‫جامعة قاصدي مرباح‪-‬ورقلة‬

‫كلية العلوم االقتصادية وعلوم التسيير والعلوم‬

‫التجارية‬
‫مخبر التطبيقات الكمية في العلوم االقتصادية والمالية‬
‫في إطار الندوة العلمية حول السالسل الزمنية‪ :‬االنواع وطرق‬
‫عرض حول ‪:‬‬

‫نماذج ‪ Panel‬الساكنة والحركية‬

‫بن قانة إسماعيل‬

 ‫محتويات العرض‪:‬‬

‫• مفهوم نماذج بانل وطرق إدخال بياناتها في الحزمة ‪Eviews‬‬

‫• أنواع التحاليل والنماذج في بانل‬

‫• تطبيقات حول نماذج بانل‪ :‬االستقرارية‪ ،‬التكامل المشترك‪،‬‬

‫ونماذج االنحدار الذاتي ‪.VAR‬‬

‫• تطبيقات على النماذج القياسية متعددة المعادالت (مثل اآلنية)‪:‬‬

‫التعرف – التقدير – المحاكاة‪.‬‬
 ‫س السلزمنية‪Time series‬‬ ‫ب ياناتمقطعية ‪Cross section‬‬

‫‪Ct‬‬ ‫‪Ydt‬‬ ‫‪Pt‬‬ ‫‪Ct‬‬ ‫‪Ydt‬‬ ‫‪pt‬‬

‫الجزائر‬ ‫‪1990‬‬
‫‪1990‬‬ ‫‪23‬‬ ‫‪45‬‬ ‫‪4‬‬ ‫الجزائر‬ ‫‪23‬‬ ‫‪45‬‬ ‫‪4‬‬

‫‪1991‬‬ ‫‪34‬‬ ‫‪43‬‬ ‫‪6‬‬ ‫تونس‬ ‫‪12‬‬ ‫‪24‬‬ ‫‪5‬‬

‫‪1992‬‬ ‫‪35‬‬ ‫‪48‬‬ ‫‪7‬‬ ‫المغرب‬ ‫‪14‬‬ ‫‪26‬‬ ‫‪7‬‬

‫دراسة قياسية لدالة االستهالك في الجزائر (للفترة بين‪)1992-1990 :‬‬ ‫‪-‬دراسة قياسية لدالة االستهالك في دول المغرب العربي – دراسة مقارنة‬

‫دمج السالسل الزمنية بالبيانات المقطعية‬

‫‪Panel Data‬‬
‫الجزائر‬ ‫تونس‬ ‫المغرب‬

‫‪Ct‬‬ ‫‪Ydt‬‬ ‫‪Pt‬‬ ‫‪Ct‬‬ ‫‪Ydt‬‬ ‫‪Pt‬‬ ‫‪Ct‬‬ ‫‪Ydt‬‬ ‫‪Pt‬‬

‫‪1990‬‬ ‫‪23‬‬ ‫‪45‬‬ ‫‪4‬‬ ‫‪12‬‬ ‫‪24‬‬ ‫‪5‬‬ ‫‪14‬‬ ‫‪26‬‬ ‫‪7‬‬
‫‪1991‬‬ ‫‪34‬‬ ‫‪43‬‬ ‫‪6‬‬
‫‪1992‬‬ ‫‪35‬‬ ‫‪48‬‬ ‫‪7‬‬

‫دراسة قياسية لدالة االستهالك في دول المغرب العربي ( للفترة بين ‪)1992-1990 :‬‬
 ‫السالسل الزمنية المقطعية (بيانات بانل ‪)Panel Data‬‬
‫تعرف بيانات بانل بأنها‪ :‬مجموعة البيانات التي تجمع بين خصائص كل من البيانات‬
‫المقطعية والسالسل الزمنية‪ ،‬فالبيانات المقطعية تصف سلوك عدد من المفردات أو‬
‫الوحدات المقطعية عند فترة زمنية واحدة‪ ،‬بينما تصف بيانات السلسة الزمنية سلوك‬
‫مفردة واحدة خالل فترة زمنية معينة وعلية فبيانات بانل‪ .‬تجمع بين ثالثة حدود مع‬
‫بعض‪:‬‬
‫‪ ‬الحد الموضوعي‪ :‬ويمثل الهدف المدروس (المتغير التابع أو متغير االستجابة)‬
‫ومحدداته أو العوامل المؤثرة عليه (المتغيرات المستقلة)‪.‬‬
‫‪ ‬الحد الزمني‪ :‬الفترة الزمنية المدروسة (سنوات‪ ،‬سداسيات‪ ،‬فصول‪ ،‬أشهر‪ ،‬أسابيع‪ ،‬أيام‪)..‬‬
‫‪ ‬الحد المقطعي‪ :‬والذي قد يكون‪:‬‬
‫مؤسسات‬ ‫دول‬
‫جمادات‬ ‫حيوانات‬
‫أشخاص‬ ‫إنتاجية‬ ‫محافظات‬
‫معادن‬ ‫نباتات‬
‫طبيعيين‬ ‫أو مالية‬ ‫دوائر‬
‫حشرات‬
‫بلديات‬
‫إحياء‬
‫طرق إدخال بيانات بانل‬
‫‪Balanced Panel‬‬ ‫الطريقة األولى‪ :‬في حالة‬

‫بيانات س لسلة زمني ة‬

‫مقطعيّ ة (بيانات مقطعيّ ة‬
‫مجمعة ‪Pooled Cross‬‬
‫‪ )Section‬متوازنة‬
‫نُ َحدّد ‪:‬‬
‫‪ -‬سنة أول المشاهدات‬
‫‪ -‬سنة آخر المشاهدات‬
‫‪ -‬عدد المقاطع‬

‫نُ َحدّد دوريّة البيانات (‪ 14‬اختيار) ‪:‬‬

‫‪ -‬أول المشاهدات‬
‫‪ -‬آخر المشاهدات‬
‫‪ -‬عدد المقاطع‬
 ‫التحليل الساكن لنماذج بيانات بانل‬

‫‪ -1‬نموذج االنحدار التجميعي (‪:)Pooled Régression Model‬‬

‫‪ -2‬نموذج التأثيرات الثابتة (‪)Fixed effects model‬‬

‫‪ -3‬نموذج التأثيرات العشوائية (‪)Random effects model‬‬

‫مثال تطبيقي ‪ :‬الحظ المثال‬

 ‫‪‬نموذج‬ ‫‪C1‬‬ ‫‪1‬‬ ‫‪‬نموذج‬
‫التأثيرات‬ ‫التأثيرات‬
‫‪C2‬‬ ‫‪2‬‬
‫الثابتة‬ ‫العشوائية‬
‫‪FEM‬‬ ‫‪C3‬‬ ‫‪3‬‬ ‫‪REM‬‬

‫‪C4‬‬ ‫‪4‬‬

‫‪C5‬‬ ‫‪5‬‬

‫‪C6‬‬ ‫‪6‬‬

‫‪C7‬‬ ‫‪7‬‬
‫‪.‬‬ ‫‪.‬‬
‫‪..‬‬ ‫‪..‬‬
‫‪.‬‬ ‫‪.‬‬
‫أثار كافة‬ ‫‪.‬‬ ‫‪.‬‬
‫‪.‬‬ ‫‪.‬‬ ‫أثار بقية المتغيرات‬
‫العوامل الثابتة‬ ‫‪.‬‬ ‫‪.‬‬
‫التي تؤثر في‬ ‫المستقلة والتي‬
‫المتغير التابع‬ ‫تؤثر في المتغير‬
‫وال تتغير عبر‬ ‫التابع ويصعب‬
‫الزمن‬ ‫إيجادها أو حسابها‬
‫‪Cn‬‬ ‫‪n‬‬
 ‫اختيار النموذج المناسب‬
:-‫في حال وجودها‬- ‫ تصحيح المشاكل القياسية‬:‫أوال‬
‫ ويتم الكشف عنها بعدة اختبارات منها‬:‫ االرتباط الذاتي لألخطاء‬-1
• Marginal LM Test NT 2 2 2
LM  2 0 (   0)  B ~  (1)
)Breusch and Godfrey (1981)( u
(T  1)
NT
 2 B  A ~  2 (1)
2
LM *  0 ( u2  0) 
• Robust LM Test 2(T  1)(1  2 / T )
) Baltagi and Li (1995)(
NT 2
 B  A / T  ~  2 (1)
2
LM *
 u2  0
(   0) 
(T  1)(1  2 / T )
•Modified Durbin-Watson Test (Bhargava, Franzini,
Narendranathan, 1982)
 i 1  t 1  it 1 
N T 2
eˆ e ˆ i
it
d1 
 i 1  t 1 it
N 2 Ti
ˆ
e
 ‫تصحيح المشكل‪ :‬ويتم بـ‬

‫• إدخال )‪AR(1‬إلى المتغيرات المستقلة؛‬

‫‪zit*  zit  ˆ zit 1 , t  1‬‬
‫• تحويل كل متغيرات النموذج إلى الصيغة‪:‬‬
‫‪zi*1  1  ˆ 2 zi1‬‬
‫ومن تم إعادة تقدير النموذج‪.‬‬
‫‪ -2‬اختالف التباين‪ :‬للكشف نستعمل‪:‬‬
‫)‪• LM Test (Breusch and Pagan, 1980‬‬
‫)‪• LM Tests (Baltagi, Bresson, and Pirott, 2006‬‬
‫))‪• Marginal LM Test (Montes-Rojas and Sosa-Escudero (2011‬‬
‫عند وجود المشكل يتم تصحيحه بمصفوفة التغاير المصححة ألخطاء عدم‬
‫‪Heteroskedasticity-‬‬ ‫ثبات التباين‪:‬‬
‫)‪Consistent (HCCM‬‬ ‫‪Covariance Matrix‬‬
 ‫ثانيا‪ :‬اختبارات المفاضلة‪:‬‬
‫‪ -1‬االختيار بين ‪ PRM‬وبين ‪FEM‬و‪ /‬أو‪ :REM‬هنا نستعمل‬
‫‪Breusch and Pagan‬‬ ‫اختبار‬
‫)‪(1980‬‬

‫تحت الفرض‪ :H0 :‬نموذج ‪ PRM‬هو المالئم ‪ :H1 ،‬نموذج ‪ FEM‬أو ‪ REM‬هو المالئم‬
‫‪ -2‬االختيار بين ‪ FEM‬و بين ‪ :REM‬هنا نستعمل‬
‫اختبار‬

‫تحت الفرض‪ :H0 :‬نموذج ‪ FEM‬هو المالئم ‪ :H1 ،‬نموذج ‪ REM‬هو المالئم‬
‫اختبارات مفاضلة اخرى‬
 ‫التحليل الساكن والتحليل الحركي في نماذج بانل‬
‫‪ -‬في حالة المعادلة الواحدة‪-‬‬
‫التحليل الحركي‬ ‫التحليل الساكن‬
‫• نماذج االنحدار الذاتي ذات مركبات األخطاء‬ ‫‪ ‬نموذج االنحدار التجميعي ‪PRM‬‬
‫• نماذج االنحدار الذاتي ذات التأثيرات الثابتة‬ ‫‪‬نموذج التأثيرات (اآلثار) الثابتة ‪FEM‬‬
‫• طرق التقدير المتقاربة‬ ‫‪‬نموذج التأثيرات (اآلثار) العشوائية ‪REM‬‬

‫الحل‬
‫التكامل المشترك (العالقة طويلة المدى)‬
‫• دراسة استقرارية السالسل‬
‫• اختبار التكامل المشترك‬
‫• دراسة السببية‬
‫• تقدير النموذج‬
‫الحل‬
‫ايجابيات‬
‫بما إن حجم العينة يصبح هي ‪N*T :‬فان ذلك ‪:‬‬
‫‪‬يقلل من مشكل التعدد الخطي ‪multicoliniarty‬‬
‫‪ ‬يجعل االختبارات األخرى أكثر دقة‬
‫سلبيات‬
‫• ال تسمح لنا بمعرفة التغير الحاصل على مقدرات النماذج‬
‫مع تغير المقاطع (فالتغير في الثابت وفي البواقي فقط) ومن‬
‫تم فمعالمها متحيزة‪.‬‬
‫• تحليلها يصلح للمدى القصير فقط ‪ ،‬كما أنها معرضة‬
‫لمشكل االنحدار الزائف‬
‫التحليل الحركي لنماذج بيانات بانل‬

‫‪ -1‬نماذج االنحدار الذاتي ذات مركبات األخطاء ‪:‬‬

‫‪ -2‬نماذج االنحدار الذاتي ذات التأثيرات الثابتة‬

‫‪ -3‬طرق التقدير المتقاربة‬

‫‪ .1 .‬مقدر (‪Nerlove –Balestra )1966‬‬
‫‪ .2 .‬مقدر (‪Hsiao-Anderson )1981‬‬
‫‪ .3 .‬مقدر(‪Band –Arellano )1991‬‬
‫‪ .4 .‬مقدر(‪Bover-Arellano )1995‬‬
‫‪ .5 .‬مقدر (‪Band –Blundell )1998‬‬
‫مثال تطبيقي ‪ :‬الحظ المثال‬
 ‫التكامل المتزامن (المشترك) في نماذج بانل‬
‫لدراسة التكامل المتزامن في نماذج بانل للعالقة طويلة المدى فإنه يتم إتباع الخطوات التالية‪:‬‬
‫‪ .1‬دراسة استقرارية كل سلسلة واخذ السالسل المستقرة من نفس الرتبة (متكاملة من نفس الرتبة )‪.)I(d‬‬
‫‪ .2‬التحقق من التكامل المشترك باستعمال اختبارات وهي‪:‬‬
‫‪ ‬اختبار ‪ :Pedroni‬ويتضمن ‪ 11‬اختبار جزئي‬
‫‪ ‬اختبار ‪Kao‬‬
‫‪ ‬اختبار ‪ ، Fisher‬ويتم الحكم حسب نتيجة األغلبية‪.‬‬
‫‪ .3‬اختبار السببية وفقا لـ ‪Granger‬‬
‫‪ .4‬نختبر العالقة االنحدارية ما بين متغير االستجابة والمتغيرات التفسيرية بطريقة ‪cointegrated :‬‬
‫‪ regression‬وهنا نحلل ونفسر نتائج التقدير‬

‫مثال تطبيقي ‪ :‬الحظ المثال على‬

‫‪panel_cointegration..wf1‬‬
 ‫نماذج بانل واالستقرارية‬
‫لدراسة االستقرارية في نماذج بانل بالنسبة لكل سلسلة زمنية فإننا نتحقق من وجود جذور‬
‫الوحدة (‪( unit root‬باستعمال عدة اختبارات وهي‪:‬‬
‫‪ ‬اختبار ‪ Levin-Lin-Chu‬أو ‪LLC‬‬
‫‪ ‬اختبار ‪ Im-Pesaran-Shin‬أو ‪IPS‬‬
‫‪ ‬اختبار ‪Maddala-Wu‬‬
‫‪ ‬اختبار ‪Breitung‬‬
‫‪ ‬اختبار ‪Hadri‬‬
‫‪ ‬اختبار ‪ADF/Fisher ,PP/Fisher‬‬
‫حيث نستخدم احتماالتها مباشرة ونقارنها بـ‪ ،%5‬والحكم النهائي على استقرارية نموذج‬
‫بانل من عدمه حسب نتيجة األغلبية‪.‬‬
‫مثال تطبيقي ‪ :‬الحظ المثال على‬
‫‪panel_unit_root..wf1‬‬
 ‫نماذج بانل ونموذج ‪VAR‬‬

‫لدراسة نماذج ‪ VAR‬في نماذج بانل للعالقة قصيرة المدى بعد الفشل في إيجاد‬
‫العالقة طويلة المدى باستخدام التكامل المشترك فإنه يتم إتباع الخطوات التالية‪:‬‬

‫‪ )1‬تحديد درجة التأخير للمسار ‪ :‬باستعمال معايير مثل‪.AIC-SC-HQ :‬‬

‫‪ )2‬تقدير معالم النموذج جزئيا أو كليا بطريقة ‪OLS‬‬

‫‪panel_ VAR.wf1‬‬
‫مثال تطبيقي ‪ :‬الحظ المثال على‬
 ‫أوجه المقارنة بين السالسل الزمنية العادية والسالسل الزمنية المقطعية‬
‫‪ -‬في حالة المعادلة الواحدة‪-‬‬

‫السالسل الزمنية المقطعية‬ ‫السالسل الزمنية‬

‫موضوعي‪ -‬زمني ‪ -‬مقطعي‬
‫نماذج انحدار بانل وفيه‪:‬‬
‫االنحدار التجميعي‪PRM‬‬
‫نموذج التأثيرات الثابتة‪FEM‬‬
‫نموذج التأثيرات العشوائية‪REM‬‬
‫مع اختيار أحسنها باختبار ‪ H‬و ‪LM‬‬
‫اختبارات‪LLC- IPS - BREITING :‬‬
‫‪– DF. FISHER –PP.FISHER-‬‬
‫‪ HADRI‬ويتم الحكم برأي االغلبية‬
‫اختبارات‪ PEDRONI :‬او ‪KAO‬‬
‫او ‪FISHER‬‬
‫تستعمل ‪Granger Causalty‬‬
‫تفكيك التباين ودوال االستجابة‬
‫الفورية‪.‬‬
‫العادية‬
‫موضوعي – زمني‬ ‫أو األبعاد‬ ‫الحدود‬
‫االنحدار البسيط او المتعدد ( مع‬ ‫نوعية نماذج االنحدار‬
‫اختيار أحسنها في حال وجود أكثر من‬ ‫وطريقة التقدير‬
‫نموذج خالي من المشاكل القياسية‬
‫باستعمال ‪.) …AIC– SC –HQ :‬‬
‫اختبارات ديكي فولر البسيطة او‬ ‫دراسة االستقرارية‬
‫الموسعة ‪ DF / ADF‬او فيليب بيرون‬
‫‪PP‬‬
‫اختبارات‪ENG.GRANGER :‬‬ ‫التكامل المشترك‪-‬‬
‫أو ‪ JOHENSON‬او ‪J-J‬‬ ‫المتزامن‬
‫تستعمل ‪Granger Causalty‬‬ ‫اختبار السببية‬
‫تفكيك التباين ودوال االستجابة الفورية‬ ‫شعاع االنحدار الذاتي‬
‫‪VAR‬‬
 ‫المعادالت القياسية متعددة المعادالت‬

‫النماذج القياسية متعددة المعادالت‬

‫نماذج المعادالت غير‬ ‫نماذج المجموعات‬ ‫نماذج المعادالت‬ ‫نماذج المعادالت‬

‫المرتبطة ظاهريا‬ ‫المتتابعة‬ ‫المتتابعة‬ ‫اآلنية‬

‫يتكون هذا النوع‬ ‫ويحتوي نموذج المجموعات‬
‫من مجموعة‬ ‫المتتابعة على عدد من‬
‫معادالت ال تعتمد‬ ‫المعادالت التي يمكن تقسيمها‬
‫متغيراتها الداخلية‬ ‫لعدد من المجموعات ‪ ،‬كل‬
‫على بعضها البعض‬ ‫مجموعة يكون فيما بينها‬
‫بما يوحي أنها غير‬ ‫نموذج فرعي ذو معادالت‬
‫مرتبطة بالفعل‬ ‫آنية غير أن المعلومات‬
‫ألسباب خفية‬ ‫الخاصة بالمتغيرات الداخلية‬
‫بالمجموعة األولى تلزم‬
‫لتحديد القيم التوازنية‬
‫للمتغيرات الداخلية‬
‫بالمجموعة الثانية ‪.‬‬
‫يكون نموذج ذو‬ ‫هي النماذج التي ال‬
‫معادالت متتابعة إذا‬ ‫يمكن فيها تحديد‬
‫كان ال يمكن تحديد‬ ‫القيمة التوازنية‬
‫القيم التوازنية‬ ‫لواحد من متغيراتها‬
‫لمتغيراته الداخلية‬ ‫الداخلية على األقل‬
‫‪ .‬إالّ بالتتابع‬ ‫دون استخدام جميع‬
‫المعادالت التي‬
‫يحتويها النموذج في‬
‫آن واحد‬
 ‫المعادالت القياسية امتعددة المعادالت‬
‫(المعادالت اآلنية‪) SIMULTANIOUS EQUATIONS‬‬

‫قصد استخدام نماذج المعادالت اآلنية‪ ،‬فإنها تمر بالمراحل التالية‪:‬‬

‫‪ .1‬التعرف‪ :‬ويس‪p‬تخدم فيه‪p‬ا شرطي‪p‬ن هم‪p‬ا الرتب‪p‬ة والترتي‪p‬ب لمعرف‪p‬ة المعادالت‬
‫المعرفة وغير المعرفة‪.‬‬
‫‪.2‬التقدي‪p‬ر‪ :‬ويت‪p‬م فيه‪p‬ا تقدي‪p‬ر معال‪p‬م المعادالت المعرف‪p‬ة المشكل‪p‬ة للنموذج وأشه‪p‬ر‬
‫الطرق هي‪.2SLS :‬‬
‫‪ .3‬تشخيص النموذج ‪ :‬باختبار صالحيته‪.‬‬
‫‪ .4‬محاكاة النموذج والتنبؤ بمتغيراته‪.‬‬
 :‫ لنعتبر النموذج الهيكلي التالي‬:‫مثال تطبيقي‬

Ct= C(1)+C(2).p+C(3).w1+C(4).w2
I=C(5)+C(6)*k+C(7)*p
W1=C(8)+C(9)*tm+C(10)*w2+C(11)*y

Y=ct+ I+G
P=Y-W1-W2
K=I+ K(-1)
 ‫مرحلة ا لتع رف‪1-‬‬
‫ا‪ -‬ش رط ا لترتيب‬
‫الثابت‬ ‫‪CT‬‬ ‫‪P‬‬ ‫‪W1‬‬ ‫‪W2‬‬ ‫‪I‬‬ ‫‪K‬‬ ‫‪TM‬‬ ‫‪Y‬‬ ‫)‪K(-1‬‬ ‫‪G‬‬
‫‪eq1‬‬ ‫‪1‬‬ ‫)‪-C(1‬‬ ‫)‪-C(2‬‬ ‫)‪-C(3) -C(4‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪eq2‬‬ ‫)‪C(5‬‬ ‫‪0‬‬ ‫)‪C(7‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪1‬‬ ‫)‪C(6‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬ ‫‪0‬‬
‫‪eq3‬‬ ‫)‪C(8‬‬ ‫‪1‬‬ ‫)‪C(10‬‬ ‫)‪C(9‬‬ ‫)‪C(11‬‬
‫‪eq4‬‬ ‫‪-1‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪-1‬‬
‫‪eq5‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪1‬‬ ‫‪-1‬‬
‫‪eq6‬‬ ‫‪-1‬‬ ‫‪1‬‬ ‫‪-1‬‬

‫نستخرج أوال محدد من المحددات لكل معادلة يختلف عن الصفر‬

‫ب ‪ -‬شرط الرتبة‬
‫ن طبقا لشرط ‪K-F< => M-1 :‬‬
 2- ‫مرحلة ا لتقدير‬
Es tim ation Method: Two-Stage Leas t Squares
Date: 12/11/14 Tim e: 08:51
Sam ple: 1990 2011
Included obs ervations : 22
Total s ys tem (balanced) obs ervations 66

Coefficient Std. Error t-Statis tic Prob.

C(1) 15.51945 1.870873 8.295299 0.0000

C(2) 0.384535 0.151301 2.541524 0.0138
C(3) 0.719283 0.122760 5.859272 0.0000
C(4) 1.103315 0.252608 4.367701 0.0001
C(5) 5.683172 6.691252 0.849344 0.3993
C(6) -0.085584 0.034026 -2.515221 0.0148
C(7) 0.769006 0.079642 9.655764 0.0000
C(8) 48.65982 14.79368 3.289229 0.0017
C(9) 1.338603 0.888053 1.507345 0.1373
C(10) -2.401015 2.871287 -0.836216 0.4066

Determ inant res idual covariance 66.68428

Equation: CT=C (1)+C(2)*P+C(3)*W1+C(4)*W2

Ins trum ents : P W1 W2 K TM G C
Obs ervations : 22
R-s quared 0.968171 Mean dependent var 53.35000
Adjus ted R-s quared 0.962866 S.D. dependent var 7.347740
S.E. of regres s ion 1.415917 Sum s quared res id 36.08679
Durbin-Wats on s tat 1.062005

Equation: I=C (5)+C(6)*K+C(7)*P

Ins trum ents : P W1 W2 K TM G C
Obs ervations : 22
R-s quared 0.831077 Mean dependent var 1.331818
Adjus ted R-s quared 0.813296 S.D. dependent var 3.479790
S.E. of regres s ion 1.503593 Sum s quared res id 42.95504
Durbin-Wats on s tat 1.307304

Equation: W1=C (8)+C(9)*TM +C(10)*W2

Ins trum ents : P W1 W2 K TM G C
Obs ervations : 22
R-s quared 0.409801 Mean dependent var 36.01818
Adjus ted R-s quared 0.347675 S.D. dependent var 6.360191
S.E. of regres s ion 5.136912 Sum s quared res id 501.3694
Durbin-Wats on s tat 0.430476
 ‫ت شخيصا لنموذج ‪3-‬‬

‫• ا‪ -‬دراسة المعنوية اإلحصائية الجزئية (باختبار ستيودنت)‬

‫والكلية (باختبار فيشر) لمعالم معادالت النموذج‪.‬‬
‫• مالحظة قوة ارتباط المعادالت بالنظر لمعامالت تحديدها مع‬
‫مراعاة إشارات مقدرات المعالم لمعرفة اتجاه العالقة‪.‬‬
‫• الكشف عن وجود المشاكل القياسية (التعدد الخطي‪ ،‬االرتباط‬
‫الذاتي لألخطاء‪ )...،‬من عدمه‪ ،‬مع التصحيح‬
 ‫مرحلة ا لمحاكاة ‪4-‬‬
‫‪-‬نقوم أوال بتحويل نظام المعادالت السابق ‪ SYS‬إلى نموذج‬
‫‪ Model : Proc → Make model‬أو مباشرة من‪:‬‬
‫‪object → New object → model‬‬
‫‪ -‬بعد كتابة النموذج المكون من معادالت سلوكية ‪eq‬وتوازنية‪txt‬‬
‫نذهب إلى ‪ solve‬ونختار نوع المحاكاة ونوع الخوارزمية ثم‬
‫نمثل منحنيات المتغيرات الخارجية الحقيقية بالمقارنة مع‬
‫منحنياتها في السيناريو المركزي ‪ baseline‬كما يأتي باستخدام‬
‫‪ Make graph‬مع تحديد قائمة المتغيرات‪:‬‬
 P W1
24 55

50
20

45
16
40
12
35

8
30

4 25
90 92 94 96 98 00 02 04 06 08 10 90 92 94 96 98 00 02 04 06 08 10

Actual Baseline Actual W1 (Baseline)

W2 K
9 220

8
210
7

6
200
5

4
190
3

2 180
90 92 94 96 98 00 02 04 06 08 10 90 92 94 96 98 00 02 04 06 08 10

Actual Baseline Actual Baseline

TM
12

-4

-8

-12
90 92 94 96 98 00 02 04 06 08 10

Actual Baseline
 ‫‪ -5‬الصدمات والسيناريوهات البديلة‬
‫مع افتراض أن األسعار ‪ P‬ارتفعت بـ‪ %10 :‬عام ‪ ،1999‬وعليه‬
‫فانه سينتج لدينا‪P_1=P+0.1*P = P*1.1 :‬‬
‫نقوم باستنساخ سلسلتين عن طريق ‪:Genr‬‬
‫ن ‪ 1970‬إ لى‪1999‬‬ ‫ل لفترة م ‪:‬‬ ‫‪P_1=P‬‬
‫للفترة من‪ 2000 :‬إلى ‪ 2011‬حيث نالحظ‬ ‫‪P_1 = P*1.1‬‬
‫أن رسمهما في منحني واحد يبين لنا ذلك االنحراف الواقع بعد‬
‫عام ‪ .1999‬ثم ننشىء سيناريو ‪ 01‬يوضح لنا االختالالت التي‬
‫طرأت على جميع المتغيرات الداخلية بعد إجراء صدمة على‬
‫المتغير ‪ P‬بعد سنة ‪.1999‬‬
 P W1
24 55

50
20

45
16
40
12
35

8
30

4 25
90 92 94 96 98 00 02 04 06 08 10 90 92 94 96 98 00 02 04 06 08 10

Actual Basel ine Scenario 1 Actual

W1 (Basel ine)
W1 (Scenario 1)

W2 K
9 220

8
210
7

6
200
5

4
190
3

2 180
90 92 94 96 98 00 02 04 06 08 10 90 92 94 96 98 00 02 04 06 08 10

Actual Basel ine Scenario 1 Actual Baseline Scenario 1

TM
12

-4

-8

-12
90 92 94 96 98 00 02 04 06 08 10

Actual Basel ine Scenario 1

 ‫أوجه المقارنة بين السالسل الزمنية العادية والسالسل الزمنية المقطعية‬
‫‪ -‬في حالة المعادالت المتعددة‪-‬‬
‫السالسل الزمنية‬
‫السالسل الزمنية المقطعية‬
‫العادية‬

‫ثالثة نماذج أنية‪:‬‬

‫‪-‬في حالة اآلثار الثابتة حسب المجاميع‬ ‫نموذج معادالت أنية واحد‬ ‫نوعية نماذج االنحدار‬
‫‪-‬في حالة اآلثار الثابتة حسب الفترات‬
‫‪-‬في حالة اآلثار الثابتة حسب المجاميع والفترات‬

‫شرطي الرتبة والترتيب‬ ‫مرحلة التعرف‬

‫شرطي الرتبة والترتيب‬

‫هناك عدة طرق لتقدير المعادالت زائدة‬

‫هناك طرق ‪ GMM –P2SLS :‬للمعادالت‬ ‫التعريف مثل‪2SLS-3SLS-GMM- :‬‬
‫مرحلة التقدير‬
‫زائدة وتامة التعريف‬ ‫‪ FUML‬ونستعمل طريقة ‪ ILS‬للمعادلة‬
‫تامة التعريف‬
‫ندرس فيها‪:‬‬
‫اختبار أفضل نموذج باستعمال‬
‫المعنوية اإلحصائية‪ -‬قوة االرتباط –‬ ‫مرحلة التشخيص‬
‫‪F-test‬‬
‫تصحيح المشاكل القياسية‬
‫مقارنة القيم الحقيقية بالقيم المحاكاة‬
‫مرحلة المحاكاة‬
‫‪-‬‬ ‫باستعمال السيناريو المركزي‬
‫والسيناريوهات‬
‫والسيناريوهات البديلة‬
 ‫مثال تطبيقي‪:‬‬
‫يمثل النموذج التالي نظام معادالت أنية لبيانات سالسل زمنية مقطعية لعينة من‬
‫المؤسسات الصناعية لبلد ما لفترة زمنية معينة ‪:‬‬
 ‫‪ 1-‬مرحلة التعرف‬
‫‪ -1‬شرط الرتبة‪:‬‬

‫المعادلة الثالثة‬ ‫المعادلة الثانية‬ ‫المعادلة األولى‬

‫جميع المعادالت معرفة (مميزة‪-‬تشخيصية) الن المحددات غير معدومة‬

 ‫‪ :‬ش رط ا لترتيب‪2-‬‬

‫‪2-‬مرحلة التقدير‬
‫لتقدير المعادالت نستعمل طريقة المربعات الصغرى ذات المرحلتين‬
‫المدمجة ‪ P2SLS‬والتي تكتب صيغتها الرياضية كما يلي‪:‬‬
‫مرحلة التشخيص‪3-‬‬
‫‪:‬باستعمال االختبارات السابقة تحصلنا على النتائج التالية‬