‫المركز الجامعي عبد الحفيظ‬

‫بوالصوف ‪ -‬ميلة‬

‫كلية العلوم االقتصادية والتجارية وعلوم التسيير‬

‫‪:‬ورشـــــة بعنـــــوان‬

‫نماذج بيانات السالسل الزمنية المقطعية وتطبيقاتها على برمجية ‪Stata‬‬

‫‪Static Panel Data Models with Stata‬‬

‫تصرف وتقديم‪ :‬األستاذ‪ :‬عبد الحق لفيلف‬

‫‪E-Mail: abdelhak.lefilef@centre-univ-mila.dz‬‬
‫االثنين ‪ 04‬جويلية ‪2022‬‬
 ‫االشكالية‬
‫نماذج البيانات بيانات السالسل الزمنية المقطعية‪،‬‬
‫ما هي؟‪،‬‬
‫وكيف يمكن تطبيقها على ‪Stata‬؟‪.‬‬

‫‪,?Static Panel Data Models, What are they‬‬

‫‪and‬‬
‫‪.?How Do We Apply them on Stata‬‬
‫‪2‬‬
 ‫األهداف‬

‫‪ .1‬أتقن كيفية استخدام برمجية ‪.Stata‬‬

‫‪ .2‬ألم بمختلف نماذج بيانات السالسل الزمنية المقطعية الساكنة‪.‬‬

‫‪ .3‬أتقن تطبيق نماذج بيانات السالسل الزمنية المقطعية وتطبيق‬

‫مختلف االختبارـات اإلحصائية برمجية ‪.Stata‬‬

‫‪3‬‬
 ‫اـلمحتويات‬
‫أوال‪ :‬مـا هي نماذج بيانات السالسل الزمنية المقطعية؟‪.‬‬
‫‪.?What are Panel Data Models .1‬‬
‫ثانيا‪ :‬نماذج االنحدار التجميعي ‪PRM‬على ‪.Stata‬‬
‫‪Pooled Regression Model PRM on Stata .2‬‬
‫ثالثا‪ :‬نماذج التأثيرات الثابتة‪FEM‬على ‪.Stata‬‬
‫‪3. Fixed effects Model FEM on Stata‬‬
‫رابعا‪ :‬نماذج التأثيرات العشوائية ‪REM‬على ‪.Stat‬‬
‫‪Random Effects Model REM on stata .4‬‬
‫خامسا‪ :‬تطبيق اختبارات االنتقاء على ‪Stata‬‬
‫‪Tests of selection on Stata .5‬‬
‫‪4‬‬
 ‫نصيحة مهمة‬
‫اذا كنت مولعا بتعلم نماذج البانل على ‪ Stata‬ولكي‬
‫تحقق ذلك باحترافية عالية وفي وقت قياسي‪.‬‬
‫أنصحك‬
‫أن تحمل برـمجية ‪ Stata‬وتأخذ مثاال تطبيقيا على‬
‫‪ Stata‬وتتبع هذه المحاضرة مرحلة بمرحلة اذ لم‬
‫تشتغل معك بعض التعليمات فاعلم أن كتابتها خاطئة‬
‫لذلك أنصحك بنسخها من المحاضرة مباشرـة ولصقها‬
‫على لوحة التحكيم في برمجية ‪ Stata‬ألن التعليمات‬
‫التي ستجدها على هذه المحاضرة صحيحة ومختبرة ‪.‬‬
‫‪5‬‬
 ‫أوال‪ :‬ما هي نماذج بيانات السالسل الزمنيةـ المـقطعية؟‪.‬‬
‫مفهوم بيانات السالسل الزمنية المقطعية ‪:panel Data‬‬
‫بيانات الســــالسل الزمنيــــة المقطعيــــة ‪ panel Data‬المصــــطلح القديــــم‬
‫(‪ )longitudinal Data‬عبارة عـــن بيانات مســـتمرة لعدة مشاهدات وعدة‬
‫ظواهر أو متغيرات عبر عدة فترات زمنية‪ ،‬البيانات المقطعية لها بعدين‪:‬‬
‫بعـد مقطعـي أـو مكاني)‪(Spatial (cross-Section‬المقاطـع يمكـن أـن‬ ‫‪.1‬‬
‫تكون بلدان‪ ،‬واليات‪ ،‬قطاعات‪ ،‬مؤسسات‪...‬الخ)‪،‬‬
‫بعد زماني (سلسلة زمنية)‬ ‫‪.2‬‬
‫سنوية‪ ،‬فصلية‪ ،‬شهرية‪ ،‬يومية‪... ،‬الخ‬
‫‪6‬‬
 ‫لمحة تاريخية عن بيانات السالسل الزمنية المقطعية‬
‫‪Panel Data Brief History:‬‬
‫أو ظهور لنماذج بيانات السالسل الزمنية المقطعية كان في أعمال‬ ‫‪.1‬‬
‫عالمي الفلك )‪ Legendre(1805‬و )‪.Gauss(1908‬‬
‫أول من تحدث عن اآلثار العشوائية عالم الفلك البريطاني ‪George‬‬ ‫‪.2‬‬
‫)‪.Biddell(1861‬‬
‫)‪ R. A. Ficher(1918‬أولمنأدخلنــماذج اــلتأثيراـتاــلثابتة‪FEM‬‬ ‫‪.3‬‬
‫واــلعشواـئية‪ REM‬معـا فـــيتــحليلاــلتباين‪.ANOVA‬‬
‫)‪ Cherchill Esenhart(1947‬أول من وضح الفرق بين نماذج‬ ‫‪.4‬‬
‫التأثيرات الثابتة‪ FEM‬ونماذج التأثيرات العشوائية‪. REM‬‬
‫في ‪ CR Henderson 1953‬طور طريقة العزوم لتحليل نماذج‬ ‫‪.5‬‬
‫التأثيرات العشوائية والمختلطة ‪The Method of Moments‬‬
‫‪Techniques For Analysing Random effects and‬‬
‫‪.mixed Models‬‬
 ‫لمحة تاريخية عن بيانات السالسل الزـمنية المقطعية‬
‫‪:Panel Data Brief History‬‬
‫‪ .6‬نماذج بيانات السالسل الزمنية المقطعية الديناميكية ‪The dynamic‬‬
‫‪ Panel Models‬ظهرت ألول مرة في أعمال الشهير ‪Balestra-‬‬
‫)‪Nerlove(1966‬‬
‫‪ .7‬في ‪ Hartly and JNK Rao 1967‬ابتكرا طريقة المعقولية‬
‫العظمى ‪.Maximum Likelihood ML Method‬‬
‫‪ .8‬تحليل نماذج البيانات المقطعية عرف تطورا حقيقيا بداية من مؤتمر‬
‫االقتصاد القياسي للبيانات المقطعية بباريس في أوت ‪ 1977‬المنظم من‬
‫طرف ‪.Pascal Mazodier‬‬
‫‪Badi. H. Baltagi(2005), Econometric Analysis of .9‬‬
‫‪. Panel Data 3rd Edition‬‬
‫‪.AndreB et All(2013) 10‬‬
‫‪11. Hsiao cheng (2014) Analysis of Panel Data 3rd‬‬
‫‪Edition Cambridge university press, New York‬‬
‫أوال‪ :‬ما هي نماذج بيانات السالسل الزمنية المقطعية؟‪.‬‬

‫‪ :‬أنواع نماذج بيانات السالسل الزمنية المقطعية‬

‫يوجد ثالث نماذج‪:‬‬
‫‪ .1‬نموذج االنحدار التجميعي‪PRM‬‬
‫)‪Pooled Regression Model(PRM‬‬
‫‪ .2‬نموذج التأثيرات الثابتة‪FEM‬‬
‫)‪Fixed effects Model(FEM‬‬
‫‪ .3‬نموذج التأثيرات العشوائية‪REM‬‬
‫)‪Random effects Model(REM‬‬
‫‪9‬‬
 ‫أوال‪ :‬ما هي نماذج بيانات السالسل الزمنية المقطعية؟‪.‬‬
‫نموذج بيانات السالسل الزمنية المقطعية ‪:A Typical panel Data‬‬
‫لنفرض أنه لدينا ثالث سالسل للناتج الداخلي الخام ‪ GDP‬واالنفاق العام‬
‫‪ EXP‬والضرائب ‪ ،TAX‬لكل من الجزائر تونس والمغرب خالل عدة‬
‫سنوات بداية من سنة ‪.2000‬‬
‫‪Country‬‬ ‫‪Year‬‬ ‫‪GDP‬‬ ‫‪EXP‬‬ ‫‪TAX‬‬
‫‪ALG‬‬ ‫‪2000‬‬ ‫‪120‬‬ ‫‪35‬‬ ‫‪11‬‬
‫‪ALG‬‬ ‫‪2001‬‬ ‫‪125‬‬ ‫‪52‬‬ ‫‪14‬‬
‫‪ALG‬‬ ‫‪2002‬‬ ‫‪127‬‬ ‫‪67‬‬ ‫‪18‬‬
‫…‬ ‫…‬ ‫…‬ ‫…‬ ‫…‬
‫…‬ ‫…‬ ‫…‬ ‫…‬ ‫…‬
‫‪MOR‬‬ ‫‪2000‬‬ ‫‪95‬‬ ‫‪24‬‬ ‫‪8‬‬
‫‪MOR‬‬ ‫‪2001‬‬ ‫‪103‬‬ ‫‪55‬‬ ‫‪12‬‬
‫‪MOR‬‬ ‫‪2002‬‬ ‫‪108‬‬ ‫‪57‬‬ ‫‪15‬‬
‫…‬ ‫…‬ ‫…‬ ‫…‬ ‫…‬
‫…‬ ‫…‬ ‫…‬ ‫…‬ ‫…‬
‫‪TUN‬‬ ‫‪2000‬‬ ‫‪45‬‬ ‫‪25‬‬ ‫‪13‬‬
‫‪TUN‬‬ ‫‪2001‬‬ ‫‪50‬‬ ‫‪34‬‬ ‫‪14‬‬
‫‪TUN‬‬ ‫‪2002‬‬ ‫‪58‬‬ ‫‪38‬‬ ‫‪18‬‬ ‫‪10‬‬
‫…‬ ‫…‬ ‫…‬ ‫…‬ ‫…‬
 ‫أوال‪ :‬ما هي نماذج بيانات السالسل الزمنية المقطعية؟‪.‬‬
‫أشكال نماذج بيانات السالسل الزمنية المقطعية ‪Panel Data Forms‬‬

‫الزمن مدرج داخل المقاطع‬ ‫المقاطع مدرجة داخل الزمن‬

‫‪Country‬‬ ‫‪Year‬‬ ‫‪Year‬‬ ‫‪Country‬‬

‫‪ALG‬‬ ‫‪2000‬‬ ‫‪2000‬‬ ‫‪ALG‬‬
‫‪ALG‬‬ ‫‪2001‬‬ ‫‪2001‬‬ ‫‪ALG‬‬
‫‪ALG‬‬ ‫‪2002‬‬ ‫‪2002‬‬ ‫‪ALG‬‬
‫‪MOR‬‬ ‫‪2000‬‬ ‫‪2000‬‬ ‫‪MOR‬‬
‫‪MOR‬‬ ‫‪2001‬‬ ‫‪2001‬‬ ‫‪MOR‬‬
‫‪MOR‬‬ ‫‪2002‬‬ ‫‪2002‬‬ ‫‪MOR‬‬
‫‪TUN‬‬ ‫‪2000‬‬ ‫‪2000‬‬ ‫‪TUN‬‬
‫‪TUN‬‬ ‫‪2001‬‬ ‫‪2001‬‬ ‫‪TUN‬‬
‫‪TUN‬‬ ‫‪2002‬‬ ‫‪2002‬‬ ‫‪TUN‬‬
‫‪11‬‬
 ‫بيانات السالسل الزمنية المقطعية المتوازنة والغير متوازنة‬
‫‪Balanced and unbalanced Panel‬‬
‫بيانات السالسل الزمنية المقطعية المتوازنة ال تحتوى على بيانات‬
‫مفقودة(المقاطع لها نفس عدد المشاهدات)‬
‫بيانات السالسل الزمنية المقطعية الغير متوازنة تحتوى على بيانات‬
‫مفقودة(المقاطع ليس لها نفس عدد المشاهدات)‪.‬‬
‫بيانات بانال متوازنة‬ ‫بيانات بانال غير متوازنة‬
‫‪Country Year GDP EXP TAX‬‬ ‫‪Country Year GDP EXP TAX‬‬
‫‪ALG‬‬ ‫‪2000‬‬ ‫‪120‬‬ ‫‪35‬‬ ‫‪11‬‬ ‫‪ALG‬‬ ‫‪2000‬‬ ‫‪120‬‬ ‫‪35‬‬ ‫‪11‬‬
‫‪ALG‬‬ ‫‪2001‬‬ ‫‪125‬‬ ‫‪52‬‬ ‫‪14‬‬ ‫‪ALG‬‬ ‫‪2001‬‬ ‫‪125‬‬ ‫‪52‬‬ ‫‪14‬‬
‫‪ALG‬‬ ‫‪2002‬‬ ‫‪127‬‬ ‫‪67‬‬ ‫‪18‬‬ ‫‪ALG‬‬ ‫‪2002‬‬ ‫‪127‬‬ ‫‪67‬‬ ‫‪18‬‬
‫‪MOR‬‬ ‫‪2000‬‬ ‫‪95‬‬ ‫‪24‬‬ ‫‪8‬‬ ‫‪ALG‬‬ ‫‪2003‬‬ ‫‪132‬‬ ‫‪74‬‬ ‫‪21‬‬
‫‪MOR‬‬ ‫‪2001‬‬ ‫‪103‬‬ ‫‪55‬‬ ‫‪12‬‬ ‫‪MOR‬‬ ‫‪2001‬‬ ‫‪103‬‬ ‫‪55‬‬ ‫‪12‬‬
‫‪MOR‬‬ ‫‪2002‬‬ ‫‪108‬‬ ‫‪57‬‬ ‫‪15‬‬ ‫‪MOR‬‬ ‫‪2002‬‬ ‫‪108‬‬ ‫‪57‬‬ ‫‪15‬‬
‫‪TUN‬‬ ‫‪2000‬‬ ‫‪45‬‬ ‫‪25‬‬ ‫‪13‬‬ ‫‪TUN‬‬ ‫‪2000‬‬ ‫‪45‬‬ ‫‪25‬‬ ‫‪13‬‬
‫‪TUN‬‬ ‫‪2001‬‬ ‫‪50‬‬ ‫‪34‬‬ ‫‪14‬‬ ‫‪TUN‬‬ ‫‪2001‬‬ ‫‪50‬‬ ‫‪34‬‬ ‫‪14‬‬
‫‪12‬‬
‫‪TUN‬‬ ‫‪2002‬‬ ‫‪58‬‬ ‫‪38‬‬ ‫‪18‬‬ ‫‪TUN‬‬ ‫‪2002‬‬ ‫‪58‬‬ ‫‪38‬‬ ‫‪18‬‬
 ‫بيانات السالسل الزمنية المقطعية الطويلة والقصيرة‬
‫‪Long and short Panel Data:‬‬
‫بيانات بانال متوازنة وطويلة‬
‫‪Long Balanced Panel Data‬‬
‫إذا كان‪ T>N :‬البيانات المقطعية‬
‫‪Coun‬‬
‫طويلة ‪Long Panel Data‬‬
‫‪Year GDP Exp TAX‬‬ ‫إذا كان‪ T<N :‬بيانات السالسل‬
‫‪try‬‬
‫‪ALG 2000 120‬‬ ‫‪35‬‬ ‫‪11‬‬ ‫الزمنية المقطعية قصيرة ‪short‬‬
‫‪ALG 2001 125‬‬ ‫‪52‬‬ ‫‪14‬‬ ‫‪Panel Data‬‬
‫‪ALG 2002 127‬‬ ‫‪67‬‬ ‫‪18‬‬
‫حيث‪:‬‬
‫‪ALG 2003 132‬‬ ‫‪74‬‬ ‫‪21‬‬
‫‪MOR 2000 103‬‬ ‫‪55‬‬ ‫‪8‬‬ ‫‪ T‬عدد الفترات الزمنية(عدد‬
‫‪MOR 2001 108‬‬ ‫‪57‬‬ ‫‪12‬‬ ‫السنوات مثال إذا كانت السلسلة‬
‫‪MOR 2002 115‬‬ ‫‪63‬‬ ‫‪15‬‬ ‫سنوية)‪،‬‬
‫‪MOR 2003 120‬‬ ‫‪68‬‬ ‫‪19‬‬ ‫‪ N‬عدد المقاطع (عدد الدول)‬
‫‪TUN 2000 58‬‬ ‫‪24‬‬ ‫‪13‬‬
‫‪TUN 2001 64‬‬ ‫‪34‬‬ ‫‪14‬‬
‫في المثال المقابل ‪T=4 ، N=3 :‬‬
‫‪TUN 2002‬‬ ‫‪79‬‬ ‫‪39‬‬ ‫‪18‬‬
‫‪13‬‬
‫‪TUN 2003‬‬ ‫‪83‬‬ ‫‪42‬‬ ‫‪21‬‬
 ‫مزايا نماذج بيانات السالسل الزمنية المقطعية‬
‫‪Advantages of Panel Data‬‬
‫عينة كبيرة ‪( Large sample‬حجم العينة هو ‪)n=T.N‬‬ ‫‪.1‬‬
‫أكبر درجات حرية ‪.More Degrees of freedom‬‬ ‫‪.2‬‬
‫أكثر تغيير ‪.More Variability‬‬ ‫‪.3‬‬
‫أكثرـ معلومات ‪.More Information‬‬ ‫‪.4‬‬
‫أقل تعدد خطي ‪.Less Multicollinearity‬‬ ‫‪.5‬‬
‫إمكانية مهمة جدا مقارنة المقاطع(البلدان) أو الدول فيما‬ ‫‪.6‬‬
‫بينها أو مقارنة المقطع(البلد) الواحد حسب عدة فترـات‪.‬‬
‫تمكننا نماذج بيانات السالسل الزمنية المقطعية الديناميكية‬ ‫‪.7‬‬
‫من درـاسة طبيعة التأثير المتبادل بين المتغيرـات في المدى‬
‫القريب والبعيد‪.‬‬
‫‪14‬‬
‫‪ The‬صيغة نموذج بيانات السالسل الزمنية المقطعية‬
‫‪Panel Data regression:‬‬

‫‪i =1, 2, …N, t = 1, 2 …T‬‬

‫‪; Where‬‬
‫هو حد الخطأ العشوائي ‪Random error term‬‬

‫حـد اــلخطأ اــلمتغير حـسباــلمقاطعـ ‪:‬‬

‫حـد اــلخطأ اــلمتغيرـ حـسباــلزمن‪:‬‬

‫‪15‬‬
 ‫‪Stat‬هو بــرنامج خـاصبــاــلتحليلاــالحصائيواــلنمذجة اــلقياسية يــتميز‬
‫بــانتشار واـستخداـمـ علىنــطاقواـسعـ منطرفاــلباحثينواــألكادميينفـــيكـل‬
‫دولاــلعـاــلمـ‪ ،‬صــدرتأولنــسخة لـهـ فـــيجـانفي‪ 1985‬منطرف‪William‬‬
‫‪،W Gould‬‬

‫‪16‬‬
 ‫تهيئة ملف البيانات على ‪Stata‬‬

‫أوال يجب تهيئة ملف البيانات على‬

‫‪ Excel‬بهذه الطريقة‬
‫ملف البيانات يحتوي على ‪5‬‬
‫متغيرات هي البلد (‪)country‬‬
‫السنة (‪ )Year‬الناتج الداخلي الخام‬
‫النسخة التي سنستخدمها خالل‬
‫‪ GDP‬االنفاق الحكومي ‪DEP‬‬
‫الضرائب ‪TAX‬‬
‫هذه المحاضرة هي ‪Stata15.1‬‬
‫الدراسة التطبيقية التي سنعتمدها‬
‫خالل هذه المحاضرة هي دراسة أثر‬
‫كل من االنفاق الحكومي‬
‫‪DEP‬والضرائب‪ TAX‬على الناتج‬
‫الداخلي الخام‪ GDP‬في الدول‬
‫المغربية الثالثة الجزائر المغرب‬
‫وتونس خالل الفترة ‪2016-2000‬‬ ‫‪17‬‬
 ‫تهيئة ملف البيانات على ‪Stata‬‬
‫كيفية استيراد ملف البيانات من ملف ‪Excel‬‬
‫افتح برنامج ‪ Stata‬ثم اضغط على ‪file‬‬

‫ثم اضغط على ‪Import‬‬

‫ثم اضغط على ‪Excel speadsheet‬‬

‫‪18‬‬
‫تهيئة ملف البيانات على ‪Stata‬‬
‫ثم اضغط على ‪Browse‬‬

‫اختر ملف ‪Excel‬‬

‫ثم اضغط على ‪Ouvrir‬‬

‫ثم اختر ‪import first row as‬‬

‫‪variable names‬‬
‫ثم اضغط على ‪Ok‬‬

‫‪19‬‬
‫تهيئة ملف البيانات على ‪Stata‬‬
‫تظهر لك رسالة على ملف النتائج‬
‫تخبرك بأنه تم استيراد ملف البيانات‬

‫اضغط هنا ليظهر لك ملف البيانات‬

‫يمكنك تعديل ملف البيانات او انشاء‬

‫اآلن أصبح لينـا ملف بيانات‬
‫متغيرات جديد بالضغط مباشرة هنا‬

‫على ‪Stata‬‬

‫‪20‬‬
 ‫تهيئة ملف البيانات على ‪Stata‬‬

‫الحظ ان متغير جديد ظهر على ملف البيانات‬

‫اسمه ‪ ind‬يأخذ القيم ‪ 1‬عند الجزائر ‪ 2‬عند‬
‫المغرب ‪ 3‬عند تونس‬
‫يمكنك انشاء هذا المتغير و ادراج بياناته يدويا‬
‫كما اخبرتك سابقا‬

‫لترميز المقاطع في متغير جديد اكتب‬

‫)‪ egen ind = group(country‬هنا‬
‫‪21‬‬
‫ثم اضغط على ‪Entrer‬‬
 ‫يقدر هذا النموذج بطريقة المربعات الصغرى لذلك يطلق عليه أحيانا اسم‬
‫أوال‪ :‬تقدير نموذج االنحدار التجم‪p‬يعي‬
‫‪Pooled Least squares PLS‬‬
‫معامل التحديد ‪R2=0,96‬‬
‫مجموع المربعات‬
‫الحرية أننا قدرنا النموذج مثل نموذج االنحدار المتعدد العادي‬
‫درجات الحظ‬
‫‪Pooled regression‬‬
‫مالحظة‪:‬‬ ‫‪Model‬‬
‫سيظهر النموذج األول وهو نموذج‬
‫ولحد اآلن لم نعرف ملف البيانات على أنها ملف بيانات مقطعية ‪Panel Data‬‬
‫االنحدار التجميعي‬
‫اختبار فيشر معنوي‬
‫الضرائب غير معنوية ومع ذلك ساحتفظ بها‬
‫النموذج ألن الهدف ليس الدراسة في‬ ‫في هذا‬
‫معالم النموذج‬

‫ـتها‪ ،‬إنما الهدف هو عرض الطرق‬ ‫معنويةذا‬

‫المعالم‬ ‫حد‬
‫الخظ أن الضرائب غير معنوية‬
‫المنهجية لمنـهجية البيانات المقطعية‪ ،‬كما أن‬
‫ليستعلىصحيحة بل معدلة‪ ،‬ولم نتعامل‬ ‫البيانات‬
‫التعليمات التالية‬ ‫ادراج‬
‫لوغاريتـم المتـغيرات‪.‬‬ ‫‪ EXP TAX‬مع‬
‫لوحة التحكم ‪Commamd‬‬
‫‪reg GDP‬‬
‫‪22‬‬
 ‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫اآلن لتقدير نماذج التأثيرات الثابتة والعشوائية يجب‬
‫تعريف ملف البيانات على أنه ملف بيانات مقطعية‬
‫الطريقة األولى‬
‫اختر القائمة ‪Statistics‬‬
‫ثم اختر‬
‫‪Declare dataset be panel data‬‬ ‫ثم اختر ‪longitudinal/Panel Data‬‬

‫ثم اختر ‪Setup and utilitiers‬‬

‫‪23‬‬
‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫اختر المتغير ‪ind‬‬

‫ثم اختر المتغير ‪Year‬‬

‫ثم اختر ‪(Yearly‬بيانات سنوية)‬

‫ثم اضغط على ‪Ok‬‬

‫ستظهر لك هذه الرسالة على نافذة‬

‫النتائج‬
‫األن ملف البانال جاهز‬
‫‪24‬‬
 ‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫تعريف ملف البيانات على أنه ملف بيانات مقطعية‬

‫ستظهر لك نفس الرسالة السابقة‬

‫على نافذة النتائج‬
‫األن ملف البانال جاهز‬

‫الطريق الثانية‬
‫ادراج التعليمات التالية على‬
‫لوحة التحكم ‪Commamd‬‬
‫‪Xtset ind year, yearly‬‬

‫‪25‬‬
 ‫ثانيا ‪ :‬تقديرـ نموذج التأثيرات الثابتة ‪FEM‬‬

‫يوجد نوعين من النماذج هنا‪:‬‬

‫‪ .1‬نموذج المربعات الصغرى للمتغيرـات الصماء‪:‬‬

‫‪.Least squares dummy variable Model LSDV‬‬

‫‪ .2‬نموذج االنحدارـ داخل المجموعات‪:‬‬

‫‪Within-Groups regression Model‬‬

‫‪26‬‬
 ‫ثانيا ‪ :‬تقديرـ نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫‪.Least squares dummy variable Model LSDV‬‬

‫‪i =1, 2, …N, t = 1, 2 …T‬‬

‫‪; Where‬‬
‫‪Or‬‬
‫‪Or‬‬

‫)‪Hsiao(2014‬‬
 ‫ثانيا ‪ :‬تقديرـ نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫‪.Least squares dummy variable Model LSDV‬‬
‫هذا النموذج مهم جدا ويسمح لنا بتقدير وإجراء المقارنات حسب المقاطع‬
‫وحسب الفترات الزمنية‪ ،‬ال يمكن إجراء هذه المقارنات إال على برمجية‬
‫‪،Stata‬‬
‫يمكن تقديره تحت فرـضيتين أساسيتين هما‪:‬‬

‫أوال‪ :‬تجانس المعالم وعدم تجانس الثوابت‬

‫‪Homogeneous Slope and Heterogeneous intercepts‬‬

‫ثانيا‪ :‬عدم تجانس المعالم والثوابت معا‬

‫‪Heterogeneous Slope and intercepts‬‬
 ‫ثانيا ‪ :‬تقديرـ نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫‪.Least squares dummy variable Model LSDV‬‬
‫وتحت الفرضيتين السابقتين يمكن أن نقدر ستة نماذج ممكنة حسب الحاالت التالية‪:‬‬
‫‪ .1‬معالم االنحدار ثابتة لكن الثوابت تتغير حسب المقاطع(البلدان)‪.‬‬
‫‪Slope Coefficients constant but intercepts varies over section‬‬
‫حد‬ ‫عن‬ ‫مستقلة‬ ‫التفسيرية‬‫المتغيراتالزمن‪.‬‬ ‫أن‬
‫الثوابت تتغير حسب‬ ‫كذلك‬
‫نفترضثابتة لكن‬
‫‪Slope Coefficients constant but intercepts varies over Time‬‬
‫‪ .2‬معالم االنحدار‬

‫العشوائي‪.‬البلدان) والزمن‪.‬‬
‫الخطأحسب المقاطع(‬
‫‪ .3‬معالم االنحدار ثابتة لكن الثوابت تتغير‬
‫‪we also constant‬‬
‫‪Slope Coefficients‬‬ ‫‪assumebutthat‬‬ ‫‪the‬‬
‫‪intercepts‬‬
‫‪time‬‬
‫‪explanatory‬‬
‫‪varies over section and‬‬

‫‪variables are‬‬ ‫‪independent‬‬

‫البلدان)‪.‬‬ ‫‪ )of‬تتغير حسب المقاطع(‬ ‫‪the‬‬
‫والثابت‬ ‫‪error‬‬
‫االنحدار‬ ‫‪(term‬معالم‬
‫‪ .4‬كل المعالم‬
‫‪All coefficients (intercepts and slope) vary over section‬‬
‫‪ .5‬كل المعالم(معالم االنحدار والثابت) تتغير حسب الزمن‪.‬‬
‫‪All coefficients (intercepts and slope) vary over time‬‬
‫‪ .6‬كل المعالم(معالم االنحدار والثابت) تتغير حسب المقاطع(البلدان) والزمن‪.‬‬
‫‪All coefficients (intercepts and slope) vary over section and time‬‬
 ‫ثانيا ‪ :‬تقديرـ نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫‪.Least squares dummy variable Model LSDV‬‬
‫تقديم النموذج‪:‬‬

‫‪i =1, 2, …N, t = 1, 2 …T‬‬

‫;‪where‬‬
‫‪p‬ى‬
‫‪ D1=1‬ف‪ppp‬يح‪p‬ا‪pp‬لة ا‪pp‬لجزا‪p‬ئر و ‪ 0‬ف‪ppp‬يا‪pp‬لحا‪pp‬التا‪pp‬ألخر ‪.‬‬
‫خرى‬
‫‪ D2=1‬ف‪ppp‬يح‪p‬ا‪pp‬لة ا‪pp‬لمغ‪p‬ربو ‪ 0‬ف‪ppp‬يا‪pp‬لحا‪pp‬التا‪pp‬أل ‪.‬‬
‫خرى‬
‫‪ D3=1‬ف‪ppp‬يح‪p‬ا‪pp‬لة ت‪ppp‬ونسو ‪ 0‬ف‪ppp‬يا‪pp‬لحا‪pp‬التا‪pp‬أل ‪.‬‬
 ‫ثانيا ‪ :‬تقديرـ نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫‪.Least squares dummy variable Model LSDV‬‬
‫كيفية إنشاء المتغيرات الصماء على ‪:STATA‬‬
‫هناك طر‪p‬يقتين إلنشاء المتغيرات الصماء على ‪:STATA‬‬
‫الطريقة األولى‪:‬‬
‫افتح ملف البيانات ثم اختر القائمة التالية‪:‬‬
‫)‪DATA-Data Editor– Data Editor(edit‬‬
‫الطريقة الثانية‪:‬‬
‫ادراج التعليمات التالية على لوحة التحكم ‪Commamd‬‬
‫)‪Tabulate ind, generate(D‬‬
 ‫ثانيا ‪ :‬تقديرـ نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫التالي‬ ‫الشكل‬
‫‪.Least‬‬ ‫الصماء يأخذ‬
‫‪squares‬‬ ‫والمتغيرات‪dummy‬‬ ‫‪LSDV‬البيانات‬
‫‪variable Model‬‬ ‫ملف‬
‫كيفية إنشاء المتغيرات الصماء على ‪:STATA‬‬

‫ادراج التعليمات التالية على لوحة‬

‫التحكم ‪Commamd‬‬
‫)‪tabulate ind, generate(D‬‬

‫يمكنك أن تتاكد في ملف البيانات أن‬ ‫يظهر لك هذا الجدول يوضح‬

‫المتغيرات الصورية أو الصماء‬ ‫التكرارات المطلقة والنسبية‬
‫‪Dummy variables‬‬ ‫والتراكمية للمقاطع الثالثة ‪3 2 1‬‬
‫‪ D1 D2 D3‬ق‪pp‬د ت‪ppp‬م‪ p‬ا‪p‬نشاؤها‬
 ‫ثانيا ‪ :‬تقديرـ نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫‪.Least squares dummy variable Model LSDV‬‬
‫ألن نموذج المربعات الصغرى للمتغيرات الصماء‪Least squares :‬‬
‫‪ dummy variable Model LSDV‬يحتوى عدة نماذج سأكتفي‬
‫بتقدير النموذج األول فقط وأعطيك التعليمات لتتمكن من تقدير باقي‬
‫النماذج وحدك على ‪ Stata‬فيما بعد‪:‬‬
‫‪ .1‬معالم االنحدار ثابتة لكن الثوابت تتغير حسب المقاطع(البلدان)‪.‬‬
‫‪Slope Coefficients constant but intercepts varies over section‬‬
‫‪ ‬‬
‫ادرج التعليمات التالية على لوحة التحكم ‪Commamd‬‬
‫‪reg GDP EXP TAX D2 D3‬‬
 ‫ثانيا ‪ :‬تقديرـ نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫‪ R2‬يــساوي‪ 0,98‬أـكبر منهـ‬
‫‪.Least squares dummy variable Model LSDV‬‬
‫فـــينــموذج ‪PRM‬‬
‫لكن الثوابت يتغير حسب المقاطع(البلدان)‪.‬‬ ‫فيشرثابتة‬
‫معنوي‬ ‫االنحدار‬
‫‪ .1‬معالماختبار‬
‫‪Slope Coefficients constant but intercepts varies over section‬‬

‫المعالم كلها معنوية‬

‫الحظ أننا أدرجنا ‪D2‬و ‪ D3‬فقط‬

‫للمقطع رقم‪( 2‬المغرب) هو جمع‬
‫ندرج ‪D1‬‬‫بينما التأثيرولمالثابت‬
‫مع الثابت ‪Cons‬‬ ‫معامل ‪D2‬‬
‫لماذا؟‪.‬‬ ‫هل تعلم‬
‫ونفس الشيئ بالنسبة لتأثير الثابت لتونس المقطع‪2‬‬
‫يساوي معامل ‪D3 +cons‬‬
‫ألن التأثير الثابت للجزائر(المقطع رقم‪ )1‬التي‬
‫الحظ أن معامالت ‪ D2‬و ‪ D3‬سالبة‬
‫يمثلها المتغير‪ D1‬يظهر في الثابت ‪Cons‬‬
 ‫ثانيا ‪ :‬تقديرـ نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫‪.Least squares dummy variable Model LSDV‬‬
‫‪ .1‬معالم االنحدار ثابتة لكن الثوابت تتغير حسب المقاطع(البلدان)‪.‬‬
‫‪Slope Coefficients constant but intercepts varies over section‬‬

‫يمكنك ادرج التعليمات التالية على لوحة التحكم ‪Command‬‬

‫‪reg GDP EXP TAX i.ind‬‬
‫ويعطيك ‪ Stata‬نفس النموذج السابق‬
‫‪reg GDP EXP TAX i.year‬‬
‫ويعطيك ‪ Stata‬النموذج الذي يفترض أن التأثيرات ثابتة حسب‬
‫الز‪p‬من(كل سنة)‬
 ‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫‪.Least squares dummy variable Model LSDV‬‬
‫تقدير باقي النماذج‪:‬‬
‫بنفس الطريقة يتم انشاء المتغيرات الصماء بعدد السنوات ويتم تقدير‬
‫مختلف النماذج وفق اتباع التعليمات التالية‪:‬‬
‫النموذج الثاني‪:‬‬
‫معالم االنحدار ثابتة لكن الثوابت يتغير حسب الزمن‪.‬‬
‫‪Slope Coefficients constant but intercepts varies over‬‬
‫‪Time‬‬
‫)‪Tabulate year, generate(D‬‬
‫‪xtreg GDP EXP TAX D2 D3 D4 D5 D6 D7 D8 D9 D10‬‬
‫‪D11 D12 D13 D14 D15 D16 D17‬‬
‫‪reg GDP EXP TAX i.year‬‬
‫‪testparm i.year‬‬
 FEM ‫ تقدير نموذج التأثيرات الثابتة‬: ‫ثانيا‬
:‫ نموذج المربعات الصغرى للمتغيرات الصماء‬.1
.Least squares dummy variable Model LSDV
:‫تقدير باقي النماذج‬
:‫النموذج الثالث‬
.‫معالم االنحدار ثابتة لكن الثوابت يتغير حسب المقاطع(البلدان) والزمن‬
Slope Coefficients constant but intercepts varies over
section and time
reg GDP EXP TAX D2 D3 D4 D5 D6 D7 D8 D9 D10
D11 D12 D13 D14 D15 D16 D17
reg GDP EXP TAX i.ind i.year
testparm i.ind i.year
testparm i.ind
testparm i.year
 FEM ‫ تقدير نموذج التأثيرات الثابتة‬: ‫ثانيا‬
:‫ نموذج المربعات الصغرى للمتغيرات الصماء‬.1
.Least squares dummy variable Model LSDV
:‫تقدير باقي النماذج‬
:‫النموذج الرابع‬
.)‫كل المعالم(معالم االنحدار والثابت) تتغير حسب المقاطع(البلدان‬
All coefficients (intercepts and slope) vary over section
reg GDP EXP TAX i.ind i.ind#c.EXP i.ind#c.TAX
testparm i.ind
testparm c.EXP c.TAX
testparm i.ind#c.EXP
testparm i.ind#c.TAX
 FEM ‫ تقدير نموذج التأثيرات الثابتة‬: ‫ثانيا‬
:‫ نموذج المربعات الصغرى للمتغيرات الصماء‬.1
.Least squares dummy variable Model LSDV
:‫تقدير باقي النماذج‬
:‫النموذج الخامس‬
.‫كل المعالم(معالم االنحدار والثابت) تتغير حسب الزمن‬
All coefficients (intercepts and slope) vary over time
reg GDP EXP TAX i.year i.year#c.EXP i.year#c.TAX
testparm i.year
testparm i.year#c.EXP
testparm i.year#c.TAX
testparm i.year#c.EXP i.year#c.TAX
 FEM ‫ تقدير نموذج التأثيرات الثابتة‬: ‫ثانيا‬
:‫ نموذج المربعات الصغرى للمتغيرات الصماء‬.1
.Least squares dummy variable Model LSDV
:‫تقدير باقي النماذج‬
:‫النموذج السادس‬
.‫كل المعالم(معالم االنحدار والثابت) تتغير حسب المقاطع(البلدان) والزمن‬
All coefficients (intercepts and slope) vary over section and time
reg GDP EXP TAX i.ind i.year i.ind#c.EXP i.ind#c.TAX
i.year#c.EXP i.year#c.TAX
testparm i.ind
testparm i.year
testparm i.ind#c.EXP
testparm i.ind#c.TAX
testparm i.year#c.EXP
testparm i.year#c.TAX
testparm i.ind#c.EXP i.ind#c.TAX
testparm i.year#c.EXP i.year#c.TAX
 ‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .1‬نموذج المربعات الصغرى للمتغيرات الصماء‪:‬‬
‫‪.Least squares dummy variable Model LSDV‬‬
‫نصيحة مهمة‬
‫نماذج ‪ LSDV‬أقـل أهميـة ألنهـا تحتوى علـى عدة نماذج‬
‫كمـا أـن معلوماتهـا اقـل دقـة ألنهـا تحتوى علـى عدد كـبير مـن‬
‫المتغيرات وعدد اقــل مــن درجات الحريــة لذلــك ينصــح‬
‫اســـتخدامها فـــي حاالت دراســـة المحددات أـــو المقارنات‬
‫فقـط‪ ،‬وفـي غالـب األحيان ينصـح باسـتحدام نموذج االنحدار‬
‫داخــل المجموعات للتأثيرات الثابتــة ألنــه أكثــر دقــة وأقــل‬
‫سهولة‪.‬‬
‫‪41‬‬
 ‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .2‬نموذج االنحدار داخل المجموعات للتأثيرات الثابتة‪:‬‬
‫)‪.The Fixed Effects ( Within-Groups regression Model‬‬

‫‪i =1, 2, …N, t = 1, 2 …T‬‬

‫‪42‬‬
 ‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .2‬تقدير نموذج االنحدار داخل المجموعات للتأثيرات الثابتة‪:‬‬
‫)‪.The Fixed Effects ( Within-Groups regression Model‬‬

‫الطريقة األولى‪:‬‬
‫اذهب الى القائمة واختر‪:‬‬
‫‪statitstics- longitudinal panel data–linear Model - linear‬‬
‫)‪regression(FE, RE, PA, BE‬‬
‫الطريقة الثانية‪:‬‬
‫ادراج التعليمات التالية على لوحة التحكم ‪Commamd‬‬
‫‪xtreg GDP EXP TAX, fe‬‬

‫‪43‬‬
 ‫تقدير نموذج التأثيرات الثابتة ‪FEM‬‬ ‫اختر القائمة ثانيا ‪:‬‬
‫‪Statistics‬‬
‫‪ .2‬تقدير نموذج االنحدار داخل المجموعات للتأثيرات الثابتة‪:‬‬
‫)‪.The Fixed Effects ( Within-Groups regression Model‬‬
‫الطريقة األولى‪:‬‬
‫اختر‬
‫‪longitudinal panel data‬‬

‫اختر‬
‫‪linear Model‬‬

‫اختر‬
‫‪44‬‬
‫)‪linear regression(FE, RE, PA, BE‬‬
 ‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .2‬تقدير نموذج االنحدار داخل المجموعات للتأثيرات الثابتة‪:‬‬
‫)‪.The Fixed Effects ( Within-Groups regression Model‬‬
‫هنا‪:‬‬
‫األولى‬
‫الطريقة‪GDP‬‬
‫اكتب‬

‫ثم اكتب ‪ EXP TAX‬هنا‬

‫(اترك بينهما فراغ)‬

‫ثم اضغط على ‪OK‬‬

‫‪45‬‬
 ‫‪FEM‬‬
‫معنوي‬ ‫الثابتة‬
‫اختبار فيشر‬ ‫ثانيا ‪ :‬تقدير نموذج التأثيرات‬
‫‪ .2‬تقدير نموذج االنحدار داخل المجموعات للتأثيرات الثابتة‪:‬‬
‫‪The Fixed Effects ( Within-Groups‬‬ ‫‪ regression‬اــلذي‬ ‫)‪Model‬‬
‫منبــيناــلبرنامج اــلفريدة‬ ‫‪Stata‬‬
‫اختبار التجميعية ‪Poolability test‬‬ ‫بــقدر لــنا نــموذج ‪ FEM‬داـخل‬
‫‪Between PRM&FEM‬‬ ‫اــلمجموعات‬
‫)‪F test (Chow Test‬‬ ‫كما أنه يعطينا معامالت التحديد‬
‫‪ H0:Rho‬أفضل‬ ‫‪PRM‬‬ ‫‪=0,89‬‬
‫الفرضية الصفرية‬ ‫داخل المجموعات‪ ،‬بين‬
‫للبواقي‬
‫الكلي أفضل‬
‫التباين ‪H1:‬‬
‫إلى‪FEM‬‬ ‫تباين ‪u‬‬
‫البديلة‬ ‫نسبة‬
‫الفرضية‬ ‫المجموعات واالجمالي‬
‫‪)+‬‬
‫‪ Prob=00‬أـقـلمن‪ 0,05‬اــلنتيجة‬ ‫فرضية االستقالل بين البواقي‬
‫رفض ‪ H0‬نموذج‪ FEM‬هو األفضل‬ ‫والمتغيرات التفسيرية غير‬
‫محققة‬
‫معالم النموذج كلها معنوية‬

‫االنحراف المعياري ل ‪u‬‬

‫االنحراف المعياري ل ‪v‬‬

‫‪46‬‬
 ‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .2‬تقدير نموذج االنحدار داخل المجموعات للتأثيرات الثابتة‪:‬‬
‫)‪.The Fixed Effects ( Within-Groups regression Model‬‬
‫الطريقة الثانية‪:‬‬
‫اكتب التعليمات التالية على لوحة التحكم‬
‫‪Commamd‬‬
‫‪xtreg GDP EXP TAX, fe‬‬
‫ثم اضغط على ‪Entrer‬‬

‫‪47‬‬
 ‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .2‬تقدير نموذج االنحدار داخل المجموعات للتأثيرات الثابتة‪:‬‬
‫)‪.The Fixed Effects ( Within-Groups regression Model‬‬

‫تقدير أثر بانال ‪Estimator of panel effects‬‬

‫‪Individual affects IE‬‬
‫بعد تقدير نموذج األثار الثابتة مباشرة‬
‫ادرج التعليمة التالية على لوحة التحكم ‪Commamd‬‬
‫‪predict IE, u‬‬
‫ستالحظ أن ملف البيانات قد أضاف‬
‫متغير جديد سماه ‪IE‬‬

‫‪48‬‬
 ‫ثانيا ‪ :‬تقدير نموذج التأثيرات الثابتة ‪FEM‬‬
‫‪ .2‬تقدير نموذج االنحدار داخل المجموعات للتأثيرات الثابتة‪:‬‬
‫)‪.The Fixed Effects ( Within-Groups regression Model‬‬

‫تقدير أثر بانال ‪Estimator of panel effects‬‬

‫‪Panel affects PE‬‬
‫بعد تقدير نموذج األثار الثابتة مباشرة‬
‫ادرج التعليمة التالية على لوحة التحكم ‪Commamd‬‬
‫‪predict PE, u‬‬
‫ستالحظ أن ملف البيانات قد أضاف‬
‫متغير جديد سماه ‪PE‬‬

‫‪49‬‬
 REM‫ تقدير نموذج التأثيرات العشوائية‬:‫ثالثا‬
Estimation of Random Effects Model REM

i =1, 2, …N, t = 1, 2 …T
; Where

50
 ‫ثالثا‪ :‬تقدير نموذج التأثيرات العشوائية‪REM‬‬
‫‪Estimation of Random Effects Model REM‬‬
‫فرضيات النموذج‪:‬‬
‫عشوائي‬ ‫‪.1‬‬

‫‪51‬‬
 ‫ثالثا‪ :‬تقدير نموذج التأثيرات العشوائية‪REM‬‬
‫‪Estimation of Random Effects Model REM‬‬

‫طريقة التقدير‬

‫‪52‬‬
 ‫ثالثا‪ :‬تقدير نموذج التأثيرات العشوائية‪REM‬‬
‫‪Estimation of Random Effects Model REM‬‬
‫التقدير على ‪Stata‬‬

‫‪53‬‬
 ‫ثالثا‪ :‬تقدير نموذج التأثيرات العشوائية‪REM‬‬
‫‪Estimation of Random Effects Model REM‬‬
‫التقدير على ‪Stata‬‬
‫معامل التحديد كبير ومهم‬

‫اختبار‪ Wald‬معنوي‬

‫معامل ‪ TAX‬غير معنوي‬

‫البواقي مستقلة عن المتغيرات التفسيرية‬

‫تباين ‪ u‬معدوم ما يعني أن‬

‫‪ REM‬مرفوضمقارنة ‪PRM‬‬

‫‪54‬‬
 ‫ثالثا‪ :‬تقدير نموذج التأثيرات العشوائية‪REM‬‬
‫‪Estimation of Random Effects Model REM‬‬
‫تقديرـ معامل ‪theta‬‬
‫‪theta‬‬

‫ألن تباين ‪ u‬معدوم‬

‫‪55‬‬
 ‫ثالثا‪ :‬تقدير نموذج التأثيرات العشوائية‪REM‬‬
‫‪Estimation of Random Effects Model REM‬‬
‫‪Poolability test PRM&REM‬‬
‫اختبار التجميعية ‪PRM&REM‬‬
‫التأثيرات العشوائية ‪REM‬‬ ‫‪test‬تقدير نموذج‬
‫‪Poolability‬‬ ‫التجميعية بعد‬
‫اختبار مباشرة‬
‫واآلن وجدنا في‬ ‫‪PRM&REM‬‬ ‫وجدنا سابقا في اختبار‬
‫‪Breusch-pagan test‬‬ ‫‪Breusch-pagan‬‬ ‫‪test‬‬
‫)‪F(PRM&FEM‬‬
‫أن ‪ PRM‬هو األفضل‪.‬‬ ‫أن ‪ FEM‬هو األفضل‪.‬‬

‫النتيجة‬
‫بما أن ‪ V(u)=0‬فان ‪Prob=1‬‬
‫ـضل‬
‫األفضلهو ا ـألف ‪.‬‬
‫‪FEM‬‬ ‫نقبل الفرض الصفري ‪ PRM‬هو‬

‫‪56‬‬
 ‫المفاضلة بين ‪FEM&REM‬‬

‫في الحالة التي يتم فيها فبول ‪ H1‬في ‪Breusch-pagan test‬‬

‫أي الحالة التي يكون فيها ‪ REM‬هو األفضل‪ ،‬هنا يجب المفاضلة بين‬
‫من هو النموذج األمثل ‪ FEM‬أم ‪REM‬؟‪.‬‬
‫‪ REM‬و ‪ FEM‬أيهما األفضل؟‪ .‬ألننا وجدنا سابقا في إختبار ‪ F‬أو‬
‫اختبار ‪ Wald‬أن ‪ FEM‬هو النموذج األمثل‪ .‬فالسؤال الذي يطرح هنا‬
‫‪Witch Model is More appropriate‬‬
‫هو‪:‬‬
‫‪.?REM or FEM‬‬

‫‪57‬‬
 ‫المفاضلة بين ‪FEM&REM‬‬
‫‪ Judge, and al(1988) ‬اقترحا القواعد البسيطة التالية‬
‫للمفاضلة بين ‪ REM‬و ‪:FEM‬‬
‫إذا كان ‪ T‬كبيرـ و ‪ N‬صغير ‪ FEM‬هو األفضل‪.‬‬ ‫‪.1‬‬
‫إذا كان ‪ N‬كبيرـ و ‪ T‬صغير‪ ،‬إذا كانت وحدات البيانات المقطعية‬ ‫‪.2‬‬
‫عشوائية‪ ،‬فإن ‪ REM‬هو األفضل واال فإن ‪ FEM‬هو‬
‫األفضل‪.‬‬
‫اذا كانت مرتبطة مع أحد المتغيرات التفسيرـية فإن‪ :‬مقدرة‪RE‬‬ ‫‪.3‬‬
‫متحيزة في حين مقدرة ‪ FE‬غير متحيزة ‪unbiased‬‬
‫إذا كان ‪ N‬كبيرـ و ‪ T‬صغير‪ ،‬إذا تحققت فرضيات ‪ REM‬فإن‬ ‫‪.4‬‬
‫مقدرات هذا النموذج أكثر كفاءة‪.‬‬
‫‪58‬‬
 REM&PRM ‫المفاضلة بين‬
Hausman Test(1978) ‫اختبار هوسمان‬
Hausman Test FEM&REM
Ho; E(/)=0 REM ‫ا ـألفـضل‬
H1; E(/)≠0 FEM ‫أ ـألفـضل‬

Stata ‫ على‬Hausman test ‫الستخراج‬

:Command ‫أدرج التعليمات التالية تواليا على لوحة التحكم‬
xtreg GDP EXP TAX, fe
estimate store fe
xtreg GDP EXP TAX, re
hausman fe 59
 ‫المفاضلة بين ‪REM&PRM‬‬
‫اختبار هوسمان )‪Hausman Test(1978‬‬

‫نقبل ‪ H1‬نموذج التأثيرات الثابتة ‪FEM‬‬

‫هو األفضل‬

‫‪60‬‬
 ‫ملخص اـالختـبارات‬

‫نتيجة المثال السابق‬

‫نتيجة ‪ Hausman Test‬في‬

‫المثال السابق‬
‫‪61‬‬
‫تطبيقات أخرى لنماذج البيانات المقطعية على ‪Stata‬‬

‫أختبارات االستقرارية(جذور الوحدة)‬

‫اختر القائمة ‪Statistics‬‬

‫ثم اختر ‪Longitisional‬‬

‫‪panel data/‬‬

‫ثم اختر‬
‫‪Unit Root Tests‬‬

‫‪62‬‬
‫تطبيقات أخرى لنماذج البيانات المقطعية على ‪Stata‬‬

‫سنحال باختصارـ من خالل هذه التطبيقات فتح نافذة على‬

‫بعض التطبيقات الخاصة بتطبيق نماذج البيانات المقطعية‬
‫على برمجية ‪ Stata‬وأهم هذه التطبيقات هي‪:‬‬

‫كيفية تطبيق اختبارات االستقرارية على بيانات‬ ‫‪-‬‬

‫البانال(‪. )Panel unit Root Test‬‬
‫تطبيق كيفية اختبارـات التكامل المشترك‬ ‫‪-‬‬
‫(‪)Panel cointegration Test‬‬
‫كيفية تقديرـ نموذج البانال الديناميكي‬ ‫‪-‬‬
‫(‪)Dynamic Panel Data‬‬
‫‪63‬‬
‫تطبيقات أخرى لنماذج البيانات المقطعية على ‪Stata‬‬
‫‪ P-value‬أـكبر من‪0,05‬‬
‫اــلسلسلة ‪GDP‬غير مستقرة‬
‫أختبارات االستقرارية‬

‫اكتب اسم المتغير هنا ‪ GDP‬مثال‬

‫اختر نوع االختبار‬

‫ثم اضغط على ‪OK‬‬

‫فرضيات االختبار‪:‬‬
‫‪ :H0‬اــلمقاطعـ تــحتويعلىجـذر اــلوحدة‬
‫‪ :H1‬اــلمقاطعـ مستقرة‬

‫‪64‬‬
‫تطبيقات أخرى لنماذج البيانات المقطعية على ‪Stata‬‬

‫أختبارات االستقرارية‬
‫يمكنك اجراء اختبارات االستقرارية بإدخال مباشرة بإدخال التعليمات‬
‫التالية على لوحة التحكم‪:‬‬
‫اختبار ‪ Levin-linm-chu‬السلسة االصلية ‪GDP‬‬
‫‪xtunitroot llc GDP‬‬
‫اختبار ‪ Levin-linm-chu‬السلسة االصلية ‪ GDP‬مع وجود اتجاه‬
‫‪xtunitroot llc GDP, trend‬‬
‫اختبار ‪ Levin-linm-chu‬سلسلة الفروقات االولى ‪ GDP‬مع وجود اتجاه‬
‫‪xtunitroot llc D.GDP, trend‬‬
‫اختبار ‪ Levin-linm-chu‬سلسلة الفروقات الثانية ‪ GDP‬مع وجود اتجاه‬
‫‪xtunitroot llc D2.GDP, trend‬‬

‫‪65‬‬
Stata ‫تطبيقات أخرى لنماذج البيانات المقطعية على‬

‫أختبارات االستقرارية‬
:‫اختبارات أخرى‬
GDP ‫ السلسة االصلية‬Harris tzavalis ‫اختبار‬
xtunitroot ht GDP
GDP ‫ السلسة االصلية‬Harris tzavalis ‫اختبار‬
xtunitroot ht GDP
GDP ‫السلسة االصلية‬Breitung ‫اختبار‬
xtunitroot breitung GDP
GDP ‫السلسة االصلية‬Lm-pesaran-chin ‫اختبار‬
xtunitroot ips GDP
GDP ‫السلسة االصلية‬Fisher-type ‫اختبار‬
xtunitroot fisher GDP, dfuller lags(4)
GDP ‫السلسة االصلية‬Hadri ‫اختبار‬
66
xtunitroot hadri GDP
Stata ‫تطبيقات أخرى لنماذج البيانات المقطعية على‬

‫اختبارات التكامل المشترك‬

TAX ‫ و‬EXP ‫ على‬GDP ‫ تكامل‬Kao ‫اختبار‬

xtcointtest kao GDP EXP TAX
TAX ‫ و‬EXP ‫ على‬GDP ‫ تكامل‬Pedroni ‫اختبار‬
xtcointtest pedroni GDP EXP TAX
TAX ‫ و‬EXP ‫ على‬GDP ‫ تكامل‬Westermund ‫اختبار‬
xtcointtest westermund GDP EXP TAX

67
‫تطبيقات أخرى لنماذج البيانات المقطعية على ‪Stata‬‬
‫اختبار التكامل المشترك مثال اختبار ‪Kao‬‬

‫أكتب التعليمة هنا‬

‫‪xtcointtest kao GDP EXP TAX‬‬

‫فرضيات االختبار‪:‬‬
‫‪ :H0‬الـ يــوجد تــكاملمشترك‬
‫‪ :H1‬كـلاــلمقاطعـ متكاملة‬

‫‪ P-value‬أـكبر من‪0,05‬‬
‫اــلسالسلغير متكاملة‬
‫‪68‬‬
69
 ‫االختيار بين البرمجيات‬

‫‪Stata‬‬
‫أفضل‬
‫واالختبارات النادرة‬ ‫أيهما‬
‫والنتائج‬ ‫هو األفضل في الدقة‬
‫والبساطة والكثير من األشياء‬
‫‪Stata‬؟‬ ‫أم‬ ‫‪Eviews‬‬
‫• ‪ Eviews‬لــلمبتدئين‬
‫• ‪ Stata‬لــلمحترفـين‬
‫‪Stata‬‬

‫‪70‬‬
‫‪Eviews‬‬
 ‫عيـوب برمجية ‪Stata‬؟؟؟‬

‫معقد نسبيا مقارنة ببعض البرمجية السهلة والبسيطة‪.‬‬ ‫‪.1‬‬

‫احيانا ال يقرأ البيانات التي تستورد من برـمجيات‬ ‫‪.2‬‬
‫أخرى(يجب تعديل خصائص البيانات)‪.‬‬
‫البرمجة على ‪ Stata‬دقيقة جدا‪ .‬تحتاج الى تركيز عالي‬ ‫‪.3‬‬
‫حتى لدى المحترفين فيه‬

‫‪71‬‬
 ‫اإلشكال؟‬
‫هل توجد برمجية أفضل من أفضل من‬
‫‪Stata‬؟‬
‫من حيث‪:‬‬
‫السرعة‪.‬‬ ‫‪-‬‬
‫البساطة‪.‬‬ ‫‪-‬‬
‫تنويع النتائج‪.‬‬ ‫‪-‬‬
‫دقة في النتائج‪.‬‬ ‫‪-‬‬
‫قراءة البيانات المستوردة من برمجيات أخرى بسهولة‪.‬‬ ‫‪-‬‬
‫التمثيل البياني‪ ... ،‬الخ‪.‬‬ ‫‪-‬‬
‫‪72‬‬
 )‫المفاجئة(الهدية‬
‫برمجية‬ ‫برمجية‬
GRETL stata

:‫ على الرابط التالي‬GRETL ‫تحميل‬

/https://sourceforge.net/projects/gretl
73
‫‪ Gretl‬رحلة اــالستكشاف‬

‫‪74‬‬
 ‫الهدف النهائي‬

‫تحليل النتائج؟؟؟‬
‫التطبيق مجرد وسيلة وليس الهدف‬
‫ال تطبـق نماذج القياس االقتصـادي مـن أجـل التطـبيق فقـط‪،‬‬
‫حاول أــن تجتهــد فــي قراءــة وتفســير نتائــج التطــبيق‬
‫ومخرجات الـبرمجيات بالقدر الذي اجتهدت فيـه فـي فهـم‬
‫شروط وخصـائص النموذج المطبـق وكيفيـة تطـبيقه‪ ،‬ألـن‬
‫األهــم هــو تلــك االســتنتاجات التــي يمكــن اســتنباطها مــن‬
‫خالل تحليل وتفسير النتائج‪.‬‬
‫‪75‬‬
references ‫المصادر‬

76
references ‫المصادر‬

77
references ‫المصادر‬

78
 ‫ختاما‬
‫رجاء ال تبخلوا علينا بمالحظاتكم و انتقاداتكم‬
‫على اإليمايل أو ميسنجر كي نستفيد معا ونفيد‬
‫معا‪.‬‬
‫الرجاء نشر هذه المحاضرات على نطاق‬
‫واسع لكي تعم اـلفائدة ويستفيد الجميع أساتذة‪،‬‬
‫طلبة وأكادميين‪.‬‬
‫ال تنسونا من صالح الدعاء‬
‫‪79‬‬
 ‫شكرا جزيال على حسن المتابعة واالصغاء‬
Thank you so much for your best listening