مدل‌های اقتصادسنجی پویا و پیشرفته در استتا

مفهوم مدل VAR در اقتصادسنجی پویا

مدل VAR یا Vector Autoregression یکی از مهم‌ترین ابزارهای تحلیل پویای روابط میان چند متغیر اقتصادی است. منابع انگلیسی اقتصادسنجی سری‌های زمانی توضیح می‌دهند که در مدل VAR هر متغیر به‌صورت همزمان به وقفه‌های خودش و وقفه‌های سایر متغیرها وابسته است. به‌عبارت دیگر، VAR یک سیستم معادلات پویا است که در آن همه متغیرها «درون‌زا» در نظر گرفته می‌شوند.

مزیت اصلی مدل VAR این است که بدون نیاز به تحمیل ساختار نظری محدودکننده، می‌توان روابط متقابل میان متغیرها را در طول زمان بررسی کرد. به همین دلیل، در تحلیل سیاست‌های پولی، مالی، بازارهای مالی، نرخ ارز، تورم و تولید ناخالص داخلی، استفاده از VAR بسیار رایج است.

پیش‌نیازهای تخمین VAR در استتا

پیش از تخمین مدل VAR در استتا، منابع انگلیسی بر چند مرحله کلیدی تأکید می‌کنند:

1. بررسی مانایی متغیرها: معمولاً توصیه می‌شود متغیرها یا در سطح مانا باشند یا پس از تفاضل‌گیری به مانایی برسند. آزمون‌هایی مانند ADF یا PP برای این کار استفاده می‌شوند.
2. تصمیم درباره سطح یا تفاضل: اگر متغیرها هم‌انباشتگی نداشته باشند، استفاده از تفاضل‌ها می‌تواند مناسب باشد. اما اگر شواهدی از هم‌انباشتگی وجود داشته باشد، به‌جای VAR در تفاضل‌ها، استفاده از مدل VECM توصیه می‌شود.
3. انتخاب طول وقفه مناسب: تعیین تعداد وقفه‌ها نقش مهمی در دقت مدل دارد و بر اساس معیارهای اطلاعاتی مانند AIC، BIC و HQ انجام می‌شود.

ساختار کلی مدل VAR

در ساده‌ترین حالت، برای دو متغیر $y_t$yt​ و $x_t$xt​ با وقفه $p$p، مدل VAR به‌صورت زیر نوشته می‌شود:

$\begin{array}{cc}{y}_t& =a_{10}+\sum _{i=1}^p{a}_{11,i}{y}_{t-i}+\sum _{i=1}^p{a}_{12,i}{x}_{t-i}+u_{1t}\\ x_t& =a_{20}+\sum _{i=1}^p{a}_{21,i}{y}_{t-i}+\sum _{i=1}^p{a}_{22,i}{x}_{t-i}+u_{2t}\end{array}$

منابع انگلیسی تأکید می‌کنند که در این ساختار، هیچ متغیر توضیحی «کاملاً برون‌زا» نیست و هر متغیر می‌تواند بر دیگری در طول زمان اثر بگذارد. این ویژگی باعث می‌شود VAR برای تحلیل سیستم‌های اقتصادی که روابط درون‌زا و بازخوردی دارند بسیار مناسب باشد.

انتخاب وقفه و برآورد VAR در استتا

در استتا، روند کلی تخمین مدل VAR طبق منابع انگلیسی به‌صورت زیر خلاصه می‌شود:

• ابتدا داده‌ها به‌عنوان سری زمانی تعریف می‌شوند و ساختار زمانی (مثلاً سالانه یا فصلی بودن) مشخص می‌شود. سپس بر اساس آزمون‌ها و معیارهای اطلاعاتی، طول وقفه مناسب انتخاب می‌گردد.
• پس از تعیین وقفه، مدل VAR برآورد شده و ضرایب مربوط به اثر وقفه‌های هر متغیر بر دیگر متغیرها به‌دست می‌آید.

این برآوردها امکان بررسی روابط پویا، معنی‌داری آماری ضرایب و نقش هر متغیر در توضیح تغییرات سایر متغیرها را فراهم می‌کنند.

تحلیل پویایی: واکنش آنی و تجزیه واریانس

یکی از مهم‌ترین کاربردهای مدل VAR در استتا، تحلیل رفتار پویا پس از وقوع یک شوک است. منابع انگلیسی دو ابزار کلیدی را معرفی می‌کنند:

• تابع واکنش آنی (Impulse Response Function): نشان می‌دهد اگر یک شوک (مثلاً یک واحدی) به یکی از متغیرها وارد شود، مسیر زمانی واکنش سایر متغیرها چگونه خواهد بود. این ابزار برای تحلیل اثرات سیاست‌های پولی، مالی یا شوک‌های قیمتی بسیار استفاده می‌شود.
• تجزیه واریانس خطای پیش‌بینی (Forecast Error Variance Decomposition): مشخص می‌کند در افق‌های زمانی مختلف، چه سهمی از نوسانات یک متغیر به شوک‌های خودش و چه سهمی به شوک‌های سایر متغیرها مربوط است. این تحلیل برای شناخت اهمیت نسبی شوک‌های مختلف در سیستم اقتصادی کاربرد دارد.

آزمون‌های تشخیصی و پایداری مدل VAR

برای اطمینان از اعتبار مدل VAR، منابع انگلیسی بر انجام مجموعه‌ای از آزمون‌های تشخیصی تأکید می‌کنند:

• آزمون پایداری ریشه‌ها: باید ریشه‌های چندجمله‌ای مشخصه درون دایره واحد قرار گیرند. این شرط نشان می‌دهد که سیستم پایدار است و واکنش‌ها در طول زمان واگرا نمی‌شوند.
• آزمون خودهمبستگی باقیمانده‌ها: بررسی می‌شود که آیا بعد از وارد کردن وقفه‌های مناسب، هنوز خودهمبستگی در خطاها باقی مانده است یا خیر. وجود خودهمبستگی نشان‌دهنده ناکافی بودن وقفه‌ها یا ناتمام بودن مدل است.
• آزمون نرمال بودن باقیمانده‌ها: برای برخی تحلیل‌های استنباطی، نزدیک بودن توزیع باقیمانده‌ها به نرمال اهمیت دارد.

این آزمون‌ها در استتا به‌صورت یکپارچه قابل اجرا هستند و به پژوهشگر کمک می‌کنند مدل VAR مناسب‌تری انتخاب کند.

کاربردهای عملی VAR در تحلیل‌های اقتصادی

مدل VAR در استتا در طیف وسیعی از پژوهش‌های تجربی به‌کار می‌رود. منابع انگلیسی از کاربردهای زیر به‌عنوان نمونه یاد می‌کنند:

• تحلیل اثرات سیاست پولی بر تورم، تولید و نرخ بهره
• بررسی ارتباط میان نرخ ارز، تورم و تراز تجاری
• مطالعه پویایی میان قیمت نفت، شاخص بورس و رشد اقتصادی
• تحلیل شوک‌های مالی و اثر آن‌ها بر متغیرهای واقعی اقتصاد

با استفاده از امکانات استتا برای تخمین VAR، تحلیلگران می‌توانند این روابط پویا را شناسایی، اندازه‌گیری و به‌صورت گرافیکی تفسیر کنند.

کلیدواژه ها : تخمین مدل VAR در استتا-VAR model estimation in Stata-تحلیل بردار خودرگرسیو-Vector autoregression analysis-سری زمانی پویا در استتا-Dynamic time series Stata-واکنش آنی در VAR-Impulse response functions-تجزیه واریانس خطای پیش‌بینی-Forecast error variance decomposition-آزمون پایداری VAR-VAR stability test-مدل‌های VAR در اقتصادسنجی-VAR models in econometrics