آموزش آزمون DOLS و FMOLS داده هاي تركيبي در نرم افزار ايويوز

برآورد ضرایب بلند‌مدت به روش  FM-OLS

پس از اطمینان از وجود رابطه بلندمدت بین متغییرهای مدل، بر اساس رهیافت‌ حداقل مربعات کاملاً اصلاح شده[1] (FMOLS)، می‌توان ضرایب بلند‌مدت را برآورد نمود.

روش حداقل مربعات کاملاً اصلاح شده دارای مزایای ذیل می‌باشد:

1-روشی ناپارامتری است که همبستگی احتمالی بین اجزای خطای مدل را به منظور تصحیح خودهمبستگی پیاپی محاسبه می‌کند و تخمین زننده حداقل مربعات معمولی را به صورت ناپارامتری تصحیح می‌کند.

2- روش حداقل مربعات کاملاً اصلاح شده، دو تصحیح تورش و دورن‌زایی را بروی روش حداقل مربعات معمولی اعمال می‌کند. لذا برای رفع مشکل خودهمبستگی و تورش درون‌زایی از این روش استفاده می‌گردد.

3-روش حداقل مربعات کاملاً اصلاح شده در نمونه‌های کوچک نتایج کاراتری را نسبت به روش‌های دیگر از جمله جوهانسن دارد. ضمن اینکه این روش متأثر از طول وقفه نمی‌باشد.

برآورد ضرایب بلند‌مدت به روش DOLS

تخمین زننده حداقل مربعات پویا[2] (DOLS)، از تعدیل‌های پارامتری، برای بهبود وضعیت اجزای خطا استفاده می‌کند و مقادیر گذشته و آینده متغیرهای توضیحی تفاضلی را به عنوان متغیر اضافی در فرآیند تخمین در نظر می‌گیرد. انجام این آزمون تقریباً همان مراحل آزمون  FM-OLSاست.

[1] Dynamic Ordinary Least Squares

[2] Fully Modified Ordinary Least Squares