠﻛﻤﺎ أﺿﻔﺖ ﺣﺪودا أﻛﺮﺒ‪،‬‬ ‫اﻬﻟﻨﺪﺳﻴﺔ‬
‫وﺑﺎﻟﻌﻜﺲ ﻓﺈن اﻟﺴﻠﺴﻠﺔ اﻬﻟﻨﺪﺳﻴﺔ … ‪ 1 + 4 + 16 + 64 +‬ﻣﺘﺸﻌﺒﺔ ﻷﻧﻬﺎ ﺗﺼﺒﺢ‬
‫ً‬
‫أﻛﺮﺒ وأﻛﺮﺒ ﻠﻛﻤﺎ أﺿﻔﺖ ﺣﺪودا أﻛﺮﺒ‪ ،‬اﻟﺴﻠﺴﻠﺔ اﻷﺧﺮﻴة ﻻ ﺗﺼﻞ إﻰﻟ ﺣﺪ ﻧﻬﺎ‬
‫و ﻧﻤﺎ ﺠﻣﻤﻮﻋﻬﺎ ﻳﺼﺒﺢ ﻻ ﻧﻬﺎ ‪.‬‬
‫وﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر اﻟﻘﺎﻋﺪة اﻟﺴﺎﺑﻘﺔ ﻟﻠﺘﻘﺎرب ﻓﻴﻤﻜﻨﻨﺎ إدراج ‪ x = 0.01‬ﻲﻓ‬
‫اﻟﺴﻠﺴﻠﺔ اﻟﺴﺎﺑﻘﺔ ﻟﻠﺤﺼﻮل ﺒﻟ ‪:‬‬
‫… ‪(1.01)-1 = 1 - 0.01 + (0.01)2 - (0.01)3 + (0.01)4 +‬‬
‫وﺠﺑﻤﻊ اﺤﻟﺪود اﺨﻟﻤﺴﺔ ﻲﻓ اﺠﻟﺎﻧﺐ اﻷﻳﻤﻦ ﻟﻠﻤﻌﺎدﻟﺔ ﺤﻧﺼﻞ ﺒﻟ ‪(1.01)-1‬‬
‫ً‬
‫وﺗﻘﺮﻳﺒﺎ ﻳﺴﺎوي ‪ ، 0.99009901‬و اﺤﻟﻘﻴﻘﺔ ﻓﺈن ‪(1.01)-1 = 0.990099009‬ﻻﺣﻆ‬
‫ﺑﺄﻧﻪ ﻣﻦ ﻏﺮﻴ اﻟﺼﺤﻴﺢ إدراج ‪ x = 3‬ﻲﻓ اﻟﺴﻠﺴﻠﺔ اﻟﺴﺎﺑﻘﺔ ﻷﻧﻨﺎ ﺳﻮف ﺤﻧﺼﻞ ﺒﻟ‬
‫‪(4)-1‬ﻷن ‪ x = 3‬وﻲﻫ ﺧﺎرج ﻧﻄﺎق اﺤﻛﻘﺎرب‪ ،‬اﻟﺴﻠﺴﻠﺔ ﺳﻮف ﺗﺒﺘﻌﺪ ﻋﻦ اﻹﺟﺎﺑﺔ‬
‫اﻟﺼﺤﻴﺤﺔ وﻲﻫ ‪.(4)-1 = 0.25‬‬
‫اﻟﻤﻠﺤﻖ ‪ :5.2‬اﻟﻤﻌﺎدﻟﺔ ﻣﻦ اﻟﺪرﺟﺔ اﻟﺜﺎﻧﻴﺔ‬

‫‪Appendix 5.2: The Quadratic Equation‬‬
‫‪a‬‬ ‫واﻟﻲﺘ ﺑﻬﺎ ‪ a، b، c‬ﺛﻮاﺑﺖ ﺣﻴﺚ أن ‪≠ 0‬‬ ‫اﻤﻟﻌﺎدﻟﺔ‬

‫ُ‬
‫وﻫﺬا ﺗﺴﻰﻤ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ‪ ،‬وﻋﻨﺪﻣﺎ ﻧﻘﻮم ﺤﺑﻞ ﻣﻌﺎدﻟﺔ ﻣﻦ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ ﺗﺴﺎوي‬
‫ﺻﻔﺮ ﻓﺈﻧﻨﺎ ﻧﻘﻮل ﺑﺄﻧﻨﺎ ﻧﻘﻮم ﺑﺈﻧﺸﺎء ﺟﺬور ﻟﺘرﺟﺔ اﺨﻛﺎﻧﻴﺔ )أي ﺑﻤﻌﻲﻨ أﻧﻬﺎ ﺗﻘﻄﻊ‬
‫ﻓﺈﻧﻨﺎ‬ ‫ﺤﻣﻮر ‪ ،(x‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﺤﻟﻞ اﻤﻟﻌﺎدﻟﺔ‬
‫ﻧﺴﺘﺨﺪم ﻋﻮاﻣﻞ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ ‪ (x-4)(x+3)=0‬واﺠﻟﺬور ‪(x - 5)(x - 5) = 0‬‬
‫و ‪.x = 5‬‬
‫ﻲﻓ ﺑﻌﺾ اﻷﺣﻴﺎن ﻣﻌﺎدﻟﺔ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ ﻗﺪ ﺗﻜﻮن رﻗﻢ ﻣﺮ ﺐ‪ ،‬واﻟﺮﻗﻢ‬
‫ُ‬
‫اﻤﻟﺮ ﺐ ﻳﻜﻮن ﻲﻓ ﺷﻞﻜ ‪ c + id‬ﺣﻴﺚ أن ‪ c‬و ‪ d‬ﺛﻮاﺑﺖ ﻣﻮﺟﺒﺔ أو ﺳﺎﻛﺔ وﺗﻌﺮف‬
‫ﻫﻮ رﻗﻢ ﻣﺮ ﺐ‬ ‫‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‬ ‫ﺑﺄﻧﻬﺎ ﺗﺴﺎوي‬
‫ورﻗﻢ ‪ 4‬ﻫﻨﺎ ﻳُﺴﻰﻤ اﺠﻟﺰء اﺤﻟﻘﻴﻲﻘ )‪ (Re‬ورﻗﻢ ‪ 7‬ﻳُﺴﻰﻤ اﺠﻟﺰء اﺨﻟﻴﺎﻲﻟ )‪ ،(Im‬اﺠﻟﺰء‬
‫اﺤﻟﻘﻴﻲﻘ ﻟﻠﺮﻗﻢ اﻤﻟﺮ ﺐ ﻳﻤﻜﻦ أن ﻳﻜﻮن ﺻﻔﺮ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‬
‫‪ ،‬اﻟﺮﻗﻢ‬ ‫‪ ،‬وﺑﺎﻤﻟﺜﻞ ﻓﺈن‬ ‫ﺣﻴﺚ أن‬
‫اﻤﻟﺮ ﺐ ﻗﺪ ﻳﺘﻢ ﺗﻤﺜﻴﻠﻪ ﻣﻦ ﺧﻼل ﺨﻣﻄﻂ أرﺬﻟﻧﺪ ‪ Argand Diagram‬وا ي ﻫﻮ‬
‫ﺧﺎص ﺑـ ‪ Im‬اﻟﺸﻞﻜ ‪ 5.2‬ﻳﻌﺮض‬ ‫ﻋﺒﺎرة ﻋﻦ ﺤﻣﻮر أﻓﻲﻘ ﺧﺎص ﺑـ ‪ Re‬وﺤﻣﻮر رأ‬
‫رﻗﻢ ﻣﺮ ﺐ ‪ ، 2 + 3i‬اﺨﻟﻂ اﻤﻟﺴﺘﻘﻴﻢ ﻳُﺴﻰﻤ ﻣﺘﺠﻪ‪ ،‬ﻃﻮل ﻫﺬا اﻻﺠﺗﺎه ﻳﺘﻢ ﺣﺴﺎﺑﻪ‬
‫‪.‬‬ ‫ﻣﻦ ﺧﻼل ﻓﻴﺜﺎﻏﻮرس ﻟﻴﺴﺎوي‬
‫وﺑﺎﻤﻟﺜﻞ ﻓﺈن ﺣﻞ اﻤﻟﻌﺎدﻟﺔ ﻣﻦ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ‬
‫إﻰﻟ‬ ‫وﻧﻘﻮم ﺑﺈﺿﺎﻓﺔ‬ ‫وﺑﺎﻟﻘﺴﻤﺔ ﺒﻟ ‪ a‬ﻳﻤﻜﻨﻨﺎ اﺷﺘﻘﺎق‬
‫ﻃﺮ اﻤﻟﻌﺎدﻟﺔ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :2 .5‬ﻣﺨﻄﻂ أرﻏﺎﻧﺪ ﻟﻠﺮﻗﻢ اﻟﻤﺮﻛﺐ ‪2 + 3i‬‬
‫)ﺑﻤﺎ أن اﺠﻟﺬر اﻟﺮﺘﺑﻴﻲﻌ ﻳﻤﻜﻦ أن ﻳﻜﻮن ﻣﻮﺟﺐ ‪ +‬أو ﺳﺎﻟﺐ ‪ ، -‬ﺒﻟ ﺳﺒﻴﻞ‬
‫( وﻳﻤﻜﻨﻨﺎ اﺷﺘﻘﺎق اﻤﻟﻌﺎدﻟﺔ اﺤﻛﺎ ﺔ‪:‬‬ ‫اﻤﻟﺜﺎل‬
‫ھﺬه اﻟﻤﻌﺎدﻟﺔ ﺗﻌﻄﻲ اﻟﺠﺬور اﻟﺘﺮﺑﯿﻌﯿﺔ‪ ،‬ﻓﻌﻠﻰ ﺳﺒﯿﻞ اﻟﻤﺜﺎل إذا ﻛﻨﺎ ﻧﺮﯾﺪ ﺣﻞ‬
‫ﻓﻨﻘﻮم ﺑﺎﻟﺘﻌﻮﯾﺾ ﻛﻤﺎ ﯾﻠﻲ ‪، b = -13 ،a = 1‬‬ ‫اﻟﻤﻌﺎدﻟﺔ‬
‫‪ c = 42‬ﺣﻴﺚ أن‬
‫اﺠﻟﺬور ﻲﻫ ‪ x = 7‬و ‪ x = 6‬وﻫﺬه اﺠﻟﺬور اﺤﻟﻘﻴﻘﻴﺔ ﻲﻫ ﻋﻜﺲ اﺠﻟﺬور اﻤﻟﺮ ﺒﺔ‪،‬‬

‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﻌﻨﺪﻣﺎ ﻧﻘﻮم ﺑﺎﻟﻘﺴﻤﺔ ﻓﺈن اﻤﻟﻌﺎدﻟﺔ ﻣﻦ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ ﺠﻳﺐ أن ﺗﻜﻮن‬
‫‪ ، (x - 6)(x - 7) = 0‬ﻻﺣﻆ ﺑﺄن اﻤﻟﻌﺎدﻟﺔ ﻣﻦ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ ﻳﻤﻜﻦ أن ﻳﻜﻮن‬
‫ﻬﻟﺎ ﺣﺬرﻳﻦ ﺣﻘﻴﻘﻴﻦﻴ أو ﺣﺬرﻳﻦ ﻣﺮ ﺒﻦﻴ أو ﺟﺬور ﻣﻜﺮرة ﻓﻘﻂ‪ ،‬وﻻ ﻳﻤﻜﻦ أن‬
‫ﻳﻜﻮن ﻬﻟﺎ ﺟﺬر ﺣﻘﻴﻲﻘ واﺣﺪ أو ﺟﺬر ً ﻣﺮ ﺐ واﺣﺪ‪ ،‬وﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﺮﺘﺗﻴﺐ ‪ n‬ﻛﺜﺮﻴ ً‬
‫اﺤﻟﺪود ﻓﺈن اﺠﻟﺬور اﻤﻟﺮ ﺒﺔ ﺗﻈﻬﺮ داﺋﻤﺎ ﻲﻓ أزواج‪ ،‬أي ﺑﻌﺒﺎرة أﺧﺮى ﻫﻨﺎك داﺋﻤﺎ‬
‫ﻋﺪد زو ﻟﻠﺠﺬور‪.‬‬
‫ُ‬
‫اﻟﻜﻤﻴﺔ ‪ b - 4ac‬ﻲﻓ اﻤﻟﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ ﻟﻠﺠﺬور اﻟﺮﺘﺑﻴﻌﻴﺔ ﺗﺴﻰﻤ اﺤﻛﻤﻴﺰﻴ‬
‫‪2‬‬
‫‪ ، discriminant‬ﻓﺈذا ﺎﻛن اﺤﻛﻤﻴﺰﻴ ﺳﺎﻟﺐ ﻓﺈن اﻟﺮﺘﺑﻴﻊ ﺠﻳﺐ أن ﻳﻜﻮن ﺟﺬور‬

‫ﻣﺮ ﺒﺔ )ﻷﻧﻨﺎ ﻧﺄﺧﺬ اﺠﻟﺬر اﻟﺮﺘﺑﻴﻲﻌ ﻟﻠﺮﻗﻢ اﻟﺴﺎﻟﺐ(‪ ،‬و ذا ﺎﻛن اﺤﻛﻤﻴﺰﻴ ﻳﺴﺎوي ﺻﻔﺮ‬
‫ﻓﺈن اﻟﺮﺘﺑﻴﻊ ﺟﺬور ﻣﻜﺮرة‪ ،‬ﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر اﻤﻟﻌﺎدﻟﺔ‬
‫ﻣﻦ اﻟﻮاﺿﺢ أﻧﻪ ﺗﻤﻴﺰﻴ ﺳﺎﻟﺐ وﺗﻜﻮن ﻳﻨﺎ اﻤﻟﻌﺎدﻟﺔ‬ ‫ﻓﺈن اﺤﻛﻤﻴﺰﻴ‬
‫ﻷن‬
‫و‬ ‫ﻫﺬا اﻟﺮﺘﺑﻴﻊ زوج ﻣﻦ اﺠﻟﺬور اﻤﻟﺮ ﺒﺔ‬
‫ﻫﻨﺎك ﻋﻼﻗﺔ ﺑﻦﻴ اﻤﻟﻌﺎﻣﻼت ﻲﻓ ﻣﻌﺎدﻟﺔ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ وﺟﺬور اﻤﻟﻌﺎدﻟﺔ‪،‬‬

‫ﻓﺈن ﺣﻞ ﻫﺬه اﺠﻟﺬور‬ ‫ﻓﺈذا اﻓﺮﺘﺿﻨﺎ ﺑﺄن ﻣﻌﺎدﻟﺔ ا رﺟﺔ اﺨﻛﺎﻧﻴﺔ ﻬﻟﺎ ﺟﺬور‬
‫اﻟﺮﺘﺑﻴﻌﻴﺔ ﻳﺴﺎوي ﺻﻔﺮ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫وﻫﺬا ﻳﻌﻲﻨ أﻧﻪ )ﺑﺎﻟﻘﺴﻤﺔ ﺒﻟ ‪(a‬‬
‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن‬ ‫وﻟﻜﻨﻨﺎ ﻧﻌﻠﻢ ﺑﺄن اﺠﻟﺬور ﻲﻫ‬
‫اﻟﻄﺮﻳﻘﺔ اﻟﻮﺣﻴﺪة اﻟﻲﺘ ﻳﻤﻜﻦ أن ﻳﻜﻮن ﺑﻬﺎ اﺨﻟﻄﻦﻴ اﻹﺛﻨﻦﻴ ﻣﺴﺎوﻳﻦﻴ‬

‫ﻟﻠﺼﻔﺮ ﺗﻜﻮن ﻋﻨﺪﻣﺎ‬
‫ﺠﻣﻤﻮع اﺠﻟﺬور‬
‫وﻧﺎﺗﺞ ﻫﺬه اﺠﻟﺬور ﻫﻮ‬
‫واﻟﺘﻲ ﺳﺒﻖ وﻋﺮﻓﻨﺎ‬ ‫ﻣﺮة أﺧﺮى ﻟﻨﺄﺧﺬ ﻓﻲ اﻻﻋﺘﺒﺎر اﻟﺠﺬور‬

‫‪ ،‬واﻵن ﻟﮭﺬه اﻟﻤﻌﺎدﻟﺔ اﻟﺘﺮﺑﯿﻌﯿﺔ ﻣﻦ‬ ‫و‬ ‫أن‬
‫اﻟﺪرﺟﺔ اﻟﺜﺎﻧﯿﺔ ﻓﺈن ‪ a=1‬و ‪ c=28 ، b=-4‬وﺑﺎﻟﺘﺎﻟﻲ ﻓﺈن ﻣﺠﻤﻮع اﻟﺠﺬور ﯾﺠﺐ أن ﯾﺴﺎوي‬
‫وﻣﺠﻤﻮع اﻟﺠﺬور ﯾﻜﻮن )‪ (2 + 4.898i) + (2 - 4.898i‬وھﺬا ﯾﺴﺎوي‬
‫‪ ،‬وﻟﻠﺘﺄﻛﯿﺪ ﻓﺈن ﻧﺎﺗﺞ اﻟﺠﺬور‬ ‫ﺑﺎﻟﺘﺄﻛﯿﺪ ‪ ،4‬ﻧﺎﺗﺞ اﻟﺠﺬور ﯾﻔﺘﺮض أن ﯾﺴﺎوي‬
‫ﻛﻤﺎ ھﻮ ﻣﻄﻠﻮب ﻷن‬

‫(‪٦‬‬
‫ﺍﻟﺘﻨﺒﺆ ﺍﻻﻗﺘﺼﺎﺩﻱ ﺑﺎﺳﺘﺨﺪﺍﻡ ﺍﻻﻧﺤﺪﺍﺭ‬
‫ً‬
‫ﺳﻮاء ﺎﻛﻧﺖ‬ ‫اﺤﻛﺨﻄﻴﻂ ﻟﻠﻤﺴﺘﻘﺒﻞ ﻫﻮ ﺟﺰء أﺳﺎ ﻣﻦ إدارة أي ﻣﻨﻈﻤﺔ‬
‫ﺣﻜﻮﻣﻴﺔ‪ ،‬ﺠﺗﺎرﻳﺔ‪ ،‬ﺻﻨﺎﻋﻴﺔ أو اﺟﺘﻤﺎﻋﻴﺔ؛ وذﻟﻚ ﻋﺮﺒ ﺻﻨﻊ ﺗﻨﺒﺆات ﻣﻼﺋﻤﺔ‬
‫ﺣﻮل اﻟﻌﻮاﻣﻞ اﻟﻲﺘ ﺗﺆﺛﺮ ﺑﺸﻞﻜ ﺣﺎﺳﻢ ﺒﻟ ﺠﻧﺎح ﻋﻤﻠﻴﺎت ﺗﻠﻚ اﻤﻟﻨﻈﻤﺔ‪ .‬إن ﻃﺮق‬
‫اﺤﻛﻨﺒﺆ ﺗﻨﻘﺴﻢ إﻰﻟ ﺠﻣﻤﻮﻋﺘﻦﻴ؛ ﻧﻮﻲﻋ و ﻲﻤ‪ .‬اﻟﻄﺮق اﺠﻮﻋﻴﺔ ﻲﻓ اﺤﻛﻨﺒﺆ ﺗﺸﻤﻞ ﺗﻠﻚ‬
‫اﻤﻟﻨﺎﻫﺞ اﻟﻲﺘ ﺗﻌﺘﻤﺪ ﺒﻟ اﺻﺪار اﻷﺣﺎﻜم ً‬
‫ﺑﻨﺎء ﺒﻟ اﺨﻟﺮﺒة واﺤﻟﺪس‪ ،‬وﺗﺴﺘﺨﺪم ﻫﺬه‬
‫اﻷﺳﺎ ﺐ ﺑﺸﻞﻜ ﺧﺎص ﻣﻦ ﻗﺒﻞ اﻹدارة ﻋﻨﺪﻣﺎ ﻻ ﻳﻮﺟﺪ اﺣﺘﻤﺎل ﺑﺄن اﻟﻈﺮوف‬
‫اﺤﻟﺎ ﺔ ﺳﺘﺴﺘﻤﺮ ﻲﻓ اﻤﻟﺴﺘﻘﺒﻞ‪ .‬ﻣﻦ ﻧﺎﺣﻴ ٍﺔ أﺧﺮى‪ ،‬وﻟﻼﺳﺘﺪﻻل ﺒﻟ أﻫﻤﻴﺔ‬
‫اﻷﺳﺎ ﺐ اﻟﻜﻤﻴﺔ‪ ،‬ﻓﺈﻧﻪ و ﻤﺟﻴﻊ ﻓﺮوع اﻛﺤﺚ اﻟﻌﻠﻲﻤ‪ ،‬وﺧﻼل اﺨﻛﻼﺛﻦﻴ ﺳﻨﺔ‬
‫اﻤﻟﺎﺿﻴﺔ‪ ،‬ﻟﻢ ﺗﺘﺤﺼﻞ أي أداة إﺣﺼﺎﺋﻴﺔ ﺒﻟ اﻻﻫﺘﻤﺎم ا ي ﺤﺗﺼﻞ ﻋﻠﻴﻪ ﺤﺗﻠﻴﻞ‬
‫اﻻﺤﻧﺪار‪.‬‬
‫ﺒﻟ اﻟﺮﻏﻢ ﻣﻦ اﻻﻋﺘﻘﺎد اﺨﻟﺎﻃﺊ واﻟﺸﺎﺋﻊ ﺑﻦﻴ ﻣﺴﺘﺨﺪﻲﻣ اﻻﺤﻧﺪار ﻣﻦ ﻏﺮﻴ‬
‫اﻹﺣﺼﺎﺋﻴﻦﻴ ﺑﺄن اﻬﻟﺪف اﻷﺳﺎ ﻻﺳﺘﺨﺪام ﻃﺮق اﻻﺤﻧﺪار ﻫﻮ ﺗﻮ ﺪ اﺤﻛﻨﺒﺆات‪،‬‬
‫ّ‬
‫إﻻ أن ﺤﺗﻠﻴﻞ اﻻﺤﻧﺪار وﺠﺑﺎﻧﺐ ﻛﻮﻧﻪ أداة ﻟﻠﺘﻨﺒﺆ؛ ﻓﺈﻧﻪ ﺤﻳﺎول إﻟﻘﺎء اﻟﻀﻮء ﺒﻟ‬
‫اﻵ ﺎت )‪ (mechanisms‬اﻟﻲﺘ ﺗﺮﺑﻂ ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴات‪ .‬اﻤﻟﻌﺮﻓﺔ ﺑﻬﺬه اﻵ ﺎت‪ ،‬ﻲﻓ‬
‫ﺑﻌﺾ اﺤﻟﺎﻻت‪ ،‬ﺗﺴﻤﺢ ﺑﺪرﺟﺔ ﻣﻦ اﻟﺴﻴﻄﺮة‪ .‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬ﻓﺈن ﻣﻌﺮﻓﺔ ﻛﻴﻒ‬
‫ﺗﺴﺎﻫﻢ ﺑﻌﺾ اﻟﻌﻮاﻣﻞ ﻲﻓ إﻧﺘﺎج ﻣﻮاد ﺻﻨﺎﻋﻴﺔ ذات ﻋﻴﻮب ﻗﺪ ﻳﺴﺎﻋﺪ ﻲﻓ ﺨﺗﻔﻴﺾ‬
‫ﻣﻌﺪل ﻋﻴﻮب اﻟﺼﻨﺎﻋﺔ‪ .‬ﻛﺬﻟﻚ‪ ،‬ﻓﺈن ﻣﻌﺮﻓﺔ اﻟﻌﻮاﻣﻞ اﻟﻲﺘ ﺤﺗﺮك اﺤﻛﻐﺮﻴات ﻲﻓ‬
‫أﺳﻌﺎر اﻷﺳﻬﻢ ﻣﻦ ﺷﺄﻧﻪ أن ﻳﺴﺎﻋﺪ ﻲﻓ اﺧﺘﻴﺎر اﻤﻟﺤﻔﻈﺔ اﻤﻟﻼﺋﻤﺔ‪ .‬اﻻﺤﻧﺪار ﻫﻮ‬
‫أداة ﻟﻠﺘﻨﺒﺆ واﺤﻛﻔﺴﺮﻴ )ﻲﻓ ﺣﺎﻟﺔ ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪ ،‬وﻲﻫ ﺗﻘﻨﻴﺔ ﺗﻤﺖ‬
‫ﻣﻨﺎﻗﺸﺘﻬﺎ ﻲﻓ اﻟﻔﺼﻠﻦﻴ اﺨﻛﺎﻟﺚ واﻟﺮاﺑﻊ‪ ،‬ﻓﻲﻬ ﺗﻌﺘﺮﺒ ﻓﻘﻂ أداة ﻟﻠﺘﻨﺒﺆ(‪ .‬ﻣﻦ ﺑﻦﻴ‬
‫ً‬
‫ﻞﻛ ﻧﻤﺎذج اﻻﺤﻧﺪار‪ ،‬ﻓﺈن اﺠﻤﻮذج اﺨﻟﻄﻲ ﻫﻮ اﻷﻛﺮﺜ ﺗﻄﺒﻴﻘﺎ ﺒﻟ ﻧﻄﺎق واﺳﻊ‪.‬‬
‫اﻬﻟﺪف ﻣﻦ اﺤﻛﻨﺒﺆ ﻫﻮ ﺗﻘﺪﻳﻢ ﺗﻘﺪﻳﺮ )أو ﺗﻘﺪﻳﺮات( ﻛﻤﻴﺔ ﻻﺣﺘﻤﺎﻻت اﻤﻟﺴﺎر‬
‫ً‬
‫اﻤﻟﺴﺘﻘﺒﻲﻠ ﻟﻠﻤﺘﻐﺮﻴ ﺤﻣﻞ اﻻﻫﺘﻤﺎم‪ .‬إن ﻫﺪف اﺤﻛﻨﺒﺆ ﻳﻤﻜﻦ ﺤﺗﻘﻴﻘﻪ اﺳﺘﻨﺎدا ﺒﻟ‬
‫اﻤﻟﻌﻠﻮﻣﺎت )أو اﻛﻴﺎﻧﺎت( اﺤﻛﺎرﺨﻳﻴﺔ واﺤﻟﺎ ﺔ‪ .‬اﺤﻛﻨﺒﺆ اﻻﻗﺘﺼﺎدي ﻣﻔﻴﺪ ﻲﻓ اﻟﻌﺪﻳﺪ‬
‫ﻣﻦ اﻤﻟﺠﺎﻻت اﻻﻗﺘﺼﺎدﻳﺔ‪ ،‬ﻧﺬﻛﺮ ﻣﻨﻬﺎ‪:‬‬
‫‪ - 1‬اﺤﻛﺨﻄﻴﻂ اﻟﺘﺸﻐﻴﻲﻠ‪ ،‬إدارة اﻤﻟﺨﺰون‪ ،‬ﺨﺗﻄﻴﻂ اﻹﻧﺘﺎج واﻤﻟﺒﻴﻌﺎت‬
‫‪ - 2‬اﺤﻛﻨﺒﺆ ﺑﻤﺴﺘﻮﻳﺎت اﺠﺎﺗﺞ اﻤﻟﺤﻲﻠ اﻹﻤﺟﺎﻲﻟ ‪ ،GDP‬اﻛﻄﺎﻟﺔ‪ ،‬اﻻﺳﺘﻬﻼك‪،‬‬
‫اﻻﺳﺘﺜﻤﺎر وﻣﻌﺪﻻت اﻟﻔﺎﺋﺪة‬
‫‪ - 3‬إدارة اﻷﺻﻮل اﻤﻟﺎ ﺔ ﻣﺜﻞ ﻋﻮاﺋﺪ اﻷﺻﻮل‪ ،‬وأﺳﻌﺎر اﻟﺮﺼف وأﺳﻌﺎر اﻟﺴﻠﻊ‬
‫‪ - 4‬اﺤﻛﻨﺒﺆ اﻤﻟﺘﻌﻠﻖ ﺑﺎﻤﻟﺰﻴاﻧﻴﺎت واﻻﻳﺮادات ﻲﻓ اﻟﻘﻄﺎع اﺤﻟﻜﻮﻲﻣ وﻗﻄﺎع اﻷﻋﻤﺎل‬
‫‪ - 5‬اﺤﻛﻐﺮﻴات ا ﻳﻤﻮﻏﺮاﻓﻴﺔ ﻣﺜﻞ ﻣﻌﺪﻻت اﺨﻟﺼﻮﺑﺔ وﻣﻌﺪﻻت اﻟﻮﻓﻴﺎت‬
‫‪ - 6‬إدارة اﻷزﻣﺎت اﻤﻟﺘﻌﻠﻘﺔ ﺑﻘﻀﺎﻳﺎ ﻋﺪﻳﺪة ﻣﺜﻞ اﺣﺘﻤﺎﻻت وﻗﻮع ﺗﻌﺮﺜ اﻤﻟﺎﻲﻟ‪ ،‬أو‬
‫ﻫﺒﻮط ﻗﻴﻤﺔ اﻟﻌﻤﻠﺔ‪ ،‬أو اﻧﻘﻼب ﻋﺴﻜﺮي‪ ،‬وﻗﺲ ﺒﻟ ذﻟﻚ‪.‬‬
‫ﻲﻓ ﻫﺬا اﻟﻜﺘﺎب‪ ،‬ﺳﻮف ﻧﺪرس اﺛﻨﻦﻴ ﻣﻦ أﺑﺮز ﻃﺮق اﺤﻛﻨﺒﺆ وﻫﻤﺎ‪:‬‬
‫‪ ،Regression‬واﻟﻲﺘ ﺳﻴﺘﻢ ﻣﻨﺎﻗﺸﺘﻬﺎ ﻲﻓ ﻫﺬا‬ ‫اﻻﺤﻧﺪار‪Models‬‬ ‫‪ - 1‬ﻧﻤﺎذج‬
‫اﻟﻔﺼﻞ‪.‬‬
‫‪The‬‬ ‫‪ - 2‬ﻧﻤﺎذج اﻻﺤﻧﺪار ا ا ذات اﻤﻟﺘﻮﺳﻄﺎت اﻤﻟﺘﺤﺮ ﺔ اﻤﻟﺪﺠﻣﺔ‬
‫)‪ ،autoregressive integrated moving average (ARIMA‬واﻟﻲﺘ اﺷﺘﻬﺮت‬
‫ﻣﻦ ﻗﺒﻞ ﻛﻼ اﻹﺣﺼﺎﺋﻴﻦﻴ ‪ Box‬و ‪ Jenkins‬وﺑﺎﺗﺖ ﺗﻌﺮف ﺑﻤﻨﻬﺠﻴﺔ ‪Box-‬‬
‫)‪ .Jenkins (BJ‬ﻧﻤﺎذج اﺤﻛﻨﺒﺆ ‪ ARIMA‬ﺳﺘﻜﻮن ﻣﻮﺿﻮع ﻧﻘﺎﺷﻨﺎ ﻲﻓ اﻟﻔﺼﻞ‬
‫اﻟﺴﺎﺑﻊ‪.‬‬
‫‪ 1.6‬اﻟﺘﻨﺒﺆ ﻣﻊ ﻧﻤﺎذج اﻻﻧﺤﺪار‬
‫ﺑﺎﻟﻨﺴﺒﺔ ﻟﻮﺣﺪات اﻷﻋﻤﺎل أو اﻟﻮﺣﺪات اﺤﻟﻜﻮﻣﻴﺔ أو ﻷي وﺣﺪات‬
‫اﻗﺘﺼﺎدﻳﺔ أﺧﺮى‪ ،‬ﻓﺈن اﺤﻛﻨﺒﺆ ﻳﻌﺪ اﻟﻐﺮض اﻷﻫﻢ ﻣﻦ ﺗﻘﺪﻳﺮ ﻧﻤﺎذج اﻻﺤﻧﺪار‪.‬‬
‫‪129‬‬ ‫اﻟﻔﺼﻞ اﻟﺴﺎدس ‪ :‬اﻟﺘﻨﺒﺆ اﻻﻗﺘﺼﺎدي ﺑﺎﺳﺘﺨﺪام اﻻﻧﺤﺪار‬
‫ﻟﻐﺮض اﺤﻛﺒﺴﻴﻂ‪ ،‬ﺳﻮف ﻧﻨﻈﺮ إﻰﻟ ﻧﻤﻮذج ﺛﻨﺎ ﻣﺘﻐﺮﻴات ﻣﺜﻞ ﻣﺎ ﻳﻲﻠ‪:‬‬
‫‪ ،‬أﻣﺎ ‪PDI‬‬ ‫ﺣﻴﺚ أن ‪ PCE‬ﻧﺼﻴﺐ اﻟﻔﺮد ﻣﻦ اﻻﻧﻔﺎق اﻻﺳﺘﻬﻼﻲﻛ اﻟﺸﺨ‬

‫ﻫﻮ ﻧﺼﻴﺐ اﻟﻔﺮد ﻣﻦ ا ﺧﻞ اﻟﺸﺨ اﻤﻟﺘﺎح )ﺑﻌﺪ اﻟﺮﻀاﺋﺐ(‪ ،‬و ‪ u‬ﻫﻮ ﺣﺪ‬
‫اﺨﻟﻄﺄ‪ .‬ﻫﺬا اﻻﺤﻧﺪار ﻳﻤﺜﻞ داﻟﺔ اﻻﺳﺘﻬﻼك‪ .‬ﻣﻌﻠﻤﺔ اﻻﺤﻧﺪار ﻲﻓ ﻫﺬا اﺠﻤﻮذج‬
‫ﺗﻤﺜﻞ اﻤﻟﻴﻞ اﺤﻟﺪي ﻟﻼﺳﺘﻬﻼك )‪،(Marginal propensity to consume MPC‬‬
‫وﻫﻮ اﻻﻧﻔﺎق اﻻﺳﺘﻬﻼﻲﻛ ﻟﻞﻜ زﻳﺎدة ﻲﻓ ا ﺧﻞ ﺑﻤﻘﺪار دوﻻر واﺣﺪ‪ .‬ﺑﺎﺳﺘﺨﺪام‬
‫ﺑﻴﺎﻧﺎت رﺑﻊ ﺳﻨﻮﻳﺔ )اﻓﺮﺘاﺿﻴﺔ( ﻋﻦ ﻫﺬه اﻤﻟﺘﻐﺮﻴات ﻲﻓ اﻗﺘﺼﺎ ٍد ﻣﺎ ﺧﻼل اﻟﻔﺮﺘة‬
‫ﻣﻦ ‪ 1967Q1‬إﻰﻟ ‪ .1996Q3‬ﺤﻛﻘﺪﻳﺮ داﻟﺔ اﻻﺳﺘﻬﻼك ﺳﻨﻘﻮم ﺑﺎﺗﺒﺎع ﻃﺮق ﺤﺗﻠﻴﻞ‬
‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ وذﻟﻚ ﻣﻦ أﺟﻞ اﺤﻛﺄﻛﺪ ﻣﻦ أن اﻟﺴﻼﺳﻞ ﻣﺴﺘﻘﺮة وﻣﺘﺎﻜﻣﻠﺔ‪.‬‬
‫ﻧﻘﻮم ﺑﺎﺳﺘﺨﺪام اﻤﻟﺸﺎﻫﺪات ﻣﻦ ‪ ،1995Q2 - 1967Q1‬وﻧﺒﻲﻘ آﺧﺮ ﻤﺧﺲ‬
‫ﻣﺸﺎﻫﺪات‪ ،‬واﻟﻲﺘ ﻳﻄﻠﻖ ﻋﻠﻴﻬﺎ ”اﻟﻔﺮﺘة اﻤﻟﺤﺘﻔﻆ ﺑﻬﺎ“‪ ،‬ﺤﻛﻘﻴﻴﻢ أداء اﺠﻤﻮذج‬
‫اﻤﻟﻘﺪر ﻋﻨﺪ إﺟﺮاء اﻻﺤﻧﺪار اﻷﺳﺎ )اﺤﻧﺪار اﻟﺴﻼﺳﻞ اﻤﻟﺴﺘﻘﺮة(‪.‬‬
‫ً‬
‫ﻧﻘﻮم أوﻻ ﺑﻔﺤﺺ اﻟﺸﻞﻜ اﻛﻴﺎ ﻟﻠﺒﻴﺎﻧﺎت ﻟﻠﺘﻌﺮف ﺒﻟ ﻃﺒﻴﻌﺔ اﻟﻌﻼﻗﺔ ﺑﻦﻴ‬
‫اﻤﻟﺘﻐﺮﻴﻳﻦ‪ً .‬‬
‫ﺑﻨﺎء ﺒﻟ اﻟﺸﻞﻜ ‪ ،1.6‬ﻧﻼﺣﻆ وﺟﻮد ﻋﻼﻗﺔ ﺷﺒﻪ ﺧﻄﻴﺔ ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴﻳﻦ‬
‫‪ PCE‬و ‪.PDI‬‬
‫ﺤﻛﻘﺪﻳﺮ اﺠﻤﻮذج أﻋﻼه ﻳﻨﺒﻲﻐ اﺤﻛﺄﻛﺪ ﻣﻦ اﺳﺘﻘﺮار اﻤﻟﺘﻐﺮﻴات‪ .‬ﻲﻓ ﻫﺬه اﻟﻌﻤﻠﻴﺔ‬
‫ﺤﻧﻦ ﺤﻧﺘﺎج ﻟﻠﻨﻈﺮ إﻰﻟ اﺤﻛﺎﻜﻣﻞ ﺑﻦﻴ اﻟﺴﻼﺳﻞ واﺤﻛﺄﻛﺪ ﻣﻦ أن ﻫﻨﺎك ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ‬
‫اﻷﺟﻞ ﺑﻦﻴ اﻟﺴﻼﺳﻞ أم ﻻ‪.‬‬
‫‪ 2.6‬اﻟﺨﻄﻮة اﻷوﻟﻰ‪ :‬اﺧﺘﺒﺎر اﺳﺘﻘﺮار اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬
‫ﻧﻘﻮم ﺑﺘﺤﻮﻳﻞ ﻛﻼ اﻤﻟﺘﻐﺮﻴﻳﻦ إﻰﻟ ﻟﻮﺬﻟرﻳﺘﻤﺎت ﺎﻛﺤﻛﺎﻲﻟ‪:‬‬
‫= ‪LPCE‬‬ ‫)‪@LOG(PCE‬‬
‫= ‪LPDI‬‬ ‫)‪@LOG(PDI‬‬
‫ﺷﻜﻞ ‪ 1.6‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟـ ‪ PCE‬و ‪PDI‬‬
‫ﺷﻜﻞ ‪ 2.6‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟﻠﻮﻏﺎرﯾﻢ اﻟﻄﺒﯿﻌﻲ ﻟـ ‪(LPCE) PCE‬‬

‫ﻏﺮﻴ ﻣﺴﺘﻘﺮ وﺤﻳﺘﻮي ﺒﻟ اﺠﺗﺎه ﺗﺼﺎﻋﺪي‬ ‫اﻟﺸﻞﻜ ‪ 2.6‬ﻳﺒﻦﻴ أن اﻤﻟﺘﻐﺮﻴ ‪LPCE‬‬

‫ﺤﺗﺪﻳﺪي‪.‬‬
‫اﺧﺘﺒﺎر ﺷﻞﻜ اﻻرﺗﺒﺎط ﻟـ ‪LPCE‬‬
‫أو ‪0.05‬‬ ‫‪α = 5%‬‬ ‫‪-3‬‬
‫‪ - 4‬ﻗﻴﻢ ‪ p-values‬ﺗﺴﺎوي ‪0.000‬‬
‫‪ - 5‬ﺑﻤﺎ أن ‪ Prob = 0.000‬وﻲﻫ أﻗﻞ ﻣﻦ ‪ 0.05‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬وﻧﻘﺒﻞ‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن ﺳﻠﺴﻠﺔ ‪ LPCE‬ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺷﻜﻞ ‪ 3.6‬ﺷﻜﻞ اﻻرﺗﺒﺎط ﻟـ ‪LPCE‬‬

‫اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ‬
‫‪ : H0- 1‬اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﻣﻦ اﺠﺘﺎﺋﺞ اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ ،4.6‬ﺠﻧﺪ أن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي‬
‫‪4.3264‬‬
‫وﻫﻜﺬا ﻻ ﻳﻤﻜﻦ رﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم‬ ‫اﻻﺣﺘﻤﺎل ‪Prob. = 1.0000> 0.05‬‬ ‫‪-5‬‬
‫‪. H0‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ أن اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﺸﻞﻜ ‪ 2.6‬ﻳﺒﻦﻴ ﻋﺪم اﺳﺘﻘﺮار ‪ LPCE‬وأن ﻬﻟﺎ اﺠﺗﺎه ﺗﺼﺎﻋﺪي ﺤﺗﺪﻳﺪي‪ ،‬ﻲﻓ‬
‫ﺣﻦﻴ أن اﻟﺸﻞﻜ ‪ 5.6‬ﻳﻮﺿﺢ ﻋﺪم اﺳﺘﻘﺮار ‪ LPDI‬وأن ﻬﻟﺎ اﺠﺗﺎه ﺗﺼﺎﻋﺪي‪.‬‬
‫اﺧﺘﺒﺎر ﺷﻞﻜ اﻻرﺗﺒﺎط ﻟـ ‪LPDI‬‬
‫‪ :H0 - 1‬ﺳﻠﺴﻠﺔ ‪ LPDI‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ :H1 - 2‬ﺳﻠﺴﻠﺔ ‪ LPDI‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫أو ‪0.05‬‬ ‫‪α = 5%‬‬ ‫‪-3‬‬
‫‪ - 4‬ﻗﻴﻢ ‪ p-values‬ﺗﺴﺎوي ‪0.000‬‬
‫‪ - 5‬ﺑﻤﺎ أن ‪ Prob = 0.000‬وﻲﻫ أﻗﻞ ﻣﻦ ‪ 0.05‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬وﻧﻘﺒﻞ‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن ﺳﻠﺴﻠﺔ ‪ LPDI‬ﻏﺮﻴ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺷﻜﻞ ‪ 4.6‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟـ ‪LPCE‬‬

‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﻣﻦ اﺠﺘﺎﺋﺞ اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ ، 7.6‬ﺠﻧﺪ أن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪3.1989‬‬
‫‪ - 4‬ﻣﺴﺘﻮى ا ﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻼﺣﺘﻤﺎل ‪p-values = 1.0000‬‬
‫وﻫﻜﺬا ﻻ ﻳﻤﻜﻦ رﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم‬ ‫اﻻﺣﺘﻤﺎل ‪Prob. = 1.0000 > 0.05‬‬ ‫‪-5‬‬
‫ً‬
‫‪ H0‬؛ اﻻﺧﺘﺒﺎر ﻏﺮﻴ ﻣﻌﻨﻮي اﺣﺼﺎﺋﻴﺎ‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ أن اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺷﻜﻞ ‪ 5.6‬ﺷﻜﻞ ﺑﯿﺎﻧﻲ ﻟﻠﻮﻏﺎرﯾﺘﻢ اﻟﻄﺒﯿﻌﻲ ﻟـ ‪(LPDI) PDI‬‬
‫ﺷﻜﻞ ‪ 6.6‬ﺷﻜﻞ اﻻرﺗﺒﺎط ﻟـ ‪LPDI‬‬

‫‪ 3.6‬اﻟﺨﻄﻮة اﻟﺜﺎﻧﻴﺔ‪ :‬ﻛﻴﻔﻴﺔ اﻟﺤﺼﻮل ﻋﻠﻰ ﺳﻼﺳﻞ زﻣﻨﻴﺔ ﻣﺴﺘﻘﺮة‬

‫ﻳﻤﻜﻦ إﺠﻳﺎد اﻟﻔﺮق اﻷول ﻟﻠﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ أﻋﻼه ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫)‪DLPCE = LPCE - LPCE(-1‬‬
‫)‪DLPDI = LPDI - LPDI(-1‬‬
‫ﻲﻫ اﻵن ﻣﺴﺘﻘﺮة‪.‬‬ ‫ﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﺑﺎﻟﺸﻞﻜ ‪ ،8.6‬ﻓﺈن ﺳﻠﺴﻠﺔ ‪DLPCE‬‬ ‫و‬
‫اﺧﺘﺒﺎر ﺷﻞﻜ اﻻرﺗﺒﺎط ﻟـ ‪DLPCE‬‬
‫أو ‪0.05‬‬ ‫‪α = 5%‬‬ ‫‪-3‬‬
‫ﺷﻜﻞ ‪ 7.6‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟـ ‪LPDI‬‬


‫‪ - 4‬ﻗﻴﻢ ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪0.05‬‬
‫‪ - 5‬ﺑﻤﺎ أن ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪ ، 0.05‬ﻓﺈﻧﻪ ﻻ ﻳﻤﻜﻦ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪H0‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن اﻟﺴﻠﺴﻠﺔ ‪ LPCE‬ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪-4.6314‬‬
‫‪ - 5‬اﻻﺣﺘﻤﺎل ‪ Prob. = 0.0002 < 0.05‬وﻫﻜﺬا ﻳﻤﻜﻦ رﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪.H0‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ أن اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة ) اﻟﺸﻞﻜ ‪.(11.6‬‬
‫ﺷﻜﻞ ‪ 8.6‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟﻠﻔﺮوق اﻷوﻟﻰ )‪(DLPCE‬‬

‫ﺷﻜﻞ ‪ 9.6‬ﺷﻜﻞ اﻻرﺗﺒﺎط ﻟـ ‪DLPCE‬‬
‫‪DLPDI‬‬ ‫اﺧﺘﺒﺎر ﺷﻞﻜ اﻻرﺗﺒﺎط ﻟـ‬

‫أو ‪0.05‬‬ ‫‪α = 5%‬‬ ‫‪-3‬‬
‫ﺑﻤﺎ أن ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﻓﺈﻧﻨﺎ ﻧﻘﺒﻞ ﻓﺮض اﻟﻌﺪم ‪H0‬‬ ‫‪-5‬‬
‫ﻣﺴﺘﻘﺮة‪.‬‬ ‫‪DLPDI‬‬ ‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن ﺳﻠﺴﻠﺔ‬
‫ﺷﻜﻞ ‪ 10.6‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟـ‪DLPCE‬‬

‫ﺷﻜﻞ ‪ 11.6‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟﻠﻔﺮق اﻷول ﻟـ )‪(DLPDI‬‬
‫ﺷﻜﻞ ‪ 12.6‬ﺷﻜﻞ اﻻرﺗﺒﺎط ﻟـ ‪DLPDI‬‬

‫ﺷﻜﻞ ‪ 13.6‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟـ ‪DLPDI‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬

‫‪-5.6222‬‬
‫وﻫﻜﺬا ﻳﻤﻜﻦ رﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم‬ ‫‪Prob.‬‬ ‫‪ - 5‬اﻻﺣﺘﻤﺎل ‪= 0.0000 < 0.05‬‬
‫‪ ،H0‬واﻻﺧﺘﺒﺎر ذا ﻣﻌﻨﻮﻳﺔ‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ أن اﻟﺴﻠﺴﻠﺔ ‪ DLPDI‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ 4.6‬اﻟﺨﻄﻮة اﻟﺜﺎﻟﺜﺔ‪ :‬اﺧﺘﺒﺎر اﻟﺘﻜﺎﻣﻞ اﻟﻤﺸﺘﺮك ‪The Cointegration‬‬
‫‪Test‬‬
‫ﺑﺎﺳﺘﺨﺪام اﻛﻴﺎﻧﺎت اﻷﺻﻠﻴﺔ و ﺟﺮاء اﻻﺤﻧﺪار ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪:14.6‬‬
‫ﻫﺎب إﻰﻟ ‪ Quick-Generate series‬و ﻛﺘﺎﺑﺔ‪ u = resid:‬ﺛﻢ اﺠﻘﺮ ﺒﻟ ‪OK‬‬ ‫ﺑﺎ‬
‫ﻟﻠﺤﺼﻮل ﺒﻟ اﻟﺮﺳﻢ اﻛﻴﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.15.6‬‬
‫ً‬
‫وﻓﻘﺎ ﻟﻠﺸﻞﻜ ‪ 15.6‬ﻧﺴﺘﻨﺘﺞ أن اﻛﻮاﻲﻗ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺷﻜﻞ ‪ 14.6‬ﻧﺘﺎﺋﺞ اﻧﺤﺪار ‪PCE PDI‬‬

‫ﺷﻜﻞ ‪ 15.6‬اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺒﻮاﻗﻲ‬
‫ﺷﻜﻞ ‪ 16.6‬ﺷﻜﻞ اﻻﻧﺘﺸﺎر ﻟﻠﺒﻮاﻗﻲ‬

‫ﺷﻜﻞ اﻻرﺗﺒﺎط ﻟﻠﺒﻮاﻗﻲ ‪Correlogram of the residuals‬‬

‫‪ :H0 .1‬اﻛﻮاﻲﻗ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ :H1 .2‬اﻛﻮاﻲﻗ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ α = 5% .3‬أو ‪0.05‬‬
‫”‪ “Prob‬ﻲﻓ اﻟﺸﻞﻜ ‪.16.6‬‬
‫‪ .4‬ﻗﻴﻤﺔ ‪ p-values‬أﻗﻞ ﻣﻦ ‪0.05‬‬
‫‪ .5‬ﺑﻤﺎ أن ‪ ،P-values < 0.05‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ اﻟﻔﺮﺿﻴﺔ اﻟﻌﺪم ‪ H0‬وﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ‬
‫اﻛﺪﻳﻠﺔ ‪.H1‬‬
‫‪ .6‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن ﺳﻠﺴﻠﺔ اﻛﻮاﻲﻗ ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﺒﻮاﻲﻗ ‪The unit root test of the residual‬‬
‫‪ :H0 - 1‬اﻛﻮاﻲﻗ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬

‫‪ :H1 - 2‬اﻛﻮاﻲﻗ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﻋﻨﺪ اﺠﻈﺮ إﻰﻟ اﻟﺸﻞﻜ ‪ 17.6‬ﺠﻧﺪ أن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪-4.2945‬‬
‫‪p-values‬‬ ‫‪ - 4‬ﻗﻴﻤﺔ ‪= 0.0007‬‬
‫‪ - 5‬ﺑﻤﺎ أن ‪ ، Prob = 0.0007 < 0.05‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ اﻟﻔﺮﺿﻴﺔ اﻟﻌﺪم ‪ H0‬وﻧﻘﺒﻞ‬
‫اﻟﻔﺮﺿﻴﺔ اﻛﺪﻳﻠﺔ ‪.H1‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن اﻛﻮاﻲﻗ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻣﺴﺘﻘﺮة‪.‬‬
‫ﻟﻘﺪ وﺟﺪﻧﺎ أﻧﻪ ﻳﻮﺟﺪ ﺗﻜﺎﻣﻞ ﺑﻦﻴ اﻟﺴﻼﺳﻞ‪ ،‬وﻫﺬا ﻳﻌﻲﻨ وﺟﻮد ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ‬
‫اﻷﺟﻞ ﺑﻦﻴ اﻟﻔﺮوق اﻷو ﻬﻟﺎﺗﻦﻴ اﻟﺴﻠﺴﻠﺘﻦﻴ‪.‬‬
‫ﺷﻜﻞ ‪ 17.6‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﺒﻮاﻗﻲ‬
‫‪ 5.6‬اﻟﺨﻄﻮة اﻟﺮاﺑﻌﺔ‪ :‬ﻧﻤﻮذج اﻟﺘﻨﺒﺆ ‪Model Forecasting‬‬

‫ﻧﻘﻮم ﺑﺈﺟﺮاء اﺤﻧﺪار ﺑﻦﻴ اﻟﺴﻼﺳﻞ اﻤﻟﺴﺘﻘﺮة ﻣﻊ ﻋﻴﻨﺔ ﻣﻜﻮﻧﺔ ﻣﻦ ‪ 113‬ﻣﺸﺎﻫﺪة‬
‫ﻟﻞﻜ ﺳﻠﺴﻠﺔ‪ ،‬ﻛﻤﺎ ﺳﻨﻘﻮم ﺑﺎﻻﺣﺘﻔﺎظ ﺑﺎﻤﻟﺸﺎﻫﺪات اﻷرﺑﻊ اﻷﺧﺮﻴة ﻻﺳﺘﺨﺪاﻣﻬﺎ‬
‫ﻲﻓ ﻋﻤﻠﻴﺔ اﺤﻛﻨﺒﺆ‪ .‬ﻋﻨﺪ ﻗﻴﺎﻣﻨﺎ ﺑﺄﺧﺬ اﻟﻔﺮق اﻷول ﻓﺈﻧﻨﺎ ﺳﻨﺨﺮﺴ ﻣﺸﺎﻫﺪة واﺣﺪة‪،‬‬
‫ﻤﻣﺎ ﺠﻳﻌﻞ ﻋﺪد اﻤﻟﺸﺎﻫﺪات ﻳﻨﺨﻔﺾ إﻰﻟ ‪ 113‬ﻣﺸﺎﻫﺪة‪.‬‬
‫‪ -‬ﻣﻊ ﺗﻐﻴﺮﻴ ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻣﻦ‬ ‫‪Quick-Estimate Equation‬‬ ‫اذﻫﺐ إﻰﻟ‬

‫)اﻟﺸﻞﻜ ‪.(18.6‬‬ ‫‪ - 1967Q1‬ﺛﻢ اﻧﻘﺮ ‪OK‬‬ ‫‪ 1967Q1 1996Q3‬إﻰﻟ ‪1995Q2‬‬
‫ﻧﺘﺎﺋﺞ اﻻﺤﻧﺪار اﻷﺧﺮﻴ ﺗﻈﻬﺮ ﻲﻓ اﻟﺸﻞﻜ )‪ ،(19.6‬ﺣﻴﺚ ﻳﻤﻜﻦ اﺳﺘﺨﺪام‬
‫‪.‬‬ ‫ﻫﺬه اﺠﺘﺎﺋﺞ ﻲﻓ اﺤﻛﻨﺒﺆ ﺑﺎﻟﻘﻴﻢ اﻤﻟﺴﺘﻘﺒﻠﻴﺔ ﺤﻟﺠﻢ اﻹﻧﻔﺎق اﻻﺳﺘﻬﻼﻲﻛ اﻟﺸﺨ‬
‫‪ ،E(PCE1996Q1‬أي ﻗﻴﻤﺔ‬ ‫اﻓــﺮﺘض أﻧﻨﺎ ﻧﺮﻏــﺐ ﻤﻟﻌﺮﻓــﺔ )‪PDI1996Q‬‬
‫ﻲﻓ ‪ 1996Q1‬ﻋﻨﺪ ﻗﻴﻤﺔ‬ ‫اﻤﻟﺘﻮﺳﻂ اﺤﻟﻘﻴﻲﻘ ﺤﻟﺠﻢ اﻻﻧﻔﺎق اﻻﺳــﺘﻬﻼﻲﻛ اﻟﺸﺨ‬
‫ا ﺧﻞ اﻹﻤﺟﺎﻲﻟ اﻤﻟﺘــﺎح )‪ (X‬ﻟــ ‪ ،1996Q1‬وا ي ﻫــﻮ ‪) 0.028602‬ﻻﺣﻆ أن‬
‫اﻟﻌﻴﻨﺔ اﻤﻟﺴﺘﺨﺪﻣﺔ ﻲﻓ اﻻﺤﻧﺪار ﻣﺒﻨﻴﺔ ﺒﻟ اﻟﻔﺮﺘة ‪.(1995Q2 - 1967Q1‬‬
‫ﺷﻜﻞ ‪ 18.6‬ﺗﻮﺻﯿﻒ اﻟﻤﻌﺎدﻟﺔ‬

‫ﺷﻜﻞ ‪ 19.6‬ﻧﺘﺎﺋﺞ اﻧﺤﺪار ‪DLPCE‬‬

‫ﻲﻓ ﻫﺬه اﻤﻟﺮﺣﻠﺔ ﺤﻧﻦ ﺤﺑﺎﺟﺔ ﺤﻛﻌﻠﻢ ﺑﻌﺾ اﻟﺮﺸوط اﺨﻟﺎﺻﺔ واﻟﻲﺘ ﺗﺴﺘﺨﺪم‬
‫ﻲﻓ اﺤﻛﻨﺒﺆ ﻣﺜﻞ‪:‬‬
‫‪ - 1‬ﺗﻨﺒﺆ اﺠﻘﻄﺔ وﺗﻨﺒﺆ اﻟﻔﺮﺘة ‪:Point forecasts and interval forecasts‬‬
‫ﻲﻓ ﺣﺎﻟﺔ اﺤﻛﻨﺒﺆ ﺑﻨﻘﻄﺔ‪ ،‬ﻧﺘﺤﺼﻞ ﺒﻟ ﻗﻴﻤﺔ واﺣﺪة ﻟﻞﻜ ﻓﺮﺘة ﻣﻘﺒﻠﺔ‪.‬‬
‫ﻲﻓ اﺤﻛﻨﺒﺆ ﺑﻔﺮﺘة ﻓﻨﺤﻦ ﻧﺘﺤﺼﻞ ﺒﻟ اﻤﻟﺪى أو اﻟﻔﺮﺘة اﻟﻲﺘ ﺗﻘﻊ داﺧﻠﻪ اﻟﻘﻴﻤﺔ‬
‫اﻤﻟﺘﺤﺼﻞ ﻋﻠﻴﻬﺎ وﺑﺎﺣﺘﻤﺎل ﻣﻌﻦﻴ‪ .‬ﺑﻤﻌﻰﻨ آﺧﺮ‪ ،‬ﺗﻨﺒﺆ اﻟﻔﺮﺘة ﻳﻌﻄﻲ ﻫﺎﻣﺶ ﻣﻦ‬
‫ﻋﺪم ا ﻘﻦﻴ ﺣﻮل اﺤﻛﻨﺒﺆ ﺑﻨﻘﻄﺔ‪.‬‬
‫‪ - 2‬ﺗﻨﺒﺆ ﺑﻌﺪ اﺤﻛﺤﻘﻖ وﺗﻨﺒﺆ ﻗﺒﻞ اﺤﻛﺤﻘﻖ ‪Ex-post and ex-ante forecasts‬‬
‫ج‬ ‫ب‬ ‫أ‬

‫ﺗﻨﺒﺆ ﻗﺒﻞ اﺤﻛﺤﻘﻖ‬ ‫ﺗﻨﺒﺆ ﺑﻌﺪ اﺤﻛﺤﻘﻖ‬ ‫ﻓﺮﺘة ﺗﻘﺪﻳﺮ اﺠﻤﻮذج‬
‫‪Ex-ante forecast period‬‬ ‫‪Ex-post forecast period‬‬ ‫‪Estimation period‬‬
‫‪ -1996Q3‬وﻣﺎ ﺑﻌﺪﻫﺎ‬ ‫‪1996Q2-1995Q1‬‬ ‫‪1995Q2-1967Q1‬‬

‫أ ‪ -‬ﻲﻓ ﻓﺮﺘة اﺤﻛﻘﺪﻳﺮ ﻳﻨﺎ ﺑﻴﺎﻧﺎت ﻋﻦ ﻞﻛ اﻤﻟﺘﻐﺮﻴات ﻲﻓ اﺠﻤﻮذج‪.‬‬

‫ً‬
‫ب ‪ -‬ﻲﻓ اﺤﻛﻨﺒﺆ ﺑﻌﺪ اﺤﻛﺤﻘﻖ )ﺗﻨﺒﺆات ﺤﻣﻘﻘﺔ ﺧﺎرج اﻟﻌﻴﻨﺔ( ﻓﻨﺤﻦ أﻳﻀﺎ‬
‫ﻳﻨﺎ ﻣﻌﺮﻓﺔ ﻣﺴﺒﻘﺔ ﺑﻘﻴﻢ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ واﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ )وﻫﺬه ﻲﻫ‬
‫اﻟﻔﺮﺘة اﻤﻟﺤﺘﻔﻆ ﺑﻬﺎ(‪ .‬وﺗﺴﺘﺨﺪم ﻫﺬه اﻟﻘﻴﻢ ﻻﺧﺘﺒﺎر ﻣﻘﺪرة اﺠﻤﻮذج‬
‫اﻤﻟﻘﺪر ﺒﻟ اﺤﻛﻨﺒﺆ‪.‬‬
‫ج ‪ -‬ﻲﻓ ﻓﺮﺘة اﺤﻛﻨﺒﺆ ﻗﺒﻞ اﺤﻛﺤﻘﻖ ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮ ﻗﻴﻢ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ﻲﻓ ﻓﺮﺘة‬
‫ً‬
‫ﻣﺴﺘﻘﺒﻠﻴﺔ ﺧﺎرج ﻧﻄﺎق ﻓﺮﺘة اﺤﻛﻘﺪﻳﺮ ﻗﺪ ﻻ ﺗﺘﻮﻓﺮ ﻳﻨﺎ أﻳﻀﺎ ﻗﻴﻢ‬
‫ﻣﺆ ﺪة ﻟﻠﻤﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ‪ ،‬ﺣﻴﺚ ﻳﻨﺒﻲﻐ ﻲﻓ ﻣﺜﻞ ﻫﺬه اﺤﻟﺎﻟﺔ أن ﻧﻘﻮم‬
‫ﺑﺘﻘﺪﻳﺮ ﻫﺬه اﻟﻘﻴﻢ ﻗﺒﻞ اﻟﻘﻴﺎم ﺑﻌﻤﻠﻴﺔ اﺤﻛﻨﺒﺆ‪.‬‬
‫‪Conditional and unconditional‬‬ ‫‪ - 3‬ﺗﻨﺒﺆ ﻣﺮﺸوط و ﺗﻨﺒﺆ ﻏﺮﻴ ﻣﺮﺸوط‬
‫‪:forecasts‬‬
‫ﻲﻓ ﺣﺎﻟﺔ اﺤﻛﻨﺒﺆ اﻤﻟﺮﺸوط ﻧﻘﻮم ﺑﺘﻨﺒﺆ اﻤﻟﺘﻐﺮﻴ ﺤﻣﻞ اﻻﻫﺘﻤﺎم ً‬
‫ﺑﻨﺎء ﺒﻟ ﻗﻴﻢ‬
‫اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ اﻟﻲﺘ ﻳﺘﻢ ﺗﻮﻗﻌﻬﺎ أو ﺨﺗﻤﻴﻨﻬﺎ )ﻻ ﺗﻜﻮن ﻣﻌﺮوﻓﺔ ﺒﻟ وﺟﻪ‬
‫ً‬
‫ا ﻗﺔ(‪ .‬ﻫﺬا اﺠﻮع ﻣﻦ اﺤﻛﻨﺒﺆ ﻳﻌﺮف أﻳﻀﺎ ﺑﺘﺤﻠﻴﻞ اﻟﺴﻴﻨﺎرﻳﻮﻫﺎت ‪Scenario‬‬
‫‪ analysis‬أو ﺤﺗﻠﻴﻞ اﺤﻛﻮاﻓﻖ ‪.Contingency analysis‬‬
‫أﻣﺎ ﻲﻓ ﺣﺎﻟﺔ اﺤﻛﻨﺒﺆ ﻏﺮﻴ اﻤﻟﺮﺸوط‪ ،‬ﻓﻨﺤﻦ ﻳﻨﺎ ﻣﻌﻠﻮﻣﺎت ﻣﺆ ﺪة ﻋﻦ‬
‫ً‬
‫اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ‪ ،‬ﻋﻮﺿﺎ ﻋﻦ اﺧﺘﻴﺎر ﻗﻴﻢ ﺗﻘﺪﻳﺮﻳﺔ )اﻋﺘﺒﺎﻃﻴﺔ( ﻬﻟﺎ‪ ،‬ﻛﻤﺎ ﻫﻮ‬
‫اﺤﻟﺎل ﻣﻊ اﺤﻛﻨﺒﺆ اﻤﻟﺮﺸوط‪.‬‬
‫ﻧﻘﻮم اﻵن ﺑﺘﻘﺪﻳﺮ ﺗﻨﺒﺆ ﺑﻨﻘﻄﺔ ﻟﻺﻧﻔﺎق اﻻﺳﺘﻬﻼﻲﻛ ﻟـ ‪ .1996Q1‬ﻗﻴﻤﺔ ا ﺧﻞ‬
‫اﻟﺸﺨ اﻤﻟﺘﺎح ‪ DLPDI‬ﻟـ ‪ 1996Q1‬ﺗﺴﺎوي ‪0.028602‬؛ ﻫﺬه اﻟﻘﻴﻤﺔ ﻣﻮﺟﻮدة‬
‫ﻲﻓ ﻗﺎﻋﺪة اﻛﻴﺎﻧﺎت ﻬﻟﺬه اﻟﺴﻠﺴﻠﺔ ‪.DLPCEF‬‬
‫ﻣﻦ اﻤﻟﻤﻜﻦ أن ﻧﻼﺣﻆ أن أﻓﻀﻞ ﻣﺘﻮﺳﻂ ﻳﻤﻜﻦ اﺤﻛﻨﺒﺆ ﺑﻪ ﻟـ ‪(1996Q1) Y‬‬
‫وﺑﻘﻴﻤﺔ ‪ X‬اﻤﻟﻌﻄﺎه ﺳﻮف ﻳﺴﺎوي‪:‬‬
‫( ﻲﻓ ‪1996Q1‬‬ ‫اﻟﻘﻴﻤﺔ اﻤﻟﺘﻮﺳﻄﺔ اﻤﻟﺘﻮﻗﻌﺔ ﻟﻺﻧﻔﺎق اﻻﺳﺘﻬﻼﻲﻛ )‬

‫ﺗﺴﺎوي ‪ ،0.01584536‬ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻗﻴﻤﺔ ا ﺧﻞ اﻟﺸﺨ اﻤﻟﺘﺎح )‪(DLPDI‬‬
‫ﺗﺴﺎوي ‪0.020878‬؛ وﺑﺎﻟﺮﺟﻮع إﻰﻟ اﻛﻴﺎﻧﺎت ﻧﻼﺣﻆ أن اﻟﻘﻴﻤﺔ اﻟﻔﻌﻠﻴﺔ ﻟـ ‪DLPCE‬‬
‫ﻲﻓ ‪ 1996Q1‬ﺎﻛﻧﺖ ‪ ،0.028602‬وﻫﺬا ﻳﻌﻲﻨ أن اﻟﻘﻴﻤﺔ اﻟﻔﻌﻠﻴﺔ ﻲﻫ أﻛﺮﺒ ﻣﻦ اﻟﻘﻴﻤﺔ‬
‫اﻤﻟﺘﻮﻗﻌﺔ ﺑﻤﻘﺪار )‪ ،(0.01275‬وﻫﺬا ﻣﺎ ﻧﻌﺘﺮﺒه ﺧﻄﺄ اﺤﻛﻨﺒﺆ )‪.(forecast error‬‬
‫ﺤﻧﻦ ﻻ ﻧﺘﻮﻗﻊ أن ﺧﻂ اﻻﺤﻧﺪار ُ‬
‫اﻟﻤﻘﺪر ﻳﻌﻄﻲ ﺗﻨﺒﺆ ﺑﺎﻟﻘﻴﻢ اﻟﻔﻌﻠﻴﺔ ﻟﻠﻤﺘﻐﺮﻴات‬
‫اﺤﻛﻔﺴﺮﻴﻳﺔ ﻣﻦ ﻏﺮﻴ أن ﻳﻜﻮن ﻫﻨﺎك ﻫﺎﻣﺶ ﻟﻠﺨﻄﺄ‪.‬‬
‫ﻳﻤﻜﻦ ﻣﻼﺣﻈﺔ أﻧﻪ إذا ﺎﻛن ﺣﺪ اﺨﻟﻄﺄ ﻲﻓ اﺠﻤﻮذج أﻋﻼه ﻳﺘﺒﻊ اﺤﻛﻮزﻳﻊ‬
‫اﻟﻄﺒﻴﻲﻌ‪ ،‬ﻓﺈن ﺗﻘﺪﻳﺮ ‪ DLPCE‬ﻲﻓ اﻟﺰﻣﻦ ‪ ،1996Q1‬ﻫﻮ ﻣﻮزع ﺑﺸﻞﻜ ﻃﺒﻴﻲﻌ‬
‫وﺑﺘﺒﺎﻳﻦ ﻳﻘﺪر ﺑﺎﻟﻌﻼﻗﺔ اﺤﻛﺎ ﺔ‪:‬‬ ‫وﺑﻤﺘﻮﺳﻂ ﻳﺴﺎوي‬
‫ﻳﻤﺜﻞ اﻟﻮﺳﻂ اﺤﻟﺴﺎ ﻟﻘﻴﻢ ‪ DLPDI‬ﻲﻓ ﻓﺮﺘة اﻟﻌﻴﻨﺔ‬ ‫ﺣﻴﺚ أن‬

‫ﻓﻬﻮ ﺗﺒﺎﻳﻦ ﺣﺪ اﺨﻟﻄﺄ ‪ ،ε‬و ‪ n‬ﻫﻮ ﺣﺠﻢ اﻟﻌﻴﻨﺔ‪.‬‬ ‫‪ ،1967Q2-1995Q2‬أﻣﺎ‬
‫وﻷﻧﻨﺎ ﻻ ﻧﻌﺮف اﻟﻘﻴﻤﺔ اﺤﻟﻘﻴﻘﻴﺔ ﻟـ ‪ ،ε‬ﻓﺈﻧﻨﺎ ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮﻫﺎ ﻣﻦ اﻟﻌﻴﻨﺔ و ﻤﺎ‬
‫ﻳﻲﻠ‪:‬‬
‫ﺑﺎﺳﺘﺨﺪام ﻫﺬه اﻤﻟﻌﻠﻮﻣﺎت‪ ،‬ﺑﺎﻹﺿﺎﻓﺔ إﻰﻟ اﻟﻘﻴﻤﺔ اﻤﻟﻌﻄﺎة ﻟـ ‪ DLPDI‬ﻲﻓ‬

‫‪ ،1996Q1‬ﻓﺈﻧﻪ ﺑﺎﻹﻣﺎﻜن ﺗﺄﺳﻴﺲ‪ ،‬ﻓﺮﺘة ﺗﻨﺒﺆ وﺑﻤﻌﺎﻣﻞ ﺛﻘﺔ ‪) %95‬ﻣﺴﺘﻮى اﻤﻟﻌﻨﻮﻳﺔ‬
‫(‪ E‬و ﻤﺎ ﻳﻲﻠ‪:‬‬ ‫‪ (%5‬ﻟﻠﻘﻴﻤﺔ اﺤﻟﻘﻴﻘﺔ ﻟـ )‬
‫ﻧﻔﺮﺘض أن ‪ DLPCE‬ﺗﺘﻤﺜﻞ ﺑـ ‪:Y‬‬
‫ً‬
‫ﻫﻮ اﻻﺤﻧﺮاف اﻤﻟﻌﻴﺎري اﻤﻟﺘﺤﺼﻞ ﻋﻠﻴﻪ ﺳﺎﺑﻘﺎ‪،‬‬ ‫ﺣﻴﺚ أن‬
‫‪.‬‬ ‫و ﻣﺴﺘﻮى اﻤﻟﻌﻨﻮﻳﺔ ﺤﺑﻴﺚ‬
‫ً‬
‫ﻻﺣﻆ أﻧﻪ ﻣﻦ أﺟﻞ إﺠﻳﺎد ﺣﺪود ﻓﺮﺘة اﺨﻛﻘﺔ؛ ﻧﻘﻮم ﺑﺎﺳﺘﺨﺪام ﺗﻮزﻳﻊ ‪ t‬ﺑﺪﻻ‬
‫ﻣﻦ اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ‪ ،‬وذﻟﻚ ﻷﻧﻨﺎ ﺑﺼﺪد ﺗﻘﺪﻳﺮ اﻟﻘﻴﻤﺔ اﺤﻟﻘﻴﻘﻴﺔ ﺤﻛﺒﺎﻳﻦ اﺨﻟﻄﺄ‪.‬‬
‫ﻓﺮﺘات اﺨﻛﻘﺔ اﻤﻟﺴﺘﻨﺒﻄﺔ ﺑﻬﺬه اﻟﻄﺮﻳﻘﺔ ﺗﻌﺮف ﺑﻨﻄﺎق )أوﺣﺰام( اﺨﻛﻘﺔ‬
‫)‪.(confidence band‬‬
‫ﻳﻤﻜﻦ اﺳﺘﺨﺪام أﺣﺪ اﻟﺮﺒﺠﻣﻴﺎت اﻤﻟﺘﻮﻓﺮة ﻣﺜﻞ ‪ Stata‬أو ‪ EViews‬ﺤﻟﺴﺎب‬
‫ﺣﺪود ﻓﺮﺘات اﺨﻛﻘﺔ أﻋﻼه‪.‬‬
‫ﻋﻨﺪ اﺳﺘﺨﺪام ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺳﻮف ﺤﻧﺼﻞ ﻋﻞ ﻧﻄﺎق اﺨﻛﻘﺔ ﻲﻓ ﻣﺜﺎﺠﺎ‬
‫ﺑﺎﺗﺒﺎع اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ‪:‬‬
‫ﻣﻦ ﻧﺘﺎﺋﺞ اﻻﺤﻧﺪار اذﻫﺐ إﻰﻟ ‪ Proc‬ﺛﻢ اﺧﺮﺘ ‪ Forecast‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ‬
‫ﺑﺎﻟﺸﻞﻜ ‪ ،20.6‬وﻗﺒﻞ اﺠﻘﺮ ﺒﻟ ‪ ،OK‬ﻗﻢ ﺑﺘﻐﻴﺮﻴ ﻋﻴﻨﺔ اﺤﻛﻨﺒﺆ ﻣﻦ ‪ 1996Q3‬إﻰﻟ‬
‫‪ 1995Q2‬و ﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪.21.6‬‬
‫ﺑﺎﺠﻘﺮ ﺒﻟ ‪ OK‬ﺳﻨﺤﺼﻞ ﺒﻟ اﻤﻟﺨﺮﺟﺎت اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ .22.6‬ﻲﻓ ﻫﺬا‬
‫اﻟﺸﻞﻜ ﻧﻼﺣﻆ أن اﺨﻟﻂ اﻤﻟﺘﺼﻞ ﻲﻓ اﻟﺸﻞﻜ اﻛﻴﺎ ﻳﻤﺜﻞ ﺧﻂ اﻻﺤﻧﺪار )اﻤﻟﻨﺤﻰﻨ(‪،‬‬
‫أﻣﺎ اﺨﻟﻄﻦﻴ اﻤﻟﺘﻘﻄﻌﻦﻴ ﻓﻴﻤﺜﻼن ﻧﻄﺎق اﺨﻛﻘﺔ ‪ %95‬ﺨﻟﻂ اﻻﺤﻧﺪار‪.‬‬
‫اﺠﻟﺪول اﻤﻟﻜﻤﻞ ﻳﻌﻄﻲ ﺑﻌﺾ اﻤﻟﻘﺎﻳﻴﺲ ﺠﻟﻮدة اﺤﻛﻨﺒﺆ واﻟﻲﺘ ﺗﺘﻀﻤﻦ‪ :‬اﺠﻟﺬر‬
‫اﻟﺮﺘﺑﻴﻲﻌ ﻤﻟﺘﻮﺳﻂ ﻣﺮﺑﻌﺎت اﺨﻟﻄﺄ )‪ ،(Root mean square error‬ﻣﺘﻮﺳﻂ اﻟﻘﻴﻢ‬
‫اﻤﻟﻄﻠﻘﺔ ﻟﻠﺨﻄﺄ )‪ ،(Mean absolute error‬ﻣﺘﻮﺳﻂ ﻧﺴﺐ اﻟﻘﻴﻢ اﻤﻟﻄﻠﻘﺔ ﻟﻠﺨﻄﺄ‬
‫)‪ ،(Mean absolute percentage error‬وﻣﻌﺎﻣﻞ ﻋﺪم اﻟﺘﺴﺎوي ﺨﻛﺎﻳﻞ )‪The Theil‬‬
‫‪ .(inequality coefficient‬إن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ ﻋﺪم اﻟﺘﺴﺎوي ﺨﻛﺎﻳﻞ ﻳﻨﺒﻲﻐ أن ﺗﻘﻊ ﻣﺎ‬
‫ﺑﻦﻴ اﻟﺼﻔﺮ واﻟﻮاﺣﺪ ﺻﺤﻴﺢ؛ ﻓﺈذا ﺎﻛﻧﺖ اﻟﻘﻴﻤﺔ ﻗﺮﻳﺒﺔ ﻣﻦ اﻟﺼﻔﺮ‪ ،‬ﻓﺈن ذﻟﻚ ﻣﺆﺮﺷ‬
‫ﺒﻟ ارﺗﻔﺎع ﻣﻘﺪرة اﺠﻤﻮذج ﺒﻟ اﺤﻛﻨﺒﺆ‪ .‬إن ﻣﻘﺎﻳﻴﺲ أداء أو ﺟﻮدة اﺤﻛﻨﺒﺆ ﻲﻫ ﻣﻔﻴﺪة‬
‫ً‬
‫ﻋﻨﺪ اﻤﻟﻘﺎرﻧﺔ ﺑﻦﻴ اﺛﻨﻦﻴ أو أﻛﺮﺜ ﻣﻦ ﻃﺮق اﺤﻛﻨﺒﺆ‪ ،‬ﻛﻤﺎ ﺳﻨﻨﺎﻗﺶ ذﻟﻚ ﻻﺣﻘﺎ‪.‬‬
‫ﺷﻜﻞ ‪ 20.6‬ﺧﯿﺎرات اﻟﺘﻨﺒﺆ‬
‫ﺷﻜﻞ ‪ 21.6‬ﺗﺤﺪﯾﺪ ﺧﺼﺎﺋﺺ اﻟﺘﻨﺒﺆ‬

‫ﺷﻜﻞ ‪ 22.6‬اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺒﯿﺎﻧﺎت اﻟﺤﻘﯿﻘﺔ ﻓﻲ ﻣﻘﺎﺑﻞ اﻟﺒﯿﺎﻧﺎت اﻟﻤﺘﻨﺒﺄ ﺑﮭﺎ‪.‬‬
‫ﺷﻜﻞ ‪ 23.6‬ﻣﺠﻤﻮﻋﺎت اﻟﺒﯿﺎﻧﺎت‬

‫اﺨﻟﻄﻮة اﺨﻟﺎﻣﺴــﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ اﻤﻟﺸــﺮﺘك ﻟﻠﻤﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ وﻗﻴﻤﻪ اﻤﻟﺘﻮﻗﻌﺔ‬

‫اﻤﻟﺘﻨﺒﺄ ﺑﻬﺎ‬
‫ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﻳﻘﻮم وﺑﺸﻞﻜ ﺗﻠﻘﺎ ﺑﺈﻧﺘﺎج ‪ DLPCEF‬ﻲﻓ ﻣﻠﻒ اﻟﻌﻤﻞ ﻛﻤﺎ‬
‫ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪.23.6‬‬
‫ﺑﺎﺗﺒﺎع‬ ‫‪DLPCEF‬‬ ‫و‬ ‫‪DLPCE‬‬ ‫ﺑﺈﻣﺎﻜﻧﻨﺎ اﻵن ﻋﻤﻞ رﺳﻢ ﺑﻴﺎ ﻣﺸﺮﺘك ﻟـ‬
‫اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ )اﻟﺸﻞﻜ ‪:(24.6‬‬
‫ﻣﻦ ﻧﺎﻓﺬة اﻤﻟﺘﻐﺮﻴات ﻲﻓ ‪ EViews‬ﻗﻢ ﺑﻔﺘﺢ ﺠﻣﻤﻮﺨت اﻛﻴﺎﻧﺎت ﻟﻠﻤﺘﻐﺮﻴﻳﻦ‬
‫)ﺤﺗﺪﻳﺪ ﺛﻢ اﺧﺮﺘ ‪ ،(open as group‬ﻳﻌﺪ ذﻟﻚ اذﻫﺐ إﻰﻟ ‪ View‬واﺧﺮﺘ ‪Graph-‬‬
‫‪ Line &Symbol‬واﻧﻘﺮ ‪ ) OK‬اﻟﺸﻞﻜ ‪.(25.6‬‬
‫اﺠﻟﺰء اﻷﻳﻤﻦ ﻣﻦ اﻟﺮﺳﻢ اﻛﻴﺎ اﻤﻟﺸﺮﺘك ﻲﻓ ﺣﺎﻻت ﻋﺪﻳﺪة اﺤﻛﻨﺒﺆات وﻲﻫ‬
‫ً‬
‫ﺗﺘﺤﺮك ﻲﻓ اﺠﺗﺎﻫﺎت ﺨﻣﺘﻠﻔﺔ‪ ،‬ﻣﻌﺎﻛﺴﺔ أﺣﻴﺎﻧﺎ ﺤﻟﺮ ﺔ ‪.DLPCE‬‬
‫ﺷﻜﻞ ‪ 24.6‬اﻧﺘﺎج اﻷﺷﻜﺎل اﻟﺒﯿﺎﻧﯿﺔ ﻟﻠﺘﻨﺒﺆات‬

‫ﺷﻜﻞ ‪ 25.6‬اﻻﺷﻜﺎل اﻟﺒﯿﺎﻧﯿﺔ ﻟﻠﺘﻨﺒﺆات ﻓﻲ ‪EViews‬‬
‫اﺨﻟﻄﻮة اﻟﺴﺎدﺳﺔ‪ :‬إﺿﺎﻓﺔ اﻻرﺗﺒﺎط ا ا ﺤﻟﺪ اﺨﻟﻄﺄ‬

‫‪Adding autocorrelation of the error term‬‬
‫ﻋﻨﺪ اﺳﺘﺨﺪام ‪ EViews‬ﻓﺈﻧﻪ ﻣﻦ اﻤﻟﻤﻜﻦ ﺗﻘﺪﻳﺮ اﺠﻤﻮذج اﻷﺻﻲﻠ ﺑﺎﻟﺴﻤﺎح‬
‫ﺑﻮﺟﻮد ارﺗﺒﺎط ذا ﻲﻓ ﺣﺪ اﺨﻟﻄﺄ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬إذا اﻓﺮﺘﺿﻨﺎ أن ﺣﺪ اﺨﻟﻄﺄ‬
‫ﻳﺘﺒﻊ ﺨﻣﻄﻂ ارﺗﺒﺎط ذا ﻣﻦ ا رﺟﺔ اﻷو ])‪ [AR(1‬وا ي ﺳﺒﻖ ﻣﻨﺎﻗﺸﺘﻪ ﻲﻓ‬
‫ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﺣﻴﺚ أن ﻫﻮ ﻣﻌﻠﻤﺔ اﻻرﺗﺒﺎط ا ا )ﻣﻦ ا رﺟﺔ اﻷو (‪ ،‬و ﻫﻮ ﺣﺪ‬

‫اﺨﻟﻄﺄ وا ي ﻳﻌﺘﺮﺒﻋﻤﻠﻴﺔ ﺗﻐﺮﻴات ﻋﺸﻮاﺋﻴﺔ ﺤﺑﺘﺔ )‪.(white noise error term‬‬
‫ﻲﻓ ‪ Eviews‬اﺧﺮﺘ ‪ Quick-Estimate Equation‬ﺛﻢ اﻛﺘﺐ ﻣﺎ ﻳﻲﻠ‪:‬‬
‫)‪DLPCE C DLPDI AR(1‬‬

‫ﻗﻢ ﺑﺘﻐﻴﺮﻴ اﻟﻌﻴﻨﺔ إﻰﻟ ‪1995Q2 - 1967Q1‬‬
‫ﻋﻨﺪ اﺠﻘﺮ ﺒﻟ ‪ ،OK‬ﺳﻨﺘﺤﺼﻞ ﺒﻟ اﺠﺘﺎﺋﺞ اﺤﻛﺎ ﺔ )اﻟﺸﻞﻜ ‪:(26.6‬‬
‫ﻋﻨﺪ اﻤﻟﻘﺎرﻧﺔ ﻣﻊ اﺠﺘﺎﺋﺞ اﻟﺴﺎﺑﻘﺔ )ﻟﻼﺤﻧﺪار ﺑﺪون )‪ ،(AR(1‬ﻧﻼﺣﻆ أن‬
‫ً‬
‫اﻤﻟﻴﻞ اﺤﻟﺪي ﻟﻼﺳﺘﻬﻼك ﻗﺪ اﺧﺘﻠﻒ ﻗﻠﻴﻼ و ﺬﻟﻚ اﺨﻟﻄﺄ اﻤﻟﻌﻴﺎري ﻤﻟﻌﻠﻤﺔ اﻤﻟﻴﻞ‬
‫ً‬
‫ﻲﻫ اﻵن أﻗﻞ‪ .‬ﻣﻦ ﺟﺪول اﺠﺘﺎﺋﺞ ﻧﻼﺣﻆ أﻳﻀﺎ أن ﻗﻴﻤﺔ ﻣﻌﻠﻤﺔ اﻻرﺗﺒﺎط ا ا‬
‫ﻣﻦ ا رﺟﺔ اﻷو ﺗﺴﺎوي )‪ .(-0.346168‬ﻧﻘﻮم ﺑﻌﺪ ذﻟﻚ ﺑﺘﻜﺮار ﻋﻤﻠﻴﺔ اﺤﻛﻨﺒﺆ‬
‫ﻛﻤﺎ ﻲﻓ اﻟﺴﺎﺑﻖ‪.‬‬
‫واﺧﺮﺘ ‪ Forecast‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ‬ ‫ﻣﻦ ﻣﺮﺑﻊ ﻧﺘﺎﺋﺞ اﻻﺤﻧﺪار‪ ،‬اذﻫﺐ إﻰﻟ ‪Proc‬‬
‫ﻲﻓ اﻟﺸﻞﻜ )‪.(27.6‬‬
‫ﻗﻢ ﺑﺘﻐﻴﺮﻴ ﻋﻴﻨﺔ اﺤﻛﻨﺒﺆ إﻰﻟ ‪ 1995Q2‬ﻲﻓ اﻟﺸﻞﻜ )‪ (28.6‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل‬
‫ﺒﻟ اﻤﻟﺨﺮﺟﺎت ﻲﻓ اﻟﺸﻞﻜ )‪.(29.6‬‬
‫ﺷﻜﻞ ‪ 26.6‬ﻧﻤﻮذج ‪ARIMA‬‬

‫ﺷﻜﻞ ‪ 27.6‬ﺧﯿﺎرات اﻟﺘﻨﺒﺆ‬
‫ﺷﻜﻞ ‪ 28.6‬ﺗﺤﺪﯾﺪ ﺧﺼﺎﺋﺺ اﻟﺘﻨﺒﺆ‬

‫ﺷﻜﻞ ‪ 29.6‬اﻟﺒﯿﺎﻧﺎت اﻟﻤﺘﻨﺒﺄ ﺑﮭﺎ ﻣﻘﺎﺑﻞ اﻟﺒﯿﺎﻧﺎت اﻟﺤﻘﯿﻘﯿﺔ‬

‫ﻧﺘﺤﺼﻞ ﺒﻟ ﻧﻄﺎق ﺛﻘﺔ )‪ (%95‬ﺨﻟﻂ اﻻﺤﻧﺪار اﻤﻟﻘﺪر‪ .‬وﺑﻤﻘﺎرﻧﺔ ﻫﺬه اﺠﺘﺎﺋﺞ‬
‫ﻣﻊ اﺠﺘﺎﺋﺞ اﻤﻟﻨﺎﻇﺮة أﻋﻼه‪ ،‬ﺳﻨﺘﻤﻜﻦ ﻣﻦ اﺨﺗﺎذ ﻗﺮار ﺣﻮل أي ﻣﻦ ﻫﺬه اﺠﻤﺎذج‬
‫ﻫﻮ اﻷﻓﻀﻞ ﻟﻠﺘﻨﺒﺆ‪ .‬وﻟﻠﻮﺻﻮل إﻰﻟ ذﻟﻚ اﻟﻘﺮار ﻳﻨﺒﻲﻐ أن ﻧﻘﺎرن ﺑﻦﻴ ﻗﻴﻢ ﻣﻌﻠﻤﺔ‬
‫ﻋﺪم اﻟﺘﺴﺎوي ﺨﻛﺎﻳﻞ )‪ (Theil inequality coefficient‬ﻟﻜﻼ اﺠﻤﻮذﺟﻦﻴ‪ ،‬ﺤﺑﻴﺚ‬
‫أن اﺠﻤﻮذج ذو اﻷﻗﻞ ﻗﻴﻤﺔ واﻟﻘﺮﻳﺒﺔ ﻣﻦ اﻟﺼﻔﺮ ﻫﻮ اﻷﻓﻀﻞ‪:‬‬
‫‪ - 1‬ﻣﻌﻠﻤﺔ ﻋﺪم اﻟﺘﺴﺎوي ﺨﻛﺎﻳﻞ ﻲﻓ اﺠﻤﻮذج اﻟﺴﺎﺑﻖ ﺗﺴﺎوي ‪0.326630‬‬
‫‪ - 2‬ﻣﻌﻠﻤﺔ ﻋﺪم اﻟﺘﺴﺎوي ﺨﻛﺎﻳﻞ ﻲﻓ اﺠﻤﻮذج اﻟﻼﺣﻖ ﺗﺴﺎوي ‪0.319817‬‬
‫وﻣﻦ ذﻟﻚ ﻧﺴﺘﻨﺘﺞ أن اﺠﻤﻮذج اﻷﺧﺮﻴ ﻫﻮ أﻓﻀﻞ ﻣﻦ اﺠﻤﻮذج اﻟﺴﺎﺑﻖ ﻣﻦ‬
‫ﺣﻴﺚ اﻟﻘﺪرة ﺒﻟ اﺤﻛﻨﺒﺆ‪.‬‬
‫(‪٧‬‬
‫ﺍﻟﺘﻨﺒﺆ ﺍﻻﻗﺘﺼﺎﺩﻱ ﺑﺎﺳﺘﺨﺪﺍﻡ ﻧﻤﻮﺫﺝ ‪ARIMA‬‬
‫ﻃﺮﻳﻘﺔ )‪ Box-Jenkins (BJ‬ﺠﻤﺬﺟﺔ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﺗﺘﻀﻤﻦ اﺳﺘﻨﺒﺎط‬

‫اﺤﻛﺤﺮ ت )اﻷﻧﻤﺎط( اﻤﻟﺘﻨﺒﺄ ﺑﻬﺎ ﻣﻦ اﻛﻴﺎﻧﺎت اﻤﻟﻨﻈﻮرة ﻣﻦ ﺧﻼل ﺳﻠﺴﻠﺔ ﻣﻦ‬
‫اﺤﻛﻜﺮارات‪ .‬ﻣﻨﻬﺠﻴﺔ ‪ Box-Jenkins‬أﺣﺎدﻳﺔ اﻤﻟﺘﻐﺮﻴ ﻲﻫ ﻲﻓ اﻷﺳﺎس أداة ﻟﻠﺘﻨﺒﺆ‪،‬‬
‫ِّ‬
‫وﻻ ﺗﻘﺪم ﺗﻔﺴﺮﻴات ﻷﺳﺒﺎب اﺤﻛﻐﺮﻴ‪ ،‬وذﻟﻚ ﻟﻐﻴﺎب ﻧﻮﻋﻴﺔ اﻤﻟﺘﻐﺮﻴات اﻤﻟﻔﺮﺴة‬
‫)اﻤﻟﺴﺘﻘﻠﺔ( ﻲﻓ اﺠﻤﻮذج‪.‬‬
‫إن ﻃﺮﻳﻘﺔ )‪ (BJ‬ﺗﺘﺒﻊ أﺳﻠﻮب ﺤﻣﺪد ﻳﺸﺘﻤﻞ ﺒﻟ ﺛﻼﺛﺔ ﺧﻄﻮات‪:‬‬
‫‪ -‬ﺗﻮﺻﻴﻒ )ﺗﻌﺮﻳﻒ( اﺠﻤﻮذج ‪ :Model identification‬ﻳﺘﻢ ﺤﺗﺪﻳﺪ ﻓﺌﺔ ﻣﻌﻴﻨﺔ‬
‫ﻣﻦ ﻧﻤﻮذج ‪ BJ‬ﺑﺎﺳﺘﺨﺪام إﺣﺼﺎءات ﺤﻣﺴﻮﺑﺔ ﻣﻦ ﺤﺗﻠﻴﻞ اﻛﻴﺎﻧﺎت اﺤﻛﺎرﺨﻳﻴﺔ‪.‬‬
‫‪ -‬ﺗﻘﺪﻳﺮ وﺗﺸﺨﻴﺺ اﺠﻤﻮذج ‪ :Model estimation and verification‬ﻋﻨﺪ‬
‫اﻻﻧﺘﻬﺎء ﻣﻦ ﺗﻮﺻﻴﻒ اﺠﻤﻮذج‪ ،‬ﻳﺘﻢ ﺗﻘﺪﻳﺮ ”أﻓﻀﻞ ﻧﻤﻮذج“ ﺤﺑﻴﺚ ﺗﻜﻮن‬
‫اﻟﻘﻴﻢ اﻤﻟﻘﺪرة أﻗﺮب ﻣﺎ ﻳﻤﻜﻦ ﻻﺤﻛﻘﺎط اﺠﻤﻂ اﻤﻟﻮﺟﻮد ﻲﻓ اﻛﻴﺎﻧﺎت اﺤﻟﻘﻴﻘﻴﺔ‪.‬‬
‫‪ -‬اﺤﻛﻨﺒﺆ ‪ :Forecasting‬اﺠﻤﻮذج اﺠﻬﺎ اﻤﻟﻔﻀﻞ ﺳﻮف ﻳُﺴﺘﺨﺪم ﻟﻠﺘﻨﺒﺆ‬
‫ﺑﺎﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ وﺤﻛﻄﻮﻳﺮ ﻓﺮﺘات اﺨﻛﻘﺔ اﻟﻲﺘ ﺗﻘﻴﺲ ﻋﺪم ا ﻘﻦﻴ اﻤﻟﺮﺗﺒﻂ‬
‫ﺑﺎﺤﻛﻨﺒﺆات‪.‬‬
‫‪ 1.7‬ﻣﻨﻬﺠﻴﺔ ‪Box-Jenkins‬‬
‫اﻟﻐﺮض ﻣﻦ ﻣﻨﻬﺠﻴﺔ ‪ BJ‬ﻟﻠﺘﻨﺒﺆ ﻫﻮ ﺤﺗﻠﻴﻞ اﺨﻟﺼﺎﺋﺺ اﻻﺣﺘﻤﺎ ﺔ واﻟﻌﺸﻮاﺋﻴﺔ‬
‫ً‬
‫ﻟﺴﻠﺴﻠﺔ زﻣﻨﻴﺔ اﻗﺘﺼﺎدﻳﺔ ﺑﻤﻔﺮدﻫﺎ‪ ،‬ﻓﻲﻬ ﺨﺗﺘﻠﻒ ﺗﻤﺎﻣﺎ ﻋﻦ ﻋﻤﻠﻴﺎت ﺻﻴﺎﻏﺔ‬
‫ﻧﻤﺎذج اﻻﺤﻧﺪار اﺤﻛﻘﻠﻴﺪﻳﺔ واﻟﻲﺘ ﻓﻴﻬﺎ‪ ،‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬ﻳﺘﻢ ﺗﻔﺴﺮﻴ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ‬
‫‪ .‬ﻓﻄﺮﻳﻘﺔ ‪ BJ‬ﺗﺴﻤﺢ‬ ‫ﺑﻌﺪة ﻣﺘﻐﺮﻴات ﻣﺴﺘﻘﻠﺔ ﻣﺜﻞ‪:‬‬
‫ً‬
‫ﻟﻠﻤﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ أن ﻳﻜﻮن ﻣﻔﺮﺴا ﺑﺎﻟﻘﻴﻢ اﻤﻟﺎﺿﻴﺔ أو اﻤﻟﺘﺒﺎﻃﺌﺔ ﻟﻘﻴﻢ ﻧﻔﺴﻪ‬
‫وﺑﺎﻟﻘﻴﻢ اﺤﻟﺎ ﺔ واﻤﻟﺘﺒﺎﻃﺌﺔ ﻟﻠﺒﻮاﻲﻗ ‪ .‬ﻳﻔﺮﺘض ﻲﻓ ﺣﺪ اﺨﻟﻄﺄ أن ﻳﺘﺒﻊ ﻋﻤﻠﻴﺔ‬
‫ﺗﻐﺮﻴات ﻋﺸﻮاﺋﻴﺔ ﺤﺑﺘﺔ )‪ ،(White noise error term‬ﺑﻤﺘﻮﺳﻂ ﻳﺴﺎوي ﺻﻔﺮ‬
‫وﺑﺘﺒﺎﻳﻦ ﺛﺎﺑﺖ‪.‬‬
‫إن ﻣﻨﻬﺠﻴﺔ ‪ BJ‬ﺗﺘﻀﻤﻦ ﻋﺪة ﻃﺮق ﻟﻠﺘﻨﺒﺆ ﺑﺎﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪ ،‬وﺳﻨﻘﻮم‬
‫ﺑﺎﺳﺘﻌﺮاض ﻫﺬه اﻟﻄﺮق اﻤﻟﺨﺘﻠﻔﺔ ﺑﺸﻞﻜ ﺨم ﻣﻊ ﺑﻌﺾ اﻷﻣﺜﻠﺔ اﺤﻛﻄﺒﻴﻘﻴﺔ‪ .‬ﻫﺬه‬
‫اﻤﻟﻨﻬﺠﻴﺔ ﺗﻘﻮم ﺒﻟ اﻓﺮﺘاض أن اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﺤﻣﻞ ا راﺳﺔ ﻲﻫ ﺳﻼﺳﻞ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪The Autoregressive (AR) Model‬‬ ‫اﺠﻤﻮذج اﻷول‪ :‬ﻧﻤﻮذج اﻻﺤﻧﺪار ا ا‬
‫إذا ﺎﻛن ﻳﻨﺎ اﺠﻤﻮذج اﺤﻛﺎﻲﻟ‪:‬‬
‫)‪White noise error‬‬ ‫ﻧﻔﺮﺘض أن ﻳﺘﺒﻊ ﻋﻤﻠﻴﺔ ﺗﻐﺮﻴات ﻋﺸﻮاﺋﻴﺔ ﺤﺑﺘﺔ‬

‫‪ .(term‬ﻫﺬا اﺠﻤﻮذج ﻳﺴﻰﻤ ﻧﻤﻮذج اﺤﻧﺪار ذا ﻣﻦ ا رﺟﺔ ‪ ، p‬أي )‪.AR(p‬‬
‫اﺠﻤﻮذج ﻳﺘﻀﻤﻦ اﺤﻧﺪار ‪ Y‬ﻲﻓ اﻟﺰﻣﻦ ‪ t‬ﺒﻟ ﻗﻴﻤﻪ ﻣﺘﺒﺎﻃﺌﺔ ﺑﻤﻘﺪار ‪ p‬ﻣﻦ اﻟﻔﺮﺘات‬
‫اﻟﺰﻣﻨﻴﺔ اﻤﻟﺎﺿﻴﺔ‪ .‬ﻗﻴﻤﺔ ‪ p‬ﺳﻮف ﺤﺗﺪد ﻣﻦ ﺧﻼل ﻣﻌﺎﻳﺮﻴ ﺨﻣﺘﻠﻔﺔ ﻣﺜﻞ ﻣﻌﻴﺎر‬
‫‪.Akaike information criterion‬‬
‫‪ :‬ﻧﻤﻮذج اﻤﻟﺘﻮﺳﻂ اﻤﻟﺘﺤﺮك ‪The Moving Average (MA) Model‬‬ ‫اﺠﻤﻮذج اﺨﻛﺎ‬
‫ﻫﺬا اﺠﻤﻮذج ﻳﻤﻜﻦ ﺻﻴﺎﻏﺘﻪ ﻲﻓ اﻤﻟﻌﺎدﻟﺔ اﺤﻛﺎ ﺔ‪:‬‬
‫ﺣﻴﺚ أن اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ‪ ،‬ﻳﻌﺘﻤﺪ ﺒﻟ ﻗﻴﻤﺔ اﻤﻟﺘﻮﺳﻂ اﻤﻟﺮﺟﺢ أو اﻤﻟﺘﺤﺮك‬

‫ﺤﻟﺪود اﺨﻟﻄﺄ )‪ (White noise error terms‬اﺤﻟﺎ ﺔ واﻤﻟﺎﺿﻴﺔ‪ .‬ﻳﻌﺮف ﻫﺬا اﺠﻤﻮذج‬
‫ً‬ ‫ً‬
‫اﺧﺘﺼﺎرا ﺑﻨﻤﻮذج )‪ ،MA(q‬وﻳﺘﻢ ﺤﺗﺪﻳﺪ ﻗﻴﻤﺔ ‪ q‬ﺠﺗﺮﻳﺒﻴﺎ‪.‬‬
‫اﺠﻤﻮذج اﺨﻛﺎﻟﺚ‪ :‬ﻧﻤﻮذج اﺤﻧﺪار ذا وﻣﺘﻮﺳﻂ ﻣﺘﺤﺮك‬
‫‪The Autoregressive Moving Average (ARMA) Model‬‬
‫ﻋﻨﺪﻣﺎ ﻧﻘﻮم ﺑﺪﻣﺞ ﻧﻤﻮذج ‪ AR‬ﻣﻊ ﻧﻤﻮذج ‪ MA‬ﻓﺈﻧﻨﺎ ﻧﻘﻮم ﺑﺼﻴﺎﻏﺔ ﻧﻤﻮذج‬
‫‪159‬‬ ‫اﻟﻔﺼﻞ اﻟﺴﺎﺑﻊ ‪ :‬اﻟﺘﻨﺒﺆ اﻻﻗﺘﺼﺎدي ﺑﺎﺳﺘﺨﺪام ﻧﻤﻮذج ‪ARIMA‬‬
‫ﺟﺪﻳﺪ ﻳﺴﻰﻤ ﻧﻤﻮذج )‪ ،ARMA (p, q‬ﺣﻴﺚ ﺳﻴﻜﻮن ﻳﻨﺎ ‪ p‬ﻣﻦ ﺣﺪود اﻻﺤﻧﺪار‬
‫ً‬
‫ذا ‪ ،‬و ‪ q‬ﻣﻦ ﺣﺪود اﻤﻟﺘﻮﺳﻄﺎت ﻣﺘﺤﺮ ﺔ‪ .‬ﻣﺮة أﺧﺮى‪ ،‬ﻳﺘﻢ ﺤﺗﺪﻳﺪ ﻗﻴﻢ ‪ p‬و‪ q‬ﺠﺗﺮﻳﺒﻴﺎ‪.‬‬
‫اﺠﻤﻮذج اﻟﺮاﺑﻊ‪ :‬ﻧﻤﻮذج اﺤﻧﺪار ذا وﻣﺘﻮﺳﻂ ﻣﺘﺤﺮك ﻣﺘﺎﻜﻣﻞ‬
‫‪The Autoregressive Integrated Moving Average (ARMA) Model‬‬
‫إن ﻣﻨﻬﺠﻴﺔ ‪ BJ‬ﺗﺴﺘﻨﺪ ﺒﻟ اﻓﺮﺘاض أن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﺤﻣﻞ ا راﺳﺔ‬
‫ﻳﻨﺒﻲﻐ أن ﺗﻜﻮن ﻣﺴﺘﻘﺮة أو ﻳﻤﻜﻦ ﺟﻌﻠﻬﺎ ﻣﺴﺘﻘﺮة ﻋﻦ ﻃﺮﻳﻖ أﺧﺬ اﻟﻔﺮوق‬
‫ً‬
‫ﻬﻟﺎ ﻣﺮة واﺣﺪة أو أﻛﺮﺜ‪ .‬إن اﺳﺘﺨﺪام ﻫﺬا اﻤﻟﺪﺧﻞ ﻳﻄﻠﻖ ﻋﻠﻴﻪ اﺧﺘﺼﺎرا ﻧﻤﻮذج‬
‫)‪ ،ARIMA (p, d, q‬ﺣﻴﺚ أن ‪ d‬ﺗﻌﺮﺒ ﻋﻦ ﻋﺪد اﻤﻟﺮات اﻟﻲﺘ ﺠﻳﺐ ﻓﻴﻬﺎ أﺧﺬ ﻓﺮوق‬
‫ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﺠﻟﻌﻠﻬﺎ ﻣﺴﺘﻘﺮة‪ .‬إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴﻠﺔ ﻲﻓ اﻷﺻﻞ ﻣﺴﺘﻘﺮة‪ ،‬ﻓﺈن‬
‫ﻧﻤﻮذج )‪ ARIMA (p, d, q‬ﺳﻴﺼﺒﺢ ﺑﺎﻟﺮﻀورة ﻧﻤﻮذج )‪.ARMA (p, q‬‬
‫‪ 2.7‬ﻧﻤﻮذج ‪ARIMA‬‬
‫ﺗﺸﺘﻬﺮ ﻧﻤﺎذج ‪ BJ‬ﺑﻜﻮﻧﻬﺎ ﻧﻤﺎذج اﺤﻧﺪار ذا وﻣﺘﻮﺳﻂ ﻣﺘﺤﺮك ﻣﺘﺎﻜﻣﻞ‬
‫)‪ .(ARIMA‬أﻣﺎ اﻤﻟﻨﻬﺠﻴﺎت اﻤﻟﺴﺘﺨﺪﻣﺔ ﺤﻟﻞ ﻣﻌﺎﻣﻼت ﻧﻤﺎذج ‪ARIMA‬‬
‫ﻓﺘﺘﻄﻠﺐ إﺟﺮاء اﻟﻜﺜﺮﻴ ﻣﻦ اﻟﻌﻤﻠﻴﺎت اﺤﻟﺴﺎﺑﻴﺔ‪ .‬ﻟﻚ‪ ،‬وﻟﻐﺮض اﻻﺳﺘﻌﻤﺎل‬
‫اﻟﻌﻤﻲﻠ‪ ،‬ﻓﺈﻧﻨﺎ ﻲﻓ ﺣﺎﺟﺔ ﻟﻼﺳﺘﻌﺎﻧﺔ ﺤﺑﺰم اﻟﺮﺒاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻤﻟﺘﺎﺣﺔ واﻤﻟﻮاﻛﺒﺔ‬
‫ﻟﻸﺳﺎ ﺐ اﻤﻟﺘﻄﻮرة اﻤﻟﺴﺘﺨﺪﻣﺔ ﻲﻓ ﺗﻮﺻﻴﻒ وﺗﻘﺪﻳﺮ وﺗﺸﺨﻴﺺ ﻧﻤﺎذج ‪.ARIMA‬‬
‫ﻣﻨﻬﺠﻴﺔ ‪ ARIMA‬ﺗﻄﺒﻖ ﺒﻟ اﻛﻴﺎﻧﺎت اﻤﻟﺴﺘﻘﺮة‪ .‬ﺳﻮف ﻧﺴﺘﺨﺪم اﻟﺮﻣﺰ‬
‫ﻛﻴﺎﻧﺎت ﻣﺴﺘﻘﺮة ﻲﻓ اﻟﺰﻣﻦ ‪،t‬ﺣﻦﻴ أن ﺗﻤﺜﻞ ﻗﻴﻤﺔ اﻤﻟﻌﻄﻴﺎت ﻏﺮﻴ اﻤﻟﺴﺘﻘﺮة ﻲﻓ‬
‫ذﻟﻚ اﻟﺰﻣﻦ‪ ،‬وﺑﺬﻟﻚ‪ ،‬ﻓﺈن ﻋﻤﻠﻴﺔ ‪ ARIMA‬ﺗﺄﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر اﺠﻤﺎذج اﺨﻟﻄﻴﺔ‬
‫ذات اﻟﺼﻴﺎﻏﺔ اﺤﻛﺎ ﺔ‪:‬‬
‫ﺗﻌﺮﺒ ﻋﻦ ﻧﻘﺎط اﻛﻴﺎﻧﺎت اﻤﻟﺴﺘﻘﺮة‪ ،‬ﻲﻓ ﺣﻦﻴ أن و‬ ‫ﺣﻴﺚ أن و‬

‫ﺗﻤﺜﻞ ﻗﻴﻢ اﻷﺧﻄﺎء اﻤﻟﺘﻨﺒﺄ ﺑﻬﺎ ﻲﻓ اﻟﺰﻣﻦ اﺤﻟﺎﺮﺿ واﻤﻟﺎ ‪ ،‬أﻣﺎ ‪،... ، ،‬‬
‫‪ ... ،‬ﻓﻲﻬ ﻣﻌﻠﻤﺎت اﺠﻤﻮذج اﻤﻟﺮاد ﺗﻘﺪﻳﺮﻫﺎ‪.‬‬ ‫‪،‬‬

‫‪ ،‬أي أن ﻳﻜﻮن ﺒﻟ اﻟﺸﻞﻜ اﺤﻛﺎﻲﻟ‪:‬‬ ‫‪ -‬إذا ﺎﻛن اﺠﻤﻮذج اﺠﺎﺟﺢ ﻳﺸﻤﻞ ﻓﻘﻂ‬
‫ﻓﺈن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻳﻘﺎل ﺑﺄﻧﻬﺎ ﺗﺘﺒﻊ ﻋﻤﻠﻴﺔ اﺤﻧﺪار ذا ﻣﻦ اﻟﺮﺗﺒﺔ اﻷو ‪،‬‬
‫أو )‪ .AR(1‬وﺳﺘﻜﻮن ﻲﻫ ﻣﻌﻠﻤﺔ اﻻﺤﻧﺪار ا ا ﻬﻟﺬا اﺠﻤﻮذج واﻟﻲﺘ ﺗﺼﻒ‬
‫ﺑﻤﻘﺪار وﺣﺪة واﺣﺪة ﺒﻟ ‪ .‬وﺑﺎﻤﻟﺜﻞ ﻓﺈن اﺠﻤﻮذج اﺤﻛﺎﻲﻟ‪:‬‬ ‫ﻣﻘﺪار أﺛﺮ ﺗﻐﺮﻴ‬
‫ﺑــ )‪.AR(p‬‬ ‫ﻳﻄﻠﻖ ﻋﻠﻴﻪ ﻋﻤﻠﻴﺔ اﻻﺤﻧﺪار ا ا ذات ﺑﺮﺗﺒﺔ ‪ ،p‬وﻳﺮﻣﺰ‬

‫ﺠﻣﻤﻮع اﻤﻟﻌﻠﻤﺎت ‪(i =1, 2, , p) ،‬‬
‫ﻟﻌﻤﻠﻴﺔ اﻻﺤﻧﺪار ا ا ﻳﻨﺒﻲﻐ أن ﻳﻜﻮن أﻗﻞ ﻣﻦ اﻟﻮاﺣﺪ ﺻﺤﻴﺢ‪.‬‬
‫أي أن ﻳﻜﻮن ﺒﻟ اﻟﺸﻞﻜ اﺤﻛﺎﻲﻟ‪:‬‬ ‫‪ -‬إذا ﺎﻛن اﺠﻤﻮذج اﺠﺎﺟﺢ ﻳﺸﻤﻞ ﻓﻘﻂ‬
‫ﻓﺈﻧﻪ ﻣﻦ اﻤﻟﻤﻜﻦ اﻟﻘﻮل أن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﺗﺘﺒﻊ ﻋﻤﻠﻴﺔ ﻣﺘﻮﺳﻂ ﻣﺘﺤﺮك‬

‫ً‬
‫ﻣﻦ اﻟﺮﺗﺒﺔ اﻷو ‪ ،‬ﻳﻜﺘﺐ اﺧﺘﺼﺎرا ﻛـ )‪ .MA(1‬وﻫﻨﺎ ﻲﻫ ﻣﻌﻠﻤﺔ اﻤﻟﺘﻮﺳﻂ‬
‫اﻤﻟﺘﺤﺮك‪ .‬وﺑﺼﻮرة ﻤﻣﺎﺛﻠﺔ ﻓﺈن اﺠﻤﻮذج اﺤﻛﺎﻲﻟ‪:‬‬
‫ﻳﻄﻠﻖ ﻋﻠﻴﻪ ﻧﻤﻮذج اﻤﻟﺘﻮﺳﻂ اﻤﻟﺘﺤﺮك ﻣﻦ اﻟﺮﺗﺒﺔ ‪ ، q‬أو )‪.MA(q‬‬

‫ً‬
‫‪ -‬ﺗﻮﺻﻒ اﺠﻤﺎذج اﻟﻲﺘ ﺗﺘﻀﻤﻦ ﻛﻼ ﻣﻦ ﻋﻤﻠﻴﺎت اﺤﻧﺪار ذا وﻣﺘﻮﺳﻂ‬
‫ﻣﺘﺤﺮك‪ ،‬ﺑﺎﺠﻤﺎذج اﻤﻟﺨﺘﻠﻄﺔ )‪ .(mixed models‬ﻗﺈذا ﺎﻛﻧﺖ اﺠﻤﺎذج اﻤﻟﺨﺘﻠﻄﺔ‬
‫ﺤﺗﺘﻮي ﺒﻟ ﻋﻤﻠﻴﺔ اﺤﻧﺪار ذا ﻣﻦ اﻟﺮﺗﺒﺔ )‪ (1‬و ﻋﻤﻠﻴﺔ ﻣﺘﻮﺳﻂ ﻣﺘﺤﺮك ﻣﻦ‬
‫اﻟﺮﺗﺒﺔ )‪(2‬؛ ﻓﺈﻧﻨﺎ ﺳﻨﻜﺘﺐ اﺠﻤﻮذج ﺒﻟ اﺠﺤﻮ اﺤﻛﺎﻲﻟ )‪ ARIMA (1, 2‬وﻳﺄﺧﺬ‬
‫اﻟﺼﻴﻐﺔ اﺤﻛﺎﻲﻟ‪:‬‬
‫ﻲﻓ ﺣﺎﻟﺔ أﺧﺬ اﻟﻔﺮوق ﻣﻦ أﺟﻞ اﺤﻟﺼﻮل ﺒﻟ ﺳﻠﺴﻠﺔ زﻣﻨﻴﺔ ﻣﺴﺘﻘﺮة؛ ﻓﺈن‬
‫اﺠﻤﻮذج ﻳﻄﻠﻖ ﻋﻠﻴﻪ ﻧﻤﻮذج ﻣﺘﺎﻜﻣﻞ وﻳﺮﻣﺰ ﺑـ )‪ .ARIMA (p,d,q‬ﺣﻴﺚ‬
‫أن اﻤﻟﻌﻠﻤﺔ اﻟﻮﺳﻄﻰ ‪ d‬ﻲﻫ ﺑﺒﺴﺎﻃﺔ ﻋﺪد ﻣﺮات أﺧﺬ اﻟﻔﺮوق ﻟﻠﺤﺼﻮل ﺒﻟ‬
‫ً‬
‫ﻲﻓ اﻤﻟﻌﺎدﻟﺔ أﻋﻼه اﺳﺘﻘﺮت ﺑﻌﺪ أﺧﺬ‬ ‫اﻻﺳﺘﻘﺮار‪ .‬ﻓﻤﺜﻼ‪ ،‬إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴﺔ‬
‫اﻟﻔﺮوق ﻤﻟﺮﺗﻦﻴ؛ ﻓﺈن اﺠﻤﻮذج ﺳﻴﻜﺘﺐ ﻛـ )‪.ARIMA (1,2,2‬‬
‫‪ 3.7‬اﻻﻧﺤﺪار اﻟﺬاﺗﻲ ‪Autocorrelations‬‬
‫ﻣﻦ أﺟﻞ اﺤﻛﻌﺮف ﺒﻟ اﺠﻤﻮذج اﻤﻟﻼﺋﻢ وا ي ﻳﺼﻒ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ‬
‫ﺤﻣﻞ ا راﺳﺔ ﺑﺸﻞﻜ دﻗﻴﻖ؛ ﻳﻨﺒﻲﻐ اﻻﺳﺘﻌﺎﻧﺔ ﺑﻤﺠﻤﻮﻋﺘﻦﻴ ﻣﻦ اﻹﺣﺼﺎءات وﻫﻤﺎ‪:‬‬
‫اﻻرﺗﺒﺎط ا ا )‪ ،(AC‬واﻻرﺗﺒﺎط ا ا اﺠﻟﺰﻳﻲﺌ )‪ .(PAC‬ﻓﻜﻼﻫﻤﺎ ﻳﻘﻴﺲ‬
‫ً‬
‫اﻻﻋﺘﻤﺎد اﻤﻟﺘﺒﺎدل ﺑﻦﻴ اﻤﻟﺸﺎﻫﺪات وﻳﺄﺧﺬان ﻗﻴﻤﺎ ﺗﺮﺘاوح ﻣﺎ ﺑﻦﻴ ‪ ،‬وذﻟﻚ ﺒﻟ‬
‫ﺣﺴﺐ ﻧﻤﻂ اﻟﻌﻼﻗﺔ‪ .‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬إذا ﺎﻛﻧﺖ ﻗﻴﻢ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﻲﺘ‬
‫ً ً‬
‫ﻲﻫ أﺒﻟ ﻣﻦ ﻗﻴﻤﺔ اﻤﻟﺘﻮﺳﻂ ﻟﻠﺴﻠﺴﻠﺔ ﻳﺘﺒﻌﻬﺎ ﻣﺒﺎﺮﺷة ﻗﻴﻤﺎ أﻗﻞ ﻣﻦ اﻤﻟﺘﻮﺳﻂ؛ ﻓﺈن‬
‫ً‬
‫ﻛﻼ ﻣﻦ ‪ AC‬و ‪ PAC‬ﺳﺘﻜﻮن ﺳﺎﻛﺔ‪ .‬وﻫﺬا ﻣﺎ ﻳﻤﻜﻦ ﺗﺴﻤﻴﺘﻪ ﺑﺎﻻﺤﻧﺪار ا ا‬
‫اﻟﺴﺎﻟﺐ‪.‬‬
‫)‪Autocorrelation Functions (ACF‬‬ ‫‪ 1.3.7‬دوال اﻻﺤﻧﺪار ا ا‬
‫ﺗﻘﺪم ﻣﻌﺎﻟﻢ اﻻﺤﻧﺪار ا ا ‪ AC’s‬ﻣﻘﻴﺎس رﻗﻲﻤ ﻟﻠﻌﻼﻗﺔ ﻣﺎ ﺑﻦﻴ ﻗﻴﻢ ﻣﻌﻴﻨﺔ‬
‫ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ وﻗﻴﻢ أﺧﺮى ﻲﻓ ﻧﻔﺲ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ‪ .‬أي أﻧﻬﺎ ﺗﻘﻴﺲ اﻟﻌﻼﻗﺔ‬
‫)اﻻرﺗﺒﺎط( ﻟﻠﻤﺘﻐﺮﻴ ﻣﻊ ﻧﻔﺴﻪ ﺧﻼل اﻟﺰﻣﻦ‪ .‬ﻳﻤﻜﻦ ﺣﺴﺎب ‪ AC’s‬ﺑﺸﻞﻜ ﻃﺒﻴﻲﻌ‬
‫ﻋﻨﺪ اﻤﻟﺘﺒﺎﻃﺌﺎت اﻤﻟﺨﺘﻠﻔﺔ‪ .‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل إذا ﺎﻛن ﻳﻨﺎ ﻋﺪد ‪ n‬ﻣﻦ اﻤﻟﺸﺎﻫﺪات‬
‫(‪ ،‬ﻓﻴﻤﻜﻦ ﺻﻴﺎﻏﺔ ﻋﺪد )‪ (n - 1‬ﻣﻦ أزواج اﻤﻟﺸﺎﻫﺪات‬ ‫)‬
‫((‪ .‬إذا اﻋﺘﺮﺒﻧﺎ أن اﻤﻟﺸﺎﻫﺪة اﻷو ﻲﻓ‬ ‫))‬
‫ﺣﻴﻨﺌﺬ ﺣﺴﺎب‬
‫ٍ‬ ‫ﺛﺎن؛ ﻓﻴﻤﻜﻦ‬
‫ﻞﻛ زوج ﻛﻤﺘﻐﺮﻴ أول واﻤﻟﺸﺎﻫﺪة اﺨﻛﺎﻧﻴﺔ ﻛﻤﺘﻐﺮﻴ ٍ‬
‫ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑﺮﻴﺳﻮن )‪ ،(Pearsonian correlation coefficient‬و ﻤﺎ ﻲﻓ ﻣﺜﺎﺠﺎ‬
‫ﻋﻦ اﻛﻴﺎﻧﺎت ﻲﻓ اﻟﺸﻞﻜ ‪ ،1.7‬ﺤﻧﺴﺐ ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻋﻨﺪ ﺗﺒﺎﻃﺆ أﺳﺒﻮع واﺣﺪ‪.‬‬
‫ﻓﻬﺬا ﻳﻘﻴﺲ اﻻرﺗﺒﺎط ﻣﺎ ﺑﻦﻴ اﻤﻟﺸﺎﻫﺪات اﻤﻟﺘﺘﺎﺑﻌﺔ )ﺑﻦﻴ ﻞﻛ ﻣﺸﺎﻫﺪة واﻟﻲﺘ‬

‫ﺗﻠﻴﻬﺎ( وﻳﺴﻰﻤ ﺑﻤﻌﺎﻣﻞ اﻻﺤﻧﺪار ا ا ﻣﻦ اﻟﺮﺗﺒﺔ اﻷو ‪ .‬وﺑﻨﻔﺲ اﻟﻄﺮﻳﻘﺔ‪،‬‬
‫ﻳﻤﻜﻨﻨﺎ ﺣﺴﺎب اﻻرﺗﺒﺎط ﺑﻦﻴ اﻤﻟﺸﺎﻫﺪات ﻋﻨﺪ ﺗﺒﺎﻋﺪ ﺑﻦﻴ اﻤﻟﺸﺎﻫﺪات ﺑﻤﻘﺪار‬
‫ﺣﻴﻨﺌﺬ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ذا ﻣﻦ اﻟﺮﺗﺒﺔ ‪.k‬‬
‫ٍ‬ ‫‪ ،k‬وﻳﻄﻠﻖ ﻋﻠﻴﻬﺎ‬
‫ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬اﻋﺘﺮﺒ أن ﻳﻨﺎ اﻛﻴﺎﻧﺎت اﺤﻛﺎ ﺔ‪:‬‬
‫… ‪51,52,54,60,55,61,62,66,60,62,66‬‬
‫ﻳﻤﻜﻦ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ﻣﻦ اﻟﺮﺗﺒﺔ اﻷو ﺑﺎﺳﺘﺨﺪام اﻟﺼﻴﻐﺔ‬
‫اﻟﻘﻴﺎﺳﻴﺔ ﻤﻟﻌﺎﻣﻞ ارﺗﺒﺎط ﺑﺮﻴﺳﻮن ﺑﺘﻀﻤﻦﻴ أزواج اﻛﻴﺎﻧﺎت اﺤﻛﺎ ﺔ‪:‬‬
‫… ‪(51,52) (52,54) (54,60), (60,55),‬‬
‫ﺷﻜﻞ ‪ 1.7‬اﻟﺮﺳﻢ اﻟﺒﯿﺎﻧﻲ ﻟﺴﻠﺴﺔ ‪CPIR‬‬

‫ﻣﻦ اﻟﺮﺗﺒﺔ اﺨﻛﺎﻧﻴﺔ ﺑﺎﺳﺘﺨﺪام‬ ‫ﻳﻤﻜﻦ ﺣﺴﺎب ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ا ا‬
‫اﻷزواج اﺤﻛﺎ ﺔ‪:‬‬
‫… )‪(51,54) (52,60) (54,55) (60,61‬‬

‫ﺑﺎﻻﺳﺘﻌﺎﻧﺔ ﺑﺮﺘﻣﺰﻴ اﻤﻟﻌﻄﻴﺎت وﺠﺑﻌﻞ ﺗﻌﺮﺒ ﻋﻦ اﻻﺤﻧﺪار ا ا ﻣﺎ ﺑﻦﻴ‬
‫؛ ﻓﺈن ‪،‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬ﻫﻮ اﻻرﺗﺒﺎط ا ا ﻣﺎ ﺑﻦﻴ و‬ ‫و‬
‫‪ .‬ﻋﻨﺪﻣﺎ ﻳﺘﻢ ﺣﺴﺎب ‪ AC’s‬ﻟﻠﻤﺘﺒﺎﻃﺌﺎت ‪ ،lag 1‬و ‪ ،lag 2‬و ‪ lag 3‬وﻫﻜﺬا‪ ،‬ﻓﺈﻧﻬﺎ‬
‫ً‬
‫ﺗﻤﺜﻞ ﺑﻴﺎﻧﻴﺎ ) ﻣﻘﺎﺑﻞ ‪ (k‬ﻟﻠﺤﺼﻮل ﺒﻟ ﻣﺎ ﻳﺴﻰﻤ ﺑﺪاﻟﺔ اﻻﺤﻧﺪار ا ا ﻟﻠﻌﻴﻨﺔ‬
‫)‪ (ACF‬أو ﺷﻞﻜ اﻻرﺗﺒﺎط )‪ .(correlogram‬ﻫﺬا اﻟﺸﻞﻜ ﻳﺴﺘﺨﺪم ﺤﻛﺤﺪﻳﺪ ﻣﺎ‬
‫ً‬
‫إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة أم ﻻ‪ ،‬ﻛﻤﺎ ﻳﺴﺎﻋﺪ أﻳﻀﺎ ﻲﻓ اﺤﻛﻌﺮف ﺒﻟ ﻧﻤﻮذج‬
‫‪ ARIMA‬اﺤﻛﺠﺮﻳﻲﺒ‪.‬‬
‫إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴﻠﺔ ﻏﺮﻴ ﻣﺴﺘﻘﺮة ﻛﻨﺘﻴﺠﺔ ﻟﻮﺟﻮد اﺠﺗﺎه ﺗﺼﺎﻋﺪي‪ ،‬ﻓﺈن‬
‫ً‬
‫اﻟﻘﺮاءات اﻤﻟﺘﺒﺎﻃﺌﺔ ﺳﺘﻜﻮن ﻣﺮﺗﺒﻄﺔ ذاﺗﻴﺎ‪ .‬أﻣﺎ إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‬
‫ﻓﺈن اﻻرﺗﺒﺎﻃﺎت ا اﺗﻴﺔ ﺳﺘﻜﻮن ﻤﺟﻴﻌﻬﺎ ﻣﺴﺎوﻳﺔ ﻟﻠﺼﻔﺮ )ﻣﺆﺮﺷ ﺒﻟ أن اﺨﻟﻄﺄ‬
‫ﻋﺸﻮا (‪ ،‬وذﻟﻚ ﻳﻨﺒﻲﻐ أن ﻳﻜﻮن ﻣﻦ ﺧﺼﺎﺋﺺ اﻟـ ‪ ACF‬ﻟﻠﺒﻴﺎﻧﺎت اﻤﻟﺴﺘﻘﺮة‪.‬‬
‫ً‬
‫ﻣﻦ أﺟﻞ اﺧﺘﺒﺎر ﻣﺎ إذا ﺎﻛﻧﺖ ﻣﻌﻠﻤﺔ اﻻرﺗﺒﺎط ا ا إﺣﺼﺎﺋﻴﺎ ﻣﺴﺎوﻳﺔ ﻟﻠﺼﻔﺮ‬
‫ﻓﺈﻧﻨﺎ ﻧﺴﺘﺨﺪم إﺣﺼﺎﺋﻴﺔ ‪ t‬ﻟﻠﻌﻴﻨﺎت اﻟﻜﺒﺮﻴة ‪ -‬اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻻﻗﺘﺼﺎدﻳﺔ ذات‬
‫اﻤﻟﻐﺰى ﻳﻨﺒﻲﻐ أن ﺗﻨﻄﻮي ﺒﻟ ﻋﻴﻨﺎت ﺤﺑﺠﻢ ﻛﺒﺮﻴ ﻣﻦ اﻤﻟﺸﺎﻫﺪات‪ .‬ﻋﻨﺪ وﺟﻮد‬
‫ﺎﻛف وﻧﺮﻏﺐ ﻲﻓ اﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺔ اﻟﻲﺘ ﺗﻘﻮل‬
‫ﻋﺪد ﻛﺒﺮﻴ ﻣﻦ اﻤﻟﺸﺎﻫﺪات ﺑﺸﻞﻜ ٍ‬
‫أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ا ا ﻤﻟﺠﺘﻤﻊ ا راﺳﺔ ) ( ﻋﻨﺪ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ‪ ،k‬ﻳﺴﺎوي‬
‫ﺻﻔﺮ‪ .‬أي اﺧﺘﺒﺎر أن‪:‬‬
‫ﻲﻓ ﻣﻘﺎﺑﻞ‬
‫ﺳﻮف ﻧﺘﺒﻰﻨ ﻣﻨﻬﺠﻴﺔ اﻹﺣﺼﺎ ‪ Bartlett‬ا ي أﻇﻬﺮ أﻧﻪ إذا اﻟﻔﺮض اﻟﺼﻔﺮي‬
‫أﻋﻼه ﺻﺤﻴﺢ )أي اﻟﺴﻠﺴﻠﺔ ﻋﺸﻮاﺋﻴﺔ ﺤﺑﺘﻪ(‪ ،‬ﻓﺈن اﻻرﺗﺒﺎط ا ا ﻟﻠﻌﻴﻨﺔ ﻋﻨﺪ‬
‫ً‬
‫ﺗﺒﺎﻃﺆ ‪ ، ،k‬ﺳﻴﻜﻮن ﻣﻮزع ﺑﺸﻞﻜ ﻃﺒﻴﻲﻌ ﺗﻘﺮﻳﺒﺎ ﺑﻤﺘﻮﺳﻂ ﺻﻔﺮ وﺗﺒﺎﻳﻦ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫إﺣﺼﺎﺋﻴﺔ اﻻﺧﺘﺒﺎر ﻲﻫ‪:‬‬

‫واﻟﻲﺘ ﻲﻫ ﻣﻮزﻋﺔ ﻣﺜﻞ إﺣﺼﺎﺋﻴﺔ اﻻﺧﺘﺒﺎر ‪ t‬وﺑـﺪرﺟﺎت ﺣﺮﻳﺔ ‪ .n-2‬وﺑﻤﺎ أن‬

‫ﺗﻮزﻳﻊ ‪ t‬ﻫﻮ ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ ﻣﻘﺎرب؛ ﻓﺈن ﺣﺪود اﻤﻟﻨﺎﻃﻖ اﺤﻟﺮﺟﺔ ﻟﻼﺧﺘﺒﺎر أﻋﻼه‬
‫) (‪.‬‬ ‫ﺳﺘﻜﻮن ﺨدة ﻋﻨﺪ‬
‫ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬اﻓﺮﺘض أن ﻳﻨﺎ ﺠﻣﻤﻮﻋﺔ ﺑﻴﺎﻧﺎت ﻣﻜﻮﻧﺔ ‪ 8‬ﻗﺮاءات‪،‬‬
‫‪،‬‬ ‫واﻻﺤﻧﺪار ا ا ﻋﻨﺪ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ‪ 1‬و ‪ 2‬ﻲﻫ ﺒﻟ اﺤﻛﻮاﻲﻟ‬
‫وﻧﺮﻏﺐ ﻲﻓ اﺧﺘﺒﺎر إذا ﻣﺎ ﺎﻛﻧﺖ ﻣﻌﻠﻤﺔ اﻻرﺗﺒﺎط ا ا ﻣﻦ‬
‫ً‬
‫اﻟﺮﺗﺒﺔ اﺨﻛﺎﻧﻴﺔ ﺨﺗﺘﻠﻒ ﻣﻌﻨﻮﻳﺎ ﻋﻦ اﻟﺼﻔﺮ؛ أي اﺧﺘﺒﺎر ‪:‬‬
‫ﻲﻓ ﻫﺬه اﺤﻟﺎﻟﺔ ﻳﻤﻜﻨﻨﺎ ﺣﺴﺎب ﻣﺎ ﻳﻲﻠ‪:‬‬
‫ﻳﺴﺎوي ‪0.4092‬‬ ‫وﺑﺬﻟﻚ ﻓﺈن ‪ SD‬ﻟـ‬

‫ﺳﺘﻜﻮن ‪:‬‬ ‫إﺣﺼﺎﺋﻴﺔ اﻻﺧﺘﺒﺎر ﺤﺗﺖ اﻟﻔﺮﺿﻴﺔ‬
‫ً‬
‫ﻫﺬه اﻟﻘﻴﻤﺔ ﻲﻫ ﺑﻌﻴﺪة ﺟﺪا ﻋﻦ ﺣﺪود اﻤﻟﻨﻄﻘﺔ اﺤﻟﺮﺟﺔ ﻟـ )‪. t (n-2 = 6‬‬
‫ﻟﻚ ﻓﺈﻧﻨﺎ ﻻ ﻧﺴﺘﻄﻴﻊ رﻓﺾ ﻓﺮض اﻟﻌﺪم وﻧﺴﺘﻨﺘﺞ ﻣﻦ ذﻟﻚ أن ﺗﺴﺎوي‬
‫ً‬
‫ﺻﻔﺮ‪ .‬وﻣﻦ اﻤﻟﻤﻜﻦ أﻳﻀﺎ إﻇﻬﺎر أن ﻣﻌﺎﻣﻞ اﻻرﺗﺒﺎط ا ا ﻣﻦ اﻟﺮﺗﺒﺔ اﻷو‬
‫ً‬ ‫ً‬
‫ﻫﻮ أﻳﻀﺎ ﻏﺮﻴ ﻣﻌﻨﻮي إﺣﺼﺎﺋﻴﺎ‪.‬‬
‫اﺨﻟﻄﻮط اﻷﻓﻘﻴﺔ ﻲﻓ اﻟﺸﻞﻜ اﻛﻴﺎ ﻟـ ‪ ACF‬ﺗﻤﺜﻞ ﺣﺪود اﺨﻛﻘﺔ ) ‪(%95‬‬
‫ً‬
‫‪ ،‬وﻓﻘﺎ ﻟﺼﻴﻐﺔ اﺤﻛﺒﺎﻳﻦ اﻤﻟﻘﺪﻣﺔ ﻣﻦ ‪ Bartlett‬ﻋﻦ‬ ‫ﻤﻟﻌﻠﻤﺎت اﻻﺤﻧﺪار ا ا‬
‫أﻋﻼه‪ ،‬وﻲﻫ ﺗﺴﺘﺨﺪم ﻛﻤﺆﺮﺷ ﺒﻟ اﻤﻟﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ‬ ‫ﻃﺮﻳﻖ اﻤﻟﻌﺎدﻟﺔ‬
‫ﻟﻼرﺗﺒﺎﻃﺎت ا اﺗﻴﺔ‪.‬‬
‫ﺠﺗﺪر اﻹﺷﺎرة إﻰﻟ أﻧﻪ ﻲﻓ ﺣﺎﻟﺔ ﺗﺄﻛﺪ اﻛﺎﺣﺚ ﻣﻦ اﺳﺘﻘﺮار اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ‪،‬‬
‫ً‬
‫ﻲﻓ ﺻﻴﻐﺔ اﺤﻛﺒﺎﻳﻦ ﻟـ ‪ ،Bartlett‬ﺳﺘﻜﻮن ﻣﺴﺎوﻳﺔ ﻟﻠﺼﻔﺮ )ﻧﻈﺮﻳﺎ(‪.‬‬ ‫ﻓﺈن اﻟـ‬
‫ﻲﻓ ﺣﺎﻟﺔ اﻛﻴﺎﻧﺎت‬ ‫ﻫﺬا ﻳﻘﻮدﻧﺎ إﻰﻟ اﻻﺳﺘﻌﺎﻧﺔ ﺑﺼﻴﻐﺔ ‪ Quenouille‬ﺤﻛﺒﺎﻳﻦ‬
‫اﻤﻟﺴﺘﻘﺮة‪ ،‬و ﻤﺎ ﻳﻲﻠ‪:‬‬
‫أﻏﻠﺐ ﺑﺮاﻣﺞ اﻟﻜﻤﺒﻴﻮﺗﺮ ﺑﻤﺎ ﻓﻴﻬﺎ ‪ EViews‬ﺤﺗﺘﻮي ﺒﻟ ﻛﻼ اﻟﺼﻴﻐﺘﻦﻴ‬

‫ﺤﻟﺴﺎب اﺤﻛﺒﺎﻳﻦ )‪ Bartlett‬و ‪ (Quenouille‬ﺿﻤﻦ اﺨﻟﻴﺎرات اﻤﻟﺘﺎﺣﺔ‪ .‬ﻣﻦ اﻤﻟﻤﻜﻦ‬
‫ً‬
‫إﻇﻬﺎر أن اﻻﺤﻧﺪار ا ا ﻟﻠﻨﻤﻮذج )‪ AR(1‬ﺳﻴﻤﺜﻞ ﻧﻈﺮﻳﺎ ﺎﻛﺤﻛﺎﻲﻟ‪:‬‬
‫ﻋﻨﺪﻣﺎ ﺗﻜﻮن اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪ ،‬ﻓﺈن ﺠﻣﻤﻮع ﻣﻌﻠﻤﺎت ‪: AR‬‬
‫ﺳﺘﻜﻮن أﻗﻞ ﻣﻦ اﻟﻮاﺣﺪ‪ .‬ﻲﻓ ﺣﺎﻟﺔ ﻧﻤﻮذج )‪ AR(1‬ﻓﻬﺬا ﻳﻌﻲﻨ أن ﺳﻴﻜﻮن‬

‫أﻗﻞ ﻣﻦ اﻟﻮاﺣﺪ‪ ،‬ﻟﻚ‪ ،‬ﻓﺈن ﻣﻌﻠﻤﺎت اﻻﺤﻧﺪار ا ا )‪ (AC’s‬ﺳﻮف ﺗﻨﺨﻔﺾ ﻲﻓ‬
‫ﻗﻴﻤﻬﺎ اﻤﻟﻄﻠﻘﺔ ﻋﻨﺪ زﻳﺎدة ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ‪ ،‬أي أﻧﻪ ﺳﻴﻜﻮن‬
‫وﻫﺬا ﺑﺒﺴﺎﻃﺔ ﻳﻌﺮﺒ ﻋﻦ ﺣﻘﻴﻘﺔ أن اﻟﻌﻼﻗﺔ ﺗﺼﺒﺢ ﺿﻌﻴﻔﺔ ﻠﻛﻤﺎ ﻧﻌﻮد ﻟﻔﺮﺘات‬
‫ً‬
‫ﻣﺎﺿﻴﺔ ﻲﻓ اﻟﺰﻣﻦ‪ ،‬إﺿﺎﻓﺔ إﻰﻟ اﺨﻧﻔﺎض اﻻﺤﻧﺪارات ا اﺗﻴﺔ ﺑﺸﻞﻜ ﻣﺘﺴﺎرع‪.‬‬
‫ﻳﻤﻜﻦ أن ﻧﺒﻦﻴ أن ﻣﻌﺎﻟﻢ اﻻﺤﻧﺪار ا ا ﻟﻌﻤﻠﻴﺔ اﻤﻟﺘﻮﺳﻂ اﻤﻟﺘﺤﺮك ﻣﻦ‬
‫ً‬
‫اﻟﺮﺗﺒﺔ ‪ ،MA (1) ،1‬ﻧﻈﺮﻳﺎ ﺳﺘﻜﻮن‪:‬‬
‫)‪Partial Autocorrelation Functions (PACF‬‬ ‫‪ 2.3.7‬دوال اﻻﺤﻧﺪار ا ا اﺠﻟﺰﻲﻳ‬

‫ﺗﺮﺗﺒﻂ ﻣﻌﺎﻟﻢ اﻻﺤﻧﺪار ا ا اﺠﻟﺰﻲﻳ ‪ PAC’s‬ﺑﺸﻞﻜ وﺛﻴﻖ ﺑﻤﻌﺎﻟﻢ اﻻﺤﻧﺪار‬
‫ا ا ‪ AC’s‬وﺗﺄﺧﺬ ﻗﻴﻢ ﻣﺎ ﺑﻦﻴ ‪ -1‬و ‪ .1‬اﺤﻛﻤﺜﻴﻞ اﻛﻴﺎ ﻟـ ‪ PAC’s‬ﻣﻘﺎﺑﻞ اﺤﻛﺒﺎﻃﺆ‬
‫‪ k‬ﻳﻄﻠﻖ ﻋﻠﻴﻪ داﻟﺔ اﻻﺤﻧﺪار ا ا اﺠﻟﺰﻲﻳ )‪ .(PACF‬اﻻﺤﻧﺪار ا ا اﺠﻟﺰﻲﻳ ﻫﻮ‬

‫ﻣﻘﻴﺎس ﻟﻠﻌﻼﻗﺔ ﺑﻦﻴ ﻣﺘﻐﺮﻴﻳﻦ ﻋﻨﺪﻣﺎ ﻳﺘﻢ ﺗﺜﺒﻴﺖ أو إزاﻟﺔ ﺗﺄﺛﺮﻴ اﻤﻟﺘﻐﺮﻴات اﻷﺧﺮى‪.‬‬
‫ﻲﻫ ﺗﻤﺜﻞ اﻻﺤﻧﺪار ا ا اﺠﻟﺰﻲﻳ ﻣﺎ ﺑﻦﻴ‬ ‫ﻲﻓ ﺣﺎﻟﺔ اﻛﻴﺎﻧﺎت اﻟﺰﻣﻨﻴﺔ ﻓﺈن‬
‫‪.‬‬ ‫‪،... ،‬‬ ‫‪،‬‬ ‫ﻋﻨﺪﻣﺎ ﻳﺘﻢ إزاﻟﺔ أﺛﺮ اﻤﻟﺘﻐﺮﻴات اﻤﻟﺘﺪﺧﻠﺔ‬ ‫و‬
‫ﻫﻮ‬ ‫اﻬﻟﺪف ﻣﻦ ﻫﺬا اﺤﻛﻜﻴﻴﻒ ﻫﻮ ﻣﻌﺮﻓﺔ ﻣﺎ إذا ﺎﻛن اﻻرﺗﺒﺎط ﻣﺎ ﺑﻦﻴ و‬
‫ﺤﻣﺼﻠﺔ ﻬﻟﺬه اﻤﻟﺘﻐﺮﻴات اﻤﻟﺘﺪﺧﻠﺔ أم أن ﻫﻨﺎك ﺨﻣﻞ آﺧﺮ ﻫﻮ ﻣﺎ ﺳﺒﺐ اﻟﻌﻼﻗﺔ‪ .‬إن‬
‫اﺤﻛﻌﺮف ﺒﻟ ﺳﻠﻮك ‪ PAC’s‬وﺳﻠﻮك ‪ AC’s‬ﻲﻓ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻤﻟﺴﺘﻘﺮة )ﻛﻤﺎ‬
‫ﺳﻨﻨﺎﻗﺶ ﻲﻓ اﻟﻘﺴﻢ اﺤﻛﺎﻲﻟ(‪ ،‬ﺳﻮف ﻳﺴﺎﻋﺪ ﻲﻓ ﺤﺗﺪﻳﺪ ﻧﻤﻮذج ‪ ARIMA‬اﺤﻛﺠﺮﻳﻲﺒ‪.‬‬
‫اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺴﺘﺨﺪﻣﺔ ﻲﻓ ﺻﻴﺎﻏﺔ ﻣﻌﻠﻤﺔ اﻻﺤﻧﺪار ا ا اﺠﻟﺰﻲﻳ ﻲﻫ ﻣﻌﻘﺪة‬
‫ً‬
‫ﺟﺪا وﻟﻜﻦ اﻟﻘﻴﻢ اﻟﺮﻗﻤﻴﺔ ﺤﺗﺴﺐ ﻋﻦ ﻃﺮﻳﻖ اﻟﺮﺒاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻤﻟﺘﻮﻓﺮة‪ .‬ﻟﻘﺪ‬
‫أﻇﻬﺮ ‪ Quenouille‬أن‪:‬‬
‫ا ﻣﻦ اﻤﻟﻤﻜﻦ اﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺔ اﺤﻛﺎ ﺔ‪:‬‬

‫( ً‬
‫ﺑﻨﺎء ﺒﻟ ﺛﻤﺎن‬ ‫ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬اﻓﺮﺘض أن )‬
‫ﻞﻛ ﻣﻦ‬
‫ﻋﻨﺪ إزاﻟﺔ ﺗﺄﺛﺮﻴات ٍ‬ ‫ﻣﺸﺎﻫﺪات‪ ،‬وﻫﻮ اﻻرﺗﺒﺎط ﺑﻦﻴ و‬
‫‪ .‬وﻫﻨﺎ ﻣﺮة أﺧﺮى ﻓﺈن اﻹﺣﺼﺎﺋﻴﺔ ﻣﻮزﻋﺔ ﺣﺴﺐ ﺗﻮزﻳﻊ ‪: t‬‬ ‫و‬
‫ﺗﺴﺎوي ﺻﻔﺮ‪.‬‬ ‫وﻲﻫ ﻏﺮﻴ ﻣﻌﻨﻮﻳﺔ وﺑﺬﻟﻚ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ﺑﺄن‬
‫ﻣﺮة أﺧﺮى‪ ،‬ﻲﻓ ﺣﺎﻟﺔ اﻟﻌﻴﻨﺎت اﻟﻜﺒﺮﻴة ﻓﺈن ﺣﺪود اﻤﻟﻨﻄﻘﺔ اﺤﻟﺮﺟﺔ ﻟﻼﺧﺘﺒﺎر أﻋﻼه‬
‫) (‪ .‬إذا ﺎﻛﻧﺖ اﻛﻴﺎﻧﺎت ﻣﺴﺘﻘﺮة‪ ،‬ﻓﺈن اﻻﺤﻧﺪار‬ ‫ﺳﺘﻜﻮن ﺨدة ﻋﻨﺪ‬
‫ً‬
‫ا ا اﺠﻟﺰﻲﻳ ﻳﻨﺒﻲﻐ )ﻧﻈﺮﻳﺎ( أن ﻳﺴﺎوي ﺻﻔﺮ‪ .‬اﺨﻟﻄﻮط اﻷﻓﻘﻴﺔ ﻲﻓ اﻟﺸﻞﻜ اﻛﻴﺎ‬
‫ﺗﻤﺜﻞ ﺣﺪود اﺨﻛﻘﺔ )‪ ،(%95‬و ﺣﺎﻟﺔ أن ﺧﻄﻮط اﻟـ ‪ PAC’s‬ﻓﺸﻠﺖ ﻲﻓ اﻻﺧﺘﻔﺎء ﻣﺎ‬
‫دون ﺣﺪود اﺨﻛﻘﺔ؛ ﻓﻬﺬا ﻣﺆﺮﺷ ﺒﻟ أن اﻛﻴﺎﻧﺎت ﻏﺮﻴ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ 3.3.7‬أﻧﻤﺎط داﻟﺔ اﻻﺤﻧﺪار ا ا وداﻟﺔ اﻻﺤﻧﺪار ا ا اﺠﻟﺰﻲﻳ‬

‫ﻳﻤﻜﻨﻨﺎ اﺳﺘﺨﺪام ﻞﻛ ﻣﻦ داﻟﺔ اﻻرﺗﺒﺎط ا ا ‪ ACF‬وداﻟﺔ اﻻرﺗﺒﺎط ا ا‬
‫اﺠﻟﺰﻲﻳ ‪ PACF‬ﻟﻠﺘﻌﺮف ﺒﻟ اﻷﻧﻤﺎط اﻟﻲﺘ ﺗﻌﻜﺲ ﺧﺼﺎﺋﺺ اﻤﻟﺘﻮﺳﻂ اﻤﻟﺘﺤﺮك‬
‫)‪ ،(MA‬واﻻﺤﻧﺪار ا ا )‪ ،(AR‬واﺠﻤﻮذج اﻤﻟﺨﺘﻠﻂ )‪ ،(ARMA‬ﺑﻌﺪ اﺤﻛﺄﻛﺪ‬
‫ﻣﻦ ﺗﻮاﻓﺮ ﺮﺷوط اﺳﺘﻘﺮار اﻟﺴﻠﺴﻠﺔ‪ .‬ﺠﺗﺪر اﻹﺷﺎرة إﻰﻟ أن اﻟﺮﺘ ﺰﻴ ﺒﻟ اﺠﻤﺎذج‬
‫اﺠﻈﺮﻳﺔ ﻳﺴﻬﻞ اﺤﻛﻌﺮف ﺒﻟ اﻷﻧﻤﺎط اﻤﻟﻤﺎﺛﻠﺔ ﻲﻓ ﺑﻴﺎﻧﺎت اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﻔﻌﻠﻴﺔ‪.‬‬
‫ﻋﻨﺪ ﻣﻘﺎرﻧﺔ ‪ ACF’s‬و ‪ PACF’s‬اﻟﻔﻌﻠﻴﺔ ﻣﻊ اﻷﻧﻤﺎط اﺠﻈﺮﻳﺔ‪ ،‬ﺳﻨﺘﻤﻜﻦ ﻣﻦ‬
‫ﺤﺗﺪﻳﺪ ﻧﻮع ﻣﻌﻦﻴ ﻣﻦ ﻧﻤﺎذج ‪ BJ‬وا ي ﺳﻴﻤﺜﻞ اﻛﻴﺎﻧﺎت ﺑﺸﻞﻜ ﻣﻨﺎﺳﺐ‪ ،‬وﻓﻴﻤﺎ‬
‫ﻳﻲﻠ ﻧﺴﺘﻌﺮض ﺑﻌﺾ اﻹرﺷﺎدات اﻟﻌﺎﻣﺔ اﻟﻲﺘ ﺗﺴﺎﻋﺪﻧﺎ ﺒﻟ ﺤﺗﻘﻴﻖ ذﻟﻚ‪:‬‬
‫‪ -‬إذا رأﻳﻨﺎ أن اﻻرﺗﺒﺎط ا ا ﻳﺘﻼ وأن اﻻرﺗﺒﺎط ا ا اﺠﻟﺰﻲﻳ ﻳﻈﻬﺮ ﺑﻌﺾ‬
‫اﻟﻄﻔﺮات؛ ﻓﺈن اﻟﻌﻤﻠﻴﺔ ﻳﻤﻜﻦ أن ﻳﻤﺜﻠﻬﺎ ﻧﻤﻮذج ‪ ،AR‬ﺣﻴﺚ أن اﻟﺮﺗﺒﺔ ﺗﺴﺎوي‬
‫ً‬
‫ﻋﺪد اﻤﻟﺮات اﻟﻲﺘ ﻓﻴﻬﺎ ﻃﻔﺮات ﻣﻌﻨﻮﻳﺔ‪ .‬ﻳﻨﺒﻲﻐ أن ﻧﺮى ﻗﻴﻤﺎ ﻣﺘﻨﺎﻗﺼﺔ ﻲﻓ داﻟﺔ‬
‫اﻻﺤﻧﺪار ا ا ‪.ACF‬‬
‫ﻳﻪ ﻃﻔﺮات؛‬ ‫‪ -‬إذا ﺎﻛﻧﺖ اﻻرﺗﺒﺎط ا ا اﺠﻟﺰﻲﻳ ﻳﺘﻼ واﻻرﺗﺒﺎط ا ا‬
‫ﻓﺎﻟﻌﻤﻠﻴﺔ ﺳﺘﻜﻮن ﻣﻠﺘﻘﻄﺔ ﺑﻄﺮﻳﻘﺔ اﻓﻀﻞ ﻣﻦ ﺧﻼل ﻧﻤﻮذج ‪ ،MA‬وﺳﺘﻜﻮن‬
‫ً‬
‫اﻟﺮﺗﺒﺔ ﻣﺴﺎوﻳﺔ ﻟﻌﺪد اﻟﻄﻔﺮات اﻤﻟﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺎ‪ .‬ﻗﻴﻢ اﻻﺤﻧﺪار ا ا اﺠﻟﺰﻲﻳ‬
‫ﺳﺘﻜﻮن ﻣﺘﻨﺎﻗﺼﺔ ﺑﺸﻞﻜ ﻛﺒﺮﻴ )اﺨﻧﻔﺎض أ (‪.‬‬
‫‪ -‬أﻣﺎ إذا ﻞﻛ ﻣﻦ اﻻرﺗﺒﺎط ا ا واﻻرﺗﺒﺎط ا ا اﺠﻟﺰﻲﻳ ﻤﻣﺜﻼن ﺑﺄﻧﻤﺎط ﻏﺮﻴ‬
‫اﻋﺘﻴﺎدﻳﺔ ﺒﻟ اﻟـ ‪ ACF‬و اﻟـ ‪PACF‬؛ ﻓﺈن اﻟﻌﻤﻠﻴﺔ ﺳﺘﻜﻮن ﻤﻣﺜﻠﺔ ﺑﺸﻞﻜ أﻓﻀﻞ‬
‫ﻋﻦ ﻃﺮﻳﻖ ﻧﻤﻮذج ‪ ،ARMA‬وﻋﻨﺪﻫﺎ ﺗﻜﻮن اﻟﺮﺗﺒﺔ ﺗﺴﺎوي ﻋﺪد اﻟﻄﻔﺮات‬
‫اﻤﻟﻌﻨﻮﻳﺔ‪ .‬ﻗﺪ ﻳﻜﻮن ﻣﻦ اﻟﺮﻀوري إﺟﺮاء ﻋﺪة دورات ﻣﻦ ﻋﻤﻠﻴﺎت اﺤﻛﻌﺮف‬
‫واﺤﻛﻘﺪﻳﺮ واﻟﺘﺸﺨﻴﺺ ﻟﻠﺤﺼﻮل ﺒﻟ اﺠﻤﻮذج اﻤﻟﻨﺎﺳﺐ‪.‬‬
‫‪AC‬‬ ‫ﻣﻦ اﺠﺎﺣﻴﺔ اﻟﻌﻤﻠﻴﺔ‪ ،‬ﻣﻦ اﻟﺴﻬﻞ اﺤﻛﻌﺮف ﺒﻟ أﻧﻤﺎط اﻻﺤﻧﺪار ا ا‬
‫ً‬
‫ﺠﻤﺎذج اﻤﻟﺘﻮﺳﻂ اﻤﻟﺘﺤﺮك ﻣﻘﺎرﻧﺔ ﺑﻐﺮﻴﻫﺎ ﻣﻦ اﻟﻌﻤﻠﻴﺎت‪.‬‬
‫ﻣﻨﻬﺠﻴﺔ ‪ Box-Jenkins‬ﻲﻫ ﻓﻘﻂ واﺣﺪة ﻣﻦ اﻟﻮﺳﺎﺋﻞ اﻤﻟﺘﺎﺣﺔ ﻟﻠﺘﻨﺒﺆ‪ ،‬وﻤﻣﺎ‬

‫ﻻ ﺷﻚ ﻓﻴﻪ أن ﻧﻤﺎذج ‪ ARIMA‬ﻗﺪ ﺗﺼﻤﻢ ﺑﻄﺮﻳﻘﺔ ﺗﺘﻮاﻓﻖ ﻣﻊ ﺨﻣﺘﻠﻒ اﻷﻧﻤﺎط‬
‫وﻫﺬا ﻳﻤﻜﻦ ﺤﺗﻘﻴﻘﻪ ﺑﺄﻗﻞ ﻗﺪر ﻣﻦ اﺠﻟﻬﺪ ﻋﻦ ﻃﺮﻳﻖ ﺑﺮاﻣﺞ اﻟﻜﻤﺒﻴﻮﺗﺮ اﻤﻟﺘﻮﻓﺮة‪.‬‬
‫ﻣﻦ ﻧﺎﺣﻴﺔ أﺧﺮى‪ ،‬ﻓﺈن ﻧﻤﺎذج ‪ ARIMA‬ﺗﻌﺎ ﻣﻦ ﺑﻌﺾ اﻟﻌﻴﻮب ﻛﺒﺎﻲﻗ‬
‫ﻧﻤﺎذج اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪ ،‬ﻓﻲﻬ ﺗﻔﺸﻞ ﻲﻓ اﺤﻛﻘﺎط ﻧﻘﺎط اﺤﻛﺤﻮل ﻲﻓ اﻟﺰﻣﻦ وﻻ ﺗﻘﺪم‬
‫اﺤﻛﻔﺴﺮﻴات اﻟﺎﻜﻓﻴﺔ ﻟﺼﺎﻧﻲﻌ اﻟﺴﻴﺎﺳﺎت‪ .‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪ ،‬ﻫﺬه اﺠﻤﺎذج ﻻ ﺗﻌﻄﻲ‬
‫ﻣﻌﻠﻮﻣﺎت ﻋﻦ اﻵﺛﺎر اﻤﻟﺤﺘﻤﻠﺔ ﻟﻠﺴﻴﺎﺳﺎت اﻤﻟﻄﺒﻘﺔ ﻣﺜﻞ ﻗﺮارات اﻟﺘﺴﻌﺮﻴ وﺑﺮاﻣﺞ‬
‫اﻹﻋﻼﻧﺎت‪ .‬ﻣﻊ ذﻟﻚ’ ﻓﺈن ﻧﻤﺎذج ‪ Box-Jenkins‬ﻣﺘﻌﺪدة اﻤﻟﺘﻐﺮﻴات ﻗﺪ ﺗﺘﻐﻠﺐ‬
‫ً‬
‫ﺟﺰﺋﻴﺎ ﺒﻟ ﻫﺬه اﻤﻟﺸﺎﻞﻛ‪ .‬ﺑﺎﻹﺿﺎﻓﺔ إﻰﻟ ذﻟﻚ و ﻤﺎ رأﻳﻨﺎ ﻲﻓ ﻣﺜﺎﺠﺎ اﺤﻟﺎﻲﻟ‪ ،‬ﻓﺈن ﻧﻤﺎذج‬
‫‪ ARIMA‬اﻤﻟﺘﻨﺎﻓﺴﺔ ﻻ ﺗﻤﻠﻚ إﻻ اﻟﻘﻠﻴﻞ ﻣﻦ اﻤﻟﻌﺎﻳﺮﻴ ﻟﻼﺧﺘﻴﺎر ﻣﻦ ﺑﻴﻨﻬﺎ‪ .‬ﻓﺎﺤﻛﻌﺮف‬
‫ﺒﻟ رﺗﺒﺔ اﺠﻤﻮذج اﻤﻟﺨﺘﻠﻂ ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﻗﺪ ﻳﻜﻮن ﺻﻌﺐ ﻟﻠﻐﺎﻳﺔ‪.‬‬
‫وﻟﻐﺮض ﺗﻮﺿﻴﺢ ﻋﻤﻠﻴﺔ اﻻﺧﺘﻴﺎر ﺑﻦﻴ ﺨﻣﺘﻠﻒ ﻧﻤﺎذج اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ذات‬
‫اﻤﻟﺘﻐﺮﻴ اﻟﻮاﺣﺪ؛ وﺟﺪت اﻟﻌﺪﻳﺪ ﻤﻣﺎ ﻳﻤﻜﻦ أن ﻧﻄﻠﻖ ﻋﻠﻴﻬﺎ ”ﻣﺴﺎﺑﻘﺎت“ ﻤﻟﻘﺎرﻧﺔ‬
‫دﻗﺔ اﺤﻛﻨﺒﺆ ﻬﻟﺬه اﺠﻤﺎذج اﻤﻟﺨﺘﻠﻔﺔ‪ .‬وﻣﻊ ذﻟﻚ‪ ،‬ﻟﻢ ﺗﻜﻦ ﻧﺘﺎﺋﺞ ﻫﺬه اﻤﻟﺴﺎﺑﻘﺎت‬
‫ﻣﺘﺴﻘﺔ ﻲﻓ ﻛﺜﺮﻴ ﻣﻦ اﻷﺣﻴﺎن‪ ،‬وﻫﺬا أﻣﺮ ﻣﺘﻮﻗﻊ إذا اﻋﺘﺮﺒﻧﺎ اﺧﺘﻼف اﻤﻟﺤﻠﻠﻦﻴ‬
‫واﺧﺘﻼف ﻗﻮاﻋﺪ اﻛﻴﺎﻧﺎت اﻤﻟﺴﺘﺨﺪﻣﺔ‪ .‬إن ﻣﺪﺧﻞ ‪ Box-Jenkins‬ﻟﻢ ﻳﻜﻦ ﻫﻮ‬
‫ﺤﻧﻮ ﻣﺴﺘﻤﺮ‪ ،‬ﻓﻤﻨﺎﻫﺞ اﻻﺤﻧﺪار أداﺋﻬﺎ أﻓﻀﻞ ﻲﻓ اﻤﻟﺘﻮﺳﻂ ﻣﻦ ﻧﻤﺎذج‬
‫اﻷﻓﻀﻞ ﺒﻟ ٍ‬
‫ً‬
‫اﻤﻟﺘﻐﺮﻴ اﻟﻮاﺣﺪ‪ ،‬وﻟﻜﻦ ﻣﺮة أﺧﺮى‪ ،‬ﻓﺈن ﻫﺬا ﻟﻴﺲ ﻫﻮ اﺤﻟﺎل داﺋﻤﺎ‪.‬‬
‫اﺠﻘﻄﺔ اﻷﺧﺮﻴة ﻲﻫ أﻧﻪ ﺒﻟ اﻟﺮﻏﻢ ﻣﻦ أن ﻫﻨﺎك ﻣﺰﻴة ﻲﻓ اﻟﻘﺪرة ﺒﻟ اﻻﺧﺘﻴﺎر‬
‫ً‬
‫ﻣﻦ ﻓﺌﺔ واﺳﻌﺔ ﻣﻦ ﻧﻤﺎذج ‪ARIMA‬؛ ﻫﻨﺎك أﻳﻀﺎ ﺨﻣﺎﻃﺮ ﻏﻴﺎب اﺨﻟﺮﺒة اﻟﺎﻜﻓﻴﺔ‬
‫اﻟﻲﺘ ﺗﺴﺎﻋﺪ ﺒﻟ ﺗﻔﺴﺮﻴ ‪ ACF‬و ‪ PACF‬واﻤﻟﺆﺮﺷات اﻷﺧﺮى‪ .‬إﺿﺎﻓﺔ إﻰﻟ ذﻟﻚ‪،‬‬
‫ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﺤﻛﺒﺎﻳﻦ ﻲﻓ اﻟﺴﻠﺴﻠﺔ ﺤﻣﺪد ﺑﻮﺟﻮد اﺠﺗﺎه ﺨم أو ﻣﻮﺳﻲﻤ ﻓﺈن ﻛﻔﺎءة‬
‫ﺗﻮﻓﻴﻖ ﻧﻤﺎذج ‪ ARIMA‬ﺳﺘﻜﻮن ﻣﻌﺘﻤﺪة ﺒﻟ ﻋﻤﻠﻴﺔ أﺧﺬ اﻟﻔﺮوق اﻤﻟﺴﺘﺨﺪﻣﺔ‬
‫ً‬
‫ﺑﺪﻻ ﻣﻦ ﻋﻤﻠﻴﺔ اﺤﻛﻌﺮف ﺒﻟ ﻫﻴﻠﻜﻴﺔ اﻻﺤﻧﺪار ا ا أو ﻫﻴﻠﻜﻴﺔ اﻤﻟﺘﻮﺳﻂ اﻤﻟﺘﺤﺮك‬
‫ﻟﻠﺴﻼﺳﻞ اﻤﻟﺘﺒﺎﻃﺌﺔ‪ .‬ﻲﻓ ﺑﻌﺾ اﺤﻟﺎﻻت‪ ،‬ﻗﺪ ﻳﻜﻮن ﻣﻦ اﻤﻟﺮﺒر إﻧﻔﺎق اﻟﻜﺜﺮﻴ ﻣﻦ‬
‫اﻟﻮﻗﺖ واﺠﻟﻬﺪ ﻲﻓ ﻋﻤﻠﻴﺎت اﺤﻛﻌﺮﻳﻒ واﻟﺘﺸﺨﻴﺺ‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ﻃﺮﻳﻘﺔ ‪Box-‬‬
‫‪ Jenkins‬ﺗﺴﺘﺤﻖ أن ﺗﻜﻮن ﺤﻣﻞ اﻻﻫﺘﻤﺎم ﻲﻓ ﺠﻣﺎﻻت ﻧﻤﺬﺟﺔ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪.‬‬
‫ﻣﻦ ﻧﺎﺣﻴﺔ أﺧﺮى‪ ،‬ﻓﺈﻧﻪ ﻲﻓ ﺣﺎﻟﺔ اﺤﻛﻨﺒﺆ ﺑﺎﻤﻟﺒﻴﻌﺎت اﻟﺮوﺗﻴﻨﻴﺔ‪ ،‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‪،‬‬
‫ﻓﺈن اﻷوﻟﻮﻳﺔ ﺗﻜﻮن ﻟﻠﻄﺮق اﻟﺒﺴﻴﻄﺔ واﻟﻲﺘ ﻳﺴﻬﻞ اﺳﺘﻴﻌﺎﺑﻬﺎ ﻣﻦ ﻗﺒﻞ اﻤﻟﺪراء‬
‫واﻟﻌﺎﻣﻠﻦﻴ ا ﻳﻦ ﺗﻮ إ ﻬﻢ ﻣﻬﻤﺔ ﺗﻄﺒﻴﻖ اﺠﺘﺎﺋﺞ‪.‬‬
‫ﺒﻟ اﻟﺮﻏﻢ ﻣﻦ أن ﻣﻨﻬﺠﻴﺔ ‪ Box-Jenkin‬ﺗﻌﺪ ﻣﻦ أﻫﻢ اﺤﻛﻄﻮرات اﻤﻟﺆﺛﺮة ﻲﻓ‬
‫ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ؛ ﻓﺈن ﻫﺬه اﻤﻟﻨﻬﺠﻴﺔ ﺗﺴﺘﺤﻖ أن ﻳﻌﻤﻞ ﺑﻬﺎ إذا ﺤﺗﻘﻘﺖ‬
‫اﻟﺮﺸوط اﺤﻛﺎ ﺔ‪:‬‬
‫اﻟﻘﺪرة ﺒﻟ ﺗﻄﺒﻴﻘﻬﺎ ﺑﺎﻟﺸﻞﻜ اﻟﺼﺤﻴﺢ‪،‬‬ ‫‪ -‬أن ﻳﻜﻮن اﻤﻟﺤﻠﻞ اﻟﻘﻴﺎ‬
‫‪ -‬أن ﺗﻜﻮن اﻷﻫﺪاف اﻤﻟﺮﺟﻮة ﺗﺘﻨﺎﺳﺐ ﻣﻊ ﺗﻌﻘﻴﺪات ﻫﺬه اﻤﻟﻨﻬﺠﻴﺔ‪ ،‬و‬
‫‪ -‬أن اﺤﻛﻐﺮﻴات اﺤﻟﺎﺻﻠﺔ ﻲﻓ ﺑﻴﺎﻧﺎت اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻻ ﺗﻨﻄﻮي ﺒﻟ اﺠﺗﺎه ﺨم او‬
‫ﺗﻐﺮﻴات ﻣﻮﺳﻤﻴﺔ‪.‬‬
‫ً‬
‫ﻛﻤﺎ ذﻛﺮﻧﺎ ﺳﺎﺑﻘﺎ ﻲﻓ ﻫﺬا اﻟﻔﺼﻞ‪ ،‬ﻓﺈن ﻣﻨﻬﺠﻴﺔ ‪ BJ‬ﺗﺘﻀﻤﻦ أرﺑﻊ ﺧﻄﻮات‪:‬‬
‫اﺨﻟﻄﻮة اﻷو ‪ :‬اﺤﻛﻌﺮﻳﻒ ‪:Identification‬‬
‫ﺤﻧﻦ ﻲﻓ ﺣﺎﺟﺔ إﻰﻟ ﺤﺗﺪﻳﺪ اﻟﻘﻴﻢ اﻤﻟﻨﺎﺳﺒﺔ ﻟﻞﻜ ﻣﻦ ‪ p‬و ‪ d‬و ‪ ،q‬وﻟﻌﻞ اﻷدوات‬
‫اﻟﺮﺋﻴﺴﻴﺔ اﻤﻟﺴﺘﺨﺪﻣﺔ ﻲﻓ ذﻟﻚ ﻫﻤﺎ ﺷﻞﻜ )ﻣﺼﻮر( اﻻرﺗﺒﺎط ‪ correlogram‬وﺷﻞﻜ‬
‫اﻻرﺗﺒﺎط ا ا اﺠﻟﺰﻲﻳ ‪.partial correlogram‬‬
‫اﺨﻟﻄﻮة اﺨﻛﺎﻧﻴﺔ‪ :‬اﺤﻛﻘﺪﻳﺮ ‪:Estimation‬‬
‫ﻋﻨﺪ اﻻﻧﺘﻬﺎء ﻣﻦ ﺤﺗﺪﻳﺪ اﺠﻤﻮذج اﻤﻟﻼﺋﻢ ﻓﺈن اﺨﻟﻄﻮة اﺤﻛﺎ ﺔ ﻲﻫ ﺗﻘﺪﻳﺮ‬
‫ﻣﻌﻠﻤﺎت ذﻟﻚ اﺠﻤﻮذج‪ .‬ﻲﻓ ﺑﻌﺾ اﺤﻟﺎﻻت ﻳﻜﻮن ﻣﻦ اﻤﻟﻼﺋﻢ اﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ‬
‫اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى )‪ ،(OLS‬وﻟﻜﻦ ﻲﻓ ﺣﺎﻻت أﺧﺮى ﻳﺘﻢ اﻟﻠﺠﻮء إﻰﻟ ﻧﻤﺎذج‬
‫اﺤﻛﻘﺪﻳﺮ ﻏﺮﻴ اﺨﻟﻄﻴﺔ )ﻲﻓ اﻤﻟﻌﻠﻤﺎت(‪.‬‬
‫‪:Diagnostic checking‬‬ ‫اﺨﻟﻄﻮة اﺨﻛﺎﺨﻛﺔ‪ :‬اﻟﻔﺤﺺ اﻟﺘﺸﺨﻴ‬

‫ﻟﻠﺘﺄﻛﺪ ﻣﻦ اﺧﺘﻴﺎر اﺠﻤﻮذج اﻤﻟﻼﺋﻢ‪ ،‬ﻫﻨﺎك اﺧﺘﺒﺎر واﺣﺪ وﺑﺴﻴﻂ ﻬﻟﺬا وﻫﻮ اﺤﻛﺄﻛﺪ‬
‫ﻣﻦ أن ﺑﻮاﻲﻗ اﺠﻤﻮذج اﻤﻟﻮﻓﻖ ﻲﻫ ‪ white noise‬أم ﻻ )اﺤﻛﺄﻛﺪ ﻣﻦ اﺳﺘﻘﺮار اﻟﺴﻠﺴﻠﺔ(‪.‬‬
‫اﺨﻟﻄﻮة اﻟﺮاﺑﻌﺔ‪ :‬اﺤﻛﻨﺒﺆ ‪:Forecasting‬‬
‫اﻻﺧﺘﺒﺎر اﺠﻬﺎ ﺠﻤﻮذج ‪ ARIMA‬اﺠﺎﺟﺢ ﻫﻮ ﺗﻘﻴﻴﻢ أداﺋﻪ اﺤﻛﻨﺒﺆي ﺧﻼل‬
‫ً‬
‫ﻓﺮﺘة اﻟﻌﻴﻨﺔ وأﻳﻀﺎ ﺧﺎرج ﻓﺮﺘة اﻟﻌﻴﻨﺔ‪.‬‬
‫‪ 1.3.3.7‬ﻧﻤﻮذج ‪ ARIMA‬ﻤﻟﻌﺪل ﻣﺆﺮﺷ أﺳﻌﺎر اﻤﻟﺴﺘﻬﻠﻚ )‪ (CPIR‬ﻟﻠﻮﻻﻳﺎت‬
‫اﻤﻟﺘﺤﺪة ﺧﻼل اﻟﻔﺮﺘة )‪(1998Q3-2015Q1‬‬
‫اﺨﻟﻄﻮة اﻷو ‪-‬ﻋﻤﻠﻴﺔ اﺳﺘﻘﺮار ﺳﻠﺴﻠﺔ ‪:CPIR‬‬
‫ﻳﻨﺎ ﺑﻴﺎﻧﺎت رﺑﻊ ﺳﻨﻮﻳﺔ ﻤﻟﺆﺮﺷ أﺳﻌﺎر اﻤﻟﺴﺘﻬﻠﻚ ﻟﻠﻔﺮﺘة اﻤﻟﻤﺘﺪة ﻣﻦ ‪1998q1‬‬
‫ً‬
‫إﻰﻟ ‪ ،2015q3‬ﻧﻘﻮم ﺑﺪاﻳﺔ ﺑﻔﺤﺺ ﻣﺎ إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة أم ﻻ‪ .‬اﻓﺘﺢ‬
‫ﺑﻴﺎﻧﺎت ‪ CPIR‬ﻣﻦ ﻣﻠﻒ اﻟﻌﻤﻞ‪ ،‬ﺛﻢ اذﻫﺐ إﻰﻟ ‪ View‬واﺧﺮﺘ ‪ graph‬ﻟﻠﺤﺼﻮل‬
‫و ﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪ 7.1‬ﻓﺈﻧﻬﺎ ﺗﺒﺪو‬ ‫‪CPIR‬‬ ‫ﺒﻟ اﻟﺸﻞﻜ اﻛﻴﺎ ﻛﻴﺎﻧﺎت‬
‫ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺷﻞﻜ اﻻرﺗﺒﺎط ﻟـ ‪:CPIR‬‬
‫‪ :H0 - 1‬اﻟﺴﻠﺴﻠﺔ ‪ CPIR‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ :H1 - 2‬اﻟﺴﻠﺴﻠﺔ ‪ CPIR‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫أو ‪0.05‬‬ ‫‪α = 5%‬‬ ‫‪-3‬‬
‫ﺷﻜﻞ ‪ 2.7‬ﺷﻜﻞ اﻻرﺗﺒﺎط ﻟـ ‪CPIR‬‬

‫‪ - 4‬ﻗﻴﻢ ‪ p-values‬ﻲﻓ اﻟﻐﺎﻟﺐ ﺗﺴﺎوي ‪0.000‬‬
‫‪H0‬‬ ‫‪ - 5‬ﺑﻤﺎ أن ‪ Prob = 0.000‬وﻲﻫ أﻗﻞ ﻣﻦ ‪ 0.05‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم‬
‫وﻧﻘﺒﻞ اﻟﻔﺮض اﻛﺪﻳﻞ ‪.H1‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن ﺳﻠﺴﻠﺔ ‪ CPIR‬ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ ‪ -‬اﺧﺘﺒﺎر ‪ADF‬‬
‫‪ : H0 - 1‬اﻟﺴﻠﺴﻠﺔ ‪ CPIR‬ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ : H1 - 2‬اﻟﺴﻠﺴﻠﺔ ‪ CPIR‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪-8696612‬‬
‫وﻫﻜﺬا ﻧﺮﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪.H0‬‬ ‫اﻻﺣﺘﻤﺎل ‪Prob. = 0.0000 < 0.05‬‬ ‫‪-5‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ أن اﻟﺴﻠﺴﻠﺔ ‪ CPIR‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫وﺑﻤﺎ أن ﻣﻨﻬﺠﻴﺔ ‪ BJ‬ﻣﺒﻨﻴﺔ ﺒﻟ اﻓﺮﺘاض وﺟﻮد اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻤﻟﺴﺘﻘﺮة‪،‬‬
‫ﻓﺈﻧﻨﺎ ﺳﻨﻌﻤﻞ ﺒﻟ ﺳﻠﺴﻠﺔ ‪ CPIR‬واﻟﻲﺘ أوﺿﺤﻨﺎ ﺑﺎﻻﺧﺘﺒﺎرات اﻟﻼزﻣﺔ أﻧﻬﺎ‬
‫ﻣﺴﺘﻘﺮة‪ .‬اﺨﻟﻄﻮة اﺤﻛﺎ ﺔ ﻲﻫ ﺤﺗﺪﻳﺪ أي ﻣﻦ اﺠﻤﺎذج أﻋﻼه ﺳﻮف ﺗﻨﺎﺳﺐ ﺑﻴﺎﻧﺎت‬

‫ﺳﻠﺴﻠﺔ ‪.CPIR‬‬
‫ﺷﻜﻞ ‪ 3.7‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟـ ‪CPIR‬‬

‫اﺨﻟﻄﻮة اﺨﻛﺎﻧﻴﺔ‪-‬اﺤﻛﻌﺮف ‪:Identification‬‬
‫ﺷﻞﻜ اﻻرﺗﺒﺎط ﻟـ ‪ CPIR‬إﻰﻟ ‪ 15‬ﻓﺮﺘة ﺗﺒﺎﻃﺆ‬
‫اﻓﺘﺢ ﺑﻴﺎﻧﺎت ‪ CPIR‬ﻲﻓ ‪ EViews‬واذﻫﺐ إﻰﻟ ‪ .View‬ﻣﻦ اﻟﻘﺎﺋﻤﺔ اﻤﻟﻨﺴﺪﻟﺔ‬
‫اﺧﺮﺘ ‪ .Correlogram‬ﻗﻢ ﺑﺘﻐﻴﺮﻴ رﻗﻢ اﻟﻔﺠﻮات اﻟﺰﻣﻨﻴﺔ )ﻋﺪد اﻤﻟﺘﺒﺎﻃﺌﺎت( إﻰﻟ ‪15‬‬
‫ﺛﻢ اﻧﻘﺮ ﺒﻟ ‪ OK‬و ﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪.4.7‬‬
‫ﺑﺎﺠﻈﺮ إﻰﻟ اﺠﺘﺎﺋﺞ ﻲﻓ اﻟﺸﻞﻜ ‪ ،5.7‬ﻧﻼﺣﻆ أن اﻟـ ‪) ACF‬داﻟﺔ اﻻﺤﻧﺪار ا ا (‬
‫ﺗﺒﻦﻴ وﺟﻮد ارﺗﺒﺎط ﻣﺎ ﺑﻦﻴ اﻟﻘﻴﻢ اﺤﻟﺎ ﺔ ﻟـ ‪ CPIR‬ﻣﻊ ﻗﻴﻤﻬﺎ ﻋﻨﺪ ﻓﺮﺘات ﺗﺒﺎﻃﺆ‬
‫ﺨﻣﺘﻠﻔﺔ‪ .‬أﻣﺎ اﻟـ ‪) PACF‬داﻟﺔ اﻻﺤﻧﺪار ا ا اﺠﻟﺰﻲﻳ( ﻓﻴﻈﻬﺮ اﻻرﺗﺒﺎط ﻣﺎ ﺑﻦﻴ‬
‫اﻤﻟﺸﺎﻫﺪات ﺗﺘﺒﺎﻋﺪ ﻓﻴﻤﺎ ﺑﻴﻨﻬﺎ ﺑﻔﺮﺘات زﻣﻨﻴﺔ ‪ k‬ﺑﻌﺪ ﺗﺜﺒﻴﺖ أﺛﺮ اﺤﻛﺒﺎﻃﺆات اﻟﻮﺳﻴﻄﺔ‬
‫)أي اﺤﻛﺒﺎﻃﺆات أﻗﻞ ﻣﻦ ‪ .(k‬ﻫﺬه اﻤﻟﻨﻬﺠﻴﺔ ﺗﺴﺘﺨﺪم اﺛﻨﺎن ﻣﻦ ﻣﻌﻠﻤﺎت اﻻرﺗﺒﺎط‬
‫ﻣﻦ أﺟﻞ اﺤﻛﻌﺮف ﺒﻟ اﺠﻮﻋﻴﺔ اﻤﻟﻨﺎﺳﺒﺔ ﻣﻦ ﻧﻤﻮذج ‪ ARMA‬ﻻﺳﺘﺨﺪاﻣﻬﺎ ﻲﻓ اﺤﻛﻨﺒﺆ‪.‬‬
‫ﺷﻜﻞ ‪ 4.7‬ﺗﻮﺻﯿﻒ ﺷﻜﻞ اﻻرﺗﺒﺎط‬
‫ﺷﻜﻞ ‪ 5.7‬ﺷﻜﻞ اﻻرﺗﺒﺎط ﻟـ ‪ 15) CPIR‬ﻓﺘﺮة إﺑﻄﺎء(‬

‫ﻳﻤﻜﻨﻨﺎ اﺤﻟﺼﻮل ﺒﻟ داﻟﺔ اﻻرﺗﺒﺎط ا ا )‪ (ACF‬ﻋﻨﺪ ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ ‪ k‬ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﻲﻓ اﺤﻛﻄﺒﻴﻖ اﻟﻌﻤﻲﻠ‪ ،‬ﻳﺘﻢ ﺣﺴﺎب اﻟـ ‪ ACF‬ﻣﻦ اﻟﻌﻴﻨﺔ اﻤﻟﻌﻄﺎة‪ ،‬وﻳﻌﻄﻰ اﻟﺮﻣﺰ‬
‫‪ ،‬وا ي ﺑﺪوره ﻳﺴﺘﻨﺪ ﺒﻟ ﺗﻐﺎﻳﺮ اﻟﻌﻴﻨﺔ ﻋﻨﺪ اﺤﻛﺒﺎﻃﺆ ‪ k‬وﺒﻟ ﺗﺒﺎﻳﻦ اﻟﻌﻴﻨﺔ‪.‬‬
‫ﻃﻮل ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ )ﻋﺪد اﻟﻔﺠﻮات اﻟﺰﻣﻨﻴﺔ( ‪ k‬ﻫﻮ أﻣﺮ ﻳﺴﺘﺪﻲﻋ أن ﺤﻳﺪد ﻋﻦ‬
‫ﻃﺮﻳﻖ اﺳﺘﺨﺪام ﺑﻌﺾ اﻤﻟﻌﺎﻳﺮﻴ‪ .‬ﻳﻤﻜﻦ أن ﻧﺴﺘﺨﺪم أﺣﺪ ﻣﻌﺎﻳﺮﻴ اﻤﻟﻌﻠﻮﻣﺎت‬
‫‪ Akaike‬أو ‪ Schwarz‬ﺤﻛﺤﺪﻳﺪ ﻃﻮل ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ‪ .‬وﻟﻜﻦ ﻛﻘﺎﻋﺪة ﺨﻣﺔ‪ ،‬ﻳﺘﻢ‬
‫ﺣﺴﺎب ‪ ACF‬إﻰﻟ ﺣﺪ رﺑﻊ أو ﺛﻠﺚ ﻃﻮل اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ‪ .‬ﻣﻊ ذﻟﻚ‪ ،‬ﻓﺈن ﻫﺬه‬
‫ً‬
‫اﻟﻘﺎﻋﺪة أﻳﻀﺎ ﻗﺪ ﺗﻜﻮن ﻏﺮﻴ ﻋﻤﻠﻴﺔ إذا ﺎﻛﻧﺖ ﺣﺠﻢ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻛﺒﺮﻴ‬
‫ً‬
‫ﻧﺴﺒﻴﺎ‪ .‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل إذا ﺎﻛن ﻳﻨﺎ ‪ 2355‬ﻣﺸﺎﻫﺪة؛ ﻓﺈن رﺑﻊ ﻫﺬه اﻟﺴﻠﺴﻠﺔ‬
‫ﺳﻴﻜﻮن ‪ 589‬ﻓﺮﺘة ﺗﺒﺎﻃﺆ‪ ،‬وﻻ ﻳﻤﻜﻦ ﻋﺮض اﻟـ ‪ ACF‬ﻋﻨﺪ ﻞﻛ ﻫﺬه اﺤﻛﺒﺎﻃﺆات‪،‬‬
‫و ﻧﻤﺎ ﺳﻨﻘﻮم ﻓﻘﻂ ﺑﻔﺤﺺ أول ‪ 50‬ﺗﺒﺎﻃﺆ ﻣﻦ اﻟـ ‪.ACF‬‬
‫ﻲﻓ ﻣﺜﺎﺠﺎ اﺤﻟﺎﻲﻟ ﻳﻨﺎ ‪ 67‬ﻣﺸﺎﻫﺪة و ‪ 15‬ﺗﺒﺎﻃﺆ ﺳﺘﻜﻮن ﺎﻛﻓﻴﺔ‪ .‬اﻟﺮﺳﻢ اﻛﻴﺎ‬
‫ﻣﻘﺎﺑﻞ ‪ ،k‬ﻃﻮل ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ‪ ،‬ﻳﻄﻠﻖ ﻋﻠﻴﻪ ﺷﻞﻜ اﻻرﺗﺒﺎط ﻟﻠﻌﻴﻨﺔ ) ‪sample‬‬ ‫ﻟـ‬
‫‪ .(correlogram‬ﻳﻤﻜﻨﻨﺎ اﺧﺘﺒﺎر اﻤﻟﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻞﻜ ﻣﻌﻠﻤﺔ ﻟﻼرﺗﺒﺎط ا ا‬
‫ﻋﻦ ﻃﺮﻳﻖ ﺣﺴﺎب اﺤﻧﺮاﻓﻬﺎ اﻤﻟﻌﻴﺎري‪ .‬ﻟﻘﺪ ﺑﻦﻴ اﻹﺣﺼﺎ ‪ Bartlett‬أﻧﻪ إذا ﺎﻛﻧﺖ‬
‫‪ ،‬ﺳﻴﻜﻮن‬ ‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻋﺸﻮاﺋﻴﺔ ﺤﺑﺘﺔ‪ ،‬ﻓﺈن اﻻرﺗﺒﺎط ا ا ﻟﻠﻌﻴﻨﺔ‪،‬‬
‫ً‬ ‫ً‬
‫ﺗﻘﺮﻳﺒﺎ )أي ﻲﻓ اﻟﻌﻴﻨﺎت اﻟﻜﺒﺮﻴة( ﻣﻮزﺨ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﺣﺠﻢ اﻟﻌﻴﻨﺔ ﻲﻓ ﻣﺜﺎﺠﺎ ﻳﺴﺎوي ‪ 67‬ﻣﺸﺎﻫﺪة‪ ،‬ﻟﻚ ﻓﺈن اﺤﻛﺒﺎﻳﻦ ﻳﺴﺎوي‬

‫أو ‪ 0.01492‬و اﺨﻟﻄﺄ اﻤﻟﻌﻴﺎري ﺳﻴﻜﻮن‪:‬‬
‫‪،‬‬ ‫ﺑﻌﺪ ذﻟﻚ‪ ،‬ﻧﺴﺘﺨﺪم ﻣﻌﺎدﻟﺔ ﺣﺪود )ﻧﻄﺎق( اﺨﻛﻘﺔ ﻟﻠﺘﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ اﻟﻘﻴﺎ‬
‫‪ ،‬وا ي ﻓﻴﻪ اﻟﻮﺳﻂ اﺤﻟﺴﺎ ﻟﻠﻤﺠﺘﻤﻊ ﻳﺴﺎوي ﺻﻔﺮ واﺤﻛﺒﺎﻳﻦ ﻳﺴﺎوي ‪.1‬‬
‫ﻣﻌﺎدﻟﺔ ﺣﺪود اﺨﻛﻘﺔ ﻣﻌﻄﺎة ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﻋﻨﺪ اﺳﺘﺨﺪام ﻫﺬه اﻤﻟﻌﺎدﻟﺔ ً‬

‫ﺑﻨﺎء ﺒﻟ ﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪ ،%5‬ﺳﻨﺘﻮﺻﻞ إﻰﻟ‪:‬‬
‫وﺑﺬﻟﻚ ﻳﻤﻜﻦ اﻟﻘﻮل أن ﻧﻄﺎق اﺨﻛﻘﺔ ﺑﻨﺴﺒﺔ ‪ %95‬ﻤﻟﻌﻠﻤﺔ اﻻرﺗﺒﺎط اﺤﻟﻘﻴﻘﻴﺔ‬

‫ً‬
‫ﺳﺘﻜﻮن ﺗﻘﺮﻳﺒﺎ‪:‬‬
‫ﻣﻌﻠﻤﺎت اﻻرﺗﺒﺎط واﻟﻲﺘ ﺗﻘﻊ ﺧﺎرج ﻫﺬه اﺤﻟﺪود ﻲﻫ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﻋﻨﺪ‬
‫ﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪.%5‬‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ ﻣﺎ ﺳﺒﻖ‪ ،‬ﻓﺈن اﻻرﺗﺒﺎﻃﺎت ﻲﻓ ﻞﻛ ﻣﻦ ‪ AC‬و ‪ PAC‬ﻋﻨﺪ اﺤﻛﺒﺎﻃﺆ )‪(2‬‬
‫ً‬
‫ﻲﻫ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺎ‪.‬‬
‫ﺳﻨﻘﻮم ﻲﻓ اﺨﻟﻄﻮة اﻟﻘﺎدﻣﺔ ﺑﺘﻮﻓﻴﻖ ﻧﻤﻮذج ‪ AR‬ﻋﻨﺪ اﻤﻟﺘﺒﺎﻃﺌﺎت ‪.2‬‬
‫اﺨﻟﻄﻮة اﺨﻛﺎﺨﻛﺔ‪-‬اﺤﻛﻘﺪﻳﺮ ‪:Estimation‬‬
‫ﻧﻤﻮذج ‪AR‬‬
‫ً‬
‫ﺗﺄﺳﻴﺴﺎ ﺒﻟ ﻧﺘﺎﺋﺞ اﺨﻟﻄﻮة اﻟﺴﺎﺑﻘﺔ‪ ،‬ﻧﻨﺘﻘﻞ إﻰﻟ ﺗﻘﺪﻳﺮ ﻧﻤﻮذج ‪ AR‬اﺤﻛﺎﻲﻟ‪:‬‬
‫اذﻫﺐ إﻰﻟ ‪ Quick-Estimate Equation‬ﺛﻢ اﻛﺘﺐ )‪ CPIR C AR(2‬ﺛﻢ اﻧﻘﺮ‬

‫ﺒﻟ ‪ OK‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪.6.7‬‬
‫ﻣﻼﺣﻈﺔ‪ :‬ﻫﻨﺎ ﻧﻘﻮم ﺑﺎﺳﺘﺨﺪام اﻟﻌﻴﻨﺔ ﻠﻛﻬﺎ )ﻣﻦ ‪ 1998q3‬إﻰﻟ ‪(2015q1‬‬
‫‪CPIR‬‬ ‫ﺷﻜﻞ ‪ 6.7‬ﺗﻘﺪﯾﺮ ﻣﻌﺎدﻟﺔ )‪ ARIMA AR(2‬ﻟﺒﯿﺎﻧﺎت‬
‫ﺷﻜﻞ ‪ 7.7‬ﻧﺘﺎﺋﺞ ﻧﻤﻮذج )‪ ARIMA AR(2‬ﻟـ ‪CPIR‬‬

‫‪CPIR‬‬ ‫ﺷﻜﻞ ‪ 8.7‬ﺗﻘﺪﯾﺮ ﻣﻌﺎدﻟﺔ )‪ ARIMA MA(2‬ﻟـ‬

‫ً‬
‫ﻣﻦ ﺧﻼل اﺠﺘﺎﺋﺞ ﻧﻼﺣﻆ أن ﻣﻌﻠﻤﺔ اﻟـ )‪ AR(2‬ﻲﻫ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺎ‬
‫)‪ .(p-value: 0.0000‬ﻟﻚ ﻓﺈن ﻫﺬا اﺠﻤﻮذج ﻫﻮ ﻣﺮﺷﺢ ﻤﻟﺰﻳﺪ ﻣﻦ اﻟﻔﺤﺺ‪ .‬ﻧﻘﻮم‬
‫ﺑﺄﺧﺬ ﻣﻼﺣﻈﺎت ﻋﻦ ﻧﻮﻋﻦﻴ ﻣﻦ اﻤﻟﻌﺎﻳﺮﻴ ﺠﺘﺎﺋﺞ )‪:AR(2‬‬
‫ﻣﻼﺣﻈﺎت‪:‬‬
‫‪ - 1‬ﻫﺬه اﻟﻌﻤﻠﻴﺔ ﻗﺪ ﺗﺘﻀﻤﻦ ﻋﺪة ﺧﻄــﻮات ﻟﻐﺮض اﺤﻟﺼﻮل ﺒﻟ ﻣﻌﻠﻤﺎت اﻟـ‬
‫‪ AR‬ذات اﻤﻟﻌﻨﻮﻳــﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻲﻓ ﻧﻤﻮذج اﻻﺤﻧﺪار اﺠﻬﺎ ‪ .‬ﻞﻛ اﻻرﺗﺒﺎﻃﺎت‬
‫اﻤﻟﻌﻨﻮﻳــﺔ اﻟﻲﺘ وﺟــﺪت ﻣﻦ ﺧﻼل ﺷــﻞﻜ اﻻرﺗﺒﺎط ﻟﻠﺴﻠﺴــﻠﺔ ﻳﻨﺒﻲﻐ أن‬
‫ﺗﺴﺘﺨﺪم ﻲﻓ اﻻﺤﻧﺪار اﻷول ﻟـ ‪ ،AR‬ﺛﻢ ﻧﻘﻮم ﺑﺎﺳﺘﺒﻌﺎد اﻟـ ‪ ARs‬ﻏﺮﻴ اﻤﻟﻌﻨﻮﻳﺔ‬
‫ً‬
‫اﺣﺼﺎﺋﻴﺎ وﻧﻘﻮم ﺑﺈﺨدة ﺗﻘﺪﻳﺮ اﺠﻤﻮذج ﺑﺎﺳــﺘﺨﺪام اﻟـ ‪ ARs‬اﻤﻟﻌﻨﻮﻳﺔ ﻓﻘﻂ‪.‬‬
‫ﻫﺬه اﻟﻌﻤﻠﻴﺔ ﺳﺘﺴــﺘﻤﺮ ﺣ ﻧﺼﻞ إﻰﻟ اﻹﺤﻧﺪار اﺠﻬﺎ ﻟـ ‪ AR‬وﻧﺴﺘﺨﺪم‬
‫ﻫﺬا اﻷﺧﺮﻴ ﻲﻓ ﻋﻤﻠﻴﺔ اﺤﻛﻨﺒﺆ إذا رأﻳﻨﺎ أن ﻫﺬا اﺠﻤﻮذج ﻫﻮ اﻤﻟﻔﻀﻞ ﻋﻦ ﻏﺮﻴه‬
‫ﻣﻦ اﺠﻤﺎذج أدﻧﺎه‪.‬‬
‫‪ - 2‬اﻓﺮﺘض أﻧﻨﺎ ﻗﻤﻨﺎ ﺑﺈﺟﺮاء اﻻﺤﻧﺪار ﻷﺛﻨــﻦﻴ ﻣﻦ اﺠﻤﺎذج ﻣﻦ أﺟﻞ اﺤﻟﺼﻮل‬
‫ً‬
‫ﺒﻟ ‪ ARs‬ذات ﻣﻌﻨﻮﻳــﺔ إﺣﺼﺎﺋﻴــﺔ‪ ،‬و ن ﻟﺰاﻣﺎ ﻋﻠﻴﻨــﺎ أن ﺨﻧﺘﺎر ﻣﻦ ﺑﻦﻴ‬
‫ﻫﺬه اﺠﻤﺎذج‪ .‬ﻷﺟــﻞ ﺗﻘﺮﻳﺮ أي ﻣﻦ اﺠﻤﺎذج ﻫﻮ اﻤﻟﻨﺎﺳــﺐ واﻤﻟﻔﻀﻞ ﺒﻟ‬
‫اﺠﻤﻮذج اﻵﺧﺮ؛ ﻧﺴــﺘﻌﻦﻴ ﺑﺄﺣﺪ ﻣﻌﺎﻳﺮﻴ اﻤﻟﻌﻠﻮﻣــﺎت ‪ Akaika‬أو ‪Schwarz‬‬
‫ﺤﻛﺤﺪﻳﺪ اﻻﺧﺘﻴﺎر اﻷﻓﻀﻞ‪ .‬وﻫﻨﺎ ﻳﻨﺒﻲﻐ أن ﻧﺘﺬﻛﺮ أﻧﻪ ﻋﻨﺪ اﺠﻈﺮ إﻰﻟ ﻣﻌﺎﻳﺮﻴ‬
‫اﻤﻟﻌﻠﻮﻣﺎت‪ ،‬ﻧﻘﻮم ﺑﺎﺧﺘﻴﺎر اﻷﻗﻞ ﻗﻴﻤﺔ ﻣﻦ ﻫﺬه اﻤﻟﻌﺎﻳﺮﻴ‪.‬‬
‫ﺷﻜﻞ ‪ 9.7‬ﻧﺘﺎﺋﺞ ﻧﻤﻮذج )‪ ARIMA MA(2‬ﻟـ ‪CPIR‬‬
‫ﻳﻨﺒﻲﻐ ﻋﻠﻴﻨﺎ أن ﻧﺆ ﺪ ﻣﻦ ﺟﺪﻳﺪ ﺒﻟ أن ﻗﺮار اﺧﺘﻴﺎر ﻧﻤﻮذج ‪ AR‬اﻤﻟﻔﻀﻞ‬

‫ﻫﻮ ﻋﻤﻠﻴﺔ ﺠﺗﺮﻳﺒﻴﺔ‪ .‬ﻓﻨﺤﻦ ﻧﻘﻮم ﺑﺎﺳﺘﺨﺪام ﻞﻛ ‪ ARs‬ذا ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﻣﻦ‬
‫ﺟﺪول ﺷﻞﻜ اﻻرﺗﺒﺎط ‪ ، Correlogram Table‬ﺛﻢ ﺑﻤﺤﺎوﻟﺔ اﺤﻟﺼﻮل ﺒﻟ ﻧﻤﻮذج‬
‫ً‬
‫‪ AR‬وا ي ﻓﻴﻪ أﻏﻠﺐ ﻣﻌﻠﻤﺎت اﻻرﺗﺒﺎط ا ا ﻣﻌﻨﻮﻳﺔ اﺣﺼﺎﺋﻴﺎ‪ ،‬وﺑﺬﻟﻚ‪ ،‬ﻓﺈن‬
‫ﻫﺬا اﺠﻤﻮذج ﺳﻴﻜﻮن ﻫﻮ اﺠﻤﻮذج اﻤﻟﺮﺷﺢ ﻤﻟﺰﻳﺪ ﻣﻦ اﻻﻋﺘﺒﺎرات واﻟﻔﺤﻮﺻﺎت‪.‬‬

‫ﻧﻤﻮذج ‪MA‬‬
‫ﻧﻘﻮم ﺑﺎﺳﺘﺨﺪام ﺣﺪود ‪ MA‬ﻋﻨﺪ ﻓﺮﺘﺗﻦﻴ ﺗﺒﺎﻃﺆ )‪ ،(lag 2‬ﻛﻤﺎ ﻓﻌﻠﻨﺎ ﻲﻓ‬
‫ﻧﻤﻮذج ‪ AR‬أﻋﻼه‪ .‬وﺑﺬﻟﻚ ﻓﻨﺤﻦ ﺑﺼﺪد اﺳﺘﻌﺮاض ﻧﻤﻮذج ‪ MA‬اﺤﻛﺎﻲﻟ‪:‬‬
‫‪OK‬‬ ‫ﺛﻢ اﻧﻘﺮ‬ ‫)‪CPIR C MA(2‬‬ ‫ﺛﻢ اﻛﺘﺐ‬ ‫‪Quick-Estimate‬‬ ‫اذﻫﺐ إﻰﻟ‬
‫)اﻟﺸﻞﻜ ‪.(8.7‬‬
‫ﺗﺬﻛﺮ أﻧﻨﺎ ﻧﻘﻮم ﺑﺎﺳﺘﺨﺪام اﻟﻌﻴﻨﺔ ﻠﻛﻬﺎ )ﻣﻦ ‪ 1998q3‬إﻰﻟ ‪.(2015q1‬‬
‫ﺑﺎﺠﻈﺮ إﻰﻟ اﺠﺘﺎﺋﺞ اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ ،9.7‬ﺠﻧﺪ أن ﻣﻌﻠﻤﺔ )‪ MA(2‬ﻣﻌﻨﻮﻳﺔ‬
‫ً‬
‫إﺣﺼﺎﺋﻴﺎ ﻋﻨﺪ ﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪ .(p-value = 0.0000) %5‬ﻫﺬه اﺠﺘﺎﺋﺞ ﺠﺗﻌﻞ ﻣﻦ‬
‫ً‬
‫ﻫﺬا اﺠﻤﻮذج ﻣﺮﺷﺤﺎ ﻤﻟﺰﻳﺪ ﻣﻦ اﻻﻋﺘﺒﺎر‪.‬‬
‫إن اﻤﻟﻼﺣﻈﺎت اﻟﻲﺘ ﺳﺒﻖ ذﻛﺮﻫﺎ‪ ،‬واﻤﻟﺘﻌﻠﻘﺔ ﺑﻨﻤﻮذج ‪ ،AR‬ﺠﻳﺐ أن ﻳﺘﻢ اﻷﺧﺬ‬
‫ً‬
‫ﺑﻬﺎ ﻲﻓ اﻻﻋﺘﺒﺎر أﻳﻀﺎ ﻲﻓ ﺣﺎﻟﺔ ﻧﻤﻮذج ‪.MA‬‬
‫ﻧﻘﻮم ﺑﺄﺧﺬ ﻣﻼﺣﻈﺎت ﻋﻦ ﻧﻮﻋﻦﻴ ﻣﻦ اﻤﻟﻌﺎﻳﺮﻴ ﺠﺘﺎﺋﺞ )‪:MA(2‬‬
‫أي ﻣﻦ ﻫﺬه اﺠﻤﺎذج ﻳﻨﺒﻲﻐ أن ﺨﻧﺘﺎر؟ ﻫﻞ ﻫﻮ )‪ AR(2‬أم )‪MA(2‬؟‬

‫ﻧﻘﻮم ﺑﻤﻘﺎرﻧﺔ ﻣﻌﺎﻳﺮﻴ اﻤﻟﻌﻠﻮﻣﺎت ﺠﺘﺎﺋﺞ اﺠﻤﻮذﺟﻦﻴ و ﺤﻛﺎﻲﻟ‪:‬‬
‫ﻣﻦ ﻧﺘﺎﺋﺞ ﻧﻤﻮذج )‪ AR(2‬وﺟﺪﻧﺎ اﻤﻟﻌﻴﺎرﻳﻦ‪:‬‬
‫وﻣﻦ ﻧﺘﺎﺋﺞ ﻧﻤﻮذج )‪ MA(2‬وﺟﺪﻧﺎ ﻗﻴﻢ اﻤﻟﻌﻴﺎرﻳﻦ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬

‫وﻷﻧﻨﺎ ﺨﻧﺘﺎر اﺠﻤﻮذج ا ي أﻗﻞ ﻗﻴﻤﺔ ﻣﻦ ﻫﺬه اﻤﻟﻌﺎﻳﺮﻴ؛ ﻓﺈﻧﻨﺎ ﺠﻧﺪ ﻲﻓ ﻫﺬه‬
‫اﺤﻟﺎﻟﺔ أن ﻧﻤﻮذج )‪ AR(2‬اﻷﻓﻀﻠﻴﺔ ﺒﻟ ﻧﻤﻮذج )‪ ،MA(2‬ﺒﻟ اﻟﺮﻏﻢ ﻣﻦ ﻋﺪم‬
‫وﺟﻮد ﻓﺮق ﻛﺒﺮﻴ ﻲﻓ ﻗﻴﻢ اﻤﻟﻌﻴﺎرﻳﻦ ﻲﻓ اﺠﻤﻮذﺟﻦﻴ‪.‬‬
‫ﻧﻤﻮذج ‪ARMA‬‬
‫ً‬ ‫ً‬
‫ﻧﻘﻮم اﻵن ﺑﺘﻄﻮﻳﺮ ﻧﻤﻮذج ﺑﺎﺳﺘﺨﺪام ﺣﺪود ﻛﻼ ﻣﻦ ‪ AR‬و ‪ MA‬ﻣﻌﺎ‪ .‬ﺠﻧﺮي‬
‫ً‬
‫ﻟﻞﻜ ﻣﻦ ‪ AR‬و ‪ .MA‬اﻬﻟﺪف ﻣﻦ ذﻟﻚ‬ ‫ٍ‬ ‫اﻤﻟﻌﻨﻮﻳﺔ‬ ‫اﻻرﺗﺒﺎط‬ ‫ﻣﻌﻠﻤﺎت‬ ‫ﻟﻞﻜ‬ ‫اﺤﻧﺪارا‬
‫ﻫﻮ إﺠﻳﺎد ﻧﻤﻮذج ‪ ARMA‬ﻳﻪ ﻣﻌﻠﻤﺎت ذات أﺒﻟ ﻣﻌﻨﻮﻳﺔ ﺤﻣﺘﻤﻠﺔ‪ .‬ﺤﻛﺤﻘﻴﻖ ﻫﺬا‬
‫اﻟﻐﺮض ﻧﻘﻮم ﺑﺈﺟﺮاء ﺑﻌﺾ اﺤﻛﺠﺎرب ﻟﻠﺤﺼﻮل ﺒﻟ أﻓﻀﻞ ﻧﻤﻮذج‪.‬‬
‫اﺤﻛﺠﺮﺑﺔ اﻷو ‪:‬‬
‫اذﻫﺐ إﻰﻟ ‪ Quick-Estimate Equation‬ﺛﻢ اﻛﺘﺐ )‪CPIR C AR(2) MA(2‬‬
‫ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫ﺗﺬﻛﺮ أﻧﻨﺎ ﻧﺴﺘﺨﺪم اﻟﻌﻴﻨﺔ ﺑﺎﻟﺎﻜﻣﻞ )اﻟﺸﻞﻜ ‪ 10.7‬و اﻟﺸﻞﻜ ‪(11.7‬‬
‫ﻞﻛ ﻣﻦ )‪ AR(2‬و‬ ‫)اﻟﺸﻞﻜ ‪ (11.7‬ﻳﺘﻀﺢ ﺠﺎ أن ﻣﻌﻠﻤﺎت ٍ‬ ‫ﻣﻦ ﺟﺪول اﺠﺘﺎﺋﺞ‬
‫ً‬
‫)‪ MA(2‬ﻲﻫ ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺎ‪ ،‬وأن اﺠﻤﻮذج ﻣﺮﺷﺢ ﻤﻟﺰﻳﺪ ﻣﻦ اﻻﻋﺘﺒﺎر واﻟﻔﺤﺺ‪.‬‬
‫‪CPIR‬‬ ‫ﺷﻜﻞ ‪ 10.7‬ﺗﻘﺪﯾﺮ ﻣﻌﺎدﻟﺔ )‪ ARIMA AR(2) MA(2‬ﻟـ‬

‫ﺷﻜﻞ ‪ 11.7‬ﻧﺘﺎﺋﺞ ﻧﻤﻮذج )‪ ARIMA AR(2) MA(2‬ﻟـ ‪CPIR‬‬

‫ﻧﻘﻮم ﺑﺄﺧﺬ ﻣﻼﺣﻈﺎت ﻋﻦ ﻧﻮﻋﻦﻴ ﻣﻦ اﻤﻟﻌﺎﻳﺮﻴ ﺠﺘﺎﺋﺞ ﻧﻤﻮذج )‪:ARMA(2‬‬
‫أي ﻣﻦ ﻫﺬه اﺠﻤﺎذج ﻳﻨﺒﻲﻐ أن ﺨﻧﺘﺎر؟‬

‫)‪ AR(2‬أو )‪ MA(2‬أو])‪ARMA[AR(2), MA(2‬‬
‫ﻧﻘﻮم ﺑﻤﻘﺎرﻧﺔ ﻣﻌﺎﻳﺮﻴ اﻤﻟﻌﻠﻮﻣﺎت و ﺤﻛﺎﻲﻟ‪:‬‬
‫ﻣﻦ ﻧﺘﺎﺋﺞ ﻧﻤﻮذج )‪ AR(2‬وﺟﺪﻧﺎ اﻤﻟﻌﻴﺎرﻳﻦ‪:‬‬
‫ﻣﻦ ﻧﺘﺎﺋﺞ )‪ MA(2‬وﺟﺪﻧﺎ اﻤﻟﻌﻴﺎرﻳﻦ‪:‬‬
‫ﻳﻨﺎ اﻤﻟﻌﻴﺎرﻳﻦ‪:‬‬ ‫ﻣﻦ ﻧﺘﺎﺋﺞ ‪ARMA‬‬
‫اﺠﻤﻮذج ا ي أﻗﻞ ﻗﻴﻤﺔ ﻣﻦ ﻣﻌﺎﻳﺮﻴ‪ Akaika‬و ‪ Schwarz‬ﻫﻮ ﻧﻤﻮذج‬

‫‪ ،ARMA‬ﻟﻚ ﺳﻴﺘﻢ اﺧﺘﻴﺎر ﻧﻤﻮذج ‪ ARMA‬ﺒﻟ ﻧﻤﺎذج ‪ AR‬و ‪ ،MA‬ﺒﻟ اﻟﺮﻏﻢ‬
‫ﻣﻦ ﻋﺪم وﺟﻮد ﻓﺮق ﻛﺒﺮﻴ ﻲﻓ ﻗﻴﻢ اﻤﻟﻌﻴﺎرﻳﻦ ﺑﻦﻴ اﺠﻤﺎذج‪ .‬ﻧﻘﻮم ﺑﺎﺧﺘﺒﺎر اﻛﻮاﻲﻗ‬
‫ﻣﻦ ﻧﻤﻮذج ‪ ARMA‬وذﻟﻚ ﻟﻠﺘﺄﻛﺪ ﻣﻦ ﻋﺪم وﺟﻮد ﺟﺬر اﻟﻮﺣﺪة وذﻟﻚ ﻳﻌﻲﻨ أن‬
‫اﻛﻮاﻲﻗ ﻣﻦ ﻫﺬا اﺠﻤﻮذج ﻋﺸﻮاﺋﻴﺔ وأﻧﻬﺎ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺷﻜﻞ ‪ 12.7‬اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ ﻟﺒﻮاﻗﻲ ‪ARMA‬‬

‫‪:Diagnostic checking‬‬ ‫اﺨﻟﻄﻮة اﻟﺮاﺑﻌﺔ‪-‬اﻟﻔﺤﺺ اﻟﺘﺸﺨﻴ‬

‫ﻧﻘﻮم ﺑﺈﺟﺮاء اﻻﺤﻧﺪار ﺠﻤﻮذج ‪ ARMA‬ﻣﺮة أﺧﺮى ﺛﻢ ﻧﻘﻮم ﺤﺑﻔﻆ اﻛﻮاﻲﻗ‬
‫ﻬﻟﺬا اﻻﺤﻧﺪار‪.‬‬
‫ﻣﻦ ﻧﺎﻓﺬة ﻧﺘﺎﺋﺞ ‪ ARMA‬ﻲﻓ ‪ ،EViews‬اذﻫﺐ إﻰﻟ ‪Quick-Generate series‬‬
‫ﺛﻢ اﻛﺘﺐ ‪ UARMA = RESID‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫اﻓﺘﺢ ﺑﻴﺎﻧﺎت ‪ UARMA‬ﻣﻦ ﻣﻠﻒ اﻟﻌﻤﻞ‪ .‬اذﻫﺐ إﻰﻟ ‪ View‬ﺛﻢ اﺧﺮﺘ ‪Graph‬‬
‫واﻧﻘﺮ ‪.OK‬‬
‫ﺑﺎﺠﻈﺮ إﻰﻟ اﻟﺸﻞﻜ ‪ 12.7‬ﻧﻼﺣﻆ أن اﻛﻮاﻲﻗ ﻲﻓ ﻫﺬا اﺠﻤﻮذج ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﻄﺮﻳﻘﺔ اﻟﺮﺳﻤﻴﺔ ‪ -‬اﺧﺘﺒﺎر ‪ADF‬‬
‫‪ : H0 - 1‬اﻛﻮاﻲﻗ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬

‫‪ : H1 - 2‬اﻛﻮاﻲﻗ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬

‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ أن اﻛﻮاﻲﻗ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻛﻮاﻲﻗ ﻣﻦ ﻫﺬا اﻻﺤﻧﺪار ﻲﻫ ﻣﻮزﻋﺔ ﺑﺸﻞﻜ ﻋﺸﻮا وﻣﺴﺘﻘﺮة‪.‬‬
‫اﺨﻟﻄﻮة اﺨﻟﺎﻣﺴﺔ‪-‬اﺤﻛﻨﺒﺆ ﻣﻊ ﻧﻤﻮذج ‪Forecasting with ARMA ARMA‬‬
‫‪:model‬‬
‫ﻋﻨﺪﻣﺎ ﻳﺘﻢ ﺗﻮﻓﻴﻖ اﺠﻤﻮذج اﻤﻟﺤﺪد ﻧﺴﺘﻄﻴﻊ اﺳﺘﺨﺪاﻣﻪ ﺑﻌﺪ ذﻟﻚ ﻲﻓ اﺤﻛﻨﺒﺆ‪.‬‬
‫ﻫﻨﺎك ﻧﻮﻋﻦﻴ ﻣﻦ اﺤﻛﻨﺒﺆ‪ :‬ﺳﺎﻛﻦ ‪ static‬ودﻳﻨﺎﻣﻴﻲﻜ ‪.dynamic‬‬
‫ﺷﻜﻞ اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟـ ‪UARMA‬‬
‫اﺤﻛﻨﺒﺆ اﻟﺴﺎﻛﻦ‪:‬‬
‫ﻲﻓ اﺤﻛﻨﺒﺆ اﻟﺴﺎﻛﻦ ﻧﻘﻮم ﺑﺎﺳﺘﺨﺪام اﻟﻘﻴﻢ اﺤﻟﺎ ﺔ واﻟﻘﻴﻢ اﻤﻟﺘﺒﺎﻃﺌﺔ ﻟﻠﻤﺘﻐﺮﻴ‬
‫اﻤﻟﺘﻨﺒﺄ ﺑﻪ‪ ،‬ا واﺋﺮ اﻟﺰرﻗﺎء ﻲﻓ اﻤﻟﺨﻄﻂ أدﻧﺎه‪.‬‬
‫اﺤﻛﻨﺒﺆ ا ﻳﻨﺎﻣﻴﻲﻜ‪:‬‬
‫ﻲﻓ اﺤﻛﻨﺒﺆ ا ﻳﻨﺎﻣﻴﻲﻜ‪ ،‬ﺑﻌﺪ اﺤﻛﻨﺒﺆ ﺑﺎﻟﻔﺮﺘة اﻷو ‪ ،‬ﻧﻘﻮم ﺑﺎﺳﺘﺨﺪام اﻟﻘﻴﻢ اﻤﻟﺘﻨﺒﺄ‬
‫ً‬
‫ﺑﻬﺎ ﻣﺴﺒﻘﺎ ﻟﻠﻤﺘﻐﺮﻴ اﻤﻟﺘﻨﺒﺄ ﺑﻪ‪ ،‬ا واﺋﺮ اﺤﻟﻤﺮاء ﻲﻓ اﻤﻟﺨﻄﻂ أدﻧﺎه‪.‬‬
‫‪ - 1‬اﺤﻛﻨﺒﺆ ا ﻳﻨﺎﻣﻴﻲﻜ‪:‬‬
‫ﻟﻘﺪ وﺟﺪﻧﺎ أن اﺠﻤﻮذج اﻷﻣﺜﻞ ﻷﻏﺮاض اﺤﻛﻨﺒﺆ ﻫﻮ ﻧﻤﻮذج )‪.ARMA(2‬‬
‫ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮ اﺠﻤﻮذج ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ أدﻧﺎه‪.‬‬
‫)‪CPIR C AR(2‬‬ ‫ﺛﻢ اﻛﺘﺐ‬ ‫‪Quick Estimation Equation‬‬ ‫اذﻫﺐ إﻰﻟ‬
‫)‪MA(2‬‬
‫ﻗﻢ ﺑﺘﻐﻴﺮﻴ ﻓﺮﺘة اﻟﻌﻴﻨﺔ إﻰﻟ ﻓﺮﺘة اﺤﻛﻨﺒﺆ‪ 1998q3- 2013q3 :‬و ﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ‬
‫اﻟﺸﻞﻜ ‪ .14.7‬اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ ﻧﺘﺎﺋﺞ اﻻﺤﻧﺪار ﻲﻓ اﻟﺸﻞﻜ ‪ .15.7‬ﻣﻦ اﻟﻘﺎﺋﻤﺔ‬
‫ﻲﻓ ﻧﺎﻓﺬة ﻧﺘﺎﺋﺞ اﻻﺤﻧﺪار اﻧﻘﺮ ﺒﻟ ‪ Forecast‬واﺧﺮﺘ ‪ Dynamic‬ﺤﺗﺖ ‪ Method‬ﻛﻤﺎ‬
‫ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪ .16.7‬اﻛﺘﺐ اﺳﻢ اﻟﺴﻠﺴﻠﺔ ‪ ،cpirfulldynamic‬ﺛﻢ ﻗﻢ ﺑﺘﻐﻴﺮﻴ‬
‫ﻋﻴﻨﺔ اﺤﻛﻨﺒﺆ إﻰﻟ ﻓﺮﺘة اﺤﻛﻨﺒﺆ‪ 2015q1 2013q1 :‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫ﺑﺎﺠﻈﺮ إﻰﻟ ﻣﻠﻒ اﻟﻌﻤﻞ ﻧﻼﺣﻆ أن ‪ EViews‬ﻳﻨﺘﺞ ﺠﺎ وﺑﺸﻞﻜ ﺗﻠﻘﺎ اﻤﻟﺘﻐﺮﻴ‪:‬‬
‫‪ cpirfulldynamic‬ﻀﺎف إﻰﻟ ﻗﺎﺋﻤﺔ اﻤﻟﺘﻐﺮﻴات ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪.17.7‬‬
‫ﺷﻜﻞ ‪ 14.7‬ﺗﻘﺪﯾﺮ ﻣﻌﺎدﻟﺔ ‪ ARMA‬ﻟـ ‪CPIR‬‬
‫ﺷﻜﻞ ‪15.7‬ﻧﺘﺎﺋﺞ ﺟﺪﯾﺪة ﻟﻨﻤﻮذج )‪ ARIMA AR(2) MA(2‬ﻟـ ‪CPIR‬‬

‫ﺷﻜﻞ ‪ 16.7‬اﻟﺘﻨﺒﺆ اﻟﺪﯾﻨﺎﻣﯿﻜﻲ ﻟـ ‪CPIR‬‬
‫ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ‬ ‫ﻳﻮﻓﺮ ‪ EViews‬رﺳﻢ ﺑﻴﺎ ﻟﻔﺮﺘة اﺤﻛﻨﺒﺆ ﻣﻊ ﺟﺪول ﺗﻠﺨﻴ‬

‫ً‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪ .18.7‬وﻓﻘﺎ ﻬﻟﺬا اﻟﺮﺳﻢ اﻛﻴﺎ ﻓﺈن اﺨﻟﻂ اﻷزرق اﻤﻟﺘﺼﻞ ﻳﻤﺜﻞ ﺧﻂ‬
‫اﺤﻛﻨﺒﺆ واﺨﻟﻄﻮط اﻤﻟﺘﻘﻄﻌﺔ ﺗﻤﺜﻞ ﻓﺮﺘات )ﻧﻄﺎﻗﺎت( اﺨﻛﻘﺔ ﻬﻟﺬه اﻟﻔﺮﺘة‪ .‬ﻫﺬا اﻟﺸﻞﻜ‬
‫ﻳﻌﻄﻲ اﻟﻘﻴﻢ اﻟﻔﻌﻠﻴﺔ واﻤﻟﺘﻨﺒﺄ ﺑﻬﺎ ﻟـ ‪ ،CPIR‬و ﺬﻟﻚ ﻧﻄﺎق اﺨﻛﻘﺔ ﻟﻠﺘﻨﺒﺆ‪ .‬اﺠﻟﺪول‬
‫اﻤﻟﻜﻤﻞ ﻳﻌﻄﻲ ﺑﻌﺾ اﻤﻟﻘﺎﻳﻴﺲ ﺠﻟﻮدة اﺤﻛﻨﺒﺆ اﻟﻲﺘ ﺳﺒﻖ ذﻛﺮﻫﺎ واﻟﻲﺘ ﺗﺘﻀﻤﻦ‪:‬‬
‫اﺠﻟﺬر اﻟﺮﺘﺑﻴﻲﻌ ﻤﻟﺘﻮﺳﻂ ﻣﺮﺑﻌﺎت اﺨﻟﻄﺄ )‪ ،(Root mean square error‬ﻣﺘﻮﺳﻂ‬
‫اﻟﻘﻴﻢ اﻤﻟﻄﻠﻘﺔ ﻟﻠﺨﻄﺄ )‪ ،(Mean absolute error‬ﻣﺘﻮﺳﻂ ﻧﺴﺐ اﻟﻘﻴﻢ اﻤﻟﻄﻠﻘﺔ‬
‫‪ ،(Mean‬وﻣﻌﺎﻣﻞ ﻋﺪم اﻟﺘﺴﺎوي ﺨﻛﺎﻳﻞ‬ ‫)‪absolute percentage error‬‬ ‫ﻟﻠﺨﻄﺄ‬
‫)‪.(The Theil inequality coefficient‬‬
‫ﺷﻜﻞ ‪ 17.7‬ﻣﺘﻐﯿﺮ اﻟﺘﻨﺒﺆ اﻟﺪﯾﻨﺎﻣﯿﻜﻲ ﻟـ ‪CPIR‬‬
‫ﺷﻜﻞ ‪ 18.7‬اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺘﻨﺒﺆ اﻟﺪﯾﻨﺎﻣﯿﻜﻲ ﻟـ ‪CPIR‬‬

‫ﻣﻦ اﺠﻟﺪول ﻲﻓ اﻟﺸﻞﻜ ‪ 18.7‬ﻧﻼﺣﻆ أن ﻗﻴﻤﺔ ﻣﻌﺎﻣﻞ ﻋﺪم اﻟﺘﺴﺎوي ﺨﻛﺎﻳﻞ‬
‫ﺻﻐﺮﻴة‪ ،‬ﻤﻣﺎ ﻳﺪﻟﻞ ﺒﻟ ﺟﻮدة اﺠﻤﻮذج اﻤﻟﻮﻓﻖ ﻲﻓ اﺤﻛﻨﺒﺆ‪.‬‬
‫ﻟﻠﺤﺼﻮل ﺒﻟ رؤﻳﺔ دﻗﻴﻘﺔ ﻟﻌﻤﻠﻴﺔ اﺤﻛﻨﺒﺆ ﻧﺘﺒﻊ اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ‪ :‬ﻗﻢ ﺑﺘﺤﺪﻳﺪ‬
‫)ﺗﻈﻠﻴﻞ(أﺳﻤﺎء اﻤﻟﺘﻐﺮﻴات ‪ cpir‬و ‪ cpirfulldynamic‬وﺑﺎﺠﻘﺮ ﺒﻟ زر اﻟﻔﺄرة اﻷﻳﻤﻦ‬
‫واﺧﺮﺘ ‪ Open‬وﻣﻦ اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪ as Group‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪.19.7‬‬
‫ﻋﻨﺪ اﺤﻟﺼﻮل ﺒﻟ ﻧﺎﻓﺬة ﺳﻼﺳﻞ اﻛﻴﺎﻧﺎت‪ ،‬اذﻫﺐ إﻰﻟ ‪ View‬واﺧﺮﺘ ‪Graph‬‬

‫ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪.20.7‬‬
‫ﻞﻛ ﻣﻦ ﺑﻴﺎﻧﺎت ‪ CPIR‬اﻟﻮاﻗﻌﻴﺔ )ﺑﺎﻟﻠﻮن‬
‫اﻟﺸﻞﻜ ‪ 21.7‬ﻳﺒﻦﻴ ﺑﺪﻗﺔ ﺣﺮ ﺔ ٍ‬
‫اﻷﻤﺣﺮ( وﺧﻂ اﺤﻛﻨﺒﺆ )ﺑﺎﻟﻠﻮن اﻷزرق(‪ .‬ﻧﻼﺣﻆ أن ﺧﻂ اﺤﻛﻨﺒﺆ ﻳﻜﻮن ﺻﺤﻴﺢ‬
‫ﻋﻨﺪﻣﺎ ﻟﻠﺘﺒﺎﻃﺆ ﺑﻤﻘﺪار ﻓﺮﺘﺗﻦﻴ ﻣﻦ اﻟﺰﻣﻦ وﻟﻜﻨﻪ ﻳﻨﺤﺮف ﺑﻌﺪ ذﻟﻚ‪ .‬ﻫﺬا ﻳﺆ ﺪ‬
‫ﻣﻦ ﺟﺪﻳﺪ اﻤﻟﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻤﻟﻌﻠﻤﺎت )‪ AR(2‬و )‪ MA(2‬ﻲﻓ ﻧﻤﻮذج ‪.ARMA‬‬
‫وﻟﻠﺤﺼﻮل ﺒﻟ ﻓﻜﺮة أﻓﻀﻞ ﻋﻦ ﻫﺬه اﺠﺘﺎﺋﺞ‪ ،‬ﻧﻘﻮم ﺑﺘﻮﺳﻴﻊ اﻟﻔﺮﺘة ﻣﻦ‬
‫ﺳﻨﺘﻦﻴ إﻰﻟ ﺛﻼﺛﺔ ﺳﻨﻮات و ﻤﺎ ﻳﻲﻠ‪ :‬اذﻫﺐ إﻰﻟ اﺠﻟﺰء اﺨﻟﺎص ﺑﻜﺘﺎﺑﺔ اﻷواﻣﺮ ﻲﻓ‬
‫‪ EViews‬واﻛﺘﺐ‪ ، smpl 2012q3 2015q1 :‬ﺛﻢ اﺿﻐﻂ اﻤﻟﻔﺘﺎح ‪ .Enter‬ﻧﺘﺤﺼﻞ‬
‫ﺒﻟ اﻟﺸﻞﻜ ‪ 22.7‬وا ي ﻳﺆ ﺪ ﻣﻦ ﺟﺪﻳﺪ اﺠﺘﺎﺋﺞ أﻋﻼه‪.‬‬
‫ﺷﻜﻞ ‪ 19.7‬اﺧﺘﯿﺎر ‪Open as Group‬‬

‫ﺷﻜﻞ ‪ 20.7‬اﺧﺘﯿﺎر اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ‬
‫ﺷﻜﻞ ‪ 21.7‬اﻟﺘﻤﺜﯿﻞ اﻟﺒﯿﺎﻧﻲ اﻟﻤﺘﻌﺪد‬

‫ﺷﻜﻞ ‪ 22.7‬ﺗﻤﺜﯿﻞ ﺑﯿﺎﻧﻲ ﻣﺘﻌﺪد )ﺗﻐﯿﯿﺮ ﻓﻲ اﻟﻔﺘﺮة اﻟﺰﻣﻨﯿﺔ(‬

‫‪ - 2‬اﺤﻛﻨﺒﺆ اﻟﺴﺎﻛﻦ‪:‬‬
‫ﺑﺎﻟﻌﻮدة إﻰﻟ ﻧﺘﺎﺋﺞ ﻧﻤﻮذج ‪ ARMA‬ﻟﻔﺮﺘة اﺤﻛﻨﺒﺆ ﻲﻓ اﻟﺸﻞﻜ ‪15.7‬؛ وﻣﻦ اﻟﻘﺎﺋﻤﺔ‬
‫اﻟﺮﺋﻴﺴﻴﺔ ﻲﻓ ﻧﺎﻓﺬة اﺠﺘﺎﺋﺞ اﺧﺮﺘ ‪ .Forecast‬ﺤﺗﺖ ‪ Method‬اﺧﺮﺘ ‪.Static forecast‬‬
‫ﻗﻢ ﺑﺘﻐﻴﺮﻴ اﺳﻢ اﻟﺴﻠﺴﻠﺔ ﻲﻓ اﺨﻟﺎﻧﺔ ‪ forecast name‬إﻰﻟ ‪ .cpirfullstatic‬ﻗﻢ ﺑﺘﻐﻴﺮﻴ‬
‫ﻋﻴﻨﺔ اﺤﻛﻨﺒﺆ إﻰﻟ ﻓﺮﺘة اﺤﻛﻨﺒﺆ‪ 2015q1 2013q1 :‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ‬
‫‪.23.7‬‬
‫‪ cpirfullstatic‬ﻀﺎف إﻰﻟ ﻗﺎﺋﻤﺔ اﻤﻟﺘﻐﺮﻴات ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪.24.7‬‬
‫ﻳﻮﻓﺮ ‪ EViews‬رﺳﻢ ﺑﻴﺎ ﻟﻔﺮﺘة اﺤﻛﻨﺒﺆ ﻣﻊ ﺟﺪول ﺗﻠﺨﻴ ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ‬
‫ً‬
‫اﻟﺸﻞﻜ ‪ 7.25‬وﻓﻘﺎ ﻬﻟﺬا اﻟﺮﺳﻢ اﻛﻴﺎ ﻓﺈن اﺨﻟﻂ اﻷزرق اﻤﻟﺘﺼﻞ ﻳﻤﺜﻞ ﺧﻂ اﺤﻛﻨﺒﺆ‬
‫واﺨﻟﻄﻮط اﻤﻟﺘﻘﻄﻌﺔ ﺗﻤﺜﻞ ﻓﺮﺘات )ﻧﻄﺎﻗﺎت( اﺨﻛﻘﺔ ﻬﻟﺬه اﻟﻔﺮﺘة‪.‬‬
‫ﺷﻜﻞ ‪ 23.7‬اﻟﺘﻨﺒﺆ اﻟﺴﺎﻛﻦ‬
‫ﺷﻜﻞ ‪ 24.7‬إﺿﺎﻓﺔ ﻣﺘﻐﯿﺮ ﺟﺪﯾﺪ ﻟﻘﺎﺋﻤﺔ اﻟﺒﯿﺎﻧﺎت‬

‫ﺷﻜﻞ ‪ 25.7‬اﻟﺘﻤﺜﯿﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺘﻨﺒﺆ اﻟﺴﺎﻛﻦ ﻟـ ‪cpir‬‬

‫ﻟﻠﺤﺼﻮل ﺒﻟ رؤﻳﺔ دﻗﻴﻘﺔ ﻟﻌﻤﻠﻴﺔ اﺤﻛﻨﺒﺆ ﻧﺘﺒﻊ اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ‪ :‬ﻗﻢ ﺑﺘﺤﺪﻳﺪ‬
‫)ﺗﻈﻠﻴﻞ( أﺳﻤﺎء اﻤﻟﺘﻐﺮﻴات ‪ cpir‬و‪ cpirfullstatic‬و‪ cpirfulldynamic‬ﺛﻢ اﻧﻘﺮ ﺒﻟ زر‬
‫اﻟﻔﺄرة اﻷﻳﻤﻦ واﺧﺮﺘ ‪ Open‬وﻣﻦ اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪ as Group‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ‬
‫‪ .26.7‬ﻋﻨﺪ اﺤﻟﺼﻮل ﺒﻟ ﻧﺎﻓﺬة ﺳﻼﺳﻞ اﻛﻴﺎﻧﺎت‪ ،‬اذﻫﺐ إﻰﻟ ‪ View‬واﺧﺮﺘ ‪Graph‬‬
‫ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪ ،20.7‬ﻟﻲﻜ ﻧﺘﺤﺼﻞ ﺒﻟ اﺤﻛﻤﺜﻴﻞ اﻛﻴﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.27.7‬‬
‫ﺷﻜﻞ ‪ 26.7‬ﻓﺘﺢ اﻟﺒﯿﺎﻧﺎت ﻛﻤﺠﻤﻮﻋﺔ‬

‫ﺷﻜﻞ ‪ 27.7‬ﻣﻘﺎرﻧﺔ اﻟﺘﻨﺒﺆات ﺑﺎﻟﻘﯿﻢ اﻟﻔﻌﻠﯿﺔ‬
‫ﻞﻛ ﻣﻦ ﺑﻴﺎﻧﺎت ‪ CPIR‬اﻟﻮاﻗﻌﻴﺔ )ﺑﺎﻟﻠﻮن‬

‫اﻟﺸﻞﻜ اﻛﻴﺎ أﻋﻼه ﻳﺒﻦﻴ ﺑﺪﻗﺔ ﺣﺮ ﺔ ٍ‬
‫اﻷزرق( وﺧﻂ اﺤﻛﻨﺒﺆ ا ﻳﻨﺎﻣﻴﻲﻜ )ﺑﺎﻟﻠﻮن اﻷﻤﺣﺮ(‪ ،‬وﺧﻂ اﺤﻛﻨﺒﺆ اﻟﺴﺎﻛﻦ )ﺑﺎﻟﻠﻮن‬
‫اﻷﺧﺮﻀ( ﻧﻼﺣﻆ أن ﺧﻂ اﺤﻛﻨﺒﺆ ﻳﻜﻮن ﺻﺤﻴﺢ ﻋﻨﺪﻣﺎ ﻟﻠﺘﺒﺎﻃﺆ ﺑﻤﻘﺪار ﻓﺮﺘﺗﻦﻴ‬
‫ﻣﻦ اﻟﺰﻣﻦ وﻟﻜﻨﻪ ﻳﻨﺤﺮف ﺑﻌﺪ ذﻟﻚ‪ .‬ﻫﺬا ﻳﺆ ﺪ ﻣﻦ ﺟﺪﻳﺪ اﻤﻟﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ‬
‫ﻤﻟﻌﻠﻤﺎت )‪ AR(2‬و )‪ MA(2‬ﻲﻓ ﻧﻤﻮذج ‪.ARMA‬‬
‫ﺷﻜﻞ ‪ 28.7‬ﻓﺘﺢ اﻟﺒﯿﺎﻧﺎت ﻛﻤﺠﻤﻮﻋﺔ‬

‫‪ - 3‬اﻤﻟﻘﺎرﻧﺔ ﻣﺎ ﺑﻦﻴ ﻓﺮﺘة اﺤﻛﻨﺒﺆ ا ﻳﻨﺎﻣﻴﻲﻜ وﻓﺮﺘة اﻟﻌﻴﻨﺔ ﺑﺎﻟﺎﻜﻣﻞ‪:‬‬
‫اذﻫﺐ إﻰﻟ ﻗﺎﺋﻤﺔ اﻤﻟﺘﻐﺮﻴات ﺑﻤﻠﻒ اﻟﻌﻤﻞ وﻗﻢ ﺑﺘﺤﺪﻳﺪ )ﺗﻈﻠﻴﻞ( اﻤﻟﺘﻐﺮﻴات‬
‫‪ cpir‬و‪ cpirfulldynamic‬ﺛﻢ اﻧﻘﺮ ﺒﻟ زر اﻟﻔﺄرة اﻷﻳﻤﻦ واﺧﺮﺘ ‪ Open‬وﻣﻦ اﻟﻘﺎﺋﻤﺔ‬
‫اﺧﺮﺘ ‪ as Group‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪.28.7‬‬
‫ﻋﻨﺪ اﺤﻟﺼﻮل ﺒﻟ ﻧﺎﻓﺬة ﺳﻼﺳﻞ اﻛﻴﺎﻧﺎت‪ ،‬اذﻫﺐ إﻰﻟ ‪ View‬واﺧﺮﺘ ‪Graph‬‬
‫ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪ ،20.7‬ﻟﻲﻜ ﻧﺘﺤﺼﻞ ﻣﺮة أﺧﺮى ﺒﻟ اﺤﻛﻤﺜﻴﻞ اﻛﻴﺎ ﻲﻓ‬
‫اﻟﺸﻞﻜ ‪.29.7‬‬
‫‪EViews‬‬ ‫ﺑﻌﺪ ذﻟﻚ اذﻫﺐ إﻰﻟ اﺠﻟﺰء اﺨﻟﺎص ﺑﻜﺘﺎﺑﺔ اﻷواﻣﺮ ﻲﻓ واﺟﻬﺔ‬
‫واﻛﺘﺐ‪ smpl @all :‬ﺛﻢ اﺿﻐﻂ ‪:Enter‬‬
‫ﻫﺬا ﻳﻌﻄﻴﻨﺎ اﻟﺸﻞﻜ اﻛﻴﺎ ﻟﻠﻔﺮﺘة ﺑﺎﻟﺎﻜﻣﻞ ﺑﻤﺎ ﻓﻴﻬﺎ ﻓﺮﺘة اﺤﻛﻨﺒﺆ )اﻟﺸﻞﻜ‬
‫‪ ،(30.7‬وا ي ﻣﻦ ﺧﻼ ﻧﻼﺣﻆ أن اﻟﻔﺮﺘات اﻷﺧﺮﻴة ﻲﻫ ﻣﻼﺋﻤﺔ ﻟﻠﺘﻨﺒﺆ ﻲﻓ ﻫﺬه‬
‫اﺤﻟﺎﻟﺔ‪ .‬اﺤﻛﺒﺎﻋﺪ )اﻻﺧﺘﻼف( اﻟﻜﺒﺮﻴ ﺧﻼل ‪ 2009-2008‬ﻗﺪ ﻻ ﺗﻜﻮن ﻓﺮﺘة‬
‫ﻣﻨﺎﺳﺒﺔ ﻷﻏﺮاض اﺤﻛﻨﺒﺆ‪.‬‬
‫ﺷﻜﻞ ‪ 29.7‬اﻟﺘﻤﺜﯿﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺘﻨﺒﺆ اﻟﺪﯾﻨﺎﻣﯿﻜﻲ واﻟﻘﯿﻢ اﻟﺤﻘﯿﻘﯿﺔ ﻟـ ‪CPIR‬‬
‫ﺷﻜﻞ ‪ 30.7‬اﻟﺘﻨﺒﺆ ﻓﻲ ﻣﻘﺎﺑﻞ اﻟﻮاﻗﻊ‬

‫‪ - 4‬اﺤﻧﺪار اﻟﻔﺮﺘة اﻷﺧﺮﻴة ﻣﻦ أﺟﻞ اﺤﻛﻨﺒﺆ‪:‬‬

‫ﻧﻘﻮم ﺑﺈﺟﺮاء اﺤﻧﺪار ﺑﺎﺳﺘﺨﺪام اﻟﻔﺮﺘة اﻤﻟﺘﺄﺧﺮة ‪ .2013q3 - 2011q1‬ﻧﺴﺘﺨﺪم‬
‫ﺛﻢ‬ ‫ﻫﺬه اﻟﻔﺮﺘة ﻛﻔﺮﺘة ﺤﻛﻘﺪﻳﺮ اﺠﻤﻮذج‪ .‬اذﻫﺐ إﻰﻟ ‪Quick-Estimate Equation‬‬
‫و ﺧﺎﻧﺔ ﺤﺗﺪﻳﺪ اﻟﻌﻴﻨﺔ اﻛﺘﺐ‪2011q3 2013q1 :‬‬ ‫)‪cpir c ar(2) ma(2‬‬ ‫اﻛﺘﺐ‪:‬‬
‫ﺷﻜﻞ ‪ 31.7‬ﺗﻘﺪﯾﺮ ﻧﻤﻮذج ‪ARMA‬‬

‫ﻣﻦ اﻟﻘﺎﺋﻤﺔ ﻲﻓ ﻧﺎﻓﺬة ﻧﺘﺎﺋﺞ اﻻﺤﻧﺪار اﺧﺮﺘ ‪) Forecast‬اﻟﺸﻞﻜ ‪ .(32.7‬اﺧﺮﺘ‬
‫‪ Dynamic forecast‬ﻣﻦ اﻟـ ‪ .Method‬ﻗﻢ ﺑﺘﻐﻴﺮﻴ اﺳﻢ اﻟﺴﻠﺴﻠﺔ ﻲﻓ اﺨﻟﺎﻧﺔ ‪forecast‬‬
‫‪ name‬إﻰﻟ ‪ .cpirf2011dynamic‬ﻗﻢ ﺑﺘﻐﻴﺮﻴ ﻋﻴﻨﺔ اﺤﻛﻨﺒﺆ إﻰﻟ ﻓﺮﺘة اﺤﻛﻨﺒﺆ‪2011q3 :‬‬
‫‪ 2015q1‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫ﺷﻜﻞ ‪ 32.7‬ﻧﺘﺎﺋﺞ ﻧﻤﻮذج ‪ARMA‬‬
‫ﻀﺎف إﻰﻟ ﻗﺎﺋﻤﺔ اﻤﻟﺘﻐﺮﻴات‪ .‬ﻳﻮﻓﺮ ‪ EViews‬رﺳﻢ ﺑﻴﺎ ﻟﻔﺮﺘة‬ ‫‪cpirf2011dynamic‬‬
‫و ﻤﺎ ﻳﻲﻠ )اﻻﺷﺎﻜل ‪ ،34.7 ،33.7‬و ‪.(35.7‬‬ ‫اﺤﻛﻨﺒﺆ ﻣﻊ ﺟﺪول ﺗﻠﺨﻴ‬

‫ﺷﻜﻞ ‪ 33.7‬ﺑﯿﺎﻧﺎت ﺗﻨﺒﺆﯾﺔ‬
‫اذﻫﺐ إﻰﻟ ﻗﺎﺋﻤﺔ اﻤﻟﺘﻐﺮﻴات ﺑﻤﻠﻒ اﻟﻌﻤﻞ وﻗﻢ ﺑﺘﺤﺪﻳﺪ )ﺗﻈﻠﻴﻞ( اﻤﻟﺘﻐﺮﻴات‬
‫‪ cpir‬و‪ cpirfulldynamic‬و ‪ cpirf2011dynamic‬ﺛﻢ اﻧﻘﺮ ﺒﻟ زر اﻟﻔﺄرة اﻷﻳﻤﻦ‬
‫واﺧﺮﺘ ‪ Open‬وﻣﻦ اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪:as Group‬‬
‫اذﻫﺐ إﻰﻟ ‪ View‬واﺧﺮﺘ ‪.Graph‬‬
‫ﺷﻜﻞ ‪ 34.7‬ﻓﺘﺢ اﻟﻤﺘﻐﯿﺮات ﻛﻤﺠﻤﻮﻋﺔ‬
‫ﺷﻜﻞ ‪ 35.7‬اﻟﺘﻨﺒﺆ اﻟﺪﯾﻨﺎﻣﯿﻜﻲ ﻟﻔﺘﺮات ﻣﺨﺘﻠﻔﺔ‬

‫اﻟﺸﻞﻜ اﻛﻴﺎ ا ي ﺤﺗﺼﻠﻨﺎ ﻋﻠﻴﻪ )اﻟﺸﻞﻜ ‪ (35.7‬ﻻ ﻳﻌﻄﻲ ﺻﻮرة واﺿﺤﺔ‬

‫ﻟﻠﻔﺮﺘة اﻷﺧﺮﻴة‪ .‬ﻣﻦ أﺟﻞ اﺤﻟﺼﻮل ﺒﻟ ﺻﻮرة ﺎﻛﻣﻠﺔ ﻟﻠﻔﺮﺘة اﻷﺧﺮﻴة ﻧﺘﺒﻊ اﺨﻟﻄﻮات‬
‫اذﻫﺐ إﻰﻟ اﺠﻟﺰء اﺨﻟﺎص ﺑﻜﺘﺎﺑﺔ اﻷواﻣﺮ ﻲﻓ واﺟﻬﺔ ‪ EViews‬واﻛﺘﺐ‪smpl :‬‬
‫‪ 2012q32015q1‬ﺛﻢ اﺿﻐﻂ ‪:Enter‬‬
‫ﺳﻮف ﻳﺘﻐﺮﻴ اﻟﺸﻞﻜ اﻛﻴﺎ أﻋﻼه )ﺷﻞﻜ‪ (35.7‬إﻰﻟ اﻟﺸﻞﻜ اﺤﻛﺎﻲﻟ )‪:(36.7‬‬
‫ﺷﻜﻞ ‪ 36.7‬اﻟﺘﻨﺒﺆ اﻟﺴﺎﻛﻦ واﻟﺘﻨﺒﺆ اﻟﺪﯾﻨﺎﻣﯿﻜﻲ ﻟـ ‪CPIR‬‬

‫ﺠﻧﺪ أن ﺧﻂ اﺤﻛﻨﺒﺆ ‪ ،fulldynamic‬اﻤﻟﻤﺜﻞ ﺑﺎﺨﻟﻂ اﻷﺧﺮﻀ‪ ،‬ﻫﻮ ﺗﻨﺒﺆ ﺟﻴﺪ‬

‫ﻟﻔﺮﺘﻲﺗ اﺤﻛﺒﺎﻃﺆ ﺠﻤﻮذج )‪ .ARMA(2‬اﻤﻟﻌﻨﻮﻳﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻤﻟﻌﻠﻤﺎت )‪AR(2‬‬
‫و )‪ MA(2‬اﻤﻟﺪرﺟﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ 32.7‬ﺗﺆ ﺪ ﻣﺎ ﺗﻢ اﺤﻛﻮﺻﻞ إ ﻪ ﻲﻓ ﻋﻤﻠﻴﺎت اﺤﻛﻨﺒﺆ‪.‬‬
‫(‪٨‬‬
‫ﺻﻴﺎﻏﺔ ﻧﻤﺎﺫﺝ ﺍﻟﺘﻘﻠﺒﺎﺕ ﺍﳴﺎﻟﻴﺔ ﻭﺍﻻﻗﺘﺼﺎﺩﻳﺔ‪:‬‬
‫ﻧﻤﺎﺫﺝ ‪ ARCH‬ﻭ ‪ GARCH‬ﻭ ‪EGARCH‬‬
‫ﻲﻓ ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ‪ -‬ﻛﻤﺎ ﻲﻓ ﺤﺗﻠﻴﻞ اﻻﺤﻧﺪار ‪ -‬اﻓﺮﺘﺿﻨﺎ ﺑﺄن اﻛﻮاﻲﻗ‬
‫)أو اﻷﺧﻄﺎء( ﻣﺘﺠﺎﻧﺴﺔ اﺤﻛﺒﺎﻳﻦ‪ ،‬ﻲﻓ ﻣﻘﺎل ﺷﻬﺮﻴ ﻧﺼﺢ اﻛﺎﺣﺚ )‪Engle (1982‬‬
‫ﺑﺄن اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ ﻗﺪ ﺤﻳﺪث ﻟﻠﺒﻮاﻲﻗ ﻲﻓ ﺳﻴﺎق ﺳﻼﺳﻞ زﻣﻨﻴﺔ ﻣﻌﻴﻨﺔ‪Engle ،‬‬
‫ً‬
‫ﻻﺣﻆ ﺑﺄن دراﺳﺎت اﺤﻛﻨﺒﺆ ‪ -‬ﺧﺼﻮﺻﺎ ﻲﻓ أﺳﻮاق اﻤﻟﻀﺎرﺑﺔ ﻣﺜﻞ أﺳﻮاق اﻟﻌﻤﻼت‬
‫اﻷﺟﻨﺒﻴﺔ وأﺳﻮاق اﻷﺳﻬﻢ ‪ -‬ﻓﺈن اﻷﺧﻄﺎء اﻟﺼﻐﺮﻴة واﻟﻜﺒﺮﻴة ﺤﺗﺪث ﻲﻓ ﺷﻞﻜ‬
‫ﻋﻨﺎﻗﻴﺪ‪ ،‬ود ﻞ ذﻟﻚ أﻧﻪ ﻣﻦ اﻟﺸﺎﺋﻊ ﻲﻓ ﺳﻴﺎق اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻤﻟﺎ ﺔ وﺟﻮد‬
‫اﺤﻛﻘﻠﺒﺎت اﻟﻌﻨﻘﻮدﻳﺔ‪ ،‬اﺤﻛﻘﻠﺒﺎت اﻟﻌﻨﻘﻮدﻳﺔ ﺗﺮﺸح اﺤﻛﻐﺮﻴ اﻟﻜﺒﺮﻴ )و ﺬﻟﻚ إﺷﺎرة‬
‫ﻫﺬا اﺤﻛﻐﺮﻴ( ﻲﻓ ‪ -‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ‪ -‬أﺳﻌﺎر اﻷﺻﻮل اﻟﻲﺘ ﺗﻤﻴﻞ ﺤﻛﺘﺒﻊ اﺤﻛﻐﺮﻴات‬
‫اﻟﻜﺒﺮﻴة اﻷﺧﺮى‪ ،‬اﺤﻛﻐﺮﻴات اﻟﺼﻐﺮﻴة )و ﺬﻟﻚ إﺷﺎرة ﻫﺬه اﺤﻛﻐﺮﻴات( ﺗﻤﻴﻞ ﺤﻛﺘﺒﻊ‬
‫اﺤﻛﻐﺮﻴات اﻟﺼﻐﺮﻴة‪ ،‬ﺑﻌﺒﺎرة أﺧﺮى اﻤﻟﺴﺘﻮى اﺤﻟﺎﻲﻟ ﻟﻠﺘﻘﻠﺒﺎت ﻳﻤﻴﻞ ﻜﻮن ﻣﻮﺟﺐ‬
‫ً‬
‫)ﺗﻠﻘﺎ ( ﻣﺮﺗﺒﻂ ﻣﻊ ﻣﺴﺘﻮاه ﺧﻼل اﻟﻔﺮﺘات اﻟﻼﺣﻘﺔ ﻓﻮرا‪.‬‬
‫اﻟﺸﻞﻜ ‪ 1.8‬ﻳﺄﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﺳﻠﺴﻠﺔ ﻣﻌﺪﻻت أﺳﻌﺎر اﻟﺮﺼف ا ﻮﻣﻴﺔ‬
‫ﻟﺘوﻻر اﻷﻣﺮﻳﻜﻲ )‪ (US$‬ﻣﻊ اﻤﻟﺎرك اﻷﻤﻟﺎ )‪ (DM‬ﺧﻼل اﻟﻔﺮﺘة ﻣﻦ ‪ 1‬ﻳﻨﺎﻳﺮ‬
‫‪1980‬م إﻰﻟ ‪ 21‬ﻣﺎﻳﻮ ‪ 1987‬واﻟﻲﺘ ﺗﻢ ﺤﺗﻠﻴﻠﻬﺎ ﻣﻦ ﻗﺒﻞ اﻛﺎﺣﺚ )‪،Verbeek (2004‬‬
‫وﺑﺎﺳﺘﺜﻨﺎء اﻷﻳﺎم اﻟﻲﺘ ﻟﻢ ﻳﺘﻢ ﻓﻴﻬﺎ اﺤﻟﺼﻮل ﺒﻟ أﺳﻌﺎر اﻟﺮﺼف )أول ﻳﻮم ﻲﻓ اﻟﺴﻨﺔ‬
‫اﻤﻟﻴﻼدﻳﺔ واﻟﻌﻄﻼت( ﻓﺈن اﺠﺘﺎﺋﺞ ﺎﻛن ﺑﺈﻤﺟﺎﻲﻟ ﻗﺪره ‪ 1867‬ﻗﺮاءة )ﻷﺳﺒﺎب ﻏﺮﻴ‬
‫ﻣﻬﻤﺔ ﻫﻨﺎ ‪ Verbeek‬أﺧﺬ ﻲﻓ اﻋﺘﺒﺎره اﺤﻛﻐﺮﻴات ا ﻮﻣﻴﺔ ﻲﻓ ﻟﻮﺬﻟرﻳﺘﻢ ﻣﻌﺪل ﺳﻌﺮ‬
‫اﻟﺮﺼف(‪ ،‬اﻟﺸﻞﻜ ‪ 1.8‬ﻳﻌﺮض وﺟﻮد ﻓﺮﺘات زﻣﻨﻴﺔ ﺤﻛﻘﻠﺒﺎت ﻣﺮﺗﻔﻌﺔ وﻣﻨﺨﻔﻀﺔ‪.‬‬
‫‪ 1. 8‬ﻓﺌﺎت ﻧﻤﺎذج ‪ARCH The ARCH Class Models‬‬

‫ﻣﻔﻬﻮم اﺤﻛﻘﻠﺐ ﻲﻓ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻤﻟﺎ ﺔ واﻻﻗﺘﺼﺎدﻳﺔ ﻳﻘﻮدﻧﺎ إﻰﻟ‬
‫ﻏﺮﻴ ﻣﺘﺠﺎﻧﺲ اﺤﻛﺒﺎﻳﻦ ‪autoregressive‬‬ ‫ﺗﻄﻮﻳﺮ ﻧﻤﻮذج اﻻﺤﻧﺪار ا ا اﻟﺮﺸ‬
‫)‪ conditional heteroscedastic (ARCH‬وﻫﻮ ﻓﺌﺔ ﻣﻦ ﻧﻤﺎذج اﻤﻟﻄﻮرة ﻣﻦ ﻗﺒﻞ‬
‫اﻛﺎﺣﺚ )‪ ،Engel (1982‬ﺑﺎﻓﺮﺘاض أن ﻧﻤﻮذج )‪ AR(1‬ﻳﻨﺎﺳﺐ ﺳﻠﺴﻠﺔ زﻣﻨﻴﺔ‪:‬‬
‫ﺣﻴﺚ أن ‪ ut‬ﺣﺪ اﺨﻟﻄﺄ ﻣﻊ ﻣﺘﻮﺳﻂ ﻳﺴﺎوي ﺻﻔﺮ‪ ،‬اﻤﻟﻌﺎدﻟﺔ ‪ 8.1‬ﻻ ﺠﻳﺐ أن‬
‫ً‬
‫ﺗﺘﻀﻤﻦ أي آ ﺔ ﺤﻛﺄﺧﺬ اﺣﺘﻤﺎل اﺤﻛﻘﻠﺒﺎت‪ ،‬وﻋﻤﻮﻣﺎ ﻓﺈن ﻋﻨﺎﻗﻴﺪ اﻟﻘﻠﺒﺎت ﻗﺪ‬
‫ُ‬
‫ﺗﺸﺮﻴ إﻰﻟ اﺧﺘﺒﺎر ‪ ACF‬و ‪ ut ، Engle‬ﻗﺎم ﺑﺎﻋﺘﺒﺎر اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻛﺤﺪ ﻟﻠﺨﻄﺄ‬
‫ورﻣﺰ ﺑﺎﻟﺮﻣﺰ ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :1 .8‬اﻟﺘﻐﯿﺮات اﻟﯿﻮﻣﯿﺔ ﻓﻲ ﻣﻌﺪﻻت أﺳﻌﺎر ﺻﺮف ‪US$/DM‬‬

‫‪205‬‬ ‫اﻟﻔﺼﻞ اﻟﺜﺎﻣﻦ ‪ :‬ﺻﻴﺎﻏﺔ ﻧﻤﺎذج اﻟﺘﻘﻠﺒﺎت اﻟﻤﺎﻟﻴﺔ واﻻﻗﺘﺼﺎدﻳﺔ‬
‫ﻳﻘﻮم ﺑﺘﻘﺪﻳﺮ اﻤﻟﻌﻠﻮﻣﺎت اﻤﻟﻌﻄﺎة ﺣﻮل‬ ‫اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻳﻌﻲﻨ أن‬

‫ً‬
‫اﻷﺧﻄﺎء ﻲﻓ اﻟﻔﺮﺘات اﻟﺰﻣﻨﻴﺔ اﻟﺴﺎﺑﻘﺔ‪ ،‬وﺧﺼﻮﺻﺎ إذا ﺎﻛن اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻲﻓ‬
‫اﻟﺰﻣﻦ ‪ t‬ﻳﺘﻌﻠﻖ ﺑﻤﺮﺑﻊ اﺨﻟﻄﺄ ﻲﻓ اﻟﺰﻣﻦ )‪ (t - 1‬ﻟﻚ ﺳﻮف ﻳﻜﻮن ﻳﻨﺎ ﻋﻤﻠﻴﺔ‬
‫)‪ARCH(1‬وﺗﻜﻮن اﻤﻟﻌﺎدﻟﺔ‪:‬‬
‫ﻧﻤﻮذج )‪ ARCH(1‬ﻳﻮﺿﺢ ﺑﺄﻧﻪ ﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻫﻨﺎك ﺻﺪﻣﺔ ﻛﺒﺮﻴ ﻲﻓ اﻟﻔﺮﺘة‬

‫ً‬
‫اﻟﺰﻣﻨﻴﺔ )‪ (t - 1‬ﻓﺈﻧﻪ ﻣﻦ اﻤﻟﺤﺘﻤﻞ ﺑﺪرﺟﺔ ﻛﺒﺮﻴة أن ‪ ut-1‬ﻬﻟﺎ أﻳﻀﺎ ﻗﻴﻤﺔ )ﻣﻄﻠﻘﺔ(‬
‫ﻛﺒﺮﻴة ﻓﺈن اﺤﻛﺒﺎﻳﻦ ﻲﻓ اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ اﺤﻛﺎ ﺔ )‪(t‬‬ ‫ﻛﺒﺮﻴة‪ ،‬وﻋﻨﺪﻣﺎ ﺗﻜﻮن‬
‫ً‬ ‫ً‬
‫ﺳﻮف ﻳﻜﻮن ﻛﺒﺮﻴا‪ ،‬ﻣﻦ اﻤﻟﻬﻢ ﺟﺪا أن ﻳﻜﻮن اﻟﻄﺮف اﻷﻳﻤﻦ ﻟﻠﻤﻌﺎدﻟﺔ‬
‫ﻻ ﺑﺪ ﺑﺎﻟﺮﻀورة أن ﻳﻜﻮن ﻣﺘﻨﺎﺳﺐ‬ ‫)‪AR(1‬‬
‫اﻟﺴﺎﺑﻘﺔ ﻣﻮﺟﺐ‪ ،‬و ﻧﻤﻮذج‬
‫وﻳﻘﺎل ﻋﻨﻪ ﺑﺄﻧﻪ ﻳﻨﺎ ﻋﻤﻠﻴﺔ )‪ AR(1‬ﻣﻊ أﺧﻄﺎء )‪ ARCH(1‬وﺗﺘﻢ ﻛﺘﺎﺑﺘﻬﺎ‬ ‫ُ‬
‫)‪ AR(1)-ARCH(1‬وﻳُﺴﻰﻤ إﻰﻟ اﺠﻟﺰء )‪ AR(1‬ﺑﺄن ﻣﺘﻮﺳﻂ اﻤﻟﻌﺎدﻟﺔ ﻲﻓ ﺣﻦﻴ أن‬

‫اﺠﻟﺰء )‪ ARCH(1‬ﻳُﺴﻰﻤ ﺗﺒﺎﻳﻦ اﻤﻟﻌﺎدﻟﺔ‪ ،‬وﺑﺎﻟﻄﺒﻊ ﻓﺈن اﺠﻤﺎذج اﻷﺧﺮى ﺠﻳﺐ أن‬
‫ﺗﻜﻮن ﺑﻨﻔﺲ ﻧﻮع ‪ ،ARIMA‬وﻳﻤﻜﻦ أن ﻳﻜﻮن ﺑﻨﻔﺲ ﻧﻮع ﻧﻤﻮذج اﻻﺤﻧﺪار‬
‫ﻓﺈن اﺤﻛﺒﺎﻳﻦ‬ ‫)‪ARCH(q‬‬ ‫ﻋﻤﻠﻴﺔ‬ ‫أو أي ﻧﻤﻮذج ﺳﻠﺴﻠﺔ زﻣﻨﻴﺔ أﺧﺮى‪ ،‬و‬
‫ﻲﻓ اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ ‪ t‬ﻳﺘﺄﺛﺮ ﺑﻮاﺳﻄﺔ اﻷﺧﻄﺎء اﻤﻟﺮﺑﻌﺔ ﻋﻨﺪ اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ‬ ‫اﻟﺮﺸ‬
‫)‪ (t - 1), (t - 2), …,(t - q‬وﺗﻜﻮن اﻤﻟﻌﺎدﻟﺔ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :2 .8‬ﻣﻌﺪﻻت ﺳﻌﺮ اﻟﺼﺮف ﻟﻠﺪوﻻر اﻷﻣﺮﯾﻜﻲ ‪ $‬ﻣﻘﺎﺑﻞ اﻟﺠﻨﯿﮫ اﻻﺳﺘﺮﻟﯿﻨﻲ‬
‫ﻲﻓ اﻤﻟﻌﺎدﻟﺔ ‪ 8.2‬اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻳﻌﺘﻤﺪ ﺒﻟ ‪ q‬ﻓﺮﺘة ﺗﺒﺎﻃﺆ ﻤﻟﺮﺑﻌﺎت اﺨﻟﻄﺄ‬

‫)ﻻﺣﻆ ﺑﺄﻧﻪ ﻲﻓ اﻟﻌﺪﻳﺪ ﻣﻦ ﻛﺘﺐ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻤﻟﺎ ﺔ ﻲﻓ اﻟﻐﺎﻟﺐ ﻳُﺮﻣﺰ‬
‫ﻬﻟﺎ ﺑﺎﻟﺮﻣﺰ ‪ (ht‬ﻣﻠﻒ اﻛﻴﺎﻧﺎت ﻲﻓ اﻤﻟﺜﺎل اﺤﻟﺎﻲﻟ ﻳُﺴﻰﻤ ‪ ARCH.SAV‬وﻫﻮ ﻣﺘﻮﻓﺮ‬
‫أون ﻻﻳﻦ ﻟﻠﻘﺮاء‪ ،‬ﺣﻴﺚ ﺤﻳﺘﻮي ﻫﺬا اﻤﻟﻠﻒ ﺒﻟ أﺳﻌﺎر اﻟﺮﺼف اﻟﺸﻬﺮﻳﺔ ﻟﻌﺪة‬
‫ﻋﻤﻼت ﻣﻘﺎﺑﻞ اﺠﻟﻨﻴﺔ اﻹﺳﺮﺘ ﻲﻨ‪ ،‬ﺳﻮف ﻧﺮ ﺰ ﺒﻟ ﺗﻐﺮﻴ ا وﻻر اﻷﻣﺮﻳﻜﻲ‬
‫‪ USD‬ﻣﻊ ﺟﻨﻴﻪ أﺳﺮﺘ ﻲﻨ واﺣﺪ‪ ،‬اﻛﻴﺎﻧﺎت ﺗﻐﺮﻴ ﻓﺮﺘة ﻣﻦ ‪ 1980M1‬إﻰﻟ ‪،2008M10‬‬
‫ﺠﻘﻢ ﺑﻔﺘﺢ اﻤﻟﻠﻒ ﺑﺮﺒﻧﺎﻣﺞ ‪) EViews‬ﺗﺬﻛﺮ أن ﻫﺬا اﻤﻟﻠﻒ ﻫﻮ ﻣﻠﻒ ﺧﺎر‬
‫‪ foreign file‬ﻟﺮﺒﻧﺎﻣﺞ آﺧﺮ( ﻗﻢ ﺑﺘﺤﺪﻳﺪ ﺗﺎرﻳﺦ ﻟﻠﺒﻴﺎﻧﺎت وﺳﻮف ﻳﻜﻮن ﻳﻚ‬
‫ﺑﻴﺎﻧﺎت ﻛﺘﻠﻚ اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.2.8‬‬
‫إﻧﺸﺎء ﻣﻌﺪﻻت ﺳﻌﺮ اﻟﺮﺼف‬

‫ﻗﺎم اﻛﺎﺣﺜﺎن )‪ Pesaran and Pesaran (1997‬ﺑﺎﺳﺘﺨﺪام ﻫﺬه اﻛﻴﺎﻧﺎت‬
‫راﺳﺔ اﻤﻟﻌﺪل اﻟﺸﻬﺮي اﻟﻨﺴﻲﺒ ﻟﻠﺘﻐﺮﻴ ﻲﻓ ﺳﻌﺮ ﺮﺻف ا وﻻر‪ /‬اﺠﻟﻨﻴﻪ اﻹﺳﺮﺘ ﻲﻨ‬
‫ً‬
‫ﺑﺪﻻ ﻣﻦ ا وﻻر ﻧﻔﺴﻪ ‪ ،USD‬وﺳﺒﺐ ﻫﺬا اﻹﺟﺮاء ﻲﻓ اﺤﻛﻨﺒﺆ اﻤﻟﺎﻲﻟ ﻫﻮ أن اﻤﻟﻌﺪل‬
‫اﻟﻨﺴﻲﺒ ﻟﻠﺘﻐﺮﻴ ﻲﻓ اﻟﻐﺎﻟﺐ ﻳﻜﻮن ﻣﺴﺘﻘﺮ ﺑﻴﻨﻤﺎ ﻗﻴﻢ اﻤﻟﺘﻐﺮﻴ اﻷﺻﻲﻠ )وﻫﻮ ‪(USD‬‬
‫ﻻ ﺗﻤﻴﻞ ﺤﻛﻜﻮن ﻣﺴﺘﻘﺮة‪ ،‬اﻤﻟﻌﺪل اﻟﺸﻬﺮ اﻟﻨﺴﻲﺒ‪ ،‬وﺑﻴﺎﻧﺎت اﻤﻟﻌﺪل اﻟﺸﻬﺮي اﻟﻨﺴﻲﺒ‬
‫ُ‬
‫ﻟﻠﺘﻐﺮﻴ ﻣﻦ اﻟﻮاﺿﺢ أﻧﻬﺎ ﺤﺗﺴﺐ ﻣﻦ ﺧﻼل ‪) (USDt-1 - USDt-1)/USDt-1‬ﻓﻌﻰﻠ‬
‫ﺳﺒﻴﻞ اﻤﻟﺜﺎل إذا ﺎﻛن ﻣﺘﻐﺮﻴ ﻣﺎ ﻗﻴﻤﺘﻪ ‪ 58‬ﻋﻨﺪ اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ ‪ t‬و‪ a‬ﻗﻴﻤﺔ ﺗﺴﺎوي ‪56‬‬
‫ﻋﻨﺪ اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ ‪ t - 1‬ﻓﺈن اﺤﻛﻐﺮﻴ اﻟﻨﺴﻲﺒ ﻟﻚ اﻤﻟﺘﻐﺮﻴ ﺳﻮف ﺗﻜﻮن ‪= 56/2‬‬
‫‪ 0.0357‬أو ﺑﻨﺴﺒﺔ ﻣﺌﻮﻳﺔ ﻗﺪرﻫﺎ ‪.%3.57‬‬
‫ً‬
‫اﺤﻛﻐﺮﻴ اﻟﻨﺴﻲﺒ ﻋﺒﺎرة ﻋﻦ ﺗﻘﺪﻳﺮ )ﺧﺼﻮﺻﺎ ﻲﻓ اﺤﻛﺤﻠﻴﻞ اﻤﻟﺎﻲﻟ( ﺑﻮاﺳﻄﺔ‬
‫)‪ t-1‬اﻟﻘﻴﻤﺔ ﻋﻨﺪ اﻟﺰﻣﻦ‪ t/‬اﻟﻘﻴﻤﺔ ﻋﻨﺪ اﻟﺰﻣﻦ( ‪ln‬‬
‫أو ﻲﻫ )‪ ln(USDt/USDt-1‬وﺑﺎﺳﺘﺨﺪام اﻷرﻗﺎم ﻲﻓ ﻧﻬﺎﻳﺔ اﻟﺸﻞﻜ اﻛﻴﺎ‬
‫اﻟﺴﺎﺑﻖ ﻓﺈﻧﻨﺎ ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮ اﺤﻛﻐﺮﻴ اﻟﻨﺴﻲﺒ ﻛﻤﺎ ﻳﻲﻠ ‪ ln(58/56) = 0.0351‬وﻫﻮ‬
‫ﻳﺴﺎوي ‪ ،%3.51‬اﻛﺎﺣﺜﺎن ‪ Peseran and Peseran‬ﻗﺎﻣﻮا ﺑﺎﺳﺘﺨﺪام اﺤﻛﻘﺪﻳﺮ‬
‫ﻲﻤ وا ي ﻳُﻔﺮﺘض أن ﻧﻘﻮم ﺑﺎﺳﺘﺨﺪاﻣﻪ ﻫﻨﺎ‪.‬‬
‫اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ‬
‫اﻟﺸﻜﻞ ‪ :3 .8‬إﻧﺸﺎء ﺳﻠﺴﻠﺔ ﺑﻮاﺳﻄﺔ ﻧﺎﻓﺬة اﻟﻤﻌﺎدﻟﺔ‬

‫ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﻓﺈن اﻟﺮﻣﺰ )‪ USD(-1‬ﻳﻤﺜﻞ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة ﻟﻠﻤﺘﻐﺮﻴ‬

‫‪ USDt-1‬وﻣﻦ ﺮﺷﻳﻂ اﻷدوات اﻟﺮﺋﻴ ﺑﺮﺒﻧﺎﻣﺞ ‪ EViews‬اﻧﻘﺮ ﺒﻟ‬
‫‪Quick‬‬
‫وا ي ﻳﻌﺮض ﻧﺎﻓﺬة إﻧﺸﺎء ﺳﻠﺴﻠﺔ ﻣﻦ ﺧﻼل ﻣﻌﺎدﻟﺔ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ‬
‫‪ ،8.3‬ﺛﻢ ﻗﻢ ﺑﺈدﺧﺎل ﻣﻌﺎدﻟﺔ ﻟﻠﺘﻘﺪﻳﺮ اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﻛﻤﺎ ﻲﻫ ﻣﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ‬
‫اﻟﺴﺎﺑﻖ واﻧﻘﺮ ‪ OK‬ﻹﻧﺸﺎء اﻟﺴﻠﺴﻠﺔ‪ ،‬اﻟﺸﻞﻜ ‪ 8.4‬ﻳﻌﺮض )أ( اﺤﻛﻐﺮﻴات اﻟﺸﻬﺮي‬
‫ً ً‬
‫اﻟﻨﺴﻲﺒ ﻲﻓ ‪ USD‬ﺤﻣﺴﻮﺑﺎ وﻓﻘﺎ ‪ (USDt - USDt-1)/USDt-1‬ﺣﻴﺚ أن اﺳﻢ اﻤﻟﺘﻐﺮﻴ‬
‫ﻫﻮ ‪ PROPCHA‬ﻛﻤﺎ أن اﻟﺸﻞﻜ ﻳﻌﺮض )ب( اﺤﻛﻘﺪﻳﺮ اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﺤﻛﻐﺮﻴات‬
‫اﻟﺸﻬﺮﻳﺔ اﻟﻨﺴﺒﻴﺔ ﺗﻢ ﺣﺴﺎﺑﻪ )‪ (USDt/USDt-1‬ﺣﻴﺚ أن اﺳﻢ اﻤﻟﺘﻐﺮﻴ ‪DLUSD‬‬
‫ﺣﻴﺚ ﻳُﻔﺮﺘض أﻧﻨﺎ ﻧﺴﺘﺨﺪم اﻤﻟﺘﻐﺮﻴ اﺨﻛﺎ ‪.‬‬
‫‪ 2.8‬اﺧﺘﺒﺎر ﺗﺄﺛﻴﺮات ‪ARCH‬‬
‫أول ﺧﻄﻮة ﻻﺧﺘﺒﺎر اﺤﻛﺄﺛﺮﻴات اﻤﻟﺤﺘﻤﻠﺔ ﻟـ ‪ ARCH‬ﻲﻫ ﻣﻌﺮﻓﺔ ﺗﻨﺎﺳﺐ‬
‫اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻄﺔ )ﺳﻮف ﻳﺘﻢ ﺗﺴﻤﻴﺘﻬﺎ ﺑﺎﺳﻢ ﻧﻤﻮذج ‪ (ARIMA‬ﻟﻠﻤﺘﻐﺮﻴ‬
‫)‪ DLUSD = ln(USDt/USDt-1‬وﻋﻨﺪ ﺗﻄﺒﻴﻖ اﺧﺘﺒﺎر ‪ ADF‬ﺒﻟ اﻤﻟﺘﻐﺮﻴ‬
‫ُ‬
‫‪ DLUSD‬ﻓﺈن اﺠﺘﺎﺋﺞ ﺗﻈﻬﺮ ﺑﺄن اﻤﻟﺘﻐﺮﻴ ﻣﺴﺘﻘﺮ )إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر‬
‫‪ (ADF = 17.249 - ، p = 0.000‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﻟﻔﺮق ﻏﺮﻴ ﻣﻄﻠﻮب‪ ،‬ﺳﻮف‬
‫ﻧﻘﻮم ﺑﺘﻄﺒﻴﻖ ﻧﻤﺎذج ‪ ARIMA‬ﺒﻟ اﻛﻴﺎﻧﺎت ﻣﻦ ‪ 1980M1‬إﻰﻟ ‪2007M12‬‬
‫وﺤﻧﺘﻔﻆ ﺑﺎﻛﻴﺎﻧﺎت ﻟﻸﺷﻬﺮ اﺨﻛﻤﺎ اﻷو ﻟﺴﻨﺔ ‪ 2008‬ﻻﺧﺘﺒﺎر ﻣﺪى ﺗﻨﺎﺳﺐ‬
‫و ﻔﺎﻳﺔ اﺠﻤﺎذج‪ ،‬ﺗﻢ اﺧﺘﻴﺎر اﺠﻤﻮذج ﻣﻦ ﻗﺒﻞ اﻛﺎﺣﺜﺎن ‪Peseran and‬‬
‫‪ Peseran‬ﻟﻠﻤﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻄﺔ ﺣﻴﺚ ﺎﻛﻧﺖ اﻟﻌﻤﻠﻴﺔ )‪ AR(1‬ﺑﺪون ﺛﺎﺑﺖ ﺑﺎﻟﺮﻏﻢ‬
‫ﻣﻦ ﺣﻘﻴﻘﺔ أن ﺣﺪ )‪ AR(1‬ﻟﻢ ﻳﻜﻦ ذو دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ ﺑﺪرﺟﺔ ﺑﺴﻴﻄﺔ‬
‫)‪ ، AR(1) = 0.065 ، p = 0.1032‬أﻧﻈﺮ اﻟﺸﻞﻜ ‪.(5.8‬‬
‫أﺧﺬﻧﺎ ﻲﻓ اﻻﻋﺘﺒﺎر ﻣﺎ إذا ﺎﻛن ﻧﻤﻮذج )‪ AR(1‬ﺤﻳﺘﻮي ﺒﻟ أﺧﻄﺎء ‪ ARCH‬ﻛﻤﺎ‬
‫ﻫﻮ ﻲﻓ اﻤﻟﻌﺎدﻟﺔ )‪ ،(2‬ﻲﻓ ﻫﺬه اﻤﻟﻌﺎدﻟﺔ ﺳﻮف ﻧﻘﻮم ﺑﺎﺧﺘﺒﺎر ﻓﺮﺿﻴﺔ اﻟﻌﺪم اﺤﻛﺎ ﺔ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :4 .8‬ﺳﻌﺮ اﻟﺼﺮف اﻟﻮاﻗﻲ ‪ PROPCHA‬واﻟﺘﻘﺪﯾﺮي ‪ DLUSD‬واﻟﻤﻌﺪل اﻟﺸﮭﺮي اﻟﻤﺘﻨﺎﺳﺐ‬

‫ﻟﻠﺘﻐﯿﺮ ﻓﻲ ﺳﻌﺮ ﺻﺮف اﻟﺪور اﻷﻣﺮﯾﻜﻲ‪ /‬اﻟﺠﻨﯿﮫ اﻻﺳﺘﺮﻟﯿﻨﻲ‬
‫اﻟﺸﻜﻞ ‪ :5 .8‬اﻟﻤﻌﺎدﻟﺔ اﻟﻤﺘﻮﺳﻄﺔ ﻟﻠﻤﺘﻐﯿﺮ ‪DLUSD‬‬
‫ﻞﻛ ﻣﻌﺎﻣﻼت اﻤﻟﻌﺎدﻟﺔ ‪ 2‬ﻤﺟﻴﻌﻬﺎ ﺗﺴﺎوي ﺻﻔﺮ )أي ﺑﻌﺒﺎرة أﺧﺮى ﻻ ﻳﻤﻜﻨﻨﺎ‬
‫رﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم(‪ ،‬ﺣﻴﺚ ﻻ ﻳﻮﺟﺪ ﺗﺄﺛﺮﻴات ﻟـ ‪ ARCH‬ﺣ ﻟﻔﺮﺘة اﺤﻛﺒﺎﻃﺆ ‪.q‬‬
‫ﺠﻘﻢ اﻵن ﺑﺎﺧﺘﺒﺎر ﺗﺄﺛﺮﻴات ‪ ARCH‬ﻟﻔﺮﺘات ﺗﺒﺎﻃﺆ ﺣ ‪ 12‬ﺷﻬﺮ‪ ،‬ﻣﻦ ﺮﺷﻳﻂ‬
‫اﻷدوات ﻲﻓ اﻟﺸﻞﻜ ‪ 5.8‬أﻧﻘﺮ ﺒﻟ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :6 .8‬اﺧﺘﺒﺎر ﺗﺄﺛﯿﺮات ‪ ARCH‬ﺣﺘﻰ ‪ 12‬ﻓﺘﺮة ﺗﺒﺎطﺆ‬

‫‪View‬‬
‫… ‪Heteroskedasticity Tests‬‬
‫ﺤﺗﺖ ‪ test type‬اﺧﺮﺘ ‪ ARCH‬ﺳﻮف ﻳُﻄﻠﺐ ﻣﻨﻚ ﻛﻢ ﻋﺪد ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ‬

‫اﻟﻲﺘ ﺗﺮﻏﺐ ﺑﻬﺎ‪ ،‬ﻗﻢ ﺑﻄﺒﺎﻋﺔ ‪ 12‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﺠﺘﺎﺋﺞ اﻤﻟﻌﺮوﺿﺔ ﻲﻓ‬
‫اﻟﺸﻞﻜ ‪.8.6‬‬
‫ﺤﺗﺖ اﻟﻌﻨﻮان ‪ ARCH test‬ﻲﻓ اﻟﺸﻞﻜ ‪ 8.6‬ﺗﻢ اﺧﺘﺒﺎر ﻓﺮﺿﻴﺔ اﻟﻌﺪم اﺤﻛﺎ ﺔ‪:‬‬
‫ﺗﻢ اﻻﺧﺘﺒﺎر ﻋﻦ ﻃﺮﻳﻖ إﺣﺼﺎﺋﻴﺘﻦﻴ اﺛﻨﻦﻴ ﻫﻤﺎ ‪ F‬و ‪) Obs*R squared‬وﻲﻫ‬

‫إﺣﺼﺎﺋﻴﺔ ﺎﻛي ﺗﺮﺑﻴﻊ(‪ ،‬ﻣﺴﺘﻮﻳﺎت ا ﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻲﻫ ‪ 0.0607‬و ‪ 0.0632‬ﺒﻟ‬
‫اﺤﻛﻮاﻲﻟ‪ ،‬إذن ﻻ ﻧﺴﺘﻄﻴﻊ رﻓﺾ ﻓﺮﺿﻴﺔ ا ﻋﻢ ﻷن ‪ p > 0.05‬وﻧﺴﺘﻨﺘﺞ ﺑﺄن ﻻ‬
‫ﻳﻮﺟﺪ ﺗﺄﺛﺮﻴات ﻟـ ‪ ARCH‬ﺣ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ﻗﺪرﻫﺎ ‪ 12‬ﺷﻬﺮ‪.‬‬
‫ﺠﺄﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر اﻵن ﻣﺎ إذا ﺎﻛﻧﺖ ﺗﺄﺛﺮﻴات ‪ ARCH‬ﻋﻨﺪ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ﻗﺪرﻫﺎ‬
‫ﺷﻬﺮ واﺣﺪ‪ ،‬ﻲﻓ اﻟﺸﻞﻜ ‪ 6.8‬أﻧﻘﺮ ﺒﻟ‪:‬‬
‫‪View‬‬
‫… ‪Heteroskedasticity Tests‬‬
‫اﻟﺸﻜﻞ ‪ :7 .8‬اﺧﺘﺒﺎر ﺗﺄﺛﯿﺮات ‪ ARCH‬ﺣﺘﻰ ﻓﺘﺮة ﺗﺒﺎطﺆ واﺣﺪة‬

‫ﺤﺗﺖ ‪ Test Type‬اﺧﺮﺘ ‪ ARCH‬ﺛﻢ ﻗﻢ ﺑﺈدﺧﺎل ﻓﺮﺘة ﺗﺒﺎﻃﺆ ‪ 1‬وﻫﺬا ﺳﻮف‬

‫ﻳﺆدي إﻰﻟ اﺤﻟﺼﻮل ﺒﻟ اﺠﺘﺎﺋﺞ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ 8.7‬ﺣﻴﺚ ﻳﻌﺮض ﺑﺄن إﺣﺼﺎﺋﻴﺔ ‪F‬‬
‫)‪ statistic (p = 0.000‬و ﺣﺼﺎﺋﻴﺔ ﺎﻛي ﺗﺮﺑﻴﻊ )‪chi-square statistic (p = 0.000‬‬
‫ُ‬
‫وﻧﺴﺘﻨﺘﺞ ﺑﺄن ﻫﻨﺎك ﺗﺄﺛﺮﻴات‬ ‫ﺗﺸﺮﻴ ﺑﺄﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم‬
‫‪ ARCH‬ذات دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ ﻋﻨﺪ اﺳﺘﺨﺪام ﻓﺮﺘة ﺗﺒﺎﻃﺆ ﺷﻬﺮ واﺣﺪ )ﻗﻤﻨﺎ‬
‫ً‬
‫ﺑﻤﻘﺎرﻧﺔ اﻟﻄﺮﻳﻘﺔ اﻟﻲﺘ اﺳﺘﺨﺪﻣﻬﺎ اﻛﺎﺣﺜﺎن ‪ Peseran and Peseran‬وﻋﻤﻮﻣﺎ إذا‬
‫ﻗﻤﻨﺎ ﺑﺎﺧﺘﺒﺎر ‪ ARCH LM‬ﻋﻨﺪ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ‪ 4‬أﺷﻬﺮ ﻓﺈن اﺠﺘﺎﺋﺞ ذات ا ﻻﻟﺔ‬
‫ُ‬
‫اﻹﺣﺼﺎﺋﻴﺔ ﺗﺸﺮﻴ ﺑﺄن ﻫﻨﺎك ﺗﺄﺛﺮﻴات ‪ ARCH‬ﻋﻨﺪ ﻫﺬا اﻤﻟﺴﺘﻮى(‪.‬‬
‫ﺳﻮف ﻧﻔﺮﺘض ﺑﺄن ‪ DLUSD‬ﻳﻤﻜﻦ ﺻﻴﺎﻏﺔ ﻧﻤﻮذج ﻣﻦ ﺧﻼل ﻋﻤﻠﻴﺔ‬
‫)‪ AR(1)-ARCH(1‬وﺳﻮف ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮ اﺠﻤﻮذج واﺤﻟﺼﻮل ﺒﻟ اﺤﻛﻮﻗﻌﺎت‬
‫اﻤﻟﺴﺘﻘﺒﻠﻴﺔ ً‬
‫ﺑﻨﺎء ﺒﻟ ذﻟﻚ‪ ،‬ﻣﻦ ﺮﺷﻳﻂ أدوات ‪ EViews‬أﻧﻘﺮ ﺒﻟ‪:‬‬
‫‪Quick‬‬
‫‪Estimate Equation‬‬
‫ﺳﻮف ﻳﻈﻬﺮ ﻣﺮﺑﻊ ﺣﻮار ﻗﻢ ﺑﺈدﺧﺎل اﺠﻤﻮذج ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫‪DLUSD AR1‬‬
‫وﻗﻢ ﺑﺘﻐﻴﺮﻴ ﻓﺮﺘة اﻟﻌﻴﻨﺔ إﻰﻟ ‪ 1980M1‬وﺣ ‪ 2007M12‬و ﻫﺬه اﻤﻟﺮة ﺳﻮف‬
‫ﻧﻘﻮم ﺑﺎﺧﺘﻴﺎر ‪ Method‬ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫‪ARCH - Autoregressive Conditional Heteroscedasticity‬‬
‫واﻧﻘﺮ ‪ OK‬ﻲﻓ ﻣﺮﺑﻊ اﺤﻟﻮار ﻲﻓ اﻟﺸﻞﻜ ‪ ،8.8‬ﻲﻓ أﺒﻟ ﻣﺮﺑﻊ اﺤﻟﻮار ﺳﻮف ﺗﺮى‬
‫ً‬
‫‪ARCH 1‬‬ ‫أن اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻄﺔ وﺗﻢ ﺤﺗﺪﻳﺪﻫﺎ ﻣﺴﺒﻘﺎ‪ ،‬اﺠﻤﻮذج اﻻﻓﺮﺘا‬
‫و ‪) GARCH 1‬أﻧﻈﺮ اﺠﻟﺰء اﺤﻛﺎﻲﻟ ﻟﺼﻴﺎﻏﺔ ﻧﻤﺎذج ‪ ،(GARCH‬ﻗﻢ ﺑﺘﻐﻴﺮﻴ ﻣﻌﺎﻣﻞ‬
‫‪ GARCH‬إﻰﻟ ‪ 0‬واﺗﺮك ﻣﻌﺎﻣﻞ ‪ ARCH‬ﻛﻤﺎ ﻣﺴﺎوي ‪) 1‬أي ﺑﻌﺒﺎرة أﺧﺮى ﻓﺮﺘة‬
‫ﺗﺒﺎﻃﺆ ﺷﻬﺮ واﺣﺪ(‪.‬‬
‫اﻟﺸﻜﻞ ‪ :8 .8‬ﺗﻌﺮﯾﻒ ﻧﻤﻮذج )‪ AR(1)-ARCH(1‬ﻟﻠﻤﺘﻐﯿﺮ ‪DLUSD‬‬

‫ﻳﻔﺮﺘض أن اﻷﺧﻄﺎء ﻣﻦ ﻫﺬه اﻟﻌﻤﻠﻴﺔ )‪AR(1)-ARCH(1‬‬ ‫اﻟﻮﺿﻊ اﻻﻓﺮﺘا‬
‫ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪ ،‬ﺛﻢ أﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﺠﺘﺎﺋﺞ ﻲﻓ اﻟﺸﻞﻜ ‪.9.8‬‬
‫ﻣﻦ اﻟﺸﻞﻜ ‪ 9.8‬اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻄﺔ ﻲﻫ‪:‬‬
‫)‪DLUSDt = 0.0051(DLUSDt-1‬‬
‫ً‬
‫أﻳﻀﺎ ﻣﻦ اﻟﺸﻞﻜ ‪ 9. 8‬واﻤﻟﻌﺎدﻟﺔ ‪ 8.2‬ﻣﻌﺎدﻟﺔ اﺤﻛﺒﺎﻳﻦ )ﻋﻤﻠﻴﺔ )‪ (ARCH(1‬ﻲﻫ‪:‬‬
‫واﻛﻮاﻲﻗ‬ ‫ﺣﻴﺚ أن ‪ EViews‬ﻳﺴﺘﺨﺪم اﻟﺮﺘﻣﺰﻴ ‪ RESID(-1)2‬ﻟﻞﻜ ﻣﻦ‬

‫اﻤﻟﺮﺑﻌﺔ ﻋﻨﺪ اﻟﺰﻣﻦ )‪ ،(t - 1‬ﻛﻼ ﺣﺪي اﺤﻛﻘﺎﻃﻊ )‪ (p = 0.000‬وﻣﻌﺎﻣﻞ اﻛﻮاﻲﻗ‬
‫اﻤﻟﺮﺑﻌﺔ )‪ (p = 0.0004‬ﺨﺗﺘﻠﻒ ﺑﺸﻞﻜ ﺟﻮﻫﺮي ﻋﻦ اﻟﺼﻔﺮ أي ﺑﻌﺒﺎرة أﺧﺮى‬

‫‪ p < 0.05‬ﻲﻓ ﻛﻼ اﺤﻟﺎﺤﻛﻦﻴ‪ ،‬ﻻﺣﻆ ﺑﺄن ﻣﻌﺎﻣﻞ ‪ DLUSDt-1‬ﻲﻓ اﻟﺸﻞﻜ ‪ 9.8‬ﺨﺗﺘﻠﻒ‬
‫ﻋﻦ ﺗﻠﻚ ﻲﻓ اﻟﺸﻞﻜ ‪ ،5.8‬ﻓﻲﻔ اﻟﺸﻞﻜ ‪ 5.8‬اﻤﻟﻌﺎﻣﻞ ﻟﻢ ﻳﻜﻦ ذو دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ‬
‫ﺑﺸﻞﻜ ﺑﺴﻴﻂ ﺣﻴﺚ ﺎﻛن اﻟﻘﻴﻤﺔ ‪ 0.0641‬ﻋﻨﺪ ﻗﻴﺎﻣﻨﺎ ﺑﺘﺤﺪﻳﺪ اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻄﺔ‬
‫ﻓﻘﻂ‪) ،‬ﺗﻢ ﺗﻘﺪﻳﺮ ذﻟﻚ ﻋﻦ ﻃﺮﻳﻖ اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ(‪ ،‬ﻲﻓ اﻟﺸﻞﻜ ‪9.8‬‬
‫ﻋﻨﺪﻣﺎ ﺗﻈﻬﺮ ﺗﺄﺛﺮﻴات ‪ ARCH‬ﻓﺈن ﻫﺬا اﻤﻟﻌﺎﻣﻞ ﻳﻤﻜﻦ ﺗﻘﺪﻳﺮه ﺑﻘﻴﻤﺔ ‪0.0051‬‬
‫وﻲﻫ ﻟﻴﺴﺖ ذات دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ )ﻲﻓ ﺣﺎﻟﺔ ‪ ARCH‬ﻓﺈن ﺗﻘﺪﻳﺮ اﺠﻤﻮذج ﺗﺘﻢ ﻣﻦ‬
‫ُ‬
‫ﺧﻼل ﺗﻘﻨﻴﺔ اﻟﻔﺮق واﻟﻲﺘ ﺗﺴﻰﻤ اﻷرﺟﺤﻴﺔ اﻟﻌﻈﻰﻤ(‪.‬‬
‫اﻟﺸﻜﻞ ‪ :9 .8‬ﻧﺘﺎﺋﺞ ﻧﻤﻮذج )‪AR(1)-ARCH(1‬‬

‫ﻻﺣﻆ ﺑﺄﻧﻨﺎ‪ :‬ﻗﻤﻨﺎ ﺑﺎﻻﻟﺰﺘام ﺑﺎﻹﻓﺼﺎح ﻣﻦ ﺧﻼل اﻛﺤﺚ اﻷﺻﻲﻠ ﻟﻠﺒﺎﺣﺜﺎن‬

‫ً‬
‫‪ Peseran and Peseran‬وﻋﻤﻮﻣﺎ وﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر اﺠﺘﺎﺋﺞ اﻟﺴﺎﺑﻘﺔ ﻓﺈﻧﻨﺎ ﻧﻨﺼﺢ‬
‫ﺑﺈﺨدة ﺣﺴﺎب اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻄﺔ ﻣﻦ ﺟﺪﻳﺪ واﻛﺤﺚ ﻋﻦ ﺑﺪﻳﻞ آﺧﺮ‪.‬‬
‫اﺤﻛﻨﺒﺆ ﺑﺎﺳﺘﺨﺪام ﻧﻤﻮذج ‪ARCH‬‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪ 9.8‬ﻗﺎم ﺑﺎﺠﻘﺮ ﺒﻟ‬
‫‪View‬‬
‫‪Residual Tests‬‬
‫‪Histogram—Normality test‬‬
‫ﻹﺟﺮاء اﺧﺘﺒﺎر ﺟﺎر ﻮﺑﺮﻴا ‪ Jarque-Bera‬ﻤﻟﻌﺮﻓﺔ ﻫﻞ اﻛﻮاﻲﻗ ﺗﺘﻮزع ﺗﻮزﻳﻊ‬
‫ﻃﺒﻴﻲﻌ‪ ،‬واﺧﺘﺒﺎر ﻓﺮﺿﻴﺔ اﻟﻌﺪم ﻟﻠﺘﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ ﺣﻴﺚ ﺗﻢ رﻓﻀﻬﺎ )‪(p = 0.000‬‬
‫وﻫﺬا ﻳﺸﺮﻴ إﻰﻟ أن ﺧﻄﺄ ﻲﻓ ﺻﻴﺎﻏﺔ اﺠﻤﻮذج وﻗﺪ ﻳﺮﻏﺐ اﻤﻟﺤﻠﻞ ﺑﺘﻌﺪﻳﻞ اﺤﻛﻮزﻳﻊ‬
‫اﻤﻟﻔﺮﺘض ﻟﻠﺒﻮاﻲﻗ ﻲﻓ اﻟﺸﻞﻜ ‪ 8.8‬وﻳﻤﻜﻨﻨﺎ اﺧﺘﺒﺎر ﻣﺎ إذا ﺎﻛن ﻫﻨﺎك ﺗﺄﺛﺮﻴات ‪ARCH‬‬
‫أﺧﺮى ﻲﻓ اﺠﻤﻮذج )‪ AR(1)-ARCH(1‬وذﻟﻚ ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ‪:‬‬
‫‪View‬‬
‫‪…ARCH LM Test‬‬
‫اﻟﺸﻜﻞ ‪ :10 .8‬ﻣﺮﺑﻊ ﺣﻮار اﻟﺘﻨﺒﺆ‬

‫ﺑﻌﺪ اﺧﺘﻴﺎر ﻋﺪة ﺠﻣﻤﻮﺨت ﻣﻦ ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ ﻓﺈن إﺣﺼﺎﺋﻴﺔ ‪ F‬و ﺣﺼﺎﺋﻴﺔ‬
‫ﺎﻛي ﺗﺮﺑﻴﻊ ﻟﻢ ﺗﻜﻮﻧﺎ ذات دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ ﻤﻣﺎ ﻳُﺸﺮﻴ إﻰﻟ ﻋﺪم وﺟﻮد ﺗﺄﺛﺮﻴات‬
‫‪ ARCH‬أﺧﺮى‪.‬‬
‫وﺑﺎﻟﻌﻮدة إﻰﻟ أول ﺛﻤﺎن أﺷﻬﺮ ﻟﺴﻨﺔ ‪ 2008‬واﻟﻲﺘ ﺗﻢ اﻻﺣﺘﻔﺎظ ﺑﻬﺎ ﻻﺧﺘﺒﺎر‬
‫ﻛﻔﺎء اﺠﻤﻮذج ﻲﻓ اﺤﻛﻨﺒﺆ‪ ،‬أي ﺑﻌﺒﺎرة أﺧﺮى أﻧﻪ ﻳﻨﺎ ﻗﻴﻢ ﻓﻌﻠﻴﺔ ﻟﻠﻤﺘﻐﺮﻴ ‪DLUSD‬‬
‫ﻟﻠﻔﺮﺘة ﻣﺎ ﺑﻦﻴ ‪ 2008M1‬إﻰﻟ ‪ 2008M8‬وﻳﻤﻜﻨﻨﺎ ﻣﻘﺎرﻧﺔ ﺗﻠﻚ اﻟﻘﻴﻢ ﻣﻊ اﻟﻘﻴﻢ‬
‫اﻤﻟﺘﻮﻗﻌﺔ واﻟﻲﺘ ﺗﻢ اﺤﻟﺼﻮل ﻋﻠﻴﻬﺎ ﻣﻦ اﺠﻤﻮذج )‪ ،AR(1)-ARCH(1‬أﻧﻘﺮ ﺒﻟ‬
‫اﻳﻘﻮﻧﺔ ‪ Forecast‬ﻲﻓ اﻟﺸﻞﻜ ‪ 9.8‬ﻟﻠﺤﺼﻮل ﺒﻟ ﻣﺮﺑﻊ ﺣﻮار ‪ Forecast‬ﻛﻤﺎ ﻲﻓ‬
‫اﻟﺸﻞﻜ ‪.10.8‬‬
‫اﻟﻮﺿﻊ اﻻﻓﺮﺘا أن اﻟﻘﻴﻢ اﻤﻟﺘﻮﻗﻌﺔ ﻟﻠﻤﺘﻐﺮﻴ ‪ DLUSD‬ﺳﻮف ﻳﺘﻢ ﺣﻔﻈﻬﺎ‬
‫ﺑﺎﺳﻢ ‪ DLUSDF‬واﻤﻟﺴﺘﺨﺪم ﻳﻤﻜﻨﻪ ﺗﻐﻴﺮﻴ ﻫﺬا اﻻﺳﻢ‪ ،‬ﻲﻓ أﺳﻔﻞ اﻟﺸﻞﻜ ‪ 10.8‬ﺠﺗﺪ‬
‫ﺑﺄن ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺑﻪ ﺧﻴﺎر ‪) forecast sample‬ﻓﺮﺘة اﺤﻛﻨﺒﺆ( ﻲﻫ ﻣﻦ ‪1980M1‬‬
‫إﻰﻟ ‪ 2008M10‬ﻗﻢ ﺑﺘﻐﻴﺮﻴ ﻫﺬه اﻟﻔﺮﺘة ﺤﻛﻜﻮن ‪ 2008M1‬إﻰﻟ ‪ 2008M10‬و اﺠﻟﻬﺔ‬
‫ا ﻤﻰﻨ ﻟﻠﺸﻞﻜ ‪ 10.8‬ﺳﻮف ﺗﻼﺣﻆ ﺑﺄن ﻫﻨﺎك ﻃﺮﻳﻘﺘﻦﻴ ﻟﻠﺤﺼﻮل ﺒﻟ اﺤﻛﻨﺒﺆات‬
‫اﺤﻛﻨﺒﺆات ا ﻳﻨﺎﻣﻴﻜﻴﺔ ‪) dynamic forecast‬وﻫﻮ اﻟﻮﺿﻊ اﻻﻓﺮﺘا ( اﺤﻛﻨﺒﺆات‬
‫اﺨﻛﺎﺑﺘﺔ ‪ ، static forecasts‬ﻓﺎﺤﻛﻨﺒﺆات ا ﻳﻨﺎﻣﻴﻜﻴﺔ ﻟﻠﻔﺮﺘة ﺗﻘﻮم ﺑﺎﺳﺘﺨﺪام اﻟﻘﻴﻢ‬
‫ً‬
‫اﻟﻲﺘ ﺗﻢ اﺤﻛﻨﺒﺆ ﺑﻬﺎ ﺳﺎﺑﻘﺎ ﻟﻠﻤﺘﻐﺮﻴ اﻤﻟﻮﺟﻮد ﻳﻨﺎ‪ ،‬ﻲﻓ ﺣﻦﻴ أن اﺤﻛﻨﺒﺆات اﺨﻛﺎﺑﺘﺔ ﺗﻌﻄﻲ‬
‫ﻧﺘﺎﺋﺞ ﺑﺎﺳﺘﺨﺪام اﻟﻘﻴﻢ اﻤﻟﺸﺎﻫﺪة ﻟﻠﻤﺘﻐﺮﻴ‪ ،‬ﻓﺈذا ﻟﻢ ﻳﻜﻦ ﻳﻨﺎ ﻗﻴﻢ ﻣﺸﺎﻫﺪة ﻓﺈن‬
‫ً‬
‫ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﻳﻌﻄﻲ ‪ ، NA‬وأﺧﺮﻴا ﻓﺈن اﻤﻟﺨﺮﺟﺎت اﻻﻓﺮﺘاﺿﻴﺔ ﺗﺘﻀﻤﻦ ﺷﻞﻜ‬
‫ﺑﻴﺎ ﻟﻠﺘﻨﺒﺆ وﺗﻘﻴﻴﻢ ﻟﻠﺘﻨﺒﺆات‪.‬‬
‫أﻧﻘﺮ ﺒﻟ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻟﺸﻞﻜ ‪ 11.8‬ﺣﻴﺚ ﺳﻮف ﻳﺘﻢ ﻋﺮض اﺤﻛﻨﺒﺆات‬
‫اﺨﻛﺎﺑﺘﺔ‪ ،‬وﺑﺈﺨدة ﻫﺬه اﻟﻌﻤﻠﻴﺔ وﻟﻜﻦ ﻟﻞﻜ اﻷﺷﻬﺮ ﻣﻦ ‪ 1980M1‬إﻰﻟ ‪2008M10‬‬
‫ﺳﻮف ﻳﺘﻢ ﻋﺮض اﺤﻛﻨﺒﺆات اﺨﻛﺎﺑﺘﺔ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ 12.8‬ﺣﻴﺚ ﻗﻤﻨﺎ ﺤﺑﻔﻆ ﻫﺬه‬
‫اﺤﻛﻨﺒﺆات ﺤﺗﺖ اﺳﻢ ‪.ALLDLUSDF‬‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪ 11.8‬واﻟﺸﻞﻜ ‪ 12.8‬ﻫﻨﺎ ﺑﻌﺾ اﺨﻟﻄﻮات اﻟﻲﺘ ﻳﺘﻢ اﺳﺘﺨﺪاﻣﻬﺎ ﺑﺸﻞﻜ‬
‫ﻣﺘﻜﺮر ﻟﻠﺤﺼﻮل ﺒﻟ ﺗﻨﺒﺆ ذات ﻛﻔﺎءة‪ ،‬وﻫﺬه اﺨﻟﻄﻮات ﻲﻫ ﺟﺬر ﻣﺘﻮﺳﻂ ﻣﺮﺑﻊ‬
‫اﺨﻟﻄﺄ )‪ (RMSE‬وﻣﺘﻮﺳﻂ اﺨﻟﻄﺄ اﻤﻟﻄﻠﻖ )‪ (MAE‬وﻧﺴﺒﺔ اﺨﻟﻄﺄ اﻤﻟﺘﻮﺳﻂ اﻤﻟﻄﻠﻖ‬

‫)‪ (MAPE‬وﻣﻌﺎﻣﻞ ﻣﺘﺒﺎﻳﻨﺔ ﺛﻴﻞ ‪.Thiel’s Inequality‬‬
‫اﻟﺸﻜﻞ ‪ :11 .8‬إﺣﺼﺎﺋﯿﺔ اﻟﺘﻨﺒﺆ ﻟﺴﺘﺔ أﺷﮭﺮ ﻟﻠﻨﻤﻮذج )‪AR(1)-ARCH(1‬‬

‫ً‬
‫‪MAE‬‬ ‫اﻤﻟﻄﻠﻖ ‪ absolute‬ﻫﻮ ﻧﻔﺴﻪ اﻤﻟﻌﺎﻣﻞ ‪ ،modulus‬وﻳﻌﺘﻤﺪ ﻛﻼ ﻣﻦ‬
‫و ‪ RMSE‬ﺒﻟ ﻣﻘﻴﺎس اﻤﻟﺘﻐﺮﻴ اﻤﻟﺮاد اﺤﻛﻨﺒﺆ ﺑﻪ‪ ،‬ﻟﻚ ﻳﺘﻢ اﺳﺘﺨﺪاﻣﻬﺎ ﻛﻤﻘﺎﻳﻴﺲ‬
‫ﻤﻟﻘﺎرﻧﺔ اﺤﻛﻨﺒﺆات ﻣﻊ ﻧﻔﺲ اﻟﺴﻠﺴﻠﺔ ﺠﻤﻮذج اﺤﻛﻨﺒﺆ اﻤﻟﺨﺘﻠﻔﺔ‪ ،‬و ﻤﺎ ﺎﻛﻧﺖ ﻗﻴﻤﺔ‬
‫‪ RMSE/MAE‬أﺻﻐﺮ ﻠﻛﻤﺎ ﺎﻛﻧﺖ ﻗﺪرة اﺠﻤﻮذج ﺒﻟ اﺤﻛﻨﺒﺆ أﻓﻀﻞ‪ ،‬ﻣﺴﺘﺨﺪم‬
‫ً‬
‫ﻧﻤﻮذج اﺤﻛﻨﺒﺆ ﻗﺪ ﻳﺴﺘﺨﺪم أﻳﻀﺎ ‪ MAPE‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﻣﻦ اﻤﻟﻔﻴﺪ أن ﻧﻌﻠﻢ‬
‫ً‬
‫ﺑﺄن ‪ MAPE‬ﻟﻠﻨﻤﻮذج ﻲﻫ ‪ %5‬ﺑﺪﻻ ﻣﻦ أن ﻧﻌﻠﻢ ﺑﺄن ‪ MAE‬ﻳﺴﺎوي ‪.439.6‬‬
‫ﻣﻌﺎﻣﻞ ﻣﺘﺒﺎﻳﻨﺔ ﺛﻴﻞ ﻳُﻌﺮف ﻛﺬﻟﻚ ﺑﺄﻧﻪ إﺣﺼﺎﺋﻴﺔ ‪ U‬ﺛﻴﻞ وﻗﻴﻤﺔ ﻫﺬا اﻤﻟﻌﺎﻣﻞ‬
‫ﺗﻘﻊ ﺑﻦﻴ ‪ 0‬و ‪ ،1‬ﻓﺈذا ﺎﻛن اﻤﻟﻌﺎﻣﻞ ﻳﺴﺎوي ‪ 0‬ﻓﻬﺬا ﻳُﺸﺮﻴ إﻰﻟ ﺗﻨﺎﺳﺐ ﺗﺎم‪ ،‬ﺑﻌﺒﺎرة‬
‫أﺧﺮى ﻻ ﻳﻮﺟﺪ ﺧﻄﺄ ﺗﻨﺒﺆ‪ ،‬وﻗﺪ ﻳﺘﻢ ﺗﻔﺴﺮﻴ اﻤﻟﻌﺎﻣﻞ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﻓﺈن ﻃﺮﻳﻘﺔ اﺤﻛﻨﺒﺆ اﻤﻟﺴﺘﺨﺪﻣﺔ ﺟﻴﺪة ﺑﻤﺜﻞ ﺟﻮدة اﺠﻤﻮذج‬ ‫‪U‬‬ ‫< إذا ﺎﻛن ‪= 1‬‬
‫اﻟﺒﺴﻴﻂ اﻷول‪.‬‬
‫< إذا ﺎﻛن ‪ U < 1‬ﻓﺈن ﻃﺮﻳﻘﺔ اﺤﻛﻨﺒﺆ اﻤﻟﺴﺘﺨﺪﻣﺔ أﻓﻀﻞ ﻣﻦ اﺠﻤﻮذج اﻷول‬
‫اﻟﺒﺴﻴﻂ‪ ،‬و ﻤﺎ ﻗﻠﺖ ﻗﻴﻤﺔ ‪ U‬ﻠﻛﻤﺎ ﺎﻛن ذﻟﻚ أﻓﻀﻞ‪.‬‬
‫< إذا ﺎﻛن ‪ U > 1‬ﻟﻴﺲ ﻫﻨﺎك ﺳﺒﺐ ﻻﺳﺘﺨﺪام أي ﻃﺮﻳﻘﺔ ﻟﻠﺘﻨﺒﺆ ﻷن اﺠﻤﻮذج‬
‫اﻷول ﺳﻮف ﻳﻌﻄﻲ ﻧﺘﺎﺋﺞ أﻛﺮﺜ دﻗﺔ‪.‬‬
‫ﻳﻌﺮض اﺠﺘﺎﺋﺞ اﺤﻛﺎ ﺔ ﺨﺑﺼﻮص ﻣﻌﺎﻣﻞ‬ ‫‪EViews‬‬ ‫ﺑﺎﻹﺿﺎﻓﺔ إﻰﻟ ذﻟﻚ ﻓﺈن‬
‫ﺛﻴﻞ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :12 .8‬إﺣﺼﺎﺋﯿﺔ اﻟﺘﻨﺒﺆ ﻟﻠﻔﺘﺮة اﻟﺰﻣﻨﯿﺔ ﺑﺎﻟﻜﺎﻣﻞ‬

‫< ﻧﺴﺒﺔ اﺤﻛﺤﺰﻴ ‪ bias proportion‬واﻟﻲﺘ ﺗﻮﺿﺢ ﺠﺎ ﻛﻢ ﻳﺒﻌﺪ ﻣﺘﻮﺳﻂ اﺤﻛﻨﺒﺆ ﻋﻦ‬
‫اﻤﻟﺘﻮﺳﻂ اﻟﻔﻌﻲﻠ ﻟﻠﺴﻠﺴﻠﺔ‪.‬‬
‫< ﻧﺴﺒﺔ اﺤﻛﺒﺎﻳﻦ ‪ variance proportion‬واﻟﻲﺘ ﺗﻮﺿﺢ ﺠﺎ ﻛﻢ ﻳﺒﻌﺪ ﺗﺒﺎﻳﻦ اﺤﻛﻨﺒﺆ‬
‫ﻋﻦ اﺤﻛﺒﺎﻳﻦ اﻟﻔﻌﻲﻠ ﻟﻠﺴﻠﺴﻠﺔ‪.‬‬
‫< ﻧﺴﺒﺔ اﺤﻛﺒﺎﻳﻦ اﻤﻟﺸﺮﺘك ‪ covariance proportion‬واﻟﻲﺘ ﺗﻘﻴﺲ ﺑﻘﻴﺔ ﺧﻄﺄ اﺤﻛﻨﺒﺆ‬
‫ﻏﺮﻴ اﺠﻈﺎﻲﻣ‪.‬‬
‫ﻻﺣﻆ ﺑﺄن ﺠﻣﻤﻮع ﻧﺴﺐ اﺤﻛﺤﺰﻴ واﺤﻛﺒﺎﻳﻦ واﺤﻛﺒﺎﻳﻦ اﻤﻟﺸﺮﺘك ﺗﺴﺎوي ‪.1‬‬
‫‪ 3.8‬ﻣﺴﺎﺋﻞ ﻣﺘﻌﻠﻘﺔ ﺑﻨﻤﺎذج ‪ ARCH‬ﻓﻲ اﻟﺘﻄﺒﻴﻖ اﻟﻌﻤﻠﻲ‬
‫ﻳﻌﻄﻲ ‪ ARCH‬إﻃﺎر ﻟﻠﺘﺤﻠﻴﻞ وﺗﻄﻮﻳﺮ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﺑﻤﺎ ﻓﻴﻬﺎ ﺗﻘﻠﺒﺎت‬
‫ﺗﻠﻚ اﻟﺴﻼﺳﻞ‪ ،‬ﻧﻤﺎذج ‪ ARCH‬ﺎﻛن ﻬﻟﺎ ﺗﻄﺒﻴﻘﺎت ﻣﻔﻴﺪة ﺧﻼل اﻟﻌﺮﺸ ﺳﻨﻮات‬
‫ً‬ ‫ً‬
‫اﻤﻟﺎﺿﻴﺔ وﺧﺼﻮﺻﺎ ﻲﻓ ﺣﻘﻞ اﺤﻛﻘﻠﺒﺎت اﻤﻟﺎ ﺔ‪ ،‬وﻋﻤﻮﻣﺎ ﻓﺈن ﻧﻤﺎذج ‪ARCH‬‬
‫ﺗﺴﺘﺨﺪم اﻵن ﺑﺎﺨﻧﻔﺎض ﻣﺴﺘﻤﺮ وذﻟﻚ ﻟﻮﺟﻮد ﻋﺪة ﺻﻌﻮﺑﺎت ﻣﻨﻬﺎ‪:‬‬
‫< ﻛﻴﻔﻴﺔ ﺤﺗﺪﻳﺪ ‪ - q‬ﻋﺪد ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ ‪ -‬ﺣﻴﺚ ﻻ ﺗﻮﺟﺪ ﻃﺮﻳﻘﺔ واﺿﺤﺔ‬
‫ﻟﻚ‪.‬‬
‫< ﻗﻴﻤﺔ ‪ q‬ﺗﺘﻄﻠﺐ اﺤﻟﺼﻮل ﺒﻟ ﺎﻛﻓﺔ ﺗﺄﺛﺮﻴات اﺤﻛﺒﺎﻳﻦ اﻤﻟﺮﺸوط واﻟﻲﺘ ﻗﺪ ﺗﻜﻮن‬
‫ً‬
‫ﻛﺒﺮﻴة ﺟﺪا‪ ،‬وﻫﺬا ﻗﺪ ﻳﺆدي إﻰﻟ ﻧﻤﻮذج ‪ ARCH‬ﻣﻌﻘﺪ وﻏﺮﻴ ﻣﺮﻏﻮب‪.‬‬
‫< ﻠﻛﻤﺎ زادت ﻗﻴﻤﺔ ‪ q‬ﻠﻛﻤﺎ زادت اﺣﺘﻤﺎ ﺔ اﺤﻟﺼﻮل ﺒﻟ ﺗﺒﺎﻳﻦ ﻣﺮﺸوط ﺳﺎﻟﺐ‪.‬‬
‫ﺗﻢ اﺤﻛﻮﺳﻊ ﻲﻓ ﻋﻤﻠﻴﺔ )‪ ARCH(q‬وﺗﻄﻮﻳﺮﻫﺎ ﺑﺸﻞﻜ ﻣﺴﺘﻘﻞ ﻣﻦ ﻗﺒﻞ‬
‫)‪ Bollerslev (1986) and Engle (1982‬وأﻃﻠﻖ ﻋﻠﻴﻬﺎ اﺳﻢ ﻋﻤﻠﻴﺔ ‪ARCH‬‬
‫أو ‪ GARCH‬اﻤﻟﻌﻤﻤﺔ ‪ the generalized ARCH process or GARCH‬ﺣﻴﺚ‬
‫أن ﻧﻤﺎذج ‪ GARCH‬أﺻﺒﺤﺖ ﺗﺴﺘﺨﺪم ﺑﻜﺮﺜة ﻲﻓ اﺤﻛﺤﻠﻴﻞ اﻤﻟﺎﻲﻟ ﻲﻓ اﻟﺴﻨﻮات‬
‫اﻷﺧﺮﻴة‪.‬‬
‫‪ 4.8‬ﻧﻤﺎذج ‪GARCH‬‬
‫ً‬
‫ﻣﺴﺘﻘﻼ ً‬
‫ﺑﻨﺎء ﺒﻟ ﻗﻴﻤﺔ‬ ‫ﻧﻤﻮذج ‪ GARCH‬ﻳﺴﻤﺢ ﻟﻠﺘﺒﺎﻳﻦ اﻟﺮﺸ أن ﻳﻜﻮن‬
‫ً‬
‫ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ اﺨﻟﺎﺻﺔ ﺑﻪ وﺑﻨﺎ ﺒﻟ ﺣﺪود اﺨﻟﻄﺄ اﻤﻟﺮﺑﻊ ﺠﻤﺎذج ‪ ARCH‬و أﺑﺴﻂ‬
‫ﺻﻮره ﻳﻜﻮن ﻳﻨﺎ‪:‬‬
‫وﻳﻨﺺ ﻧﻤﻮذج‬ ‫)‪GARCH(1,1‬‬ ‫اﻤﻟﻌﺎدﻟﺔ )‪ (8.3‬ﻳُﺸﺎر إ ﻬﺎ ﻛﻨﻤﻮذج‬

‫)‪ GARCH(1,1‬ﺒﻟ أن اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸط اﺤﻟﺎﻲﻟ ﻫﻮ داﻟﺔ ﺤﻟﺪ اﺤﻛﻘﺎﻃﻊ‪ ،‬واﻤﻟﻌﻠﻮﻣﺎت‬

‫واﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ‬ ‫ﺣﻮل اﺤﻛﺒﺎﻳﻦ ﺧﻼل اﻟﻔﺮﺘات اﻟﺰﻣﻨﻴﺔ اﻤﻟﺎﺿﻴﺔ‬
‫‪.‬‬ ‫اﻤﻟﺘﻨﺎﺳﺐ ﻣﻦ اﺠﻤﻮذج ﺧﻼل اﻟﻔﺮﺘة اﻟﺴﺎﺑﻘﺔ‬
‫ﻧﻤﻮذج )‪ GARCH(q,p‬ﺗﻜﻮن اﻟﺼﻴﻐﺔ اﺤﻛﺎ ﺔ‪085939:‬‬
‫ﻧﻤﻮذج )‪ ARCH(1‬ﻳﻌﺎدل ﻧﻤﻮذج )‪ ،GARCH(1,0‬اﻤﻟﻌﺎدﻟﺔ )‪ (8.4‬ﺗﻨﺎﻇﺮ‬

‫ً‬
‫ﺗﺮ ﻴﺒﺔ اﺠﻤﻮذج ‪ ARIMA‬ا ي رأﻳﻨﺎه ﺳﺎﺑﻘﺎ‪ ،‬ﻛﻤﺎ أن ﻲﻫ اﺤﻧﺪار ذا ﻟﻠﺠﺰء‬
‫)‪ (AR‬و ﻲﻫ ﺟﺰء اﻤﻟﺘﻮﺳﻂ اﻤﻟﺘﺤﺮك )‪.(MA‬‬
‫اﺤﻛﻄﺒﻴﻘﺎت اﻟﻌﻤﻠﻴﺔ ﻟﻠﻨﻤﻮذج ‪ GARCH‬أﺷﺎرت إﻰﻟ اﻟﻘﻴﻢ اﻤﻟﻨﺨﻔﻀﺔ ﻟﻞﻜ‬
‫ﻣﻦ ‪ q‬و ‪ p‬ﻣﻄﻠﻮﺑﺔ‪ ،‬و اﻟﻐﺎﻟﺐ ‪ p = q = 1‬ﻳُﻔﺮﺘض أن ﻧﺮى اﻵن ﻣﺎ إذا ﺎﻛن ﻧﻤﻮذج‬
‫)‪ AR(1‬ﻟﻠﺘﻐﺮﻴات اﻟﻨﺴﺒﻴﺔ ﻲﻓ ﻣﻌﺪﻻت ﺳﻌﺮ ﺮﺻف ‪ US$/GBP‬اﻤﻟﺴﺘﺨﺪﻣﺔ‬
‫ﻲﻓ اﺠﻟﺰء اﻟﺴﺎﺑﻖ ﻬﻟﺎ ﺧﻄﺄ )‪ GARCH(1,1‬ﻣﺘﺼﻞ ﻣﻊ ﺗﻠﻚ اﺤﻛﻐﺮﻴات‪ ،‬اﺠﻤﻮذج‬
‫اﻟﻼﺣﻖ ﻳﺘﻢ ﺗﻄﺒﻴﻘﻪ ﺑﺸﻞﻜ واﺳﻊ ﻲﻓ اﻟﺴﻼﺳﻞ اﻤﻟﺎ ﺔ اﻟﻲﺘ ﺤﺗﺘﻮي ﺒﻟ ﺗﻘﻠﺒﺎت‪،‬‬
‫اﺠﻤﻮذج ا ي ﻧﺮﻳﺪ اﺳﺘﺨﺪاﻣﻪ ﻫﻮ‪:‬‬
‫واﻟﻲﺘ ﻳﻤﻜﻦ إﺨدة ﻛﺘﺎﺑﺘﻬﺎ ﻛﻤﻠﻴﺔ )‪ AR(1)-GARCH(1,1‬ﻣﻊ ﺑﺎراﻣﺮﺘات‬

‫ﺠﻳﺐ ﺤﺗﺪﻳﺪﻫﺎ‪.‬‬
‫ﻣﻦ ﺮﺷﻳﻂ أدوات ‪ EViews‬أﻧﻘﺮ ﺒﻟ‪:‬‬
‫‪Quick‬‬
‫ﺛﻢ ﻗﻢ ﺑﺘﺤﺪﻳﺪ اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻂ ﻟﻞﻜ ﻣﻌﺎدﻟﺔ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ 5.8‬وذﻟﻚ ﻛﻤﺎ‬
‫ﻳﻲﻠ‬
‫)‪DLUSD AR(1‬‬
‫واﺧﺮﺘ اﻟﻌﻴﻨﺔ ‪ sample‬ﺤﻛﻜﻮن ﻣﻦ ‪ 1980M1‬إﻰﻟ ‪ 2007M12‬و ﺧﻴﺎر اﺠﻤﻮذج‬
‫‪ modelling‬اﺧﺮﺘ ‪ ARCH‬ﻟﻠﺠﺰء اﻟﺴﺎﺑﻖ‪ ،‬و ﺧﻴﺎر ‪ Method‬ﻳﻜﻮن‪:‬‬
‫‪ARCH - Autoregressive Conditional Heteroscedasticity‬‬
‫ﻫﺬا ﺳﻮف ﻳﻌﺮض ﻧﺎﻓﺬة اﺤﻟﻮار ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ ،8.8‬وﻫﺬه اﻤﻟﺮة ﺳﻮف ﺨﻧﺘﺎر‬
‫‪ ARCH‬و ‪ GARCH‬ﺣ ﻛﻤﺎ ﻫﻮ ﻣﻌﺮوض ﻲﻓ اﻟﺸﻞﻜ ‪ ،8.13‬ﻧﺘﺎﺋﺞ ﺗﻄﺒﻴﻖ ‪AR(1)-‬‬
‫)‪ GARCH(1,1‬ﺗﻢ ﻋﺮﺿﻬﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.8.14‬‬
‫ً‬
‫ﻻﺣﻆ ﺑﺄن ﻇﻬﻮر ﻧﺘﺎﺋﺞ ‪ GARCH‬ﻲﻓ اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻂ ﺨﻳﺘﻠﻒ ﻗﻠﻴﻼ ﻋﻤﺎ‬
‫ﺎﻛﻧﺖ ﻋﻠﻴﻬﺎ ﻲﻓ ﻋﻤﻠﻴﺔ ‪ ARCH‬ﻋﻨﺪﻣﺎ ﺎﻛﻧﺖ ‪ ،AR1 = 0.0051, p = 0.9181‬ﻲﻓ‬
‫اﻟﺸﻞﻜ ‪ 8.14‬ﺗﻢ اﻹﺷﺎرة إﻰﻟ ‪ GARCH‬ﺑﺎﻟﺮﻣﺰ )‪ GARCH(-1‬وﻣﻦ اﻟﻮاﺿﺢ أﻧﻪ‬
‫ﻟﻴﺲ ذو دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ وﻫﺬا ﻳﻌﻲﻨ أن ﻋﻤﻠﻴﺔ ‪ GARCH‬ﻏﺮﻴ ﻣﻨﺎﺳﺒﺔ ﻟﻠﻤﺘﻐﺮﻴ‬
‫‪ ،DLUSD‬إﺣﺼﺎﺋﻴﺔ اﺤﻛﻨﺒﺆ ﻟﻠﻨﻤﻮذج ﺗﻢ ﻋﺮﺿﻬﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ ،8.15‬وﻫﺬه ﻗﺪ ﻳُﺸﺎر‬
‫إ ﻬﺎ ﺑﺎﻟﺮﻣﺰ ‪ RMSE‬و ‪ MAE‬وﻲﻫ ﺗﻘﻮم ﺑﻘﻴﺎس ﻧﻤﻮذج )‪ GARCH(1,1‬وﻫﺬا‬
‫اﺠﻤﻮذج ﻳﻌﻄﻲ ﺗﻮﻗﻌﺎت أﺳﻮاء ﻣﻦ ﻧﻤﻮذج )‪) ARCH(1‬ﻗﺎرن ﻣﻊ اﻟﺸﻞﻜ ‪.(12.8‬‬
‫اﻟﺸﻜﻞ ‪ :13 .8‬ﺗﺤﺪﯾﺪ ﻧﻤﻮذج )‪GARCH(1,1‬‬

‫اﻟﺸﻜﻞ ‪ :14 .8‬ﻧﺘﺎﺋﺞ ﺗﻄﺒﯿﻖ اﻟﻨﻤﻮذج )‪GARCH(1,1‬‬
‫‪ 5.8‬اﻟﺘﻄﺒﻴﻖ‪ :‬ﺻﻴﺎﻏﺔ ﻧﻤﻮذج اﻟﺘﻘﻠﺐ واﻟﺘﻘﺪﻳﺮ )‪GARCH (1,1‬‬

‫اﻬﻟﺪف ﻫﻮ إﺠﻳﺎد اﻟﻌﻮاﻣﻞ اﻤﻟﺆﺛﺮة ﻲﻓ ﺗﻘﻠﺒﺎت اﻷﺻﻮل اﻤﻟﺎ ﺔ أو اﻷدوات‬
‫ً‬
‫اﻤﻟﺎ ﺔ‪ ،‬وﺑﺸﻞﻜ أﻛﺮﺜ ﺗﻌﻘﻴﺪا ﻧﺮﻳﺪ ﺤﺗﺪﻳﺪ اﻟﻌﻮاﻣﻞ اﺨﻟﺎرﺟﻴﺔ وا اﺧﻠﻴﺔ اﻤﻟﺸﺮﺘ ﺔ‬
‫واﻟﻲﺘ ﺗﻘﻮد إﻰﻟ ﺗﻘﻠﺒﺎت ﻲﻓ اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ‪ ،‬ﺳﻮف ﻧﺴﺘﺨﺪم )‪ GARCH(1,1‬وﻧﻘﻮم‬
‫ﺑﺘﻘﺪﻳﺮ ﻧﻤﻮذج ‪ ARCH‬ﺗﻤﺜﻞ ‪ 1‬ﻲﻓ اﻟﻘﻮس و ‪ 1‬ﻲﻓ ‪ ، GARCH‬ﺳﻮف ﻳﺘﻢ اﻟﺮﺘ ﺰ‬
‫ﺒﻟ ﻣﺮﺑﻊ اﻛﻮاﻲﻗ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة وﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة ﻛﻤﺎ‬
‫ً‬
‫ﻫﻮ ﻣﻌﺮوض ﺳﺎﺑﻘﺎ‪ ،‬ﺳﻮف ﻧﺄﺧﺬ ﺑﺎﻻﻋﺘﺒﺎر ﻣﻌﺎدﺤﻛﻦﻴ وﺣﺪة ﻲﻫ اﻤﻟﻌﺎدﻟﺔ اﻟﺮﺋﻴﺴﻴﺔ‬
‫واﺨﻛﺎ ﻫﻮي ﻣﻌﺎدﻟﺔ اﺤﻛﺒﺎﻳﻦ‪ ،‬وﻧﻬﺪف إﻰﻟ ﺣﺴﺎب اﻤﻟﻌﺎدﻟﺔ اﻟﺮﺋﻴﺴﻴﺔ ﻟﻠﺤﺼﻮل‬
‫ﺒﻟ اﻛﻮاﻲﻗ واﺳﺘﺨﺪام ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ﺤﻟﺴﺎب ﻣﻌﺎدﻟﺔ اﺤﻛﺒﺎﻳﻦ‪ ،‬اﻤﻟﻌﺎدﻟﺔ اﻟﺮﺋﻴﺴﻴﺔ‬
‫اﻟﻲﺘ ﻧﺴﺘﺨﺪﻣﻬﺎ ﻲﻓ ﻫﺬا اﻤﻟﺜﺎل ﻲﻫ ﻧﻤﻮذج ‪ CAPM‬ﺣﻴﺚ ﺳﻮف ﻳﺘﻢ اﺳﺘﺨﺪام‬

‫ﻋﻮاﺋﺪ ورﻳﺎل ﺑﻨﻚ أوف ﺳﻜﻮﺗﻼﻧﺪ )‪ (RBS‬واﻟﻲﺘ ﻳﻔﺮﺘض ﺑﺄﻧﻬﺎ داﻟﺔ ﻟﻌﻮاﺋﺪ‬
‫ً‬
‫ﺳﻮف اﻤﻟﻤﻠﻜﺔ اﻤﻟﺘﺤﺪة ‪ -‬ﻣﺆﺮﺷ ﺑﻮرﺻﺔ ﺠﺪن ‪ - FTSE 100‬وﻓﻘﺎ ﻤﻟﺎ ﻳﻲﻠ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :15 .8‬اﻟﺘﻨﺒﺆ ﻣﻦ اﻟﻨﻤﻮذج )‪GARCH(1,1‬‬
‫ﻣﻌﺎدﻟﺔ اﺤﻛﺒﺎﻳﻦ ﺳﻮف ﺗﺘﻀﻤﻦ اﻟﻌﻨﺎﺮﺻ اﺤﻛﺎ ﺔ‪:‬‬

‫< اﻟﻌﻨﺮﺼ اﻷول اﺤﻛﻘﺎﻃﻊ‪.‬‬
‫< اﻟﻌﻨﺎﺮﺻ اﺨﻛﺎ ﺗﺮﺑﻴﻊ اﻛﻮاﻲﻗ ﻟﻔﺮﺘة ﺗﺒﺎﻃﺆ زﻣﻨﻴﺔ واﺣﺪة واﻟﻲﺘ ﺗﻤﺜﻞ اﻟﺼﺪﻣﺔ‬
‫ُ‬
‫أو اﻷﺧﺒﺎر أو اﺨﻟﻄﺄ‪ ،‬وﻧﺴﻰﻤ ﻫﺬا ﺤﺑﺪ ‪ ،ARCH‬ﻓﺈذا ﺎﻛن ﻫﺬا اﺤﻟﺪ ذو ﻣﻌﻨﻮﻳﺔ‬
‫إﺣﺼﺎﺋﻴﺔ ﻓﻬﺬا ﻳﻌﻲﻨ أن اﻟﺼﺪﻣﺔ أﺛﺮت ﻲﻓ ﺗﺒﺎﻳﻦ ﺑﻮاﻲﻗ ‪.GARCH‬‬
‫< اﻟﻌﻨﺮﺼ اﺨﻛﺎﻟﺚ ﻫﻮ ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة‪ ،‬إذا ﺎﻛن ﻫﺬا اﻟﻌﻨﺮﺼ‬
‫ذو دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ ﻓﻬﺬا ﻳﻌﻲﻨ أن اﺤﻛﺒﺎﻳﻦ ﻳﻈﻞ ﺛﺎﺑﺖ وﻣﺘﺠﺎﻧﺲ‪ ،‬ﺳﻮف‬
‫ً‬
‫ﻧﺘﻌﺎﻣﻞ ﻣﻊ اﻟﻌﻨﺮﺼﻳﻦ اﺨﻛﺎ واﺨﻛﺎﻟﺚ ﻣﻌﺎ‪.‬‬
‫< ﻻﺣﻆ‪ :‬اﻟﻌﻮاﻣﻞ اﻷول واﺨﻛﺎ واﺨﻛﺎﻟﺚ ﻳﺘﻢ اﻋﺘﺒﺎرﻫﺎ ﻋﻮاﻣﻞ داﺧﻠﻴﺔ‪.‬‬
‫< ﻫﻨﺎك ﻋﻨﺮﺼﻳﻦ إﺿﺎﻓﻴﻦﻴ ﻧﺴﻤﻴﻬﻤﺎ ﻋﻨﺮﺼﻳﻦ ﺧﺎرﺟﻴﻦﻴ ﺳﻮف ﻳﺘﻢ اﺳﺘﺨﺪاﻣﻬﻤﺎ‪،‬‬
‫اﻷول ﻫﻮ ﻣﺘﻮﺳﻂ اﻟﻌﺎﺋﺪ اﻟﺼﻨﺎﻲﻋ ﻤﻟﺆﺮﺷ داوﺟﻮﻧﺰ ‪ ،DJ‬واﺨﻛﺎ ﻫﻮ اﻟﻌﺎﺋﺪ ﺒﻟ‬
‫ﻣﺆﺮﺷ ﺑﻮرﺻﺔ ﻓﺮاﻧﻜﻔﻮرت ‪ ،Dax‬ﻫﺬان اﻟﻌﻨﺮﺼان اﺨﻟﺎرﺟﻴﺎن ﻳُﺸﺮﻴان إﻰﻟ ﻣﺎ‬
‫إذا ﺎﻛن اﺤﻛﻘﻠﺐ ﺎﻛن ﺑﺴﺒﺐ اﻟﻌﻨﺎﺮﺻ ا اﺧﻠﻴﺔ أو أﺣﺪ اﻟﻌﻨﺎﺮﺻ اﺨﻟﺎرﺟﻴﺔ أو‬
‫ﻛﻼﻫﻤﺎ‪.‬‬
‫ﺠﻠﺨﺺ ذﻟﻚ‪:‬‬
‫‪ - 1‬ﺳﻮف ﻧﺄﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻣﺎ إذا ﺎﻛﻧﺖ ﻣﻌﺎدﺤﻛﺎ اﺤﻛﺒﺎﻳﻦ ﻣﻊ ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ ﻤﻟﺮﺑﻊ‬
‫اﺨﻟﻄﺄ وﺣﺪ اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ﻛﻼﻫﻤﺎ ذو دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ‪،‬‬
‫ﻓﺈذا ﺎﻛن ﺗﺄﺛﺮﻴات اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ﻫﻮ اﻟﻮﺿﻊ اﺤﻟﺎﻲﻟ ﻟﻠﺘﺒﺎﻳﻦ‬
‫اﻟﺮﺸ ﻓﺈﻧﻪ ﻣﻦ اﻟﻮاﺿﺢ أن ﻫﻨﺎك د ﻞ ﺒﻟ وﺟﻮد ﺗﺄﺛﺮﻴ ‪ ARCH‬واﺿﺢ‪.‬‬
‫ً‬
‫‪ - 2‬اﻟﻌﻮاﻣﻞ اﺨﻟﺎرﺟﻴﺔ ﺳﻮف ﺗﺘﻢ ﻣﻌﺎﻣﻠﺘﻬﺎ ﻛﻼ ﺒﻟ ﺣﺪة وﻫﺬا ﻳﻌﺘﻤﺪ ﺒﻟ ﻣﺎ‬
‫إذا ﺎﻛﻧﺖ ذات دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ أو ﻻ‪ ،‬ﻓﺈذا ﺎﻛن أي ﻣﻦ اﻟﻌﺎﻣﻠﻦﻴ اﺨﻟﺎرﺟﻴﻦﻴ‬
‫ذو دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ ﻓﺈن ﻳﻤﻜﻨﻨﺎ أن ﻧﺴﺘﻨﺘﺞ ﺑﺄن ﻫﻨﺎك د ﻞ ﺒﻟ أن ﺗﺒﺎﻳﻦ‬
‫ً‬
‫)‪ (GARCH‬ﺗﺄﺛﺮ ﺑﺬﻟﻚ اﻟﻌﺎﻣﻞ وأن اﺤﻛﻘﻠﺐ ﺣﺪث ﺟﺰﺋﻴﺎ ﻣﻦ ﻗﺒﻞ ذﻟﻚ‬
‫اﻟﻌﺎﻣﻞ‪.‬‬
‫ﻣﻌﺎدﻟﺔ اﺤﻛﺒﺎﻳﻦ ﻲﻫ‪:‬‬
‫ﺗﻢ ﻤﺟﻊ ﺑﻴﺎﻧﺎت اﻷﺳﻌﺎر ﻲﻓ ﻧﻬﺎﻳﺔ ا ﻮم ﻷﺳﻬﻢ روﻳﺎل ﺑﻨﻚ أوف ﺳﻜﻮﺗﻼﻧﺪ‬
‫)‪ (RBS‬وﻣﺆﺮﺷ اﻷﺳﻬﻢ )‪ FTSE 100 (FTSE‬وﻣﺆﺮﺷ ﻣﺘﻮﺳﻂ اﻟﺼﻨﺎﻋﺔ ﻷﺳﻬﻢ‬
‫داوﺟﻮﻧﺰ )‪ (DJ‬ﻣﺆﺮﺷ ﺑﻮرﺻﺔ ﻓﺮاﻧﻜﻔﻮرت )‪ ،(Dax‬ﺣﻴﺚ ﺗﻢ اﺤﻟﺼﻮل ﺒﻟ ﻋﻴﻨﺔ‬
‫ﻣﻦ ‪ 1000‬ﻣﺸﺎﻫﺪة ﻟﻞﻜ ﻣﺘﻐﺮﻴ ﻣﻦ ﻫﺬه اﻤﻟﺘﻐﺮﻴات ﻟﻠﻔﺮﺘة ﻣﻦ ‪ 19‬ﻣﺎرس ‪2008‬‬
‫إﻰﻟ ‪ 5‬ﻣﺎرس ‪ ،2012‬ﺑﻴﺎﻧﺎت اﻷﺳﻌﺎر ﻟﻠﻤﺘﻐﺮﻴات اﻟﺴﺎﺑﻘﺔ ﺗﻢ ﺤﺗﻮﻳﻠﻬﺎ إﻰﻟ ﻣﻠﻒ‬
‫‪ EViews‬واﻟﻌﻮاﺋﺪ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫اﺨﻟﻄﻮة اﻷو ‪ :‬ﻞﻛ اﻛﻴﺎﻧﺎت )اﻷﺳﻌﺎر( ﺗﻢ ﺤﺗﻮﻳﻠﻬﺎ ﺑﺎﺳﺘﺨﺪام اﻟﻠﻮﺬﻟرﻳﺘﻢ‬

‫اﻟﻄﺒﻴﻲﻌ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫)‪LRBS = LOG(RBS‬‬
‫)‪LFTSE = LOG(FTSE‬‬
‫)‪LDJ = LOG (DJ‬‬
‫)‪LDAX = LOG (DAX‬‬
‫اﺨﻟﻄﻮة اﺨﻛﺎﻧﻴﺔ‪ :‬ﻋﻮاﺋﺪ اﻤﻟﺘﻐﺮﻴات اﻟﺴﺎﺑﻘﺔ ﻳﻤﻜﻦ ﺣﺴﺎﺑﻬﺎ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫)‪RRBS=LRBS-LRBS(-1‬‬
‫)‪RFTSE=LFTSE-LFTSE(-1‬‬
‫)‪RDJ=LDJ-LDJ(-1‬‬
‫)‪RDAX=LDAXLLDAX(-1‬‬
‫اﻛﻴﺎﻧﺎت اﻟﻲﺘ ﺗﻢ اﺳﺘﺨﺪاﻣﻬﺎ ﺤﻟﺴﺎب اﺠﻤﺎذج اﻟﺴﺎﺑﻘﺔ ﺠﻳﺐ أن ﺗﻜﻮن‬
‫ﻣﺴﺘﻘﺮة‪ ،‬وﻫﺬا ﺮﺷط ﺮﺿوري ﺣ ﻧﺘﺠﻨﺐ اﻻﺤﻧﺪار اﺠﺎﺗﺞ ﻣﻦ اﻻﺤﻧﺪار‬
‫اﻟﻮﻫﻲﻤ )ﻻ ﻗﻴﻤﺔ (‪.‬‬
‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻷو ‪ :‬اﺠﻤﺎذج ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ ‪:RRBS‬‬
‫ﺤﺑﺴﺐ اﻟﺸﻞﻜ ‪ 16.8‬ﺗﺒﺪو اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫أ( اﻟﺸﻞﻜ اﻛﻴﺎ ﻟﻼرﺗﺒﺎط ﻟﻠﺴﻠﺴﻠﺔ ‪:RRBS‬‬
‫ً‬ ‫ً‬
‫أﻧﻘﺮ ﻧﻘﺮا ﻣﺰدوﺟﺎ ﺒﻟ ‪ RRBS‬ﻣﻦ ﻣﻠﻒ اﻟﻌﻤﻞ ﻟﻠﺤﺼﻮل ﺒﻟ ﺑﻴﺎﻧﺎت‬
‫اﻟﺴﻠﺴﻠﺔ ‪.RRBS‬‬
‫اﻟﺸﻜﻞ ‪ :16 .8‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟﻠﺴﻠﺴﻠﺔ ‪RRBS‬‬

‫‪correlogram‬‬ ‫اﺧﺮﺘ‬ ‫‪Lovel‬‬ ‫و اﺨﻟﻴﺎر‬ ‫‪View‬‬ ‫‪-‬‬ ‫‪Correlogram‬‬ ‫أﻧﻘﺮ ﺒﻟ‬
‫واﻧﻘﺮ ‪OK‬‬
‫أو ‪0.05‬‬ ‫‪α = 5%‬‬ ‫‪-3‬‬
‫ﻟﻴﺲ ﻫﻨﺎك إﺣﺼﺎﺋﻴﺎت اﺧﺘﺒﺎر ﺤﻟﺴﺎﺑﻬﺎ‪ ،‬وﺳﻮف ﻧﻨﻈﺮ إﻰﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل‬
‫‪ Prob‬ﻲﻓ اﻟﺸﻞﻜ ‪.17.8‬‬
‫‪P-values = 0.000‬‬ ‫‪-4‬‬
‫‪ 0.05 > 0.000 - 5‬ﻧﺮﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪ H0‬وﻧﻘﺒﻞ اﻟﻔﺮﺿﻴﺔ اﻛﺪﻳﻠﺔ ‪.H1‬‬
‫‪ - 6‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﺠﻤﻮذج اﻟﺮﺳﻲﻤ‪:‬‬
‫اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﻤﻟﻌﺰز )‪Augmented Dickey-Fuller (ADF‬‬
‫اﺗﺒﻊ ﻫﺬه اﺨﻟﻄﻮات ﺑﺮﺒﻧﺎﻣﺞ ‪:EViews‬‬

‫ً‬ ‫ً‬
‫أﻧﻘﺮ ﻧﻘﺮا ﻣﺰوﺟﺎ ﺒﻟ اﻤﻟﺘﻐﺮﻴ ‪ RRBS‬ﻣﻦ ﻣﻠﻒ اﻟﻌﻤﻞ‪.‬‬
‫ﻣﻦ اﺠﺎﻓﺬة اﻟﻲﺘ ﺗﻌﺮض ﺑﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴ ‪ RRBS‬اﺧﺮﺘ ‪View-Unit Root test‬‬
‫ﻲﻓ ﺧﻴﺎر ﻧﻮع اﻻﺧﺘﺒﺎر ‪ Test type‬اﺧﺮﺘ ‪Augmented Dickey-Fuller‬‬
‫ﻲﻓ ﺧﻴﺎر اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ‪ Test for unit root‬اﺧﺮﺘ ‪level‬‬
‫ﻣﻦ اﺨﻟﻴﺎر ‪ Include‬ﻲﻓ ﻣﻌﺎدﻟﺔ اﻻﺧﺘﺒﺎر اﺧﺮﺘ ‪ Trend and Intercept‬إذا ﺎﻛن‬
‫اﻟﺸﻞﻜ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ ﻳﺸﺮﻴ إﻰﻟ أن اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ اﺠﺗﺎه‪.‬‬
‫ﺛﻢ أﻧﻘﺮ ﺒﻟ ‪.OK‬‬
‫اﻟﺸﻜﻞ ‪ :17 .8‬ﺗﺼﻮﯾﺮ اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﯿﺮ ‪RRBS‬‬


‫‪ α= 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫وﺑﻨﺎء ﺒﻟ اﻟﺸﻞﻜ ‪ 8.18‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪16.66555-‬‬
‫ﻗﻴﻤﺔ ‪p-value = 0.0000‬‬ ‫‪-4‬‬
‫‪ Prob = 0.0000 < 0.05 - 5‬وﺑﺎﺤﻛﺎﻲﻟ ﻧﺮﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪.H0‬‬
‫‪ RRBS - 6‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪RFTSE‬‬ ‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﺨﻛﺎﻧﻴﺔ‪ :‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ ﻟﻠﺴﻠﺴﻠﺔ‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ اﻟﺸﻞﻜ ‪ 19.8‬ﻓﺈن اﻟﺴﻠﺴﻠﺔ ‪ RFTSE‬ﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﻟﻠﺴﻠﺴﻠﺔ ‪RFTSE‬‬ ‫أ( اﻟﺸﻞﻜ اﻛﻴﺎ‬
‫‪ H0 : RFTSE - 1‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ : H1 - 2‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ α= 5% - 3‬أو ‪0.05‬‬
‫ﻟﻴﺲ ﻫﻨﺎك إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ﺤﻟﺴﺎﺑﻬﺎ وﻟﻜﻨﻨﺎ ﻧﺮ ﺰ ﺒﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل‬
‫‪Prob‬ﻲﻓ اﻟﺸﻞﻜ ‪.20.8‬‬
‫‪p-values = 0.000‬‬ ‫‪-4‬‬
‫‪ Prob = 0.000 < 0.05 - 5‬وﺑﺎﺤﻛﺎﻲﻟ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫‪ RFTSE - 6‬ﻟﻴﺴﺖ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫أﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﻤﻟﻌﺰز ﻟﻠﺴﻠﺴﻠﺔ ‪RFTSE‬‬
‫‪ H0 : RFTSE - 1‬ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ H1 : RFTSE - 2‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α= 5% - 3‬أو ‪.0.05‬‬
‫اﻟﺸﻜﻞ ‪ :18 .8‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﻤﺘﻐﯿﺮ ‪RRBS‬‬

‫ً‬
‫ﺑﻨﺎء ﺒﻟ ﻧﺘﺎﺋﺞ اﻟﺸﻞﻜ ‪ 21.8‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪-24.57451‬‬
‫‪P-values = 0.0000‬‬ ‫‪-4‬‬
‫‪ RFTSE - 6‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫واﻟﻄﺮق ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‬ ‫‪RDJ‬‬ ‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﺨﻛﺎﺨﻛﺔ‪:‬‬
‫ﻏﺮﻴ ﻣﺴﺘﻘﺮة ﻣﻊ‬ ‫‪RDJ‬‬ ‫ً‬
‫ﺑﻨﺎء ﺒﻟ ﻧﺘﺎﺋﺞ اﻟﺸﻞﻜ ‪ 22.8‬ﻓﻴﺒﺪو أن اﻟﺴﻠﺴﻠﺔ‬
‫اﺿﻄﺮاﺑﺎت ﻣﺮﺗﻔﻌﺔ ﻲﻓ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ‪.‬‬
‫ﻟﻠﺴﻠﺴﻠﺔ ‪RDJ‬‬ ‫أ( اﻟﺸﻞﻜ اﻛﻴﺎ‬

‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :19 .8‬اﻟﺸﻜﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺴﻠﺴﻠﺔ ‪RFTSE‬‬
‫اﻟﺸﻜﻞ ‪ :20 .8‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﯿﺮ ‪RFTSE‬‬

‫اﻟﺸﻜﻞ ‪ :21 .8‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﻤﺘﻐﯿﺮ ‪RFTSE‬‬

‫‪P-values = 0.000‬‬ ‫‪-4‬‬
‫‪ - 6‬اﻟﺴﻠﺴﻠﺔ ‪ RDJ‬ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﻤﻟﻌﺰز )‪ (ADF‬ﻟﻠﺴﻠﺴﻠﺔ ‪RDJ‬‬
‫‪ : H0 - 1‬اﻟﺴﻠﺴﻠﺔ ‪ RDJ‬ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬

‫‪ : H1 - 2‬اﻟﺴﻠﺴﻠﺔ ‪ RDJ‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :22 .8‬ﺷﻜﻞ ﺑﯿﺎﻧﻲ ﻟﻠﺴﻠﺴﻠﺔ ‪RDJ‬‬
‫اﻟﺸﻜﻞ ‪ :23 .8‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﯿﺮ ‪RDJ‬‬

‫ً‬
‫‪P-values = 0.000 - 4‬‬
‫‪ - 6‬اﻟﺴﻠﺴﻠﺔ ‪ RDJ‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﺸﻜﻞ ‪ :24 .8‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ‪RDJ‬‬

‫‪RDAX‬‬ ‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﺨﻛﺎﺨﻛﺔ‪ :‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ ﻟﻠﺴﻠﺴﻠﺔ‬

‫ﻳﺒﺪو أن اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة ﻣﻊ اﺿﻄﺮاﺑﺎت ﻣﺮﺗﻔﻌﺔ ﺧﻼل اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ‬
‫)اﻧﻈﺮ اﻟﺸﻞﻜ ‪.(25.8‬‬
‫ب( اﻟﺸﻞﻜ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ ‪RDAX‬‬
‫‪ : H0 - 1‬اﻟﺴﻠﺴﻠﺔ ‪ RDAX‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‬
‫‪ : H1 - 2‬اﻟﺴﻠﺴﻠﺔ ‪ RDAX‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪ - 4‬ﺑﻌﺾ ﻗﻴﻢ ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﺑﻴﻨﻤﺎ اﻛﻌﺾ اﻵﺧﺮ أﻗﻞ ﻣﻦ ‪.0.05‬‬
‫‪ - 5‬أﻏﻠﺐ ﻗﻴﻢ ‪ p-values < 0.05‬وﺑﺎﺤﻛﺎﻲﻟ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن اﻟﺴﻠﺴﻠﺔ ‪ RDAX‬ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﺸﻜﻞ ‪ :25 .8‬اﻟﺮﺳﻢ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺴﻠﺴﻠﺔ ‪RDAX‬‬

‫اﻟﺸﻜﻞ ‪ :26 .8‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﻤﺘﻐﯿﺮ ‪RDAX‬‬
‫أﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﻤﻟﻌﺰز )‪ (ADF‬ﻟﻠﺴﻠﺴﻠﺔ ‪RDJ‬‬
‫‪ : H0 - 1‬اﻟﺴﻠﺴﻠﺔ ‪ RDJ‬ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ : H1 - 2‬اﻟﺴﻠﺴﻠﺔ ‪ RDJ‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫‪P-values = 0.000‬‬ ‫‪-4‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ ﺑﺄن اﻟﺴﻠﺴﻠﺔ ‪ RDJ‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﻲﻓ اﺨﻟﻼﺻﺔ‪ :‬وﺟﺪﻧﺎ ﺑﺄن ﻞﻛ اﻟﺴﻼﺳﻞ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﺸﻜﻞ ‪ :27 .8‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ‪RDAX‬‬
‫‪ 6.8‬اﻟﺘﻜﺎﻣﻞ اﻟﻤﺸﺘﺮك ‪Cointegration‬‬

‫ﺧﻄﻮات اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ‬
‫‪ - 1‬ﻗﻢ ﺤﺑﺴﺎب اﻻﺤﻧﺪار ﺑﺎﺳﺘﺨﺪام اﻟﺴﻼﺳﻞ اﻷﺻﻠﻴﺔ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.8.28‬‬
‫‪ - 2‬ﻗﻢ ﺤﺑﻔﻆ اﻛﻮاﻲﻗ‪.‬‬

‫اﻧﻘﺮ ﺒﻟ ‪ Quick‬ﺛﻢ ‪) Generate series‬ﺑﻌﺪ ﺣﺴﺎب اﻻﺤﻧﺪار( ﻲﻓ ﻣﺮﺑﻊ اﺨﻟﻴﺎر ‪ process‬ﻗﻢ‬
‫ﺑﻄﺒﺎﻋﺔ ‪ U=resid‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﺳﻮف ﻳﻜﻮن ﻳﻨﺎ ﻣﺘﻐﺮﻴ ﺟﺪﻳﺪ ﻲﻓ ﻣﻠﻒ اﻟﻌﻤﻞ ﺑﺎﺳﻢ ‪.U‬‬
‫اﻟﺸﻜﻞ ‪ :28 .8‬ﻣﺨﺮﺟﺎت اﻻﻧﺤﺪار ﻟﻠﻤﺘﻐﯿﺮ ‪RRBS‬‬
‫اﻟﺸﻜﻞ ‪ :29 .8‬ﺑﻮاﻗﻲ اﻻﻧﺤﺪار ﻟﻠﻤﺘﻐﯿﺮ ‪RRBS‬‬

‫‪ - 3‬ﻗﻢ ﺑﺮﺳﻢ ﺷﻞﻜ ﺑﻴﺎ ﻟﺴﻠﺴﻠﺔ اﻛﻮاﻲﻗ‪.‬‬

‫اﻟﺸﻞﻜ اﻛﻴﺎ ﻟﻠﺒﻮاﻲﻗ ﻳﻮﺿﺢ ﺑﺄن اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة )اﻟﺸﻞﻜ ‪.(29. 8‬‬
‫‪ - 4‬ﻗﻢ ﺤﺑﺴﺎب ﺗﺼﻮﻳﺮ اﻻرﺗﺒﺎط ﻟﻠﺒﻮاﻲﻗ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :30 .8‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﺴﻠﺴﻠﺔ ‪U‬‬

‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪ Prob‬ﻲﻓ اﻟﺸﻞﻜ ‪30.8‬‬
‫اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﻤﻟﻌﺰز )‪ (ADF‬ﻟﻠﺴﻠﺴﻠﺔ ‪U‬‬
‫ﻗﺒﻞ اﻛﺪء ﺤﺑﺴﺎب اﻻﺧﺘﺒﺎر ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺤﻧﺘﺎج إﻰﻟ ﺤﺗﺪﻳﺪ ﻣﺎ إذا‬
‫ﺠﻳﺐ أن ﻳﺘﻢ ﺗﻀﻤﻦﻴ اﻻﺠﺗﺎه أو ﻻ‪ ،‬ﻓﺈذا ﺎﻛن اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﺠﺗﺎه‬
‫ﻓﻴﺠﺐ ﺗﻀﻤﻦﻴ اﻻﺠﺗﺎه‪ ،‬و ذا ﺎﻛن اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ ﻟﻴﺲ اﺠﺗﺎه ﻓﻼ ﺠﻳﺐ‬
‫ﺗﻀﻤﻦﻴ اﻻﺠﺗﺎه؛ ﺠﻳﺐ ﻓﻘﻂ ﺗﻀﻤﻦﻴ اﺤﻛﻘﺎﻃﻊ‪.‬‬
‫‪ H0 : U - 1‬ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ H1 : U - 2‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫‪P-values = 0.000 - 1‬‬
‫‪ - 3‬اﻟﺴﻠﺴﻠﺔ ‪ U‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺑﻮاﻲﻗ اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻄﺔ ﻣﺴﺘﻘﺮة وﻫﺬا ﻳﻌﻲﻨ أن ﻫﻨﺎك ﺳﻠﺴﻠﺘﻦﻴ ﺨﻣﺘﻠﻄﺘﻦﻴ‬
‫وﻫﻨﺎك ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻴﻨﻬﻤﺎ‪.‬‬
‫ﺑﺎﺳﺘﺨﺪام ‪ EViews‬ﺤﻛﺤﻠﻴﻞ ‪ARCH ، GARCH ، EGARCH‬‬
‫‪ - 1‬ﺑﺎﺳﺘﺨﺪام ﺗﻮزﻳﻊ ﺟﺎوس اﻟﻄﺒﻴﻲﻌ ﻛﺘﻮزﻳﻊ ﻟﻠﺨﻄﺄ‬
‫اﻟﺸﻜﻞ ‪ :31 .8‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﺴﻠﺴﻠﺔ ‪U‬‬

‫ﻛﻤﺎ ﻳﻲﻠ‪:‬‬ ‫أﻧﻘﺮ ﺒﻟ ‪ Quick/Estimate Equation‬ﺛﻢ اﻃﺒﻊ اﺳﻢ اﻤﻟﺘﻐﺮﻴات ﻟﻠﻨﻤﻮذج اﻟﺮﺋﻴ‬
‫‪RRBS C RFTSE‬‬
‫ﻻ ﺗﻘﻢ ﺑﺈﺿﺎﻓﺔ أي ﻋﻨﺎﺮﺻ ﺧﺎرﺟﻴﺔ ﺤﻟﺴﺎب اﻻﺤﻧﺪار ﻫﻨﺎ‪.‬‬
‫ﻣﻦ ﻣﺮﺑﻊ اﻟﻄﺮﻳﻘﺔ ‪ method‬اﺧﺮﺘ ‪ ARCH‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪.32.8‬‬
‫ﻣﻊ ﻧﺎﻓﺬة ﺗﻘﺪﻳﺮ اﻤﻟﻌﺎدﻟﺔ؟‬

‫ﻛﻴﻒ ﺗﺘﻌﺎﻣﻞ ﻊ‬
‫اﻟﺸﻜﻞ ‪ :32 .8‬إﻧﺸﺎء ﻧﻤﻮذج ‪ARCH‬‬

‫ﻧﺎﻓﺬة ‪ ARCH‬ﻬﻟﺎ ﺟﺰﺋﻦﻴ‪ :‬اﺤﻛﺤﺪﻳﺪ واﺨﻟﻴﺎرات‪.‬‬
‫ﺳﻮف ﻧﺘﻌﺎﻣﻞ ﻣﻊ ﺟﺰء اﺤﻛﺤﺪﻳﺪ‪:‬‬
‫‪ - 1‬اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻄﺔ ‪ :Mean Equation‬ﻣﺘﻐﺮﻴات اﻤﻟﻌﺎدﻟﺔ اﻤﻟﺘﻮﺳﻄﺔ ﺗﺘﻀﻤﻦ‬
‫اﻤﻟﻴﻞ وا ي ﺳﻮف ﻳﻈﻬﺮ ﺑﺸﻞﻜ ﺗﻠﻘﺎ ﻲﻓ ﻣﺮﺑﻊ اﺤﻟﻮار‪ ،‬ذﻟﻚ ﻻ ﺤﺗﺘﺎج إﻰﻟ‬
‫إﺟﺮاء أي ﺗﻌﺪﻳﻞ ﻫﻨﺎ‪.‬‬
‫‪ - 2‬اﺗﺮك اﺨﻟﻴﺎر ﻲﻓ اﻤﻟﺮﺑﻊ ‪ ARCH-M‬ﻛﻤﺎ ﻫﻮ ‪.None‬‬
‫اﺤﻛﺒﺎﻳﻦ وﺤﺗﺪﻳﺪ اﺤﻛﻮزﻳﻊ ‪variance and distribution specification‬‬ ‫‪-3‬‬
‫ﻣﻦ ﻗﺎﺋﻤﺔ ‪ model‬اﺧﺮﺘ ‪GARCH/TARCH‬‬ ‫أ(‬

‫اﺧﺮﺘ ‪ 1‬ﻟـ ‪ ARCH‬واﺧﺮﺘ ‪ 1‬ﻟـ ‪GARCH‬‬ ‫ب(‬
‫ج( اﺗﺮك ‪ Threshold order‬ﺑﻘﻴﻤﺔ ‪.0‬‬
‫ﻪ ﻛﻤﺎ ﻫﻮ ‪None‬‬ ‫د( ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﺨﻴﺎر ‪ restrictions‬اﺗﺮ‬
‫اﻛﺘﺐ اﺳﻢ اﻟﻌﻮاﻣﻞ‬ ‫‪Variance regressors‬‬ ‫ﻫ( ﻲﻓ ﻣﺮﺑﻊ اﺤﻟﻮار اﻤﻟﺴﻰﻤ‬
‫اﺨﻟﺎرﺟﻴﺔ ‪ RDJ‬و ‪.RDAX‬‬
‫و( ﻲﻓ ﻣﺮﺑﻊ ﺧﻄﺄ اﺤﻛﻮزﻳﻊ ‪ Error Distribution‬اﺧﺮﺘ ‪.(Normal (Gaussian‬‬
‫‪ - 4‬أﺗﺮك إﻋﺪادات ‪ Estimation‬ﻛﻤﺎ ﻲﻫ‪.‬‬
‫‪ - 5‬أﻧﻘﺮ ‪.OK‬‬
‫ً‬
‫اﻟﺸﻞﻜ ‪ 33.8‬ﻳﻌﺮض ﻧﺘﺎﺋﺞ ‪ ARCH‬و ‪ : GARCH‬اﺤﻛﻮزﻳﻊ وﻓﻘﺎ ﻬﻟﺬه اﻟﻄﺮﻳﻘﺔ‬
‫ﻫﻮ ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫ﻣﻦ اﻳﻘﻮﻧﺔ ‪ View‬أﺧﺮﺘ اﺨﻟﻴﺎر ‪ Representation‬ﺳﻮف ﺗﻨﺘﻘﻞ إﻰﻟ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :33 .8‬ﻣﺨﺮﺟﺎت ﻧﻤﺎذج ‪ ARCH‬و ‪GARCH‬‬

‫اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻘﺪرة‪:‬‬
‫‪RRBS = C(1) + C(2)*RFTSE‬‬
‫‪GARCH = C(3) + C(4)*RESID(-1)2 + C(5)*GARCH(-1) + C(6)*RDJ +‬‬
‫‪C(7)*RDAX‬‬
‫اﻤﻟﻌﺎﻣﻼت اﻤﻟﺴﺘﺒﺪﻟﺔ‪:‬‬
‫‪RRBS = 0.00044059057028 - 0.107028069526*RFTSE‬‬
‫‪GARCH = 6.59263919847E-05 + 0.307546277944*RESID(-1)2‬‬ ‫‪+‬‬
‫‪0.729125918193*GARCH(-1) + 0.00441565197904*RDJ - 0.00026570‬‬
‫‪$32637195#*RDAX‬‬
‫ﺤﺗﻠﻴﻞ اﺠﺘﺎﺋﺞ ﻣﻦ ﺨﻣﺮﺟﺎت ‪ ARCH/GARCH‬ﺑﺎﺳﺘﺨﺪام اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ‬

‫اﻤﻟﻌﺎدﻟﺔ اﻟﺮﺋﻴﺴﻴﺔ‬
‫ﻣﻌﺎﻣﻞ ‪ RFTSE‬وا ي ﻫﻮ )‪ C(2‬ﻗﻴﻤﺔ ‪ p-value = 0.0988‬وﻫﺬه اﻟﻘﻴﻤﺔ‬
‫أﻗﻞ ﻣﻦ ‪ ،0.05‬ﻫﺬا اﻤﻟﻌﺎﻣﻞ ﻏﺮﻴ ﻣﺴﺘﻘﺮ‪ ،‬ﻫﺬا اﻤﻟﺘﻐﺮﻴ ﻟﻴﺲ ﺗﺄﺛﺮﻴ ذو ﻣﻌﻨﻮﻳﺔ‬
‫إﺣﺼﺎﺋﻴﺔ‪ ،‬وﻫﺬا ﻳﺆ ﺪ ﺑﺄن ﻫﺬه اﻤﻟﺘﻐﺮﻴ ﻟﻴﺲ ﺗﺄﺛﺮﻴ ﺒﻟ أﺳﻌﺎر أﺳﻬﻢ ‪.RBS‬‬
‫ﻣﻌﺎدﻟﺔ اﺤﻛﺒﺎﻳﻦ ‪GARCH‬‬
‫ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ﻟﻠﻤﺘﻐﺮﻴ )‪ (GARCH‬ﻲﻫ داﻟﺔ ﻤﻟﺘﻐﺮﻴﻳﻦ داﺧﻠﻴﻦﻴ وﻣﺘﻐﺮﻴﻳﻦ‬
‫ﺧﺎرﺟﻴﻦﻴ‪ ،‬اﻤﻟﺘﻐﺮﻴﻳﻦ ا اﺧﻠﻴﺔ ‪ -‬أو ﻣﺘﻐﺮﻴﻳﻦ ﻣﻦ ﻧﻔﺲ اﻟﻌﺎﺋﻠﺔ ‪ -‬ﻫﻮ ﻣﺮﺑﻊ ﻣﺘﻐﺮﻴ‬
‫اﻛﺎﻲﻗ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة )‪ Reside(-1‬وﻳﻤﺜﻞ ‪ ARCH‬أو اﻟﺼﺪﻣﺔ اﻤﻟﺎﺿﻴﺔ أو‬
‫اﻷﺧﺒﺎر أو )‪ GARCH(-1‬ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة أو ﻋﺪم ﺠﺗﺎﻧﺲ‬
‫اﺤﻛﺒﺎﻳﻦ‪ ،‬اﻤﻟﺘﻐﺮﻴات اﺨﻟﺎرﺟﻴﺔ ﻲﻫ ‪ RDJ‬و ‪.RDAX‬‬
‫‪ - 1‬ﻣﻌﺎﻣﻞ ﻣﺮﺑﻊ اﻛﻮاﻲﻗ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة ‪ p-value = 0.000‬وﻲﻫ أﻗﻞ ﻣﻦ‬
‫‪ 0.05‬وﺑﺬﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن ﻫﺬا اﻤﻟﻌﺎﻣﻞ ﻳﺴﺎوي‬
‫ﺻﻔﺮ‪ ،‬وﻧﺴﺘﻨﺘﺞ ﺑﺄن ‪ ARCH‬أو اﻟﺼﺪﻣﺔ اﻤﻟﺎﺿﻴﺔ أو اﻷﺧﺒﺎر أﺛﺮت ﺒﻟ ﺗﺒﺎﻳﻦ‬
‫اﻛﻮاﻲﻗ ‪.GARCH‬‬
‫‪ - 2‬ﻣﻌﺎﻣﻞ )‪ GARCH(-1‬و )‪ C(5‬ﻗﻴﻤﺔ ‪ p-value = 0.000‬وﻫﺬه اﻟﻘﻴﻤﺔ أﻗﻞ‬
‫ﻣﻦ ‪ 0.05‬وﺑﺴﺒﺐ ذﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن اﻤﻟﻌﺎﻣﻞ‬
‫ﻳﺴﺎوي ﺻﻔﺮ‪ ،‬اﻤﻟﻌﺎﻣﻞ ﻣﻊ ﺗﺒﺎﻳﻦ ﺑﻔﺮﺘة ﺗﺒﺎﻃﺆ )‪ GARCH(-1‬ذو ﻣﻌﻨﻮﻳﺔ‬
‫إﺣﺼﺎﺋﻴﺔ وﻧﺴﺘﻨﺘﺞ ﺑﺄن ﻫﻨﺎك اﺤﻛﺒﺎﻳﻦ ﺨﻣﺘﻠﻒ‪.‬‬
‫ً‬
‫‪ - 3‬ﻛﻼ ﻣﻦ ﺣﺪ اﺨﻟﻄﺄ اﻤﻟﺮﺑﻊ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ وﺣﺪ اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻣﻊ ﻓﺮﺘة‬
‫ﺗﺒﺎﻃﺆ ﻛﻼﻫﻤﺎ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ ،‬وﺑﻤﺎ أن اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ‬
‫ﻳﺆﺛﺮ ﻲﻓ اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ اﺤﻟﺎﻲﻟ ﻓﻬﺬا د ﻞ واﺿﺢ ﺒﻟ أن ﻫﻨﺎك ﺗﺄﺛﺮﻴ ﻟـ‬
‫ً‬
‫‪ ARCH‬أﻛﺮﺜ وﺿﻮﺣﺎ‪.‬‬
‫‪ - 4‬ا ﻞ اﺨﻛﺎ ﻟﻚ ﻫﻮ أن ﺠﻣﻤﻮع اﻤﻟﻌﺎﻣﻼت ﻬﻟﺬﻳﻦ اﻟﻌﻨﺮﺼﻳﻦ أﻛﺮﺒ ﻣﻦ ‪1‬‬
‫ﺣﻴﺚ أن اﻤﻟﺠﻤﻮع ‪. 1.036672 = 0.729126 + 0.307546‬‬
‫‪ - 5‬ﻣﻌﺎﻣﻞ ‪ RDJ‬و )‪ C(6‬ﻬﻟﻤﺎ ﻗﻴﻤﺔ ‪ p-value = 0.117‬وﻲﻫ أﻗﻞ ﻣﻦ ‪ 0.05‬وﺑﺴﺒﺐ‬
‫ذﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن اﻤﻟﻌﺎﻣﻞ ﻳﺴﺎوي ﺻﻔﺮ‪ ،‬وﻳﻤﻜﻨﻨﺎ‬
‫ﺣﺴﺎب ﻫﺬا اﻟﻌﺎﻣﻞ اﺨﻟﺎر ‪ -‬وﻫﻮ ﻣﺘﻮﺳﻂ اﻟﺼﻨﺎﻋﺔ ﻤﻟﺆﺮﺷ داوﺟﻮﻧﺰ ‪-‬‬
‫ً‬
‫وا ي ﺗﺄﺛﺮﻴ ﺒﻟ ﺗﺒﺎﻳﻦ ﺑﻮاﻲﻗ ‪ GARCH‬واﺤﻛﻘﻠﺐ ﻳﻤﻜﻦ ﺗﻔﺴﺮﻴه ﺟﺰﺋﻴﺎ‬
‫ﻲﻓ ﺿﻮر ﻫﺬا اﻟﻌﺎﻣﻞ‪.‬‬
‫‪ - 6‬ﻣﻌﺎﻣﻞ ‪ RDAX‬و )‪ C(7‬ﻗﻴﻤﺔ ‪ p-value = 0.8964‬وﻫﺬه اﻟﻘﻴﻤﺔ أﻛﺮﺒ ﻣﻦ‬
‫‪ 0.05‬وذﻟﻚ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن ﻫﺬا اﻤﻟﻌﺎﻣﻞ ﻳﺴﺎوي‬
‫ﺻﻔﺮ‪ ،‬وﻳﻤﻜﻨﻨﺎ ﺣﺴﺎب اﻟﻌﺎﻣﻞ اﺨﻟﺎر ‪ -‬وﻫﻮ ﻣﺆﺮﺷ أﺳﻌﺎر ﺳﻮق أﺳﻬﻢ‬
‫ﻓﺮاﻧﻜﻔﻮرت ‪ -‬وا ي ﻟﻴﺲ ﺗﺄﺛﺮﻴ ﺒﻟ ﺗﺒﺎﻳﻦ ﺑﻮاﻲﻗ ‪ GARCH‬واﺤﻛﻘﻠﺒﺎت‬
‫ً‬
‫ﻻ ﻳﻤﻜﻦ ﺗﻔﺴﺮﻴﻫﺎ ﺟﺰﺋﻴﺎ ﻲﻓ ﺿﻮء ﻫﺬا اﻟﻌﺎﻣﻞ اﺨﻟﺎر ‪.‬‬
‫ﺗﺤﻠﻴﻞ اﻟﺒﻮاﻗﻲ ﻟﻬﺬا اﻟﻨﻤﻮذج‬
‫ﻓﺤﺺ اﻻرﺗﺒﺎط ا ا‬
‫‪residual diagnostics‬‬ ‫ﻣﻦ ﻧﺘﺎﺋﺞ اﻤﻟﺘﻐﺮﻴ ‪ ARCH‬أﻧﻘﺮ ﺒﻟ ‪ View‬ﺛﻢ اﺧﺮﺘ‬
‫وﻣﻦ اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪.correlogram residual squared‬‬
‫‪ : H0 - 1‬ﻟﻴﺲ ﻫﻨﺎك ارﺗﺒﺎط ذا ‪.‬‬
‫‪ : H1 - 2‬ﻫﻨﺎك ارﺗﺒﺎط ذا ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :34 .8‬ﺟﺪول اﻻرﺗﺒﺎط واﻟﺒﻮاﻗﻲ اﻟﻤﻌﯿﺎرﯾﺔ اﻟﻤﺮﺑﻌﺔ‬

‫ﺳﻮف ﻧﺮ ﺰ ﺒﻟ ﻋﻤﻮد ‪ Prob‬ﻲﻓ اﻟﺸﻞﻜ ‪:34.8‬‬
‫‪ - 4‬ﻣﻦ اﻟﻮاﺿﺢ ﺑﺄن ﻗﻴﻤﺔ ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪.0.05‬‬
‫‪ - 5‬ﺑﻤﺎ أن ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﻟﻚ ﻧﻘﺒﻞ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪.H0‬‬
‫‪ - 6‬ﻻ ﺗﻮﺟﺪ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا ‪.‬‬
‫ﻓﺤﺺ ﻣﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ ‪Check for heteroskedasticity‬‬
‫‪residual diagnostics‬‬ ‫ﺛﻢ اﺧﺮﺘ‬ ‫‪Views‬‬ ‫أﻧﻘﺮ ﺒﻟ‬ ‫ﻣﻦ ﺨﻣﺮﺟﺎت‬
‫‪ARCH‬‬
‫وﻣﻦ اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪ARCH LM‬‬
‫‪ : H0 - 1‬ﻻ ﺗﻮﺟﺪ ﻣﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫‪ : H1 - 2‬ﺗﻮﺟﺪ ﻣﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫وﺑﻨﺎء ﺒﻟ ﺨﻣﺮﺟﺎت اﻟﺸﻞﻜ ‪ 35.8‬ﻓﺈن ‪Obs*R-squared = 5.041692‬‬
‫‪ - 4‬ﻗﻴﻤﺔ اﻻﺣﺘﻤﺎل ﻟﺎﻜي ﺗﺮﺑﻴﻊ ﺗﺴﺎوي ‪Prob. Chi-Square = 0.1688‬‬
‫‪ 0.05 < 0.1688 - 5‬وﺑﺎﺤﻛﺎﻲﻟ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم‪.‬‬

‫‪ - 6‬ﻟﻴﺲ ﻫﻨﺎك وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫ﻓﺤﺺ اﻟﺘﻮزﻳﻊ اﻟﻄﺒﻴﻌﻲ‬
‫ﻣﻦ ﺨﻣﺮﺟﺎت اﻤﻟﺘﻐﺮﻴ ‪ ARCH‬اﻧﻘﺮ ﺒﻟ ‪ View‬ﺛﻢ اﺧﺮﺘ ‪residual diagnostics‬‬
‫وﻣﻦ اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪Residual Normality‬‬
‫‪ : H0 - 1‬اﻛﻮاﻲﻗ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫‪ : H1 - 2‬اﻛﻮاﻲﻗ ﻻ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :35 .8‬اﺧﺘﺒﺎر اﺧﺘﻼف اﻟﺘﺒﺎﯾﻦ‪ARCH :‬‬

‫وﺑﻨﺎء ﺒﻟ ﺨﻣﺮﺟﺎت اﻟﺸﻞﻜ ‪ 36.8‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ﺟﺎر ﻮﺑﺮﻴا ﺗﺴﺎوي‬‫ً‬

‫‪Jarque-Bera test statistic = 2362.519‬‬
‫‪P-value = 0.0000 - 4‬‬
‫ﻟﻚ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬ ‫‪ - 5‬ﺑﻤﺎن أن ‪p-value = 0.000 < 0.05‬‬
‫‪ - 6‬اﻛﻮاﻲﻗ ﻻ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫ﺑﺎﺳﺘﺨﺪام اﺨﻟﻴﺎر ‪ Student’s t with Fixed df‬ﻲﻓ اﺨﻟﺎﻧﺔ ‪Error Distribution‬‬
‫)ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪(37.8‬‬
‫اﻧﻘﺮ ﺒﻟ ‪ Quick/Estimate Equation‬اﻛﺘﺐ اﺳﻢ ﻣﺘﻐﺮﻴات اﻤﻟﻌﺎدﻟﺔ اﻷﺳﺎﺳﻴﺔ ﻓﻘﻂ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﻫﻨﺎ ﻻ ﺗﻘﻢ ﺑﺈﺿﺎﻓﺔ أﺳﻤﺎء اﻟﻌﻮاﻣﻞ اﺨﻟﺎرﺟﻴﺔ ﻲﻓ ﺣﺴﺎب ﻫﺬا اﻻﺤﻧﺪار‪ ،‬ﻲﻓ اﺨﻟﻴﺎر ‪method‬‬
‫اﺧﺮﺘ ‪ ARCH‬واﻧﻘﺮ ﺒﻟ ‪.OK‬‬
‫ﻛﻴﻒ ﻳﺘﻢ اﺤﻛﻌﺎﻣﻞ ﻣﻊ ﻧﺎﻓﺬة ﺗﻘﺪﻳﺮ اﻤﻟﻌﺎدﻟﺔ ‪ Equation Estimation‬؟‬

‫ﻧﺎﻓﺬة اﻤﻟﺘﻐﺮﻴ ‪ ARCH‬ﺤﺗﺘﻮي ﺒﻟ ﺟﺰﺋﻦﻴ ﻫﻤﺎ‪ :‬اﺤﻛﺤﺪﻳﺪ واﺨﻟﻴﺎرات‪.‬‬
‫ﺳﻮف ﻧﺘﻌﺎﻣﻞ ﻣﻊ اﺠﻟﺰء اﺨﻟﺎص ﺑﺎﺤﻛﺤﺪﻳﺪ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :36 .8‬أﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ‪ARCH‬‬

‫اﻟﺸﻜﻞ ‪ :37 .8‬ﺗﻘﺪﯾﺮ ﻧﻤﻮذج ‪ARCH‬‬

‫‪ - 1‬ﻲﻓ اﺨﻟﻴﺎر ‪ : Mean Equation‬ﻣﺘﻐﺮﻴات اﻤﻟﻌﺎدﻟﺔ اﻟﺮﺋﻴﺴﻴﺔ وﻲﻫ ﺗﺘﻀﻤﻦ‬
‫اﺤﻛﻘﺎﻃﻊ ا ي ﻳﻈﻬﺮ ﺑﺸﻞﻜ ﺗﻠﻘﺎ ﻲﻓ اﻟﺼﻨﺪوق ﻟﻚ ﻓﻠﻴﺲ ﻫﻨﺎك ﺣﺎﺟﺔ‬
‫ﻲﻓ إﺿﺎﻓﺔ أي ﺗﻐﻴﺮﻴات ﻫﻨﺎ‪.‬‬
‫‪ - 2‬اﺗﺮك ﺻﻨﺪوق ‪ ARCH-M‬ﻛﻤﺎ ﻫﻮ‪.None :‬‬
‫‪ - 3‬ﻲﻓ ﺧﻴﺎر ‪: variance and distribution specification‬‬
‫أ( ﻣﻦ ﻗﺎﺋﻤﺔ ‪ model‬اﺧﺮﺘ ‪GARCH/TARCH‬‬
‫ب( اﺧﺮﺘ ‪ 1‬ﻟﻠﺤﺪ ‪ ARCH‬واﺧﺮﺘ ‪ 1‬ﻟﻠﺤﺪ ‪.GARCH‬‬
‫ج( أﺗﺮك ‪ Threshold order‬ﻛﻤﺎ ﻫﻮ ‪.0‬‬
‫د( ﺑﺎﻟﻨﺴﺒﺔ ﺨﻟﻴﺎر ‪ restrictions‬اﺗﺮ ﻪ ﻛﻤﺎ ﻫﻮ ‪.None‬‬
‫‪RDJ‬‬ ‫ﻫ( و اﺨﻟﻴﺎر ‪ Variance regressors‬اﻛﺘﺐ اﺳﻢ اﻟﻌﻮاﻣﻞ اﺨﻟﺎرﺟﻴﺔ‬
‫و ‪.RDAX‬‬
‫و( ﻲﻓ اﺨﻟﻴﺎر ‪ Error Distribution‬اﺧﺮﺘ ‪.Student’s with fixed df‬‬

‫‪ - 4‬أﺗﺮك ‪ Estimation Settings‬ﻛﻤﺎ ﻲﻫ ﺑﺪون ﺗﻌﺪﻳﻞ‪.‬‬
‫‪ - 5‬أﻧﻘﺮ ‪.OK‬‬
‫اﻟﺸﻞﻜ ‪ 38.8‬ﻳﻌﺮض ﺨﻣﺮﺟﺎت ‪ ARCH‬و ‪ :GARCH‬اﺤﻛﻮزﻳﻊ ﻲﻓ ﻫﺬه اﺤﻟﺎﻟﺔ‬
‫ﻳُﺴﻰﻤ ﺗﻮزﻳﻊ ‪.Student’s t distribution‬‬
‫ﺤﺗﺖ اﻟﻘﺎﺋﻤﺔ ‪ View‬اﺧﺮﺘ ‪ Representation‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻤﻟﺨﺮﺟﺎت اﺤﻛﺎ ﺔ‬
‫اﻟﺸﻜﻞ ‪ :38 .8‬ﻣﺨﺮﺟﺎت ‪ ARCH‬و ‪GARCH‬‬

‫‪RRBS = C(1) + C(2)*RFTSE‬‬
‫‪C(7)*RDAX‬‬
‫اﻟﻌﻮاﻣﻞ اﻛﺪﻳﻠﺔ‬
‫‪RRBS = -0.000672926747248 - 0.103030746203*RFTSE‬‬
‫‪GARCH = 2.92664285293e-5 + 0.0952620258503*RESID(-1)2 +‬‬
‫‪0.885561667313*GARCH(-1) + 0.00282713540958*RDJ - 0.0025837‬‬
‫‪$329938799#*RDAX‬‬
‫ﺤﺗﻠﻴﻞ اﺠﺘﺎﺋﺞ ﻣﻦ ‪ ARCH/GARCH‬ﺑﺎﺳﺘﺨﺪام ﺗﻮزﻳﻊ ‪t‬‬

‫ﻣﻌﺎﻣﻞ اﻤﻟﺘﻐﺮﻴ ‪ RFTSE‬وﻲﻫ )‪ C(2‬ﻗﻴﻤﺔ ‪ p-value = 0.1409‬وﻫﺬه اﻟﻘﻴﻤﺔ‬
‫أﻛــﺮﺒ ﻣﻦ ‪ 0.05‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ﻫﺬا اﻤﻟﻌﺎﻣﻞ ﻟﻴﺲ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ وﻫﺬا د ﻞ‬
‫ﺒﻟ أن اﻤﻟﺘﻐﺮﻴ ﻟﻴﺲ ﺗﺄﺛﺮﻴ ﺒﻟ أﺳﻌﺎر أﺳﻬﻢ ‪.RBS‬‬
‫ﻣﻌﺎدﻟﺔ اﺤﻛﺒﺎﻳﻦ ‪GARCH‬‬
‫ﺗﺒﺎﻳﻦ ﺑــﻮاﻲﻗ ‪ GARCH‬ﻲﻫ داﻟﺔ ﻤﻟﺘﻐﺮﻴﻳﻦ داﺧﻠﻴــﻦﻴ وﻣﺘﻐﺮﻴﻳﻦ ﺧﺎرﺟﻴﻦﻴ‪،‬‬
‫اﻤﻟﺘﻐﺮﻴﻳــﻦ ا اﺧﻠﻴﻦﻴ ﻫﻤﺎ ﻣﺮﺑﻊ اﻛﻮاﻲﻗ ﻣﻊ ﻓــﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة وﺗﻤﺜﻞ ‪،ARCH‬‬
‫واﻟﺼﺪﻣــﺔ اﻤﻟﺎﺿﻴﺔ أو اﻷﺧﺒــﺎر ﺑﺎﻹﺿﺎﻓــﺔ إﻰﻟ ﺗﺒﺎﻳﻦ ﻣﻊ ﻓــﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة‬
‫)‪ GARCH(-1‬أو اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ؛ اﻟﻌﺎﻣﻠﻦﻴ اﺨﻟﺎرﺟﻴﻦﻴ ﻫﻤﺎ ‪ RDJ‬و ‪.RDAX‬‬
‫ﻗﻴﻤﺔ ‪p-value = 0.000‬‬ ‫ﻣﻌﺎﻣﻞ ﺗﺮﺑﻴﻊ اﻛﻮاﻲﻗ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة )‪C(4‬‬ ‫‪-1‬‬
‫وﻲﻫ أﻗﻞ ﻣﻦ ‪ 0.05‬وﺑﺴــﺒﺐ ذﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن‬
‫ﻫﺬا اﻤﻟﻌﺎﻣﻞ ﻳﺴــﺎوي ﺻﻔﺮ‪ ،‬وﻧﺴــﺘﻨﺘﺞ ﺑﺄن ‪ ARCH‬واﻟﺼﺪﻣﺔ اﻤﻟﺎﺿﻴﺔ أو‬
‫اﻷﺧﺒﺎر أﺛﺮت ﻲﻓ ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ‪.GARCH‬‬
‫‪ - 2‬ﻣﻌﺎﻣﻞ )‪ GARCH(-1‬وﻫــﻮ )‪ C(5‬ﻗﻴﻤﺔ ‪ p-value = 0.000‬وﻲﻫ أﻗﻞ ﻣﻦ‬
‫‪ 0.05‬وﺑﺴﺒﺐ ذﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن اﻤﻟﻌﺎﻣﻞ ﻳﺴﺎوي‬
‫ﺻﻔــﺮ‪ ،‬وﻣﻌﺎﻣﻞ اﺤﻛﺒﺎﻳﻦ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣــﺪة )‪ GARCH(-1‬ذو ﻣﻌﻨﻮﻳﺔ‬
‫إﺣﺼﺎﺋﻴﺔ‪ ،‬وﻧﺴﺘﻨﺘﺞ ﺑﻮﺟﻮد اﺧﺘﻼف ﻲﻓ اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫‪ - 3‬ﺣﺪ اﺨﻟﻄﺄ اﻤﻟﺮﺑﻊ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ وﺣﺪ اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ﻛﻼﻫﻤﺎ‬
‫ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴــﺔ‪ ،‬اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻣﻊ ﻓﺮﺘة اﺤﻛﺒﺎﻃــﺆ ﻳﺆﺛﺮ ﻲﻓ اﺤﻛﺒﺎﻳﻦ‬
‫اﻟﺮﺸ اﺤﻟﺎﻲﻟ‪ ،‬وﻫﻨﺎك د ﻞ واﺿﺢ ﺑﺄن ﻫﻨﺎك ﺗﺄﺛﺮﻴ واﺿﺢ ﻟـ ‪.ARCH‬‬
‫ً‬
‫‪ - 4‬ا ــﻞ اﺨﻛﺎ ﻫﻮ أن ﺠﻣﻤﻮع اﻤﻟﻌﺎﻣﻼت ﻬﻟﺬﻳﻦ اﻟﻌﻨﺮﺼﻳﻦ ﻗﺮﻳﺐ ﺟﺪا ﻣﻦ ‪1‬‬
‫اﻟﺼﺤﻴﺢ‪0.980824 = 0.885562 + 0.095262 ,1 ،‬‬
‫‪ - 5‬ﻣﻌﺎﻣــﻞ ‪ RDJ‬وﻫﻮ )‪ C(6‬ﻗﻴﻤــﺔ ‪ p-value = 0.0482‬وﻲﻫ أﻗﻞ ﻣﻦ ‪0.05‬‬
‫وﺑﺴﺒﺐ ذﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن اﻤﻟﻌﺎﻣﻞ ﻳﺴﺎوي ﺻﻔﺮ‪،‬‬
‫وﻳﻤﻜﻨﻨﺎ أن ﻧﺴــﺘﻨﺘﺞ ﺑﺄن اﻟﻌﺎﻣﻞ اﺨﻟﺎر ‪ -‬وﻫﻮ اﻤﻟﺘﻮﺳﻂ اﻟﺼﻨﺎﻲﻋ ﻤﻟﺆﺮﺷ‬
‫ً‬
‫داوﺟﻮﻧﺰ ‪ -‬أﺛﺮ ﻲﻓ ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ‪ GARCH‬واﺤﻛﻘﻠﺐ ﻳﻤﻜﻦ ﺗﻔﺴــﺮﻴه ﺟﺰﺋﻴﺎ‬
‫ﻣﻦ ﺧﻼل ﻫﺬا اﻟﻌﺎﻣﻞ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :39 .8‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﺒﻮاﻗﻲ اﻟﻤﻌﯿﺎرﯾﺔ اﻟﻤﺮﺑﻌﺔ‬

‫‪ - 6‬ﻣﻌﺎﻣــﻞ ‪ RDAX‬وﻫﻮ )‪ C(7‬ﻗﻴﻤﺔ ‪ p-value = 0.2034‬وﻫﻮ أﻛﺮﺒ ﻣﻦ ‪0.05‬‬
‫وﺑﺴﺒﺐ ذﻟﻚ ﻓﺈﻧﻨﺎ ﻻ ﻧﺴــﺘﻄﻴﻊ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن اﻤﻟﻌﺎﻣﻞ‬
‫ﻳﺴﺎوي ﺻﻔﺮ‪ ،‬وﻳﻤﻜﻨﻨﺎ أن ﻧﺴﺘﻨﺘﺞ ﺑﺄن اﻟﻌﺎﻣﻞ اﺨﻟﺎر ‪ -‬وﻫﻮ ﻣﺆﺮﺷ أﺳﻌﺎر‬
‫ﺗﺄﺛﺮﻴ ﺒﻟ ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ‪GARCH‬‬ ‫ﺳﻮق أﺳــﻬﻢ ﻓﺮاﻧﻜﻔﻮرت ‪ -‬ﻟﻴﺴــﺖ‬

‫واﺤﻛﻘﻠﺐ ﻻ ﻳﻤﻜﻦ ﺗﻔﺴﺮﻴه ﺑﻮاﺳﻄﺔ ﻫﺬا اﻟﻌﺎﻣﻞ‪.‬‬
‫ﺗﺤﻠﻴﻞ ﺑﻮاﻗﻲ ﻫﺬا اﻟﻨﻤﻮذج‬
‫ﻣﻦ ﻧﺎﻓﺬة ﻧﺘﺎﺋﺞ ‪ ARCH‬اﻧﻘﺮ ﺒﻟ ‪ View‬ﺛﻢ اﺧﺮﺘ ‪ residual diagnostics‬وﻣﻦ‬
‫اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪) correlogram residuals squared‬اﻟﺸﻞﻜ ‪.(39.8‬‬
‫‪ : H0 - 1‬ﻟﻴﺲ ﻫﻨﺎك ارﺗﺒﺎط ذا ‪.‬‬
‫‪ : H1 - 2‬ﻫﻨﺎك ارﺗﺒﺎط ذا ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﺳﻮف ﻧﺮ ﺰ ﺒﻟ ﻋﻤﻮد ‪ Prob‬ﻲﻓ اﻟﺸﻞﻜ ‪.40.8‬‬
‫‪ - 5‬وﺣﻴﺚ أن ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﻟﻚ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫‪ - 6‬ﻟﻴﺲ ﻫﻨﺎك وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا ‪.‬‬
‫ﻓﺤﺺ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‬
‫ﻲﻓ ﻧﺎﻓﺬة ﺨﻣﺮﺟﺎت ‪ ARCH‬أﻧﻘﺮ ﺒﻟ ‪ View‬ﺛــﻢ اﺧﺮﺘ ﻣﻦ اﻟﻘﺎﺋﻤﺔ ‪residual‬‬
‫‪ diagnostics‬واﺧﺮﺘ ‪.ARCH LM‬‬
‫‪ : H0 - 1‬ﻟﻴﺲ ﻫﻨﺎك ﻣﺸﻠﻜﺔ اﺧﺘﻼف ﺗﺒﺎﻳﻦ‪.‬‬
‫‪ : H1 - 2‬ﻫﻨﺎك ﻣﺸﻠﻜﺔ اﺧﺘﻼف ﺗﺒﺎﻳﻦ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫ﺑﻨــﺎء ﺒﻟ اﺠﺘﺎﺋــﺞ اﻤﻟﻌﺮوﺿــﺔ ﻲﻓ اﻟﺸــﻞﻜ ‪ 40.8‬ﻓــﺈن‬
‫‪Obs*R-squared = 3.442766‬‬
‫اﻟﺸﻜﻞ ‪ :40 .8‬اﺧﺘﺒﺎر اﺧﺘﻼف اﻟﺘﺒﺎﯾﻦ‬

‫اﻻﺣﺘﻤﺎل ﻟﺎﻜي ﺗﺮﺑﻴﻊ ﻳﺴﺎوي ‪Prob. Chi-Square = 0.3283‬‬ ‫‪-4‬‬
‫‪ - 5‬ﻗﻴﻤﺔ اﻻﺣﺘﻤﺎل ‪ Prob = 0.3283 > 0.05‬وﺑﺎﺤﻛﺎﻲﻟ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫‪ - 6‬ﻟﻴﺲ ﻫﻨﺎك ﻣﺸﻠﻜﺔ اﺧﺘﻼف ﺗﺒﺎﻳﻦ‪.‬‬
‫ﻓﺤﺺ اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ‬
‫ﻣﻦ ﺧﻼل ﺨﻣﺮﺟﺎت ‪ ARCH‬اﻧﻘﺮ ﺒﻟ ‪ View‬واﺧﺮﺘ ‪residual diagnostics‬‬
‫وﻣﻦ اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪Residual normality‬‬
‫‪ : H0 - 1‬اﻛﻮاﻲﻗ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬

‫‪ : H1 - 2‬اﻛﻮاﻲﻗ ﻻ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ اﺠﺘﺎﺋﺞ اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ 8.41‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ﺟﺎر ﻴﻮﺑﺮﻴا‬
‫ﺗﺴﺎوي ‪.Jarque-Bera test statistic 17221.68‬‬
‫ﻗﻴﻤﺔ ‪p-value = 0.000‬‬ ‫‪-4‬‬
‫‪ - 5‬ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫‪ .3‬ﺑﺎﺳﺘﺨﺪام اﺨﻟﻄﺄ اﻟﻌﺎم )‪ Generalized Error (GED‬ﻛﺘﻮزﻳﻊ ﻟﻠﺨﻄﺄ‬
‫اﻟﺸﻜﻞ ‪ :41 .8‬إﺣﺼﺎﺋﯿﺔ اﺧﺘﺒﺎر ﺟﺎرﻛﯿﻮﺑﯿﺮا‬

‫ﻓﻘﻂ‬ ‫أﻧﻘﺮ ﺒﻟ ‪ Quick / Estimate Equation‬ﺛﻢ اﻛﺘﺐ أﺳﻤﺎء اﻤﻟﺘﻐﺮﻴات ﻟﻠﻨﻤﻮذج اﻟﺮﺋﻴ‬
‫ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﺤﻟﺴﺎب ﻫﺬا اﻻﺤﻧﺪار‪.‬‬ ‫ﻻ ﺗﻘﻢ ﺑﺈﺿﺎﻓﺔ أﺳﻤﺎء اﻟﻌﻮاﻣﻞ اﺨﻟﺎر‬

‫ﻲﻓ اﺨﻟﻴﺎر ‪ method‬اﺧﺮﺘ ‪ ARCH‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.42.8‬‬
‫ﻛﻴﻒ ﻧﺘﻌﺎﻣﻞ ﻣﻊ ﻧﺎﻓﺬة ‪ Equation Estimation‬؟‬

‫ﻧﺎﻓﺬة ‪ ARCH‬ﻬﻟﺎ ﺟﺰﺋﻦﻴ‪ :‬اﺤﻛﺤﺪﻳﺪ واﺨﻟﻴﺎرات‪.‬‬
‫ﺳﻮف ﻧﺘﻌﺎﻣﻞ ﻣﻊ اﺠﻟﺰء اﺨﻟﺎص ﺑﺎﺤﻛﺤﺪﻳﺪ‪:‬‬
‫‪ - 1‬ﻲﻓ ﺧﻴﺎر ‪ : Mean Equation‬ﻣﺘﻐﺮﻴات اﻤﻟﻌﺎدﻟﺔ اﻟﺮﺋﻴﺴﻴﺔ ﺗﺘﻀﻤﻦ اﺤﻛﻘﺎﻃﻊ‬
‫وا ي ﻳﻈﻬﺮ ﺑﺸﻞﻜ ﺗﻠﻘﺎ ﻟﻚ ﻻ ﺤﺗﺘﺎج إﻰﻟ ﺗﻌﺪﻳﻞ أي ء ﻫﻨﺎ‪.‬‬
‫‪ - 2‬أﺗﺮك ‪ ARCH-M‬ﻛﻤﺎ ﻫﻮ‪.None :‬‬
‫‪ - 3‬ﻲﻓ اﺨﻟﻴﺎر ‪ variance and distribution specification‬اﺧﺮﺘ‬
‫أ( ﻣﻦ ﻗﺎﺋﻤﺔ ‪ model‬اﺧﺮﺘ ‪.GARCH/TARCH‬‬
‫ب( اﺧﺮﺘ ‪ 1‬ﻟﻠﺨﻴﺎر ‪ ARCH‬واﺧﺮﺘ ‪ 1‬ﻟﻠﺨﻴﺎر ‪.GARCH‬‬
‫ج( أﺗﺮك ‪ Threshold order‬ﻛﻤﺎ ﻫﻮ ‪.0‬‬
‫د( ﺑﺎﻟﻨﺴﺒﺔ ‪ restriction‬اﺗﺮ ﻬﺎ ﻛﻤﺎ ﻲﻫ ‪.None‬‬
‫اﻟﺸﻜﻞ ‪ :42 .8‬ﺻﯿﺎﻏﺔ ﻣﻌﺎدﻟﺔ ‪ARCH‬‬

‫‪RDJ‬‬ ‫ﻫ( ﻲﻓ اﺨﻟﻴﺎر ‪ Variance regressors‬اﻃﺒﻊ أﺳﻤﺎء اﻤﻟﺘﻐﺮﻴات اﺨﻟﺎرﺟﻴﺔ‬

‫و( ﻲﻓ اﺨﻟﻴﺎر ‪ Error Distribution‬اﺧﺮﺘ )‪.Generalize Error (GED‬‬
‫‪ - 4‬اﺗﺮك ‪ Estimation Settings‬ﻛﻤﺎ ﻲﻫ‪.‬‬
‫‪ - 5‬أﻧﻘﺮ ﺒﻟ ‪.OK‬‬
‫ً‬
‫ﺨﻣﺮﺟﺎت ‪ ARCH‬و ‪ :GARCH‬اﺤﻛﻮزﻳﻊ وﻓﻘﺎ ﻬﻟﺬه اﻟﻄﺮﻳﻘﺔ ﻳُﺴﻰﻤ ﺗﻌﻤﻴﻢ‬
‫اﺨﻟﻄﺄ ‪) Generalize Erro‬اﻟﺸﻞﻜ ‪ ،(43.8‬ﻣﻦ اﺠﺎﻓﺬة اﺧﺮﺘ ‪ View‬ﺛﻢ اﺧﺮﺘ‬
‫‪ Representation‬ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ‪:‬‬
‫‪RRBS = C(1) + C(2)*RFTSE‬‬
‫‪C(7)*RDAX‬‬
‫اﻤﻟﻌﺎﻣﻼت اﻤﻟﺴﺘﺒﺪﻟﺔ‬
‫‪RRBS = -0.00180553895589 - 0.071258180958*RFTSE‬‬
‫‪GARCH‬‬ ‫=‬ ‫‪3.93856073084e-05‬‬ ‫‪+‬‬ ‫‪0.160036844195*RESID(-1)2‬‬ ‫‪+‬‬
‫‪0.840161327051*GARCH(-1) + 0.00336141819334*RDJ - 0.00197366‬‬
‫‪$32147581#*RDAX‬‬
‫ﺤﺗﻠﻴﻞ ﻧﺘﺎﺋﺞ ‪ ARCH/GARCH‬ﺑﺎﺳﺘﺨﺪام اﺨﻟﻄﺄ اﻟﻌﺎم ‪GED‬‬

‫اﻟﺸﻜﻞ ‪ :43 .8‬ﻣﺨﺮﺟﺎت ‪ ARCH‬و ‪GARCH‬‬
‫ﻣﻌﺎﻣﻞ ‪ RFTSE‬وا ي ﻫﻮ )‪ C(2‬ﻗﻴﻤﺔ ‪ p-value = 0.2566‬وﻲﻫ أﻛﺮﺒ ﻣﻦ‬
‫‪ 0.05‬ﻓﻬﺬا اﻤﻟﻌﺎﻣﻞ ﻟﻴﺲ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ ،‬وﻫﺬا د ﻞ ﺒﻟ أن اﻤﻟﺘﻐﺮﻴ ﻟﻴﺲ‬
‫ﻟﻢ ﻳﺆﺛﺮ ﻲﻓ أﺳﻌﺎر أﺳﻬﻢ ‪.RBS‬‬
‫‪GARCH‬‬ ‫ﻣﻌﺎدﻟﺔ ﺗﺒﺎﻳﻦ‬

‫ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ‪ GARCH‬ﻫﻮ داﻟﺔ ﻤﻟﺘﻐﺮﻴﻳﻦ داﺧﻠﻴﻦﻴ وﻣﺘﻐﺮﻴﻳﻦ ﺧﺎرﺟﻴﻦﻴ‪،‬‬
‫اﻤﻟﺘﻐﺮﻴﻳﻦ ا اﺧﻠﻴﻦﻴ ﻫﻤﺎ‪ :‬ﻣﺮﺑﻊ اﻛﻮاﻲﻗ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة ‪ ARCH‬واﻟﺼﺪﻣﺔ‬
‫اﻤﻟﺎﺿﻴﺔ أو اﻻﺧﺒﺎر ﺑﺎﻹﺿﺎﻓﺔ إﻰﻟ ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة ‪GARCH‬‬
‫أو اﺧﺘﻼف ﺗﺒﺎﻳﻦ‪ ،‬اﻟﻌﺎﻣﻠﻦﻴ اﺨﻟﺎرﺟﻴﻦﻴ ﻫﻤﺎ ‪ RDJ‬و ‪.RDAX‬‬
‫ﻗﻴﻤﺔ ‪p-value = 0.000‬‬ ‫ﻣﻌﺎﻣﻞ اﻛﻮاﻲﻗ اﻤﻟﺮﺑﻌﺔ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة )‪C(4‬‬ ‫‪-1‬‬
‫وﻲﻫ أﺻﻐﺮ ﻣﻦ ‪ 0.05‬وﺑﺴﺒﺐ ذﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن‬
‫اﻤﻟﻌﺎﻣﻞ ﻳﺴﺎوي ﺻﻔﺮ‪ ،‬وﻧﺴﺘﻨﺘﺞ ﺑﺄن ‪ ARCH‬أو اﻟﺼﺪﻣﺔ اﻤﻟﺎﺿﻴﺔ أو اﻻﺧﺒﺎر‬
‫أﺛﺮت ﺒﻟ ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ‪.GARCH‬‬
‫‪ - 2‬ﻣﻌﺎﻣﻞ )‪ GARCH(-1‬وا ي ﻫﻮ )‪ C(5‬ﻗﻴﻤﺔ ‪ p-value = 0.000‬وﻲﻫ أﻗﻞ‬
‫ﻣﻦ ‪ 0.05‬وﺑﺴﺒﺐ ذﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن اﻤﻟﻌﺎﻣﻞ‬
‫ﻳﺴﺎوي ﺻﻔﺮ‪ ،‬ﻣﻌﺎﻣﻞ اﺤﻛﺒﺎﻳﻦ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة )‪ GARCH(-1‬ذو‬
‫ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ وﻧﺴﺘﻨﺘﺞ ﺑﻮﺟﻮد اﺧﺘﻼف ﻲﻓ اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫‪ - 3‬ﺣﺪ اﺨﻟﻄﺄ اﻤﻟﺮﺑﻊ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ وﺣﺪ اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ﻛﻼﻫﻤﺎ‬
‫ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ ،‬اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻣﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ﻳﺆﺛﺮ ﻲﻓ اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ‬
‫اﺤﻟﺎﻲﻟ وﻫﻨﺎك د ﻞ واﺿﺢ ﺑﺄن ﻫﻨﺎك ﺗﺄﺛﺮﻴ واﺿﺢ ﻟـ ‪.ARCH‬‬
‫‪ - 4‬ا ﻞ اﺨﻛﺎ وﻫﻮ أن ﺠﻣﻤﻮع ﻣﻌﺎﻣﻼت ﻫﺬﻳﻦ اﻟﻌﻨﺮﺼي أﻛﺮﺒ ﻣﻦ ‪ 1‬ﺻﺤﻴﺢ‬
‫‪.1.000162 = 0.840300 + 0.159862‬‬
‫‪ - 5‬ﻣﻌﺎﻣﻞ ‪ RDJ‬وﻫﻮ )‪ C(6‬ﻗﻴﻤﺔ ‪ p-value = 0.1299‬وﻲﻫ أﻛﺮﺒ ﻣﻦ ‪0.05‬‬
‫وﺑﺴﺒﺐ ذﻟﻚ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن اﻤﻟﻌﺎﻣﻞ ﻳﺴﺎوي‬
‫ﺻﻔﺮ‪ ،‬وﻧﺴﺘﻨﺘﺞ ﺑﺄن اﻟﻌﺎﻣﻞ اﺨﻟﺎر ‪ -‬اﻤﻟﺘﻮﺳﻂ اﻟﺼﻨﺎﻲﻋ ﻤﻟﺆﺮﺷ داوﺟﻮﻧﺰ‬
‫‪ -‬ﻟﻢ ﻳﺆﺛﺮ ﻲﻓ ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ‪ GARCH‬وأن اﺤﻛﻘﻠﺒﺎت ﻻ ﻳﻤﻜﻦ ﺗﻔﺴﺮﻴﻫﺎ‬
‫ﺑﻮاﺳﻄﺔ ﻫﺬا اﻟﻌﺎﻣﻞ‪.‬‬
‫‪ - 6‬ﻣﻌﺎﻣﻞ ‪ RDAX‬وا ي ﻫﻮ )‪ C(7‬ﻗﻴﻤﺔ ‪ p-value = 0.5140‬وﻲﻫ أﻛﺮﺒ ﻣﻦ‬
‫‪ 0.05‬وﺳﺒﺐ ذﻟﻚ ﻓﻼ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬اﻟﻘﺎﺋﻞ ﺑﺄن اﻤﻟﻌﺎﻣﻞ‬
‫ﻳﺴﺎوي ﺻﻔﺮ‪ ،‬وﻧﺴﺘﻨﺘﺞ ﺑﺄن اﻟﻌﺎﻣﻞ اﺨﻟﺎر ‪ -‬وﻫﻮ ﻣﺆﺮﺷ أﺳﻌﺎر اﻟﺮﺼف‬
‫ﻲﻓ ﺑﻮرﺻﺔ ﻓﺮاﻧﻜﻔﻮرت ‪ -‬ﻟﻢ ﻳﺆﺛﺮ ﻲﻓ ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ‪ GARCH‬واﺤﻛﻘﻠﺒﺎت ﻻ‬

‫ﻳﻤﻜﻨﻨﺎ ﺗﻔﺴﺮﻴﻫﺎ وﻟﻮ ﺟﺰﺋﻴﺎ ً ً‬
‫ﺑﻨﺎء ﺒﻟ اﺤﻛﻐﺮﻴ ﻲﻓ ﻫﺬا اﻟﻌﺎﻣﻞ‪.‬‬
‫ﺤﺗﻠﻴﻞ اﻛﻮاﻲﻗ ﻬﻟﺬا اﺠﻤﻮذج‬
‫ﻓﺤﺺ اﻻرﺗﺒﺎط ا ا أو اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ‬
‫ﻣﻦ ﺨﻣﺮﺟﺎت ‪ ARCH‬اﻧﻘﺮ ﺒﻟ ‪ View‬ﺛﻢ اﺧﺮﺘ ‪ residual diagnostics‬وﻣﻦ‬
‫اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪.correlogram residuals squared‬‬
‫‪ : H0 - 1‬ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ﺗﺴﻠﺴﻲﻠ‪.‬‬
‫‪ : H1 - 2‬ﻳﻮﺟﺪ ارﺗﺒﺎط ﺗﺴﻠﺴﻲﻠ‪.‬‬
‫‪ α = 5% - 3‬أو ‪.0.05‬‬
‫ﺳﻮف ﻧﺮ ﺰ ﺒﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل ‪ Prob‬ﻲﻓ اﻟﺸﻞﻜ ‪.44.8‬‬
‫‪ - 4‬ﻗﻴﻢ ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪.0.05‬‬
‫‪ - 5‬ﺑﻤﺎ أن ﻗﻴﻢ ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﻓﻼ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬ﺑﻞ‬
‫ﻧﻘﻮم ﺑﻘﺒﻮ ‪.‬‬
‫‪ - 6‬ﻻ وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ‪.‬‬
‫ﻓﺤﺺ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ ‪Check for Heteroskedasticity‬‬
‫ﻣﻦ ﺨﻣﺮﺟﺎت ‪ ARCH‬اﻧﻘﺮ ﺒﻟ ‪ View‬واﺧﺮﺘ ‪ residual diagnostics‬وﻣﻦ‬
‫اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪.ARCH LM‬‬
‫‪ : H0 - 1‬ﻻ وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫‪ : H1 - 2‬ﺗﻮﺟﺪ ﻣﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫‪ α = 5% - 3‬أو ‪.0.05‬‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ اﻟﺸﻞﻜ ‪ 45.8‬ﻓﺈن ‪ R‬ﺗﺮﺑﻴﻊ ﺗﺴﺎوي ‪4.460577‬‬
‫‪ - 4‬اﺣﺘﻤﺎ ﺔ ﺎﻛي ﺗﺮﺑﻴﻊ ﺗﺴﺎوي ‪0.2158‬‬
‫‪ - 5‬اﺣﺘﻤﺎ ﺔ ﺎﻛي ﺗﺮﺑﻴﻊ أﻛﺮﺒ ﻣﻦ ‪ 0.05‬وﺑﺎﺤﻛﺎﻲﻟ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم‪.‬‬
‫‪ - 6‬ﻫﻨﺎك وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :44 .8‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﺒﻮاﻗﻲ اﻟﻤﻌﯿﺎرﯾﺔ‬
‫اﻟﺸﻜﻞ ‪ :45 .8‬اﺧﺘﺒﺎر اﺧﺘﻼف اﻟﺘﺒﺎﯾﻦ ‪ARCH‬‬


‫ﻣﻦ ﺨﻣﺮﺟﺎت ‪ ARCH‬أﻧﻘﺮ ﺒﻟ ‪ View‬ﺛﻢ اﺧﺮﺘ ‪ residual diagnostics‬وﻣﻦ‬
‫اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪.residual normality‬‬
‫‪ - 1‬اﻛﻮاﻲﻗ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫‪ α = 5% - 3‬أو ‪.0.05‬‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ ﻧﺘﺎﺋﺞ اﻟﺸﻞﻜ ‪ 46.8‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ﺟﺎر ﻮﺑﺮﻴا ﺗﺴﺎوي‬
‫‪8500.638‬‬
‫‪P-value = 0.000‬‬ ‫‪-4‬‬
‫‪ - 5‬ﺑﻤﺎ أن ﻗﻴﻤﺔ ‪ p-value‬أﺻﻐﺮﻴ ﻣﻦ ‪ 0.05‬ﻓﻴﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫ﺗﺄﺛﺮﻴات اﻟﺮاﻓﻌﺔ‬
‫أﺷﺎر )‪ Nelson (1991‬ﺑﺄن ﻣﻌﺎدﻟﺔ اﺤﻛﺒﺎﻳﻦ واﻟﻲﺘ ﺗﻜﻮن ﺻﻴﻐﺘﻬﺎ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﻤﻣﺰﻴات ﻫﺬا اﺠﻤﻮذج‪:‬‬

‫ﺣ و ذا ﺎﻛن اﻤﻟﻌﺎﻣﻼت ﺳﺎﻛﺔ ﻓﺈن‬ ‫ﺑﻤﺎ أن ﺻﻐﻨﺎ ﻧﻤﻮذج‬
‫ﺳﻮف ﺗﻜﻮن ﻣﻮﺟﺒﺔ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :46 .8‬اﺣﺼﺎﺋﯿﺔ اﺧﺘﺒﺎر ﺟﺎرﻛﯿﻮﺑﯿﺮا‬

‫ﻻ ﻳﻤﻜﻨﻨﺎ أن ﻧﺄﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﺗﺄﺛﺮﻴ اﻟﺮاﻓﻌﺔ‪ :‬ﻓﺈذا ﺎﻛﻧﺖ اﻟﻌﻼﻗﺔ ﺑﻦﻴ اﺤﻛﻘﻠﺒﺎت واﻟﻌﻮاﺋﺪ‬
‫ﺳﺎﻛﺔ ﻓﺈن ﺳﻮف ﺗﻜﻮن ﺳﺎﻛﺔ‪.‬‬
‫ً‬
‫ﻣﺴﺘﺨﺪﻣﺎ ‪EViews‬‬
‫ﻓﻘﻂ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬ ‫أﻧﻘﺮ ﺒﻟ ‪ Quick / Estimate Equation‬ﺛﻢ اﻃﺒﻊ ﻣﺘﻐﺮﻴات اﺠﻤﻮذج اﻟﺮﺋﻴ‬
‫ﻻ ﺗﻘﻢ ﺑﺈﺿﺎﻓﺔ أﺳﻤﺎء اﻟﻌﻮاﻣﻞ اﺨﻟﺎرﺟﻴﺔ ﻲﻓ ﺣﺴﺎب ﻫﺬا اﻻﺤﻧﺪار؛ ﻲﻓ اﺨﻟﻴﺎر ‪ method‬اﺧﺮﺘ‬
‫‪ ARCH‬ﺛﻢ أﻧﻘﺮ ‪ OK‬ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ ﻧﺘﺎﺋﺞ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.47.8‬‬
‫ﻛﻴﻒ ﻧﺘﻌﺎﻣﻞ ﻣﻊ ﻧﺎﻓﺬة ﺗﻘﺪﻳﺮ اﻤﻟﻌﺎدﻟﺔ ‪Equation Estimation‬؟‬

‫ﻧﺎﻓﺬة ‪ ARCH‬ﺗﺘﻜﻮن ﻣﻦ ﺟﺰﺋﻦﻴ ﻫﻤﺎ‪ :‬اﺤﻛﺤﺪﻳﺪ واﺨﻟﻴﺎرات‪.‬‬
‫ﺳﻮف ﻧﺘﻌﺎﻣﻞ ﻣﻊ ﺟﺰء اﺤﻛﺤﺪﻳﺪ‪.‬‬
‫‪ : Mean Equation - 1‬ﻣﺘﻐﺮﻴات اﻤﻟﻌﺎدﻟﺔ اﻟﺮﺋﻴﺴﻴﺔ ﺗﺘﻀﻤﻦ اﺤﻛﻘﺎﻃﻊ وا ي‬
‫ﺳﻮف ﻳﻈﻬﺮ ﺑﺸﻞﻜ ﺗﻠﻘﺎ ﻲﻓ اﺠﺎﻓﺬة ﻟﻚ ﻻ ﺤﺗﺘﺎج إﻰﻟ إﺟﺮاء أي ﺗﻌﺪﻳﻼت‬
‫ﻫﻨﺎ‪.‬‬
‫‪ - 2‬اﺗﺮك اﺨﻟﻴﺎر ‪ ARCH-M‬ﻛﻤﺎ ﻫﻮ ‪.None‬‬
‫‪ - 3‬اﺤﻛﺒﺎﻳﻦ وﺤﻣﺪد اﺤﻛﻮزﻳﻊ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :47 .8‬ﺻﯿﺎﻏﺔ ﻣﻌﺎدﻟﺔ ‪EGARCH‬‬
‫اﻟﺸﻜﻞ ‪ :48 .8‬ﻣﺨﺮﺟﺎت ﻣﻌﺎدﻟﺔ ‪EGARCH‬‬

‫أ( ﻣﻦ ﻗﺎﺋﻤﺔ ‪ model‬اﺧﺮﺘ ‪.EGARCH‬‬

‫ب( اﺧﺮﺘ ‪ 1‬ﻟﻠﺨﻴﺎر ‪ ARCH‬واﺧﺮﺘ ‪ 1‬ﻟﻠﺨﻴﺎر ‪.GARCH‬‬
‫ج( اﺗﺮك ‪ Threshold order‬ﻛﻤﺎ ﻫﻮ ﻳﺴﺎوي ‪.0‬‬
‫د( ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﺨﻴﺎر ‪ Restrictions‬أﺗﺮ ﻪ ﻛﻤﺎ ﻫﻮ ‪.None‬‬
‫‪RDJ‬‬ ‫ﻫ( ﻲﻓ ﺧﻴﺎر ‪ Variance regressors‬اﻛﺘﺐ أﺳﻤﺎء اﻟﻌﻮاﻣﻞ اﺨﻟﺎرﺟﻴﺔ‬
‫و( ﻲﻓ اﺨﻟﻴﺎر ‪ Error Distribution‬اﺧﺮﺘ )‪.Generalize Error (GED‬‬
‫‪ - 4‬أﺗﺮك ‪ Estimation Settings‬ﻛﻤﺎ ﻲﻫ‪.‬‬
‫‪ - 5‬أﻧﻘﺮ ‪) OK‬اﻟﺸﻞﻜ ‪.(48.8‬‬
‫ﺤﺗﺖ ‪ View‬اﺧﺮﺘ ‪ Representation‬ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ اﻤﻟﺨﺮﺟﺎت اﺤﻛﺎ ﺔ‪:‬‬
‫اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻘﺪرة‬
‫‪RRBS = C(1) + C(2)*RFTSE‬‬
‫‪LOG(GARCH) = C(3) + C(4)*ABS(RESID(-1)/@SQRT(GARCH(-1))) +‬‬
‫‪C(5)*RESID(-1)/@SQRT(GARCH(-1)) + C(6)*LOG(GARCH(-1)) + C(7)*RDJ‬‬
‫اﻤﻟﻌﺎﻣﻼت اﻤﻟﺴﺘﺒﺪﻟﺔ‬
‫‪RRBS = - 0.002177 - 0.07862*RFTSE‬‬
‫)))‪LOG(GARCH) = -0.01235 - 0.019110*ABS(RESID(-1)/@SQRT(GARCH(-1‬‬
‫‪- 0.99595*RESID(-1)/@SQRT(GARCH(-1))-5.271494*LOG(GARCH(-1)) -‬‬
‫‪1.260094*RDG‬‬
‫))‪RESID(-1)/@SQRT(GARCH(-1‬‬ ‫ﻳﻜﻮن ﺒﻟ ﻣﻌﺎﻣﻞ‬ ‫اﻟﺮﺘ ﺰﻴ اﻟﺮﺋﻴ‬

‫وﻫﻮ )‪C(5‬‬
‫ﻫﺬا اﻤﻟﻌﺎﻣﻞ ﻣﻮﺟﺐ وﻳﺴﺎوي ‪ 0.995959‬وذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﻷن ﻗﻴﻤﺔ‬

‫‪ p-value‬ﻬﻟﺬا اﻤﻟﻌﺎﻣﻞ ﺗﺴﺎوي ‪ 0.0000‬وﻲﻫ أﻗﻞ ﻣﻦ ‪ 0.05‬وﻳﻤﻜﻨﻨﺎ أن ﻧﺴﺘﻨﺘﺞ‬
‫أن ﻫﻨﺎك وﺟﻮد ﺗﺄﺛﺮﻴ ﻟﻠﺮاﻓﻌﺔ‪.‬‬
‫ﺤﺗﻠﻴﻞ ﺑﻮاﻲﻗ ﻫﺬا اﺠﻤﻮذج‬

‫ﻣﻦ ﺨﻣﺮﺟﺎت ‪ ARCH‬اﻧﻘﺮ ﺒﻟ ‪ View‬واﺧﺮﺘ ‪ residual diagnostics‬وﻣﻦ اﻟﻘﺎﺋﻤﺔ‬
‫اﺧﺮﺘ ‪.correlogram residuals squared‬‬
‫‪ : H0 - 1‬ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ﻣﺘﺴﻠﺴﻞ‪.‬‬
‫‪ : H1 - 2‬ﻳﻮﺟﺪ ارﺗﺒﺎط ﻣﺘﺴﻠﺴﻞ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﺳﻮف ﻧﺮ ﺰ ﺒﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل ‪ Prob‬ﻲﻓ اﻟﺸﻞﻜ ‪.49.8‬‬
‫‪ - 5‬ﺣﻴﺚ أن ﻗﻴﻢ ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﻟﻚ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم‬
‫‪ H0‬ﺑﻞ ﻧﻘﺒﻠﻬﺎ‪.‬‬
‫‪ - 6‬ﻻ وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﻻرﺗﺒﺎط اﻤﻟﺘﺴﻠﺴﻞ‪.‬‬
‫ﻓﺤﺺ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‬
‫ﻣﻦ ﺨﻣﺮﺟﺎت ‪ ARCH‬اﻧﻘﺮ ﺒﻟ ‪ View‬ﺛﻢ اﺧﺮﺘ ‪ residual diagnostics‬وﻣﻦ‬
‫اﻟﻘﺎﺋﻤﺔ اﺧﺮﺘ ‪.ARCH LM‬‬
‫‪ : H0 - 1‬ﻟﻴﺲ ﻫﻨﺎك وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫‪ : H1 - 2‬ﻫﻨﺎك وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ ﺨﻣﺮﺟﺎت اﻟﺸﻞﻜ ‪ 8.50‬ﻓﺈن ﻗﻴﻤﺔ ‪ R‬اﻤﻟﺮﺑﻌﺔ ﺗﺴﺎوي ‪1.811635‬‬
‫ﻗﻴﻤﺔ اﺣﺘﻤﺎل ﺎﻛي ﺗﺮﺑﻴﻊ ﺗﺴﺎوي ‪Prob. Chi-Square = 0.6124‬‬ ‫‪-4‬‬
‫‪ - 5‬ﺑﻤﺎ أن ﻗﻴﻤﺔ اﺣﺘﻤﺎل ﺎﻛي ﺗﺮﺑﻴﻊ أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﻓﺈﻧﻪ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮﺿﻴﺔ‬
‫اﻟﻌﺪم ‪.H0‬‬
‫‪ - 6‬ﻟﻴﺲ ﻫﻨﺎك وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :49 .8‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﺒﻮاﻗﻲ اﻟﻤﻌﯿﺎرﯾﺔ‬
‫اﻟﺸﻜﻞ ‪ :50 .8‬اﺧﺘﺒﺎر اﺧﺘﻼف اﻟﺘﺒﺎﯾﻦ ‪ARCH‬‬

‫اﻟﺸﻜﻞ ‪ :51 .8‬إﺣﺼﺎﺋﯿﺔ اﺧﺘﺒﺎر ﺟﺎرﻛﯿﻮﺑﯿﺮا‬

‫ﻣﻦ ﺨﻣﺮﺟﺎت ﻧﺘﺎﺋﺞ ‪ ARCH‬اﻧﻘﺮ ﺒﻟ ‪ View‬ﺛﻢ اﺧﺮﺘ ‪.residual normality‬‬
‫‪ - 1‬اﻛﻮاﻲﻗ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ ﺨﻣﺮﺟﺎت اﻟﺸﻞﻜ ‪ 51.8‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ﺟﺎر ﻮﺑﺮﻴا ﺗﺴﺎوي‬
‫‪.1627.183‬‬
‫ﻗﻴﻤﺔ ‪p-value = 0.000‬‬ ‫‪-4‬‬
‫‪ - 5‬ﺑﻤﺎ أن ‪ p-value‬أﻗﻞ ﻣﻦ ‪ 0.05‬ﻓﺈﻧﻨﺎ ﻧﺴﺘﻄﻴﻊ رﻓﺾ ﻓﺮض اﻟﻌﺪم‪.‬‬
‫‪ 7.8‬ﻣﻼﺣﻈﺎت ﺧﺘﺎﻣﻴﺔ‬
‫ﻫﻨﺎك ﺗﻄﻮرات ﻲﻓ ﺻﻴﺎﻏﺔ ﻧﻤﺎذج ‪ ARCH‬و ‪ GARCH‬أول ﻧﻘﻄﺔ ﻧﻼﺣﻈﻬﺎ‬
‫ﻣﻦ اﺠﻤﺎذج اﻟﻲﺘ ﺗﻢ ﻋﺮﺿﻬﺎ ﻫﻨﺎ ﻲﻫ أﻧﻬﺎ ﻧﻤﺎذج ﻣﺘﻨﺎﻇﺮة‪ ،‬ﻲﻓ اﺠﻤﺎذج اﻤﻟﺘﻨﺎﻇﺮة‬
‫ﺣﺠﻢ اﻟﺼﺪﻣﺔ ﻓﻘﻂ ﻳﺆﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر وﻟﻴﺴﺖ اﻹﺷﺎرة‪ ،‬وﻫﺬا ﺠﻘﻮل ﺻﺪﻣﺔ‬
‫ﺳﺎﻛﺔ ﻛﺒﺮﻴة أﺛﺮت ﺒﻟ اﺤﻛﻘﻠﺒﺎت اﻤﻟﺴﺘﻘﺒﻠﻴﺔ أو ﺻﺪﻣﺔ ﻣﻮﺟﺒﺔ ﻛﺒﺮﻴة ﻣﻊ ﻧﻔﺲ‬
‫اﻤﻟﻘﺪار؛ واﺤﻛﻄﻮر اﻤﻟﺜﺮﻴ ﻲﻓ ﺻﻴﺎﻏﺔ ﻧﻤﺎذج اﺤﻛﻘﻠﺒﺎت ﻲﻓ ﺠﻣﺎل اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻫﻮ‬
‫أن اﻷﺧﺒﺎر اﺠﻟﻴﺪة أو اﻷﺧﺒﺎر اﻟﺴﻴﺌﺔ ﻬﻟﺎ ﺗﺄﺛﺮﻴات ﺨﻣﺘﻠﻔﺔ اﺤﻛﻘﻠﺒﺎت اﻤﻟﺴﺘﻘﺒﻠﻴﺔ‪،‬‬
‫ﻓﺎﺠﻤﺎذج اﻟﻲﺘ ﺗﻢ ﺗﻄﻮﻳﺮﻫﺎ ﺗﺴﻤﺢ ﺑﺎﺣﺘﻤﺎ ﺔ أن اﻻﺨﻧﻔﺎض ﻏﺮﻴ اﻤﻟﺘﻮﻗﻊ ﻲﻓ أﺳﻌﺎر‬
‫اﻷﺳﻬﻢ ‪ -‬ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ‪) -‬اﻻﺧﺒﺎر اﻟﺴﻴﺌﺔ( ﻬﻟﺎ ﺗﺄﺛﺮﻴ أﻛﺮﺒ ﺒﻟ اﺤﻛﻘﻠﺒﺎت‬
‫اﻤﻟﺴﺘﻘﺒﻠﻴﺔ ﻣﻦ اﻟﺰﻳﺎدة ﻏﺮﻴ اﻤﻟﺘﻮﻗﻌﺔ ﻲﻓ اﻷﺳﻌﺎر )اﻷﺧﺒﺎر اﺠﻟﻴﺪة(‪ ،‬ﻣﺜﻞ ﻫﺬه‬
‫اﺤﻛﻄﻮرات اﻟﻲﺘ ﺣﺼﻠﺖ ﻲﻓ ‪ 15‬ﺳﻨﺔ اﻷﺧﺮﻴة وﺤﺗﻠﻴﻠﻬﺎ أﻣﺮ ﻳﻤﻜﻦ اﻟﻘﻴﺎم ﺑﻪ ﻲﻓ‬
‫‪.EViews‬‬
‫أن اﺳﺘﺨﺪام ‪ ARCH‬و )‪ ARCH(GARCH‬اﻟﻌﺎﻣﺔ ﻟﺮﺸح اﺨﻟﺼﺎﺋﺺ اﻤﻟﺘﻐﺮﻴة‬
‫ﻲﻓ اﻻﻗﺘﺼﺎد اﻷﺣﺎدي واﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﺗﻢ ﺗﻮﺳﻌﺘﻪ ﻣﻦ ﻗﺒﻞ ‪Bollerslev et al.‬‬
‫)‪ (1988‬ﻟﺸﻤﻞ ﺳﻴﻨﺎرﻳﻮﻫﺎت ﻣﺘﻌﺪدة ﻲﻓ دراﺳﺘﻬﻢ ﻟﻠﻌﻮاﺋﺪ ﺒﻟ ﺳﻨﺪات اﺨﻟﺰاﻧﺔ‬
‫اﻷرﻳﻜﻴﺔ واﻷﺳﻬﻢ‪ ،‬اﻛﺎﺣﺜﻮن أﺳﺴﻮا اﻃﺎر ﻋﻤﻞ ﻻﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ‬
‫ا ا اﻟﻌﺎم اﻤﻟﺘﻌﺪد )‪ (MGARCH‬رﺟﺎت اﺠﻤﺎذج واﻟﻲﺘ ﺠﺗﻌﻞ ﻣﻔﺎﻫﻴﻢ ﻗﻴﺎس‬
‫اﺤﻛﻘﻠﺒﺎت اﻟﺮﺸﻃﻴﺔ اﻤﻟﺘﻌﺪدة ﺗﻤﺘﺪ إﻰﻟ ﻋﺪة ﻣﺴﺘﻮﻳﺎت ﺨﻣﺘﻠﻔﺔ‪ ،‬واﻟﺴﺒﺐ اﻟﺮﺋﻴ‬
‫ﺤﻛﻄﻮﻳﺮ ﻧﻤﺎذج ‪ MGARCH‬ﻫﻮ إذا ﺎﻛﻧﺖ اﺤﻛﻘﻠﺐ ﺣﺪث ﻲﻓ ﺳﻮق واﺣﺪة ﺑﻌﺪ‬
‫ﺻﺪﻣﺔ ﻲﻓ ﺳﻮق آﺧﺮ ﻓﺈن اﻟﻄﺮﻳﻘﺔ اﻷﺣﺎدﻳﺔ ﻲﻓ اﺤﻛﺤﻠﻴﻞ ﺳﻮف ﺗﺆدي إﻰﻟ ﺧﻄﺄ‬
‫ﻲﻓ ﺻﻴﺎﻏﺔ اﺠﻤﻮذج‪ ،‬أي ﺑﻤﻌﻲﻨ أن ﻧﻤﺎذج ‪ MGARCH‬ﺗﻢ ﺗﺼﻤﻴﻤﻬﺎ ﻟﺘﺴﺎﻋﺪ‬
‫اﻤﻟﺸﺮﺘ ﻦﻴ ﻲﻓ اﻷﺳﻮق ﺒﻟ ﻓﻬﻢ اﻧﺘﻘﺎل اﺤﻛﻘﻠﺒﺎت ﺑﻦﻴ اﻷﺳﻮاق )أو اﻣﺘﺪاد‬
‫اﺤﻛﺄﺛﺮﻴات( ﺧﻼل اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ و اﻟﻘﻄﺎﺨت اﻻﻗﺘﺼﺎدﻳﺔ اﻤﻟﺨﺘﻠﻔﺔ )‪Ewing‬‬
‫‪.(2002; Righia and Cerella 2012‬‬
‫ﻫﻨﺎك ﻋﺪد ﻛﺒﺮﻴ ﻣﻦ ﺗﻄﺒﻴﻘﺎت ﻧﻤﺎذج ‪ MGARCH‬ﺒﻟ اﻛﻴﺎﻧﺎت اﻤﻟﺎ ﺔ‪ ،‬ﻋﺪد‬
‫ﻣﻦ ﻫﺬه ا راﺳﺎت اﻷو ﺔ ﺗﻀﻤﻨﺖ ﺤﺗﻠﻴﻞ ﺳﻴﺎﺳﺎت اﺤﻛﺤﻮط ا ﻳﻨﺎﻣﻴﻜﻴﺔ )أﻧﻈﺮ‬
‫ﺒﻟ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ;)‪Baillie and Myers (1991); Kroner and Clasessens (1991‬‬
‫ً‬
‫‪ ،((Lien and Luo (1994‬وﺣﺪﻳﺜﺎ ﻗﺎم اﻛﺎﺣﺚ )‪ Brooks et al. (2002‬ﺑﻤﻘﺎرﻧﺔ‬
‫ﺑﻨﺎء ﺒﻟ ﻣﻌﺪﻻت اﺤﻛﺤﻮط اﻤﻟﺴﺘﺨﺮﺟﺔ ﻣﻦ‬ ‫اﻻﺧﺘﻼﻓﺎت ﻲﻓ ﺳﻴﺎﺳﺎت اﺤﻛﺤﻮط ً‬

‫ﻞﻛ ﻧﻮع ﻣﻦ ﻧﻤﺎذج ‪ ،MGARCH‬اﻛﺎﺣﺜﻦﻴ وﺟﺪوا ﺑﺄن اﺠﻤﺎذج اﻷﺣﺪث اﻧﺘﺠﺖ‬
‫ﻣﻌﺪﻻت أداء أﻓﻀﻞ ﺣﻴﺚ ﺎﻛﻧﺖ ﺗﻘﻠﺒﺎت اﻤﻟﺤﺎﻓﻆ اﻻﺳﺘﺜﻤﺎرﻳﺔ أﻗﻞ ﻣﻦ ﺗﻠﻚ‬
‫اﻟﻲﺘ اﺳﺘﺨﺪﻣﺖ اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻟﻌﺎدﻳﺔ ﻹدارة اﺤﻛﺤﻮط‪ ،‬وﺠﺑﺎﻧﺐ اﺤﻛﺤﻮط‬
‫ﻓﺈن اﺤﻛﻄﺒﻴﻘﺎت اﺤﻟﺪﻳﺜﺔ ﺠﻤﺎذج ‪ MGARCH‬ﺗﻀﻤﻨﺖ ﻧﻤﺎذج ﺗﺴﻌﺮﻴ اﻷﺻﻮل‪،‬‬
‫واﺧﺘﻴﺎر اﻤﻟﺤﺎﻓﻆ اﻻﺳﺘﺜﻤﺎرﻳﺔ‪ ،‬واﻟﻘﻴﻤﺔ اﻤﻟﻌﺮﺿﺔ ﻟﻠﻤﺨﺎﻃﺮ اﻤﻟﻘﺪرة واﺤﻛﻘﻠﺒﺎت‬
‫اﻤﻟﻤﺘﺪة إﻰﻟ اﻷﺳﻮاق اﻤﻟﺨﺘﻠﻔﺔ واﻻﺷﺎﻜل اﻤﻟﺨﺘﻠﻔﺔ ﻣﻦ اﻷﺻﻮل‪ ،‬دراﺳﺎت‬
‫ﺗﻨﺎوﻟﺖ ﻣﺜﻞ ﻫﺬه اﺤﻛﻄﺒﻴﻘﺎت ﻗﺪ ﺠﺗﺪﻫﺎ ﻲﻓ )‪ Bauwens et al. (2006‬ودراﺳﺔ‬
‫)‪ ،Silvennoinen and Terasvirta (2009‬واﻟﺮﺒﻧﺎﻣﺞ اﻤﻟﺴﺘﺨﺪم ﺤﻛﻄﺒﻴﻘﺎت ﻧﻤﺎذج‬
‫‪ MGARCH‬ﻣﺘﻮﻓﺮة ﻲﻓ ﺑﺮﻧﺎﻣﺞ )‪،Microfit 5.0 (Pesaran and Pesaran 2009‬‬
‫اﻛﺎﺣﺜﺎن ﺮﺷﺣﺎ اﻟﻄﺮﻳﻘﺔ ﻋﻦ ﻃﺮﻳﻖ اﺳﺘﺨﺪام اﻟﻌﺎﺋﺪ ﺒﻟ ﺳﺘﺔ اﻟﻌﻘﻮد اﻤﻟﺴﺘﻘﺒﻠﻴﺔ‬
‫ا ﻮﻣﻴﺔ ﻟﻠﻌﻤﻼت‪ ،‬ﺗﻄﺒﻴﻖ ﻃﺮﻳﻘﺔ ‪ MGARCH‬ﻋﺮﺿﺖ أن اﺤﻛﺒﺎﻳﻨﺎت اﻟﺮﺸﻃﻴﺔ‬
‫ﻟﻠﻌﻮاﺋﺪ اﻤﻟﺴﺘﻘﺒﻠﻴﺔ ﺗﻘﺮﺘب ﻣﻦ ﺑﻌﻀﻬﺎ ﺧﻼل اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ وﺑﺎﺤﻛﺎﻲﻟ ﻫﺬا د ﻞ‬
‫ً‬
‫ﺒﻟ اﺤﻛﺎﻜﻣﻞ اﻤﻟﺎﻲﻟ ﺧﺼﻮﺻﺎ ﻓﻴﻤﺎ ﺨﻳﺺ ﻫﺬه ا ول ﻲﻓ ﻣﻨﻄﻘﺔ ا ﻮرو‪.‬‬
‫‪MGARCH‬‬ ‫ﻋﺪة ﺻﻴﻎ وﺗﺮ ﻴﺒﺎت ﺗﻢ اﻗﺮﺘاﺣﻬﺎ ﺧﻼل اﻟﺰﻣﻦ ﺠﻤﺎذج‬
‫وﻣﻠﺨﺺ ﻬﻟﺬه اﻟﺼﻴﻎ ﻳﻤﻜﻦ اﺤﻟﺼﻮل ﻋﻠﻴﻪ ﻲﻓ دراﺳﺔ )‪،Chang et al. (2012‬‬
‫ً‬
‫وﻋﻤﻮﻣﺎ ﻓﺈن اﻟﻄﺮق اﻤﻟﺘﻌﺪدة ﺤﻛﺤﻠﻴﻞ اﺤﻛﻘﻠﺒﺎت ﺗﻤﺘﺪ إﻰﻟ ﻣﺎﻜﻓﺂﺗﻬﺎ اﻷﺣﺎدﻳﺔ‪،‬‬
‫أي أﻧﻬﺎ ﺗﺮ ﺰ ﺒﻟ اﻻرﺗﺒﺎط اﻟﺮﺸ )أو اﺤﻛﻐﺮﻴات اﻟﺰﻣﻨﻴﺔ( واﺤﻛﻐﺎﻳﺮ اﻟﺮﺸ‬
‫)ﺑﺎﻹﺿﺎﻓﺔ إﻰﻟ اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻟﻠﻨﻤﺎذج اﻷﺣﺎدﻳﺔ(‪ ،‬وﺑﺎﺤﻛﺄﻛﻴﺪ ﻓﺈن اﻻرﺗﺒﺎﻃﺎت‬
‫اﻟﺮﺸﻃﻴﺔ ﻲﻫ اﻤﻟﺪﺧﻼت اﺠﻟﻮﻫﺮﻳﺔ ﻟﻠﻌﺪﻳﺪ ﻣﻦ اﻤﻟﻬﺎم اﻤﻟﺸﺮﺘ ﺔ ﻟﻺدارة اﻤﻟﺎ ﺔ‬
‫ﻣﺜﻞ ﻫﺬه اﻤﻟﻬﺎم ﻲﻫ ﺗﻘﻴﻴﻢ اﻤﻟﺨﺎﻃﺮ وﻧﻤﺎذج ﺗﺴﻌﺮﻴ اﻷﺻﻮل واﺤﻛﺤﻮط واﺧﺘﻴﺎر‬
‫اﻤﻟﺤﻔﻈﺔ اﻻﺳﺘﺜﻤﺎرﻳﺔ )‪.(Ledoit et al. 2003‬‬
‫)أي ﺑﻌﺒﺎرة‬ ‫وﺑﺎﻟﺮﺟﻮع إﻰﻟ ﺻﻴﻐﺔ ﻣﻌﺎﻣﻞ ارﺗﺒﺎط ﺑﺮﻴﺳﻮن ﻏﺮﻴ اﻟﺮﺸ‬
‫أﺧﺮى ﺑﺪون ﺗﻐﺮﻴ زﻣﻲﻨ( ‪ r‬ﺑﻦﻴ ﻓﺮﺘة زﻣﻨﻴﺔ ‪ x1‬واﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ ‪:x2‬‬
‫اﻻرﺗﺒﺎط ﻏﺮﻴ اﻟﺮﺸ ﻫﻮ ﺑﺒﺴﺎﻃﺔ ارﺗﺒﺎط ﺑﻦﻴ ﺳﻠﺴﻠﺘﻦﻴ ﺑﺎﺳﺘﺨﺪام ﺑﻴﺎﻧﺎت‬

‫ﻣﻦ اﻤﻟﺘﻐﺮﻴ اﻷول ﺣ اﻤﻟﺘﻐﺮﻴ اﻷﺧﺮﻴ‪ ،‬وﺮﺿب اﻟﺒﺴﻂ واﻤﻟﻘﺎم ﻲﻓ ‪ 6‬ﻟﻞﻜ ﻣﻨﻬﻤﺎ‬
‫ﺑﻮاﺳﻄﺔ ‪ n2/1‬واﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ اﺤﻛﻮﻗﻌﺎت ‪ E‬واﻻرﺗﺒﺎط ﻏﺮﻴ اﻟﺮﺸ ﺑﻦﻴ ﻫﺬﻳﻦ‬
‫اﻟﺴﻠﺴﻠﺘﻦﻴ ﺼﺒﺢ‪:‬‬
‫وأن ‪ SD‬ﺗﻤﺜﻞ‬ ‫ﺣﻴﺚ أن‬

‫ُ‬
‫اﻻﺤﻧﺮاف اﻤﻟﻌﻴﺎري ﻏﺮﻴ اﻟﺮﺸ ‪ ،‬وأن اﻟﺒﺴﻂ ﻲﻓ اﻤﻟﻌﺎدﻟﺔ ‪ 8.7‬ﻳﺸﺮﻴ إﻰﻟ اﺤﻛﻐﺎﻳﺮ‬
‫وﻳﻤﻜﻦ ﻛﺘﺎﺑﺘﻪ ﻛﻤﺎ ﻳﻲﻠ )‪cov(x1,x2) = E(x1, x2) - E(x1)E(x2‬‬ ‫ﻏﺮﻴ اﻟﺮﺸ‬
‫‪ ،‬ﻓﻌﻨﺪﻣﺎ ﻳﻜﻮن اﺤﻛﻐﺮﻴ ﻏﺮﻴ اﻟﺮﺸ ﻣﺴﺎوي ﻟﻠﺼﻔﺮ ﻓﺈن اﻻرﺗﺒﺎط اﻟﺮﺸ‬
‫ً‬
‫أﻳﻀﺎ ﻳﺴﺎوي اﻟﺼﻔﺮ‪ ،‬اﻟﻔﺮق ﻣﺎ ﺑﻦﻴ اﻻرﺗﺒﺎط ﻏﺮﻴ اﻟﺮﺸ ‪ /‬واﺤﻛﻐﺎﻳﺮ‪ /‬واﻻﺤﻧﺮاف‬
‫واﻻرﺗﺒﺎط اﻟﺮﺸ ‪ /‬واﺤﻛﻐﺎﻳﺮ واﺤﻛﺒﺎﻳﻦ ﻫﻮ أن اﻷﺧﺮﻴ ﻳﺘﻢ ﺗﻘﺪﻳﺮه ﻣﻦ ﻣﻌﻠﻮﻣﺎت‬
‫ﻣﻌﻠﻮﻣﺔ ﻟﻠﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ اﻤﻟﺎﺿﻴﺔ )‪ (t - 1‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈﻧﻬﺎ ﺗﺎﺑﻌﺔ ﻟﻠﻤﺰﻣﻦ واﺤﻛﻐﺮﻴات‬
‫اﻟﺰﻣﻨﻴﺔ‪ ،‬وﻋﻼﻗﺔ اﻟﻌﺎﻣﻞ اﻟﺰﻣﻲﻨ ﻣﻊ ﻧﻤﺎذج ‪ MGARCH‬اﻟﺮﺸﻃﻴﺔ ﺗﺴﺘﻮﺟﺐ‬
‫اﺳﺘﺨﺪام اﻟﺰﻣﻦ ‪ t‬اﻤﻟﻨﺨﻔﺾ‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﻟﺮﻣﺰ ‪ rt | Ωt-1‬ﻳﻤﻜﻦ اﺳﺘﺨﺪاﻣﻪ‬
‫ﺤﻛﻤﺜﻴﻞ ﺗﻘﺪﻳﺮ اﻻرﺗﺒﺎط اﻟﺮﺸ ﺑﻦﻴ ﺠﻣﻤﻮﻋﺘﻦﻴ ﻣﻦ اﻛﻴﺎﻧﺎت ﻋﻦ اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ‬
‫‪ t‬واﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ ‪ Ωt-1‬ﺗﻤﺜﻞ ﺠﻣﻤﻮﻋﺔ ﻣﻌﻠﻮﻣﺎت ﻣﺘﻮﻓﺮة ﻋﻨﺪ اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ )‪،(t-1‬‬
‫وﺑﺎﻤﻟﺜﻞ ﻓﺈن اﻟﺮﻣﺰ ‪ cov(x1t, x2t) | Ωt-1‬ﻳﻤﻜﻦ أن ﺗﻤﺜﻞ اﺤﻛﻐﺎﻳﺮ ﻣﺎ ﺑﻦﻴ ﺠﻣﻤﻮﻋﺘﻦﻴ‬
‫ﻣﻦ اﻛﻴﺎﻧﺎت ﻋﻦ اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ ‪ ،t‬ﺑﺮﺸط أن ﺠﻣﻤﻮﻋﺔ اﻤﻟﻌﻠﻮﻣﺎت ﻣﺘﻮﻓﺮة ﻟﻔﺮﺘة‬
‫زﻣﻨﻴﺔ ﺗﺼﻞ إﻰﻟ )‪.(t - 1‬‬
‫اﻟﻌﺪﻳﺪ ﻣﻦ اﻟﻄﺮق ﺗﻨﺼﺢ ﺑﺘﻘﺪﻳﺮ اﻻرﺗﺒﺎﻃﺎت اﻟﺮﺸﻃﻴﺔ‪ ،‬واﻟﻌﺪﻳﺪ ﻣﻦ‬
‫اﻟﻌﻤﻠﻴﺎت ﺗﻘﻮم ﺑﺘﻘﺪﻳﺮ اﺤﻛﻐﺎﻳﺮ اﻟﺮﺸ ﻣﺎ ﺑﻦﻴ ﻞﻛ زوج ﻣﻦ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‬
‫ﺑﺎﻹﺿﺎﻓﺔ إﻰﻟ ﺗﻘﺪﻳﺮ اﺤﻛﺒﺎﻳﻦ اﻟﺮﺸ ﻟﻞﻜ ﺳﻠﺴﻠﺔ زﻣﻨﻴﺔ ﺒﻟ ﺣﺪة وﻣﻦ ﺛﻢ ﺗﻘﻮم‬
‫ﺑﺘﻄﺒﻴﻖ اﻤﻟﻌﺎدﻟﺔ ‪ 8.7‬ﻟﻠﺤﺼﻮل ﺒﻟ ﺗﻘﺪﻳﺮات ﻟﻼرﺗﺒﺎﻃﺎت اﻟﺮﺸﻃﻴﺔ؛ ﺧﻼل ﻓﺮﺘة‬
‫ً‬
‫ﻣﻦ اﻟﺰﻣﻦ ﻓﺈن اﻟﻄﺮﻳﻘﺔ اﻷﻛﺮﺜ ﺷﻴﻮﺨ ﻟﻌﻤﻠﻴﺔ ﺗﻘﺪﻳﺮ اﻤﻟﺸﻠﻜﺔ ﺗﺘﻀﻤﻦ ﻧﻤﻮذج‬
‫‪ VECH‬وا ي اﺳﺘﻨﺘﺠﻪ اﻛﺎﺣﺚ ‪ Bollerslev et al. (1988) (VECH‬ﻲﻫ اﺧﺘﺼﺎر‬

‫ً‬
‫ﻟﻠﻜﻤﺔ ”ﺨﻣﻞ ﻧﺼﻒ اﻻﺠﺗﺎه“ ﻲﻓ ﻟﻐﺔ اﻤﻟﺼﻔﻮﻓﺎت اﺠﻟﺮﺒﻳﺔ(‪ ،‬وﻋﻤﻮﻣﺎ اﻤﻟﺸﻠﻜﺔ ﻣﻊ‬
‫ﻧﻤﺎذج ‪ VECH‬ﻲﻫ اﻟﻌﺪد اﻟﻜﺒﺮﻴ ﻣﻦ اﻤﻟﻌﺎﻣﻼت اﻟﻲﺘ ﺠﻳﺐ ﺗﻘﺪﻳﺮﻫﺎ )‪De Goeij‬‬
‫‪ ،(and Marquering 2004‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل إذا أﺧﺬﻧﺎ ﺛﻼث ﺳﻼﺳﻞ زﻣﻨﻴﺔ‬
‫وﻣﻌﺎدﻻت ﺗﺒﺎﻳﻨﻬﺎ )‪Brooks et al.‬‬ ‫ﻣﻊ ‪ 78‬ﻣﻌﺎﻣﻞ ﺠﻳﺐ ﺗﻘﺪﻳﺮ ﺗﻐﺎﻳﺮﻫﺎ اﻟﺮﺸ‬
‫‪ (2003‬ﻓﻬﺬا اﻟﺮﻗﻢ ﻳﺰداد ﺑﺸﻞﻜ ﻛﺒﺮﻴ ﻣﻊ ﻋﺪد اﻟﺴﻼﺳﻞ وﻳﻤﻜﻦ أن ﻳﺼﺒﺢ ﻏﺮﻴ‬
‫ﻗﺎﺑﻞ ﻟﻠﺤﻞ‪ ،‬وﺑﺘﻘﺪﻳﺮ ﻧﻤﻮذج ‪ VECH‬ﻓﺈن اﻤﻟﻬﻤﺔ ﺗﻜﻮن ﺻﻌﺒﺔ ﺣ ﻲﻓ ﺣﺎﻟﺔ‬
‫وﺟﻮد ﺳﻠﺴﻠﺘﻦﻴ زﻣﻨﻴﺘﻦﻴ )‪ ،(Brooks 2004: 508‬أﻣﺎ اﻛﺎﺣﺜﻮن ‪Bollerslev et‬‬
‫‪ (al. (1988‬ﻓﻘﺪ اﺳﺘﻄﺎﻋﻮا ﺨﺗﻔﻴﺾ ﻋﺪد اﻤﻟﻌﺎﻣﻼت اﻤﻟﻄﻠﻮب ﺗﻘﺪﻳﺮﻫﺎ ﻣﻦ ﺧﻼل‬
‫ﻋﻤﻠﻴﺔ أﺳﻤﻮﻫﺎ ﻧﻤﻮذج ‪ VECH‬اﻟﻘﻄﺮي‪ ،‬وﻫﺬا ﺨﻳﻔﺾ ﻋﺪد اﻤﻟﻌﺎﻣﻼت اﻟﻲﺘ ﺗﻘﻊ‬
‫اﺤﻟﺎﻟﺔ اﺨﻛﻼﺛﻴﺔ ﺤﻛﺼﺒﺢ ‪ ،18‬وﻫﻨﺎك ﻣﺸﻠﻜﺘﻦﻴ إﺣﺼﺎﺋﻴﺘﻦﻴ ﺤﻣﺘﻤﻠﺘﻦﻴ ﺗﺘﻌﻠﻖ ﺑﻨﻤﺎذج‬
‫‪ ،VECH‬اﻷو ﻣﺼﻔﻮﻓﺔ اﺤﻛﻐﺎﻳﺮ واﺤﻛﺒﺎﻳﻦ ﺠﻳﺐ أن ﺗﻜﻮن إﺠﻳﺎﺑﻴﺔ ﺤﻣﺪدة‪،‬‬
‫وﻫﺬا اﻟﺮﺸط ﻻ ﻳﻤﻜﻦ ﺗﻮﻓﺮه وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﻟﻘﻴﻢ اﻟﺴﺎﻛﺔ ﻟﻠﺘﺒﺎﻳﻦ ﻳﻤﻜﻦ أن‬
‫ﺗﻈﻬﺮ ﺿﻤﻦ اﺠﺘﺎﺋﺞ‪ ،‬اﺨﻛﺎﻧﻴﺔ أﻧﻪ ﻲﻓ ﻏﻴﺎب ﻫﺬا اﻟﺮﺸط ﻓﺈن اﻟﺘﺴﺎوي اﻤﻟﻄﻠﻮب‬
‫)‪ cov(x1t, x2t) = cov(x2t, x1t‬ﻣﻦ اﻤﻟﻤﻜﻦ ﻋﺪم اﻹﻳﻔﺎد ﺑﻪ‪.‬‬
‫‪Engle and Kroner‬‬ ‫ﻧﻤﻮذج ‪ BEKK‬ﺗﻢ اﻗﺮﺘاﺣﻪ ﻣﻦ ﻗﺒﻞ اﻛﺎﺣﺜﺎن‬
‫ً‬
‫)‪ (1995‬وﻳﺆ ﺪ ﻫﺬا اﺠﻤﻮذج ﺒﻟ أن ﻣﺼﻔﻮﻓﺔ اﺤﻛﺒﺎﻳﻦ‪-‬اﺤﻛﻐﺎﻳﺮ داﺋﻤﺎ ﻣﻮﺟﺒﺔ‬
‫ً‬ ‫ُ‬
‫)ﻧﻤﺎذج ‪ BEKK‬ﺗﺸﺘﻖ اﺳﻤﻬﺎ ﻣﻦ ا ارﺳﺔ اﻟﻲﺘ ﻧﺮﺸت ﺳﺎﺑﻘﺎ ﻣﻦ ﻗﺒﻞ‬
‫)‪ .(Baba et al. (1989‬ﻧﻤﻮذج ‪ BEKK‬ﻣﻊ ‪ DCC-GARCH‬وﻧﻤﻮذج اﻻرﺗﺒﺎط‬
‫اﻟﺮﺸ ا ﻳﻨﺎﻣﻴﻲﻜ اﻤﻟﺘﻌﺪد ‪ GARCH‬ﻟﻠﺒﺎﺣﺚ ‪ Engle (2002‬واﻟﻲﺘ ﺠﻳﺐ أن‬
‫ً‬
‫ﻳﻜﻮن ﻬﻟﺎ ﻣﺼﻔﻮﻓﺔ ﺗﺒﺎﻳﻦ‪-‬ﺗﻐﺎﻳﺮ ﻣﻮﺟﺒﺔ ﻫﻤﺎ اﻷﻛﺮﺜ ﻧﻤﺎذج ﺗﻄﺒﻴﻘﺎ ﻲﻓ ﻧﻤﺎذج‬
‫)‪ ،(Caporin and McAleer 2012‬ﻧﻤﻮذج ‪DCC-‬‬ ‫اﻻرﺗﺒﺎط واﺤﻛﻐﺎﻳﺮ اﻟﺮﺸ‬
‫‪ GARCH‬ﻣﺰﻴة ﺣﺴﺎﺑﻴﺔ ﺠﺗﻌﻠﻪ أﻓﻀﻞ ﻣﻦ ‪ BEKK‬ﺣﻴﺚ أن ﻋﺪد اﻤﻟﻌﺎﻣﻼت‬
‫ﻳﻤﻜﻦ ﺗﻘﺪﻳﺮه ﺑﺸﻞﻜ ﻣﺴﺘﻘﻞ ﻋﻦ ﻋﺪد اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ اﻤﻟﺮﺗﺒﻄﺔ وﺑﺎﺤﻛﺎﻲﻟ‬
‫ﻳﻤﻜﻦ ﺗﻄﺒﻴﻖ ﻫﺬا اﺠﻤﻮذج ﺒﻟ ﺑﻴﺎﻧﺎت أﺳﻌﺎر اﻷﺳﻬﻢ‪ ،‬ﻋﻼوة ﺒﻟ ذﻟﻚ ﻓﺈن‬
‫ً‬
‫اﻛﺎﺣﺚ )‪ Engle (2002‬ﻳﺪﻲﻋ ﺑﺄن )ﻣﺴﺘﺨﺪﻣﺎ ﺳﻴﻨﺎرﻳﻮ ﺳﻠﺴﻠﺘﻦﻴ زﻣﻨﻴﺘﻦﻴ ﺒﻟ‬
‫اﻷﻗﻞ( ﺑﺄن ﻧﻤﺎذج ‪ DCC-GARCH‬ﻲﻫ أﻛﺮﺜ دﻗﺔ ﻣﻦ ﻃﺮﻗﺔ اﺤﻛﻘﺪﻳﺮ اﻷﺧﺮى‪،‬‬

‫ﺣﻴﺚ اﺳﺘﻨﺘﺞ ﺑﺄن اﺤﻛﻄﺒﻴﻘﺎت اﺤﻛﺠﺮﻳﺒﻴﺔ ﻬﻟﺬه اﺠﻤﺎذج ﺗﺘﻀﻤﻦ ﺗﻄﺒﻴﻘﺎت ﻣﺎ ﺔ‬
‫ً‬
‫ﺗﻘﻠﻴﺪﻳﺔ وﻫﺬه اﺠﻤﺎذج ﻣﺸﺠﻌﺔ ﻧﻈﺮا ﻟﻘﺪرﺗﻬﺎ ﺒﻟ ﺗﻮﺿﻴﺢ ﺧﺼﺎﺋﺺ اﺤﻛﻨﻮع‬
‫اﻟﺰﻣﻲﻨ ﻲﻓ اﻛﻴﺎﻧﺎت‪.‬‬
‫(‪٩‬‬
‫ﻧﻤﺎﺫﺝ ﺍﳴﺘﻐ‪ ‬ﺍﻟﺘﺎﺑﻊ ﺍﳴﺤﺪﺩ‬
‫ً‬
‫ﻧﻤﻮذج اﻻﺤﻧﺪار اﻟﻘﻴﺎ ﻳﻔﺮﺘض ﺑﺄن اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ‪ Y‬ﻳﺘﻢ ﻗﻴﺎﺳﻪ ﻛﻤﻴﺎ‪،‬‬
‫ً‬ ‫ً‬
‫اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ )أو اﺤﻛﻨﺒﺆﻳﺔ( ‪ Xi‬ﻗﺪ ﻳﺘﻢ ﻗﻴﺎﺳﻬﺎ ﻧﻮﻋﻴﺎ أو ﻛﻤﻴﺎ‪ ،‬ﻛﻤﺎ أن‬
‫ً‬
‫اﻤﻟﺘﻐﺮﻴ اﺤﻛﻨﺒﺆي اﻟﻮﻫﻲﻤ ﻫﻮ ﻣﺘﻐﺮﻴ ﻳﺘﻢ ﻗﻴﺎﺳﻪ ﻛﻤﻴﺎ‪ ،‬واﺠﻤﺎذج اﻟﻠﻮﺬﻟرﻳﺘﻤﻴﻪ ﻳﺘﻢ‬
‫ﺗﻄﺒﻴﻘﻬﺎ ﺒﻟ ﺣﺎﻻت ﻳﻜﻮن ﻓﻴﻬﺎ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ذو ﻃﺒﻴﻌﺔ ﺛﻨﺎﺋﻴﺔ ﺣﻴﺚ ﻳﻜﻮن‬
‫إﻣﺎ ﻳﺴﺎوي ‪ 0‬أو ‪ ،1‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ‪ Y‬ﻗﺪ ﻳﻜﻮن ﺷﺨﺺ ﺨﻃﻞ‬
‫ﻋﻦ اﻟﻌﻤﻞ و ﻫﺬه اﺤﻟﺎﻟﺔ ﻳﻜﻮن اﻟﺮﺘﻣﺰﻴ )ﺨﻣﻞ = ‪ ،1‬ﺨﻃﻞ ﻋﻦ اﻟﻌﻤﻞ = ‪،(0‬‬
‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﻤﻟﺘﻐﺮﻴات اﺤﻛﻨﺒﺆﻳﺔ ﻳﻤﻜﻦ أن ﺗﺘﻀﻤﻦ ‪ X1‬ﻣﻌﺪل ﻣﺘﻮﺳﻂ اﻷﺟﺮ‬
‫اﻤﻟﺤﻲﻠ‪ X2 ،‬ﻣﺴﺘﻮى اﺤﻛﻌﻠﻴﻢ ﻟﻠﺸﺨﺺ‪ X3 ،‬ﻣﻌﺪل اﻛﻄﺎﻟﺔ اﻤﻟﺤﻲﻠ‪ X4 ،‬ا ﺧﻞ‬
‫اﻟﻌﺎﺋﻲﻠ ‪ ...‬اﻟﺦ‪ ،‬اﻟﺴﺆال ﻳﺮﺒز ﻋﻨﺪﻣﺎ ﻧﺮﻳﺪ ﻣﻌﺮﻓﺔ ﻛﻴﻒ ﻧﺘﻌﺎﻣﻞ ﻣﻊ اﺠﻤﺎذج اﻟﻲﺘ‬
‫ﺗﺘﻀﻤﻦ ﻣﺘﻐﺮﻴات ﺗﺎﺑﻌﺔ ﺛﻨﺎﺋﻴﺔ‪.‬‬
‫اﻟﺴﺆال اﻟﺮﺋﻴ ﻲﻓ ﻫﺬا اﻟﺼﺪد ﻫﻮ ﻛﻴﻒ ﻳﻤﻜﻨﻨﺎ ﺻﻴﺎﻏﺔ ﻧﻤﻮذج ﻏﺮﻴ رﻗﻲﻤ‬
‫ﻟﻠﻤﺘﻐﺮﻴات اﺤﻛﺎﺑﻌﺔ؟ ﻫﺬا اﻟﻔﺼﻞ ﻳﺴﺎﻋﺪﻧﺎ ﻲﻓ اﻹﺟﺎﺑﺔ ﻋﻦ ﻋﺪة أﺳﺌﻠﺔ ﻣﺜﻞ‪:‬‬
‫ً‬
‫< ﻤﻟﺎذا ﺨﺗﺘﺎر اﻟﺮﺸ ت إدراج أﺳﻬﻤﻬﺎ ﻲﻓ ﺑﻮرﺻﺔ ‪ NASDAQ‬ﺑﺪﻻ ﻣﻦ ﺑﻮرﺻﺔ‬
‫‪NYSE‬؟‬
‫ُ‬
‫< ﻤﻟﺎذا ﺑﻌﺾ اﻷﺳﻬﻢ ﺗﺪر ﺗﻮزﻳﻌﺎت ﺑﻴﻨﻤﺎ اﻛﻌﺾ اﻵﺧﺮ ﻻ؟‬
‫< ﻣﺎ ﻲﻫ اﻟﻌﻮاﻣﻞ اﻟﻲﺘ ﺗﺆﺛﺮ ﻲﻓ ﻋﺠﺰ ﺑﻌﺾ ا ول ﻋﻦ ﺳﺪاد دﻳﻮﻧﻬﺎ؟‬
‫< ﻤﻟﺎذا ﺨﺗﺘﺎر ﺑﻌﺾ اﻟﺮﺸ ت إﺻﺪار أﺳﻬﻢ ﺟﺪﻳﺪة ﺤﻛﻤﻮﻳﻞ ﺗﻮﺳﻌﺎﺗﻬﺎ ﺑﻴﻨﻤﺎ اﻛﻌﺾ‬
‫اﻵﺧﺮ ﺨﻳﺘﺎر إﺻﺪار ﺳﻨﺪات؟‬
‫< ﻤﻟﺎذا ﺨﺗﺘﺎر ﻋﺾ اﻟﺮﺸ ت ا ﺧﻮل ﻲﻓ ﻋﻤﻠﻴﺔ ﺗﻘﺴﻴﻢ ﻷﺳﻬﻤﻬﺎ ﺑﻴﻨﻤﺎ اﻛﻌﺾ‬
‫اﻵﺧﺮ ﻻ ﻳﻘﻮم ﺑﺬﻟﻚ؟‬
‫ﻲﻓ ﻞﻛ ﻫﺬه اﺤﻟﺎﻻت ﻓﺈن اﻟﺸﻞﻜ اﻟﺼﺤﻴﺢ ﻟﻠﻤﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ﺳﻮف ﻳﻜﻮن إﻣﺎ ‪0‬‬
‫أو ‪ 1‬أي ﺳﻴﻜﻮن ﻣﺘﻐﺮﻴ وﻫﻲﻤ ﻃﺎﻤﻟﺎ ﻫﻨﺎك اﺣﺘﻤﺎﻟﻦﻴ اﺛﻨﻦﻴ ﻟﻺﺟﺎﺑﺔ؛ ﻫﻨﺎك ﺑﺎﻟﻄﺒﻊ‬
‫ﺣﺎﻻت أﺧﺮى ﺣﻴﺚ ﻳﻜﻮن ﻣﻦ اﻤﻟﻔﻴﺪ أن ﻧﺴﻤﻊ ﻟﻠﻤﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ أن ﻳﺄﺧﺬ ﻗﻴﻢ‬
‫أﺧﺮى‪ ،‬ﻓﻌﻨﺪﻣﺎ ﻳﺄﺧﺬ اﻤﻟﺘﻐﺮﻴ ﻗﻴﻤﺘﻦﻴ اﺛﻨﻦﻴ ﻓﻘﻂ ﻓﻴﻤﻜﻨﻨﺎ أن ﻧﺴﻲﻤ ذﻟﻚ اﻤﻟﺘﻐﺮﻴ‬
‫ﺑﺄﻧﻪ ﻣﺘﻐﺮﻴ ﺛﻨﺎ ‪.‬‬
‫‪ 1. 9‬ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﻟﺨﻄﻲ‬
‫اﻟﻄﺮﻳﻘﺔ اﻟﺒﺴﻴﻄﺔ واﻟﻮاﺿﺤﺔ واﻤﻟﻌﺮوﻓﺔ ﻲﻓ اﺤﻛﻌﺎﻣﻞ ﻣﻊ اﻤﻟﺘﻐﺮﻴات اﺤﻛﺎﺑﻌﺔ‬
‫اﻤﻟﺴﺘﻘﻠﺔ ﻲﻫ ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ‪ ،‬ﻫﺬا اﺠﻤﻮذج ﻳﻌﺘﻤﺪ ﺒﻟ ﻓﺮﺿﻴﺔ ﺑﺄن‬
‫ً‬
‫اﺣﺘﻤﺎ ﺔ وﻗﻮع اﺤﻟﺪث ‪ Pi‬ﺗﺘﻌﻠﻖ ﺧﻄﻴﺎ ﺑﻤﺠﻤﻮﻋﺔ ﻣﻦ اﻤﻟﺘﻐﺮﻴات اﺤﻛﻨﺒﺆﻳﺔ‪.‬‬
‫ﻣﻦ اﻟﻮاﺿﺢ ﺑﺄن اﻻﺣﺘﻤﺎﻻت اﻟﻮاﻗﻌﻴﺔ ﻻ ﻳﻤﻜﻦ ﻣﺸﺎﻫﺪاﺗﻬﺎ‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈﻧﻨﺎ‬
‫ﺳﻮف ﻧﻘﺪر ﻧﻤﻮذج ﺗﻜﻮن ﺨﻣﺮﺟﺎﺗﻪ ‪) yi‬ﺳﻠﺴﻠﺔ ﻣﻦ أﻋﺪاد ‪ 1‬وأﺻﻔﺎر( وﺳﻮف‬
‫ﺗﻜﻮن ﻲﻫ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ‪ ،‬وﻧﻤﻮذج اﻻﺤﻧﺪار اﺨﻟﻄﻲ ﻫﺬا ﺳﻮف ﻳﺘﻢ ﺗﻘﺪﻳﺮه ﻣﻦ‬
‫ﺧﻼل ‪ ،OLS‬وﺠﻣﻤﻮﻋﺔ اﻤﻟﺘﻐﺮﻴات )اﺤﻛﺎﺑﻊ( واﺤﻛﻨﺒﺆﻳﺔ ﻣﻦ اﻤﻟﻤﻜﻦ أن ﺗﺘﻀﻤﻦ‬
‫ﻣﺘﻐﺮﻴات ﻛﻤﻴﺔ أو وﻫﻤﻴﺔ أو ﻛﻼﻫﻤﺎ‪ ،‬واﻟﻘﻴﻢ اﻤﻟﻨﺎﺳﺒﺔ ﻣﻦ ﻫﺬا اﻻﺤﻧﺪار ﻲﻫ‬
‫اﻻﺣﺘﻤﺎﻻت اﻤﻟﻘﺪرة ﻟﻠﻤﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ‪ yi = 1‬ﻟﻞﻜ ﻣﺸﺎﻫﺪة ﻣﻦ اﻤﻟﺸﺎﻫﺪات ‪.i‬‬
‫اﻤﻟﻴﻞ اﻤﻟﻘﺪر ﺠﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ ﻳﻤﻜﻦ ﺗﻔﺴﺮﻴه ﺑﺄﻧﻪ ﻲﻓ ﺣﺎﻟﺔ اﺤﻛﻐﺮﻴ‬
‫ﻲﻓ اﺣﺘﻤﺎل اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ﺳﻮف ﻳﺴﺎوي ‪ 1‬إذا ﺎﻛن اﺤﻛﻐﺮﻴ وﺣﺪة واﺣﺪة ﻲﻓ اﻤﻟﺘﻐﺮﻴ‬
‫اﺤﻛﻨﺒﺆي اﻤﻟﻌﻄﻲ ﻣﻊ ﺛﺒﺎت ﻞﻛ اﻤﻟﺘﻐﺮﻴات اﺤﻛﻨﺒﺆﻳﺔ اﻷﺧﺮى‪.‬‬
‫ﺤﻛﻮﺿﻴﺢ ﻫﺬه اﻷﻓﺎﻜر‪ ،‬ﺠﺄﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر اﺠﻤﻮذج اﻟﺒﺴﻴﻂ اﺤﻛﺎﻲﻟ‪:‬‬
‫ﺣﻴﺚ أن ‪ X‬ﻫﻮ دﺧﻞ اﻷﺮﺳة )ﺑﺂﻻف ﺟﻨﻴﻪ إﺳﺮﺘ ﻲﻨ( و ‪ Y‬ﻣﺘﻐﺮﻴ ﺛﻨﺎ ﻗﺪ‬
‫‪275‬‬ ‫اﻟﻔﺼﻞ اﻟﺘﺎﺳﻊ ‪ :‬ﻧﻤﺎذج اﻟﻤﺘﻐﻴﺮ اﻟﺘﺎﺑﻊ اﻟﻤﺤﺪد‬
‫ﻳﻜﻮن ‪ Y = 1‬إذا ﺎﻛﻧﺖ اﻷﺮﺳة ﺗﻤﺘﻠﻚ ﻣﺰﻨل‪ Y = 0 ،‬إذا ﺎﻛﻧﺖ اﻷﺮﺳة ﻻ ﺗﻤﺘﻠﻚ‬
‫ﻣﺰﻨل؛ ﻣﺜﻞ ﻫﺬه اﺠﻤﺎذج ﺗﻮﺿﺢ ﺑﺄن اﻤﻟﺘﻐﺮﻴ اﺨﻛﻨﺎ ‪ Y‬ﻫﻮ داﻟﺔ ﺧﻄﻴﺔ ﻟﻠﻤﺘﻐﺮﻴات‬
‫ً‬ ‫ُ‬
‫اﺤﻛﻨﺒﺆﻳﺔ )اﻤﻟﺴﺘﻘﻠﺔ( ‪ X‬وﻫﺬه اﺠﻤﺎذج ﺗﺴﻰﻤ ﺑﻨﻤﺎذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻴﺔ‪ ،‬وﻋﻤﻮﻣﺎ‬
‫ﻫﻨﺎك ﻣﺸﺎﻞﻛ ﻣﻊ اﻻﻓﺮﺘاﺿﺎت اﻟﻲﺘ ﻳُﺒﻰﻨ ﻋﻠﻴﻬﺎ اﻻﺤﻧﺪار ﻋﻦ ﺗﻄﺒﻴﻖ اﻤﻟﺮﺑﻌﺎت‬
‫اﻟﺼﻐﺮى اﻟﻌﺎدﻟﺔ ﺒﻟ ﻧﻤﺎذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻴﺔ‪.‬‬
‫أ ( اﻛﻮاﻲﻗ ﻻ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪ ،‬وﻤﻟﻌﺮﻓﺔ ذﻟﻚ‪:‬‬
‫ﻋﻨﺪﻣﺎ ‪ Y = 1‬ﻓﺈن‬
‫ﻋﻨﺪﻣﺎ ‪ Y = 0‬ﻓﺈن‬
‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﻛﻮاﻲﻗ ﻻ ﻳﻤﻜﻦ أن ﺗﺘﺒﻊ اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ )و اﺤﻟﻘﻴﻘﺔ‬
‫اﻛﻮاﻲﻗ ﺗﺘﺒﻊ اﺤﻛﻮزﻳﻊ اﺨﻛﻨﺎ (‪.‬‬
‫ب( ﻻ ﻳﻤﻜﻨﻨﺎ اﺤﻟﻔﺎظ ﺒﻟ ﺠﺗﺎﻧﺲ اﺤﻛﺒﺎﻳﻦ ﻟﻠﺒﻮاﻲﻗ‪ ،‬ﺣﻴﺚ ﻳﻤﻜﻦ ﻋﺮض ﺗﺒﺎﻳﻦ‬
‫اﻛﻮاﻲﻗ ً‬
‫ﺑﻨﺎء ﺒﻟ اﻟﻘﻴﻤﺔ اﻤﻟﺄﺧﻮذة ﺑﻮاﺳﻄﺔ ‪ X‬وﻫﺬه اﻟﻘﻴﻤﺔ ﻏﺮﻴ ﻣﺘﺠﺎﻧﺲ‬
‫اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫ج( ﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﺑﻴﺎﻧﺎت اﻟﺸﻞﻜ ‪ 9.1‬ﻓﺈن اﻤﻟﺘﻐﺮﻴ ‪ Y‬ﺗﻢ ﺤﺗﺪﻳﺪه ﻛﻤﺎ ﺳﺒﻖ‬
‫ً‬
‫آﻧﻔﺎ‪ ،‬ﻓﺈذا ﺎﻛن اﻻﺤﻧﺪار ا ي ﺗﻢ ﺗﻄﺒﻴﻘﻪ ﻫﻮ اﺤﻧﺪار ﺠﻤﻮذج اﻻﺣﺘﻤﺎل‬
‫اﺨﻟﻄﻲ ﻓﺈﻧﻨﺎ ﺳﻮف ﺤﻧﺼﻞ ﺒﻟ ﻧﺘﺎﺋﺞ‪:‬‬
‫إذا ﺎﻛﻧﺖ أﺮﺳة ﻬﻟﺎ دﺧﻞ ‪ 8000‬ﺟﻨﻴﻪ إﺳﺮﺘ ﻲﻨ )‪ (£‬أي ﺑﻌﺒﺎرة أﺧﺮى‬
‫ً‬ ‫ً‬
‫‪ X = 8‬ﻓﺴﻮف ﻳﻜﻮن ﻫﻨﺎك اﺣﺘﻤﺎل ﺳﺎﻟﺐ ﺑﺄن اﻷﺮﺳة ﺗﻤﻠﻚ ﻣﺰﻨﻻ ﺧﺎﺻﺎ‬
‫ﺑﻬﺎ‪ ،‬وﻋﻠﻴﻪ ﻓﺈن ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ ﻻ ﻳُﻮ ﺑﻪ ﻋﻨﺪﻣﺎ ﻳﻜﻮن اﻤﻟﺘﻐﺮﻴ‬
‫اﺤﻛﺎﺑﻊ ﺛﻨﺎ ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :1 .9‬ﻣﻠﻜﯿﺔ اﻟﻤﻨﺰل واﻟﺪﺧﻞ ﺑﺎﻵﻻف‬

‫د( ﻗﻴﻤــﺔ ﻣﻌﺎﻣﻞ اﺤﻛﺤﺪﻳﺪ ﻛﻤﻘﻴﺎس ﺠﻟﻮدة اﺤﻛﻮﻓﻖ ﺗﺼﺒﺢ ﺤﻣﻞ ﺗﺴــﺎؤل‪ ،‬ﻷﻧﻬﺎ‬
‫ﺗﺘﻌﻠﻖ ﺑﻘﻴﻤﺔ ‪ X‬وﻗﻴﻤﺔ ‪ Y‬إﻣﺎ ﺗﺴــﺎوي ‪ 0‬أو ‪ ،1‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ﻞﻛ ﻗﻴﻢ ‪ Y‬ﺳﻮف‬
‫ﺗﻘﻊ ﺒﻟ اﻤﻟﺤﻮر اﻷﻓﻲﻘ ‪ X‬أو ﺑﻤﺤﺎذاة اﻤﻟﺤﻮر اﻟﻌﻤﻮدي ﻋﻨﺪﻣﺎ ‪) Y = 1‬أﻧﻈﺮ‬
‫اﻟﺸﻞﻜ ‪ ،(9.2‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ ﻻ ﻳﻤﻜﻨﻪ أن ﻳﺘﻮاﻓﻖ ﻣﻊ‬
‫أي ﺷﻞﻜ اﻧﺘﺸﺎر‪ ،‬وﻣﻦ اﻤﻟﺤﺘﻤﻞ أ‪ ،‬ﻳﻜﻮن ﻣﻌﺎﻣﻞ اﺤﻛﺤﺪﻳﺪ أﻗﻞ ﺑﻜﺜﺮﻴ ﻣﻦ‬
‫‪ %100‬ﻤﻟﺜﻞ ﻫﺬه اﺠﻤﺎذج )ﺣــ إذا ﺎﻛن اﺠﻤﻮذج ﻣﻘﻴﺪ ﺤﺑﻴﺚ ﺗﻘﻊ ‪ Y‬ﺑﻦﻴ‬
‫ﺻﻒ وواﺣﺪ(‪.‬‬
‫ﻫﻨﺎك ﻃﺮق ﻟﻠﺘﻐﺮب ﺒﻟ ﻫﺬه اﻤﻟﺸﺎﻞﻛ اﻤﻟﺘﻌﻠﻘﺔ ﻣﻊ ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ‪،‬‬
‫ً‬
‫وﻋﻤﻮﻣﺎ ﺗﻈﻞ ﻫﻨﺎك ﻣﺸــﻠﻜﺔ ﺟﻮﻫﺮﻳﺔ وﻲﻫ أن اﺠﻤﻮذج ﻻ ﺠﻳﺬب اﻟﻜﺜﺮﻴﻳﻦ ﻷﻧﻪ‬
‫ﻳﻔﺮﺘض ﺑﺄن ‪) Y‬أو اﻻﺣﺘﻤﺎل( ﻳﺰداد ﺑﺸــﻞﻜ ﺧﻄﻲ ﻣﻊ ‪ X‬وﻫﺬا ﻳﻌﻲﻨ أن ﺗﺄﺛﺮﻴ ‪X‬‬
‫ﻳﻈﻞ ﺛﺎﺑﺖ ﺧﻼل اﻟﻔﺮﺘة‪ ،‬وﺑﺎﺤﻛــﺎﻲﻟ ﻓﺈﻧﻪ ﻲﻓ ﻣﺜﺎل ﻣﻠﻜﻴﺔ اﻷﺮﺳة ﻤﻟﺰﻨل ﻓﺈﻧﻨﺎ ﺠﻧﺪ‬
‫ﺑﺄﻧﻪ ﻠﻛﻤﺎ زادت ‪ X‬ﺑﻮﺣﺪة واﺣــﺪة )‪ (£1000‬ﻓﺈن اﺣﺘﻤﺎ ﺔ ﻣﻠﻜﻴﺔ اﻷﺮﺳة ﻤﻟﺰﻨل‬
‫ﺗﺰداد ﺑﻤﻘﺪار ‪ ، 0.1021‬وﻫﺬه ﻲﻫ اﺤﻟﺎﻟﺔ ﻋﻨﺪﻣﺎ ﻳﻜﻮن ا ﺧﻞ ‪ £ 8000‬أو ‪£10000‬‬
‫ً‬
‫أو ‪ £80000‬وﻫــﺬا ﺑﺎﻟﻄﺒﻊ ﺨﻣﺎﻟﻒ ﻟﻠﻮاﻗﻊ‪ ،‬ﻓﻌﻨﺪﻣﺎ ﻳﻜﻮن ا ﺧﻞ ﻣﻨﺨﻔﺾ ﺟﺪا‬
‫ً‬
‫ﻓــﺈن اﻷﺮﺳة ﻟﻦ ﻳﻜﻮن ﻬﻟﺎ ﻣﺰﻨل ﻣﻠﺎﻜ ﻬﻟﺎ‪ ،‬وﻣــﺎ ﺑﻌﺪ *‪ X‬ﻓﺈن ا ﺧﻞ ﻳﻜﻮن‬
‫ﺗﺄﺛﺮﻴ ﺑﺴﻴﻂ ﺒﻟ اﺣﺘﻤﺎل ﻣﻠﻜﻴﺔ اﻤﻟﺰﻨل‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ﻲﻓ ﻛﻼ ﻧﻬﺎﻳﻲﺘ ﺗﻮزﻳﻊ ا ﺧﻞ‬
‫ً‬
‫ﻓﺈن اﺣﺘﻤﺎل ﻣﻠﻜﻴﺔ اﻤﻟﺰﻨل ﺳــﻮف ﻟﻦ ﺗﺘﺄﺛﺮ ﻋﻤﻠﻴﺎ ﺑﺰﻳﺎدة ﺑﺴﻴﻄﺔ ﻲﻓ ‪ ،X‬اﺣﺘﻤﺎل‬
‫ً‬
‫ﻣﻠﻜﻴﺔ ﻣﺰﻨل ﻻ ﺗﺮﺗﺒﻂ ﺧﻄﻴﺎ ﺑﺎ ﺧﻞ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :2 .9‬اﻻﻧﺤﺪار اﻟﺨﻄﻲ ﻋﻨﺪﻣﺎ ﯾﻜﻮن اﻟﻤﺘﻐﯿﺮ ‪ Y‬ﺛﻨﺎﺋﻲ‬
‫ﻋﻴﻮب ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ‬

‫ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ ﺳــﻬﻞ اﻻﺳــﺘﺨﺪام ﺤﻛﻘﺪﻳﺮ اﻟﻌﻼﻗﺎت وﺳــﻬﻞ ﻲﻓ‬
‫اﺤﻛﻔﺴــﺮﻴ‪ ،‬وﻧﺘﺎﺠﺋﻪ ﺳــﻮف ﺗﻨﺤﺮﺼ ﻣﺎ ﺑﻦﻴ واﺣﺪ أو ﺻﻔﺮ‪ ،‬واﻷﻛﺮﺜ أﻫﻤﻴﺔ ﻫﻮ أﻧﻪ‬
‫ﻣﻦ اﻟﺒﺴــﻴﻂ ‪ -‬وﻣﻦ ﻏﺮﻴ اﻤﻟﻨﻄﻲﻘ ‪ -‬أن ﻧﺸﺮﻴ ﺑﺄن ﻫﻨﺎك اﺣﺘﻤﺎ ﺔ ﻷﺣﺪ اﻟﻌﻤﺎل أن‬
‫ً‬
‫ﻳﻜﻮن ﻋﻀﻮا ﻲﻓ اﺤﺗﺎد اﻟﻌﻤﻞ وﻫﺬه اﻻﺣﺘﻤﺎ ﺔ إﻣﺎ أن ﺗﻜﻮن واﺣﺪ أو ﺻﻔﺮ‪ ،‬ﻓﻬﻞ‬
‫ً‬ ‫ً‬
‫ﺤﻧﻦ ﻣﺘﺄﻛﺪون ﺑﺄن اﻟﻌﺎﻣﻞ ﻟﻦ ﻳﻜﻮن أﺑﺪا ﻋﻀﻮا ﻲﻓ اﺤﺗﺎد اﻟﻌﻤﺎل أو ﺳﻮف ﻳﻜﻮن‬
‫ً‬ ‫ً‬ ‫ً‬
‫ﻋﻀﻮا داﺋﻤﺎ ﻲﻓ اﺤﺗﺎد اﻟﻌﻤﺎل؟ ﻣﻦ ﻏﺮﻴ اﻤﻟﺤﺘﻤﻞ أن ﻳﻜﻮن ذﻟﻚ ﺻﺤﻴﺤﺎ‪.‬‬
‫اﻟﺴــﺒﺐ اﻵﺧﺮ ﻫﻮ أن اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ﻳﺄﺧﺬ ﻗﻴﻤﺔ واﺣــﺪة أو ﻗﻴﻤﺘﻦﻴ ﻓﻘﻂ‪،‬‬
‫وﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻗﻴﻢ اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ )ﺛﺎﺑﺘﺔ ﻟﻞﻜ ﻋﻤﻠﻴﺔ أﺧﺬ ﻋﻴﻨﺔ( ﻓﺈن‬
‫ﺣﺪ اﺨﻟﻄﺄ ﺳــﻮف ﻳﺄﺧﺬ ﻗﻴﻤﺔ واﺣﺪة أو ﻗﻴﻤﺘــﻦﻴ ﻓﻘﻂ‪ ،‬و ﻨﺘﻴﺠﺔ ﻟﻚ ﻓﺈن ﺣﺪ‬
‫اﺨﻟﻄﺄ ﻻ ﻳﻤﻜــﻦ اﻋﺘﺒﺎره ﺑﺄﻧﻪ ﻳﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴــﻲﻌ‪ ،‬ﺑﺎﻹﺿﺎﻓﺔ ﻟﻚ ﻓﺈن ﺣﺪ‬
‫اﺨﻟﻄﺄ ﻳﺘﻐﺮﻴ ﺑﺸــﻞﻜ ﻧﻈﺎﻲﻣ ﻣﻊ ﻗﻴﻢ اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ؛ وﻫﺬا ﻳﻘﻮد اﺨﻟﻄﺄ إﻰﻟ أن‬
‫ﻳﻜﻮن ﺨﻣﺘﻠﻒ اﺤﻛﺒﺎﻳﻦ وﺑﺎﺤﻛــﺎﻲﻟ ﻓﻤﻦ اﻟﺮﻀوري أن اﻷﺧﻄﺎء اﻤﻟﻌﻴﺎرﻳﺔ اﻤﻟﻮﺛﻮﻗﺔ‬
‫ً ُ‬
‫ﺨﻣﺘﻠﻔﺔ اﺤﻛﺒﺎﻳﻦ وﻲﻫ داﺋﻤﺎ ﺗﺴﺘﺨﺪم ﻲﻓ ﺳﻴﺎق ﻧﻤﺎذج اﻤﻟﺘﻐﺮﻴات اﺤﻛﺎﺑﻌﺔ اﻤﻟﺤﺪودة‪.‬‬
‫ﻟﻚ أﻧــﻮاع ﺨﻣﺘﻠﻔﺔ ﻣﻦ اﺠﻤﺎذج ﻲﻓ اﻟﻐﺎﻟﺐ ﻳﺘﻢ اﺳــﺘﺨﺪاﻣﻬﺎ ﻟﻠﻤﺘﻐﺮﻴات‬
‫اﺤﻛﺎﺑﻌﺔ اﺨﻛﻨﺎﺋﻴﺔ وﻲﻫ اﻤﻟﺤﺪدات اﻟﻠﻮﺬﻟرﻳﺘﻤﻴﺔ أو اﻻﺣﺘﻤﺎ ﺔ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :3 .9‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟﺪاﻟﺔ اﻟﺘﻮزﯾﻊ اﻟﻠﻮﻏﺎرﯾﺘﻤﻲ‬

‫‪ 2.9‬اﻟﻨﻤﻮذج اﻟﻠﻮﻏﺎرﻳﺘﻤﻲ‬
‫ﻃﺮﻳﻘﺔ اﺠﻤــﻮذج اﻻﺣﺘﻤﺎﻲﻟ واﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘــﻲﻤ ﻳﻤﻜﻨﻬﺎ اﺤﻛﻐﻠﺐ ﺒﻟ‬
‫ﺤﻣﺪدات ‪ LPM‬اﻟﻲﺘ ﻳﻤﻜﻦ أن ﺗﺆدي إﻰﻟ اﺣﺘﻤﺎﻻت ﻣﻘﺪرة ﺳــﺎﻛﺔ أو أﻛﺮﺒ ﻣﻦ‬
‫اﻟﻮاﺣﺪ اﻟﺼﺤﻴﺢ‪ ،‬ﻫﻨﺎك ﻃﺮﻳﻘﺘﻦﻴ ﻬﻟﺬه اﺠﻤﺎذج وﻫﺎﺗﺎن اﻟﻄﺮﻳﻘﺘﺎن ﺗﺴﺘﺨﺪﻣﺎن‬
‫داﻟﺔ ﺗﻘﻮم ﺑﺘﺤﻮﻳﻞ ﻧﻤﻮذج اﻻﺤﻧﺪار ﺑﻜﻔﺎءة ﺤﺑﻴﺚ ﺗﺼﺒﺢ اﻟﻘﻴﻢ اﻤﻟﺘﻨﺎﺳﺒﺔ ﺗﺮﺘاوح‬
‫ً‬
‫ﻣﺎ ﺑﻦﻴ ﻓﺮﺘة )‪ ،(0،1‬ﻧﻤﻮذج اﻻﺤﻧﺪار اﻤﻟﻨﺎﺳﺐ ﺳﻮف ﻳﻈﻬﺮ ﺒﻟ ﺷﻞﻜ ﺣﺮف ‪ S‬ﺑﺪﻻ‬
‫ﻣﻦ أن ﻳﻈﻬﺮ ﺒﻟ ﺷﻞﻜ ﺧﻂ ﻣﺴﺘﻘﻴﻢ ﻛﻤﺎ ﺎﻛﻧﺖ ﻋﻠﻴﻪ اﺤﻟﺎﻟﺔ ﻲﻓ ‪.LPM‬‬
‫ﺠﺄﺧﺬ ﻲﻓ اﻻﻋﺘﺒــﺎر اﻵن ﻧﻤﻮذج ﻳﻤﺜﻞ ﻣﻠﻜﻴﺔ اﻤﻟﻨــﺎزل ﺣﻴﺚ أن ‪ P‬ﻳﻤﺜﻞ‬
‫ً‬
‫اﺣﺘﻤﺎل أن اﻷﺮﺳة ﺗﻤﻠﻚ ﻣﺰﻨﻻ‪ ،‬أي ﺑﻌﺒﺎرة أﺧﺮى )‪:P(Y = 1‬‬
‫ُ‬
‫ﺣﻴﺚ أن ‪ ، exp-(X) = eX‬اﻤﻟﻌﺎدﻟﺔ ‪ 9.1‬ﺗﺴــﻰﻤ ﻣﻌﺎدﻟﺔ اﺤﻛﻮزﻳﻊ اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ‪،‬‬
‫و ﻤﺎ ﻫﻮ ﻣﻌﺮوض ﻲﻓ اﻟﺸــﻞﻜ ‪ 9.3‬ﻓﺈن اﻤﻟﻌﺎدﻟﺔ ‪ 9.1‬ﺗﺴــﻤﺢ ﻟﻠﻤﺘﻐﺮﻴ ‪ P‬ﻜﻮن ذو‬
‫ﻗﻴﻤﺔ ﺗﺮﺘاوح ﻣﺎ ﺑﻦﻴ ‪ 0‬و ‪ 1‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈﻧﻨﺎ ﻧﺘﻐﻠﺐ ﺒﻟ واﺣﺪة ﻣﻦ اﻤﻟﺸﺎﻞﻛ اﻤﻟﺘﻌﻠﻘﺔ‬
‫ﻣﻊ ﻧﻤﻮذج اﻻﺣﺘﻤﺎل اﺨﻟﻄﻲ‪ ،‬ﻓﺈذا ﺎﻛﻧــﺖ ‪ P‬اﺣﺘﻤﺎ ﺔ ﻣﻠﻜﻴﺔ ﻣﺰﻨل‪ ،‬ﻓﺈن )‪(1-p‬‬
‫اﺣﺘﻤﺎل ﻋﺪم ﻣﻠﻜﻴﺔ ﻣﺰﻨل‪.‬‬
‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن ﺑﺎﺳــﺘﺨﺪام اﻤﻟﻌﺎدﻟﺔ ‪ 9.1‬واﻤﻟﻌﺎدﻟﺔ ‪ 9.2‬ﻳﻤﻜﻨﻨﺎ ﻛﺘﺎﺑﺔ اﻤﻟﻌﺎدﻟﺔ‬

‫وﺑﺄﺧﺬ اﻟﻠﻮﺬﻟرﻳﺘﻢ اﻟﻄﺒﻴﻲﻌ‪:‬‬
‫وذﻟﻚ ﻷن ‪ln(eX) = Xlne = X‬‬

‫ُ‬
‫اﻟﻄﺮف اﻷﻳﺮﺴ ﻣﻦ اﻤﻟﻌﺎدﻟﺔ ‪ 9.3‬ﻳُﺴﻰﻤ اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ واﻤﻟﻌﺎدﻟﺔ ﺑﺎﻟﺎﻜﻣﻞ ﺗﺴﻰﻤ‬
‫اﻤﻟﻌﺎدﻟﺔ اﻟﻠﻮﺬﻟرﻳﺘﻤﻴــﺔ‪ ،‬واﻟﻄﺮف اﻷﻳﺮﺴ ﻫﻮ ﻋﺒﺎرة ﻋــﻦ ﻟﻮﺬﻟرﻳﺘﻢ اﺣﺘﻤﺎل أن‬
‫اﻷﺮﺳة ﺗﻤﺘﻠﻚ ﻣﻘﺎﺑﻞ اﺣﺘﻤﺎل ﻋﺪم ﻣﻠﻜﻴﺘﻬﺎ ﻤﻟﺰﻨل‪ ،‬وﻫﺬا ﻳُﻄﻠﻖ ﻋﻠﻴﻪ ﻟﻮﺬﻟرﻳﺘﻢ‬
‫ﻧﺴﺒﺔ اﻻﺣﺘﻤﺎل‪ ،‬وﻣﻦ اﻟﻄﺒﻴﻲﻌ أن اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﺑﺎﻤﻟﻌﺎدﻟﺔ ‪ 9.3‬ﻗﺪ ﻳﺘﻮﺳﻊ‬
‫ﺤﻟﺎﻻت ﺗﺘﻀﻤﻦ ﻣﺘﻐﺮﻴات ﻣﺘﻌﺪدة‪:‬‬
‫‪ 3.9‬ﺗﻄﺒﻴﻖ اﻟﻨﻤﻮذج اﻟﻠﻮﻏﺎرﻳﺘﻤﻲ‬

‫اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﺑﺎﻤﻟﻌﺎدﻟﺔ ‪ - 9.3‬ﺣﻴﺚ ﻳﻜﻮن ا ﺧﻞ ﻳﺴــﺎوي آﻻف‬
‫اﺠﻟﻨﻴﻬﺎت اﻻﺳــﺮﺘ ﻨﻴﺔ ‪ -‬ﺗﻢ ﺗﻄﺒﻴﻘﻪ ﺒﻟ ﺑﻴﺎﻧﺎت اﻟﺸــﻞﻜ ‪) 1.9‬ﺣﺰﻣﺔ ﻛﻤﺒﻴﻮﺗﺮ‬
‫ﺗﺴﺘﺨﺪم ﻃﺮﻳﻘﺔ ﻳُﺴﻰﻤ ”اﻷرﺟﺤﻴﺔ اﻟﻌﻈﻰﻤ“ ﺤﻟﺴﺎب اﻤﻟﻌﺎﻣﻼت اﻟﻠﻮﺬﻟرﻳﺘﻤﻴﺔ(‬
‫ﺣﻴﺚ ﺎﻛن اﺠﻤﻮذج اﺠﺎﺗﺞ ﻫﻮ‪:‬‬
‫اﻷﺮﺳة اﻷو ﻲﻓ اﻟﺸــﻞﻜ ‪ 1.9‬ﻬﻟﺎ دﺧﻞ ﻳﺴــﺎوي ‪ 8,000‬ﺟﻨﻴﻪ إﺳــﺮﺘ ﻲﻨ‬

‫)‪ (X = 8‬وﺑﺎﺤﻛﻌﻮﻳﺾ ﺑﻘﻴﻤﺔ ‪ X‬ﻲﻓ اﻤﻟﻌﺎدﻟﺔ ‪ 9.4‬ﺳﻮف ﺤﻧﺼﻞ ﺒﻟ‪:‬‬
‫وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن‬
‫اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘــﻲﻤ ﻳُﻘﺪر ﺑﺄن ﻫﻨﺎك اﺣﺘﻤﺎل ﺑﻨﺴــﺒﺔ ‪ 0.2641‬ﺑﺄن ﻫﺬه‬

‫اﻷﺮﺳة ﺗﻤﻠﻚ ﻣﺰﻨﻬﻟﺎ اﺨﻟﺎص ﺑﻬﺎ‪.‬‬
‫ﻣﻦ اﻤﻟﺤﺘﻤﻞ ﺣﺴــﺎب اﺤﻛﻐﺮﻴ ﻲﻓ اﺣﺘﻤﺎل ﻣﻠﻜﻴﺔ ﻣﺰﻨل ﻣــﻊ زﻳﺎدة ا اﺧﻞ‬
‫ﺑﻤﻘﺪار وﺣﺪة واﺣﺪة )‪ 1,000‬ﺟﻨﻴﻪ إﺳــﺮﺘ ﻲﻨ( ﻬﻟﺬه اﻷﺮﺳة اﻟﻲﺘ دﺧﻠﻬﺎ اﺤﻟﺎﻲﻟ‬
‫‪ 8,000‬ﺟﻨﻴﻪ إﺳﺮﺘ ﻲﻨ‪.‬‬
‫اﺤﻛﻐﺮﻴ ﻲﻓ اﻻﺣﺘﻤﺎل ﻳﺘﻢ إﻋﻄﺎؤه ﺑﻮاﺳﻄﺔ‪:‬‬
‫ﻲﻨ ﻓﺈن ذﻟﻚ ﻳﻌﻲﻨ أن ‪%1.39‬‬ ‫إذا زاد دﺧﻞ اﻷﺮﺳة ﺑﻤﻘﺪار ‪ 1,000‬ﺟﻨﻴﻪ إﺳﺮﺘ‬
‫ً‬
‫زﻳﺎدة ﻲﻓ ﻓﺮﺻــﺔ ﺣﺼﻮﻬﻟﻢ ﺒﻟ ﻣﺰﻨل‪ ،‬ﻫﺬا اﻻﺣﺘﻤﺎل اﻹﺿﺎﻲﻓ ﻟﻴﺲ ﺛﺎﺑﺘﺎ وﻟﻜﻦ‬
‫ﻳﺘﻐﺮﻴ ﻣﻊ ﺗﻐﺮﻴ ﻣﺴﺘﻮﻳﺎت ا ﺧﻞ‪ ،‬اﺠﻤﻮذج اﻟﺴﺎﺑﻖ ﺎﻛن ﻋﻴﺐ ﻣﻦ ﻋﻴﻮب ﻧﻤﻮذج‬
‫اﻻﺣﺘﻤﺎل اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ‪.‬‬
‫‪ 4.9‬اﻟﻨﻤﻮذج اﻟﻠﻮﻏﺎرﻳﺘﻤﻲ ﻓﻲ ‪EViews‬‬

‫ﻲﻓ ﺑﺪاﻳﺎت اﺳﺘﺨﺪام اﻟﺮﺒاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ ﺎﻛن اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﻳﺘﻢ اﺳﺘﺨﺪاﻣﻪ‬
‫ً‬
‫ﻻﺧﺘﺒﺎر أي ﻣﻦ أﻧﻮاع اﻟﺴــﻤﺎد ﻣﻨﺎﺳــﺒﺎ ﻟﻠﻤﺰارﻋﻦﻴ ﻲﻓ اﻟﻔﻠﺒﻦﻴ‪ ،‬و ن اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ‬
‫اﻤﻟﻄﻠﻮب اﺧﺘﺒﺎره ﻫﻮ ‪ FERUSE‬وﻫﻮ ﻣﺘﻐﺮﻴ ﺛﻨﺎ ﻳﺴــﺎوي ‪ 1‬إذا ﺗﻢ اﺳﺘﺨﺪام اﻟﺴﻤﺎد‪،‬‬
‫وﻳﺴﺎوي ‪ 0‬ﻲﻓ ﺑﺎﻲﻗ اﺤﻟﺎﻻت اﻷﺧﺮى‪ ،‬و ﻧﺖ اﻤﻟﺘﻐﺮﻴات اﺤﻛﻨﺒﺆﻳﺔ )اﻤﻟﺴﺘﻘﻠﺔ( ﻲﻫ‪:‬‬
‫< ‪ CREDIT‬ﻣﺒﻠﻎ اﻻﺋﺘﻤﺎن )ﻟﻞﻜ ﻫﻜﺘﺎر( ا ي ﺠﻳﺐ ﺒﻟ اﻤﻟﺰارﻋﻦﻴ اﺤﻟﺼﻮل ﻋﻠﻴﻪ‪.‬‬
‫< ‪ DMARKET‬ﻣﺴﺎﻓﺔ اﻤﻟﺰرﻋﺔ ﻣﻦ أﻗﺮب ﺳﻮق‪.‬‬
‫< ‪ HOURMEET‬ﻋﺪد اﻟﺴﺎﺨت اﻟﻲﺘ ﻳﻘﻀﻴﻬﺎ اﻤﻟﺰارع ﻣﻊ ﺧﺒﺮﻴ زراﻲﻋ‪.‬‬
‫< ‪ IRSTAT‬ﻣﺘﻐﺮﻴ وﻫﻲﻤ = ‪ 1‬إذا ﺗﻢ اﺳﺘﺨﺪام اﻟﺮي‪ 0 = ،‬ﻲﻓ اﺤﻟﺎﻻت اﻷﺧﺮى‪.‬‬
‫< ‪ OWNER‬ﻣﺘﻐﺮﻴ وﻫﻲﻤ = ‪ 1‬إذا ﺎﻛن اﻤﻟﺰارع ﻳﻤﻠﻚ اﻷرض‪ 0 = ،‬ﻲﻓ اﺤﻟﺎﻻت اﻷﺧﺮى‪.‬‬
‫ﺗﻢ اﺳــﺘﺨﺪام ﺑﻴﺎﻧﺎت ‪ 491‬ﻣﺰرﻋــﺔ ﻲﻓ ﻣﻠﻒ اﻛﻴﺎﻧﺎت اﻤﻟﺴــﻰﻤ ‪LOGIT‬‬
‫‪) FERTILISER‬ﻫﻨﺎك ﻣﺘﻐﺮﻴ إﺿﺎﻲﻓ وﻫﻮ ‪ QFER‬وﻫﻮ ﻳﺴــﺠﻞ ﻛﻤﻴﺔ اﻟﺴــﻤﺎد‬
‫اﻤﻟﺴــﺘﺨﺪم إذا اﺣﺘﺎﺟﺖ اﻤﻟﺰرﻋﺔ ﻻﺳﺘﺨﺪام اﻟﺴــﻤﺎد(‪ ،‬اﻛﻴﺎﻧﺎت ﺗﻢ اﺳﺘﺮﻴادﻫﺎ‬
‫ﻟﺮﺒﻧﺎﻣﺞ ‪ EViews‬ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫اﻟﺸﻜﻞ ‪ :4 .9‬اﻟﺒﯿﺎﻧﺎت اﻟﺨﺎم ﺑﻤﻠﻒ ‪EViews‬‬

‫…‪File‬‬
‫… ‪Open‬‬
‫‪Foreign Data as Workfile‬‬
‫وذﻟﻚ ﻟﻠﺤﺼﻮل ﺒﻟ اﻟﺸــﻞﻜ ‪ ،9.4‬وﺤﻟﺴــﺎب اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ وا ي‬
‫ﻳﺘﻀﻤﻦ ﻤﺧﺲ ﻣﺘﻐﺮﻴات ﻣﺴﺘﻘﻠﺔ ا ي ﺳﺒﻖ ﺮﺷﺣﻪ ﻲﻓ اﻟﺼﻔﺤﺔ اﻟﺴﺎﺑﻘﺔ أﻧﻘﺮ ﺒﻟ‪:‬‬
‫‪Quick‬‬
‫وا ي ﻳﻌﺮض ﻣﺮﺑﻊ اﺤﻟﻮار ﻲﻓ اﻟﺸﻞﻜ ‪.5.9‬‬
‫ﻻﺣﻆ ﺑﺄن اﻟﺸــﻞﻜ ‪ 5.9‬ﻫﻨﺎك اﺨﻟﻴﺎر ‪ Method‬ﺗﺄﻛﺪ ﻣﻦ اﺧﺘﻴﺎر ‪BINARY‬‬
‫)‪ - Binary Choice (Logit, Probit, Extreme, Value‬وأن اﻤﻟﺸــﺎﻫﺪات ﺗــﻢ‬
‫اﺧﺘﻴﺎرﻫﺎ ﻣﻦ أول ﻣﺸﺎﻫﺪة وﺣ اﻤﻟﺸــﺎﻫﺪة ‪ 491‬ﺗﻢ ﺗﻀﻤﻴﻨﻬﺎ ﻲﻓ اﺤﻛﺤﻠﻴﻞ‪ ،‬ﻣﻦ‬
‫اﻟﺮﻀوري اﻵن إدﺧﺎل أﺳﻤﺎء ﻣﺘﻐﺮﻴات ا راﺳﺔ وﺗﻜﻮن اﻛﺪاﻳﺔ ﺑﺎﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ‬
‫‪ FERUSE‬ﻛﻤﺎ ﻫﻮ ﻣﻌﺮوض ﻲﻓ اﻟﺸــﻞﻜ ‪ 6.9‬ﻛﻤﺎ ﻗﻤﻨﺎ ﺑﺘﻀﻤﻦﻴ اﺤﻛﻘﺎﻃﻊ اﻤﻟﺤﺘﻤﻞ‬
‫وا ي ﻳُﺮﻣﺰ داﺋﻤﺎ ﺑﺎﺤﻟﺮف ‪ C‬ﺑﺮﺒﻧﺎﻣﺞ ‪.EViews‬‬
‫ً‬
‫ﺗﺄﻛــﺪ ﻣﻦ أن اﻻﺧﺘﻴــﺎرات ﻗﺪ ﺗﻤﺖ وﻓﻘﺎ ﻤﻟﺎ ﻫﻮ ﻣﻌﺮوض ﻲﻓ اﻟﺸــﻞﻜ ‪6.9‬‬
‫ﺤﺑﻴﺚ ﺗﻢ اﺧﺘﻴﺎر ًاﺨﻟﻴــﺎر ‪ Binary‬ﻲﻓ ﻣﺮﺑﻊ اﺨﻟﻴــﺎر ‪ Method‬ﻷن ﻫﺬه اﻟﻌﻤﻠﻴﺔ‬
‫ُ‬
‫ﺗﺴــﻰﻤ اﻓﺮﺘاﺿﻴﺎ ﺑﻮاﺳﻄﺔ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺑﺎﻟﻄﺮﻳﻘﺔ اﻟﻠﻮﺬﻟرﻳﺘﻤﻴﺔ‪ ،‬ﺛﻢ اﻧﻘﺮ ‪OK‬‬
‫ﺞ اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.9.7‬‬
‫ﻟﻠﺤﺼﻮل ﺒﻟ اﺠﺘﺎﺋﺞ‬
‫اﻟﺸﻜﻞ ‪ :5 .9‬ﺗﻘﺪﯾﺮ اﻟﻤﻌﺎدﻟﺔ ﻓﻲ ﻣﺮﺑﻊ ﺣﻮار ‪EViews‬‬

‫اﻟﺸﻜﻞ ‪ :6 .9‬اﻧﮭﺎء ﺗﻘﺪﯾﺮ اﻟﻤﻌﺎدﻟﺔ ﻓﻲ ﻣﺮﺑﻊ اﻟﺤﻮار‬
‫وﺑﺎﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر اﺧﺘﺒﺎر ﻃــﺮف واﺣﺪ ﻣﻦ ﻣﻨﺤﻰﻨ اﺤﻛﻮزﻳﻊ )أي ﺑﻤﻌﻲﻨ‬

‫ﻣﺴــﺘﻮى ا ﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ‪ %5‬أو ‪ (0.05‬ﻟﻞﻜ اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴــﺘﻘﻠﺔ اﺨﻟﻤﺴﺔ‬
‫واﺤﻛﻘﺎﻃﻊ وﻲﻫ ﻠﻛﻬﺎ ذات دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ )أي ﺑﻤﻌﻲﻨ أﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪:H0‬‬
‫اﻻﺤﻧﺪار ﻳﺴﺎوي ﺻﻔﺮ( اﻤﻟﺴﺎﻓﺔ ﻷﻗﺮب ﺳﻮق )‪ (DMARKET‬ﻛﻤﺎ ﻛﻨﺎ ﻧﺘﻮﻗﻊ ﻬﻟﺎ‬
‫ﺗﺄﺛﺮﻴ ﺳﺎﻟﺐ ﺒﻟ اﺣﺘﻤﺎ ﺔ اﺳﺘﺨﺪام اﻟﺴﻤﺎد ﻷن زﻳﺎدة اﻤﻟﺴﺎﻓﺔ إﻰﻟ اﻟﺴﻮق ﺗﺆدي‬
‫إﻰﻟ زﻳﺎدة ﻲﻓ ﺗﻜﺎ ﻒ اﺠﻘﻞ إﻰﻟ اﻤﻟﺰرﻋﺔ وﻫﺬه اﺤﻛﺎﻜ ﻒ ﺗﻤﺜﻞ ﺨﺋﻖ‪ ،‬واﺳﺘﺨﺪام‬
‫ﺗﺄﺛﺮﻴ ﻣﻮﺟﺐ‪ ،‬ﻓﺎﻤﻟﺰارﻋﻮن ا ﻳﻦ ﻳﺴــﺘﺨﺪﻣﻮن اﻟﻄﺮق اﺤﻟﺪﻳﺜﺔ‬ ‫اﻟﺮي ‪IRSTAT‬‬
‫ﻲﻓ اﻟﺮي ﻣﻦ اﻤﻟﺤﺘﻤﻞ أن ﻳﺴﺘﺨﺪﻣﻮا اﻟﺴﻤﺎد‪.‬‬

‫اﻟﺸﻜﻞ ‪ :7 .9‬ﻧﺘﺎﺋﺞ اﻟﻨﻤﻮذج اﻟﻠﻮﻏﺎرﯾﺘﻤﻲ ﺑﺒﺮﻧﺎﻣﺞ ‪EViews‬‬

‫اﺠﺘﺎﺋﺞ اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸــﻞﻜ ‪ 9.7‬ﺗﺘﻀﻤﻦ إﺣﺼﺎﺋﻴﺔ اﻷرﺟﺤﻴﺔ اﻟﻌﻈﻰﻤ ‪LR‬‬
‫‪ Statistic‬وﻫــﺬه اﻹﺣﺼﺎﺋﻴﺔ ﺨﺗﺘﺮﺒ ﻓﺮﺿﻴﺔ اﻟﻌﺪم اﻟﻘﺎﺋﻠﺔ ﺑﺄن اﻻﺤﻧﺪار ﻳﺴــﺎوي‬
‫ﺻﻔﺮ‪ ،‬وﻣﻦ اﻟﻄﺒﻴﻲﻌ ﺤﻧﻦ ﻧﺘﻤﻰﻨ رﻓﺾ ﻓﺮض اﻟﻌﺪم وﻫﺬا ﻣﺎ ﻧﻔﻌﻠﻪ ﻫﻨﺎ‪ ،‬ﺣﻴﺚ أن‬
‫‪ LR = 103.16‬ﻣﻊ اﺣﺘﻤﺎ ﺔ ‪ Prob = 0.000‬وﻫﺬه اﻻﺣﺘﻤﺎ ﺔ ذات دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ‬
‫ﻣﺮﺗﻔﻌﺔ‪ ،‬ﻛﻤﺎ أن ‪ R2‬ﻤﻟﺎﻛﻔﺪن ﺑﺎﺳﻴﺪو ‪ McFeadden’s pseudo R-squared‬ﺗﻘﻊ‬
‫ُ‬
‫ﻣــﺎ ﺑﻦﻴ ‪ 0‬و ‪ 1‬وﻟﻜﻨﻬﺎ ﻻ ﺗﻘﺎرن ﻣﻊ ﻣﻌﺎﻣــﻞ اﺤﻛﺤﺪﻳﺪ ﻲﻓ اﻻﺤﻧﺪار اﻤﻟﺘﻌﺪد )ﻓﻲﻬ‬
‫ﺗﺮ ﺰ ﺒﻟ ﻛﻴﻒ ﺗﺰﻳﺪ اﻟﻨﺴــﺒﺔ اﺤﻛﻔﺴــﺮﻴﻳﺔ ﻲﻓ ﺣﺎﻟﺔ إﺿﺎﻓﺔ ﻣﺘﻐﺮﻴ أو ﻣﺘﻐﺮﻴات‬
‫أﺧﺮى إﻰﻟ اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ(‪.‬‬
‫ﻣﻦ اﻟﺸﻞﻜ ‪ 7.9‬ﻓﺈن ﻣﻌﺎدﻟﺔ اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﻲﻫ‪:‬‬
‫ﻓﻌﻰﻠ ﺳــﺒﻴﻞ اﻤﻟﺜﺎل إذا ﺎﻛﻧﺖ اﺠﺘﺎﺋﺞ ﻤﻟﺰرﻋــﺔ ﻣﻌﻴﻨﺔ ‪HOURMEET = 30 ،‬‬
‫‪ DMARKET = 6 ، CREDIT = 200 ، IRSTAT = 1 ، OWNER = 1‬ﻓﺈن اﻤﻟﻌﺎدﻟﺔ‬
‫اﻟﺴﺎﺑﻘﺔ ﺗﻜﻮن‪:‬‬
‫اﻟﺸﻜﻞ ‪ :8 .9‬ﺟﺪول اﻟﺘﻨﺒﺆات‬

‫ً‬
‫ﻫﻨﺎك ﻓﺮﺻﺔ ﺗﻌﺎدل ﺣﻮاﻲﻟ ‪ %71‬ﺑﺄن ﻣﺰارع ﻣﻌﻦﻴ ﺳﻮف ﻳﻜﻮن ﻣﺴﺘﺨﺪﻣﺎ‬
‫ﻟﻠﺴﻤﺎد‪ ،‬ﻗﺪ ﻳﺘﻢ إﺟﺮاء ﺗﻘﺪﻳﺮ أﻛﺮﺜ ﻤﻟﺪى ﻟﻜﻔﺎءة اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ‪ ،‬ﻲﻓ اﻟﺸﻞﻜ‬
‫‪ 9.7‬أﻧﻘﺮ ﺒﻟ‪:‬‬
‫…‪View‬‬
‫‪Expectation-Prediction Evaluation‬‬
‫ﺳﻮف ﺤﻧﺼﻞ ﺒﻟ اﺠﺘﺎﺋﺞ اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ ، 9.8‬ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺳﻮف‬

‫ﻳﺴــﺄﻟﻚ أن ﺤﺗﺪد ﻗﻴﻤﺔ ﺣﺪ اﺤﻛﻨﺒﺆ وﻲﻫ ﻻ ﺑﺪ أن ﺗﻘﻊ ﻣﺎ ﺑﻦﻴ ‪ 0‬و ‪ ،1‬ﺳــﻮف ﺨﻧﺘﺎر‬
‫اﺣﺘﻤﺎل ﻳﺴــﺎوي ‪ 0.5‬ﻛﻘﻴﻤﺔ ﺤﻟﺪ اﺤﻛﻨﺒﺆ‪ ،‬ﻞﻛ ﻣﺸﺎﻫﺪة ﺳﻮف ﻳﺘﻢ ﺗﺼﻨﻴﻔﻬﺎ و ﺄن‬
‫ﻬﻟﺎ اﺣﺘﻤــﺎل ﻣﺘﻮﻗﻊ ﻳﻘﻊ أﻛﺮﺒ ﻣــﻦ أو أﻗﻞ ﻣﻦ ﺣﺪ اﺤﻛﻨﺒــﺆ‪ ،‬أي ﺑﻤﻌﻲﻨ إذا ﺎﻛن‬
‫اﺤﻛﻨﺒﺆ أﻛﺮﺒ ﻣﻦ ‪ 0.5‬وﺳــﻮف ﻧﻔﺮﺘض ﺑﺄﻧﻪ ﻣﻦ اﻤﻟﺤﺘﻤﻞ ﺑﺄن اﻤﻟﺰارع ﻲﻓ اﻤﻟﺠﻤﻮﻋﺔ‬
‫‪ ، FERUSE = 1‬ﻲﻓ اﻟﺸﻞﻜ ‪ 8.9‬ﻳُﻔﺮﺘض أن ﻧﺮ ﺰ ﺒﻟ أﺒﻟ ﻳﺴﺎر اﺠﻟﺪول وﺑﺎﺤﻛﺤﺪﻳﺪ‬
‫ﺤﺗﺖ اﻟﻌﻨﻮان اﻤﻟﻌﺎدﻟﺔ اﻤﻟﻘﺪرة ‪ ، Estimated Equation‬ﺣﻴﺚ ﻳﺘﻀﺢ ﻣﻦ اﺠﻟﺪول‬
‫ﺑــﺄن ‪ 266‬ﻣــﺰارع ﻲﻓ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ﻳﺴــﺎوي ﺻﻔﺮ‪ ،‬أي ﺑﻤﻌــﻲﻨ أن اﻤﻟﺠﻤﻮﻋﺔ‬
‫‪ FERUSE = 0‬أي أﻧﻬﻢ ﻻ ﻳﺴــﺘﺨﺪﻣﻮن اﻟﺴﻤﺎد‪ ،‬وأن ‪ 183‬ﻣﻦ ﻫﺆﻻء اﻤﻟﺰارﻋﻦﻴ‬
‫ُ‬
‫ﺎﻛﻧﺖ ﺗﻮﻗﻌﺎت اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﺗﺸــﺮﻴ ﺑﺄﻧﻬﻢ ﻣﻦ اﻤﻟﺤﺘﻤﻞ أن ﻳﺴــﺘﺨﺪﻣﻮا‬
‫اﻟﺴــﻤﺎد ﺑﻨﺴــﺒﺔ أﻗﻞ ﻣﻦ ﺣﺪ اﺤﻛﻨﺒــﺆ ‪ ، 0.5‬وﺑﺎﺤﻛﺎﻲﻟ ﻓــﺈن ‪ (%68.05) 181‬ﻣﻦ‬
‫اﻤﻟﺰارﻋــﻦﻴ ﻫﻢ ﺿﻤﻦ اﻤﻟﺠﻤﻮﻋﺔ ‪ FERUSE = 0‬و ﻧﺖ اﺤﻛﻮﻗﻌﺎت ﺻﺤﻴﺤﺔ‪ ،‬و ﻤﺎ‬
‫ً‬
‫ﺧﻄﺎء ﺑﻮاﺳﻄﺔ اﺠﻤﻮذج‬ ‫ﻫﻮ ﻣﻌﺮوض ﻲﻓ اﻟﺸﻞﻜ ‪ 8.9‬ﻓﺈن ‪ %31.95‬ﺎﻛﻧﻮا ﻗﺪ ُﺻ ِﻨﻔﻮا‬
‫اﻟﻠﻮﺬﻟرﻳﺘــﻲﻤ ﺿﻤﻦ اﻤﻟﺠﻤﻮﻋــﺔ ‪ ، FERUSE = 0‬وﺑﺎﻤﻟﺜﻞ ﺎﻛن ﻫﻨﺎك ‪ 225‬ﻣﺰارع‬
‫ﺿﻤﻦ ﻓﺌﺎت اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ا ي ﻳﺴــﺎوي ‪ ، 1‬أي ﺑﻤﻌﻲﻨ أن ‪ ،FERUSE = 1‬وﻫﻨﺎك‬
‫‪ 160‬ﻣــﺰارع )أي ﺣﻮاﻲﻟ ‪ (%71.11‬ﻳﻬﻢ اﺣﺘﻤﺎ ﺔ أﻛﺮﺒ ﻣﻦ ﻧﻘﻄﺔ ﺣﺪ اﺤﻛﻨﺒﺆ ‪0.5‬‬
‫ً‬
‫و ﻧﻮا ﺑﺎﺤﻛﺎﻲﻟ ﺗﻢ ﺗﺼﻨﻴﻔﻬﻢ ﺑﺸﻞﻜ ﺻﺤﻴﺢ‪ ،‬وﻋﻤﻮﻣﺎ ﻓﺈن ‪ 341‬ﻣﺰارع )‪(160 + 181‬‬
‫ﺗﻢ ﺗﺼﻨﻴﻔﻬﻢ ﺑﺸــﻞﻜ ﺻﺤﻴﺢ ﺿﻤﻦ ﺠﻣﻤﻮﺨت ‪ FERUSE = 0‬أو ‪FERUSE = 1‬‬
‫وﻫﺬا ﻣﻌﺪل ﺠﻧﺎح ﺨم ﺑﻤﻌﺪل ‪ 342‬ﻣﻦ ‪ 491‬ﻣﺰارع أو ﺑﻨﺴﺒﺔ ‪.%69.45‬‬
‫ﻳﻤﻜﻨﻜــﻢ اﺤﻟﺼﻮل ﺒﻟ ﻣﻌﻠﻮﻣﺎت ﺣﻮل ﻣﺎ إذا ﺎﻛن ﻞﻛ ﻣﺰارع ﺗﻢ ﺗﺼﻨﻴﻔﻪ‬
‫ﺿﻤﻦ اﻤﻟﺠﻤﻮﻋﺔ اﻟﺼﺤﻴﺤﺔ أو ﻻ ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ‪:‬‬
‫‪View. . .‬‬
‫‪Actual, Fitted, Residual. . .‬‬
‫‪Actual, Fitted, Residual, Table‬‬
‫ُ‬
‫وذﻟﻚ ﻟﻠﺤﺼﻮل ﺒﻟ ﻧﺘﺎﺋﺞ اﻟﺸــﻞﻜ ‪ ،9.9‬ﺗﺸــﺮﻴ اﺠﺘﺎﺋﺞ ﺑﺄن اﻤﻟﺰارع رﻗﻢ ‪1‬‬
‫ﺗﻢ ﺗﺼﻨﻴﻔﻪ ﺿﻤﻦ اﻤﻟﺠﻤﻮﻋﺔ ‪ FERUSE = 0‬واﺣﺘﻤﺎ ﺔ اﺳــﺘﺨﺪاﻣﻪ ﻟﻠﺴﻤﺎد ﺗﻢ‬
‫ﻋﺮﺿﻬﺎ ﺑﻮاﺳﻄﺔ اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﺗﺴﺎوي ‪ 0.22717‬وﻲﻫ أﻗﻞ ﻣﻦ ﺣﺪ اﺤﻛﻨﺒﺆ‬
‫ً‬
‫‪ 0.5‬وﺑﺬﻟــﻚ ﻓﺈن ﻫﺬا اﻤﻟﺰارع ﺗﻢ ﺗﺼﻨﻴﻔﻪ ﺑﺸــﻞﻜ ﺻﺤﻴﺢ‪ ،‬وﻋﻤﻮﻣﺎ ﻓﺈن اﻤﻟﺰارع‬
‫‪ 4‬ﻳﻘﻊ ﺿﻤﻦ ﺠﻣﻤﻮﻋﺔ ‪ FERUSE = 0‬وﻟﻜــﻦ اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﻳﺘﻮﻗﻊ ﺑﺄن‬
‫اﺣﺘﻤﺎل اﺳــﺘﺨﺪاﻣﻪ ﻟﻠﺴﻤﺎد ﻲﻫ ‪ 0.84673‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﺈن اﺠﻤﻮذج ﻳﺘﻮﻗﻊ ﺑﺄن ﻫﺬا‬
‫اﻤﻟﺰارع ﻳُﻔﺮﺘض ﺑﺄن ﻳﻜﻮن ﺿﻤﻦ اﻤﻟﺠﻤﻮﻋﺔ ‪ FERUSE = 1‬وﻫﺬا اﺤﻛﺼﻨﻴﻒ ﻏﺮﻴ‬
‫ﺻﺤﻴﺢ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :9 .9‬ﻣﺠﻤﻮﻋﺎت اﻟﺘﻨﺒﺆ ﻟﻜﻞ ﻣﺰارع‬

‫وﺤﻛﻘﻴﻴــﻢ ﻣﺪى ﻛﻔﺎءة اﺠﻤﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ‪ ،‬ﻫﻨﺎك اﺧﺘﺒﺎر ﺗﻮاﻓﻖ ﻫﻮﺳــﻤﺮ‬
‫ﻤﻟﺸﻮ ‪ Hosmer-Lemeshow (HL) goodness of fit test‬وا ي ﻳﻤﻜﻦ اﻟﻘﻴﺎم‬
‫ﺑﻪ ﻣﻦ ﺧﻼل اﺠﻘﺮ ﺒﻟ‪:‬‬
‫… ‪View‬‬
‫… )‪Goodness-of-Fit Test (Hosmer-Lemeshow‬‬
‫ﻟﻼﺧﺘﺼــﺎر ﻓﺈن اﺧﺘﺒﺎر ‪ HL‬ﻓﺮﺿﻴﺔ اﻟﻌﺪم اﺨﻟﺎﺻﺔ ﺑﻪ وﻲﻫ ‪ : H0‬اﺠﻤﻮذج‬
‫ﻳﺘﻨﺒﺄ ﺑﺪرﺟﺔ ﺎﻛﻓﻴــﺔ ﺑﺎﻤﻟﺠﻤﻮﻋﺔ اﻟﻲﺘ ﻳﻨﺘﻲﻤ إ ﻬﺎ اﻤﻟــﺰارع‪ ،‬وﻳﺘﻢ رﻓﺾ ﻓﺮﺿﻴﺔ‬
‫اﻟﻌﺪم ﻲﻓ ﺣﺎﻟﺔ أن ﻣﺴــﺘﻮى اﻤﻟﻌﻨﻮﻳﺔ أﻗﻞ ﻣﻦ ‪ %5‬أو ‪ ،0.05‬و اﻤﻟﺜﺎل اﻟﺴــﺎﺑﻖ‬

‫وﺟﺪﻧﺎ ﺑــﺄن ‪ HL = 8.3028‬وﻲﻫ ذات دﻻﻟﺔ إﺣﺼﺎﺋﻴﺔ ‪) 0.4045‬أﻧﻈﺮ اﻟﺸــﻞﻜ‬
‫‪ (10.9‬وﺑﺎﺤﻛــﺎﻲﻟ ﻓﺈﻧﻨﺎ ﻟــﻦ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم واﺠﻤــﻮذج اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﻳﻌﺮض‬
‫ﺑﺪرﺟﺔ ﺎﻛﻓﻴﺔ اﻛﻴﺎﻧﺎت‪.‬‬
‫اﻟﺸﻜﻞ ‪ :10 .9‬اﺧﺘﺒﺎر ﺟﻮدة اﻟﺘﻮاﻓﻖ )اﺧﺘﺒﺎر ھﻮﺳﻤﺮ‪-‬ﻟﻤﺸﻮ(‬

‫(؟‬
‫ﻧﻤﻮﺫﺝ ﻣﺘﺠﻪ ﺍﻻﻧﺤﺪﺍﺭ ﺍﻟﺬﺍﺗﻲ )‪(VAR‬‬
‫ً‬
‫ﻲﻓ ﺤﺗﻠﻴﻞ اﻻﺤﻧﺪار ﻓﺈن اﻤﻟﺘﻐﺮﻴات ا اﺧﻠﻴﺔ واﺨﻟﺎرﺟﻴﺔ ﻳﺘﻢ اﺳﺘﺨﺪاﻣﻬﺎ ﻣﻌﺎ‪،‬‬
‫اﻤﻟﺘﻐﺮﻴ ا اﺧﻲﻠ ‪ endogenous‬ﻫﻮ ﻣﺘﻐﺮﻴ )ﺗــﻢ اﺤﻟﺼﻮل ﻋﻠﻴﻪ ﻣﻦ ﺧﻼل ﻧﻤﻮذج‬
‫إﺣﺼﺎ ( ﻳﺘﻢ ﺗﻔﺴﺮﻴه ﻣﻦ ﺧﻼل اﻟﻌﻼﻗﺔ ﺑﻦﻴ دوال ﻲﻓ اﺠﻤﻮذج‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل‬
‫ﺳــﻌﺮ اﺤﻛﻌﺎدل ﻛﻀﺎﻋﺔ ﻣﻌﻴﻨﺔ ﻲﻓ ﻧﻤﻮذج اﻟﻄﻠﺐ واﻟﻌﺮض ﻫﻮ ﻣﺘﻐﺮﻴ داﺧﻲﻠ ﻷﻧﻪ‬
‫ُ‬
‫ﺤﻳﺪد ﻣﻦ ﺧــﻼل ردة اﻟﻔﻌﻞ ﺠﺗﺎه ﻃﻠﺐ اﻟﻌﻤﻴﻞ‪ ،‬ﻓــﺈذا ﺎﻛن اﻻﺠﺗﺎه اﻟﻌﺎم ﻤﻟﺘﻐﺮﻴ‬
‫واﺣﺪة ﻳﻤﻜﻦ اﺤﻛﻨﺒﺆ ﺑﻪ ﻟﻠﺤﺼﻮل ﺒﻟ ﻧﺘﻴﺠﺔ ﻣﻌﻴﻨﺔ ﻟﻠﻤﺘﻐﺮﻴ اﻵﺧﺮ ‪ -‬ﺣ و ن‬
‫ً‬
‫ﻟﻢ ﻳﻜﻦ ﻲﻓ ﻧﻔﺲ اﻻﺠﺗﺎه ‪ -‬ﻓﺈن اﺤﻛﻐﺮﻴ ﺳــﻮف ﻳﻜــﻮن ﻣﺮﺗﺒﻄﺎ ﺑﺬﻟﻚ اﻤﻟﺘﻐﺮﻴ‬
‫وﻫﺬا اﻤﻟﺘﻐﺮﻴ ﺳــﻮف ﻳﻌﺘﺮﺒ ﻣﺘﻐﺮﻴ داﺧﻲﻠ‪ ،‬و ﻣﻘﺎﺑــﻞ اﻤﻟﺘﻐﺮﻴات ا اﺧﻠﻴﺔ ﻫﻨﺎك‬
‫ُ‬
‫اﻤﻟﺘﻐﺮﻴات اﺨﻟﺎرﺟﻴﺔ واﻟﻲﺘ ﺗﻌﺘﺮﺒ ﻣﺘﻐﺮﻴات ﻣﺴــﺘﻘﻠﺔ‪ ،‬وﻫﺬا ﻳﻌﻲﻨ أن ﻣﺘﻐﺮﻴ واﺣﺪ‬
‫ﻲﻓ اﻤﻟﻌﺎدﻟﺔ ﻻ ﻳﺮﺗﺒﻂ ﻣﺒﺎﺮﺷة ﺑﺎﺤﻛﻐﺮﻴ ﻲﻓ اﻤﻟﺘﻐﺮﻴ اﻻﺧﺮ ﻣﺜﺎل ذﻟﻚ ا ﺧﻞ اﻟﺸﺨ‬
‫واﺤﻛﻔﻀﻴﻞ اﻟﺸﺨ ﻟﻸﻟﻮان أو ﻣﻌﺪل ﺳﻘﻮط اﻷﻣﻄﺎر وأﺳﻌﺎر اﻟﻐﺎز‪.‬‬
‫ُ‬
‫ﺻﻴﺎﻏﺔ اﺠﻤﻮذج اﻟﺴــﺒﻲﺒ ﺗﺴﺘﺨﺪم ﻣﻦ ﻗﺒﻞ اﻻﻗﺘﺼﺎدﻳﻦﻴ ﺤﻛﻔﺴﺮﻴ ﺨﻣﺮﺟﺎت‬
‫اﻤﻟﺘﻐﺮﻴات اﺤﻛﺎﺑﻌﺔ وﻣﻌﺮﻓﺔ إﻰﻟ أي ﺣﺪ ﻳﻤﻜﻦ ﻟﻠﻨﺘﻴﺠﺔ أن ﺗﺴــﺎﻫﻢ ﻲﻓ اﻟﺴــﺒﺐ‬
‫ا اﺧــﻲﻠ أو اﺨﻟﺎر ‪ ،‬وﻫــﺬا ﻣﻬﻢ ﻲﻓ اﻻﻗﺘﺼــﺎد اﻟﻘﻴــﺎ وﺻﻴﺎﻏﺔ اﺠﻤﺎذج‬
‫اﻻﻗﺘﺼﺎدﻳﺔ ﻷﻧﻬﺎ ﻳﻤﻜﻦ أن ﺗﻮﺿﺢ ﺑﺄن ﻣﺘﻐﺮﻴ ﻣﺎ ﻳﺆدي إﻰﻟ ﺗﺄﺛﺮﻴ ﻣﻌﻦﻴ‪ ،‬ﻓﻨﻤﺎذج‬
‫اﻤﻟﻌﺎدﻻت اﻤﻟﺰﺘاﻣﻨﺔ اﻟﻜﻼﺳــﻴﻜﻴﺔ ﺗﺘﻀﻤﻦ ﻋﺪد ‪ m‬ﻣﻦ اﻤﻟﺘﻐﺮﻴات ا اﺧﻠﻴﺔ )أي‬
‫ﺑﻤﻌﻲﻨ ﻣﺘﻐﺮﻴات ﺗﺎﺑﻌﺔ( وﺗﻨﺘﻲﻬ ﺑﻌﺪد ‪ m‬ﻣﻌﺎدﻟﺔ ﻟﻞﻜ ﻣﺘﻐﺮﻴ داﺧﻲﻠ‪ ،‬ﻞﻛ ﻣﻌﺎدﻟﺔ ﻗﺪ‬
‫ﻳﻜﻮن ﻬﻟﺎ واﺣﺪ أو أﻛﺮﺜ ﻣﻦ اﻤﻟﺘﻐﺮﻴات ا اﺧﻠﻴﺔ وﺑﻌﺾ اﻤﻟﺘﻐﺮﻴات اﺨﻟﺎرﺟﻴﺔ‪.‬‬
‫ﻣﺸــﻠﻜﺔ ﺤﺗﺪﻳﺪ اﺠﻤﻮذج ﺠﻳﺐ اﺤﻛﻌﺎﻣﻞ ﻣﻌﻬﺎ ﻗﺒــﻞ ﺗﻘﺪﻳﺮ ﻫﺬه اﻷﻧﻮاع ﻣﻦ‬
‫اﻤﻟﻌﺎدﻻت‪ ،‬وﺤﻛﺤﻘﻴﻖ ذﻟﻚ ﻳﺘﻢ وﺿﻊ ﺑﻌﺾ اﻟﻘﻴﻮد اﻟﻌﺸــﻮاﺋﻴﺔ وذﻟﻚ ﻣﻦ ﺧﻼل‬
‫اﺳــﺘﺜﻨﺎء ﺑﻌﺾ اﻤﻟﺘﻐﺮﻴات ﻣﻦ اﻤﻟﻌﺎدﻟﺔ وﻫﺬه اﻤﻟﺘﻐﺮﻴات ﻗﺪ ﺗﻜﻮن ﺿﻤﻦ ﺑﻌﺾ‬

‫اﻤﻟﻌــﺎدﻻت اﻷﺧﺮى ﻲﻓ اﺠﻈﺎم‪ ،‬اﻛﺎﺣﺚ ‪ (Sims (1980‬ﻳﺘﻨﻘﺪ ﺑﺸــﻞﻜ ﻗﻮي ﻫﺬه‬
‫اﻟﻄﺮﻳﻘــﺔ‪ ،‬وﺠﻳﺎدل ﺑﺄﻧــﻪ إذا ﺎﻛن ﻫﻨﺎك ﻋﺪد ‪ m‬ﻣﻦ اﻤﻟﺘﻐــﺮﻴات ا اﺧﻠﻴﺔ ﻓﺈﻧﻬﺎ‬
‫ﻳﻔﺮﺘض ﻣﻌﺎﻣﻠﺘﻬﺎ ﺑﺸــﻞﻜ ﻣﺘﺴــﺎوي‪ ،‬وﺠﻳﺐ ﺑﺎﺨﻟﺼﻮص ﻋﺪم وﺟﻮد ﺗﻔﺮﻗﻪ ﺑﻦﻴ‬
‫اﻤﻟﺘﻐﺮﻴات ا اﺧﻠﻴﺔ واﺨﻟﺎرﺟﻴﺔ‪ ،‬وﺑﺎﺤﻛﺎﻲﻟ ﻓﻞﻜ ﻣﻌﺎدﻟﺔ ﺠﻳﺐ أن ﻳﻜﻮن ﻬﻟﺎ ﻧﻔﺲ‬
‫ﻋﺪد اﻤﻟﺘﻐﺮﻴات اﺤﻛﻨﺒﺆﻳﺔ‪.‬‬
‫ﻬﻟﺬا اﻟﺴﺒﺐ ﻓﺈن اﻛﺎﺣﺚ )‪ Sims (1980‬ﻗﺎم ﺑﺘﻄﻮﻳﺮ ﻧﻤﻮذج ‪.VAR‬‬
‫‪ 1.10‬ﻣﻨﻬﺠﻴﺔ ‪VAR‬‬
‫ﺠﺄﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻧﻈﺎﻣﻦﻴ ﻳﻌﺘﻤﺪان ﺒﻟ ﻓﺮﺿﻴﺔ وﺟﻮد ﻋﻼﻗﺔ ﺑﻦﻴ ﺛﻼﺛﺔ أو‬
‫ﺳﺘﺔ أﺷﻬﺮ أذوﻧﺎت اﺨﻟﺰاﻧﺔ وﻫﺬان اﺠﻈﺎﻣﺎن ﺗﻢ ﺗﻮﺿﻴﺤﻬﻤﺎ ﻣﻦ ﺧﻼل اﻤﻟﻌﺎدﻻت‬
‫ﺣﻴﺚ أن ‪ TB3‬و ‪ TB6‬ﻣﻌﺪات أذوﻧﺎت اﺨﻟﺰاﻧﺔ ﻤﻟﺪة ‪ 6‬أﺷــﻬﺮ و‪ 3‬أﺷﻬﺮ‪U1t ،‬‬

‫و ‪ U2t‬ﺗﻤﺜــﻞ ﺣــﺪود ﺧﻄﺄ اﻟﻀﺠﺔ اﻛﻴﻀــﺎء‪ ،‬وﻳﻤﻜﻨﻨﺎ أن ﻧﺴــﻤﻴﻬﺎ اﺠﺒﻀﺎت‬
‫)اﻤﻟﺤﺜﺎت( أو اﻻﺑﺘﺎﻜرات أو اﻟﺼﺪﻣﺎت ﻲﻓ راﻓﻌﺔ ‪.VAR‬‬
‫ً‬
‫اﻤﻟﺘﻐﺮﻴات اﺨﻛﻨﺎﺋﻴﺔ ﻲﻓ ‪ VAR‬اﻤﻟﻌﻄﺎة آﻧﻔﺎ ﺗﻮﺿﺢ ﻋﺪة ﻤﻣﺰﻴات ﻲﻫ‪:‬‬
‫‪ - 1‬اﺠﻈﺎم أﻋﻼه ﻳﻮﺿﺢ ﺑﺄن ﻧﻈﺎم ﻣﻌﺎدﻟﺔ ﻧﻮع اﻤﻟﺰﺘاﻣﻨﺔ‪ ،‬ﻞﻛ ﻣﻌﺎدﻟﺔ ﺗﺘﻀﻤﻦ ﻗﻴﻢ‬
‫ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ اﺨﻟﺎﺻﺔ ﺑﻬﺎ وﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ ﻟﻠﻤﺘﻐﺮﻴات اﻷﺧﺮى ﻲﻓ اﺠﻈﺎم‪ ،‬اﻟﻘﻴﻢ‬
‫اﺤﻟﺎ ﺔ ﻟﻠﻤﺘﻐﺮﻴﻳﻦ اﻻﺛﻨﻦﻴ ﺗﻢ ﺗﻀﻤﻴﻨﻬﻤﺎ ﻲﻓ اﺠﻟﺎﻧﺐ اﻷﻳﻤﻦ ﻬﻟﺬه اﻤﻟﻌﺎدﻻت‪.‬‬
‫‪293‬‬ ‫اﻟﻔﺼﻞ اﻟﻌﺎﺷﺮ ‪ :‬ﻧﻤﻮذج ﻣﺘﺠﻪ اﻻﻧﺤﺪار اﻟﺬاﺗﻲ )‪(VAR‬‬
‫‪ - 2‬ﻗﻢ ﺑﺎﺳﺘﺨﺪام ﻧﻔﺲ ﻋﺪد ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ ﻲﻓ ﻞﻛ ﻣﻌﺎدﻟﺔ‪.‬‬

‫ً‬
‫‪ - 3‬ﻧﻈﺎم ‪ VAR‬اﺨﻛﻨﺎ اﻤﻟﻌﺮوض ﺳﺎﺑﻘﺎ ﻳُﻌﺮف ﺑﻨﻤﻮذج )‪ VAR (p‬و ﻓﺮﺘة ﺗﺒﺎﻃﺆ‬
‫‪ p‬ﻟﻞﻜ ﻣﺘﻐﺮﻴ ﻲﻓ اﺠﻟﺎﻧــﺐ ﻷﻳﻤﻦ ﻟﻠﻨﻤﻮذج‪ ،‬وﻋﻨﺪﻣﺎ ﺗﻜﻮن ﻳﻨﺎ ﻓﺮﺘة ﺗﺒﺎﻃﺆ‬
‫واﺣﺪة ﻟﻞﻜ ﻣﺘﻐﺮﻴ ﻲﻓ اﺠﻟﺎﻧﺐ اﻷﻳﻤﻦ ﻟﻠﻨﻤﻮذج ﻓﺴﻮف ﻳﻜﻮن ﻳﻨﺎ ﻧﻤﻮذج‬
‫)‪ ،VAR (1‬و ذا ﺎﻛن ﻳﻨﺎ ﻓﺮﺘﺗﺎ ﺗﺒﺎﻃﺆ ﻓﺴﻮف ﻳﻜﻮن ﻳﻨﺎ ﻧﻤﻮذج )‪VAR (2‬‬
‫وﻫﻜﺬا‪.‬‬
‫‪ - 4‬ﻧﻈﺎم ‪ VAR‬ﻳﻤﻜﻦ ﺗﻮﺳــﻴﻌﻪ ﻟﻴﺸﻤﻞ ﻋﺪة ﻣﺘﻐﺮﻴات‪ ،‬و ﻣﻌﺎدﻟﺔ ﻲﻓ اﺠﻈﺎم‬
‫ﺳﻮف ﺤﺗﺘﻮي ﺒﻟ ﻓﺮﺘات ﺗﺒﺎﻃﺆ ﻋﺪدﻫﺎ ‪ p‬ﻟﻞﻜ ﻣﺘﻐﺮﻴ ﻲﻓ اﺠﻟﺎﻧﺐ اﻷﻳﻤﻦ ﻟﻞﻜ‬
‫ﻣﻌﺎدﻟﺔ‪.‬‬
‫‪ - 5‬ﻲﻓ ﻧﻈﺎم اﻤﻟﺘﻐﺮﻴﻳﻦ اﻻﺛﻨﻦﻴ ﻳﻤﻜﻦ أن ﻳﻜﻮن ﻳﻪ ﻲﻓ أﻗ ﺣﺪوده ﻋﻼﻗﺔ‬
‫ﺗﻜﺎﻣﻠﻴﺔ واﺣــﺪة أو ﻋﻼﻗﺔ ﺗﻌﺎدل واﺣﺪة ﺑــﻦﻴ اﻤﻟﺘﻐﺮﻴﻳﻦ‪ ،‬ﻓﺈذا ﺎﻛن ﻳﻨﺎ‬
‫ﻧﻈــﺎم ‪ VAR‬ﺛﻼﺛﺔ ﻣﺘﻐﺮﻴات ﻓﻴﻤﻜﻦ أن ﻳﻜﻮن ﻫﻨﺎك ﻲﻓ أﻗ اﺤﻟﺪود‬
‫ﻋﻼﻗﺘﺎن ﺗﻜﺎﻣﻠﻴﺘﺎن ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴات اﺨﻛﻼﺛﺔ‪ ،‬وﺑﺼﻔﺔ ﺨﻣﺔ ﻓﺈن ﻧﻈﺎم ‪VAR‬‬
‫ا ي ﻳﺘﻀﻤﻦ ﻣﺘﻐﺮﻴات ﻋﺪدﻫﺎ ‪ n‬ﻳﻤﻜﻦ أن ﺤﻳﺘﻮي ﺒﻟ ﻋﻼﻗﺎت ﺗﻜﺎﻣﻠﻴﺔ‬
‫ً‬
‫ﻋﺪدﻫﺎ )‪ ،(n - 1‬ووﻓﻘﺎ ﻤﻟﻨﻬﺠﻴﺔ ﺟﻮﻧﺴﻦ ‪ Johansen‬ﻓﺈن ﻫﺬه اﻤﻟﺰﻴة ﻣﺘﻮﻓﺮة ﻲﻓ‬
‫‪ EViews‬واﻟﺮﺒاﻣﺞ اﻹﺣﺼﺎﺋﻴﺔ اﻷﺧﺮى وﻳﻤﻜﻦ أن ﺗﺴﺎﻋﺪ ﻲﻓ إﺠﻳﺎد اﻟﻌﺪﻳﺪ‬
‫ﻣﻦ اﻟﻌﻼﻗﺎت اﺤﻛﺎﻜﻣﻠﻴﺔ ﺑﻦﻴ ﻋﺪد ‪ n‬ﻣﻦ اﻤﻟﺘﻐﺮﻴات‪.‬‬
‫‪ - 6‬ﺑﻌﺪ ﺣﺴــﺎب اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ ﺠﻟﻮﻧﺴــﻦ إذا وﺟﺪﻧﺎ ﺑﺄن اﻤﻟﺘﻐﺮﻴات ﻟﻴﺴﺖ‬
‫ﻣﺘﺎﻜﻣﻠــﺔ ﻓﻴﻤﻜﻨﻨﻨﺎ ﺗﻄﻮﻳﺮ ﻧﻤﻮذج ‪ VAR‬ﻏــﺮﻴ ﻣﻘﻴﺪ أو ﻧﻤﺎذج أﺧﺮى ﻣﺜﻞ‬
‫ﺗﻠﻚ اﻤﻟﺴﺘﺨﺪﻣﺔ ﻲﻓ ﺤﺗﻠﻴﻞ ﺑﻴﺎﻧﺎت اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ‪ ،‬ﻓﺈذا ﺎﻛﻧﺖ اﻤﻟﺘﻐﺮﻴات‬
‫ﻣﺘﺎﻜﻣﻠﺔ ﻓﺈﻧﻪ ﻳﻤﻜﻨﻨﺎ ﺗﻄﻮﻳﺮ ﻧﻤﻮذج ‪ ECM‬وا ي ﻳﻤﻜﻦ أن ﻳُﺴﻰﻤ ﻧﻤﻮذج‬
‫‪ VAR‬اﻤﻟﻘﻴﺪ أو ﻧﻤﻮذج ‪.VECM‬‬
‫ﻣﻼﺣﻈﺔ‪ :‬ﻋﺪد ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ ﻳﻤﻜﻦ إﺠﻳﺎده ﻣﻦ ﺧﻼل اﺳــﺘﺨﺪام ﻣﻌﻴﺎر‬
‫‪.Akaike or Schwarz‬‬
‫ﻫﻨﺎك ﺛﻼﺛﺔ اﺣﺘﻤﺎﻻت ﻲﻫ‪:‬‬

‫‪ - 1‬ﻛﻼ اﻟﺴﻠﺴــﻠﺘﻦﻴ اﻟﺰﻣﻨﻴﺘﻦﻴ ‪ TB3‬و ‪ TB6‬ﺗﺴﺎوي )‪ I(0‬ﻣﺴﺘﻘﺮﺗﻦﻴ و ﻫﺬه‬
‫اﺤﻟﺎﻟﺔ ﻓﺈﻧﻪ ﻳﻤﻜﻨﻨﺎ ﺗﻘﺪﻳﺮ ﻞﻛ ﻣﻌﺎدﻟﺔ ﻣﻦ ﺧﻼل ‪.OLS‬‬
‫‪ - 2‬ﻛﻼ اﻟﺴﻠﺴﻠﺘﻦﻴ اﻟﺰﻣﻨﻴﺘﻦﻴ ‪ TB3‬و ‪ TB6‬ﺗﺴﺎوي )‪ I(1‬وﺑﺎﺤﻛﺎﻲﻟ ﻳﻤﻜﻨﻨﺎ أﺧﺬ‬
‫ً‬
‫اﻟﻔﺮق اﻷول ﻟﻠﻤﺘﻐﺮﻴﻳﻦ وا ي ﻧﻌﺮف ﻣﺴــﺒﻘﺎ أﻧﻪ ﻣﺴــﺘﻘﺮ‪ ،‬وﻳﻤﻜﻨﻨﺎ ﺑﻌﺪ‬
‫ذﻟﻚ اﺳﺘﺨﺪام ‪ OLS‬ﺤﻛﻘﺪﻳﺮ ﻞﻛ ﻣﻌﺎدﻟﺔ ﺑﺸﻞﻜ ﻣﻨﻔﺮد‪.‬‬
‫‪ - 3‬إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴــﻠﺘﻦﻴ )‪ I(1‬وﻟﻜﻨﻬﻤﺎ ﻣﺘﺎﻜﻣﻠﺘﻦﻴ ﻓﺈﻧﻪ ﻳﻤﻜﻨﻨﺎ اﺳــﺘﺨﺪام‬
‫آ ــﺔ ﺗﺼﺤﻴﺢ اﺨﻟﻄﺄ ‪ ،ECM‬وﻫﺬه اﻵ ﺔ ﺗﺪﻣــﺞ اﺤﻛﻌﺎدل ﻃﻮﻳﻞ اﻷﺟﻞ ﻣﻊ‬
‫ا ﻳﻨﺎﻣﻴﻜﻴﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﻟﻠﺤﺼﻮل ﺒﻟ اﺤﻛﻌﺎدل‪ ،‬وﺑﻤﺎ أﻧﻨﺎ ﻧﺘﻌﺎﻣﻞ ﻣﻊ أﻛﺮﺜ‬
‫ﻣﻦ ﻣﺘﻐﺮﻴ واﺣﺪ ﻲﻓ ﻧﻈﺎم ‪ VAR‬ﻓــﺈن اﺠﻈﺮﻴ اﺨﻛﻨﺎ ﻟـ ‪ ECM‬ﻫﻮ ﻣﺎ ﻳُﻌﺮف‬
‫ﺑﻨﻤﻮذج ﺗﺼﺤﻴﺢ ﺧﻄﺄ اﻤﻟﺘﺠﻪ ‪.VECM‬‬
‫اﻟﺮﺸط اﻟﺮﻀوري ﻟـ ‪ VAR‬ﻫﻮ أن اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻟﻲﺘ ﻳﺘﻢ اﺤﻛﻌﺎﻣﻞ ﻣﻌﻬﺎ‬
‫ﺠﻳﺐ أن ﺗﻜﻮن ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ 2.10‬ﻋﻤﻠﻴﺔ اﻟﺘﻘﺪﻳﺮ‬
‫اﺨﻟﻄﻮة اﻷو ‪ :‬ﻓﺤﺺ اﺳﺘﻘﺮار اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ‪:‬‬

‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﻷو ‪ TB3 :‬ﻣﻌﺪﻻت أذوﻧﺎت اﺨﻟﺰاﻧﺔ ﻤﻟﺪة ‪ 3‬أﺷﻬﺮ )اﻟﻄﺮﻳﻘﺔ‬
‫ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ(‬
‫أ( اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ‬
‫أﻧﻘﺮ ﺒﻟ ‪ Quick > Graph‬ﺛﻢ اﻃﺒﻊ ‪ TB3‬واﺧﺮﺘ ‪ Line Graph‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫ﺑﻨﺎ ًء ﻋﻠﻰ اﻟﺸﻜﻞ ‪ 1.10‬ﻓﺈن اﻟﺴﻠﺴﻠﺔ ‪ TB3‬ﺗﺒﺪو ﺳﻠﺴﻠﺔ ﺳﯿﺮ ﻋﺸﻮاﺋﻲ ﻣﻊ اﺗﺠﺎه‪،‬‬
‫ﺣﯿﺚ أﻧﮭﺎ اﺗﺠﮭﺖ ﻷﻋﻠﻰ وﻷﺳﻔﻞ ﻟﻔﺘﺮة ﻣﻦ اﻟﺰﻣﻦ‪ ،‬وﻻﺣﻘﺎ ً ﻛﺎن اﺗﺠﺎه اﻟﺴﻠﺴﻠﺔ ﻧﺤﻮ‬
‫اﻻﻧﺨﻔﺎض‪ ،‬وﺗﺒﺪو اﻟﺴﻠﺴﻠﺔ ﻏﯿﺮ ﻣﺴﺘﻘﺮة‪.‬‬
‫ب( اﺧﺘﺒﺎر اﻻرﺗﺒﺎط ﻟﻠﺴﻠﺴﻠﺔ ‪:TB3‬‬

‫ً‬ ‫ً‬
‫أﻧﻘﺮ ﻧﻘﺮا ﻣﺰدوﺟﺎ ﺒﻟ اﻤﻟﺘﻐﺮﻴ ‪ TB3‬ﻲﻓ ﻣﻨﻄﻘﺔ اﻟﻌﻤﻞ ﻟﻌﺮض ﺑﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴ‬
‫‪.TB3‬‬
‫اﻧﻘﺮ ﺒﻟ ‪ View > Correlogram‬ﺛﻢ اﺧﺮﺘ اﻤﻟﺴﺘﻮى واﻧﻘﺮ ﺒﻟ ‪.OK‬‬
‫اﺧﺘﺒﺎر اﻻرﺗﺒﺎط‪:‬‬
‫أ( ‪ TB3 : H0‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫ب( ‪ TB3 : H1‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫ج( ‪ α = 5%‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :1 .10‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟﻠﺴﻠﺴﻠﺔ ‪TB3‬‬

‫اﻟﺸﻜﻞ ‪ :2 .10‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﺴﻠﺴﻠﺔ ‪TB3‬‬
‫ﺰ ﺒﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل ‪Prob‬‬ ‫ﻻ ﻳﻮﺟﺪ إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ﺤﻟﺴﺎﺑﻬﺎ وﻟﻜﻨﻨﺎ ﻧﺮ‬

‫ﻲﻓ اﻟﺸﻞﻜ ‪.2.10‬‬
‫د( ﻗﻴﻢ ‪p-values = 0.000‬‬
‫ﻫ( ‪ p-values = 0.000 < 0.05‬وﺑﺎﺤﻛﺎﻲﻟ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم‪.‬‬

‫و( ﻧﺴﺘﻨﺘﺞ ﺑﺄن ‪ TB3‬ﺳﻠﺴﻠﺔ ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ اﻤﻟﻌﺰز ﻟﻠﺴﻠﺴﻠﺔ ‪:TB3‬‬
‫ﻗﺒﻞ اﻛﺪء ﺑﺈﺟﺮاء اﻻﺧﺘﺒﺎر ﻲﻓ ‪ EViews‬ﺤﻧﺘﺎج إﻰﻟ أن ﻧﻘﺮر ﻣﺎ إذا ﻛﻨﺎ ﻧﺮﻏﺐ‬
‫ﻲﻓ إﺿﺎﻓﺔ اﺠﺗﺎه أو ﻻ‪.‬‬
‫ُ‬
‫إذا ﺎﻛن اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ ﻳﺸﺮﻴ إﻰﻟ اﺠﺗﺎه ﻣﻌﻦﻴ ﻓﺈﻧﻨﺎ ﻧﻘﻮم ﺑﺈﺿﺎﻓﺔ اﺠﺗﺎه ﻣﻊ‬
‫اﺤﻛﻘﺎﻃﻊ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :3 .10‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ‪TB3‬‬

‫ُ‬
‫إذا ﺎﻛن اﻟﺮﺳــﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ ﻻ ﻳﺸــﺮﻴ إﻰﻟ اﺠﺗﺎه ﻣﻌﻦﻴ ﻓﺈﻧﻨﺎ ﻻ ﻧﻘﻮم ﺑﺈﺿﺎﻓﺔ‬
‫اﺤﻛﻘﺎﻃﻊ ﻓﻘﻂ‪.‬‬
‫ً‬ ‫ً‬
‫اﺗﺒﻊ اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ ﺑﺮﺒﻧﺎﻣﺞ ‪ :EViews‬اﻧﻘﺮ ﻧﻘﺮا ﻣﺰدوﺟﺎ ﺒﻟ اﻟﺴﻠﺴﻠﺔ‬
‫‪ TB3‬ﻣﻦ ﻣﻨﻄﻘﺔ اﻟﻌﻤﻞ‪ ،‬وﻣﻦ اﺠﺎﻓﺬة اﻟﻲﺘ ﺗﻌﺮض ﺑﻴﺎﻧﺎت اﻟﺴﻠﺴﻠﺔ ‪ TB3‬اﺧﺮﺘ‬
‫‪ View > Unit Root test‬ﻲﻓ ﻧﻮع اﻻﺧﺘﺒﺎر ‪ Test type‬اﺧﺮﺘ ‪Augmented Dickey-Fuller‬‬
‫و اﺨﻟﻴﺎر ‪ Test for unit root in‬اﺧﺮﺘ ‪ Level‬و اﺨﻟﻴﺎر ‪ Include in test equation‬اﺧﺮﺘ‬
‫‪ Trend and Intercept‬إذا ﺎﻛن اﻟﺮﺳﻢ اﻛﻴﺎ ﻳُﺸﺮﻴ إﻰﻟ اﺠﺗﺎه ﻣﻌﻦﻴ‪ ،‬وﺨﺑﻼف ذﻟﻚ اﺧﺮﺘ‬
‫‪ Intercept‬ﻓﻘﻂ ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫‪ TB3 : H0 - 1‬ﻟﮭﺎ ﺟﺬر وﺣﺪة وﻟﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬

‫‪ H1 : TB3 - 2‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪.0.05‬‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ اﻟﺸﻞﻜ ‪ 3.10‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪-4.134755‬‬
‫ﻗﻴﻢ ‪p-values = 0.0062‬‬ ‫‪-4‬‬
‫‪ - 5‬اﻻﺣﺘﻤﺎل ‪ 0.05 > 0.0062‬وﺑﺎﺤﻛﺎﻲﻟ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫‪ TB3 - 6‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﺨﻛﺎﻧﻴﺔ‪ :‬ﻣﻌﺪﻻت أذوﻧﺎت اﺨﻟﺰاﻧﺔ ﻟـ ‪ 6‬أﺷﻬﺮ ‪TB6‬‬

‫اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪:‬‬
‫)أ( اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ‪:‬‬
‫أﻧﻘﺮ ‪ Quick > Graph‬واﻃﺒﻊ ‪ TB6‬واﺧﺮﺘ ‪ Line Graph‬ﺛﻢ اﻧﻘﺮ ‪OK‬‬
‫ﺑﻨــﺎ ًء ﻋﻠﻰ اﻟﺸــﻜﻞ ‪ 4.10‬ﻓﯿﺒﺪو أن اﻟﺴﻠﺴــﻠﺔ ‪ TB6‬ﻟﮭﺎ اﺗﺠــﺎه ﻧﺤﻮ اﻻﻧﺨﻔﺎض‬

‫وﻟﯿﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﺸﻜﻞ ‪ :4 .10‬اﻟﺮﺳﻢ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺴﻠﺴﺔ ‪TB6‬‬
‫)ب( اﺧﺘﺒﺎر اﻻرﺗﺒﺎط ﻟﻠﺴﻠﺴﻠﺔ ‪:TB6‬‬

‫ً‬ ‫ً‬
‫أﻧﻘﺮ ﻧﻘﺮا ﻣﺰدوﺟﺎ ﺒﻟ اﻟﺴﻠﺴﻠﺔ ‪ TB6‬ﻣﻦ ﻣﻨﻄﻘﺔ اﻟﻌﻤﻞ‪.‬‬
‫اﻧﻘﺮ ﺒﻟ ‪ View > Correlogram‬ﺛﻢ اﺧﺮﺘ اﻤﻟﺴﺘﻮى واﻧﻘﺮ ﺒﻟ ‪.OK‬‬
‫اﺧﺘﺒﺎر اﻻرﺗﺒﺎط‬
‫ﻓﺮﺿﻴﺔ اﻟﻌﺪم واﻟﻔﺮﺿﻴﺔ اﻛﺪﻳﻠﺔ ﻟﻼرﺗﺒﺎط ﻲﻓ اﻻﺧﺘﺒﺎر اﻟﺮﺳﻲﻤ و اﺧﺘﺒﺎر دﻳﻜﻲ ﻓﻮﻟﺮ‬
‫ً‬
‫اﻤﻟﻌﺰز ﻋﻜﺲ ﺑﻌﻀﻬﻤﺎ ﺗﻤﺎﻣﺎ‪.‬‬
‫)أ( ‪ TB6 : H0‬ﻟﯿﺲ ﻟﮭﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫)ب( ‪ TB6 : H1‬ﻟﮭﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫)ج( ‪ α = 5%‬أو ‪0.05‬‬
‫ﻟﯿﺲ ھﻨﺎك إﺣﺼﺎﺋﯿﺔ اﺧﺘﺒﺎر ﻟﺤﺴﺎﺑﮭﺎ‪ ،‬وﻟﻜﻨﻨﺎ ﻧﺮﻛﺰ ﻋﻠﻰ ﻋﻤﻮد اﻻﺣﺘﻤﺎل‬
‫‪ Prob‬ﻓﻲ اﻟﺸﻜﻞ ‪.5.10‬‬
‫)د( ﻗﯿﻢ ‪p-values = 0.000‬‬
‫)ھـ( ‪ Prob = 0.000 < 0.05‬وﺑﺎﻟﺘﺎﻟﻲ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ اﻟﻌﺪم ‪.H0‬‬
‫)و( ‪ TB6‬ﻟﯿﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﺧﺘﺒﺎر ‪ ADF‬ﻟـ ‪:TB6‬‬
‫اﻟﺸﻜﻞ ‪ :5 .10‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﺴﻠﺴﻠﺔ ‪TB6‬‬

‫اﻟﺸﻜﻞ ‪ :6 .10‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﺴﻠﺴﻠﺔ ‪TB6‬‬

‫ً‬ ‫ً‬
‫ﻗﻢ ﺑﺎﺗﺒﺎع اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ ﺑﺮﺒﻧﺎﻣﺞ ‪ :EViews‬اﻧﻘﺮ ﻧﻘﺮا ﻣﺰدوﺟﺎ ﺒﻟ‬
‫اﻤﻟﺘﻐﺮﻴ ‪ TB6‬ﻲﻓ ﻣﻨﻄﻘﺔ اﻟﻌﻤﻞ وذﻟﻚ ﻟﻌﺮض ﺑﻴﺎﻧﺎت ذﻟﻚ اﻤﻟﺘﻐﺮﻴ‪ ،‬ﺛﻢ اﺧﺮﺘ‬
‫‪ View > Unit Root test‬ﻲﻓ اﺨﻟﻴﺎر ‪ Test type‬اﺧﺮﺘ ‪Augmented Dickey-‬‬
‫‪ Fuller‬و اﺨﻟﻴﺎر ‪ Test for unit root‬اﺧﺮﺘ ‪ level‬و اﺨﻟﻴﺎر ‪Include in test‬‬
‫‪ equation‬اﺧﺮﺘ ‪ Trend and Intercept‬إذا ﺎﻛن اﻟﺮﺳﻢ اﻛﻴﺎ ﻳُﺸﺮﻴ إﻰﻟ اﺠﺗﺎه‬
‫وﺧﻼف ذﻟﻚ اﺧﺮﺘ ‪ only intercept‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫‪ TB6 : H0 - 1‬ﻟﮭﺎ ﺟﺬر وﺣﺪة وﻟﯿﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ H1 : TB6 - 2‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ اﻟﺸﻞﻜ ‪ 6.10‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪-3.165412‬‬
‫ﻗﻴﻢ ‪p-values = 0.0932‬‬ ‫‪-4‬‬
‫‪ - 5‬ﻗﻴﻤﺔ اﻻﺣﺘﻤﺎل ‪ 0.05 < 0.0932‬وﺑﺎﺤﻛﺎﻲﻟ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫‪ TB6 - 6‬ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﺸﻜﻞ ‪ :7 .10‬طﺮﯾﻘﺔ ‪ VAR‬ﺑﺒﺮﻧﺎﻣﺞ ‪EViews‬‬

‫اﻻﺳﺘﻨﺘﺎج اﻟﺴﺎﺑﻖ ﻳُﺸﺮﻴ إﻰﻟ أن ‪ TB3‬ﻣﺴﺘﻘﺮة وﻟﻜﻦ ‪ TB6‬ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻵن ﺠﻳﺐ ﻋﻠﻴﻨﺎ أن ﻧﻘﻮم ﺤﺑﺴــﺎب اﻻﺧﺘﺒﺎر اﻤﻟﺘﺎﻜﻣﻞ ﺠﻤﻮذج ‪ VAR‬واﻟﻲﺘ‬
‫ُ‬
‫ﺗﻌﺮف ﻛﺬﻟﻚ ﺑﺎﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ ﺠﻟﻮﻧﺴﻦ‪ ،‬واﻟﻲﺘ ﻬﻟﺎ ﺧﻴﺎرﻳﻦ اﺛﻨﻦﻴ ﻫﻤﺎ‪:‬‬
‫إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴﻠﺔ ﻣﺘﺎﻜﻣﻠﺔ ﻓﻴﻤﻜﻨﻨﺎ اﻻﻧﺘﻘﺎل إﻰﻟ اﺳﺘﺨﺪام ﻧﻤﻮذج ‪VECM‬‬ ‫‪-1‬‬
‫أي ﺑﻤﻌﻲﻨ اﺳﺘﺨﺪام ﻧﻤﻮذج ‪ VAR‬اﻤﻟﻘﻴﺪ‪.‬‬
‫‪ - 2‬إذا ﺎﻛﻧﺖ اﻟﺴﻠﺴــﻠﺔ ﻏﺮﻴ ﻣﺘﺎﻜﻣﻠﺔ )أي ﺑﻤﻌﻰﻨ ﻟﻴــﺲ ﻫﻨﺎك ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ‬
‫اﻷﺟﻞ ﺑﻦﻴ اﻤﻟﺘﻐﺮﻴات( ﻓﻴﺠﺐ ﻋﻠﻴﻨﺎ اﺗﺒﺎع ﻧﻤﻮذج ﻳُﻌﺮف ﺑﻨﻤﻮذج ‪ VAR‬ﻏﺮﻴ‬
‫اﻤﻟﻘﻴﺪ‪.‬‬
‫اﺨﻟﻄﻮة اﺨﻛﺎﻧﻴﺔ‪ :‬ﻃﻮل ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ‬

‫ﺑﺎﺗﺒﺎع ﻫﺬه اﻟﻄﺮﻳﻘﺔ ﺧﻄﻮة ﺨﺑﻄﻮة ﺣ اﺠﻬﺎﻳﺔ ﻳﻤﻜﻨﻨﺎ أن ﺤﻧﺪد ﻛﻢ ﻋﺪد‬
‫ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ اﻟﻲﺘ ﻳُﻔﺮﺘض ﺗﻀﻤﻴﻨﻬﺎ ﻲﻓ ﻧﻤﻮذج ‪.VAR‬‬
‫ﻗﻢ ﺑﺘﺤﺪﻳﺪ اﻤﻟﺘﻐﺮﻴﻳﻦ ﻲﻓ ﻣﻨﻄﻘﺔ اﻟﻌﻤﻞ ﺛﻢ اﻧﻘﺮ زر اﻟﻔﺎرة اﻷﻳﻤﻦ واﺧﺮﺘ ‪open‬‬
‫‪ > as VAR‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪.7.10‬‬
‫ﺳﻮف ﺗﻔﺘﺢ اﻟﻨﺎﻓﺬة اﻟﻤﻮﺿﺤﺔ ﻓﻲ اﻟﺸﻜﻞ ‪.8.10‬‬
‫اﻧﻘﺮ ﺒﻟ ‪ View > Lag Structure > Lag length Criteria‬ﻛﻤﺎ ﻫﻮ ﻣﻌﺮوض‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪.9.10‬‬
‫اﺧﺘﺮ ﻓﺘﺮة ﺗﺒﺎطﺆ ‪ 8‬واﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﻋﻠﻰ ﻣﺨﺮﺟﺎت اﻟﺸﻜﻞ ‪.10.10‬‬
‫اﻟﺸﻜﻞ ‪ :8 .10‬ﻧﺎﻓﺬة ﺗﺤﺪﯾﺪ ﻧﻤﻮذج ‪VAR‬‬

‫ُ‬
‫اﺠﺠﻮم ﻲﻓ اﻷﻋﻤﺪة ﻣﻦ ‪ 7 - 3‬ﺗﺸﺮﻴ إﻰﻟ ﻋﺪد ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ اﻟﻲﺘ ﻳﻨﺼﺢ ﺑﻬﺎ‬
‫ﻞﻛ ﻣﻌﻴﺎر ‪ LR ، FPE ، AIC‬وﻲﻫ ﺛﻤﺎن ﻓﺮﺘات ﺗﺒﺎﻃﺆ ﻲﻓ ﺣﻦﻴ أن ‪ SC ، HQ‬ﺗﻨﺼﺢ‬
‫ﺑﺜﻼث ﻓﺮﺘات ﺗﺒﺎﻃﺆ‪.‬‬
‫ﺳــﻮف ﻧﺘﺒﻊ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ‪) SC‬ﻣﻌﻴﺎر ﻣﻌﻠﻮﻣﺎت ﺷــﻮارز ‪ (Schwarz‬وﺨﻧﺘﺎر‬
‫ﺛﻼث ﻓﺮﺘات ﺗﺒﺎﻃﺆ )ا راﺳﺎت ﺗﺴﺘﺨﺪم ﻫﺬا اﻤﻟﻌﻴﺎر ﺑﺸﻞﻜ ﻛﺒﺮﻴ ﻲﻓ اﺧﺘﺒﺎراﺗﻬﺎ(‪.‬‬
‫اﺨﻟﻄﻮة اﺨﻛﺎﺨﻛﺔ‪ :‬اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ ﺠﻟﻮﻧﺴﻦ‬
‫اﻧﻘﺮ ﺒﻟ ‪ Quick > Group Statistics > Johansen Cointegration Test‬ﻛﻤﺎ‬
‫ﻫﻮ ﻣﻌﺮوض ﻲﻓ اﻟﺸﻞﻜ ‪.11.10‬‬
‫ﺳﻮف ﺗﻨﺘﻘﻞ ﺠﺎﻓﺬة أﺧﺮى ﻟﻜﺘﺎﺑﺔ أﺳﻤﺎء اﻤﻟﺘﻐﺮﻴات اﺨﻟﺎﺻﺔ ﺑﺎﺠﻤﻮذج ﻛﻤﺎ ﻫﻮ‬
‫ﻣﻌﺮوض ﻲﻓ اﻟﺸﻞﻜ ‪ ،12.10‬ﻳﻔﺮﺘض أن ﺗﻼﺣﻆ ﺑﺄن اﻟﺮﺘﺗﻴﺐ ﻟﻴﺲ ﻣﻬﻢ ﻫﻨﺎ‪ ،‬ﻗﻢ‬
‫ﺑﻜﺘﺎﺑﺔ أﺳﻤﺎء اﻤﻟﺘﻐﺮﻴات ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫ﻲﻓ اﻟﺸﻞﻜ ‪ 13.10‬ﺳﻮف ﻧﻘﻮم ﺑﺘﺤﺪﻳﺪ ﺧﺼﺎﺋﺺ اﺧﺘﺒﺎر ﺗﻜﺎﻣﻞ ﺟﻮﻧﺴﻦ و ذا‬
‫ﺎﻛﻧﺖ اﺠﺘﺎﺋﺞ ﺠﻳﺐ أن ﺗﺘﻀﻤﻦ اﺠﺗﺎه وﺗﻘﺎﻃﻊ أو ﻻ‪ ،‬ﺳــﻮف ﻧﻘﺮر ً‬
‫ﺑﻨﺎء ﺒﻟ اﻟﺮﺳﻢ‬
‫اﻛﻴﺎ ﻟﻠﺴﻠﺴــﻠﺔ‪ ،‬اﻷﺷﺎﻜل اﻛﻴﺎﻧﻴﺔ اﻟﺴــﺎﺑﻘﺔ ﺗﻮﺿﺢ ﺑﺄﻧﻪ ﻟﻴﺲ ﻳﻨﺎ اﺠﺗﺎﻫﺎت‬
‫ً‬
‫ﻗﻄﻌﻴﺔ ﺤﻣﺪدة وذﻟﻚ ﺳــﻮف ﺨﻧﺘﺎر اﺨﻟﻴﺎر ‪ 3‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﺳﺎﺑﻘﺎ‪ ،‬و ذا ﻛﻨﺎ ﻧﺮﻳﺪ‬
‫إﺿﺎﻓﺔ ﻣﺘﻐﺮﻴات ﺧﺎرﺟﻴﺔ ﻓﻴﻔﺮﺘض ﻛﺘﺎﺑﺔ أﺳﻤﺎء ﺗﻠﻚ اﻤﻟﺘﻐﺮﻴات ﻲﻓ ﻣﺮﺑﻊ اﺤﻟﻮار‬
‫ﻲﻓ ﺧﺎﻧﺔ ‪ Exog Variables‬و ﺧﺎﻧﺔ ‪ Lag Intervals‬اﺧﺮﺘ ﻓﺮﺘات ﺗﺴــﺎوي ﻃﻮل‬
‫ً‬
‫ﻓﺮﺘة اﺤﻛﺒﺎﻃﺆ اﻟﻲﺘ وﺟﺪﻧﺎﻫﺎ ﺳﺎﺑﻘﺎ وﻲﻫ ﺛﻼث ﻓﺮﺘات ﺗﺒﺎﻃﺆ‪ ،‬ا ﺳﻮف ﺨﻧﺘﺎر ﻓﺮﺘة‬
‫‪ 1‬و ‪ 2‬وﻫﺬا ﻳﻌﻲﻨ ‪ 3 = 2 + 1‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ ﺨﻣﺮﺟﺎت اﻟﺸﻞﻜ ‪.14.10‬‬
‫اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ‬
‫‪ : H0 - 1‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺴﺖ ﻣﺘﺎﻜﻣﻠﺔ‪.‬‬
‫‪ : H1 - 2‬اﻟﺴﻠﺴﻠﺔ ﻣﺘﺎﻜﻣﻠﺔ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :9 .10‬ﺗﺮﻛﯿﺒﺔ ﻓﺘﺮة اﻟﺘﺒﺎطﺆ‬
‫اﺧﺘﺒﺎر اﺛﻨــﻦﻴ ﻟﺮﺘﺗﻴﺐ اﺤﻛﺎﻜﻣﻞ ﻏﺮﻴ اﻤﻟﻘﻴﺪ‪ :‬اﺧﺘﺒــﺎر اﻷﺛﺮ واﺧﺘﺒﺎر اﺠﻟﺬر‬
‫اﻟﺎﻜﻣﻦ ﺗﻢ ﻋﺮض ﻧﺘﺎﺠﺋﻬﻤﺎ ﻲﻓ اﻤﻟﺨﺮﺟﺎت‪.‬‬
‫ﺳﻮف ﻧﺮ ﺰ ﺒﻟ ﺷﻴﺌﻦﻴ ﻣﻬﻤﻦﻴ ﻲﻓ ﻫﺬه اﻤﻟﺨﺮﺟﺎت‪:‬‬
‫ُ‬
‫‪ - 1‬اﺧﺘﺒﺎر اﻷﺛﺮ ﻳﺸﺮﻴ إﻰﻟ ‪ 1‬ﻋﻨﺪ ﻣﺴﺘﻮى ﻣﻌﻨﻮﻳﺔ ‪.0.05‬‬
‫ُ‬
‫‪ - 2‬اﺧﺘﺒــﺎر اﺤﻟﺪ اﻷﻗ ﻟﻠﺠﺬر اﻟﺎﻜﻣﻦ ﻳﺸــﺮﻴ إﻰﻟ ‪ 1‬ﺗﻜﺎﻣﻞ ﻣﺸــﺮﺘك ﻋﻨﺪ‬
‫ﻣﺴﺘﻮى ‪.0.05‬‬
‫ﻫﺬﻳﻦ اﻟﺮﻗﻤﻦﻴ ﻳﺴﺎﻋﺪان ﻲﻓ رﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪ H0‬وﻧﺴﺘﻨﺘﺞ ﺑﺄن اﻟﺴﻠﺴﻠﺔ‬
‫ﻣﺘﺎﻜﻣﻠﺔ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :10 .10‬ﻣﺨﺮﺟﺎت ﻧﻤﻮذج ‪VAR‬‬
‫اﻟﺸﻜﻞ ‪ :11 .10‬اﺧﺘﺒﺎر اﻟﺘﻜﺎﻣﻞ اﻟﻤﺸﺘﺮك ﻟـ ﺟﻨﺴﻦ ﻓﻲ ‪EViews‬‬

‫ﺑﻤﺎن أن اﻟﺴﻠﺴﻠﺔ ﻣﺘﺎﻜﻣﻠﺔ ﻳﻤﻜﻨﻨﺎ اﻵن ﺣﺴﺎب ﻧﻤﻮذج ‪.VECM‬‬

‫اﺨﻟﻄﻮة اﻟﺮاﺑﻌﺔ‪ :‬ﻧﻤﻮذج ‪VECM‬‬
‫ﺑﻤﺎ أن اﻤﻟﺘﻐﺮﻴات ﻣﺘﺎﻜﻣﻠﺔ ﺳــﻮف ﻧﻘﻮم ﺑﺘﻘﺪﻳﺮ ﻧﻤــﻮذج ‪ VAR‬اﻤﻟﻘﻴﺪ ﻛﻤﺎ‬
‫ً‬
‫أﺮﺷﻧﺎ ﺳﺎﺑﻘﺎ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :12 .10‬ﻗﺎﺋﻤﺔ ﺑﺎﻟﺴﻼﺳﻞ‬
‫اﻟﺸﻜﻞ ‪ :13 .10‬ﺗﺤﺪﯾﺪ اﺧﺘﺒﺎر اﻟﺘﻜﺎﻣﻞ‬

‫أﻧﻘﺮ ﺒﻟ ‪ Quick > Estimate VAR‬ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪.15.10‬‬

‫‪Vector Error‬‬ ‫ﻲﻓ اﺨﻟﻴﺎر ‪ VAR type‬ﻛﻤﺎ ﻫﻮ ﻲﻓ اﻟﺸﻞﻜ ‪ 16.10‬اﺧﺮﺘ‬
‫‪ Correction‬ﻷن اﻟﺴﻠﺴﻠﺔ ﺎﻛﻧﺖ ﻣﺘﺎﻜﻣﻠﺔ‪ ،‬و اﺨﻟﻴﺎر ‪Endogenous‬‬
‫‪ Variables‬ﻗﻢ ﺑﻄﺒﺎﻋﺔ أﺳﻤﺎء ﻣﺘﻐﺮﻴات اﺠﻤﻮذج و ﻫﺬه اﺤﻟﺎﻟﺔ ‪ TB3‬و ‪TB6‬‬
‫)ﻻ ﺗﺴﺘﺨﺪم اﻟﻔﺮق اﻷول ﻟﻠﻤﺘﻐﺮﻴات ﻷن اﻟﻔﺮق اﻷول ﻟﻠﻤﺘﻐﺮﻴات ﺳﻮف ﻳﺘﻢ‬
‫ً‬
‫اﺳﺘﺨﺪاﻣﻪ ﺗﻠﻘﺎﺋﻴﺎ ﻣﻦ ﻗﺒﻞ ‪ ،(EViews‬ﻳﻤﻜﻨﻚ ﺗﻐﻴﺮﻴ ﻋﺪد ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ ﻣﻦ‬
‫اﺨﻟﻴﺎر ‪ Lag Intervals‬ﺛﻢ أﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ ﺨﻣﺮﺟﺎت اﻟﺸﻞﻜ ‪.17.10‬‬
‫ﺨﻣﺮﺟــﺎت اﻟﺸــﻞﻜ ‪ 17.10‬وﺿﻌﺖ اﻤﻟﺘﻐﺮﻴات اﺤﻛﺎﺑﻌــﺔ ﻲﻓ ﺻﻒ واﻤﻟﺘﻐﺮﻴات‬

‫اﻤﻟﺴــﺘﻘﻠﺔ ﻲﻓ ﻋﻤﻮد‪ ،‬ﻞﻛ ﻣﺘﻐﺮﻴ ﻣﺴــﺘﻘﻞ ﺛﻼﺛﺔ أرﻗﺎم‪ ،‬اﻟﺮﻗﻢ اﻷول ﻫﻮ ﻣﻌﺎﻣﻞ‬
‫اﻤﻟﺘﻐﺮﻴ اﻤﻟﺴﺘﻘﻞ‪ ،‬واﻟﺮﻗﻢ اﺨﻛﺎ داﺧﻞ أﻗﻮاس ﺻﻐﺮﻴ ﻫﻮ اﺨﻟﻄﺄ اﻤﻟﻌﻴﺎري ﻟﻠﻤﻌﺎﻣﻞ‪،‬‬
‫واﻟﺮﻗﻢ اﺨﻛﺎﻟﺚ داﺧﻞ أﻗﻮاس أﻛﺮﺒ ﻫﻮ إﺣﺼﺎﺋﻴﺔ ‪.t‬‬
‫اﻟﺸﻜﻞ ‪ :14 .10‬ﻣﺨﺮﺟﺎت اﻟﺘﻜﺎﻣﻞ اﻟﻤﺸﺘﺮك ﻟـ ﺟﻨﺴﻦ‬

‫اﻟﺸﻜﻞ ‪ :15 .10‬ﺗﻘﺪﯾﺮ ‪VAR‬‬

‫ﻟﻠﺤﺼﻮل ﺒﻟ ﻗﻴﻤﺔ ‪ p-value‬ﻟﻞﻜ ﻣﻌﺎﻣﻞ ﺠﻳﺐ اﺗﺒﺎع اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ‪:‬‬
‫اﻧﻘﺮ ﺒﻟ ‪ Proc > Make System > Order by Variable‬ﻛﻤﺎ ﻫﻮ ﻣﻌﺮوض ﻲﻓ اﻟﺸﻞﻜ ‪.18.10‬‬
‫اﻟﺸﻜﻞ ‪ :16 .10‬ﺗﺤﺪﯾﺪ ‪ : VAR‬ارﺗﺒﺎط ﺧﻄﺄ اﻻﺗﺠﺎه‬

‫ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ ﺨﻣﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪:19.10‬‬

‫ُ‬
‫ﻫﺬه اﻤﻟﺨﺮﺟﺎت واﻟﻲﺘ ﺗﻌﺮف ﺑﺎﺳــﻢ ﻣﻌﺎدﻟﺔ اﺠﻈﺎم ﺗﻌﻄﻲ ‪ 12‬ﻣﻌﺎﻣﻞ ﻧﻈﺎم‪،‬‬
‫و ‪ 6‬ﻣﻌﺎﻣﻼت ﻟﻞﻜ ﻣﻌﺎدﻟﺔ )ﺗﺘﻀﻤﻦ اﺤﻛﻘﺎﻃﻌﺎت( وأﺳﻤﺎءﻫﺎ ﻲﻫ‪C(1) ، C(2) ، :‬‬
‫)‪ C(3‬وﻫﻜﺬا ﻳﺘﻢ اﺳﺘﺨﺪام اﻤﻟﻌﺎﻣﻼت‪.‬‬
‫وﺤﻟﺴﺎب ﻗﻴﻢ ‪ p-values‬ﻟﻞﻜ ﻫﺬه اﻤﻟﻌﺎﻣﻼت ﺠﻳﺐ اﺗﺒﺎع اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ‪:‬‬
‫أذﻫﺐ إﻰﻟ ‪ Estimate‬وﻣﻦ ﻗﺎﺋﻤﺔ ‪ Estimation Methods‬اﺧﺮﺘ ‪Ordinary Least‬‬
‫‪ Squares‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪ 20.10‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ ﺨﻣﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ 21.10‬واﻟﻲﺘ ﺗﻌﻄﻲ ﻗﻴﻢ ‪p-values‬‬

‫ﻟﻞﻜ اﻤﻟﻌﺎﻣﻼت‪.‬‬
‫وﻣﻦ اﻤﻟﻌﺎدﺤﻛﻦﻴ اﻟﻲﺘ ﺗﻢ ﻋﺮﺿﻬﻤﺎ ﻲﻓ اﺠﺼﻒ اﺨﻛﺎ ﻬﻟﺬه اﻤﻟﺨﺮﺟﺎت ﻳﻤﻜﻨﻨﺎ‬
‫ﺤﺗﺪﻳﺪ أي ﻣﻌﺎﻣﻞ ﺨﻳﺺ ﻞﻛ ﻣﺘﻐﺮﻴ‪.‬‬
‫ﻧﺒﺪأ ﺑﻘــﺮاءة ﻫﺎﺗﻦﻴ اﻤﻟﻌﺎدﺤﻛﻦﻴ ﻣﻦ اﺠﻬﺎﻳــﺔ إﻰﻟ اﻛﺪاﻳﺔ‪ ،‬ﻓﺎﻤﻟﻌﺎﻣﻼت )‪C(6‬‬
‫و )‪ C(12‬ﻫﻤﺎ ﻗﻴﻢ اﺤﻛﻘﺎﻃﻊ ﻬﻟﺎﺗﻦﻴ اﻤﻟﻌﺎدﺤﻛﻦﻴ ﺒﻟ اﺤﻛﻮاﻲﻟ‪.‬‬
‫اﺨﻟﻄﻮة اﺨﻟﺎﻣﺴﺔ‪ :‬اﺧﺘﺒﺎر اﻤﻟﻌﺎﻣﻼت‬
‫ﺠﻳﺐ ﻋﻠﻴﻨﺎ إﺟﺮاء اﺧﺘﺒﺎر ﻓﺮﺿﻴﺔ ﻟﻞﻜ ﻣﻌﺎﻣﻞ‪ ،‬ﻓﻬﺬا ﺳﻮف ﻳﻌﻄﻴﻨﺎ ﻓﻜﺮة ﺒﻟ‬
‫اﻤﻟﺘﻐﺮﻴ ا ي أﺛﺮ ﻲﻓ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ﻲﻓ ﻞﻛ ﻧﻤﻮذج واﻤﻟﺘﻐﺮﻴ ا ي ﻟﻢ ﻳﻜﻦ ﺗﺄﺛﺮﻴ‪.‬‬
‫ﻟﻠﺘﺄﻛﺪ ﺑﺄن ﻫﻨﺎك ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ ‪ TB3‬و ‪ TB6‬ﻲﻓ اﺠﻤﻮذج اﻷول‬
‫وﻋﻼﻗﺔ ﻣﺸﺎﺑﻬﺔ ﺑﻦﻴ ‪ TB3‬و ‪ TB6‬ﻲﻓ اﺠﻤﻮذج اﺨﻛﺎ ﺳﻮف ﻧﻘﻮم ﺑﺈﺟﺮاء اﺧﺘﺒﺎر‬
‫ﻓﺮﺿﻴﺎت ﻟﻠﻤﻌﺎﻣﻼت )‪ C(1‬و )‪ C(2‬وﻫﺬﻳﻦ اﻤﻟﻌﺎﻣﻠﻦﻴ ﻫﻤﺎ ﻣﻌﺎﻣﻠﻦﻴ ‪ ECMt-1‬ﻲﻓ‬
‫اﺠﻤﻮذج اﻷول واﺨﻛﺎ ﺒﻟ اﺤﻛﻮاﻲﻟ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :17 .10‬ﺗﻘﺪﯾﺮات ﺗﺼﺤﯿﺢ ﺧﻄﺄ اﻻﺗﺠﺎه‬

‫اﻟﺸﻜﻞ ‪ :18 .10‬ﺧﯿﺎر اﻟﺘﺮﺗﯿﺐ ﺣﺴﺐ اﻟﻤﺘﻐﯿﺮ‬
‫اﻟﺸﻜﻞ ‪ :19 .10‬ﻣﺨﺮﺟﺎت اﻟﺘﺮﺗﯿﺐ ﺣﺴﺐ اﻟﻤﺘﻐﯿﺮ‬

‫اﻟﺸﻜﻞ ‪ :20 .10‬ﺗﻘﺪﯾﺮات اﻟﻨﻈﺎم‬

‫اﺧﺘﺒﺎر اﻤﻟﻌﺎﻣﻞ )‪ C(1‬ﻟـ ‪ ECMt-1‬ﻟﻠﻨﻤﻮذج اﻷول‪:‬‬
‫‪C(1) = 0 : H0‬‬ ‫‪-1‬‬
‫)‪C(1‬‬ ‫‪≠ 0 : H1 - 2‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪-4‬‬
‫‪p-value = 0.0761‬‬ ‫‪-5‬‬
‫‪ - 6‬ﻗﻴﻤــﺔ ‪ p-value‬وﻲﻫ ‪ 0.0761‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬و ﻟﻚ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض‬
‫اﻟﻌﺪم ‪.H0‬‬
‫‪ - 7‬ﻫﺬا اﻤﻟﻌﺎﻣﻞ ﻟﻴــﺲ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪ ،‬وﻫﺬا ﻳﻌــﻲﻨ ﻋﺪم وﺟﻮد ﻋﻼﻗﺔ‬
‫ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ ‪ TB3‬و ‪.TB6‬‬
‫اﺧﺘﺒﺎر )‪ C(7‬ﻟﻠﻤﻌﺎﻣﻞ ‪ ECMt-1‬ﻟﻠﻨﻤﻮذج اﺨﻛﺎ ‪:‬‬
‫‪C(7) = 0 : H0‬‬ ‫‪-1‬‬

‫)‪C(7‬‬ ‫‪≠ 0 : H1 - 2‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪-4‬‬
‫اﻟﺸﻜﻞ ‪ :21 .10‬ﻣﺨﺮﺟﺎت اﻟﻤﺮﺑﻌﺎت اﻟﺼﻐﺮى‬

‫‪P-value = 0.7600‬‬ ‫‪-5‬‬

‫‪ - 6‬ﻗﻴﻤﺔ ‪ p-value‬وﻲﻫ ‪ 0.7600‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬وﺑﺎﺤﻛﺎﻲﻟ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض‬
‫اﻟﻌﺪم ‪ H0‬ﻫﺬا اﻻﺧﺘﺒﺎر ﻟﻴﺲ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪.‬‬
‫‪ - 7‬ﻫﺬا اﻤﻟﻌﺎﻣﻞ ﻟﻴــﺲ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ وﻫﺬا ﻳﻌــﻲﻨ أﻧﻪ ﻻ ﺗﻮﺟﺪ ﻋﻼﻗﺔ‬
‫ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ ‪ TB6‬و ‪.TB3‬‬
‫اﻤﻟﻌﺎﻣــﻼت )‪ C(1‬و )‪ C(7‬ﻫﻤﺎ آ ﺔ ﺤﻛﺼﺤﻴﺢ اﺨﻟﻄــﺄ )‪ (ECMt-1‬ﻟﻠﻤﻌﺎدﻟﺔ‬
‫اﻷو واﺨﻛﺎﻧﻴﺔ ﺒﻟ اﺤﻛﻮاﻲﻟ‪ ،‬ﻫﺬان اﻤﻟﻌﺎﻣﻼن ﻟﻴﺴﺎ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﻷن ﻗﻴﻤﺔ‬
‫ُ‬
‫‪ 0.0761) p-value‬و ‪ (0.7600‬ﻛﻼﻫﻤﺎ أﻛﺮﺒ ﻣﻦ ‪ ،0.05‬وﻫﺬه اﺠﺘﻴﺠﺔ ﺗﺸﺮﻴ إﻰﻟ أن‬
‫اﻟﻌﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﻟﻴﺲ ﻣﻮﺟﻮدة ﺑﻦﻴ ‪ TB3‬و ‪.TB6‬‬
‫إذا ﻗﻤﻨﺎ ﺑﺎﺧﺘﺒــﺎر اﻟﻔﺮﺿﻴﺔ ﻟﻞﻜ اﻤﻟﻌﺎﻣﻼت واﺣــﺪ ﺑﻮاﺣﺪ ﺑﻨﻔﺲ ﻃﺮﻳﻘﺔ‬
‫اﺧﺘﺒﺎر اﻤﻟﻌﺎﻣﻠﻦﻴ اﻟﺴﺎﺑﻘﻦﻴ ﻓﻴﻤﻜﻨﻨﺎ ﺗﺄﻛﻴﺪ ﺑﺄن )‪ C(4‬و )‪ C(5‬و )‪ C(9‬و )‪C(10‬‬
‫و )‪ C(11‬ذوات ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴــﺔ وذﻟﻚ ﻷن ﻗﻴﻢ ‪ p-value‬ﻬﻟﺬه اﻤﻟﻌﺎﻣﻼت ﻲﻫ‬
‫ً‬
‫‪ 0.0101‬و ‪ 0.0116‬و ‪ 0.0251‬و ‪ 0.003‬و ‪ 0.0049‬ﺒﻟ اﺤﻛــﻮاﻲﻟ وﻲﻫ ﻤﺟﻴﻌﺎ أﻗﻞ ﻣﻦ‬
‫‪.0.05‬‬
‫ﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻨﻤﻮذج اﻷول‪:‬‬
‫‪ C(4) - 1‬ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﻓﺈن )‪ DTB6(-1‬ﻳﺆﺛﺮ ﻲﻓ ‪.DTB3‬‬
‫‪ C(5) - 2‬ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﻓﺈن )‪ DTB(-2‬ﻳﺆﺛﺮ ﻲﻓ ‪.DTB3‬‬
‫وﺑﺎﻟﻨﺴﺒﺔ ﻟﻠﻨﻤﻮذج اﺨﻛﺎ ‪:‬‬
‫‪ C(9) - 1‬ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﻓﺈن )‪ DTB3(-2‬ﻳﺆﺛﺮ ﻲﻓ ‪.DTB6‬‬
‫اﻟﺸﻜﻞ ‪ :22 .10‬ﻣﻌﺎﻣﻼت اﻟﻔﺤﺺ‬
‫اﻟﺸﻜﻞ ‪ :23 .10‬اﺧﺘﺒﺎر ‪Wald‬‬

‫‪Wald‬‬ ‫اﺨﻟﻄﻮة اﻟﺴﺎدﺳﺔ‪ :‬اﺧﺘﺒﺎر وو‬
‫ﺑﺎﻓﺮﺘاض أﻧﻨﺎ ﻧﻘﻮم ﺤﺑﺴــﺎب اﺧﺘﺒﺎر اﻤﻟﻌﻨﻮﻳــﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻞﻜ ﻣﻦ )‪ C(1‬و‬
‫ً‬
‫)‪ C(7‬ﻣﻌﺎ‪ ،‬ﻟﻚ ﺳﻮف ﻧﺘﺒﻊ اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ‪:‬‬
‫‪View‬‬ ‫ﻟﻠﺤﺼﻮل ﺒﻟ اﻤﻟﺨﺮﺟﺎت ﺑﺮﺒﻧﺎﻣﺞ ‪ EViews‬أﻧﻘﺮ ﺒﻟ ‪> Coefficient Diagnostics‬‬

‫‪ > Wald Coefficient Tests‬ﻛﻤﺎ ﻫﻮ ﻲﻓ اﻟﺸﻞﻜ ‪ 22.10‬ﺛﻢ ﻗﻢ ﺑﻄﺒﺎﻋﺔ ﻓﺮض اﻟﻌﺪم أدﻧﺎه ﺛﻢ‬
‫اﻧﻘﺮ ‪ OK‬ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ اﻤﻟﺨﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.23.10‬‬
‫اﻟﺸﻜﻞ ‪ :24 .10‬ﻣﺨﺮﺟﺎت اﺧﺘﺒﺎر ‪Wald‬‬

‫‪C(1)=C(7) = 0 : H0‬‬ ‫‪-1‬‬
‫‪ C(1) : H1 - 2‬و )‪ C(7‬ﻻ ﺗﺴﺎوي ﺻﻔﺮ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ ﺨﻣﺮﺟﺎت اﻟﺸــﻞﻜ ‪ 24.10‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ﺎﻛي ﺗﺮﺑﻴﻊ ﺗﺴﺎوي‬
‫‪.3.250265‬‬
‫ﻗﻴﻤﺔ ‪p-value = 0.1969‬‬ ‫‪-4‬‬
‫‪ - 5‬ﺑﻤﺎ أن ﻗﻴﻤﺔ ‪ p-value‬ﺗﺴــﺎوي ‪ 0.1969‬أﻛﺮﺒ ﻣــﻦ ‪ 0.05‬ﻓﻼ ﻳﻤﻜﻨﻨﺎ رﻓﺾ‬
‫ﻓﺮض اﻟﻌﺪم ‪ H0‬واﻻﺧﺘﺒﺎر ﻟﻴﺲ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪.‬‬
‫‪ - 6‬اﺧﺘﺒﺎر اﻤﻟﻌﺎﻣﻼت ﺠﻣﺘﻤﻌﺔ ﻟﻴﺲ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪.‬‬

‫اﺨﻟﻄــﻮة اﻟﺴــﺎﺑﻌﺔ‪ :‬اﺧﺘﺒــﺎر اﻛــﻮاﻲﻗ ‪ -‬اﺧﺘﺒــﺎر اﻻرﺗﺒــﺎط ا ا ﺑﻮرﺗﻤﺎﻧﺘﻮ‬
‫‪Portmanteau Autocorrelation Test‬‬
‫أﻧﻘﺮ ﺒﻟ ‪ View‬ﻲﻓ ﻧﺎﻓﺬة ﺨﻣﺮﺟﺎت ‪ VECM‬وﺣﺪد اﻟﻘﺎﺋﻤﺔ ‪View > Residual Diagnostics‬‬
‫‪ > Portmanteau Autocorrelation Test‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪ ،25.10‬ﺑﺎﻟﻨﺴﺒﺔ ﻟﻌﺪد‬
‫ﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ ﻗﻢ ﺑﻄﺒﺎﻋﺔ اﻟﺮﻗﻢ ‪ 3‬ﺛﻢ اﻧﻘﺮ ﺒﻟ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻤﻟﺨﺮﺟﺎت ﻛﻤﺎ ﻲﻓ‬
‫اﻟﺸﻞﻜ ‪.26.10‬‬
‫‪ : H0 - 1‬ﻻ وﺟﻮد ﻟﻤﺸﻜﻠﺔ اﻻرﺗﺒﺎط اﻟﻤﺘﺴﻠﺴﻞ‪.‬‬

‫‪ : H1 - 2‬ﺗﻮﺟﺪ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا اﻤﻟﺘﺴﻠﺴﻞ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪ً -4‬‬
‫ﺑﻨﺎء ﺒﻟ ﺨﻣﺮﺟﺎت اﻟﺸﻞﻜ ‪ 27.10‬ﻓﺈن ﻗﻴﻤﺔ ‪ p-value‬ﻋﻨﺪ ﻓﺮﺘة ﺗﺒﺎﻃﺆ واﺣﺪة‬
‫ﺗﺴــﺎوي ‪ 0.9746‬وﻗﻴﻤﺔ ‪ p-value‬ﻋﻨﺪ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ‪ 2‬ﺗﺴﺎوي ‪ 0.9514‬وﻗﻴﻤﺔ‬
‫‪ p-value‬ﻋﻨﺪ ﻓﺮﺘة ﺗﺒﺎﻃﺆ ‪ 3‬ﺗﺴﺎوي ‪.0.9821‬‬
‫اﻟﺸﻜﻞ ‪ :25 .10‬ﻓﺤﺺ اﻟﺒﻮاﻗﻲ‬

‫اﻟﺸﻜﻞ ‪ :26 .10‬اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺬاﺗﻲ ﻟﻠﺒﻮاﻗﻲ‬
‫اﻟﺸﻜﻞ ‪ :27 .10‬اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﻤﺘﺴﻠﺴﻞ ﻟﻠﺒﻮاﻗﻲ‬

‫اﻟﺸﻜﻞ ‪ :28 .10‬ﻓﺤﺺ اﻟﺒﻮاﻗﻲ ‪ :‬اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ‬
‫اﻟﺸﻜﻞ ‪ :29 .10‬اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ اﻟﻤﺘﻌﺪد‬

‫ﻞﻛ ﻗﻴــﻢ ‪ p-value‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬وﺑﺎﺤﻛﺎﻲﻟ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪H0‬‬ ‫‪-5‬‬
‫واﻻﺧﺘﺒﺎر ﻟﻴﺲ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪.‬‬
‫‪ - 6‬اﺠﺘﺎﺋﺞ ﺗﻮﺿﺢ ﺑﺄﻧﻪ ﻻ ﻳﻮﺟﺪ ﻫﻨﺎك ارﺗﺒﺎط ذا ﺑﻦﻴ اﻛﻮاﻲﻗ‪.‬‬
‫اﺧﺘﺒﺎر اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ‬

‫ﻲﻓ ﻧﺎﻓﺬة ﺨﻣﺮﺟﺎت ‪ VECM‬اﻧﻘﺮ ﺒﻟ ‪View > Residual Diagnostics > Normality Test‬‬
‫ﻛﻤﺎ ﻫﻮ ﻣﻌﺮوض ﻲﻓ اﻟﺸﻞﻜ ‪ 28.10‬ﺛﻢ اﺧﺮﺘ ‪ (Cholesky of Covariance (lutkepohl‬ﻛﻤﺎ‬
‫ﻫﻮ ﻣﻌﺮوض ﻲﻓ اﻟﺸﻞﻜ ‪ 10.29‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻤﻟﺨﺮﺟﺎت ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪.30.10‬‬
‫‪ : H0 - 1‬اﻟﺒﻮاﻗﻲ اﻟﻤﺘﻌﺪدة ﺗﺘﻮزع ﺗﻮزﯾﻊ طﺒﯿﻌﻲ‪.‬‬
‫‪ : H1 - 2‬اﻛﻮاﻲﻗ اﻤﻟﺘﻌﺪدة ﻻ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪ - 4‬ﻗﻴﻤﺔ ‪ p-values‬ﻤﻟﻜﻮﻧﺎت اﺧﺘﺒﺎر ﺟﺎر ﻴﻮﺑﺮﻴا ‪ Jarque-Bera Test‬ﺗﺴــﺎوي‬
‫‪.0.000‬‬
‫اﻟﺸﻜﻞ ‪ :30 .10‬اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻟﻠﺒﻮاﻗﻲ‬

‫‪ - 5‬ﺑﻤﺎ أن ﻗﻴﻢ ‪ p-values‬أﻗﻞ ﻣﻦ ‪ 0.05‬ﻟﻚ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬ﺣﻴﺚ أن‬

‫ﻫﺬا اﻻﺧﺘﺒﺎر ﻟﻴﺲ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪.‬‬
‫‪ - 6‬اﺠﺘﺎﺋﺞ ﺗﻮﺿﺢ ﺑﺄن اﻛﻮاﻲﻗ اﻤﻟﺘﻌﺪدة ﻻ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫اﻻﺧﺘﺒﺎر اﺨﻛﺎﻣﻦ‪ :‬اﺧﺘﺒﺎر اﻟﺴﺒﺒﻴﺔ ﺠﻟﺮاﺠﻧﺮ ‪Granger Causality Test‬‬
‫ﻲﻓ ﻧﺎﻓﺬة ﺨﻣﺮﺟﺎت ‪ VECM‬اﻧﻘﺮ ﺒﻟ ‪View > Lag Structure > Granger Causality/Block‬‬
‫‪ Erogeneity Tests‬ﻛﻤﺎ ﻫﻮ ﻣﻮﺿﺢ ﻲﻓ اﻟﺸﻞﻜ ‪.31.10‬‬
‫ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ ﺨﻣﺮﺟﺎت ﻲﻓ ﺷﻞﻜ ﺟﺪوﻟﻦﻴ ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ ،32.10‬ﺟﺪول‬

‫ﻟﻞﻜ ﻧﻤﻮذج‪.‬‬
‫اﻟﺸﻜﻞ ‪ :31 .10‬اﺧﺘﺒﺎر اﻟﺴﺒﺒﯿﺔ ﻟﺠﺮاﻧﺠﺮ‬

‫اﻟﺸﻜﻞ ‪ :32 .10‬ﻣﺨﺮﺟﺎت اﺧﺘﺒﺎر اﻟﺴﺒﺒﯿﺔ ﻟﺠﺮاﻧﺠﺮ‬
‫ﻧﺘﺎﺋﺞ اﺠﻟﺪول اﻷول‪:‬‬

‫اﺣﺘﻤﺎﻻت ‪ DTB6‬ﻤﺟﻴﻌﻬﺎ أﺻﻐﺮ ﻣــﻦ ‪ 0.05‬وﺑﺎﺤﻛﺎﻲﻟ ﻳﻤﻜﻨﻨﺎ أن ﻧﻘﻮل ﺑﺄن‬
‫‪ DTB6‬و اﻤﻟﺘﻐﺮﻴات اﻷﺧﺮى ﻟﻠﻨﻤﻮذج اﻷول ﺠﻟﺮاﺠﻧﺮ ﺗﺴﺒﺒﺖ ﻲﻓ اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ‬
‫‪.DTB3‬‬
‫ﻧﺘﺎﺋﺞ اﺠﻟﺪول اﺨﻛﺎ ‪:‬‬
‫اﺣﺘﻤﺎﻻت ‪ DTB3‬و اﻻﺣﺘﻤﺎﻻت اﻷﺧــﺮى أﻗﻞ ﻣﻦ ‪ 0.05‬ﻟﻚ ﻳﻤﻜﻨﻨﺎ‬
‫اﻟﻘﻮل ﺑﺄن ‪ DTB3‬و اﻤﻟﺘﻐﺮﻴات اﻷﺧﺮى ﻟﻠﻨﻤﻮذج اﺨﻛﺎ ﺠﻟﺮاﺠﻧﺮ ﺗﺴــﺒﺒﺖ ﻲﻓ‬
‫اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ‪.DTB6‬‬
‫‪Wald Test‬‬ ‫اﻟﻤﻠﺤﻖ ‪ : 1.10‬أﺧﺘﺒﺎر وو‬

‫ﻫﺬا اﻻﺧﺘﺒــﺎر ﻣﺘﻮ ﻲﻓ ‪ EViews‬وﻳُﺴــﺘﺨﺪم ﻻﺧﺘﺒﺎر ﻗﻴــﻮد اﻤﻟﻌﻠﻤﻴﺎت‪،‬‬
‫ً‬
‫وﺧﺼﻮﺻﺎ ﺗﻠﻚ اﻟﻘﻴﻮد اﻟﻲﺘ ﺗﻢ اﺤﻟﺼﻮل ﻋﻠﻴﻬﺎ ﻣﻦ ﻧﻤﺎذج اﻻﺤﻧﺪار‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ‬
‫اﻤﻟﺜﺎل إذا اﻓﺮﺘﺿﻨﺎ ﺑﺄﻧﻚ ﺗﺮﻏﺐ ﻲﻓ ﺣﺴــﺎب ﺤﺗﻠﻴﻞ اﻻﺤﻧﺪار ﻲﻓ ﻧﻤﻮذج ﺑﻪ اﻤﻟﺘﻐﺮﻴ‬
‫اﺤﻛﺎﺑﻊ ﻫﻮ ﺳﻌﺮ اﻟﺸــﺎي؛ و ذا اﻓﺮﺘﺿﻨﺎ ﺑﺄﻧﻚ ﺗﻔﺮﺘض ﺑﺄن ﺳﻌﺮ اﻟﺸﺎي ﻲﻓ اﻟﺰﻣﻦ ‪t‬‬
‫ﻳﻌﺘﻤﺪ ﺒﻟ ﺳــﻌﺮ اﻟﻘﻬﻮة ﻲﻓ اﻟﺰﻣﻦ ‪ t - 1‬واﻟﺰﻣﻦ ‪ t - 2‬ﻓﺈن اﺠﻤﻮذج ا ي ﻳﻔﺮﺘض‬
‫اﺧﺘﺒﺎره ﻫﻮ‪:‬‬
‫‪t-2‬ﺳﻌﺮ اﻟﻘﻬﻮة ‪t-1 + β2‬ﺳﻌﺮ اﻟﻘﻬﻮة ‪t = α + β1‬ﺳﻌﺮ اﻟﺸﺎي‬
‫إذا ﻛﻨﺖ ﺗﻌﺘﻘﺪ ﺑﺄ‪ ،‬ﺳــﻌﺮ اﻟﻘﻬﻮة ﻋﻨﺪ اﻟﺰﻣﻦ ‪ t - 1‬واﻟﺰﻣﻦ ‪ t -2‬ﻬﻟﻤﺎ ﻧﻔﺲ‬
‫اﺤﻛﺄﺛﺮﻴ ﺒﻟ ﺳﻌﺮ اﻟﺸﺎي ﻋﻨﺪ اﻟﺰﻣﻦ ‪ t‬ﻓﻬﺬا ﻳﻌﻲﻨ أﻧﻚ ﺗﺮﻳﺪ اﺧﺘﺒﺎر ﻗﻴﻮد اﻤﻟﻌﻠﻤﻴﺔ‬
‫‪ H0 : β1 = β2‬وﻫــﺬا ﻳﻜﺎﻓﺊ ‪ ، H0 : β1 - β2=0‬ﻗﻴــﻮد اﻤﻟﻌﻠﻤﻴﺔ ﻳﻤﻜﻦ أن ﺗﺄﺧﺬ‬
‫أﺷﺎﻜل ﻣﺘﻌﺪدة وﻗﺪ ﻳﻜﻮن ﻬﻟﺎ أﻛﺮﺜ ﻣﻦ ﺷﻞﻜ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﻳﻤﻜﻨﻚ اﺧﺘﺒﺎر‬
‫أن ‪ α = 0‬وأن ‪ β1 - β2=0‬ﻲﻓ اﻤﻟﻌﺎدﻟﺔ اﻟﺴﺎﺑﻘﺔ وﻫﺬا ﺳﻮف ﻳﻜﻮن ﻓﺮﺿﻴﺔ اﻟﻌﺪم‪،‬‬
‫ُ‬
‫و ﻫﺬه اﺤﻟﺎﻟﺔ ﺗﺴــﻰﻤ اﻟﻔﺮﺿﻴﺔ ﺑﺎﻟﻔﺮﺿﻴﺔ اﻤﻟﺮ ﺒــﺔ ﻷﻧﻬﺎ ﺗﺮﺘ ﺐ ﻣﻦ أﻛﺮﺜ ﻣﻦ‬
‫ﺟﺰء‪ ،‬واﺧﺘﺒﺎر اﺠﻤﻮذج اﻟﺴــﺎﺑﻖ ﻳﻤﻜﻦ ﻣﻦ ﺧﻼل اﺧﺘﺒﺎر وو ‪ Wald test‬وﻣﺎ‬
‫ﻳﺘﻌﻠﻖ ﺑﻪ ﻣﻦ إﺣﺼﺎﺋﻴﺔ ‪.F‬‬
‫ً‬ ‫ُ‬
‫أﺷــﺮﻴ إﻰﻟ ﻫﺬا اﻻﺧﺘﺒﺎر ﻷﻧﻪ ﻗﺎﺑﻞ ﻟﻠﺘﻄﺒﻴﻖ ﻋﻨﺪﻣــﺎ ﺗﻜﻮن ﻣﻬﺘﻤﺎ ﺑﺎﺤﻛﻨﺒﺆ‬
‫ﻲﻓ ﺤﺑﺜﻚ‪ ،‬وﺑﺎﻟﻄﺒﻊ ﻓﺈن أﻏﻠﺐ اﻛﺎﺣﺜﻦﻴ ﻳﺴــﺘﺨﺪم ﻣﻘﺎﻳﻴﺲ ﺎﻛﻓﻴﺔ ﻟﻠﺘﻨﺒﺆ ﻋﻨﺪ‬
‫اﺳــﺘﺨﺪام اﻻﺤﻧﺪار و ‪ .. ARIMA‬اﻟﺦ‪ ،‬وﻫﺬه اﻤﻟﻘﺎﻳﻴﺲ ﻣﺜﻞ ‪ MAPE‬و ‪،RMSE‬‬
‫ً‬
‫وﻋﻤﻮﻣﺎ ﻓــﺈن اﻟﻌﺪﻳﺪ ﻣﻦ اﻛﺎﺣﺜﻦﻴ ﻻ ﻳﻘﻮﻣﻮن ﺑﺎﺧﺘﺒﺎر اﺤﻟﻴﺎد ﻲﻓ ﺗﻮﻗﻌﺎﺗﻬﻢ وﻲﻫ‬
‫ﺧﺎﺻﻴﺔ أرى أﻧﻬﺎ ﻣﻬﻤﺔ ﻛﺄﻫﻤﻴﺔ ‪ MAPE‬اﻤﻟﻨﺨﻔﺾ‪.‬‬
‫إذا ﺎﻛﻧــﺖ إﺣﺼﺎﺋﻴﺔ ﻣﺎ ﻣﺘﺤــﺰﻴة ﻓﻬﺬا ﻳﻌﻲﻨ أﻧﻬﺎ ﻻ ﺗﻘــﺪر ﻣﻌﺎﻟﻢ اﻤﻟﺠﺘﻤﻊ‬
‫ﺑﻜﻔﺎءة‪ ،‬وﺳــﻮف ﻳﻜﻮن ﻫﻨﺎك ﺧﻄﺄ ﺛﺎﺑﺖ ﻲﻓ ﻋﻤﻠﻴﺔ اﺤﻛﻘﺪﻳﺮ‪ ،‬وﻫﺬا ﻗﺪ ﻳﺆدي‬
‫ً‬ ‫ّ‬
‫إﻰﻟ أن ﻣﺘﻮﺳﻂ اﻟﻌﻴﻨﺔ ﻫﻮ ﻣﻘﺪر ﻏﺮﻴ ﻣﺘﺤﺰﻴ ﻤﻟﺤﺘﻮﻳﺎت اﺤﻧﺪار اﻤﻟﺠﺘﻤﻊ‪ ،‬وﻋﻤﻮﻣﺎ‬
‫ً‬
‫ﻣﺜﻞ ﻫﺬه اﻟﻘﻮاﻋﺪ اﻤﻟﻨﻄﻘﻴﺔ ﻻ ﻳﺘﻢ ﺗﻄﺒﻴﻘﻬﺎ داﺋﻤﺎ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ اﻤﻟﺜﺎل ﺗﺒﺎﻳﻦ اﻟﻌﻴﻨﺔ‬
‫ً‬ ‫ّ‬
‫ﻳﻜﻮن ﻣﻘﺪر ﻣﺘﺤﺰﻴ ﺤﻛﺒﺎﻳﻦ اﻤﻟﺠﺘﻤﻊ ‪ σ‬ﻷﻧﻪ داﺋﻤﺎ ﻳﻘﻠﻞ ﻣﻦ ﺷــﺄن ﻗﻴﻤﺔ اﻷﺧﺮﻴ‪،‬‬
‫ّ‬
‫و اﺤﻟﻘﻴﻘﺔ ﻓﺈن اﻤﻟﻘﺪر ﻏﺮﻴ اﻤﻟﺘﺤﺰﻴ ﺤﻛﺒﺎﻳﻦ ﻟﻠﻤﺠﺘﻤﻊ ﻫﻮ‪:‬‬
‫واﻵن ﺠﺄﺧﺬ ﻲﻓ اﻻﻋﺘﺒــﺎر ﺗﻮﻗﻌﺎﺗﻚ ﻋﻦ وﻗﻴﻢ اﻤﻟﺸــﺎﻫﺪات ﻲﻫ ‪ Yt‬ﺗﻢ‬

‫‪:‬‬ ‫ﺗﺴﺠﻴﻠﻬﺎ ﺧﻼل اﻟﻔﺮﺘة اﻤﻟﺎﺿﻴﺔ‪ ،‬وﺑﺎﻓﺮﺘاض أن اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ ‪ Yt‬ﻣﻘﺎﺑﻞ‬
‫ّ‬
‫ﻜﻮن ﻣﻘﺪر ﻏﺮﻴ ﻣﺘﺤﺰﻴ‬ ‫اﻟﻔﺮﺿﻴــﺔ اﻤﻟﺮ ﺒﺔ ‪ H0 : α = 0‬و ‪ β = 1‬ﺎﻛﻓﻴﺔ ﻟـ‬
‫ﻟـ ‪ Yt‬ا ﺳﻮف ﺗﻘﻮم ﺑﺈﺟﺮاء ﻫﺬه اﺤﻟﺴﺎﺑﺎت ﺑﺮﺒﻧﺎﻣﺞ ‪ EViews‬ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫‪Quick‬‬
‫وأن ﺷﻞﻜ اﻻﺤﻧﺪار ﺳﻮف ﻳﻜﻮن ‪ Y C YHAT‬وﺑﺈﺟﺮاء ذﻟﻚ ﻓﺈن ‪EViews‬‬
‫ﺳــﻮف ﻳﺮﻣﺰ ﻟﻠﻤﻌﺎﻣﻞ ‪ α‬ﺑﺎﻟﺮﻣﺰ )‪ C(1‬واﻤﻟﻌﺎﻣﻞ ‪ β‬ﺑﺎﻟﺮﻣﺰ )‪ ،C(2‬وﻋﻨﺪ اﺤﻟﺼﻮل‬
‫ﺒﻟ اﺠﺘﺎﺋﺞ أﻧﻘﺮ ﺒﻟ أﻳﻘﻮﻧﺔ ‪ View‬ﺛﻢ اﺧﺮﺘ‬
‫‪Coefficient test‬‬
‫‪Wald - Coefficient Restrictions‬‬
‫و ﻣﺮﺑﻊ اﺤﻟﻮار ﻗﻢ ﺑﻄﺒﺎﻋﺔ ‪) C(1) = 0, C(2) = 1‬ﻣﻼﺣﻈﺔ‪ :‬اﻟﻔﺎﺻﻠﺔ ﺠﻳﺐ أن‬
‫ﺗﻔﺼﻞ ﺑﻦﻴ ﻞﻛ ﻗﻴﺪ( ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ إﺣﺼﺎﺋﻴﺔ ‪ F‬اﻤﻟﺘﻌﻠﻘﺔ ﺑﺎﺧﺘﺒﺎر ‪ Wald‬وﻣﺴﺘﻮى‬
‫ﻣﻌﻨﻮﻳﺘﻬﺎ‪ ،‬وﺳــﻮف ﺗﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬إذا ﺎﻛن ﻣﺴﺘﻮى اﻤﻟﻌﻨﻮﻳﺔ أﻗﻞ ﻣﻦ ‪0.05‬‬
‫ﻷن ﻫﺬا اﻻﺧﺘﺒﺎر ﻫﻮ اﺧﺘﺒﺎر ﻃﺮف واﺣﺪ ﻳﻞ اﻤﻟﻨﺤﻰﻨ‪ ،‬ﻗﺒﻮل ﻓﺮﺿﻴﺔ اﻟﻌﺪم ﻳُﺸﺮﻴ‬
‫ّ‬
‫ﺑﺄن اﺤﻛﻨﺒﺆ ﺤﻣﻞ اﻟﺘﺴــﺎؤل ﺗﻢ ﻤﻟﻘﺪرات ﻏﺮﻴ ﻣﺘﺤﺰﻴة ‪) Yt‬ﻣﻼﺣﻈﺔ‪ EViews :‬ﻳﻘﻮم‬
‫ﺑﻌﺮض إﺣﺼﺎﺋﻴﺔ ﺎﻛي ﺗﺮﺑﻴﻊ اﻤﻟﺘﻌﻠﻘﺔ ﺑﺎﺧﺘﺒﺎر ‪ Wald‬وﻫﺬه اﻹﺣﺼﺎﺋﻴﺔ ﻗﺪ ﺗﻌﺎرض‬
‫إﺣﺼﺎﺋﻴﺔ ‪ F‬ﻟﻚ ﺠﻳﺐ ﺒﻟ اﻤﻟﺴــﺘﺨﺪم أن ﺨﻳﺘﺎر ‪ F‬ﻷﻧﻬﺎ أﻛﺮﺜ ﺣﺴﺎﺳــﻴﺔ ﺤﻟﺠﻢ‬
‫اﻟﻌﻴﻨﺔ ودرﺟﺘﺎ اﺤﻟﺮﻳﺔ اﺨﻟﺎﺻﺔ ﺑﻬﺬه اﻹﺣﺼﺎﺋﻴﺔ ﺗﻌﺘﻤﺪ ﺒﻟ ﺣﺠﻢ اﻟﻌﻴﻨﺔ(‪.‬‬
‫وﺑﺎﻟﻄﺒﻊ ﻓﺈﻧﻪ ﻳﻤﻜﻦ ﺗﻄﺒﻴﻖ اﺧﺘﺒﺎر وو ‪ Wald Test‬ﻟﻠﺘﻨﺒﺆ ﺑﺎﺳﺘﺨﺪام ﻧﻤﺎذج‬
‫ﺑﺸﻞﻜ ﻓﺮدي أو ﻤﺟﻊ ﺠﻣﻤﻮﻋﺔ ﻣﻦ اﺠﻤﺎذج )ﻃﺮﻳﻘﺔ اﻤﻟﺘﻮﺳﻂ وﻃﺮﻳﻘﺔ ﺗﺒﺎﻳﻦ اﺤﻛﻐﺎﻳﺮ(‪.‬‬
‫(!‪٠‬‬
‫ﺗﺤﻠﻴﻞ ﺑﻴﺎﻧﺎﺕ ﺍﻟﺒﺎﻧﻞ ‪Panel Data Analysis‬‬
‫اﺳــﺘﺨﺪﻣﺖ ﻧﻤﺎذج اﻻﺤﻧﺪار اﻟﻲﺘ ﺗﻤﺖ ﻣﻨﺎﻗﺸﺘﻬﺎ إﻰﻟ ﺣﺪ اﻵن إﻣﺎ ﺑﻴﺎﻧﺎت‬
‫ﻣﻘﻄﻌﻴﺔ أو ﺳﻼﺳــﻞ زﻣﻨﻴــﺔ‪ .‬ﻞﻛ ﻣﻦ ﻫﺬه اﻷﻧﻮاع ﻣﻦ اﻛﻴﺎﻧﺎت ﻳﻬﺎ ﺳــﻤﺎﺗﻬﺎ‬
‫اﺨﻟﺎﺻﺔ‪ .‬ﻲﻓ ﻫﺬا اﻟﻔﺼــﻞ‪ ،‬ﻧﻨﺎﻗﺶ ﻧﻤﺎذج اﻻﺤﻧﺪار ﻛﻴﺎﻧــﺎت اﻛﺎﻧﻞ واﻟﻲﺘ ﻓﻴﻬﺎ‬
‫ﻧﺴــﺘﺨﺪم ﻧﻔﺲ ﺠﻣﻤﻮﻋﺔ اﻟﻜﻴﺎﻧﺎت )اﻓﺮاد‪ ،‬ﺮﺷ ت‪ ،‬وﻻﻳﺎت‪ ،‬دول‪ ،‬وﻣﺎ ﺷﺎﺑﻪ(‬
‫ﻋﺮﺒ اﻟﺰﻣﻦ‪ .‬ﻫﻨﺎك ﻋﺪة ﻣﺰاﻳﺎ ﻛﻴﺎﻧﺎت اﻛﺎﻧﻞ واﻟﻲﺘ ﺗﻤﺰﻴﻫﺎ ﻋﻦ اﻛﻴﺎﻧﺎت اﻤﻟﻘﻄﻌﻴﺔ‬
‫اﺨﻟﺎﻟﺼﺔ أو ﺑﻴﺎﻧﺎت اﻟﺴﻠﺴﺔ اﻟﺰﻣﻨﻴﺔ اﺨﻟﺎﻟﺼﺔ‪ .‬وﻣﻦ ﻫﺬه اﻤﻟﻤﺰﻴات ﻣﺎ ﻳﻲﻠ‪:‬‬
‫‪ - 1‬ﺑﻤﺎ أن ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﺗﺘﻌﺎﻣﻞ ﻣﻊ اﻷﻓﺮاد‪ ،‬اﻟﺮﺸ ت‪ ،‬اﻟﻮﻻﻳﺎت‪ ،‬ا ول‪ ،‬وﻏﺮﻴﻫﺎ‬
‫ﻋﺮﺒ اﻟﺰﻣﻦ‪ ،‬ﻓﻤﻦ اﻤﻟﺆ ــﺪ أن ﻳﻜﻮن ﻫﻨﺎك ﻋﺪم ﺠﺗﺎﻧﺲ )‪(heterogeneity‬‬
‫ﺑﻦﻴ ﻫﺬه اﻟﻮﺣــﺪات‪ ،‬واﻟﻲﺘ ﻗﺪ ﺗﻜــﻮن ﻏﺮﻴ ﻗﺎﺑﻠﺔ ﻟﻠﺮﺻــﺪ ﻲﻓ ﻛﺜﺮﻴ ﻣﻦ‬
‫اﻷﺣﻴﺎن‪ .‬ﻳﻤﻜﻦ ﺤﻛﻘﻨﻴﺎت اﺤﻛﻘﺪﻳﺮ ﻛﻴﺎﻧﺎت اﻛﺎﻧﻞ أن ﺗﺄﺧﺬ ﻋﺪم اﺤﻛﺠﺎﻧﺲ‬
‫ﻲﻓ اﻻﻋﺘﺒــﺎر ﻣﻦ ﺧﻼل اﻟﺴــﻤﺎح ﻤﻟﺘﻐﺮﻴات ﺤﻣﺪدة ﺣﺴــﺐ وﺣﺪة اﻤﻟﻌﺎﻳﻨﺔ‬
‫)‪ .(subject-specific variables‬اﻤﻟﺼﻄﻠــﺢ وﺣــﺪة اﻤﻟﻌﺎﻳﻨﺔ )‪ (subject‬أو‬
‫اﻤﻟﻔﺮدة ﻳﺸﻤﻞ اﻟﻮﺣﺪات اﻟﺼﻐﺮﻴة ﻣﺜﻞ اﻷﻓﺮاد‪ ،‬اﻟﺮﺸ ت‪ ،‬أو ا ول‪.‬‬
‫‪ - 2‬ﻣﻦ ﺧﻼل اﺠﻟﻤﻊ ﻣﺎ ﺑﻦﻴ اﻟﺴﻠﺴــﻠﺔ اﻟﺰﻣﻨﻴﺔ ﻟﻠﻤﺸﺎﻫﺪات اﻤﻟﻘﻄﻌﻴﺔ )ﺤﺑﻴﺚ‬
‫أن ﻟﻞﻜ ﻣﺸــﺎﻫﺪة ﻣﻦ اﻛﻴﺎﻧﺎت اﻤﻟﻘﻄﻌﻴﺔ أﻛﺮﺜ ﻣﻦ ﻧﻘﻄــﺔ زﻣﻨﻴﺔ(‪ ،‬ﺗﻌﻄﻲ‬
‫ً‬ ‫ً‬
‫ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ”ﺑﻴﺎﻧﺎت ﺗﻘﺪم ﻣﻌﻠﻮﻣﺎت إﻓﺎدة وأﻛﺮﺜ ﺗﻨﻮﺨ وأﻗﻞ ﺗﺪاﺧﻼ ﺑﻦﻴ‬
‫اﻤﻟﺘﻐﺮﻴات‪ ،‬ودرﺟﺎت ﺣﺮﻳﺔ أﻛﺮﺜ واﻤﻟﺰﻳﺪ ﻣﻦ اﻟﻜﻔﺎءة ”‪.‬‬
‫‪ - 3‬ﻣﻦ ﺧﻼل دراﺳــﺔ اﻤﻟﺸــﺎﻫﺪات اﻤﻟﻘﻄﻌﻴﺔ ﻷﻛﺮﺜ ﻣﻦ ﻧﻘﻄﺔ زﻣﻨﻴﺔ‪ ،‬ﺗﻜﻮن‬
‫ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻣﻨﺎﺳﺒﺔ ﺑﺸﻞﻜ أﻓﻀﻞ راﺳﺔ دﻳﻨﺎﻣﻴﻜﻴﺎت اﺤﻛﻐﺮﻴ‪ .‬ﺒﻟ ﺳﺒﻴﻞ‬
‫اﻤﻟﺜﺎل‪ ،‬ﻳﺘﻢ دراﺳــﺔ اﻛﻄﺎﻟﺔ ودوران اﻟﻮﻇﺎﺋﻒ وﻣــﺪة اﻛﻄﺎﻟﺔ‪ ،‬وﺣﺮ ﺔ ا ﺪ‬

‫اﻟﻌﺎﻣﻠﺔ ﺑﺸﻞﻜ أﻓﻀﻞ ﻣﻊ ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ‪.‬‬
‫‪ - 4‬ﻳﻤﻜﻦ ﻛﻴﺎﻧــﺎت اﻛﺎﻧﻞ اﻛﺘﺸــﺎف وﻗﻴﺎس اﺤﻛﺄﺛﺮﻴات اﻟــﻲﺘ ﻻ ﻳﻤﻜﻦ‬
‫ً‬
‫ﻣﻼﺣﻈﺘﻬﺎ ﻲﻓ اﻛﻴﺎﻧﺎت اﻤﻟﻘﻄﻌﻴﺔ أو ﺑﻴﺎﻧﺎت اﻟﺴﻼﺳﻞ زﻣﻨﻴﺔ اﻛﺤﺘﺔ‪ .‬ﻓﻤﺜﻼ‪،‬‬
‫ﻳﻤﻜﻦ دراﺳﺔ آﺛﺎر ﻗﻮاﻧﻦﻴ اﺤﻟﺪ اﻷد ﻟﻸﺟﻮر ﺒﻟ اﻟﻌﻤﺎﻟﺔ واﻷرﺑﺎح ﺑﺸﻞﻜ‬
‫أﻓﻀﻞ إذا ﺗﺘﺒﻌﻨﺎ ﻣﻮﺟــﺎت ﻣﺘﺘﺎ ﺔ ﻣﻦ اﻟﺰﻳــﺎدات ﻲﻓ اﺤﻟﺪ اﻷد ﻟﻸﺟﻮر‬
‫اﻟﻔﻴﺪرا ﺔ و‪/‬أو اﺤﻟﻜﻮﻣﻴﺔ‪.‬‬
‫‪ - 5‬ﺑﻌﺾ اﻟﻈﻮاﻫﺮ اﻻﻗﺘﺼﺎدﻳﺔ ﻣﺜﻞ وﻓﻮرات اﺤﻟﺠﻢ واﺤﻛﻐﺮﻴ اﺤﻛﻜﻨﻮﻟﻮ ﻳﻔﻀﻞ‬
‫دراﺳﺘﻬﺎ ﻣﻦ ﺧﻼل ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻋﻦ دراﺳﺘﻬﺎ ﺑﺒﻴﺎﻧﺎت ﺳﻠﺴﻠﺔ زﻣﻨﻴﺔ ﻓﻘﻂ‬
‫أو ﺑﻴﺎﻧﺎت ﻣﻘﻄﻌﻴﺔ ﻓﻘﻂ‪.‬‬
‫ﺗﻌﺮف ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ اﻟﻲﺘ ﺤﺗﺘﻮي ﺒﻟ ﻋﺪد ﻣﺸﺎﻫﺪات زﻣﻨﻴﺔ ﻣﺘﺴﺎوﻳﺔ ﻟﻞﻜ‬
‫ﻓﺮد ”وﺣﺪة ﻣﻌﺎﻳﻨﺔ“ ﺑﺄﻧﻬﺎ ﺑﺎﻧﻞ ﻣﺘﻮازﻧﺔ )‪ .(balanced panel‬إذا ﻟﻢ ﻳﻜﻦ اﻷﻣﺮ‬
‫ﻛﺬﻟﻚ‪ ،‬ﻓﺈﻧﻬﺎ ﺗﺴﻰﻤ ﺑﺎﻧﻞ ﻏﺮﻴ ﻣﺘﻮازﻧﺔ )‪.(unbalanced panel‬‬
‫ﻛﺬﻟﻚ‪ ،‬ﺗﺴﻰﻤ ﺑﺎﻧﻞ ﻗﺼﺮﻴة )‪ (short panel‬ﻋﻨﺪﻣﺎ ﻳﻜﻮن ﻋﺪد اﻟﻮﺣﺪات‬
‫اﻤﻟﻘﻄﻌﻴﺔ أو اﻟﻔﺮدﻳﺔ ‪ N‬ﻲﻫ أﻛﺮﺒ ﻣﻦ ﻋﺪد اﻟﻔﺮﺘات اﻟﺰﻣﻨﻴﺔ ‪ ،T‬وﺗﺴﻰﻤ ﺑﺎﻧﻞ ﻃﻮﻳﻠﺔ‬
‫)‪ (long panel‬إذا ﺎﻛﻧﺖ ‪ T‬أﻛﺮﺒ ﻣﻦ ‪.N‬‬
‫ﻫﻨﺎك ﻤﺧﺴﺔ ﺧﻴﺎرات ﺤﻛﻘﺪﻳﺮ ﻧﻤﻮذج ﻣﻊ ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ‪:‬‬
‫‪ - 1‬اﺳﺘﺨﺪام دوال ﺳﻼﺳﻞ زﻣﻨﻴﺔ ﻓﺮدﻳﺔ )‪(Individual time series functions‬‬
‫ﺤﻛﻘﺪﻳﺮ اﺠﻤﺎذج ﺑﻄﺮﻳﻘﺔ اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻻﻋﺘﻴﺎدﻳﺔ ‪.OLS‬‬
‫‪ - 2‬اﺳــﺘﺨﺪام دوال ﻣﻘﻄﻌﻴﺔ )‪ (Cross-sectional functions‬ﻟﻞﻜ ﺳﻨﺔ ﺤﻛﻘﺪﻳﺮ‬
‫اﺠﻤﺎذج ﺑﻄﺮﻳﻘﺔ اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻻﻋﺘﻴﺎدﻳﺔ ‪.OLS‬‬
‫‪ - 3‬داﻟﺔ ‪ OLS‬اﻤﻟﺠﻤﻌﺔ )‪ :(Pooled OLS function‬ﻳﻤﻜﻨﻨﺎ ﺠﺗﻤﻴﻊ ﻞﻛ اﻤﻟﺸﺎﻫﺪات‪،‬‬
‫اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ واﻤﻟﻘﻄﻌﻴﺔ‪ ،‬وﺗﻘﺪﻳﺮ داﻟﺔ ”ﻛﺮﺒى“‪ ،‬و ﻫﻤﺎل اﻟﻄﺒﻴﻌﺔ اﻤﻟﺰدوﺟﺔ‬
‫ﻛﻴﺎﻧﺎت اﻟﺴﻠﺴــﻠﺔ اﻟﺰﻣﻨﻴﺔ واﻛﻴﺎﻧﺎت اﻤﻟﻘﻄﻌﻴﺔ‪ .‬وﻟﻜﻦ ﻣﺜﻞ ﻫﺬا اﺤﻛﺠﻤﻴﻊ‬
‫ﻳﻔﺮﺘض أن ﻣﻌﺎﻣﻼت ا اﻟﺔ ﺳــﺘﺒﻰﻘ ﺛﺎﺑﺘﺔ ﺧﻼل اﻟﺰﻣــﻦ وﻋﺮﺒ اﻟﻘﻄﺎﺨت‬
‫‪327‬‬ ‫اﻟﻔﺼﻞ اﻟﺤﺎدي ﻋﺎﺷﺮ ‪ :‬ﺗﺤﻠﻴﻞ ﺑﻴﺎﻧﺎت اﻟﺒﺎﻧﻞ ‪Panel Data Analysis‬‬
‫ً‬
‫اﻤﻟﺘﺪاﺧﻠﺔ‪ .‬إن ﺗﻘﺪﻳﺮ ‪ OLS‬اﻤﻟﺠﻤﻊ ﻳﻌﺮف أﻳﻀﺎ ﺑﺎﺳﻢ ﻧﻤﻮذج اﻤﻟﻌﺎﻣﻞ اﺨﻛﺎﺑﺖ‪،‬‬
‫ﻷﻧﻨﺎ ﻧﻔﺮﺘض أن اﻤﻟﻌﺎﻣﻼت ﻋﺮﺒ اﻟﺰﻣﻦ وﻋﺮﺒ اﻟﻘﻄﺎﺨت ﺗﻈﻞ ﻲﻫ ﻧﻔﺴﻬﺎ‪.‬‬
‫‪ - 4‬ﻧﻤﻮذج اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى ذات اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻟﻠﻤﺘﻐﺮﻴات اﻟﻮﻫﻤﻴﺔ‬
‫‪Fixed Effects Least-squares Dummy Variable Model (LSDV):‬‬
‫ﻛﻤﺎ ﻫﻮ اﺤﻟﺎل ﻲﻓ اﺨﻟﻴﺎر اﻟﺴــﺎﺑﻖ )‪ ،(3‬ﻧﻘﻮم ﺠﺑﻤﻊ ﻞﻛ اﻤﻟﺸــﺎﻫﺪات وﻟﻜﻦ‬
‫ﻧﺴــﻤﺢ ﻟﻞﻜ ﻓﺮد أن ﻳﻜﻮن ﻗﺎﻃﻊ ﻓﺮدي وﻫﻲﻤ‪ .‬اﻻﺧﺘﻼف ﻫﻨﺎ ﻫﻮ اﻤﻟﻘﺪر‬
‫ً‬
‫ا اﺧﻲﻠ )‪ ،(within estimator‬وا ي ﺳﻨﺮﺸﺣﻪ ﻻﺣﻘﺎ‪.‬‬
‫‪ - 5‬ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸﻮاﺋﻴﺔ ‪:Random Effects Model‬‬
‫ً‬
‫ﺑﺪﻻ ﻣﻦ اﻟﺴــﻤﺎح ﻟﻞﻜ ﻓﺮد أن ﻳﻜﻮن ﻗﻴﻤﺔ ﻗﺎﻃﻊ )ﺛﺎﺑﺖ( ﺧﺎص ﺑﻪ ﻛﻤﺎ‬
‫ﻫﻮ اﺤﻟﺎل ﻲﻓ ﻧﻤــﻮذج ‪ ،LSDV‬ﻧﻘﻮم ﺑﺎﻓﺮﺘاض أن ﻗﻴــﻢ اﻟﻘﺎﻃﻊ ﻟﻸﻓﺮاد ﻲﻫ‬
‫ﻣﺴﺤﻮﺑﺎت ﻋﺸﻮاﺋﻴﺔ ﻣﻦ ﺠﻣﻤﻮﻋﺔ أﻛﺮﺒ ﻣﻦ ﺠﻣﺘﻤﻊ اﻷﻓﺮاد‪.‬‬
‫ﺳﻨﻘﻮم ﺑﻤﻨﺎﻗﺸــﺔ اﺨﻟﻴﺎرات ‪ ،4 ،3‬و‪ 5‬ﺒﻟ اﺤﻛﻮاﻲﻟ‪ .‬ﻗﺒﻞ أن ﻧﺒﺪأ ﺑﺘﻄﺒﻴﻖ ﻫﺬه‬
‫اﺨﻟﻴﺎرات ﺤﻧﻦ ﺤﺑﺎﺟﺔ ﻟﻠﻨﻈﺮ ﻲﻓ ﻧﻘﻄﺘﻦﻴ‪:‬‬
‫‪ - 1‬ﻫﻞ ﻣﺘﻐﺮﻴات ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻣﺴﺘﻘﺮة أم ﻻ؟‬
‫‪ - 2‬ﻫﻞ ﻲﻫ ﻣﺘﺎﻜﻣﻠﺔ؟‬
‫‪ 1.11‬ﻃﺮﻳﻘﺔ اﺳﺘﻘﺮار اﻟﺒﺎﻧﻞ ‪:Panel Stationary Approach‬‬
‫ً‬
‫ﻳﻨﺎ اﺛﻨﺎن ﻣﻦ ﺑﻴﺎﻧﺎت اﻛﺎﻧــﻞ ﻲﻓ ﻫﺬا اﻤﻟﺜﺎل‪ .‬ﻧﻘﻮم ﺑﺪاﻳﺔ ﺑﺘﺤﻮﻳﻞ اﻛﻴﺎﻧﺎت‬
‫إﻰﻟ اﻟﻠﻮﺬﻟرﻳﺘﻢ اﻻﻋﺘﻴﺎدي )‪ (log‬أو اﻟﻄﺒﻴﻲﻌ )‪ (ln‬ﻋﻦ ﻃﺮﻳﻖ اﺳــﺘﺨﺪام إﺣﺪى‬
‫اﻟﻄﺮق اﺤﻛﺎ ﺔ أدﻧﺎه‪:‬‬
‫ﻣﻼﺣﻈﺔ‪ :‬ﺳــﻮف ﻧﻌﺎﻣﻞ اﻛﻴﺎﻧﺎت ﻲﻓ ﺷــﻠﻜﻬﺎ اﻟﻠﻮﺬﻟرﻳﺘﻲﻤ ﺒﻟ أﺳﺎس أﻧﻬﺎ‬
‫اﻛﻴﺎﻧﺎت اﻷﺻﻠﻴﺔ‬
‫ﺤﻛﺤﻮﻳﻞ اﻛﻴﺎﻧﺎت إﻰﻟ ﺻﻴﻐﺔ اﻟﻠﻮﺬﻟرﻳﺘﻢ اﻻﻋﺘﻴﺎدي‪:‬‬
‫اذﻫﺐ إﻰﻟ ‪ Quick-Generate Series‬ﺛﻢ اﻛﺘﺐ )‪ LGDP = Log(GDP‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫اذﻫﺐ إﻰﻟ ‪ Quick-Generate Series‬ﺛﻢ اﻛﺘﺐ )‪ LGEX = Log(GEX‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫ﺤﻛﺤﻮﻳﻞ اﻛﻴﺎﻧﺎت إﻰﻟ ﺻﻴﻐﺔ اﻟﻠﻮﺬﻟرﻳﺘﻢ اﻟﻄﺒﻴﻲﻌ‪:‬‬

‫اذﻫﺐ إﻰﻟ ‪ Quick-Generate Series‬ﺛﻢ اﻛﺘﺐ )‪ LGDP = @Log(GDP‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫اذﻫﺐ إﻰﻟ ‪ Quick-Generate Series‬ﺛﻢ اﻛﺘﺐ )‪ LGEX = @Log(GEX‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫ﺷﻜﻞ ‪ 11.1‬ﺗﻤﺜﯿﻞ ﺑﯿﺎﻧﻲ ﻟﺴﻠﺴﻠﺔ ‪LGDP‬‬
‫‪ 1.1.11‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪LGDP‬‬

‫ﻳﻌﺮض اﻟﺸــﻞﻜ ‪ 1.11‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﺴﻠﺴــﻠﺔ ‪ ،LGDP‬وﻟﻐﺮض اﺤﻛﺄﻛﺪ ﻣﻦ‬
‫اﺳﺘﻘﺮار ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ‪ ،‬ﻧﻘﻮم ﺑﺈﺟﺮاء اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة و ﻤﺎ ﻳﻲﻠ‪:‬‬
‫اﻓﺘﺢ ﺑﻴﺎﻧﺎت ‪ ،LGDP‬ﺛﻢ ﻣﻦ ‪ View‬ﻗﻢ ﺑﺎﺧﺘﻴﺎر ‪ ،Unit Root Test‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫اﻻﺧﺘﺒﺎر‪:‬‬
‫‪ : H0 - 1‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ‪ LGDP‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ : H1 - 2‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ‪ LGDP‬ﻣﺴﺘﻘﺮة‪ ،‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬

‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﻣﻦ اﺠﺘﺎﺋﺞ اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸــﻞﻜ ‪ ،2.11‬ﺠﻧﺪ أن إﺣﺼﺎﺋﻴﺎت اﻻﺧﺘﺒﺎر اﻷرﺑﻌﺔ‬
‫ﺗﺴﺎوي )‪ ،(24.5320) ،(3.64252) ،(-1.67631‬و )‪.(35.8464‬‬
‫‪ - 4‬ﻣﺴــﺘﻮى ا ﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻼﺣﺘﻤــﺎل ‪ p-values‬ﻻﺣﺼﺎﺋﻴﺎت اﻻﺧﺘﺒﺎر‬
‫ﺗﺴﺎوي )‪ ،(0.9553) ،(0.9999) ،(0.0468‬و )‪.(0.5694‬‬
‫‪ - 5‬ﺠﻧﺪ أن أﻏﻠﺐ ﻗﻴﻢ اﻻﺣﺘﻤﺎل ‪ p-values‬ﻲﻫ أﻛﺮﺒ ﻣﻦ ‪ ، 0.05‬ﺑﺎﺳﺘﺜﻨﺎء اﻟﻘﻴﻤﺔ‬
‫وﺑﻨﺎء ﺒﻟ ذﻟﻚ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض‬ ‫ً‬ ‫اﻷو ﻓﻘﻂ ﺣﻴﺚ ﻲﻫ أﻗﻞ ﻣﻦ ‪،0.05‬‬
‫ً‬
‫اﻟﻌﺪم‪ .‬اﻻﺧﺘﺒﺎر ﻏﺮﻴ ﻣﻌﻨﻮي اﺣﺼﺎﺋﻴﺎ‪.‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ أن ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪ LGDP‬ﻏﺮﻴ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺷﻜﻞ ‪ 2.11‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻋﻠﻰ ﺑﯿﺎﻧﺎت ‪LGDP‬‬

‫ﺷﻜﻞ ‪ 3.11‬ﺗﻤﺜﯿﻞ ﺑﯿﺎﻧﻲ ﻟﺴﻠﺴﻠﺔ ‪LGEX‬‬

‫‪LGEX‬‬ ‫‪ 2.1.11‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ‬
‫ﻳﻌﺮض اﻟﺸﻞﻜ ‪ 3.11‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻛﻴﺎﻧﺎت ‪ ،LGEX‬واﻟﻲﺘ ﺗﺒﺪو ﺑﺄﻧﻬﺎ ﻣﺴﺘﻘﺮة‪،‬‬
‫وﻟﻜﻦ ﻟﻐﺮض اﺤﻛﺄﻛﺪ ﻣﻦ اﺳــﺘﻘﺮار ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪ LGEX‬ﻣﻦ ﻋﺪﻣﻪ‪ ،‬ﻧﻘﻮم‬
‫ﺑﺈﺟﺮاء اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة و ﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﺷﻜﻞ ‪ 4.11‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻋﻠﻰ ﺑﯿﺎﻧﺎت ‪LGEX‬‬

‫اﻓﺘﺢ ﺑﻴﺎﻧﺎت ‪ ،LGEX‬ﺛﻢ ﻣﻦ ‪ View‬ﻗﻢ ﺑﺎﺧﺘﻴﺎر ‪ ،Unit Root Test‬ﺛﻢ اﻧﻘﺮ ‪.OK‬‬
‫‪ : H0 - 1‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ‪ LGEX‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ : H1 - 2‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪ LGEX‬ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﺗﺴﺎوي )‪ ،(10.5711) ،(4.86434) ،(-0.33934‬و )‪.(19.0235‬‬
‫‪ - 4‬ﻣﺴــﺘﻮى ا ﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻼﺣﺘﻤــﺎل ‪ p-values‬ﻹﺣﺼﺎﺋﻴﺎت اﻻﺧﺘﺒﺎر‬
‫ﺗﺴﺎوي )‪ ،(1.0000) ،(1.0000) ،(0.3672‬و )‪.(0.9957‬‬
‫ً‬
‫وﺑﻨﺎء ﺒﻟ ذﻟﻚ ﻻ‬ ‫‪ - 5‬ﺠﻧــﺪ أن ﻞﻛ ﻗﻴﻢ اﻻﺣﺘﻤﺎل ‪ p-values‬ﻲﻫ أﻛﺮﺒ ﻣﻦ ‪، 0.05‬‬
‫ً‬
‫ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم‪ .‬اﻻﺧﺘﺒﺎر ﻏﺮﻴ ﻣﻌﻨﻮي اﺣﺼﺎﺋﻴﺎ‪.‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ أن ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪ LGEX‬ﻏﺮﻴ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪The First Difference of the Data‬‬ ‫‪ 3.1.11‬اﻟﻔﺮوق اﻷو ﻟﻠﺒﻴﺎﻧﺎت‬
‫ﻟﻠﺤﺼــﻮل ﺒﻟ اﻟﻔﺮوق اﻷو ﻛﻴﺎﻧﺎت اﻛﺎﻧــﻞ ﻟﻠﻤﺘﻐﺮﻴﻳﻦ‪ ،‬ﻧﺘﺒﻊ اﺨﻟﻄﻮات‬
‫اذﻫﺐ إﻰﻟ ‪ Quick - Generate Series‬ﺛﻢ اﻛﺘﺐ )‪DLGDP = LGDP - LGDP(-1‬‬
‫اذﻫﺐ إﻰﻟ ‪ Quick - Generate Series‬ﺛﻢ اﻛﺘﺐ)‪DLGEX = LGEX - LGEX(-1‬‬
‫ﺷﻜﻞ ‪ 5.11‬ﺗﻤﺜﯿﻞ ﺑﯿﺎﻧﻲ ﻟــ ‪DLGDP‬‬
‫‪ 4.1.11‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪DLGDP‬‬
‫ﻳﻌﺮض اﻟﺸــﻞﻜ ‪ 11.5‬اﻟﺮﺳــﻢ اﻛﻴﺎ ﻛﻴﺎﻧﺎت ‪ ،DLGDP‬واﻟــﻲﺘ ﺗﺒﺪو ﺑﺄﻧﻬﺎ‬

‫ﻣﺴــﺘﻘﺮة‪ ،‬ﺣﻴﺚ أن ﺧﻂ اﻟﺴﻠﺴﻠﺔ ﻳﻘﻄﻊ اﺨﻟﻂ اﻟﺼﻔﺮي ﻤﻟﺮات ﻋﺪﻳﺪة‪ .‬وﻟﻜﻦ‬
‫ﻟﻐﺮض اﺤﻛﺄﻛﺪ ﻣﻦ اﺳــﺘﻘﺮار ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـــ ‪ ،DLGDP‬ﻧﻘﻮم ﺑﺈﺟﺮاء اﺧﺘﺒﺎر‬
‫ﺟﺬر اﻟﻮﺣﺪة و ﻤﺎ ﻳﻲﻠ‪:‬‬
‫اﻓﺘﺢ ﺑﻴﺎﻧﺎت ‪ ،DLGDP‬ﺛﻢ ﻣﻦ ‪ View‬ﻗﻢ ﺑﺎﺧﺘﻴﺎر ‪ ،Unit Root Test‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل‬
‫ﺒﻟ اﻟﺸﻞﻜ ‪6.11‬‬
‫‪ : H0 - 1‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ‪ DLGDP‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ : H1 - 2‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪ DLGDP‬ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﺗﺴﺎوي )‪ ،(136.808) ،(-8.00521) ،(-6.61669‬و )‪.(293.287‬‬
‫‪ - 4‬ﻣﺴﺘﻮى ا ﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻼﺣﺘﻤﺎل ‪ p-values‬ﻻﺣﺼﺎﺋﻴﺎت اﻻﺧﺘﺒﺎر ﻠﻛﻬﺎ‬
‫ﺗﺴﺎوي )‪.(0.0000‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ أن ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪ DLGDP‬ﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺷﻜﻞ ‪ 6.11‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﺒﺎﻧﻞ ‪DLGDP‬‬

‫ﺷﻜﻞ ‪ 7.11‬ﺑﯿﺎﻧﺎت ‪DLGEX‬‬
‫‪DLGEX‬‬ ‫‪ 5.1.11‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ‬

‫ﻳﻌﺮض اﻟﺸــﻞﻜ ‪ 7.11‬اﻟﺮﺳــﻢ اﻛﻴﺎ ﻛﻴﺎﻧﺎت ‪ ،DLGEX‬واﻟــﻲﺘ ﺗﺒﺪو ﺑﺄﻧﻬﺎ‬
‫ﻣﺴــﺘﻘﺮة‪ ،‬ﺣﻴﺚ أن ﺧﻂ اﻟﺴﻠﺴﻠﺔ ﻳﻘﻄﻊ اﺨﻟﻂ اﻟﺼﻔﺮي ﻤﻟﺮات ﻋﺪﻳﺪة‪ .‬وﻟﻜﻦ‬
‫ﻟﻐﺮض اﺤﻛﺄﻛﺪ ﻣﻦ اﺳــﺘﻘﺮار ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـــ ‪ ،DLGEX‬ﻧﻘﻮم ﺑﺈﺟﺮاء اﺧﺘﺒﺎر‬
‫ﺟﺬر اﻟﻮﺣﺪة و ﻤﺎ ﻳﻲﻠ‪:‬‬
‫اﻓﺘــﺢ ﺑﻴﺎﻧﺎت ‪ ،DLGEX‬ﺛﻢ ﻣﻦ ‪ View‬ﻗﻢ ﺑﺎﺧﺘﻴﺎر ‪ ،Unit Root Test‬ﺛﻢ اﻧﻘﺮ‬

‫‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﻟﺸﻞﻜ ‪8.11‬‬
‫ﺷﻜﻞ ‪ 8.11‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﺒﺎﻧﻞ ‪DLGEX‬‬
‫‪ : H0 - 1‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ‪ DLGEX‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ :H1 - 2‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪ DLGDP‬ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﻣﻦ اﺠﺘﺎﺋﺞ اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸــﻞﻜ ‪ ،2.11‬ﺠﻧﺪ أن إﺣﺼﺎﺋﻴﺎت اﻻﺧﺘﺒﺎر ﺗﺴﺎوي‬
‫)‪ ،(189.969) ،(-10.8147) ،(-9.17355‬و )‪.(266.794‬‬
‫‪ - 4‬ﻣﺴﺘﻮى ا ﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻼﺣﺘﻤﺎل ‪ p-values‬ﻻﺣﺼﺎﺋﻴﺎت اﻻﺧﺘﺒﺎر ﻠﻛﻬﺎ‬
‫ﺗﺴﺎوي )‪.(0.0000‬‬
‫‪ ،‬و ﻟﻚ ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪.H0‬‬ ‫اﻻﺣﺘﻤﺎل ‪Prob. = 0.0000 < 0.05‬‬ ‫‪-5‬‬
‫‪ - 6‬ﻧﺴﺘﻨﺘﺞ أن ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪ DLGEX‬ﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﻧﻘــﻮم اﻵن ﺑﺈﺟﺮاء اﺤﻧﺪار ﺑﺎﺳــﺘﺨﺪام اﻛﻴﺎﻧﺎت اﻷﺻﻠﻴــﺔ ﻬﻟﺬا اﺠﻤﻮذج‬

‫)اﻟﺸﻞﻜ ‪:(9.11‬‬
‫ﺑﻌﺪ إﺟﺮاء اﻻﺤﻧﺪار ﺑﺎﺳﺘﺨﺪام ﻃﺮﻳﻘﺔ ‪ ،OLS‬ﻧﻘﻮم ﺤﺑﻔﻆ اﻛﻮاﻲﻗ ﻣﻦ ﺧﻼل‬

‫اﻧﺘﺎج ﻣﺘﻐﺮﻴ وﻧﻄﻠﻖ ﻋﻠﻴﻪ اﺳﻢ ‪ .ECM‬اﺗﺒﻊ اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ‪:‬‬
‫ﺛﻢ‬ ‫ﺑﻌﺪ اﺤﻟﺼﻮل ﺒﻟ ﻧﺘﺎﺋﺞ اﻻﺤﻧــﺪار‪ :‬اذﻫﺐ إﻰﻟ ‪Quick-Generate Series‬‬
‫اﻛﺘﺐ ‪ ECM = RESID:‬ﺛﻢ اﻧﻘﺮ ﺒﻟ ‪.OK‬‬
‫وﻣﻨﻬﺎ ﻧﺘﺤﺼﻞ ﺒﻟ اﻟﺸﻞﻜ اﻛﻴﺎ ﻟﻠﺒﻮاﻲﻗ ‪ ECM‬ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪:10.11‬‬
‫ﻳﻈﻬﺮ اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺒﻴﺎﻧﺎت ﺑﺄﻧﻬﺎ ﻣﺴﺘﻘﺮة‪ ،‬ﺣﻴﺚ أن ﺧﻂ اﻟﺴﻠﺴﻠﺔ ﻳﻘﻄﻊ‬
‫اﺨﻟﻂ اﻟﺼﻔﺮي ﻤﻟﺮات ﻋﺪﻳﺪة‪ .‬وﻟﻜﻦ ﻟﻐﺮض اﺤﻛﺄﻛﺪ ﻣﻦ اﺳﺘﻘﺮار ‪ ،ECM‬ﻧﻘﻮم‬
‫ﺑﺈﺟﺮاء اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة و ﻤﺎ ﻳﻲﻠ‪:‬‬
‫اﻓﺘــﺢ ﺑﻴﺎﻧﺎت ‪ ،ECM‬ﺛﻢ ﻣﻦ ‪ View‬ﻗﻢ ﺑﺎﺧﺘﻴﺎر ‪ ،Unit Root Test‬ﺛﻢ اﻧﻘﺮ ‪OK‬‬
‫ﻟﻠﺤﺼﻮل ﺒﻟ اﻟﺸﻞﻜ ‪11.11‬‬
‫ﺷﻜﻞ ‪ 9.11‬اﺧﺘﺒﺎر اﻟﺘﻜﺎﻣﻞ اﻟﻤﺸﺘﺮك‬

‫ﺷﻜﻞ ‪10.11‬اﻟﺘﻤﺜﯿﻞ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺒﻮاﻗﻲ ‪ECM‬‬

‫‪ : H0 - 1‬اﻛﻮاﻲﻗ ﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪ .‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‬
‫‪ : H1 - 2‬اﻛﻮاﻲﻗ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﻧﻘﻮم ﺑﺈﺟﺮاء ﺳــﺘﺔ اﺧﺘﺒﺎرات ﺠﻟﺬر اﻟﻮﺣﺪة ﺠﺤﺼﻞ ﺒﻟ اﺠﺘﺎﺋﺞ اﻤﻟﺒﻴﻨﺔ ﻲﻓ‬
‫اﻷﺷﺎﻜل ﻣﻦ )‪ 11.11‬إﻰﻟ ‪(16.11‬‬
‫‪ - 4‬ﻣﺴــﺘﻮى ا ﻻﻟﺔ اﻹﺣﺼﺎﺋﻴﺔ ﻟﻼﺣﺘﻤﺎل ‪ p-values‬أﻗﻞ ﻣﻦ ‪ 0.05‬ﻲﻓ أرﺑﻌﺔ‬
‫اﺧﺘﺒﺎرات‬
‫‪ - 5‬ﻷن أﻏﻠــﺐ اﻻﺣﺘﻤﺎﻻت ﺎﻛﻧﺖ أﻗﻞ ﻣﻦ ‪،(Prob. = 0.0000 < 0.05 ) 0.05‬‬
‫ﻧﻘﻮم ﺑﺮﻓﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪.H0‬‬
‫‪ - 6‬ﻧﺴــﺘﻨﺘﺞ أن ﺑﻴﺎﻧﺎت ‪ ECM‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴــﺘﻘﺮة‪) .‬اﻷﺷﺎﻜل‬

‫)‪.(16.11 ،15.11 ،14.11 ،13.11 ،12.11 ،11.11‬‬
‫ﺷﻜﻞ ‪ 11.11‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ) ‪ ( Levin, Lin &Chu‬ﻋﻠﻰ ﺑﯿﺎﻧﺎت ‪ECM‬‬
‫ﺷﻜﻞ ‪ 12.11‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة )‪ (The Breitung‬ﻋﻠﻰ ‪ECM‬‬

‫ﺷﻜﻞ ‪ 13.11‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة )‪ (The IM, Pesaran and Shin‬ﻋﻠﻰ ‪ECM‬‬
‫ﺷﻜﻞ ‪ 14.11‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة )‪ (ADF Fisher‬ﻋﻠﻰ ‪ECM‬‬

‫ﺷﻜﻞ ‪ 15.11‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة )‪ (The Phillips Perron Fisher‬ﻋﻠﻰ ‪ECM‬‬
‫ﺷﻜﻞ ‪ 16.11‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة )‪ (The Hadri‬ﻋﻠﻰ ‪ECM‬‬

‫‪ 2.11‬ﻧﻤﻮذج ﺑﺎﻧﻞ ‪ECM‬‬

‫اﺧﺘﺒﺎر اﺤﻛﺎﻜﻣﻞ اﻤﻟﺸﺮﺘك ﻗﺪ أﻇﻬﺮ ﺠﺎ أن اﻛﻮاﻲﻗ ﻲﻫ ﻣﺴﺘﻘﺮة‪ .‬ﻫﺬا ﻳﺪل ﺒﻟ‬
‫وﺟﻮد ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﻣﺎ ﺑﻦﻴ ﻣﺘﻐﺮﻴات ﻫﺬا اﺠﻤﻮذج‪ .‬ﻫﺬه اﺠﺘﺎﺋﺞ ﺗﺴﻤﺢ ﺠﺎ‬
‫ﺑﺈﺟﺮاء اﺤﻧﺪار ﺠﻤﻮذج ﺑﺎﻧﻞ ‪.ECM‬‬
‫ﻧﺴــﺘﻄﻴﻊ اﻵن إﺟﺮاء ﻧﻤﺎذج اﻻﺤﻧﺪار ﻛﻴﺎﻧﺎت اﻛﺎﻧﻞ ﺠﻤﻮذج ‪ ECM‬و ﻤﺎ‬
‫ﺗﻤﺖ ﻣﻨﺎﻗﺸﺘﻪ أﻋﻼه‪ ،‬اﺠﻤﻮذج ‪ ،4 ،3‬و‪.5‬‬
‫‪ 1.2.11‬اﺤﻧﺪار ‪ OLS‬اﻟﻤﺠﻤﻊ )‪:(Pooled OLS regression‬‬
‫ﺔ ﻣﺎ ﺑﻦﻴ ﻧﻤــﻮ اﺠﺎﺗﺞ اﻤﻟﺤﻲﻠ اﻹﻤﺟﺎﻲﻟ ‪GDP‬‬ ‫اﻓــﺮﺘض أن ﻳﻨﺎ اﻟﻌﻼﻗﺔ اﺤﻛﺎ‬
‫وﺣﺠﻢ اﻻﻧﻔﺎق اﺤﻟﻜﻮﻲﻣ ‪) GEX‬ﺑﻌﺪ أﺧﺬ اﻟﻠﻮﺬﻟرﻳﺘﻢ ﻟﻘﻴﻢ اﻤﻟﺘﻐﺮﻴات(‪:‬‬
‫ﺑﺎﻓــﺮﺘاض أن اﻻﻧﻔﺎق اﺤﻟﻜﻮﻲﻣ ﻫﻮ اﻤﻟﺤﺮك اﻟﺮﺋﻴ ﻟﻠﻨﻤﻮ اﻻﻗﺘﺼﺎدي وأن‬

‫اﻤﻟﺘﻐﺮﻴات اﻷﺧﺮى ﻟﻴﺴﺖ ﺑﺬات اﻷﻫﻤﻴﺔ‪ .‬ﻻﺣﻆ أﻧﻨﺎ وﺿﻌﻨﺎ د ﻠﻦﻴ ﺳﻔﻠﻴﻦﻴ ﺒﻟ‬
‫اﻤﻟﺘﻐــﺮﻴات‪ i :‬ﺗﻤﺜﻞ وﺣﺪة اﻤﻟﻘﻄﻊ اﻟﻌــﺮ ‪ ،‬و ‪ t‬اﻟﺰﻣﻦ‪ .‬ﻛﺬﻟﻚ‪ ،‬اﻓﺮﺘﺿﻨﺎ أن ﺣﺪ‬
‫اﺨﻟﻄﺄ ﻳﻲﻔ ﺑﺎﻻﻓﺮﺘاﺿﺎت اﻟﻜﻼﺳﻴﻜﻴﺔ اﻤﻟﻌﺘﺎدة‪.‬‬
‫ﻧﻤﻮذج ‪ ECM‬اﻤﻟﺮاد ﺗﻘﺪﻳﺮه ﻳﺄﺧﺬ اﻟﺼﻴﻐﺔ اﺤﻛﺎ ﺔ‪:‬‬
‫إذا اﻓﺮﺘﺿﻨﺎ أن ﺠﺗﻤﻴﻊ اﻛﻴﺎﻧﺎت ﺻﺤﻴﺢ وﺑﺎﺳــﺘﺨﺪام ‪ ،EViews‬ﺳﻨﺘﺤﺼﻞ‬

‫ﺒﻟ اﺠﺘﺎﺋﺞ أدﻧﺎه‪:‬‬
‫اذﻫﺐ إﻰﻟ ‪ Quick‬واﺧﺮﺘ ‪ Estimate Equation‬ﺛﻢ اﻛﺘﺐ‪:‬‬
‫)‪DLGDP C DLGDP(-1) DLGEX DLGEX(-1) ECM(-1‬‬
‫ﺛﻢ اﻧﻘﺮ ‪ ،OK‬ﺳﻨﺘﺤﺼﻞ ﺒﻟ اﺠﺘﺎﺋﺞ ﻲﻓ اﻟﺸﻞﻜ ‪.17.11‬‬
‫اﺠﺘﺎﺋﺞ‪:‬‬
‫‪ - 1‬إذا أﺟﺮﻳﻨﺎ اﺧﺘﺒﺎر ﻟﻠﻔﺮوض ﻤﻟﻌﻠﻤﺎت اﺠﻤﻮذج واﺣﺪة ﺑﻮاﺣﺪة‪ ،‬ﺳــﻨﺠﺪ ﻣﻦ‬
‫اﺠﺘﺎﺋﺞ )اﻟﺸــﻞﻜ‪ (17.11‬أن ﻤﺟﻴﻊ اﻤﻟﻌﻠﻤﺎت ﺑﻤﺎ ﻓﻴﻬﺎ ﺣﺪ اﺤﻛﻘﺎﻃﻊ ﻲﻫ ﻣﻌﻨﻮﻳﺔ‬
‫ً‬
‫إﺣﺼﺎﺋﻴﺎ )ﻷن ﻗﻴﻤﺔ ﺧﺎﻧﺔ اﻻﺣﺘﻤــﺎل ‪ .Prob‬ﺎﻛﻧﺖ أﻗﻞ ﻣﻦ ‪ ،(0.05‬ﻣﺎﻋﺪا‬
‫ﻣﻌﻠﻤﺔ اﻤﻟﺘﻐﺮﻴ )‪ DLGDP(-1‬ﻓﻘﺪ ﺎﻛﻧﺖ ﻗﻴﻤﺔ اﻻﺣﺘﻤﺎل ‪ 0.2348‬وﻲﻫ أﻛﺮﺒ‬
‫ﻣﻦ ‪.0.05‬‬
‫ﺷﻜﻞ ‪ 17.11‬اﻧﺤﺪار اﻟﺒﺎﻧﻞ ‪ OLS‬اﻟﻤﺠﻤﻊ‬

‫ً‬
‫‪ - 2‬ﺑﻤﺎ أن ﻣﻌﻠﻤﺔ )‪ ECM(-1‬ﻲﻫ ﺳــﺎﻛﺔ )‪ (-0.013294‬وﻲﻫ ﻣﻌﻨﻮﻳﺔ اﺣﺼﺎﺋﻴﺎ‪،‬‬
‫ﻓﻴﻤﻜﻦ أن ﻧﺴﺘﻨﺘﺞ أن ﻫﻨﺎك ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﻣﺎ ﺑﻦﻴ ﻫﺬه اﻤﻟﺘﻐﺮﻴات‪.‬‬
‫‪ - 3‬ﻗﻴﻤﺔ ﻣﻌﻤﻞ اﺤﻛﺤﺪﻳﺪ ﻟﻠﻨﻤﻮذج ﻣﻨﺨﻔﻀﺔ )ﺗﺴــﺎوي ﻓﻘﻂ ‪.(0.095810‬‬
‫أﻣﺎ إﺣﺼﺎﺋﻴﺔ ‪ F‬اﻻﺣﺘﻤﺎ ﺔ واﻟﻲﺘ ﺗﺒﻦﻴ ﻣﻌﻨﻮﻳﺔ اﻟﻠﻜﻴﺔ ﻟﻠﻨﻤﻮذج‪ ،‬ﻓﻲﻬ ﻣﻌﻨﻮﻳﺔ‬
‫ً‬
‫اﺣﺼﺎﺋﻴﺎ‪.‬‬
‫‪ - 4‬ﻗﻴﻤﺔ إﺣﺼﺎﺋﻴﺔ ‪ Durbin-Watson‬أﻇﻬﺮت ﺑﺄن اﺠﻤﻮذج ﻻ ﻳﻌﺎ ﻣﻦ ﻣﺸﻠﻜﺔ‬
‫اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ )‪.(2.028725‬‬
‫‪ 2.2.11‬ﻧﻤﻮذج اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى ذات اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻟﻠﻤﺘﻐﺮﻴات اﻟﻮﻫﻤﻴﺔ‬

‫)‪(LSDV‬‬
‫ﺗﻈﻬﺮ ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ اﻟﻲﺘ ﻧﺴﺘﺨﺪﻣﻬﺎ ﺒﻟ اﻟﺸﻞﻜ اﺤﻛﺎﻲﻟ‪:‬‬
‫ﺗﻈﻬﺮ أﺳــﻤﺎء ا ول )اﺤﻟﺮوف اﻤﻟﺨﺘﺮﺼة(‪ ،‬اﻟﺴــﻨﻮات ﻣﻦ ‪ 1976‬إﻰﻟ ‪2010‬‬

‫وﺑﻴﺎﻧﺎت ‪ GDP‬و‪ GEX‬ﻣﻌﻄﺎة ﻲﻓ اﻷﻋﻤﺪة ﻣﻦ ‪ ،4-1‬ﺒﻟ اﺤﻛﻮاﻲﻟ‪.‬‬
‫ﻳﻨﺒﻲﻐ ﺗﻌﺮﻳــﻒ ﻗﺎﻋﺪة اﻛﻴﺎﻧﺎت ﻟـ ‪ EViews‬ﺒﻟ أﺳــﺎس أﻧﻬﺎ ﺑﻴﺎﻧﺎت ﺑﺎﻧﻞ‬
‫زﻣﻨﻴﺔ و ﻤﺎ ﻳﻲﻠ‪:‬‬
‫اذﻫﺐ إﻰﻟ ‪ ، Proc > Structure/Resize Current Page‬ﻗﻢ ﺑﺘﻐﻴﺮﻴ ﺷﻞﻜ ﻣﻠﻒ‬
‫اﻟﻌﻤﻞ إﻰﻟ ”‪ .“Dated Panel‬ادﺧﻞ اﺳــﻢ اﻤﻟﺘﻐــﺮﻴ ‪ Country‬ﻛﻤﻌﺮف ﺗﻘﺎﻃﻲﻌ‬
‫‪ ،cross section ID‬وﻗﻢ ﺑﺈدﺧﺎل ‪ Years‬ﻛﺴﻠﺴــﻠﺔ ﺗﺎرﻳﺦ و ﻤﺎ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ‬
‫‪.18.11‬‬
‫ﺷﻜﻞ ‪ 18.11‬ﺗﻐﯿﯿﺮ ھﯿﻜﻞ ﻣﻠﻒ اﻟﻌﻤﻞ إﻟﻰ ﺑﺎﻧﻞ ﺗﺎرﯾﺨﯿﺔ‬

‫ﺑﻌﺪ ذﻟﻚ ﺳﺘﺘﻐﺮﻴ ﻋﻨﺎوﻳﻦ ﻣﻠﻒ اﻟﻌﻤﻞ إﻰﻟ اﺤﻛﺎﻲﻟ‪:‬‬
‫ﻣﻦ أﺟﻞ اﻷﺧﺬ ﻲﻓ اﻻﻋﺘﺒﺎر ﻋﺪم اﺤﻛﺠﺎﻧﺲ )اﻻﺧﺘﻼف( اﻤﻟﺘﻮﻗﻊ وﺟﻮده ﻣﺎ‬
‫ﺑﻦﻴ ا ول‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺴــﻤﺢ ﻟﻞﻜ دوﻟﺔ أن ﻳﻜﻮن ﻬﻟﺎ ﻗﺎﻃﻊ )‪ (intercept‬ﺧﺎص ﺑﻬﺎ‪،‬‬
‫و ﻤﺎ ﻫﻮ ﻤﻣﺜﻞ ﻲﻓ اﻤﻟﻌﺎدﻟﺔ اﺤﻛﺎ ﺔ‪:‬‬
‫ﻫﺬه اﻤﻟﻌﺎدﻟﺔ ﺗﺴﻰﻤ ﻧﻤﻮذج اﺤﻧﺪار اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ )‪ .(FEM‬إﺿﺎﻓﺔ ا ﻞ‬

‫اﻟﺴﻔﻲﻠ ‪ i‬إﻰﻟ اﻟﻘﺎﻃﻊ ﺗﻌﻲﻨ أن ﻟﻞﻜ دول اﻟﻘﺎﻃﻊ اﺨﻟﺎص ﺑﻬﺎ ﻌﻜﺲ اﻻﺧﺘﻼف‬
‫ﻣﺎ ﺑﻦﻴ ا ول‪ .‬اﻻﺧﺘﻼف ﻗﺪ ﻳﻜﻮن ﻧﺘﻴﺠﺔ اﺧﺘﻼف اﺨﻟﺼﺎﺋﺺ اﻻﻗﺘﺼﺎدﻳﺔ ﺑﻦﻴ‬
‫ا ول ﻣﺜﻞ اﺧﺘﻼف وﻓﺮة اﻤﻟﻮارد أو أي ﺧﺼﺎﺋﺺ اﻗﺘﺼﺎدﻳﺔ أﺧﺮى‪.‬‬
‫ً‬
‫إن ﻣﺼﻄﻠﺢ ”اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ“ ﻳﻌﻲﻨ ﺿﻤﻨﻴﺎ أن ﻞﻛ ﻗﺎﻃﻊ ”ﻟﻞﻜ دوﻟﺔ“ ﺒﻟ‬
‫اﻟﺮﻏﻢ ﻣﻦ اﺧﺘﻼﻓﻪ ﻋﻦ ﻗﻮاﻃﻊ ا ول اﻷﺧﺮى‪ ،‬ﻻ ﻳﺘﻐﺮﻴ ﺑﻤﺮور اﻟﺰﻣﻦ‪ ،‬أي أﻧﻪ ﻻ‬
‫ﻳﺘﺄﺛﺮ ﺑﺎﻟﺰﻣﻦ )‪.(time-invariant‬‬
‫ﻓﺴﻮف‬ ‫إذا ﺗﻢ اﺤﻛﻌﺒﺮﻴ ﻋﻦ اﻟﻘﺎﻃﻊ ﻲﻓ اﻤﻟﻌﺎدﻟﺔ أﻋﻼه ﺒﻟ اﺠﺤﻮ اﺤﻛﺎﻲﻟ‪:‬‬
‫ﻳﻜﻮن ﻗﺎﻃﻊ ﻞﻛ دوﻟﺔ ﻣﺘﻐﺮﻴ ﻣﻊ اﻟﺰﻣﻦ )‪ .(time-variant‬وﻟﻜﻦ ﺠﺗﺪر اﻤﻟﻼﺣﻈﺔ‬
‫أﻧﻪ ﻲﻓ ﻣﻌﺎدﻟﺔ اﺠﻤﻮذج أﻋﻼه ﻓﺈﻧﻨﺎ ﻧﻔﺮﺘض أن ﻣﻌﺎﻣﻼت اﻤﻟﻴﻞ ﺛﺎﺑﺘﺔ ﻋﺮﺒ اﻟﺰﻣﻦ‪.‬‬
‫ﻧﻘﻮم ﺑﺘﻄﺒﻴﻖ ﻣﺪﺧــﻞ اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻣﻦ ﺧﻼل إدﺧــﺎل ﻗﻮاﻃﻊ ﺗﻤﻴﺰﻴﻳﺔ‬
‫وﻫﻤﻴﺔ )‪ .(differential intercept dummies‬ﻧﻘﻮم ﺑﺘﻌﺪﻳﻞ اﻤﻟﻌﺎدﻟﺔ أﻋﻼه ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﻟﺘوﻟﺔ ‪ ،3‬و ‪0‬‬ ‫ﻟﺘوﻟﺔ ‪ ، 2‬و ‪ 0‬ﺧﻼف ذﻟــﻚ‪،‬‬ ‫ﺣﻴــﺚ‬

‫ﺧﻼف ذﻟﻚ؛ وﻫﻜﺬا‪.‬‬
‫ً‬ ‫ً‬
‫ﻣﻦ اﻤﻟﻬﻢ ﻣﻼﺣﻈﺔ أﻧﻨﺎ اﺳــﺘﺨﺪﻣﻨﺎ ‪ 18‬ﻣﺘﻐﺮﻴا وﻫﻤﻴﺎ ﺤﻛﻤﺜﻴﻞ ‪ 47‬دوﻟﺔ وذﻟﻚ‬
‫ﻣﺼﻴﺪة اﻤﻟﺘﻐﺮﻴات اﻟﻮﻫﻤﻴﺔ )ارﺗﺒﺎط ﺧﻄﻲ ﺗﺎم(‪ .‬ﻲﻓ ﻫﺬه اﺤﻟﺎﻟﺔ‬
‫ً‬ ‫ﺤﻛﺠﻨﺐ اﻟﻮﻗﻮع ﻲﻓ‬
‫ً‬
‫ﺳﻴﻤﺜﻞ ‪ 18‬ﻣﺘﻐﺮﻴا وﻫﻤﻴﺎ ﻣﻌﺎﻣﻼت اﻟﻘﻮاﻃﻊ اﺤﻛﻤﻴﺰﻴﻳﺔ اﻟﻮﻫﻤﻴﺔ‪-‬أي إﻧﻬﺎ ﺗﻌﻜﺲ‬
‫اﺧﺘــﻼف ﻣﻌﺎﻣﻞ اﻟﻘﺎﻃﻊ ﻟﺘوﻟﺔ اﻟــﻲﺘ ﻳﺘﻢ ﺗﻌﻴﻴﻨﻬﺎ ﻛﻤﺮﺟــﻊ )‪،(benchmark‬‬
‫ﺳــﻨﺘﻌﺎﻣﻞ ﻣﻊ ا وﻟﺔ اﻷو ﻛﻤﻌﻴﺎر أو ﻛﻤﺮﺟﻌﻴــﺔ‪ ،‬ﺒﻟ اﻟﺮﻏﻢ ﻣﻦ أﻧﻪ ﻳﻤﻜﻦ‬
‫اﺧﺘﻴﺎر أي دوﻟﺔ ﺤﻛﺆدي ﻫﺬا اﻟﻐﺮض‪.‬‬
‫اذﻫﺐ إﻰﻟ ‪ Quick‬واﺧﺮﺘ ‪ .Estimate Equation‬ﺳﻴﻈﻬﺮ اﻤﻟﺮﺑﻊ اﺤﻟﻮاري ﺤﻛﺤﺪﻳﺪ‬
‫اﻤﻟﻌﺎدﻟــﺔ ‪ Specification‬وﺤﻛﺤﺪﻳﺪ ﺧﻴﺎرات اﻛﺎﻧــﻞ ‪ Panel Option‬ﻲﻓ أﺒﻟ‬
‫ﻧﺎﻓﺬة ﺗﻘﺪﻳﺮ اﻤﻟﻌﺎدﻟﺔ‪ .‬اﻛﺘﺐ ﻣﻌﺎدﻟﺔ اﺠﻤﻮذج ﻲﻓ ﻣﺮﺑﻊ اﺠﺎﻓﺬة ﺤﺗﺖ ‪Equation‬‬
‫‪ specification‬ﻛﻤﺎ ﻲﻓ اﻟﺸﻞﻜ ‪ .19.11‬ﺑﻌﺪ ﻛﺘﺎﺑﺔ اﻤﻟﻌﺎدﻟﺔ‪ ،‬اﺧﺮﺘ ‪Panel Options‬‬
‫ﻣﻦ اﺠﺎﻓﺬة و ﺤﺗﺖ ‪ Effects specification‬اﺧﺮﺘ ‪ Fixed‬ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ‬
‫‪ ،20.11‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﺠﺘﺎﺋﺞ اﻤﻟﺒﻴﻨﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.21.11‬‬
‫ﺷﻜﻞ ‪ 19.11‬ﺗﻮﺻﯿﻒ ﻣﻌﺎدﻟﺔ اﻧﺤﺪار ‪OLS‬‬
‫ﺷﻜﻞ ‪ 20.11‬ﺧﯿﺎرات اﻟﺒﺎﻧﻞ‬

‫اﻤﻟﻼﺣﻈﺔ اﻷو ﺣﻮل اﺠﺘﺎﺋﺞ اﻟﻮاردة ﻲﻓ اﻟﺸﻞﻜ ‪ 21.11‬ﻫﻮ أن ﺟﺪول اﺠﺘﺎﺋﺞ‬
‫ﻻ ﻳﻨﺘﺞ ﻗﻴﻢ ﻣﻌﺎﻣﻼت اﻟﻘﺎﻃﻊ اﺤﻛﻤﻴﺰﻴي ﻟﻞﻜ دوﻟﺔ ﺒﻟ اﻟﺮﻏﻢ ﻣﻦ أﻧﻬﺎ ﻗﺪ أﺧﺬت‬
‫ﻲﻓ اﻻﻋﺘﺒــﺎر ﻋﻨﺪ ﺗﻘﺪﻳﺮ اﺠﻤﻮذج‪ .‬وﻣﻊ ذﻟــﻚ‪ ،‬ﻳﻤﻜﻨﻨﺎ اﺤﻟﺼﻮل ﺒﻟ ﻣﻌﺎﻣﻼت‬
‫ً‬
‫اﻟﻘﺎﻃﻊ اﺤﻛﻤﻴﺰﻴي ﺑﺴﻬﻮﻟﺔ إذا أردﻧﺎ إﺟﺮاء ذﻟﻚ ﻳﺪوﻳﺎ‪ .‬اﻤﻟﻼﺣﻈﺔ اﺨﻛﺎﻧﻴﺔ‪ ،‬إذا ﻗﺎرﻧﺎ‬
‫ﻧﺘﺎﺋﺞ اﺤﻧﺪار ‪ OLS‬اﻤﻟﺠﻤﻊ ﻣﻊ ﻧﺘﺎﺋﺞ اﺤﻧﺪار ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ‪ ،FEM‬ﻟﺮأﻳﻨﺎ‬
‫ً‬ ‫ً‬ ‫ً‬
‫اﺧﺘﻼﻓﺎ ﻛﺒﺮﻴا ﻣﺎ ﺑﻦﻴ اﻻﺛﻨﻦﻴ‪ ،‬ﻟﻴﺲ ﻓﻘﻂ ﻲﻓ ﻗﻴﻢ اﻤﻟﻌﻠﻤﺎت اﻤﻟﻘﺪرة‪ ،‬وﻟﻜﻦ أﻳﻀﺎ‬
‫اﺧﺘﻼف اﺷﺎراﺗﻬﺎ‪.‬‬
‫ﻣﻦ ذﻟﻚ‪ ،‬ﻓﺈن ﻫــﺬه اﺠﺘﺎﺋﺞ ﺗﻠﻲﻘ ﺑﻈﻼل ﻣﻦ اﻟﺸــﻚ ﺒﻟ ﺗﻘﺪﻳﺮات ‪OLS‬‬
‫اﻤﻟﺠﻤﻌــﺔ‪ .‬ﻓﺈذا ﻗﻤﻨﺎ ﺑﻔﺤــﺺ اﻟﻘﺎﻃﻊ اﺤﻛﻤﻴﺰﻴي اﻟﻮﻫﻲﻤ ﻟــﻞﻜ دوﻟﺔ‪ ،‬ﻟﻮﺟﺪﻧﺎ أن‬
‫ﺔ ﻤﻣﺎ ﻳﺸــﺮﻴ إﻰﻟ أن ﺗﻘﺪﻳﺮات ﻃﺮﻳﻘﺔ ‪OLS‬‬ ‫اﻟﻌﺪﻳﺪ ﻣﻨﻬﺎ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ ﺨ‬
‫اﻤﻟﺠﻤﻌﺔ ﺨﺗﻲﻔ ﻋﺪم اﺤﻛﺠﺎﻧﺲ ﺑﻦﻴ اﻟـ ‪ 19‬دوﻟﺔ‪.‬‬
‫اﺠﺘﺎﺋﺞ‪:‬‬
‫‪ - 1‬إذا أﺟﺮﻳﻨﺎ اﺧﺘﺒﺎر ﻟﻠﻔﺮوض ﻤﻟﻌﻠﻤﺎت اﻤﻟﺘﻐﺮﻴات ﻞﻛ ﺒﻟ ﺣﺪا‪ ،‬ﻓﺴﺮﻨى ﻣﻦ اﺠﺘﺎﺋﺞ‬
‫)اﻟﺸــﻞﻜ ‪ (21.11‬أن ﻞﻛ اﻤﻟﻌﻠﻤﺎت )‪ DLGEX، DLGEX(-1)، ECM(-1‬ﻲﻫ‬
‫ً‬
‫ﻣﻌﻨﻮﻳــﺔ اﺣﺼﺎﺋﻴﺎ و ﺬﻟﻚ اﺤﻟﺪ اﺨﻛﺎﺑﺖ ‪ ،C‬ﺣﻴــﺚ أن ﻗﻴﻤﺔ اﻻﺣﺘﻤﺎل أﻗﻞ‬
‫ﻣﻦ ‪ .0.05‬اﻻﺳــﺘﺜﻨﺎء اﻟﻮﺣﻴﺪ ﻫﻨﺎ ﻫﻮ ﻣﻌﺎﻣﻞ اﻤﻟﺘﻐﺮﻴ )‪ DLGDP(-1‬ﻓﻬﻮ ﻏﺮﻴ‬
‫ً‬
‫ﻣﻌﻨﻮي إﺣﺼﺎﺋﻴﺎ )‪.(Prob. = 0.9269‬‬
‫ﺷﻜﻞ ‪ 21.11‬ﻧﺘﺎﺋﺞ اﻧﺤﺪار اﻟﺒﺎﻧﻞ ‪OLS‬‬
‫‪ - 2‬ﺑﻤﺎ أن ﻣﻌﻠﻤﺔ اﻤﻟﺘﻐﺮﻴ )‪ ECM(-1‬ذات ﻗﻴﻤﺔ ﺳﺎﻛﺔ )‪ (-0.095049‬وﻣﻌﻨﻮﻳﺔ‬

‫ً‬
‫إﺣﺼﺎﺋﻴﺎ‪ ،‬ﻓﺈﻧﻨﺎ ﻧﺴﺘﻨﺘﺞ أن ﻫﻨﺎك ﻋﻼﻗﺔ ﻃﻮﻳﻠﺔ اﻷﺟﻞ ﺑﻦﻴ ﻫﺬه اﻤﻟﺘﻐﺮﻴات‪.‬‬
‫ﻟﻠﻨﻤــﻮذج ﻻزاﻟﺖ ﻣﻨﺨﻔﻀــﺔ )‪.(0.197174‬‬ ‫‪ - 3‬ﻗﻴﻤﺔ ﻣﻌﻤــﻞ اﺤﻛﺤﺪﻳﺪ‬
‫إﺣﺼﺎﺋﻴــﺔ ‪ F‬اﻻﺣﺘﻤﺎ ﺔ واﻟﻲﺘ ﺗﺒﻦﻴ ﻣﻌﻨﻮﻳــﺔ اﻟﻠﻜﻴﺔ ﻟﻠﻨﻤﻮذج‪ ،‬ﻓﻲﻬ ﻣﻌﻨﻮﻳﺔ‬
‫ً‬
‫اﺣﺼﺎﺋﻴﺎ‪.‬‬
‫‪ - 4‬ﻗﻴﻤﺔ إﺣﺼﺎﺋﻴﺔ ‪ Durbin-Watson‬أﻇﻬﺮت ﺑﺄن اﺠﻤﻮذج ﻻ ﻳﻌﺎ ﻣﻦ ﻣﺸﻠﻜﺔ‬
‫اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ )‪.(1.989628‬‬
‫‪ 3.2.11‬اﺧﺘﺒﺎر اﺠﻤﻮذج‬
‫ﻳﻤﻜﻨﻨﺎ ﺗﻘﺪﻳﻢ اﺧﺘﺒــﺎر ﻤﻟﻌﺮﻓﺔ ﻣﺎ إذا ﺎﻛن ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ )‪(FEM‬‬
‫أﻓﻀﻞ ﻣﻦ ﻧﻤــﻮذج اﻤﻟﺮﺑﻌﺎت اﻟﺼﻐﺮى اﻤﻟﺠﻤــﻊ )‪ .(Pooled OLS Model‬ﻷن‬
‫اﺠﻤﻮذج اﻤﻟﺠﻤــﻊ ﻳﻬﻤﻞ ﺗﺄﺛﺮﻴات ﻋﺪم اﺤﻛﺠﺎﻧﺲ واﻟــﻲﺘ أﺧﺬت ﺑﻌﻦﻴ اﻻﻋﺘﺒﺎر‬
‫وﺑﺸﻞﻜ واﺿﺢ ﻲﻓ ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ؛ ﻓﺈن اﺠﻤﻮذج اﻤﻟﺠﻤﻊ ﻫﻮ ﻧﺴﺨﺔ ﻣﻘﻴﺪة‬
‫ﻣﻦ ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ‪ .‬اﻻﺧﺘﺒﺎر اﺤﻛﺎﻲﻟ ﺳﻴﺤﺪد ﺠﺎ أي ﻣﻦ اﺠﻤﻮذﺟﻦﻴ ﻫﻮ‬
‫اﻤﻟﻨﺎﺳﺐ ﻟﻼﺳﺘﺨﺪام‪.‬‬
‫ﻳﻤﻜﻦ اﺳﺘﺨﺪام اﺧﺘﺒﺎر ‪ F‬ﻛﺄﺳﺎس ﺤﻟﺴﺎب إﺣﺼﺎﺋﻴﺔ اﻻﺧﺘﺒﺎر اﻤﻟﺴﺘﺨﺪﻣﺔ ﻲﻓ‬
‫اﻤﻟﻘﺎرﻧﺔ ﻣﺎ ﺑﻦﻴ اﺠﻤﻮذﺟﻦﻴ وﻓﻖ اﻟﺼﻴﻐﺔ اﺤﻛﺎ ﺔ‪:‬‬
‫و ﻳﻤﺜﻼن ﻣﻌﺎﻣﻞ اﺤﻛﺤﺪﻳﺪ ﻏﺮﻴ اﻤﻟﻘﻴﺪ وﻣﻌﺎﻣﻞ اﺤﻛﺤﺪﻳﺪ‬ ‫ﺣﻴﺚ أن‬

‫اﻤﻟﻘﻴﺪ ﺒﻟ اﺤﻛﻮاﻲﻟ‪ m ،‬ﻲﻫ ﻋﺪد اﻤﻟﻌﻠﻤﺎت اﻤﻟﺤﺬوﻓﺔ ﻣﻦ اﺠﻤﻮذج اﻤﻟﻘﻴﺪ )ﺗﺴﺎوي‬
‫‪ 18‬ﻲﻓ ﻫﺬا اﻤﻟﺜﺎل(‪ n ،‬ﻫﻮ ﻋﺪد اﻤﻟﺸــﺎﻫﺪات ﻲﻓ اﻟﻌﻴﻨــﺔ‪ ،‬و ‪ k‬ﻫﻮ ﻋﺪد اﻤﻟﻌﻠﻤﺎت‬
‫اﻤﻟﻘــﺪرة ﻲﻓ اﻻﺤﻧﺪار ﻏﺮﻴ اﻤﻟﻘﻴﺪ )ﻫﻨﺎ إﻤﺟﺎﻲﻟ (‪ .22‬ﻳﻤﻜﻦ اﺤﻟﺼﻮل ﺒﻟ ﻗﻴﻢ‬
‫اﻤﻟﻘﻴﺪ وﻏﺮﻴ اﻤﻟﻘﻴﺪ ﻣﻦ ﻧﺘﺎﺋﺞ ‪ EViews‬ﻻﺤﻧﺪار اﺠﻤﻮذﺟﻦﻴ اﻟﻮﺿﺤﺔ ﻲﻓ اﻷﺷــﺎﻜل‬
‫)‪ (21.11 ،17.11‬ﺒﻟ اﺤﻛﻮاﻲﻟ‪.‬‬
‫‪ :H0 - 1‬اﺠﻤﻮذج اﻤﻟﻘﻴﺪ‪ ،‬ﻧﻤﻮذج ‪ OLS‬اﻤﻟﺠﻤﻊ ﻫﻮ اﺠﻤﻮذج اﻷﻓﻀﻞ‪،‬‬
‫‪ :H1 - 2‬اﺠﻤﻮذج ﻏﺮﻴ اﻤﻟﻘﻴﺪ‪ ،‬ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻫﻮ اﺠﻤﻮذج اﻷﻓﻀﻞ‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪-4‬‬
‫‪-5‬‬
‫‪.‬‬ ‫و‬
‫‪ F‬اﺤﻟﺮﺟﺔ ) ‪ (605 ،21‬ﺗﺴﺎوي ‪1.59‬‬ ‫ﻗﻴﻤﺔ‬
‫‪ - 6‬اﻟﻘﺮار ‪ :‬ﺑﻤﺎ أن ‪ F‬اﻤﻟﺤﺴــﻮﺑﺔ < ‪ F‬اﺠﻟﺪو ﺔ )‪ (1.59 < 2.6169‬ﻓﺈﻧﻨﺎ ﻧﺮﻓﺾ‬
‫اﻟﻔﺮض اﻟﺼﻔﺮي ‪ H0‬وﻧﻘﺒﻞ اﻟﻔﺮض اﻛﺪﻳﻞ‪.‬‬
‫‪ - 7‬ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻫﻮ اﺠﻤﻮذج اﻷﻓﻀﻞ‪.‬‬
‫‪LSDV‬‬ ‫‪ 4.2.11‬ﻗﻴﻮد ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ‬
‫ﺒﻟ اﻟﺮﻏﻢ ﻣﻦ ﺳــﻬﻮﻟﺔ ﺗﻄﺒﻴﻖ ﻧﻤﻮذج ‪ ،LSDV‬إﻻ أن ﻫﺬا اﺠﻤﻮذج ﺤﻳﺘﻮي ﺒﻟ‬
‫اﺤﻛﻘﻴﻴﺪات اﺤﻛﺎ ﺔ‪:‬‬
‫‪ - 1‬ﻞﻛ ﻣﺘﻐﺮﻴ وﻫﻲﻤ إﺿﺎﻲﻓ ﺳــﻮف ﻳﻜﻠﻔﻨﺎ درﺟﺔ ﺣﺮﻳﺔ إﺿﺎﻓﻴﺔ‪ .‬ﻟﻚ‪ ،‬إذا ﻟﻢ‬
‫ً‬
‫ﺗﻜﻦ اﻟﻌﻴﻨﺔ ﻛﺒﻴﺔ ﺟﺪا‪ ،‬ﻓﺈن إدﺧﺎل اﻟﻜﺜﺮﻴ ﻣﻦ اﻤﻟﺘﻐﺮﻴات اﻟﻮﻫﻤﻴﺔ ﺳــﻮف‬
‫ﻟﻦ ﻳﺮﺘك ﺳﻮى اﻟﻘﻠﻴﻞ ﻣﻦ اﻤﻟﺸﺎﻫﺪات ﻹﺟﺮاء ﺤﺗﻠﻴﻞ اﺣﺼﺎ ذي ﻣﻌﻰﻨ‪.‬‬
‫‪ - 2‬إن ﻋﻤﻠﻴــﺎت اﻹﺿﺎﻓﺔ واﻟﺮﻀب ﻟﻌﺪد ﻛﺜﺮﻴ ﻣﻦ اﻤﻟﺘﻐﺮﻴات اﻟﻮﻫﻤﻴﺔ ﻗﺪ ﻳﺆدي‬
‫إﻰﻟ إﻣﺎﻜﻧﻴﺔ ﺣﺪوث ارﺗﺒﺎط ﺧﻄﻲ ﻣﺘﻌﺪد‪ ،‬ﻤﻣﺎ ﺠﻳﻌﻞ اﺤﻛﻘﺪﻳﺮ ا ﻗﻴﻖ ﻤﻟﻌﻠﻤﺎت‬
‫ً‬ ‫ً‬
‫اﺠﻤﻮذج أﻣﺮا ﺻﻌﺒﺎ‪.‬‬
‫‪ - 3‬ﻣﻦ أﺟﻞ اﺤﻟﺼﻮل ﺗﻘﺪﻳﺮات ذات ﺧﺼﺎﺋﺺ إﺣﺼﺎﺋﻴﺔ ﻣﺮﻏﻮب ﻓﻴﻬﺎ‪ ،‬ﺳﻨﻜﻮن‬
‫ﻲﻓ ﺣﺎﺟﺔ إﻰﻟ إﻋﻄــﺎء اﻫﺘﻤﺎم ﺑﺎﻟﻎ ﺤﻟﺪ اﺨﻟﻄﺄ ﻲﻓ اﺠﻤﻮذج‪ .‬ﺗﺴــﺘﻨﺪ اﺠﺘﺎﺋﺞ‬
‫اﻹﺣﺼﺎﺋﻴــﺔ اﻟﻮاردة أﻋــﻼه إﻰﻟ اﻓﺮﺘاض أن ﺣﺪ اﺨﻟﻄــﺄ ﻳﺘﺒﻊ اﻻﻓﺮﺘاﺿﺎت‬
‫ً‬
‫‪ .‬وﺣﻴﺚ أن اﻤﻟﺆﺮﺷ ‪i‬‬ ‫اﻟﻜﻼﺳــﻴﻜﻴﺔ واﻟﻲﺘ ﻲﻫ أﺳﺎﺳﺎ أن‬
‫ﻳﺸﺮﻴ إﻰﻟ ﻣﺸﺎﻫﺪات ﻣﻘﻄﻌﻴﺔ و ‪ t‬إﻰﻟ ﻣﺸﺎﻫﺪات ﺳﻠﺴﻠﺔ زﻣﻨﻴﺔ؛ ﻓﻘﺪ ﻳﻜﻮن‬
‫ﻣﻦ اﻟﺮﻀوري ﺗﻌﺪﻳﻞ اﻻﻓﺮﺘاض اﻟﻜﻼﺳــﻴﻲﻜ اﻤﻟﺘﻌﻠﻖ ﺤﺑﺪ اﺨﻟﻄﺄ ‪ .‬ﻫﻨﺎك‬
‫ﻋﺪة اﺣﺘﻤﺎﻻت ﻲﻓ ﻫﺬا اﻟﺸﺄن‪:‬‬
‫أ ‪ -‬ﻳﻤﻜﻨﻨﺎ أن ﻧﻔﺮﺘض أن ﺗﺒﺎﻳﻦ اﺨﻟﻄﺄ ﻫﻮ ﻧﻔﺴﻪ ﺠﻟﻤﻴﻊ اﻟﻮﺣﺪات اﻤﻟﻘﻄﻌﻴﺔ‬
‫أو ﻳﻤﻜﻨﻨﺎ اﻓﺮﺘاض أن ﺗﺒﺎﻳﻦ اﺨﻟﻄﺄ ﻏﺮﻴ ﺛﺎﺑﺖ‪.‬‬
‫ب ‪ -‬ﻟﻞﻜ وﺣﺪة ﻣﻌﺎﻳﻨﺔ ﻳﻤﻜﻨﻨﺎ اﻓﺮﺘاض أﻧﻪ ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ذا ﻋﺮﺒ اﻟﺰﻣﻦ‬
‫أو ﻳﻤﻜﻦ أن ﻧﻔﺮﺘض اﻻرﺗﺒﺎط ا ا ﻣﻦ اﺠﻮع )‪.AR(1‬‬
‫ج ‪ -‬ﻲﻓ أي وﻗﺖ ﻣﻌﻦﻴ‪ ،‬ﻳﻤﻜﻨﻨﺎ أن ﻧﺴــﻤﺢ ﺑﺄن ﻳﻜــﻮن ﺣﺪ اﺨﻟﻄﺄ ﻟﻠﻔﺮد‬

‫ً‬
‫‪ #1‬ﻏﺮﻴ ﻣﺮﺗﺒﻂ ﻣﻊ ﺣﺪ اﺨﻟﻄﺄ ﻟﻠﻔﺮد ‪ #2‬ﻣﺜﻼ‪ ،‬أو ﻳﻤﻜﻦ أن ﻧﻔﺮﺘض‬
‫أن ﻫﻨﺎك ﻣﺜﻞ ﻫﺬا اﻻرﺗﺒﺎط‪.‬‬
‫‪ 3.11‬ﻧﻤﻮذج اﻟﺘﺄﺛﻴﺮات اﻟﻌﺸﻮاﺋﻴﺔ )‪ (REM‬أو ﻧﻤﻮذج ﻣﻜﻮﻧﺎت اﻟﺨﻄﺄ )‪(ECM‬‬
‫‪The Random Effects Model (REM) or Error Components‬‬
‫)‪Model (ECM‬‬
‫ﻲﻓ ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﺎﻛن اﻻﻓﺮﺘاض أن ﻣﻌﺎﻣﻞ ا وﻟﺔ اﻤﻟﺤﺪد ﻫﻮ‬
‫ﺛﺎﺑﺖ ﻟﻞﻜ وﺣﺪة ﻣﻌﺎﻳﻨﺔ وﻻ ﻳﺘﻐﺮﻴ ﺧﻼل اﻟﺰﻣﻦ‪ .‬ﻲﻓ ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸﻮاﺋﻴﺔ‬
‫ﻣﺘﻐﺮﻴ ﻋﺸــﻮا وﺑﻘﻴﻤﺔ ﻣﺘﻮﺳﻄﺔ ﻟـ )ﺑﺪون د ﻞ‬ ‫ﻓﺈن اﻻﻓﺮﺘاض ﻫﻮ أن‬
‫ﺳﻔﻲﻠ ‪ i‬ﻫﻨﺎ( وﻳﺘﻢ اﺤﻛﻌﺒﺮﻴ ﻋﻦ ﻗﺎﻃﻊ أي وﺣﺪة ﻣﻘﻄﻌﻴﺔ ﺒﻟ اﺠﺤﻮ اﺤﻛﺎﻲﻟ‪:‬‬
‫‪.‬‬ ‫ﻫﻮ ﺣﺪ اﺨﻟﻄﺄ اﻟﻌﺸﻮا ﻣﻊ ﻣﺘﻮﺳﻂ ﻳﺴﺎوي ﺻﻔﺮ وﺗﺒﺎﻳﻦ‬ ‫ﺣﻴﺚ‬

‫ﻲﻓ ﻣﺜﺎﺠــﺎ‪ ،‬ﻋﻴﻨﺔ اﺠﻤﻮذج ﺗﺘﻀﻤﻦ ‪ 19‬دوﻟﺔ و ﻳﻬﺎ ﻗﻴﻤﺔ وﺳــﻂ ﺨم ﻟﻠﻘﺎﻃﻊ‬
‫)= (‪ .‬ﺗﻨﻌﻜﺲ اﻻﺧﺘﻼﻓﺎت ﻲﻓ اﻟﻘﻴﻢ اﻟﻔﺮدﻳﺔ ﻟﻠﻘﻮاﻃﻊ ﻟﻞﻜ دوﻟﺔ ﻲﻓ ﺣﺪ اﺨﻟﻄﺄ‬
‫‪ .‬ﻟﻚ‪ ،‬ﻳﻤﻜﻨﻨﺎ ﻛﺘﺎﺑﺔ اﺠﻤﻮذج أﻋﻼه ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫ﻳﻪ ﻋﻨﺮﺼان )ﻣﺮ ﺒﺎن(‪ :‬وﻫﻮ اﻤﻟﻘﻄﻊ‬ ‫ﻻﺣﻆ أن ﺣﺪ اﺨﻟﻄﺄ اﻤﻟﺮ ﺐ‬

‫ﻫﻮ ﻣﺮ ﺐ اﺨﻟﻄﺄ ا ي‬ ‫اﻟﻌــﺮ أو ﻣﻜﻮن اﺨﻟﻄﺄ اﺨﻟﺎص ﺑﻜﻞ دوﻟــﺔ‪ ،‬و‬
‫ﺠﻳﻤﻊ ﺧﻄﺄ اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ وﺧﻄﺄ اﻤﻟﻘﻄﻊ اﻟﻌﺮ ‪.‬‬
‫ﻳﻤﻜﻨﻨﺎ اﻵن رؤﻳﺔ اﻟﺴﺒﺐ وراء ﺗﺴﻤﻴﺔ ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸﻮاﺋﻴﺔ )‪(REM‬‬
‫ﺑــ ﻧﻤﻮذج ﻣﻜﻮﻧﺎت اﺨﻟﻄﺄ )‪.(ECM‬‬
‫اﻻﻓﺮﺘاﺿﺎت اﻤﻟﻌﺘﺎدة ﻟـ ‪ ECM‬ﻲﻫ أن‪:‬‬
‫أي أن ﻣﻜﻮﻧــﺎت اﺨﻟﻄﺄ ﻟﺘول ﻻ ﺗﺮﺗﺒﻂ ﺑﺒﻌﻀﻬﺎ اﻛﻌﺾ وﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط‬

‫ً‬
‫ﻞﻛ ﻣﻦ اﻟﻮﺣﺪات اﻤﻟﻘﻄﻌﻴﺔ ووﺣﺪات اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ‪ .‬ﻣﻦ اﻤﻟﻬﻢ أﻳﻀﺎ‬‫ذا ﻋﺮﺒ ٍ‬
‫ﻻ ﻳﺮﺗﺒﻂ ﺑﺄي ﻣﻦ اﻤﻟﺘﻐﺮﻴات اﺤﻛﻔﺴــﺮﻴﻳﺔ )اﻤﻟﺴــﺘﻘﻠﺔ( اﻟﻲﺘ‬ ‫أن ﻧﻼﺣﻆ أن‬
‫ﻳﺘﻀﻤﻨﻬﺎ اﺠﻤﻮذج‪.‬‬
‫ﺑﻤﺎ أن ﻲﻫ ﺟﺰء ﻣﻦ ‪ ،‬ﻓﻤﻦ اﻤﻟﻤﻜﻦ أن ﻳﺮﺗﺒﻂ ﻫﺬا اﻷﺧﺮﻴ ﺑﻮاﺣﺪ أو‬
‫أﻛﺮﺜ ﻣﻦ اﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ‪ .‬إذا اﺗﻀﺢ ﺠﺎ أن ﻫﺬه ﻲﻫ اﺤﻟﺎﻟﺔ‪ ،‬ﻓﺈن ﻃﺮﻳﻘﺔ ‪REM‬‬
‫ﺳﻮف ﺗﻨﺘﺞ ﺗﻘﺪﻳﺮات ﻏﺮﻴ ﻣﺘﺴﻘﺔ ﻤﻟﻌﻠﻤﺎت اﻻﺤﻧﺪار‪.‬‬
‫إن اﺧﺘﺒﺎر ‪ ،Hausman‬وا ي ﺳــﻨﺘﻌﺮض ﺑﺎﻟــﺮﺸح ﺑﻌﺪ ﻗﻠﻴﻞ‪ ،‬وﺑﺘﻄﺒﻴﻖ‬
‫ً‬
‫ﻣﺮﺗﺒﻄﺎ ﺑﺎﻤﻟﺘﻐﺮﻴات اﻤﻟﺴﺘﻘﻠﺔ أم ﻻ ‪ -‬أي اﺧﺘﺒﺎر‬ ‫ﻣﻌﻦﻴ‪َ ،‬ﺳــﻴُﻈﻬﺮ ﺠﺎ إذا ﺎﻛن‬
‫ﻣﺎ إذا ﺎﻛن ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸﻮاﺋﻴﺔ ‪ REM‬ﻫﻮ اﺠﻤﻮذج اﻤﻟﻨﺎﺳﺐ‪.‬‬
‫اذﻫﺐ إﻰﻟ ‪ Quick‬واﺧﺮﺘ ‪ .Estimate Equation‬ﺳــﻴﻈﻬﺮ اﻤﻟﺮﺑﻊ اﺤﻟﻮاري‬

‫ﺤﻛﺤﺪﻳﺪ اﻤﻟﻌﺎدﻟﺔ ‪ Specification‬وﺤﻛﺤﺪﻳــﺪ ﺧﻴﺎرات اﻛﺎﻧﻞ ‪Panel Option‬‬
‫ﻲﻓ أﺒﻟ ﻧﺎﻓﺬة ﺗﻘﺪﻳــﺮ اﻤﻟﻌﺎدﻟﺔ‪ .‬اﻛﺘﺐ ﻣﻌﺎدﻟﺔ اﺠﻤﻮذج ﻲﻓ ﻣﺮﺑﻊ اﺠﺎﻓﺬة ﺤﺗﺖ‬
‫‪ Equation specification‬ﻛﻤــﺎ ﻲﻓ اﻟﺸــﻞﻜ ‪ .22.11‬ﺑﻌﺪ ﻛﺘﺎﺑﺔ اﻤﻟﻌﺎدﻟﺔ‪ ،‬اﺧﺮﺘ‬
‫‪ Panel Options‬ﻣــﻦ اﺠﺎﻓﺬة و ﺤﺗﺖ ‪ Effects specification‬اﺧﺮﺘ ‪Random‬‬
‫ﻛﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸــﻞﻜ ‪ 23.11‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﻟﻠﺤﺼﻮل ﺒﻟ اﺠﺘﺎﺋﺞ اﻤﻟﺒﻴﻨﺔ ﻲﻓ‬
‫اﻟﺸﻞﻜ ‪.24.11‬‬
‫ﺷﻜﻞ ‪ 22.11‬ﺗﻘﺪﯾﺮ ﻣﻌﺎدﻟﺔ ‪ECM‬‬
‫ﺷﻜﻞ ‪ 23.11‬ﺧﯿﺎرات اﻧﺤﺪار اﻟﺒﺎﻧﻞ‬

‫‪ 4.11‬ﻧﻤﻮذج اﻟﺘﺄﺛﻴﺮات اﻟﺜﺎﺑﺘﺔ ﻣﻘﺎﺑﻞ ﻧﻤﻮذج اﻟﺘﺄﺛﻴﺮات اﻟﻌﺸﻮاﺋﻴﺔ‬

‫ﻋﻨــﺪ ﻣﻘﺎرﻧﺔ ﻣﻘﺪرات اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﺑﻤﻘﺪرات اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸــﻮاﺋﻴﺔ‬
‫اﻤﻟﻌﻄﺎة أﻋﻼه‪ ،‬ﺳــﺮﻨى اﺧﺘﻼﻓﺎت ﺟﻮﻫﺮﻳﺔ ﻣﺎ ﺑﻦﻴ اﻻﺛﻨﻦﻴ‪ .‬ﺳــﻴﻜﻮن اﻟﺴــﺆال‬
‫ﻋﻨﺪﺋــﺬ أي ﻣﻦ اﺠﻤﻮذﺟﻦﻴ ﻫﻮ اﻷﻓﻀﻞ ﻲﻓ ﻣﺜﺎﺠﺎ اﺤﻟــﺎﻲﻟ‪ :‬اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ أم‬
‫ٍ‬
‫اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸﻮاﺋﻴﺔ؟‬
‫ﺗﻌﺘﻤــﺪ اﻹﺟﺎﺑﺔ ﺒﻟ ﻫﺬا اﻟﺴــﺆال ﺒﻟ اﻻﻓــﺮﺘاض ا ي ﻧﻀﻌﻪ ﺨﺑﺼﻮص‬
‫اﻻرﺗﺒــﺎط اﻤﻟﺤﺘﻤﻞ ﺑﻦﻴ ﻣﻜﻮن اﺨﻟﻄﺄ اﺨﻟــﺎص ﺑﺎﻤﻟﻘﻄﻊ اﻟﻌﺮ واﻤﻟﺘﻐﺮﻴات‬
‫اﻤﻟﺴﺘﻘﻠﺔ )اﺤﻛﻔﺴﺮﻴﻳﺔ(‪.‬‬
‫ﻓﺈذا اﻓﺮﺘﺿﻨــﺎ أﻧﻪ ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ﻣﺎ ﺑﻦﻴ واﻤﻟﺘﻐﺮﻴات اﻤﻟﺴــﺘﻘﻠﺔ‪ ،‬ﻓﺈن‬
‫ً‬
‫ﻧﻤــﻮذج ‪ REM‬ﻗﺪ ﻳﻜﻮن ﻣﻨﺎﺳــﺒﺎ‪ ،‬وﻟﻜﻦ إذا اﻓﺮﺘﺿﻨﺎ أﻧﻬﻤــﺎ ﻣﺮﺗﺒﻄﺎن ﻓﺈن‬
‫ﻧﻤﻮذج ‪ FEM‬ﻗﺪ ﻳﻜﻮن اﺠﻤﻮذج اﻤﻟﻨﺎﺳﺐ‪.‬‬
‫ﻣﺎ ﻫﻮ اﺠﻤﻮذج اﻤﻟﻨﺎﺳﺐ؟‬
‫ﻧﻘﻮم ﺑﺎﺳﺘﺨﺪام اﺧﺘﺒﺎر ‪ Hausman‬ﻟﻺﺟﺎﺑﺔ ﻋﻦ ﻫﺬا اﻟﺴﺆال‪.‬‬
‫اذﻫﺐ إﻰﻟ ‪ View‬واﺧــﺮﺘ ‪ Fixed/Random‬ﺛﻢ اﺧﺮﺘ ‪Correlated Random‬‬
‫‪ Effects - Hausman Test‬و ﻤﺎ ﻫﻮ ﻣﺒﻦﻴ ﻲﻓ اﻟﺸﻞﻜ ‪.25.11‬‬
‫ﺷﻜﻞ ‪ 24.11‬ﻧﺘﺎﺋﺞ اﻧﺤﺪار ﺑﺎﻧﻞ ‪EGLS‬‬

‫‪ :‬ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸﻮاﺋﻴﺔ ﻫﻮ اﻤﻟﻨﺎﺳﺐ‬ ‫‪-1‬‬
‫‪ : - 2‬ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻫﻮ اﻤﻟﻨﺎﺳﺐ‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﻣﻦ اﺠﺘﺎﺋﺞ اﻤﻟﻮﺿﺤﺔ ﻲﻓ اﻟﺸﻞﻜ ‪ ،26.11‬إﺣﺼﺎﺋﻴﺔ ‪Chi-sq = 46.4728‬‬
‫‪ - 5‬اﻻﺣﺘﻤــﺎل ‪ Prob. = 0.0000 < 0.05‬وﺑﺬﻟــﻚ ﻧﺮﻓــﺾ ﻓﺮﺿﻴﺔ اﻟﻌﺪم ‪.H0‬‬
‫اﻻﺧﺘﺒﺎر ﻣﻌﻨﻮي‪.‬‬
‫‪ - 6‬ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ )‪ (FEM‬ﻫﻮ اﺠﻤﻮذج اﻤﻟﻨﺎﺳﺐ‪.‬‬

‫‪ 11.5‬اﻟﻨﺘﻴﺠﺔ اﻟﻨﻬﺎﺋﻴﺔ‬
‫وﺟﺪﻧﺎ ﻓﻴﻤﺎ ﺳﺒﻖ أن ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻫﻮ اﺠﻤﻮذج اﻤﻟﻔﻀﻞ ﺒﻟ ﻧﻤﻮذج‬
‫‪ OLS‬اﻤﻟﺠﻤﻊ )اﺠﻤﻮذج اﻤﻟﻘﻴﺪ(‪ .‬ﺗﻢ اﺤﻛﻮﺻﻞ إﻰﻟ ﺗﻠﻚ اﺠﺘﻴﺠﺔ ﻋﻦ ﻃﺮﻳﻖ اﺳﺘﺨﺪام‬
‫وﺑﻨﺎء ﺒﻟ اﻻﺧﺘﺒﺎر اﻷﺧﺮﻴ )‪ (Hausman test‬أﺻﺒﺢ ﻣﻦ اﻟﻮاﺿﺢ‬ ‫ً‬ ‫اﺧﺘﺒــﺎر ‪ .F‬اﻵن‪،‬‬
‫ﺠﺎ أن ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻫﻮ أﻓﻀﻞ ﻣﻦ ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸﻮاﺋﻴﺔ‪ .‬ﻟﻚ‪،‬‬
‫ﻳﻤﻜﻦ اﺳﺘﻨﺘﺎج أن ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ ﻫﻮ اﺠﻤﻮذج اﻤﻟﻼﺋﻢ ﻟﻠﻌﻼﻗﺔ أﻋﻼه‪،‬‬
‫وﺑﺬﻟﻚ ﺳﻮف ﻧﺘﺒﻰﻨ اﺠﺘﺎﺋﺞ اﻟﻮاردة ﻣﻦ ﺗﻘﺪﻳﺮ ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﺨﻛﺎﺑﺘﺔ‪.‬‬
‫ﺷﻜﻞ ‪ 26.11‬اﺧﺘﺒﺎر ‪ Hausman‬ﻻرﺗﺒﺎط اﻟﺘﺄﺛﯿﺮات اﻟﺜﺎﺑﺘﺔ‬

‫(‪٠٢‬‬
‫ﻧﻤﻮﺫﺝ ﺗﺴﻌ‪ ‬ﺍﻷﺻﻮﻝ ﺍﻟﺮﺃﺳﻤﺎﻟﻴﺔ )‪(CAPM‬‬
‫ﻧﻤﻮذج ﺗﺴــﻌﺮﻴ اﻷﺻﻮل اﻟﺮأﺳــﻤﺎ ﺔ ﻲﻫ ﻧﻈﺮﻳﺔ أﺳﺎﺳﻴﺔ ﺗﺮﺑﻂ اﻤﻟﺨﺎﻃﺮ ﻣﻊ‬

‫اﻟﻌﺎﺋﺪ ﻟــﻞﻜ اﻷﺻﻮل‪ ،‬ﻓﻲﻬ ﺗﻮﺿــﺢ اﻟﻌﻼﻗﺔ اﻟﻜﻤﻴﺔ ﻣﺎ ﺑــﻦﻴ اﻤﻟﺨﺎﻃﺮ واﻟﻌﺎﺋﺪ‪،‬‬
‫واﻬﻟﺪف ﻣﻦ اﺣﺘﺴــﺎب ﻧﻤﺎذج ‪ CAPM‬ﻫﻮ ﺤﺗﺪﻳﺪ اﻤﻟﺨﺎﻃــﺮ اﺠﻈﺎﻣﻴﺔ‪ ،‬ﻧﻤﻮذج‬
‫ﺗﺴﻌﺮﻴ اﻷﺻﻮل اﻟﺮأﺳــﻤﺎ ﺔ ﻫﻮ ﺤﻣﺎوﻟﺔ ﺤﻛﻔﺴﺮﻴ ووﺿﻊ ﻛﻤﻴﺔ ﻟﻠﻤﺨﺎﻃﺮ اﻤﻟﺘﻨﻮﻋﺔ‪،‬‬
‫ﺑﻜﻠﻤﺎت أﺧﺮى ﻫﺬا اﺠﻤﻮذج ﻳﻘﻮم ﺑﻘﻴﺎس ﻛﻢ ﻫﻮ اﻟﻌﺎﺋﺪ اﻹﺿﺎﻲﻓ ا ي ﺠﻳﺐ‬
‫أن ﻳﺘﻮﻗﻌﻪ اﻤﻟﺴــﺘﺜﻤﺮ ﻣﻦ اﻤﻟﺨﺎﻃﺮ اﻹﺿﺎﻓﻴﺔ‪ ،‬اﻤﻟﺴﺘﺜﻤﺮون ﻳﻄﺎﻛﻮن ﺑﻌﻼوة ﻋﻦ‬
‫زﻳﺎدﺗﻬــﻢ ﻟﻠﻤﺨﺎﻃﺮ وﺑﺎﺤﻛﺎﻲﻟ ﻠﻛﻤﺎ زادت ﺨﻣﺎﻃــﺮ اﻷوراق اﻤﻟﺎ ﺔ ﻠﻛﻤﺎ زاد اﻟﻌﺎﺋﺪ‬
‫اﻤﻟﺘﻮﻗﻊ ا ي ﻳﺪﻓﻊ اﻤﻟﺴــﺘﺜﻤﺮﻳﻦ ﻟﺮﺸاء ﻫﺬه اﻷوراق‪ ،‬و ذا ﺎﻛن اﻤﻟﺴﺘﺜﻤﺮ ﺤﻳﺘﻔﻆ‬
‫ً‬ ‫ً‬
‫ﺑﻤﺤﻔﻈﺔ ﻣﺘﻨﻮﻋﺔ ﺗﻨﻮﺨ ﺟﻴﺪا ﻓﻬﻢ ﺳــﻮف ﻳﺮ ــﺰون ﺒﻟ اﺠﻟﺰء ﻏﺮﻴ اﻤﻟﺘﻨﻮع ﻣﻦ‬
‫ﺨﻣﺎﻃﺮ اﻷﺳﻬﻢ اﻟﻔﺮدﻳﺔ‪ ،‬ﻓﻬﻢ ﻳﺮ ﺰون ﺒﻟ اﻤﻟﺨﺎﻃﺮ اﻤﻟﺘﻌﻠﻘﺔ ﺑﺎﻷﺳﻬﻢ وﻣﺴﺎﻫﻤﺘﻬﺎ‬
‫ﻲﻓ اﻤﻟﺨﺎﻃﺮ اﻟﻠﻜﻴﺔ ﻲﻓ اﻤﻟﺤﻔﻈﺔ اﻤﻟﺘﻨﻮﻋﺔ‪ ،‬ﻓﺎﻤﻟﺨﺎﻃﺮ ﻏﺮﻴ اﻤﻟﺘﻨﻮﻋﺔ ﻲﻫ اﺠﻟﺰء اﻤﻟﺘﻌﻠﻖ‬
‫ُ‬
‫ﺑﻤﺨﺎﻃﺮ اﻷﺻﻮل اﻟﻲﺘ ﺗﻌﺰي إﻰﻟ ﻋﻮاﻣﻞ اﻟﺴﻮق اﻟﻲﺘ ﺗﺆﺛﺮ ﻲﻓ ﻞﻛ اﻟﺮﺸ ت وﻫﺬه‬
‫ُ‬
‫اﻟﻌﻮاﻣــﻞ ﻻ ﻳﻤﻜﻦ ﺗﻘﻠﻴﻞ ﺨﻣﺎﻃﺮﻫﺎ ﻣﻦ ﺧﻼل اﺤﻛﻨﻮع وﺗﺴــﻰﻤ ذﻟﻚ ﺑﺎﻤﻟﺨﺎﻃﺮ‬
‫اﺠﻈﺎﻣﻴﺔ‪ ،‬وﺣﻴﺚ أن أي ﻣﺴــﺘﺜﻤﺮ ﻳﻤﻜﻨﻪ إﻧﺸﺎء ﺤﻣﻔﻈﺔ ﻟﻸﺻﻮل اﻟﻲﺘ ﺗﻘﻠﻞ ﻣﻦ‬
‫اﻤﻟﺨﺎﻃﺮ اﻤﻟﺘﻨﻮﻋﺔ وﻟﻜﻦ ﺗﻈﻞ اﻤﻟﺨﺎﻃﺮ ﻋﺪم اﺤﻛﻨﻮع ﻗﺎﺋﻤﺔ‪ ،‬ﻳﺘﻢ اﺳﺘﺨﺪام ﻣﻌﺎﻣﻞ‬
‫ﺑﻴﺘﺎ ﻛﻤﻘﻴﺎس ﻟﻜﻤﻴﺔ اﻤﻟﺨﺎﻃﺮ اﺠﻈﺎﻣﻴﺔ‪.‬‬
‫ﻣﻌﺎﻣﻞ ﺑﻴﺘﺎ )‪ (β‬ﻣﻘﻴﺎس ذو ﻋﻼﻗﺔ ﺑﻤﺨﺎﻃﺮ ﻋﺪم اﺤﻛﻨﻮع‪ ،‬وﻫﻮ ﻣﺆﺮﺷ رﺟﺔ‬
‫ﺣﺮ ــﺔ اﻟﻌﺎﺋﺪ ﺒﻟ اﻷﺻﻮل ﻛﺮدة ﻓﻌﻞ ﻟﻠﺘﻐﺮﻴ ﻲﻓ ﺨﺋﺪ اﻟﺴــﻮق‪ ،‬ﺑﻴﺘﺎ ﻲﻫ اﺤﻛﻘﻠﺐ‬
‫اﻟﻨﺴﻲﺒ ﻟﻠﺴﻬﻢ )ﻛﻴﻒ ﺗﺘﺤﺮك أﺳﻌﺎر اﻷﺳــﻬﻢ ﺤﻧﻮ اﻻﺨﻧﻔﺎض واﻻرﺗﻔﺎع أﺛﻨﺎء‬
‫ﺣﺮ ﺔ اﻷﺳــﻮاق(‪ ،‬وﻳﺘﻢ اﺳﺘﺨﺪام اﻟﻌﺎﺋﺪ اﺤﻛﺎرﻳ ﻟﻸﺻﻮل ﺤﻟﺴﺎب ﻣﻌﺎﻣﻞ ﺑﻴﺘﺎ‬
‫ﻟﻸﺻﻮل ﺑﺎﺠﻈﺮ إﻰﻟ أن ﻣﻌﺎﻣﻞ ﺑﻴﺘﺎ ﻟﻠﺴــﻮاق ﺑﺎﻟﺎﻜﻣﻞ ﻳﺴــﺎوي ‪ 1.0‬و ﻗﻴﻢ ﺑﻴﺘﺎ‬
‫اﻷﺧﺮى ﻳﺘــﻢ اﻋﺘﺒﺎرﻫﺎ ذات ﻋﻼﻗﺔ ﺑﻬﺬه اﻟﻘﻴﻤﺔ‪ ،‬ﺨﺋﺪ اﻟﺴــﻮق ﻫﻮ اﻟﻌﺎﺋﺪ ﺒﻟ‬
‫ﺤﻣﻔﻈﺔ اﻟﺴﻮق ﻟﻞﻜ اﻷوراق اﻤﻟﺎ ﺔ اﻟﻲﺘ ﻳﺘﻢ ﺗﺪاوﻬﻟﺎ‪.‬‬
‫‪ 1.12‬ﻣﻌﺎدﻟﺔ ‪CAPM‬‬
‫ﺑﺎﺳــﺘﺨﺪام ﻣﻌﺎﻣﻞ ﺑﻴﺘﺎ ﻟﻘﻴــﺎس ﺨﻣﺎﻃﺮ ﻋﺪم اﺤﻛﻨﻮع ﻓﺈن ﻧﻤﻮذج ﺗﺴــﻌﺮﻴ‬
‫اﻷﺻﻮل اﻟﺮأﺳﻤﺎ ﺔ )‪ (CAPM‬ﻳﺘﻢ ﻋﺮﺿﻪ ﻣﻦ ﺧﻼل اﻤﻟﻌﺎدﻟﺔ اﺤﻛﺎ ﺔ‪:‬‬
‫= اﻟﻌﺎﺋﺪ اﻤﻟﻄﻠﻮب ﺒﻟ اﻷﺻﻞ ‪i‬‬
‫= ﻣﻌﺪل اﻟﻌﺎﺋﺪ اﺨﻟﺎﻲﻟ ﻣﻦ اﻤﻟﺨﺎﻃﺮة‪ ،‬وﻳﺘﻢ ﻗﻴﺎﺳﻪ ﻲﻓ اﻟﻐﺎﻟﺐ ﻋﻦ ﻃﺮﻳﻖ‬
‫اﻟﻌﺎﺋﺪ ﺒﻟ أذوﻧﺎت اﺨﻟﺰاﻧﺔ اﻷﻣﺮﻳﻜﻴﺔ‬
‫= ﻣﻌﺎﻣﻞ ﺑﻴﺘﺎ أو ﻣﺆﺮﺷ ﺨﻣﺎﻃﺮ ﻋﺪم اﺤﻛﻨﻮع ﻟﻸﺻﻞ ‪i‬‬
‫= اﻟﻌﺎﺋﺪ اﻟﺴﻮ ‪ ،‬اﻟﻌﺎﺋﺪ ﺒﻟ ﺤﻣﻔﻈﺔ اﻟﺴﻮق ﻟﻸﺻﻮل‬
‫ﯾﻤﻜﻦ ﺗﻘﺴﯿﻢ ‪ CAPM‬إﻟﻰ ﺟﺰﺋﯿﻦ ھﻤﺎ‪:‬‬

‫‪ - 1‬اﻤﻟﻌــﺪل اﺨﻟﺎﻲﻟ ﻣﻦ اﻤﻟﺨﺎﻃﺮة ‪ RF‬وﻫﻮ اﻟﻌﺎﺋﺪ اﻤﻟﻄﻠﻮب ﺒﻟ اﻷﺻﻞ اﺨﻟﺎﻲﻟ ﻣﻦ‬
‫اﻤﻟﺨﺎﻃﺮ وا ي ﻲﻓ اﻟﻐﺎﻟﺐ ﻣﻌﺪل أذوﻧﺎت اﺨﻟﺰاﻧﺔ اﻷﻣﺮﻳﻜﻴﺔ ﻤﻟﺪة ‪ 3‬أﺷﻬﺮ‪.‬‬
‫‪ - 2‬ﻋﻼوة اﻤﻟﺨﺎﻃﺮة‪.‬‬
‫ُ‬
‫)‪ (rm - RF‬ﻋﺒﺎرة ﻋﻦ ﻋﻼوة اﻤﻟﺨﺎﻃﺮة واﻟﻲﺘ ﺗﺴــﻰﻤ ﻋﻼوة ﺨﻣﺎﻃﺮة اﻟﺴﻮق‪،‬‬
‫وذﻟﻚ ﻷﻧﻬﺎ ﺗﻤﺜﻞ اﻟﻌﻼوة اﻟﻲﺘ ﺠﻳﺐ أن ﺤﻳﺼﻞ ﻋﻠﻴﻬﺎ اﻤﻟﺴﺘﺜﻤﺮ ﺧﻮ ﻲﻓ ﺣﺠﻢ‬
‫ﻣﺘﻮﺳﻂ ﻣﻦ اﻤﻟﺨﺎﻃﺮ اﻤﻟﺘﻌﻠﻘﺔ ﺑﺎﻻﺣﺘﻔﺎظ ﺑﺄﺻﻮل ﻲﻓ ﺤﻣﻔﻈﺘﻪ اﻻﺳﺘﺜﻤﺎرﻳﺔ‪ ،‬وﺧﻂ‬
‫ﺳــﻮق اﻷوراق اﻤﻟﺎ ﺔ ﻫﻮ وﺻﻒ ﺠﻤﻮذج ﺗﺴﻌﺮﻴ اﻷﺻﻮل اﻟﺮأﺳﻤﺎ ﺔ )‪(CAPM‬‬
‫ﻛﺸــﻞﻜ ﺑﻴﺎ ﻳﻌﻜﺲ اﻟﻌﺎﺋﺪ اﻤﻟﻄﻠﻮب ﻲﻓ اﻟﺴﻮق ﺒﻟ ﻞﻛ ﻣﺴﺘﻮى ﻣﻦ ﻣﺴﺘﻮﻳﺎت‬
‫اﻤﻟﺨﺎﻃﺮ ﻏﺮﻴ اﻤﻟﺘﻨﻮﻋﺔ )ﺑﻴﺘﺎ(‪ ،‬ﻲﻓ اﻟﺸــﻞﻜ اﻛﻴﺎ ﺗــﻢ ﻗﻴﺎس اﻤﻟﺨﺎﻃﺮ ﻋﻦ ﻃﺮﻳﻖ‬
‫‪359‬‬ ‫اﻟﻔﺼﻞ اﻟﺜﺎﻧﻲ ﻋﺎﺷﺮ ‪ :‬ﻧﻤﻮذج ﺗﺴﻌﻴﺮ ا!ﺻﻮل اﻟﺮأﺳﻤﺎﻟﻴﺔ )‪(CAPM‬‬
‫ﺑﻴﺘﺎ ‪ b‬وﺗﻢ ﺗﻤﺜﻴﻠﻬﺎ ﺒﻟ اﻤﻟﺤﻮر اﻷﻓﻲﻘ ‪ x‬واﻟﻌﺎﺋﺪ اﻤﻟﻄﻠﻮب ‪ r‬ﺗﻢ رﺳــﻤﻪ ﺒﻟ اﻤﻟﺤﻮر‬
‫اﻟﻌﻤﻮدي ‪ ، y‬و اﻟﻮاﻗﻊ اﻟﻌﻤﻲﻠ ﻓﺈﻧﻨﺎ ﻧﺴــﺘﺨﺪم اﻤﻟﻌﺎدﻟﺔ اﺨﻟﻄﻴﺔ ﺤﻛﻘﺪﻳﺮ اﻟﻌﻼﻗﺔ‪،‬‬
‫اﻤﻟﺨﺮﺟﺎت ﻲﻫ ﺧﻂ ﻣﺴــﺘﻘﻴﻢ ﻣﺘﻨﺎﺳــﺐ ﻳﻤﺜﻞ اﻟﻌﻼﻗﺔ اﺤﻛﺎرﺨﻳﻴﺔ ﺑﻦﻴ اﻷﺳــﻬﻢ‬
‫واﻟﺴﻮق‪ ،‬ﻣﻴﻞ ﻫﺬا اﺨﻟﻂ ﻫﻮ ﺗﻘﺪﻳﺮ ﺑﻴﺘﺎ وﻳُﺸﺮﻴ إﻰﻟ ﻣﻘﺪار اﺤﻛﻐﺮﻴ ﻲﻓ ﻓﺎﺋﺾ ﻋﻮاﺋﺪ‬
‫اﻷﺳﻬﻢ ﻋﻨﺪﻣﺎ ﻳﺘﻐﺮﻴ ﻓﺎﺋﺾ ﻋﻮاﺋﺪ اﻟﺴﻮق ﺑﻨﺴﺒﺔ ‪.%1‬‬
‫ﻓﻌﻰﻠ ﺳــﺒﻴﻞ اﻤﻟﺜﺎل إذا أﺧﺬﻧﺎ اﻟﻌﺎﺋﺪ ا ﻮﻲﻣ ﻟﻸوراق اﻤﻟﺎ ﺔ ‪ i‬وا ي ﻳﻤﻜﻦ‬
‫ﺣﺴﺎﺑﻪ ﻣﻦ ﺧﻼل اﺨﻟﻄﻮات اﺤﻛﺎ ﺔ‪:‬‬
‫ﺣﻴﺚ أن ‪ Pit‬ﺗﻤﺜﻞ ﺳﻌﺮ اﻷﻗﻔﺎل ﻟﻸوراق اﻤﻟﺎ ﺔ ‪ i‬ﻲﻓ ا ﻮم ‪ ، t‬ﻧﻔﺲ اﻟﻄﺮﻳﻘﺔ‬

‫ﻳﺘﻢ ﺗﻄﺒﻴﻘﻬﺎ ﻋﻨﺪ ﺣﺴــﺎب اﻟﻌﺎﺋﺪ ﺒﻟ ﻣﺆﺮﺷات اﻟﺴﻮق‪ ،‬ﺳﻮف ﻧﺴﺘﺨﺪم ﻧﻤﻮذج‬
‫اﻟﺴﻮق ﺤﻟﺴﺎب اﻟﻌﻮاﺋﺪ ﻷﺳﻬﻢ ‪ HOGANAS‬ﻋﻨﺪ اﻟﺰﻣﻦ ‪: t‬‬
‫ﺣﻴﺚ أن ‪ RHOGANAS‬و ‪ ROMX‬ﺗﻤﺜﻞ اﻟﻌﻮاﺋﺪ ﺒﻟ أﺳﻬﻢ ‪HOGANAS‬‬

‫ﻲﻓ ﺳﻮق ‪) OMX‬ﻣﺆﺮﺷ ﺳﻮق ﺳﺘﻮ ﻬﻮﻟﻢ( ﻋﻨﺪ اﻟﻔﺮﺘة اﻟﺰﻣﻨﻴﺔ ‪ t‬ﺒﻟ اﺤﻛﻮاﻲﻟ‪ ،‬ﺳﻮف‬
‫ﻧﻘﻮم ﺤﺑﺴﺎب اﺠﻤﻮذج اﻟﺴﺎﺑﻖ ﻹﺠﻳﺎد اﻤﻟﻌﻠﻤﺘﻦﻴ ‪ α‬و ‪ β‬ﺑﺎﺳﺘﺨﺪام اﺤﻧﺪار ‪،OLS‬‬
‫ُ‬
‫اﻬﻟﺪف اﻷﺳﺎ ﻫﻮ أﺠﻳﺎد ﻗﻴﻤﺔ ‪ β‬واﻟﻲﺘ ﺗﺸﺮﻴ إﻰﻟ اﻤﻟﺨﺎﻃﺮ اﺠﻈﺎﻣﻴﺔ اﻤﻟﺘﻌﻠﻘﺔ ﺑﺄﺳﻬﻢ‬
‫‪ ،HOGANAS‬ﺑﻴﺎﻧــﺎت ﻛﻼ اﻤﻟﺘﻐﺮﻴﻳﻦ ﺗﻢ إدﺧﺎﻬﻟﺎ ﻟﺮﺒﻧﺎﻣﺞ ‪ EViews‬واﻟﻌﻮاﺋﺪ ﺗﻢ‬
‫ﺣﺴﺎﺑﻬﺎ ﻣﻦ ﺧﻼل ﺤﺗﻮﻳﻞ اﻛﻴﺎﻧﺎت )اﻷﺳﻌﺎر( إﻰﻟ اﻟﻠﻮﺬﻟرﻳﺘﻢ اﻟﻄﺒﻴﻲﻌ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬
‫)‪LHOGANAS = LOG(HOGANAS‬‬
‫)‪LOMX = LOG(OMX‬‬
‫ﻋﻮاﺋﺪ اﻤﻟﺘﻐﺮﻴات اﻟﺴﺎﺑﻘﺔ ﻳﻤﻜﻦ أﺠﻳﺎدﻫﺎ ﻛﻤﺎ ﻳﻲﻠ‪:‬‬

‫اﻟﺸﻜﻞ ‪ :1 .12‬اﻟﺮﺳﻢ اﻟﺒﯿﺎﻧﻲ ﻟﻠﺴﻠﺴﻠﺔ ‪RHOGANAS‬‬

‫)‪RHOGANAS = LHOGANAS - LHOGANAS(-1‬‬
‫اﻟﺸﻞﻜ ‪ 1.12‬ﻳﻮﺿﺢ أن اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة و )‪.I(0‬‬
‫أ( ‪ : H0‬اﻟﺴﻠﺴﻠﺔ ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫ب( اﻟﺴﻠﺴﻠﺔ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫ج( ‪ α = 5%‬أو ‪0.05‬‬
‫ﻟﻴﺲ ﻫﻨﺎك إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ﺤﻟﺴﺎﺑﻬﺎ وﻟﻜﻨﻨﺎ ﻧﺮ ﺰ ﺒﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل ‪.Prob‬‬
‫د( ﻗﻴﻢ ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪.0.05‬‬
‫ﻫ( ﺑﻤﺎ أن ﻗﻴﻢ ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﺑﺎﺤﻛﺎﻲﻟ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪H0‬‬
‫ﺑﻞ ﻧﻘﺒﻠﻪ‪.‬‬
‫و( اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬

‫‪ α = 5% - 3‬أو ‪) 0.05‬أﻧﻈﺮ اﻟﺸﻞﻜ ‪.(2.12‬‬
‫ً‬
‫ﺑﻨﺎء ﺒﻟ ﺨﻣﺮﺟﺎت اﻟﺸﻞﻜ ‪ 3.12‬ﻓﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪-9.010727‬‬
‫‪ - 4‬ﻗﻴﻢ ‪p-values = 0.000‬‬
‫‪ - 5‬ﺑﻤﺎ أن ﻗﻴﻢ ‪ p-values‬أﻗﻞ ﻣﻦ ‪ 0.05‬ﺑﺎﺤﻛﺎﻲﻟ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫‪ - 6‬اﻟﺴﻠﺴﻠﺔ ‪ RHOGANAS‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﺸﻞﻜ ‪ 4.12‬ﻳﻮﺿﺢ ﺑﺄن ﺳﻠﺴﻠﺔ ‪ ROMX‬ﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة و )‪.I(0‬‬
‫اﻟﺸﻜﻞ ‪ :2 .12‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﺴﻠﺴﻠﺔ ‪RHOGANAS‬‬

‫ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﺴﻠﺴﻠﺔ ‪) ROMX‬اﻟﺸﻞﻜ ‪(5.12‬‬

‫‪ ROMX : H0 - 1‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة‪.‬‬
‫‪ ROMX : H1 - 2‬ﻬﻟﺎ ﺟﺬر وﺣﺪة‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ﺰ ﺒﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل ‪Prob‬‬ ‫ﻟﻴﺲ ﻫﻨﺎك إﺣﺼﺎﺋﻴﺔ ﺤﻟﺴﺎﺑﻬﺎ وﻟﻜﻨﻨﺎ ﻧﺮ‬
‫‪ - 5‬ﺑﻤــﺎ أن ﻗﻴﻢ ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﺑﺎﺤﻛﺎﻲﻟ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم‬
‫‪. H0‬‬
‫‪ ROMX - 6‬ﻲﻫ ﺳﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ ROMX : H0 - 1‬ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻟﻴﺴﺖ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ ROMX : H1 - 2‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫ً‬
‫ﺑﻨــﺎء ﺒﻟ ﺨﻣﺮﺟﺎت اﻟﺸــﻞﻜ ‪ 6.12‬ﻓــﺈن إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴــﺎوي‬
‫‪-8.799709‬‬
‫‪ - 4‬ﻗﻴﻢ ‪p-values = 0.000‬‬
‫‪ - 5‬ﺑﻤﺎ أن ﻗﻴﻢ ‪ p-values‬أﻗﻞ ﻣﻦ ‪ 0.05‬ﺑﺎﺤﻛﺎﻲﻟ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬

‫‪ ROMX - 6‬ﻟﻴﺲ ﻬﻟﺎ ﺟﺬر وﺣﺪة وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﺒﻮاﻲﻗ )اﻟﺸﻞﻜ ‪(8.12‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :3 .12‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ‪RHOGANAS‬‬

‫ﻟﻴﺲ ﻫﻨﺎك إﺣﺼﺎﺋﻴﺔ ﺤﻟﺴﺎﺑﻬﺎ وﻟﻜﻨﻨﺎ ﻧﺮ ﺰ ﺒﻟ ﻋﻤﻮد اﻻﺣﺘﻤﺎل ‪.Prob‬‬
‫‪ - 5‬ﺑﻤﺎ أن ﻗﻴﻢ ‪ p-values‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﻓﻬﺬا ﻳﻌﻲﻨ أﻧﻪ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض‬
‫اﻟﻌﺪم ‪ H0‬ﺑﻞ ﻳﺘﻢ ﻗﺒﻮ ‪.‬‬
‫‪ - 6‬اﻟﺴﻠﺴﻠﺔ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﻟﺸﻞﻜ ‪ 12.9‬ﻳﻌﺮض اﻛﻮاﻲﻗ وﻲﻫ ﻣﺴﺘﻘﺮة‪.‬‬
‫اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﺒﻮاﻲﻗ )اﻟﺸﻞﻜ ‪(10.12‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ‪ ADF‬ﺗﺴﺎوي ‪-9.653714‬‬
‫‪ - 4‬ﻗﻴﻢ ‪p-values = 0.000‬‬
‫‪ - 5‬ﺑﻤــﺎ أن ﻗﻴﻢ ‪ p-values‬أﻗﻞ ﻣﻦ ‪ 0.05‬ﻓﺈﻧﻨــﺎ ﺑﺎﺤﻛﺎﻲﻟ ﻧﺮﻓﺾ ﻓﺮض اﻟﻌﺪم ‪H0‬‬
‫وﻧﻘﺒﻞ اﻟﻔﺮض اﻛﺪﻳﻞ‪.‬‬
‫اﻟﺸﻜﻞ ‪ :4 .12‬رﺳﻢ ﺑﯿﺎﻧﻲ ﻟﻠﺴﻠﺴﻠﺔ ‪ROMX‬‬

‫اﻟﺸﻜﻞ ‪ :5 .12‬ﺟﺪول اﻻرﺗﺒﺎط ﻟـ ‪ROMX‬‬

‫اﻟﺸﻜﻞ ‪ :6 .12‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﺴﻠﺴﻠﺔ ‪ROMX‬‬

‫‪ 2.12‬ﺗﺤﻠﻴﻞ اﻟﺒﻮاﻗﻲ‬
‫‪ .1‬ﺤﺗﻠﻴﻞ اﻻرﺗﺒﺎط ا ا‬
‫اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻲﻠ ‪LM‬‬
‫اﺧﺮﺘ‬ ‫ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺑﻌﺪ ﺣﺴﺎب اﻻرﺗﺒﺎط اﻷﺳﺎ‬

‫‪ View > Residual Diagnostics > Serial Correlation LM test‬اﻤﻟﺨﺮﺟﺎت‬
‫ﻳﻔﺮﺘض أﻧﻬﺎ ﺳﺘﻜﻮن ﻣﺜﻞ اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.12.11‬‬
‫اﻟﺸﻜﻞ ‪ :7 .12‬ﻣﺨﺮﺟﺎت اﻻﻧﺤﺪار ﻟﻠﺴﻠﺴﻠﺔ ‪) RHOGANAS‬اﻟﺜﺎﺑﺖ ﻟﯿﺲ ذو ﻣﻌﻨﻮﯾﺔ إﺣﺼﺎﺋﯿﺔ(‬

‫اﻟﺸﻜﻞ ‪ :8 .12‬ﺟﺪول اﻻرﺗﺒﺎط ﻟﻠﺴﻠﺴﻠﺔ ‪U‬‬
‫اﻟﺸﻜﻞ ‪ :9 .12‬رﺳﻢ ﻟﻠﺒﻮاﻗﻲ ‪U‬‬

‫اﻟﺸﻜﻞ ‪ :10 .12‬اﺧﺘﺒﺎر ﺟﺬر اﻟﻮﺣﺪة ﻟﻠﺒﻮاﻗﻲ ‪U‬‬

‫اﻟﺸﻜﻞ ‪ :11 .12‬اﺧﺘﺒﺎر اﻻرﺗﺒﺎط اﻟﺘﺴﻠﺴﻠﻲ ‪LM‬‬

‫أ( ‪ : H0‬ﻻ ﻳﻮﺟﺪ ارﺗﺒﺎط ﺗﺴﻠﺴﻲﻠ‪.‬‬
‫ب( ‪ : H1‬ﻳﻮﺟﺪ ارﺗﺒﺎط ﺗﺴﻠﺴﻲﻠ‪.‬‬
‫ج( ‪ α = 5%‬أو ‪0.05‬‬
‫د( ﻗﻴﻤﺔ ‪p-value = 0.6645‬‬
‫ﻫ( ﺑﻤﺎ أن ﻗﻴﻤﺔ ‪ p-value‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﻟﻚ ﻻ ﻧﺴﺘﻄﻴﻊ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫و( ﻻ ﻳﻮﺟﺪ ﻫﻨﺎك ارﺗﺒﺎط ﺗﺴﻠﺴﻲﻠ‪.‬‬
‫‪ .2‬اﺧﺘﺒﺎر اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‬

‫ﻳﺴﻰﻤ ﻛﺬﻟﻚ ﺑﺎﻻﺧﺘﺒﺎر اﻷﺑﻴﺾ ﻲﻓ ‪EViews‬‬
‫ُ‬
‫ﻳﻘﻮم ﺑﺮﻧﺎﻣﺞ ‪ EViews‬ﺑﺈﺟﺮاء ﻫﺬا اﻻﺧﺘﺒﺎر ﻓﻘﻂ اﻧﻘﺮ ﺒﻟ ﺷﺎﺷﺔ ﺨﻣﺮﺟﺎت‬

‫اﻻﺤﻧﺪار ﺑﺮﺒﻧﺎﻣﺞ ‪ EViews‬واﻧﻘﺮ ﺒﻟ > ‪View > Residual Diagnostics‬‬
‫‪ Heteroscedasticity Test‬ﺛﻢ اﺧﺮﺘ ‪ white‬ﺛﻢ اﻧﻘﺮ ‪ OK‬ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ‬
‫ﺨﻣﺮﺟﺎت اﻟﺸﻞﻜ ‪.12.12‬‬
‫اﻟﺸﻜﻞ ‪ :12 .12‬اﺧﺘﺒﺎر اﺧﺘﻼف اﻟﺘﺒﺎﯾﻦ ﻓﻲ ‪EViews‬‬

‫أ ( ‪ : H0‬ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ﻣﺘﺠﺎﻧﺲ‪.‬‬

‫ب( ‪ : H1‬ﺗﺒﺎﻳﻦ اﻛﻮاﻲﻗ ﻏﺮﻴ ﻣﺘﺠﺎﻧﺲ‪.‬‬
‫ج( ‪ α = 5%‬أو ‪0.05‬‬
‫د ( ﻗﻴﻤﺔ ‪p-value = 0.8794‬‬
‫ِﻢْﺴِﺑ( ﺑﻤﺎ أن ﻗﻴﻤﺔ ‪ p-value‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﻓﻼ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ﺑﻞ‬
‫ﻧﻘﺒﻠﻪ‪.‬‬
‫و ( ﻻ وﺟﻮد ﻤﻟﺸﻠﻜﺔ اﺧﺘﻼف اﺤﻛﺒﺎﻳﻦ‪.‬‬
‫‪ .3‬اﺧﺘﺒﺎر اﺤﻛﻮزﻳﻊ اﻟﻄﺒﻴﻲﻌ‬
‫اﻧﻘﺮ ﺒﻟ ‪ View > Residual Diagnostics > Histogram Normality Test‬ﺛﻢ‬
‫اﻧﻘﺮ ‪ OK‬ﺳﻮف ﺤﺗﺼﻞ ﺒﻟ اﻤﻟﺨﺮﺟﺎت اﻤﻟﻌﺮوﺿﺔ ﻲﻓ اﻟﺸﻞﻜ ‪.12.13‬‬
‫أ( ‪ : H0‬اﻛﻮاﻲﻗ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫ب( ‪ : H1‬اﻛﻮاﻲﻗ ﻻ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫ج( ‪ α = 5%‬أو ‪0.05‬‬
‫اﻟﺸﻜﻞ ‪ :13 .12‬اﺧﺘﺒﺎر اﻟﺘﻮزﯾﻊ اﻟﻄﺒﯿﻌﻲ ﻟﻠﺒﻮاﻗﻲ‬

‫إﺣﺼﺎﺋﻴﺔ اﺧﺘﺒﺎر ﺟﺎر ﻴﻮﺑﺮﻴا ﺗﺴﺎوي ‪5.400053‬‬

‫د( ﻗﻴﻤﺔ ‪p-value = 0.067204‬‬
‫ﻫ( ﺑﻤﺎ أن ﻗﻴﻤﺔ ‪ p-value‬أﻛﺮﺒ ﻣﻦ ‪ 0.05‬ﻟﻚ ﻻ ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪.H0‬‬
‫و( اﻛﻮاﻲﻗ ﺗﺘﻮزع ﺗﻮزﻳﻊ ﻃﺒﻴﻲﻌ‪.‬‬
‫ﻧﻤﻮذج اﻻﺤﻧﺪار ﻳﻤﻜﻦ ﻛﺘﺎﺑﺘﻪ ﺒﻟ اﻟﺼﻴﻐﺔ اﺤﻛﺎ ﺔ‪:‬‬
‫‪RHOGANAS = 0.182633 + 0.227079 ROMX‬‬
‫‪β‬‬ ‫اﺧﺘﺒﺎر ﻣﻌﺎﻣﻞ‬

‫‪β1 = 0 : H0‬‬ ‫‪-1‬‬
‫‪β1‬‬ ‫‪≠ 0 : H1 - 2‬‬
‫‪ α = 5% - 3‬أو ‪0.05‬‬
‫‪-4‬‬
‫‪ - 5‬ﻗﻴﻤﺔ ‪p-value = 0.0499‬‬
‫‪ - 6‬ﻳﻤﻜﻨﻨﺎ رﻓﺾ ﻓﺮض اﻟﻌﺪم ‪ H0‬ﻷن ‪ p-value‬أﻗﻞ ﻣﻦ ‪ 0.05‬ﻓﺎﻻﺧﺘﺒﺎر ذو‬

‫ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪.‬‬
‫‪ - 7‬اﻤﻟﻌﺎﻣﻞ ذو ﻣﻌﻨﻮﻳﺔ إﺣﺼﺎﺋﻴﺔ‪.‬‬
‫‪CAPM‬‬
‫اﻟﻘﺮار ا ي ﻳﺘﻢ اﺨﺗﺎذه ً‬
‫ﺑﻨﺎء ﺒﻟ ﻧﻤﻮذج‬
‫ﺑﻤﺎ أن ‪ β = 0.227079‬أﻗﻞ ﻣﻦ اﻟﻮاﺣﺪ ﻓﺈﻧﻨﺎ ﻧﺴﺘﻨﺘﺞ ﺑﺄن اﻷﺳﻬﻢ ﻬﻟﺎ ﺨﻣﺎﻃﺮ‬
‫ﻧﻈﺎﻣﻴﺔ أﻗﻞ ﻣﻦ ﺨﻣﺎﻃﺮ اﻟﺴﻮق‪ ،‬ﻓﻤﺨﺎﻃﺮ اﻟﺴﻮق ﻳﻔﺮﺘض أن ﺗﺴﺎوي ‪ ،1‬وﺑﻤﺎ أن‬
‫اﻟﻌﺎﺋﺪ اﻟﺴﻮ ﻳﺰﻳﺪ ﺑﻨﺴﺒﺔ ‪ %1‬ﻟﻚ ﻓﺈن اﻟﻌﺎﺋﺪ اﻤﻟﺘﻮﻗﻊ ﻟﻸﺳﻬﻢ ‪RHOGANAS‬‬
‫ﻳﺰﻳﺪ ﺑﻤﻘﺪار ‪.%0.227079‬‬

صياغة النماذج المالية والاقتصادية مع EVIEWS دليل للطلبة والمحترفين PDF

Uploaded by

Document Information

Original Title

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

صياغة النماذج المالية والاقتصادية مع EVIEWS دليل للطلبة والمحترفين PDF

Uploaded by

Copyright:

Available Formats

‫ﺻﻴﺎﻏﺔ ﺍﻟﻨﻤﺎﺫﺝ ﺍﳴﺎﻟﻴﺔ ﻭﺍﻻﻗﺘﺼﺎﺩﻳﺔ‬

‫‪2021‬‬ ‫ﺍﻟﻄﺒﻌﺔ ﺍﻻﻭﻟﻰ‬ ‫ﺩﺍﺭ ﺣﻤﻴﺜﺮﺍ ﻟﻠﻨﺸﺮ‬

‫ﺤﻣﺘﻮﻳﺎت اﻟﻜﺘﺎب ‪3 .............................................................................................‬‬

‫‪11 ............................................................‬‬ ‫اﻟﻔﺼﻞ اﻷول‪ :‬ﻣﻘﺪﻣﺔ ﻟﺮﺒﻧﺎﻣﺞ ‪EViews‬‬

‫‪11 ............................................................................‬‬ ‫ﻣﻘﺪﻣﺔ ‪Introduction‬‬ ‫‪1.1‬‬

‫‪16 ...............................‬‬ ‫‪ 1.2.1‬ﻗﺮاءة ﺑﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴات ﻣﻦ ‪Exce/IBM SPSS‬‬

‫‪19 ..............................................‬‬ ‫‪ 2.2.1‬ﺣﻔﻆ وﻓﺘﺢ ﻣﻠﻒ ﺑﻴﺎﻧﺎت ‪EViews‬‬

‫اﻟﻔﺼﻞ اﺨﻛﺎ ‪ :‬ﻣﺒﺎدئ ﺗﻮﺟﻴﻬﻴﺔ ﻹﺟﺮاء اﻻﺤﻧﺪار ‪23 .................................................‬‬

‫‪ 1.1.2‬ﺣﻔﻆ ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار ‪29 .................................................................‬‬

‫‪ 1.2.2‬ﺗﻘﺪﻳﺮ داﻟﺔ ﻛﻮب دوﺟﻼس ‪Estimation of the Cobb-Douglas‬‬

‫‪39 ........‬‬ ‫‪ 2.2.2‬ﺗﻔﺴﺮﻴ ﻣﻌﺎدﻟﺔ اﻻﺤﻧﺪار ‪Interpret the Regression Equation‬‬

‫‪41 ...................................‬‬ ‫‪ 3.2.2‬اﺧﺘﺒﺎر اﻤﻟﻌﻠﻤﺎت ‪Testing the Coefficients‬‬

‫‪42 ................................................‬‬ ‫‪ 4.2.2‬ﺗﻌﻠﻴﻖ ﺒﻟ ﻗﻴﻤﺔ ‪ R2‬واﺧﺘﺒﺎر ‪R2‬‬

‫‪ 5.2.2‬ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ وﺤﺗﻠﻴﻞ اﻛﻮاﻲﻗ ‪Multicollinearity and‬‬

‫اﻟﺼﻔﺤﺔ‬ ‫اﳌﻮﺿـ ـ ـ ـ ـ ـ ــﻮع‬

‫‪46 ............‬‬ ‫‪ 1.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ ﺗﻌﺪد اﻟﻌﻼﻗﺎت اﺨﻟﻄﻴﺔ ﻲﻓ ‪EViews‬‬

‫‪50 .......................‬‬ ‫‪ 2.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ اﺨﻟﻄﻴﺔ ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪EViews‬‬

‫‪50 .......‬‬ ‫‪ 3.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ ﻋﺪم ﺛﺒﺎت اﺤﻛﺒﺎﻳﻦ ﻲﻓ ﺑﺮﻧﺎﻣﺞ ‪EViews‬‬

‫‪53 ......................‬‬ ‫ﻲﻓ ‪EViews‬‬ ‫‪ 4.5.2.2‬اﻟﻜﺸﻒ ﻋﻦ ﻣﺸﻠﻜﺔ اﻻرﺗﺒﺎط ا ا‬

‫اﻟﻔﺼﻞ اﺨﻛﺎﻟﺚ‪ :‬ﺤﺗﻠﻴﻞ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ‪57 ...........................................................‬‬

‫‪63‬‬ ‫‪ 2.3‬اﻟﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ اﺨﻛﺎﻧﻴﺔ‪ :‬اﺠﺎﺗﺞ اﻤﻟﺤﻲﻠ اﻹﻤﺟﺎﻲﻟ اﺤﻟﻘﻴﻲﻘ )‪(RGDP‬‬

‫‪ 1.4.3‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ و ﻧﺸﺎء ﺟﺪول‬

‫اﻟﺼﻔﺤﺔ‬ ‫اﳌﻮﺿـ ـ ـ ـ ـ ـ ــﻮع‬

‫‪ 1.5.3‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ و ﻧﺸﺎء ﺟﺪول‬

‫‪ 1.6.3‬اﻟﻄﺮﻳﻘﺔ ﻏﺮﻴ اﻟﺮﺳﻤﻴﺔ‪ :‬اﻟﺮﺳﻢ اﻛﻴﺎ ﻟﻠﺴﻠﺴﻠﺔ اﻟﺰﻣﻨﻴﺔ و ﻧﺸﺎء ﺟﺪول‬

‫اﻟﻔﺼﻞ اﻟﺮاﺑﻊ ‪ :‬ﻧﻤﺬﺟﺔ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ‪81 ...........................................................‬‬

‫‪86 ..............................................‬‬ ‫‪ 3.1.4‬ﺠﺗﺎﻧﺲ اﻛﻴﺎﻧﺎت ‪Homoscedasticity‬‬

‫‪ 2.4‬اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ﻲﻓ اﺤﻛﻄﺒﻴﻖ ‪87 ................................................................‬‬

‫اﻟﻔﺼﻞ اﺨﻟﺎﻣﺲ‪ :‬ﻣﺰﻳﺪ ﻣﻦ ﺧﺼﺎﺋﺺ اﻟﺴﻼﺳﻞ اﻟﺰﻣﻨﻴﺔ ‪103 .....................................‬‬

‫‪ 4.5‬اﺧﺘﺒﺎرات ﺟﺬور اﻟﻮﺣﺪة ‪115 ............................................. Unit Root Tests‬‬

‫اﻟﺼﻔﺤﺔ‬ ‫اﳌﻮﺿـ ـ ـ ـ ـ ـ ــﻮع‬

‫رﺟﺔ اﺨﻛﺎﻧﻴﺔ ‪Appendix 5.2: The Quadratic‬‬ ‫اﻤﻟﻠﺤﻖ ‪ :2.5‬اﻤﻟﻌﺎدﻟﺔ ﻣﻦ ا‬

‫اﻟﻔﺼﻞ اﻟﺴﺎدس‪ :‬اﺤﻛﻨﺒﺆ اﻻﻗﺘﺼﺎدي ﺑﺎﺳﺘﺨﺪام اﻻﺤﻧﺪار ‪127 ....................................‬‬

‫‪ 5.6‬اﺨﻟﻄﻮة اﻟﺮاﺑﻌﺔ‪ :‬ﻧﻤﻮذج اﺤﻛﻨﺒﺆ ‪144 .................................. Model Forecasting‬‬

‫اﻟﻔﺼﻞ اﻟﺴﺎﺑﻊ‪ :‬اﺤﻛﻨﺒﺆ اﻻﻗﺘﺼﺎدي ﺑﺎﺳﺘﺨﺪام ﻧﻤﻮذج ‪157 ........................... ARIMA‬‬

‫‪ 3.7‬اﻻﺤﻧﺪار ا ا ‪161 .......................................................... Autocorrelations‬‬

‫اﻟﺼﻔﺤﺔ‬ ‫اﳌﻮﺿـ ـ ـ ـ ـ ـ ــﻮع‬

‫ﺔ واﻻﻗﺘﺼﺎدﻳﺔ‪ :‬ﻧﻤﺎذج ‪ARCH‬‬ ‫اﻟﻔﺼﻞ اﺨﻛﺎﻣﻦ‪ :‬ﺻﻴﺎﻏﺔ ﻧﻤﺎذج اﺤﻛﻘﻠﺒﺎت اﻤﻟﺎ‬

‫إﻧﺸﺎء ﻣﻌﺪﻻت ﺳﻌﺮ اﻟﺮﺼف ‪207 .......................................................................‬‬

‫‪216 ..................................................................‬‬ ‫اﺤﻛﻨﺒﺆ ﺑﺎﺳﺘﺨﺪام ﻧﻤﻮذج ‪ARCH‬‬

‫‪ 3.8‬ﻣﺴﺎﺋﻞ ﻣﺘﻌﻠﻘﺔ ﺑﻨﻤﺎذج ‪ ARCH‬ﻲﻓ اﺤﻛﻄﺒﻴﻖ اﻟﻌﻤﻲﻠ ‪220 ..................................‬‬

‫‪237 ............................................................‬‬ ‫‪ 6.8‬اﺤﻛﺎﻜﻣﻞ اﻤﻟﺸﺮﺘك ‪Cointegration‬‬

‫‪ 7.8‬ﻣﻼﺣﻈﺎت ﺧﺘﺎﻣﻴﺔ ‪237 ...............................................................................‬‬

‫اﻟﻔﺼﻞ اﺤﻛﺎﺳﻊ‪ :‬ﻧﻤﺎذج اﻤﻟﺘﻐﺮﻴ اﺤﻛﺎﺑﻊ اﻤﻟﺤﺪد ‪273 .......................................................‬‬

‫اﻟﻔﺼﻞ اﻟﻌﺎﺮﺷ‪ :‬ﻧﻤﻮذج ﻣﺘﺠﻪ اﻻﺤﻧﺪار ا ا )‪291 ........................................ (VAR‬‬

‫‪ 2.10‬ﻋﻤﻠﻴﺔ اﺤﻛﻘﺪﻳﺮ ‪294 ....................................................................................‬‬

‫اﻟﺼﻔﺤﺔ‬ ‫اﳌﻮﺿـ ـ ـ ـ ـ ـ ــﻮع‬

‫‪330 ...............................................................‬‬ ‫‪ 2.1.11‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪LGEX‬‬

‫‪334 ............................................................‬‬ ‫‪ 5.1.11‬ﺑﻴﺎﻧﺎت اﻛﺎﻧﻞ ﻟـ ‪DLGEX‬‬

‫‪ 2.11‬ﻧﻤﻮذج ﺑﺎﻧﻞ ‪341 ................................................................................ ECM‬‬

‫‪ 3.11‬ﻧﻤﻮذج اﺤﻛﺄﺛﺮﻴات اﻟﻌﺸﻮاﺋﻴﺔ )‪ (REM‬أو ﻧﻤﻮذج ﻣﻜﻮﻧﺎت اﺨﻟﻄﺄ )‪351 .. (ECM‬‬

‫‪ 2.12‬ﺤﺗﻠﻴﻞ اﻛﻮاﻲﻗ ‪367 ......................................................................................‬‬

‫وﻓﺮﺘات اﺤﻛﺒﺎﻃﺆ واﺧﺘﺒﺎر اﻟﻔﺮﺿﻴﺎت اﻟﻲﺘ ﺗﻌﺘﻤﺪ ﻋﻠﻴﻬﺎ ﺑﻌﺾ اﺧﺘﺒﺎرات‬

‫ﺑﻪ؛ أﻏﻠﺐ اﻤﻟﺮاﺣﻞ اﻹﺣﺼﺎﺋﻴﺔ ﻲﻫ ﺑﺒﺴﺎﻃﺔ ﻣﻌﺎﻳﻨﺔ ﻟﻠﻌﻨﺮﺼ اﻤﻟﻮﺟﻮد ﻲﻓ اﻤﻟﻨﻄﻘﺔ‬

‫ﺷﻜﻞ ‪ :1 .1‬اﻟﺸﺎﺷﺔ اﻻﻓﺘﺘﺎﺣﯿﺔ ﻟﺒﺮﻧﺎﻣﺞ ‪EViews‬‬

‫‪ 2.1‬اﺳﺘﻴﺮاد اﻟﺒﻴﺎﻧﺎت داﺧﻞ ‪EViews‬‬

‫ﻷﺳﻔﻞ واﻟﺮﺘﺗﻴﺐ ﻣﻦ أﺳﻔﻞ ﻷﺒﻟ‪ ،‬أﻧﻘﺮ ﺒﻟ زر ‪ OK‬ﺳﻮف ﻳﺘﻢ اﺳﺘﺮﻴاد اﻛﻴﺎﻧﺎت‬

‫ﺷﻜﻞ ‪ :2 .1‬ﻣﺮﺑﻊ ﺣﻮار ﻗﺮاءة اﻟﺠﺪول وﺗﺤﺪﯾﺪ اﻟﻤﺘﻐﯿﺮات‬

‫ﺷﻜﻞ ‪ :3 .1‬ﺑﯿﺎﻧﺎت ﺷﺮﻛﺔ ھﺎرﻣﻮن ﺗﻢ اﺳﺘﯿﺮادھﺎ داﺧﻞ ‪EViews‬‬

‫‪ 1.2.1‬ﻗﺮاءة ﺑﻴﺎﻧﺎت اﻤﻟﺘﻐﺮﻴات ﻣﻦ ‪Exce/IBM SPSS‬‬

‫ﺠﻳﺐ ﻋﻠﻴﻬﺎ اﺳﺘﺒﺪال ﻋﺪد اﻤﻟﺸﺎﻫﺪات )‪ (Obs‬ﺑﺘﻮارﻳﺦ ﻣﻨﺎﺳﺒﺔ‪ ،‬ﻓﻌﻰﻠ ﺳﺒﻴﻞ‬

‫ﺷﻜﻞ ‪ :4 .1‬ﻣﺮﺑﻊ ﺣﻮار ﺗﺮﻛﯿﺒﺔ ﻣﻠﻒ اﻟﻌﻤﻞ‬

‫ﺷﻜﻞ ‪ :5 .1‬اﻹدﺧﺎﻻت ﺑﻤﺮﺑﻊ ﺣﻮار ﺗﺮﻛﯿﺒﺔ ﻣﻠﻒ اﻟﻌﻤﻞ‬