آزمون‌های تشخیصی مدل‌های اقتصادسنجی در استتا

مفهوم نرمال بودن خطاها در اقتصادسنجی

در مدل‌های رگرسیونی یکی از فروض مهم کلاسیک این است که جملات خطا از توزیع نرمال پیروی کنند. منظور از خطا در اینجا همان بخشی از متغیر وابسته است که توسط متغیرهای توضیحی مدل توضیح داده نمی‌شود. اگر این خطاها دارای توزیع نرمال باشند، بسیاری از آزمون‌های آماری مانند آزمون t و آزمون F به شکل دقیق‌تری عمل می‌کنند و نتایج استنباطی قابل اعتمادتر خواهند بود. در منابع انگلیسی اقتصادسنجی نیز تأکید می‌شود که نرمال بودن خطاها به‌ویژه در نمونه‌های کوچک اهمیت زیادی دارد زیرا در چنین شرایطی اعتبار آزمون‌های آماری به شدت به این فرض وابسته است.

اهمیت بررسی نرمال بودن خطاها

اگر توزیع خطاها از حالت نرمال فاصله بگیرد، ممکن است برآورد ضرایب مدل همچنان بدون تورش باشد، اما آزمون‌های آماری و فاصله‌های اطمینان دقت خود را از دست بدهند. در نتیجه پژوهشگر ممکن است درباره معناداری متغیرها یا قدرت توضیحی مدل به نتیجه‌ای اشتباه برسد. به همین دلیل در مطالعات اقتصادسنجی، پس از تخمین مدل رگرسیون، بررسی شکل توزیع باقی‌مانده‌ها یکی از مراحل ضروری تحلیل محسوب می‌شود. این بررسی کمک می‌کند تا مشخص شود آیا نتایج مدل از نظر آماری قابل اعتماد هستند یا نیاز به اصلاح مدل وجود دارد.

روش‌های بررسی نرمال بودن خطاها در استتا

نرم‌افزار استتا ابزارهای مختلفی برای ارزیابی نرمال بودن خطاهای مدل ارائه می‌دهد. این بررسی معمولاً بر اساس باقی‌مانده‌های رگرسیون انجام می‌شود زیرا باقی‌مانده‌ها تخمینی از جملات خطای واقعی هستند. روش‌های بررسی نرمال بودن خطاها را می‌توان به دو دسته کلی تقسیم کرد: روش‌های گرافیکی و آزمون‌های آماری. هر کدام از این روش‌ها اطلاعات متفاوتی درباره شکل توزیع خطاها در اختیار پژوهشگر قرار می‌دهند و استفاده همزمان از آن‌ها می‌تواند تصویر دقیق‌تری از وضعیت داده‌ها ارائه دهد.

بررسی گرافیکی توزیع خطاها

یکی از ساده‌ترین راه‌های ارزیابی نرمال بودن خطاها استفاده از نمودارهای گرافیکی است. در این روش‌ها شکل توزیع باقی‌مانده‌ها با توزیع نرمال مقایسه می‌شود. نمودار هیستوگرام، نمودار چگالی و نمودار احتمال نرمال از جمله ابزارهایی هستند که برای این کار استفاده می‌شوند. اگر باقی‌مانده‌ها به صورت متقارن حول میانگین صفر پراکنده شده باشند و شکل نمودار شباهت زیادی به منحنی زنگوله‌ای داشته باشد، می‌توان گفت فرض نرمال بودن تا حد زیادی برقرار است. در غیر این صورت ممکن است داده‌ها دارای چولگی یا کشیدگی غیرعادی باشند.

آزمون‌های آماری نرمال بودن خطاها

علاوه بر روش‌های گرافیکی، آزمون‌های آماری نیز برای بررسی نرمال بودن توزیع خطاها به کار می‌روند. این آزمون‌ها به صورت رسمی بررسی می‌کنند که آیا داده‌ها با توزیع نرمال سازگار هستند یا خیر. از جمله آزمون‌هایی که در منابع انگلیسی اقتصادسنجی معرفی می‌شوند می‌توان به آزمون Jarque-Bera، آزمون Shapiro-Wilk و آزمون Skewness/Kurtosis اشاره کرد. این آزمون‌ها با بررسی میزان چولگی و کشیدگی توزیع باقی‌مانده‌ها مشخص می‌کنند که آیا تفاوت معناداری با توزیع نرمال وجود دارد یا خیر.

تفسیر نتایج آزمون نرمال بودن

در آزمون‌های نرمال بودن معمولاً فرض صفر بر این اساس است که توزیع خطاها نرمال است. اگر مقدار احتمال یا سطح معناداری کمتر از سطح خطای انتخاب‌شده باشد، فرض صفر رد می‌شود و نتیجه گرفته می‌شود که خطاها از توزیع نرمال پیروی نمی‌کنند. در مقابل اگر مقدار احتمال بزرگ‌تر از سطح خطا باشد، شواهدی برای رد فرض نرمال بودن وجود ندارد. پژوهشگر باید علاوه بر نتایج آماری، شکل نمودارها و ویژگی‌های داده‌ها را نیز در تفسیر نتایج در نظر بگیرد.

راهکارهای مواجهه با عدم نرمال بودن خطاها

در صورتی که آزمون‌ها نشان دهند توزیع خطاها نرمال نیست، چند راهکار در تحلیل اقتصادسنجی پیشنهاد می‌شود. یکی از روش‌ها تبدیل متغیرها مانند استفاده از لگاریتم یا تبدیل‌های دیگر برای کاهش چولگی داده‌ها است. روش دیگر افزایش حجم نمونه است زیرا در نمونه‌های بزرگ طبق قضیه حد مرکزی اثر نرمال نبودن خطاها کاهش می‌یابد. همچنین در برخی موارد می‌توان از روش‌های برآورد مقاوم استفاده کرد تا اثر توزیع غیرنرمال بر نتایج آماری کمتر شود.

کلیدواژه ها : آزمون نرمال بودن خطاها در استتا-آزمون نرمال بودن خطاها در مدل رگرسیون-Normality test in Stata-Normality of regression errors-آزمون جارک برا-Jarque Bera test-آزمون شاپیرو ویلک-Shapiro Wilk test-بررسی نرمال بودن باقی مانده ها در استتا-Residual normality test-آزمون Skewness Kurtosis در استتا-اقتصادسنجی در Stata-