پیاده‌سازی روش حداقل مربعات معمولی (OLS) در نرم‌افزار EViews

نرم‌افزار EViews ابزاری قدرتمند و کاربرپسند برای تحلیل‌های اقتصادسنجی است که پیاده‌سازی رگرسیون حداقل مربعات معمولی (OLS) را به سادگی امکان‌پذیر می‌سازد. در این بخش، مراحل دقیق اجرای یک رگرسیون OLS را در EViews شرح می‌دهیم.

آماده‌سازی و باز کردن Workfile

قبل از هر چیز، مطمئن شوید که داده‌های شما به درستی در یک Workfile در EViews وارد شده‌اند. این داده‌ها می‌توانند شامل متغیر وابسته (Y) و متغیرهای مستقل (X) باشند.

• باز کردن EViews: نرم‌افزار EViews را اجرا کنید.
• باز کردن/ایجاد Workfile:
• اگر داده‌ها قبلاً در Workfile موجود هستند، آن را از طریق File > Open > Workfile باز کنید.
• اگر نیاز به وارد کردن داده‌های جدید دارید، یک Workfile جدید ایجاد کرده و داده‌های خود را وارد کنید.

ایجاد یک معادله جدید (New Equation)

پس از اینکه Workfile شما آماده شد و داده‌ها در آن موجود بودند، باید یک معادله رگرسیون جدید تعریف کنید:

• از منوی اصلی، به Quick > Estimate Equation... بروید.
• همچنین می‌توانید از نوار ابزار، روی آیکون Object کلیک کرده و سپس New Object... را انتخاب کنید. در پنجره باز شده، Equation را به عنوان نوع شیء انتخاب کرده و OK را بزنید.

تعریف مشخصات معادله (Equation Specification)

در پنجره “Equation Specification” که باز می‌شود، شما باید مدل رگرسیونی خود را به EViews معرفی کنید.

• نحوه وارد کردن متغیرها:
• ابتدا نام متغیر وابسته (Dependent Variable) را وارد کنید.
• سپس یک فاصله (Space) بزنید.
• حرف C را برای عرض از مبدأ (Constant/Intercept) وارد کنید. C به EViews می‌گوید که یک ثابت به مدل اضافه کند.
• دوباره یک فاصله بزنید.
• سپس نام متغیرهای مستقل (Independent Variables) را با فاصله از یکدیگر وارد کنید.

نکته: ترتیب وارد کردن متغیرهای مستقل مهم نیست، اما متغیر وابسته همیشه باید در ابتدا قرار گیرد.

انتخاب روش برآورد (Estimation Method)

در همان پنجره “Equation Specification”، در قسمت Method (روش)، مطمئن شوید که گزینه LS - Least Squares (NLS and ARMA) انتخاب شده باشد. این گزینه، روش حداقل مربعات معمولی را برای برآورد مدل شما فعال می‌کند.

تعیین محدوده نمونه (Sample Range)

در قسمت Sample (نمونه)، می‌توانید محدوده مشاهداتی را که می‌خواهید در برآورد استفاده کنید، مشخص کنید.

• به صورت پیش‌فرض، EViews تمام مشاهدات موجود در Workfile را انتخاب می‌کند.
• اگر می‌خواهید تنها بخشی از داده‌ها را استفاده کنید (مثلاً برای سری‌های زمانی، از 1990 2020 برای برآورد و از 2021 2025 برای پیش‌بینی)، می‌توانید این محدوده را تغییر دهید.

اجرای برآورد (Estimate)

پس از تنظیم تمامی موارد فوق، روی دکمه OK در پایین پنجره “Equation Specification” کلیک کنید. EViews بلافاصله محاسبات را انجام داده و نتایج رگرسیون OLS را در یک پنجره جدید نمایش می‌دهد.

تفسیر خروجی EViews

پنجره خروجی رگرسیون OLS در EViews شامل اطلاعات زیادی است که درک آن‌ها برای تحلیل مدل ضروری است:

• بالای خروجی: اطلاعاتی مانند تاریخ و زمان برآورد، روش برآورد (Method: Least Squares), تاریخ نمونه (Sample), و تعداد مشاهدات (Included observations) را نشان می‌دهد.
• جدول ضرایب (Coefficient Table):
• Variable: نام متغیرهای مدل (شامل متغیرهای مستقل و C برای ثابت).
• Coefficient: ضرایب برآورد شده برای هر متغیر. اینها نشان‌دهنده تأثیر هر متغیر مستقل بر متغیر وابسته هستند.
• Std. Error: خطای استاندارد برآورد هر ضریب. این مقدار نشان‌دهنده دقت برآورد ضریب است.
• t-Statistic: آماره t برای هر ضریب. این آماره برای آزمون معنی‌داری آماری هر ضریب به کار می‌رود.
• Prob.: مقدار احتمال (p-value) مرتبط با آماره t. اگر این مقدار کمتر از سطح معنی‌داری انتخابی شما (مثلاً 0.05 یا 5%) باشد، می‌توان نتیجه گرفت که ضریب به طور آماری معنی‌دار است و با صفر متفاوت است.
• آماره‌های خلاصه مدل (Summary Statistics):
• R-squared (R2): ضریب تعیین. درصدی از تغییرات متغیر وابسته که توسط متغیرهای مستقل مدل توضیح داده شده است.
• Adjusted R-squared: ضریب تعیین تعدیل شده. مشابه $R^2$R2 اما با جریمه‌ای برای تعداد متغیرهای مستقل. این آماره برای مقایسه مدل‌ها با تعداد متغیرهای مستقل متفاوت مناسب‌تر است.
• F-statistic: آماره F. برای آزمون معنی‌داری کلی مدل. فرضیه صفر این است که همه ضرایب متغیرهای مستقل به طور همزمان برابر با صفر هستند.
• Prob(F-statistic): مقدار احتمال آماره F. اگر کمتر از سطح معنی‌داری باشد، مدل به طور کلی معنی‌دار است.
• Durbin-Watson stat: آماره دوربین-واتسون. برای بررسی وجود خودهمبستگی مرتبه اول در باقیمانده‌ها. (مقادیری نزدیک به 2 نشان‌دهنده عدم خودهمبستگی هستند).
• Mean dependent var: میانگین متغیر وابسته.
• S.D. dependent var: انحراف معیار متغیر وابسته.
• Akaike info criterion (AIC) & Schwarz criterion (SIC): معیارهای انتخاب مدل. مقادیر کمتر بهتر هستند.
• Sum squared resid: مجموع مربعات باقیمانده‌ها. مقدار حداقل شده‌ای که OLS به دنبال آن است.
• S.E. of regression: خطای استاندارد رگرسیون. نشان‌دهنده متوسط پراکندگی باقیمانده‌ها.

ذخیره نتایج و انجام آزمون‌های تشخیصی

• ذخیره معادله: برای ذخیره نتایج برآورد، روی دکمه Name در پنجره معادله کلیک کرده و یک نام برای معادله خود انتخاب کنید (مثلاً Eq01). این به شما امکان می‌دهد تا بعداً به راحتی به نتایج دسترسی پیدا کنید.
• آزمون‌های تشخیصی (Views): پس از برآورد، می‌توانید از گزینه View در منوی معادله برای انجام آزمون‌های تشخیصی مهم استفاده کنید:
• Residual Diagnostics: برای بررسی خودهمبستگی، واریانس ناهمسانی و نرمال بودن باقیمانده‌ها.
• Stability Diagnostics: برای بررسی پایداری پارامترهای مدل.

این آزمون‌ها برای اطمینان از اعتبار و پایایی نتایج رگرسیون OLS و بررسی نقض فروض کلاسیک بسیار حیاتی هستند.

کلیدواژه ها : EViews - حداقل‌مربعات‌معمولی - OLS - رگرسیون‌خطی - پیاده‌سازی - راهنمای‌گام‌به‌گام - Workfile - معادله - EquationSpecification - متغیر‌وابسته - متغیر‌مستقل - ثابت - Constant - Coefficients - StdError - tStatistic - pValue - R-squared - AdjustedR-squared - F-statistic - Durbin-Watson - آزمون‌های‌تشخیصی - ResidualDiagnostics - Heteroskedasticity - Autocorrelation - NormalityTest - مدل‌سازی‌اقتصادسنجی