مدل‌های پیش‌بینی و تحلیل پیشرفته در ایویوز

آزمون همجمعی چیست و چرا اهمیت دارد؟

در تحلیل سری‌های زمانی، بسیاری از متغیرهای اقتصادی در سطح خود ناایستا هستند؛ یعنی میانگین و واریانس آن‌ها در طول زمان ثابت نیست. با این حال، ممکن است همین متغیرها در بلندمدت یک رابطه تعادلی پایدار با یکدیگر داشته باشند. آزمون همجمعی یا Cointegration Test دقیقاً برای شناسایی این وضعیت به کار می‌رود. زمانی که چند متغیر ناایستا باشند اما ترکیب خطی آن‌ها ایستا شود، گفته می‌شود این متغیرها همجمع هستند. این مفهوم در اقتصاد بسیار مهم است، زیرا بسیاری از متغیرهای کلان مانند درآمد، مصرف، نقدینگی، سطح قیمت‌ها و نرخ ارز در بلندمدت به یکدیگر وابسته‌اند.

چرا نباید فقط به رگرسیون ساده اکتفا کرد؟

اگر متغیرهای ناایستا را بدون بررسی همجمعی در یک رگرسیون معمولی وارد کنیم، ممکن است با پدیده رگرسیون کاذب مواجه شویم. در این حالت، مدل آماری ظاهراً ضرایب معنادار و $R^2$R2 بالا نشان می‌دهد، اما در واقع رابطه برآوردشده فاقد اعتبار اقتصادی و آماری است. آزمون همجمعی کمک می‌کند تا مشخص شود آیا میان متغیرها واقعاً یک پیوند بلندمدت وجود دارد یا خیر. به همین دلیل، این آزمون یکی از مراحل کلیدی در تحلیل پیشرفته سری‌های زمانی در ایویوز به شمار می‌رود.

پیش‌نیاز انجام آزمون همجمعی

پیش از اجرای آزمون همجمعی، ابتدا باید درجه ایستایی متغیرها مشخص شود. معمولاً این کار با آزمون ریشه واحد مانند ADF یا Phillips-Perron انجام می‌شود. اگر متغیرها در سطح ناایستا و در تفاضل اول ایستا باشند، یعنی از مرتبه $I\left(1\right)$I(1) باشند، آن‌گاه بررسی همجمعی معنا پیدا می‌کند. اگر متغیرها درجات متفاوتی از ایستایی داشته باشند، انتخاب روش آزمون باید با دقت بیشتری انجام شود. بنابراین همجمعی مرحله‌ای است که پس از آزمون ریشه واحد و پیش از برآورد نهایی مدل انجام می‌شود.

روش‌های اصلی آزمون همجمعی در ایویوز

در ایویوز، آزمون همجمعی معمولاً با دو رویکرد اصلی انجام می‌شود. روش اول، آزمون انگل–گرنجر است که بیشتر برای مدل‌های دو متغیره یا روابط ساده‌تر کاربرد دارد. در این روش، ابتدا رابطه بلندمدت برآورد می‌شود و سپس باقیمانده‌های مدل از نظر ایستایی بررسی می‌شوند. اگر باقیمانده‌ها ایستا باشند، وجود همجمعی تأیید می‌شود.

روش دوم، آزمون یوهانسن است که برای مدل‌های چندمتغیره بسیار مناسب‌تر است و در تحلیل‌های پیشرفته کاربرد بیشتری دارد. این روش امکان شناسایی تعداد بردارهای همجمعی را فراهم می‌کند و به همین دلیل در پژوهش‌های دانشگاهی و مدل‌های چندمعادله‌ای جایگاه ویژه‌ای دارد. در ایویوز، آزمون یوهانسن معمولاً در چارچوب VAR اجرا می‌شود و نتایج آن شامل آماره Trace و Max-Eigen است.

آزمون همجمعی یوهانسن در ایویوز

برای اجرای آزمون یوهانسن در ایویوز، ابتدا باید یک مدل VAR با وقفه مناسب برآورد شود. سپس از بخش View گزینه Cointegration Test انتخاب می‌شود. ایویوز در این مرحله نتایج مربوط به تعداد روابط همجمعی را ارائه می‌دهد. اگر آماره آزمون بزرگ‌تر از مقدار بحرانی باشد، فرض صفر رد می‌شود و وجود همجمعی پذیرفته می‌شود. نکته مهم این است که انتخاب وقفه مناسب پیش از آزمون یوهانسن اهمیت زیادی دارد، زیرا نتایج آزمون به ساختار وقفه‌ها حساس است.

تفسیر نتایج آزمون همجمعی

تفسیر آزمون همجمعی بسیار مهم است. اگر نتیجه نشان دهد که بین متغیرها همجمعی وجود دارد، به این معناست که اگرچه آن‌ها ممکن است در کوتاه‌مدت نوسانات مستقل داشته باشند، اما در بلندمدت از یک مسیر تعادلی مشترک پیروی می‌کنند. در این حالت، به جای استفاده از VAR در تفاضل‌ها، بهتر است از مدل VECM استفاده شود تا هم رابطه کوتاه‌مدت و هم سازوکار بازگشت به تعادل بلندمدت در مدل لحاظ گردد.

اگر همجمعی تأیید نشود، معمولاً تحلیل در قالب VAR بر روی داده‌های تفاضل‌گیری‌شده ادامه پیدا می‌کند. بنابراین نتیجه آزمون همجمعی مستقیماً بر انتخاب مدل نهایی اثر می‌گذارد و یکی از نقاط تصمیم‌گیری اصلی در تحلیل پیشرفته سری‌های زمانی است.

نقش همجمعی در پیش‌بینی

وجود همجمعی فقط از نظر نظری مهم نیست، بلکه در پیش‌بینی نیز اهمیت زیادی دارد. زمانی که رابطه بلندمدت بین متغیرها به‌درستی شناسایی شود، مدل پیش‌بینی می‌تواند از این اطلاعات برای برآورد دقیق‌تر مسیر آینده استفاده کند. در مقابل، اگر این روابط نادیده گرفته شوند، پیش‌بینی‌ها ممکن است فقط رفتار کوتاه‌مدت را ثبت کنند و از درک تعادل بلندمدت بازبمانند. به همین دلیل، مدل‌های مبتنی بر همجمعی در مطالعات کلان اقتصادی، بازار ارز، بازار سرمایه و انرژی بسیار مورد استفاده قرار می‌گیرند.

تفاوت همجمعی با همبستگی

یکی از اشتباهات رایج این است که همجمعی با همبستگی یکسان فرض شود. همبستگی فقط نشان می‌دهد که دو متغیر چگونه با هم تغییر می‌کنند، اما همجمعی به رابطه تعادلی بلندمدت میان متغیرهای ناایستا اشاره دارد. ممکن است دو متغیر همبستگی بالایی داشته باشند اما همجمع نباشند، و برعکس. بنابراین آزمون همجمعی مفهومی عمیق‌تر از رابطه آماری ساده را نشان می‌دهد و به ویژه در اقتصادسنجی پویا اهمیت دارد.

جمع‌بندی

آزمون همجمعی یکی از پایه‌های اصلی تحلیل پیشرفته سری‌های زمانی در ایویوز است. این آزمون مشخص می‌کند که آیا متغیرهای ناایستا در بلندمدت به یک تعادل مشترک وابسته هستند یا خیر. استفاده از آزمون‌های انگل–گرنجر و یوهانسن در ایویوز این امکان را فراهم می‌کند که پژوهشگر روابط بلندمدت را به‌درستی شناسایی کرده و مدل مناسب مانند VAR یا VECM را انتخاب کند. در نتیجه، تحلیل‌ها از نظر آماری معتبرتر می‌شوند و پیش‌بینی‌ها نیز دقت بیشتری پیدا می‌کنند.

کلیدواژه ها : آزمون همجمعی-Cointegration Test-همجمعی در ایویوز-Cointegration in EViews-آزمون یوهانسن-Johansen Test-آزمون انگل گرنجر-Engle Granger Test-مدل VECM-VECM Model-رگرسیون کاذب-Spurious Regression-تحلیل سری‌های زمانی-Time Series Analysis-مدل‌های پیش‌بینی در ایویوز-Forecasting Models in EViews-