برای سفارش انجام فصل 4 پایان نامه با نرم افزار EViews از طریق لینک پایین صفحات سایت برای ما پیام بفرستید. فیلم چگونگی خروجی گرفتن از نرم افزار (با داده های شما) را نیز می توانید درخواست و در انتهای کار دریافت نمایید.
“اطمینان شرق” یک شرکت آماری دارای گرید مرکز آمار ایران، نماد اعتماد الکترونیک و تجربه 14 ساله است
مراقب برخی افراد سودجو که بدون داشتن تخصص آماری اقدام به قبول سفارش تحلیل با نرم افزار ایویوز می کنند، باشید …
…. این افراد، پس از اخذ وجه قادر به پشتیبانی تا زمان دفاع پایان نامه و رفع ایرادات اساتید نیستند و به تماس های شما پاسخ نخواهند داد !!
…. این اشخاص اکثرا فاقد تلفن ثابت و آدرس دقیق دفتر کار بوده و هیچ نوع نظارتی از جانب نهادهای قانونی کشور را نپذیرفته اند.
در سفارشات تحلیل آماری با ایویوز، به تحلیلگر اعلام نمایید که ورک فایل eviews را از وی مطالبه خواهید نمود. زیرا اساتید ممکن است آنرا از شما مطالبه کنند
@جایزه دارید اگر مطمئن تر از ما یافتید ! @
آیا می دانید در کلاسهای حضوری و در مشاوره های تلفنی این شرکت، فیلم و صوت مکالمات نیز برای شما ارسال خواهد شد؟ بدین ترتیب حداکثر بهره را از آموزش بدست خواهید آورد.
سوالات خود در خصوص هر مطلبی که در سایت مطالعه می کنید را در بخش دیدگاه (در انتهای مطلب) درج نمایید تا به آن پاسخ دهیم. از طریق ایمیل از پاسخ ما به سوالتان مطلع خواهید شد.

.

 

فهرست مطالب (با کلیک بر روی عنوان، مرور گر به سر خط مبحث مد نظر خواهد رفت)

۱- آزمون دوربین-واتسون چیست؟

۲- چگونگی استفاده از آماره دوربین واتسون

۱-۲- فرضیه ها

۲-۲- دامنه تغییرات دوربین واتسون و مقدار بهینه آن

۳- شرایط لازم برای اعتبار آزمون Durbin Watson

تشخیص خود همبستگی های مرتبه اول

وجود جمله ثابت در مدل

۴- جدول مقادیر بحرانی آزمون دوربین-واتسن (DW) و نحوه استفاده

۵- اعتبار دوربین-واتسون وقتی متغیر وابسته با وقفه در مدل است

۶- چگونگی محاسبه دوربین واتسون در eviews

{برو به فهرست}

 

۱- آزمون دوربین-واتسون چیست؟

آزمون دوربین واتسون (Durbin Watson) که به اختصار با DW نشان داده می شود، یک آزمون معروف و بسیار پر کاربرد آماری است که برای تشخیص خود همبستگی مرتبه اول باقیمانده ها یا جملات خطا در یک مدل رگرسیون به کار می رود.

این آزمون به صورت گسترده در نرم افزار ایویوز به کار می رود و ما در تمام مدلهایی که با eviews ران (اجرا) می کنیم، این آماره را مورد بررسی قرار می دهیم. بدین ترتیب که کنترل می کنیم این آماره در محدوده مجاز خود قرار داشته باشد، در غیر اینصورت به نامناسب بودن مدل برآورد شده پی می بریم.

با توجه به پیچیدگی مباحث ریاضی و فراری بودن خیلی ها از این قبیل مباحث، فرمول نحوه محاسبه این آزمون را در اینجا بیان نمی کنیم و به جای آن بر کاربرد این آزمون تمرکز می کنیم که از این آزمون چه استنباط و تحلیلی می توان بدست آورد و چه اقداماتی بعد از آن می بایست انجام داد (آموزش تحلیل آماره دوربین واتسون). این آزمون جزئیات مهم زیادی دارد ولی چنانچه خیلی سریع می خواهید بدانید با این آماره چه باید کرد، به بخش خلاصه در انتهای این مبحث مراجعه نمایید.

نکته نغز:       {برو به فهرست}

متداول شده است که نام این آزمون و روش آماری را به صورت دوربین-واتسون می نویسند، اما شاید بهتر بود که به صورت “دربین-واتسون” می نوشتند، لذا شما آنرا “دوربین” نخوانید، مانند اینکه مثلا بخواهید بگویید “دوربین عکاسی آقای واتسون را بیاور ! “، بلکه به صورت “دربین” تلفظ نمایید!  🙂

۲- چگونگی استفاده از آماره دوربین واتسون

۱-۲- فرضیه ها:

برای این آزمون آماری، فرضیه های H0 و H1 به قرار زیر است:

H0 : عدم وجود خودهمبستگی بین جملات خطا

H1: وجود خودهمبستگی بین جملات خطا

{برو به فهرست}  

توجه شود که خود همبستگی ذکر شده در اینجا بین زمان های t و t-1 می باشد. عدم خود همبستگی، یعنی خطاهای زمان t و t-1  از یکدیگر مستقل باشند.

۲-۲- دامنه تغییرات دوربین واتسون و مقدار بهینه آن:

فرمول آماره این آزمون به گونه ای است که

  1. اگر خود همبستگی جملات خطای مدل برابر صفر باشد، آنگاه مقدار این آماره برابر DW=2 خواهد شد. که هدف ما نیز همین است که مدلی برآورد کنیم که در آن جملات خطا هیچ خود همبستگی با یکدیگر نداشته باشند، بنابراین اگر در مدل خود دیدیم که این آماره برابر ۲ بدست آمد، از بابت خودهمبستگی فکرمان آسوده خواهد بود.
  2. اگر خود همبستگی شدید و مثبت بین جملات خطا وجود داشته باشد، آنگاه مقدار این آماره برابر DW=0  خواهد شد. بنابراین مقدار کم دربین واتسون (حدودا کمتر از عدد ۱.۵) نشان دهنده وجود مشکل در مدل است و حاکی از خود همبستگی مثبت بین جملات خطا (یا باقیمانده ها) در مدل می باشد که باید برای رفع آن فکری بر داریم.
  3. اگر خود همبستگی شدید و منفی بین جملات خطا وجود داشته باشد، آنگاه مقدار این آماره برابر DW=4 خواهد شد. بنابراین مقدار زیاد دوربین واتسن (حدودا بیشتر از ۲.۵) نشان دهنده وجود مشکل در مدل بوده و خود همبستگی منفی بین جملات خطا را می رساند که اصلا مطلوب ما نیست.   {برو به فهرست}

بنابراین همانگونه که ملاحظه نمودید، مقدار این آماره در بازه بین ۰ تا ۴ در نوسان است و مقدار بهینه آن برابر ۲ می باشد. مقادیر کمتر یا بیشتر از ۲ نشان دهنده وجود مساله در مدل است. حالا اینکه چقدر کمتر یا چقدر بیشتر از عدد ۲ نشان دهنده مشکل است باید با توجه به جدول مقادیر بجرانی آزمون دوربین واتسون انجام پذیرد. این جدول در همین مبحث آمده است.

۳- شرایط لازم برای اعتبار آزمون Durbin Watson

این آزمون دارای محدودیت هایی هنگام استفاده می باشد که می بایست با شناخت کامل این محدودیت ها به قضاوت در خصوص کیفیت مدل بپردازیم.

تشخیص خود همبستگی های مرتبه اول:

یکی از محدودیت های این آماره آزمون این است که فقط خود همبستگی بین مقادیر سال جاری و سال قبل (یا دوره جاری و دوره قبل) را در نظر می گیرد و در خصوص خود همبستگی های مرتبه بالاتر فاقد کارایی می باشد.

وجود جمله ثابت در مدل:

برای اعتبار داشتن آزمون DW باید جمله ثابت (همان c) در معادله رگرسیون باشد.   {برو به فهرست}

شرایط دیگری نیز وجود دارد که به دلیل کم بودن کاربرد آنها، از آن صرف نظر می کنیم.

۴- جدول مقادیر بحرانی آزمون دوربین-واتسن (DW) و نحوه استفاده

نتیجه آماره دوربین واتسون را نمی توان با مقادیر بحرانی توزیع های شناخته شده معروف مثل t و F مقایسه کرد. بلکه جدول جداگانه ای دارد.

۱-۴- چگونگی استفاده از جدول:

در جدول زیر می بایست با توجه به n که تعداد مشاهدات است و K تعداد ضرایب مدل رگرسیونی به استثنای عرض از مبدا می باشد، به مقادیر داخل جدول مراجعه نموده و دو عدد Du و Dl را یادداشت نمود.

آنگاه با توجه به نمودار زیر در خصوص رد یا عدم رد فرض H0 (در همین صفحه این فرض ها را تعریف نموده ایم) تصمیم می گیریم:

آزمون دوربین واتسون

۲-۴- جدول مقادیر بحرانی DW:

جدول ارزش های بحرانی یا مقادیر بحرانی آزمون دوربین واتسون، که برای تصمیم گیری در خصوص وجود یا عدم وجود خودهمبستگی جملات خطای رگرسیون به کار می رود، به قرار زیر است. برای مشاهده آن در اندازه بزرگتر روی آن کلیک نمایید:

جدول مقادیر بحرانی دوربین واتسون

۳-۴- مثال:

مدلی را در نظر بگیرید که تعداد مشاهدات برای برآورد آن ۵۰ و به غیر از ضریب ثابت (یا همان عرض از مبداء) دارای ۴ ضریب (یا متغیر) می باشد. از خروجی نرم افزار ای ویوز مقدار آماره برابر DW=1.18 بدست آمده است.   {برو به فهرست}

از جدول مقادیر بحرانی فوق نیز این اطلاعات را داریم:

Dl= 1.38

Du= 1.72

۴ – Du = ۲.۲۸

۴ – Dl = ۲.۶۲

تصمیم: از آنجایی که DW=1.18 کمتر از Dl= 1.38 است، بنابراین این مدل دارای خود همبستگی مثبت است و برای رفع آن باید فکری اندیشید.   {برو به فهرست}

نکته:

توجه شود که اگر متغیر وابسته تاخیری در مدل باشد، شیوه تصمیم گیری فوق تغییر خواهد نمود که در بخش بعدی به آن پرداخته ایم.

۵- اعتبار دوربین-واتسون وقتی متغیر وابسته با وقفه در مدل است

وقتی در سمت راست مدل، متغیرهای با وقفه از متغیر وابسته وجود داشته باشد، استفاده از آزمون دوربین واتسون برای بررسی خودهمبستگی جملات خطا صحیح نیست و می بایست از آزمون های دیگری برای این کار استفاده کرد که مجال ذکر آن در اینجا نیست.   {برو به فهرست}

چنانچه کار شما در این مرحله دچار مساله است، با ما در سروش ارتباط بگیرید تا روش بررسی خودهمبستگی سریالی را (از منبعی معتبر) برایتان ارسال نماییم.

۶- چگونگی محاسبه دوربین واتسون در eviews

حال اینکه چطور با نرم افزار ایویوز آزمون دوربین واتسون را محاسبه کنیم. پاسخ آن سخت نیست. هر جا که شما نیاز به این آزمون برای تصمیم گیری داشته باشید، نرم افزار هوشمند ایویوز آنرا در هنگام اجرای مدل برای شما محاسبه می کند!

به عبارت دیگر وقتی معادله رگرسیونی یا مدلی با eviews برآورد می شود، همراه با نتایج برآورد ضرایب رگرسیون، این آماره نیز گزارش شده و در خروجی نرم افزار ای ویوز می آید.

تصمیم گیری قطعی با دوربین واتسون:

برای اینکه بتوانید قاطع در خصوص این آزمون در پایان نامه یا پژوهش خویش بنویسید، لازم است طبق بخش قبلی این مبحث، مقدار آماره را با اعداد مندرج در جدول مقادیر بحرانی مقایسه کنید.

خلاصه (مساله خود همبستگی جملات خطا)

از منظر اجرایی، کل مبحث بالا را می توان در دو خط زیر خلاصه نمود:

اگر آماره دوربین واتسون بدست آمده از خروجی eviews حول و حوش عدد ۲ بود (به صورت تقریبی از ۱.۵ بیشتر و از ۲.۵ کمتر بود)، مدل شما از نظر عدم وجود خود همبستگی بین جملات خطا، که یکی از فروض اصلی مدل رگرسیونی است، مساله ای ندارد.

{برو به فهرست}

 

۵ (۱۰۰%) ۲ votes
اگر مطلب را برای دوستان خود مفید می بینید، در شبکه های اجتماعی منتشر نمایید
درباره سيد مجتبي فرشچي

مدرک کارشناسي ارشد خود را در رشته آمار، گرايش اقتصادي- اجتماعي از شهيد بهشتي تهران گرفته ام. پايان نامه ام مورد حمايت مالي واحد تحقيقات سازمان بورس و اوراق بهادار قرار گرفت. گواهينامه کارگزاري بورس نيز دارم. خلاصه اينکه با آمار اقتصادي و نرم افزار Eviews آشنايي خوبي دارم. البته اقتصاد سنجي درياي بي کراني است!

12 دیدگاه در آزمون دوربین-واتسون در EViews، خود همبستگی باقیمانده ها
  1. سلام، عدد دوربین واتسون من ۲.۶۶ بدست آمده که از ۲.۵ بیشتر است. احتمال دارد که این مشکل ,
    از اشتباه واردشدنِ داده ها,,
    باشد؟
    معذرت میخوام.
    چون این هفته باید مقاله ای ارسال کنم.

    • سيد مجتبي فرشچي ۱۳۹۶-۰۳-۳۱ در ۰۶:۴۱ پاسخ

      سلام. بله. داده ها را یک بررسی داشته باشید. ممکن است به خاطر وجود چند داده پرت باشد. کلا قبل از هر گونه اقدامی در نرم افزار ای ویوز می بایست وضعیت داده های پرت بررسی شود. یکی دو داده پرت ممکن است سرنوشت مدل شما را تغییر داده باشد.

    • سلام بله شما میتونید با وارد کردar1یا ۲مشکل را رفع کنید

      • سيد مجتبي فرشچي ۱۳۹۷-۰۲-۱۹ در ۱۷:۳۸ پاسخ

        سلام
        دقت داشته باشید که با وارد کردن ar(1) به مدل، عملا مدل رگرسیونی خود را به یک مدل پویا تبدیل کرده اید. درست است که مساله نرخ پایین دربین واتسون حل می شود اما مدل خود را عوض کرده و تغییر داده اید. گاه وقتی اساتید این راه حل را قبول نمی کنند، خصوصا در داده های پانل.

  2. دانشجوی ارشد عمران ۱۳۹۶-۰۴-۰۳ در ۱۶:۱۳ پاسخ

    سلام,وقتتون بخیر.
    مدل رگرسیونی من عرض از مبدا نداره,الان که ازمون دوربین-واتسون واسش معتبر نیست برای کنترل عدم همبستگی باقیمانده ها باید از چه روش یا آزمونی استفاده کنم؟
    ممنون

    • سيد مجتبي فرشچي ۱۳۹۶-۰۴-۰۴ در ۰۱:۰۱ پاسخ

      سلام؛ حتی الامکان عرض از مبدا یا ضریب ثابت در مدل باشد. وجود عرض از مبدا در مدل باعث می شود که شرط برابر صفر بودن میانگین جملات خطا نیز خود به خود در مدل برقرار شود.
      بهرحال اگر در مدل نیست، با بررسی نمودار سری زمانی باقیمانده (جملات خطا) علائم هم خطی را در نمودار کنترل کرد. به این صورت که اگر جملات خطا دارای خود همبستگی باشند، در طول زمان به طور منظم تغییر می کنند. در صورتی که بایستی تغییرات آنها کاملا تصادفی باشد.

  3. دانشجوی اقتصاد ۱۳۹۷-۰۳-۱۷ در ۰۲:۵۵ پاسخ

    سلام خسته نباشید
    مدل من پانل آستانه بود ولی تعداد متغیرهام کم بودش و استاد داور این ایراد که باید آزمون کفایت مدل رو اجرا کنم رو از من گرفتن توضیحیی هم که دادن این بودش که من باید جمله خطای مدل نهایی را بدست بیارم و کلوگرام آن را رسم کنم و آزمون تشخیص خودهمبستگی با استفاده از رسم اجزای اخلال هستش در واقع خواستم ازتون درباره رسم این کلوگرام بپرسم که به چه نحوی هستش؟

    • سيد مجتبي فرشچي ۱۳۹۷-۰۳-۱۸ در ۰۱:۵۳ پاسخ

      سلام
      خدمت شما عرض کنم که به طور کلی در هر مدلی با استفاده از نرم افزار ایویوز می توان باقیمانده ها را به راحتی استخراج نمود و بر روی آن به صورت جداگانه آزمون ها و بررسی های لازم را اجرا نمود. وقتی مدلی را اجرا می کنید به طور اتوماتیک باقیمانده ها یا جملات اخلال این مدل در متغیر resid در نرم افزار ایویوز ذخیره می شود. حال شما می توانید کرولوگرام (correlogram ) آنرا ترسیم نمایید تا ببینید که وضعیت باقیمانده ها به چه صورت است. کرولوگرام یا correlogram از ابزارهای اولیه بررسی و تشخیص مدل در مبحث سریهای زمانی است و با نگاهی به آن می توانید خود همبستگی و خودهمبستگی جزئی را در سری زمانی تشخیص دهید. یک مدل خوب مدلی است که کرولوگرام باقیمانده های آن هیچ نوع خود همبستگی را نشان ندهد.
      برای ترسیم آن هم کافی است پس از اجرای مدل به سراغ متغیر resid بروید و روی آن کلیک کنید. در منوی ویو دستور کرولوگرام به چشم می خورد.

      • دانشجوی اقتصاد ۱۳۹۷-۰۳-۱۸ در ۰۴:۳۳ پاسخ

        با سلام مجدد
        بسیار ممنونم از راهنمایی خوب و کاملتون استاد عزیز من کرولوگرام رو رسم کردم فقط اینکه خواستم بپرسم نحوه تحلیل AC و PAC و Q-STATE و PROB به چه صورت هست؟ ممنون میشم که اگر توضیحی درباره نحوه تحلیل هم ارائه کنید.

        • دانشجوی اقتصاد ۱۳۹۷-۰۳-۱۸ در ۰۴:۳۹ پاسخ

          درواقع تحلیل معنادار بودن و معنادار نبودن به چه صورت هست

          • سيد مجتبي فرشچي ۱۳۹۷-۰۳-۱۸ در ۱۸:۲۷ پاسخ

            خواهش. تحلیل کامل AC و PAC مبحث نسبتا مفصلی است که در مباحث سری های زمانی در اقتصاد سنجی گنجانده شده است. منتها اینگونه به شما بگویم که یک سری از باقیمانده های مدل نباید هیچ حرفی برای گفتن داشته باشند و عصاره تمام اطلاعات آنها در مدل گرفته شده باشد. بنابراین در نمودارهای AC و PAC هیچ کدام از شاخک ها نباید از محدوده خط نقطه چین بیرون بزند. اگر اینگونه باشد این پیام را دارد که باقیمانده ها خود همبستگی یا خودهمبستگی جزئی ندارند (این به نوعی همان هدف آزمون دوربین واتسون است)


[بالا]

ارسال دیدگاه

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

سلام؛ پس از مطالعه هر مطلب در سايت، مي توانيد سوالات خود را در بخش ديدگاه در پايين آن صفحه درج نماييد. ما پاسخ خواهيم داد و شما از طريق ايميل از پاسخ ما به سوال خود مطلع خواهيد شد.

شرکت آماری اطمینان شرق

کليک کنيد: ارتباط با پيام رسان سروش