‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬

‫ﺴﺒق ﻋﻨد دراﺴﺔ اﻻﻨﺤدار اﻝﺨطﻲ اﻝﺒﺴﻴط واﻝﻤﺘﻌدد أن ﻋرﻀﻨﺎ طرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ ‪ OLS‬اﻝﺘﻲ‬
‫ﺘﺒﻨﻰ ﻋﻠﻰ ﻓرﻀﻴﺎت أﺴﺎﺴﻴﺔ ﺘطرﻗﻨﺎ ﻝﻬﺎ ﻓﻲ اﻝﻤﺤﺎور اﻝﺴﺎﺒﻘﺔ‪ ،‬ﻏﻴر أن اﻝواﻗﻊ اﻻﻗﺘﺼﺎدي ﻴﻜﺸف ﻓﻲ اﻝﻜﺜﻴر ﻤن‬
‫اﻷﺤﻴﺎن إن ﻫذﻩ اﻝﻔرﻀﻴﺎت ﻗد ﺘﺘوﻓر وﻗد ﻻ ﺘﺘوﻓر ﻓف ﺤﺎل ﺘوﻓرﻫﺎ ﻴﻤﻜﻨﻨﺎ ﻗﻴﺎس اﻝﻌﻼﻗﺎت اﻻﻗﺘﺼﺎدﻴﺔ اﻝﻤﺨﺘﻠﻔﺔ‬
‫وﻓﻲ ﺤﺎل ﻋدم ﺘوﻓرﻫﺎ أو ﺘﺤﻘﻘﻬﺎ ﻫذا ﻤﺎ ﻴﺘرﺘب ﻋﻠﻴﻪ ظﻬور ﺒﻌض اﻝﻤﺸﺎﻜل اﻝﻘﻴﺎﺴﻴﺔ ﻤن ﺒﻴﻨﻬﺎ ﻤﻘدرات اﻝﻨﻤوذج‬
‫ﺘﺼﺒﺢ ﻏﻴر ﻤﺤﻘﻘﺔ ﻝﺨﺎﺼﻴﺔ أﺤﺴن ﻤﻘدرات ﺨطﻴﺔ ﻏﻴر ﻤﺘﺤﻴزة‪ ،‬ﻫذا ﻤﺎ ﻴﺴﺘﻠزم اﻝﺒﺤث ﻋن طرق أﺨرى ﻝﺘﻘدﻴر‬
‫اﻝﻨﻤوذج أو اﻝﻘﻴﺎم ﺒﺘﻌدﻴﻼت ﻤﻌﻴﻨﺔ ﻋﻠﻰ اﻝﻤﻌطﻴﺎت أو اﻝﻤﺘﻐﻴرات ﺤﺘﻰ ﻴﺼﺒﺢ اﻝﻨﻤوذج ﻤواﻓق ﻝﻠﻔرﻀﻴﺎت‬
‫اﻝﻜﻼﺴﻴﻜﻴﺔ‬

‫ﻝذا ﺴﻨﻘوم ﺒﺈﺠراء ﺒﻌض اﻻﺨﺘﺒﺎرات ﻝﺘﻘﻴﻴم اﻝﻨﻤوذج ﻗﻴﺎﺴﻴﺎ ﻤﺴﺘﻌﻴﻨﻴن ﻓﻲ ذﻝك ﻋﻠﻰ ﺒﻌض اﻝﻤﻌﺎﻴﻴر اﻝﻘﻴﺎﺴﻴﺔ‬
‫ﻻﺨﺘﺒﺎر ﻤدى ﻤطﺎﺒﻘﺔ اﻝﻨﻤوذج اﻝﻤﻘدر ﻝﻠﻔرﻀﻴﺎت اﻝﻤﺒﻨﻲ ﻋﻠﻴﻬﺎ أي ﻤدى ﻤطﺎﺒﻘﺘﻪ ﻝﻠﻔرﻀﻴﺎت اﻝﻜﻼﺴﻴﻜﻴﺔ‪ ،‬و‬
‫ﻝﺘذﻜﻴر أﻫم ﻓرﻀﻴﺎت طرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ ﻫﻲ ‪:‬‬

‫أن اﻝﺸﻜل اﻻﻨﺘﺸﺎري ﻴﻜون ﺒﺎﻝﺘﻘرﻴب ﺨط ﻤﺴﺘﻘﻴم‬

‫‪.i‬اﻝﻨﻤوذج ﺨطﻲ اﻻﻨﺤدار وﻤﻌﻨﺎﻩ ّ‬
‫‪.ii‬ﻤﺘوﺴط اﻷﺨطﺎء ﻤﻌدوم‬
‫‪.iii‬ﺘﺒﺎﻴن اﻷﺨطﺎء ﺜﺎﺒت واﻝﺘﺒﺎﻴن اﻝﻤﺸﺘرك ﻤﻌدوم‬
‫‪.iv‬اﺴﺘﻘﻼل اﻷﺨطﺎء ﻋن اﻝﻤﺘﻐﻴرات اﻝﻤﻔﺴرة‬
‫‪.v‬اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ ﻏﻴر ﻤرﺘﺒطﺎ ﺨطﻴﺎ ﻓﻴﻤﺎ ﺒﻴﻨﻬﺎ‬
‫‪.vi‬ﺘﺘوزع اﻷﺨطﺎء ﺘوزﻴﻌﺎ طﺒﻴﻌﻲ‬

‫ﻓﻲ ﻫذا اﻝﻤﺠﺎل ﻴﺘم اﻝﺘﺄﻜد ﻤن ﻤﺎ إذا ﻜﺎﻨت اﻝﻔرﻀﻴﺎت اﻝﻜﻼﺴﻴﻜﻴﺔ ﻤﺤﻘﻘﺔ ﻓﻲ اﻝﻨﻤوذج اﻝﻤﻘدر أم ﻻ ‪ ،‬وﻴﺘم ذﻝك‬
‫ﻋﺒر ﻤﺠﻤوﻋﺔ ﻤن اﻻﺨﺘﺒﺎرات‪ ،‬ﻓﻲ ﺤﺎل ﻋدم ﺘﺤﻘق اﺤد أو ﺒﻌض ﻫذﻩ اﻝﻔرﻀﻴﺎت ﻨﻜون أﻤﺎم ﻤﺸﺎﻜل ﻗﻴﺎﺴﻴﺔ‬
‫ﻴﺠب إﻴﺠﺎد طرق ﻝﻤﻌﺎﻝﺠﺘﻬﺎ ‪ ،‬ﺘﺘﻤﺜل ﻫذﻩ اﻝﻤﺸﺎﻜل اﻝﻘﻴﺎﺴﻴﺔ ﻓﻲ ﺜﻼﺜﺔ ﻋﻨﺎﺼر أﺴﺎﺴﻴﺔ‪:‬‬

‫‪ -1‬ﻤﺸﻜل اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻷﺨطﺎء)‪:(Autocorrelation‬‬

‫ﺘﺘﻤﺜل اﺤد اﻝﻔرﻀﻴﺎت اﻝﻜﻼﺴﻴﻜﻴﺔ ﻝطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ ﻓﻲ اﺴﺘﻘﻼل اﻷﺨطﺎء اﻝﻌﺸواﺌﻴﺔ ﻓﻴﻤﺎ‬
‫ﺒﻴﻨﻬﺎ‪ ،‬أي ﻋدم وﺠود ارﺘﺒﺎط ﺒﻴن ﻗﻴﻤﺔ اﻝﺨطﺄ ﰲ ﻓﱰة زﻣﻨﻴﺔ ﻣﻌﻴﻨﺔ ﻋﻦ اﻟﻘﻴﻤﺔ اﳌﻘﺪرة ﳊﺪ اﳋﻄﺄ وﻓﱰة زﻣﻨﻴﺔ ﺳﺎﺑﻘﺔ‪.‬‬
‫أي ‪:‬‬

‫‪Cov (ε i , ε j ) = 0, ∀i ≠ j‬‬
 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫ﺘﻨﺸﺄ ﻤﺸﻜﻠﺔ اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﻓﻲ اﻝﻨﻤﺎذج اﻝﻘﻴﺎﺴﻴﺔ اﻝﺘﻲ ﺘﻌﺘﻤد ﻋﻠﻰ ﺒﻴﺎﻨﺎت اﻝﺴﻼﺴل اﻝزﻤﻨﻴﺔ ﻋﻨدﻤﺎ ﻴﻜون ﻫﻨﺎك‬
‫) ‪..... t-2 ,t-1‬اﻝﺦ(‬ ‫ارﺘﺒﺎط ﺒﻴن ﻗﻴم اﻝﻤﺘﻐﻴر اﻝﻌﺸواﺌﻲ ﻓﻲ اﻝﻔﺘرة اﻝزﻤﻨﻴﺔ ‪ t‬وﺒﻴن ﻗﻴﻤﺘﻪ ﻓﻲ ﻓﺘرات ﺴﺎﺒﻘﺔ‬
‫أي أن اﻝﺘﺒﺎﻴن اﻝﻤﺸﺘرك ﻝﻠﺨطﺄ ﻻ ﻴﺴﺎوي اﻝﺼﻔر‬

‫‪Cov (ε i , ε j ) ≠ 0‬‬

‫‪-1-1‬أﺴﺒﺎب اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻷﺨطﺎء‪:‬‬

‫ﺘﺘﻠﺨص أﻫم أﺴﺒﺎب وﺠود اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻝﻘﻴم اﻝﻤﺸﺎﻫدة ﻝﻠﻤﺘﻐﻴر اﻝﻌﺸواﺌﻲ ﻓﻴﻤﺎ ﻴﻠﻲ‪:‬‬

‫• اﻝﺼﻴﺎﻏﺔ ﻏﻴر اﻝدﻗﻴﻘﺔ ﻝﻠﻨﻤوذج‬

‫• ﺤذف ﺒﻌض اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ أو اﻝﺘﻔﺴﻴرﻴﺔ ﻤن اﻝﻨﻤوذج‬
‫• اﻝﺨطﺄ ﻓﻲ ﻤﻌﺎﻝﺠﺔ اﻝﺒﻴﺎﻨﺎت‪.‬‬
‫• ﺘﺄﺜر اﻝﻤﺸﺎﻫدات اﻝﺤﺎﻝﻴﺔ ﺒﺎﻝﻤﺸﺎﻫدات اﻝﺘﻲ ﺘﺴﺒﻘﻬﺎ ﻓﻲ ﺤﺎﻻت اﻝﺴﻼﺴل اﻝزﻤﻨﻴﺔ‬
‫‪ -2-1‬اﺨﺘﺒﺎرات اﻝﻜﺸف ﻋن اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻷﺨطﺎء‪:‬‬

‫ﻝذﻝك ﺘﺴﺘﻌﻤل ﻋدة اﺨﺘﺒﺎرات ﻝﻠﻜﺸف ﻋﻠﻰ ﻫذا اﻻﺨﺘﻼل ﻤﻨﻬﺎ ﻤﺎ ﻴﻠﻲ ‪:‬‬

‫‪ -1-2-1‬اﺨﺘﺒﺎر درﺒﻴن واﺘﺴون ‪: Durbin-Watson‬‬

‫ﻴﻌﺘﺒر اﺨﺘﺒﺎر ‪ Durbin-Watson‬ﻤن أﻫم اﻻﺨﺘﺒﺎرات اﻝﺸﺎﺌﻌﺔ اﻝﻤﺴﺘﺨدﻤﺔ ﻓﻲ اﻜﺘﺸﺎف اﻻرﺘﺒﺎط اﻝذاﺘﻲ‬
‫ﻤن اﻝدرﺠﺔ اﻷوﻝﻰ ﺤﺴب اﻝﺸﻜل‪:‬‬
‫‪2‬‬
‫) ‪ε t = ρε t −1 + ut , ut ~ N (0, σ u‬‬

‫وﻴﻬدف إﻝﻰ اﺨﺘﺒﺎر اﻝﻔرﻀﻴﺎت اﻝﺘﺎﻝﻴﺔ ‪:‬‬

‫‪H 0 :ρ = 0‬‬
‫‪H1 : ρ ≠ 0‬‬

‫ﻻﺨﺘﺒﺎر ﻓرﻀﻴﺔ اﻝﻌدم ‪ H0‬ﻴﺠب ﺤﺴﺎب إﺤﺼﺎﺌﻴﺔ درﺒﻴن واﺘﺴون ‪:DW‬‬

‫‪n‬‬

‫ˆ‪∑ (ε‬‬
‫‪2‬‬
‫‪t‬‬ ‫) ‪− εˆt −1‬‬
‫‪t =2‬‬
‫= ‪DW‬‬ ‫‪n‬‬

‫ˆ‪∑ ε‬‬
‫‪t =1‬‬
‫‪t‬‬
‫‪2‬‬

‫ﻴﻤﻜن ﻜﺘﺎﺒﺔ اﻹﺤﺼﺎﺌﻴﺔ أﻴﻀﺎ ﺒدﻻﻝﺔ ﻤﻘدر ﻤﻌﺎﻤل اﻻرﺘﺒﺎط ‪ ، ρ‬ﻝدﻴﻨﺎ‪:‬‬

 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫‪n‬‬ ‫‪n‬‬ ‫‪n‬‬

‫ˆ‪∑ ε‬‬
‫‪t =1‬‬
‫‪t‬‬
‫‪2‬‬
‫‪+ ∑ εˆt2−1 − 2∑ εˆt εˆt −1‬‬
‫‪t =2‬‬ ‫‪t =1‬‬
‫= ‪DW‬‬ ‫‪n‬‬

‫ˆ‪∑ ε‬‬‫‪t =1‬‬

‫‪t‬‬
‫‪2‬‬

‫ﻧﻼﺣﻆ أن‪ ∑ εˆ t2 ≅ ∑ εˆt2−1 :‬إذن‪:‬‬

‫‪n‬‬ ‫‪n‬‬

‫‪t =1‬‬ ‫‪t=2‬‬

‫‪n‬‬ ‫‪n‬‬
‫‪2∑ εˆt2−1‬‬ ‫‪2∑ εˆt εˆt −1‬‬
‫‪t =2‬‬ ‫‪t =1‬‬
‫≅ ‪DW‬‬ ‫‪n‬‬
‫‪−‬‬ ‫‪n‬‬

‫ˆ‪∑ ε‬‬
‫‪t =1‬‬
‫‪2‬‬
‫‪t −1‬‬ ‫ˆ‪∑ ε‬‬
‫‪t =1‬‬
‫‪2‬‬
‫‪t −1‬‬

‫‪n‬‬

‫ˆ‪∑ εˆ ε‬‬
‫ﻧﻌﻠﻢ أن‪:‬‬
‫‪t‬‬ ‫‪t −1‬‬
‫= ˆ‪ρ‬‬ ‫‪t =1‬‬
‫‪n‬‬

‫ˆ‪∑ ε‬‬
‫‪t =1‬‬
‫‪2‬‬
‫‪t −1‬‬

‫) ˆ‪DW ≅ 2(1 − ρ‬‬ ‫وﻣﻨﻪ‪:‬‬

‫ﺤﻴث أن اﻹﺤﺼﺎﺌﻴﺔ ‪ DW‬ﺘﻤﺜل اﻝﻘﻴﻤﺔ اﻝﻤﺤﺴوﺒﺔ ﻝﻼﺨﺘﺒﺎر وﺘﺄﺨذ ﻗﻴﻤﻬﺎ ﺒﻴن ‪ 0‬و‪ .4‬وﻴﺘﻀﺢ ﻤن اﻝﻤﻌﺎدﻝﺔ‬
‫اﻝﺴﺎﺒﻘﺔ أﻨﻪ إذا ﻜﺎﻨت ‪ ρ = 0‬ﻓﺈن ‪. DW ≅ 2‬‬

‫وﻴوﻀﺢ اﻝﺸﻜل اﻝﺘﺎﻝﻲ ﻗﻴم ‪) d‬اﻝﻘﻴم اﻝﻤﺠدوﻝﺔ ﻝﻼﺨﺘﺒﺎر(‪ ،‬اﻝﺘﻲ ﺘﺸﻴر إﻝﻰ وﺠود أو ﻋدم وﺠود ارﺘﺒﺎط ذاﺘﻲ‬
‫ﻤن اﻝدرﺠﺔ اﻷوﻝﻰ ﻤوﺠب أو ﺴﺎﻝب‪ ،‬أو ﺘﺠﻌل ﻨﺘﻴﺠﺔ اﻻﺨﺘﺒﺎر ﻏﻴر ﻤﺤددة‪ ،‬وﺘوﺠد ﻗﻴم ﻜل ﻤن اﻝﺤدﻴن اﻷﻋﻠﻰ‬
‫واﻷدﻨﻰ ﻝـ ‪ (dL,dU) d‬ﻓﻲ اﻝﺠدول اﻹﺤﺼﺎﺌﻲ ﻝﺘوزﻴﻊ درﺒﻴن واﺘﺴون‪.‬‬

‫‪Durbin-Watson‬‬ ‫اﻟﺸﻜﻞ رﻗﻢ )‪ : (1‬ﻣﻨﺎﻃﻖ اﻟﻘﺒﻮل واﻟﺮﻓﺾ ﻻﺧﺘﺒﺎر‬

‫‪0‬‬ ‫‪dL‬‬ ‫‪dU‬‬ ‫‪2‬‬ ‫‪4-dU‬‬ ‫‪4-dL‬‬ ‫‪4‬‬
‫‪ρ >0‬‬ ‫‪ρ =0‬‬ ‫‪ρ =0‬‬ ‫؟‬ ‫‪ρ <0‬‬
‫؟‬

‫ارتباط ذاتي موجب‬ ‫غير محدد‬ ‫عدم وجود ارتباط‬ ‫عدم وجود ارتباط‬ ‫غير محدد‬ ‫ارتباط ذاتي سالب‬

‫‪H0‬رفض‬ ‫)منطقة الشك(‬ ‫‪H0‬قبول‬ ‫‪H0‬قبول‬ ‫)منطقة الشك(‬ ‫‪H0‬رفض‬

‫ﺒﺎﻻﻋﺘﻤﺎد ﻋﻠﻰ اﻝﺸﻜل رﻗم )‪ (1‬ﻴﻤﻜن أن ﺘُﺴﺘﺨرج ﻨﺘﻴﺠﺔ اﺨﺘﺒﺎر ‪ DW‬ﻜﺎﻝﺘﺎﻝﻲ‪:‬‬

‫إذا ﻜﺎﻨت ‪ DW < d L‬أو ‪ DW > 4 − d L‬ﻴرﻓض ‪. H0‬‬ ‫‪‬‬

‫إذا ﻜﺎﻨت ‪ 4 − dU > DW > dU‬ﻴﻘﺒل ‪. H0‬‬ ‫‪‬‬

‫إذا ﻜﺎﻨت ‪ 4 − dU ≤ DW ≤ 4 − d L‬أو ‪ d L ≤ DW ≤ dU‬ﺘﻜون ﻨﺘﻴﺠﺔ اﻻﺨﺘﺒﺎر ﻏﻴر ﻤﺤددة‪ ،‬وﻤن ﺜم ﻴﺠب‬ ‫‪‬‬

‫إﻀﺎﻓﺔ ﺒﻴﺎﻨﺎت أﻜﺜر‪.‬‬

‫ﻻ ﻴﻤﻜن اﺴﺘﻌﻤﺎل ﻫذا اﻻﺨﺘﺒﺎر إﻻ ﻓﻲ ظل اﻝﺸروط اﻝﺘﺎﻝﻴﺔ‪:‬‬
 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫‪ ‬ﻴﺠب أن ﻴﻜون اﻝﻨﻤوذج ﻤﺘﻀﻤﻨﺎ ﻝﻠﻤﻌﻠم اﻝﺜﺎﺒت ‪β 0‬‬
‫اﻝﻨﻤوذج اﻝﻤﻘدر ﻻ ﻴﺘﻀﻤن ﻤﺘﻐﻴرات ﺘﺎﺒﻌﺔ ذات ﻓﺘرات إﺒطﺎء ﻜﻤﺘﻐﻴرات ﻤﺴﺘﻘﻠﺔ‬ ‫‪‬‬

‫ﻻ ﻴﺨﺘﺒر درﺒﻴن واﺘﺴون إﻻ اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﻤن اﻝدرﺠﺔ اﻷوﻝﻰ‪.‬‬ ‫‪‬‬

‫ﻤﺜﺎل‪:‬‬

‫إذا أﻋطﻴت ﻝك ﻨﺘﺎﺌﺞ ﺘﻘدﻴر إﺤدى اﻝﻌﻼﻗﺎت اﻝﻨظرﻴﺔ اﻻﻗﺘﺼﺎدﻴﺔ ﺨﻼل ﻤدة زﻤﻨﻴﺔ ﺘﻘدر ب ‪ 8‬ﺴﻨﺔ‬

‫‪Yˆt = 24.48 + 1.48 X t‬‬

‫و ﻝدﻴﻨﺎ اﻝﻤﻌطﻴﺎت اﻝﺘﺎﻝﻴﺔ‪:‬‬

‫‪8‬‬

‫) ‪∑ (e‬‬ ‫‪2‬‬ ‫‪8‬‬

‫‪= 147.20‬‬
‫‪t =1‬‬
‫‪t‬‬
‫‪∑ (e‬‬
‫‪t =2‬‬
‫‪t‬‬ ‫‪− et −1 ) 2 = 98.75‬‬

‫‪d U = 1.36‬‬ ‫‪ -1‬اﺨﺘﺒر وﺠود ﻤﺸﻜﻠﺔ اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻷﺨطﺎء ﻤن اﻝدرﺠﺔ اﻷوﻝﻰ‪ ،‬ﻋﻠﻤﺎ أن‪d L = 1.08 :‬‬

‫اﳊﻞ‪:‬‬
‫‪:Durbin-Watson‬‬ ‫ﻻﺨﺘﺒﺎر وﺠود ﻤﺸﻜﻠﺔ اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻷﺨطﺎء ﻤن اﻝدرﺠﺔ اﻷوﻝﻰ‪ ،‬ﻨﺴﺘﻌﻴن ﺒﺎﺨﺘﺒﺎر‬
‫ﺤﺴﺎب إﺤﺼﺎﺌﻴﺔ درﺒﻴن واﺘﺴون ‪:DW‬‬
‫‪8‬‬

‫‪∑ (e‬‬
‫‪2‬‬
‫‪t‬‬ ‫) ‪− et −1‬‬
‫‪t =2‬‬ ‫‪98.75‬‬
‫= ‪DW‬‬ ‫‪8‬‬
‫=‬ ‫‪= 0.670‬‬
‫‪147.20‬‬
‫‪∑e‬‬
‫‪t =1‬‬
‫‪2‬‬
‫‪t‬‬

‫‪0‬‬ ‫‪1.08‬‬ ‫‪1.36‬‬ ‫‪2‬‬ ‫‪2.64‬‬ ‫‪4‬‬

‫‪DW=0.67‬‬ ‫‪ρ =0‬‬ ‫‪ρ =0‬‬ ‫؟‬
‫‪2.92‬‬
‫‪ρ <0‬‬
‫؟‬
‫‪ρ >0‬‬
‫ارتباط ذاتي موجب‬ ‫غير محدد‬ ‫عدم وجود ارتباط‬ ‫عدم وجود ارتباط‬ ‫غير محدد‬ ‫ارتباط ذاتي سالب‬

‫‪H0‬رفض‬ ‫)منطقة الشك(‬ ‫‪H0‬قبول‬ ‫‪H0‬قبول‬ ‫)منطقة الشك(‬ ‫‪H0‬رفض‬

‫ﻨﻼﺤظ أن إﺤﺼﺎﺌﻴﺔ درﺒﻴن واﺘﺴون ‪ 0 p DW = 0.67 < d L = 1.08‬وﻋﻠﻴﻪ ﻴﺘم رﻓض ‪ H0‬وﻗﺒول اﻝﻔرﻀﻴﺔ‪ H1‬ﻴوﺠد‬
‫ارﺘﺒﺎط ذاﺘﻲ ﺒﻴن اﻷﺨطﺎء ﻤن اﻝدرﺠﺔ اﻷوﻝﻰ)ارﺘﺒﺎط ﻤوﺠب(‪.‬‬

‫‪ -2-2-1‬اﺨﺘﺒﺎر ‪Breusch-Godfrey‬‬

‫ﻨﺴﺘﻌﻤل اﺨﺘﺒﺎر ‪ Breusch-Godfrey‬اﻝذي ﻴرﺘﻜز ﻋﻠﻰ ﻤﻀﺎﻋف ﻻﻏرﻨﺞ اﻝذي ﻴﺴﻤﺢ ﺒﺎﺨﺘﺒﺎر وﺠود‬
‫ارﺘﺒﺎط ذاﺘﻲ ﻤن درﺠﺔ أﻜﺒر ﻤن اﻝواﺤد‪.‬‬

‫ﻨﻤوذج اﻻﻨﺤدار اﻝذاﺘﻲ ﻝﻸﺨطﺎء ﻤن اﻝدرﺠﺔ ‪ p‬ﻴﻜﺘب ﻋﻠﻰ اﻝﺸﻜل اﻝﺘﺎﻝﻲ‪:‬‬

 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫‪ε t = ρ1ε t −1 + ρ 2ε t − 2 + ... + ρ p ε t − p + u t‬‬

‫ﻴرﺘﻜز ﻫذا اﻻﺨﺘﺒﺎر ﻋﻠﻰ ﻤﻀﺎﻋف ﻻﻏراﻨﺞ و اﻝذي ﻴﺴﻤﺢ ﺒﺎﺨﺘﺒﺎر وﺠود ارﺘﺒﺎط ذاﺘﻲ ﻤن درﺠﺔ أﻜﺒر ﻤن‬
‫اﻝواﺤد‪ .‬ﻨﻤوذج اﻻﻨﺤدار اﻝذاﺘﻲ ﻝﻸﺨطﺎء ﻤن اﻝدرﺠﺔ ‪ p‬ﻴﻜﺘب ﻋﻠﻰ اﻝﺸﻜل اﻝﺘﺎﻝﻲ‪:‬‬

‫‪ε t = ρ1ε t −1 + ρ 2ε t − 2 + ... + ρ p ε t − p + u t‬‬

‫ﻝﻴﻜن اﻝﻨﻤوذج اﻝﻌﺎم ﺤﻴث أن اﻷﺨطﺎء ﻤرﺘﺒطﺔ ذاﺘﻴﺎ‪:‬‬

‫‪Yt = β 0 + β1 X t1 + ... + β k X tk + ρ1ε t −1 + ρ 2ε t − 2 + ... + ρ p ε t − p + ut‬‬

‫ﻫﻨﺎك ﺜﻼث ﺨطوات ﻹﺠراء ﻫذا اﻻﺨﺘﺒﺎر‪:‬‬

‫‪. ‬ﺘﻘدﻴر اﻝﻨﻤوذج اﻝﻌﺎم ﺒطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى ﺜم ﺤﺴﺎب اﻝﺒواﻗﻲ ‪εˆt‬‬
‫ﺘﻘدﻴر اﻝﻤﻌﺎدﻝﺔ اﻝوﺴﻴطﻴﺔ اﻝﺘﺎﻝﻴﺔ‪:‬‬ ‫‪‬‬

‫‪εˆt = β 0 + β1 X t1 + ... + β k X tk + ρ1εˆt −1 + ρ 2εˆt −2 + ... + ρ p εˆt − p + u t‬‬

‫ﺜم ﺤﺴﺎب ﻤﻌﺎﻤل اﻝﺘﺤدﻴد اﻝﺨﺎص ﺒﻬذﻩ اﻝﻤﻌﺎدﻝﺔ ‪ . R 2‬ﻨذﻜر أن ﺒﺎﺴﺘﻌﻤﺎل ﻫذﻩ اﻝﻤﻌﺎدﻝﺔ‪ ،‬ﺴﻨﻔﻘد ‪ p‬ﻤﺸﺎﻫدة‪.‬‬

‫ﻓرﻀﻴﺔ اﺴﺘﻘﻼﻝﻴﺔ اﻷﺨطﺎء ‪ H0‬اﻝﺘﻲ ﻴﻨﺒﻐﻲ اﺨﺘﺒﺎرﻫﺎ ﻫﻲ‪:‬‬ ‫‪‬‬

‫‪H 0 : ρ1 = ρ 2 = ... = ρ p = 0‬‬

‫ﻀد اﻝﻔرﻀﻴﺔ اﻝﺒدﻴﻠﺔ‬

‫‪H1 : ∃ρ i ≠ 0‬‬

‫وﺘﻜﺘب اﻹﺤﺼﺎﺌﻴﺔ ﻋﻠﻰ اﻝﺸﻜل اﻝﺘﺎﻝﻲ‪:‬‬

‫‪ LM = (n − p ) × R 2‬اﻝﺘﻲ ﺘﺘﺒﻊ ﺘوزﻴﻊ ‪ χ 2‬ﺒدرﺠﺔ ﺤرﻴﺔ ‪. p‬‬

‫)‪) χ 2 ( p‬اﻝﻘﻴﻤﺔ اﻝﺤرﺠﺔ ﻝﺘوزﻴﻊ ‪ χ 2‬ﺒﻨﺴﺒﺔ ﻤﻌﻨوﻴﺔ ‪ ،( α‬ﻓﺈﻨﻨﺎ ﻨرﻓض ‪H0‬‬ ‫إذا ﻜﺎن ‪ (n − p) × R 2‬أﻜﺒر ﻤن‬
‫ﻓرﻀﻴﺔ اﺴﺘﻘﻼﻝﻴﺔ اﻷﺨطﺎء‪.‬‬

‫‪ -3-1‬طرق اﻝﺘﻘدﻴر ﻓﻲ ﺤﺎﻝﺔ وﺠود ارﺘﺒﺎط ذاﺘﻲ ﺒﻴن اﻷﺨطﺎء‪:‬‬

‫‪ -1-2-1‬طرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻤﻌﻤﻤﺔ ‪:GLS‬‬
‫ﻓﻌﺎﻝﺔ ﺤﻴث أﻨﻬﺎ ﺘﻌطﻲ ﻓﻲ‬
‫ﻓﺈن طرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى ﺘﺼﺒﺢ ﻏﻴر ّ‬
‫ﻓﻲ ﺤﺎﻝﺔ وﺠود ارﺘﺒﺎط ذاﺘﻲ ﻝﺤد اﻝﺨطﺄ ّ‬
‫ﻫذﻩ اﻝﺤﺎﻝﺔ ﻤﻘدرات ﻏﻴر ﻤﺘﺤﻴزة وﻝﻜﻨﻬﺎ ﻏﻴر ﻓﻌﺎﻝﺔ ‪ ،‬ﻴﺘم اﺴﺘﻌﻤﺎل طرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻤﻌﻤﻤﺔ ‪GLS‬‬
 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫ﻝﺘﻘدﻴر ﺸﻌﺎع اﻝﻤﻌﺎﻝم ‪ β‬ﻓﻲ ﻫذﻩ اﻝﺤﺎﻝﺔ ﺤﻴث ﻴﻌد اﻝﺒروﻓﻴﺴور ‪ Aitken.c‬أول ﻤن اﺴﺘﺨدم ﻫذﻩ اﻝطرﻴﻘﺔ ﻋﺎم‬
‫‪ 1935‬ﻓﻲ ﺒﺤﺜﻪ اﻝﻤوﺴوم ﺤﻴث ﺴﻤﻴت ﺒﺎﺴﻤﻪ)‪ (Aitkin generalized least squares method‬ﺘﻌطﻲ ﻫذﻩ‬
‫اﻝطرﻴﻘﺔ اﻝﺤل ﻝﻤﺸﻜﻠﺔ اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻝﻤﺘﻐﻴرات اﻝﻌﺸواﺌﻴﺔ ﻓﻲ اﻝﻨﻤﺎذج اﻻﻗﺘﺼﺎدﻴﺔ ﻜﻤﺎ ﺘﻌطﻲ ﻤﻘدراﺘﻬﺎ‬
‫ﺨﺼﺎﺌص ﻤﻘدرات اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى وﺤﺴب ﻫذﻩ اﻝطرﻴﻘﺔ ﺘﻜون ﺼﻴﻐﺔ ﺤﺴﺎب اﻝﻤﻘدرات ﻓﻲ ﻫذﻩ اﻝطرﻴﻘﺔ‬
‫ﻜﺎﻷﺘﻲ ‪:‬‬
‫)‪b = ( X ′ Ω-1 ε X)-1( X ′ Ω-1 Y‬‬

‫‪ : Ω-1ε‬ﻤﺼﻔوﻓﺔ اﻝﺘﺒﺎﻴن اﻝﻤﺸﺘرك ﻝﻸﺨطﺎء اﻝﻤرﺘﺒطﺔ ﺨطﻴﺎ‬

‫‪ -2-2-1‬ﺘﻘدﻴر ‪:ρ‬‬

‫إذا أﺨذﻨﺎ ﺒﻌﻴن اﻻﻋﺘﺒﺎر اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻷﺨطﺎء‪ ،‬اﻝﻨﻤوذج اﻝﺨطﻲ اﻝﻌﺎم ﻴﻜﺘب ﻋﻠﻰ اﻝﺸﻜل اﻝﺘﺎﻝﻲ‪:‬‬

‫‪Y = Xβ + ε‬‬

‫‪ε t = ρ ε t −1 + u t , ρ < 1‬‬ ‫ﻣﻊ‪:‬‬

‫ﻴﻜﺘب اﻝﻨﻤوذج اﻝﻤﺼﺤﺢ ﻋﻠﻰ اﻝﻨﺤو اﻝﺘﺎﻝﻲ‪:‬‬

‫‪Yt − ρYt −1 = β 0 (1 − ρ ) + β1 ( X t1 − ρX t −1,1 ) + β 2 ( X t 2 − ρX t −1, 2 ) + ... + β k ( X tk − ρX t −1,k ) + ε t − ρε t −1‬‬
‫ﻜﻤﺎ ذﻜرﻨﺎ‪ ،‬ﻴﺘم ﺘﻘدﻴر اﻝﻨﻤوذج اﻷﺨﻴر ﺒطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ‪ .‬اﻝﻤﺸﻜل اﻷﺴﺎﺴﻲ اﻝذي ﻨواﺠﻬﻪ‬
‫ﻴﺘﻤﺜل ﻓﻲ ﺘﻘدﻴر ﻤﻌﺎﻤل اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻷﺨطﺎء ﻤن اﻝدرﺠﺔ اﻷوﻝﻰ‪ .‬ﻫﻨﺎك إذن ﻋدة طرق ﻝﻠﺘﻘدﻴر ﻤﻨﻬﺎ ﻤﺎ‬
‫ﻴﻠﻲ ‪:‬‬

‫‪ .1.2.2‬ﺘﻘدﻴر ‪ ρ‬ﻋن طرﻴق إﺤﺼﺎﺌﻴﺔ ‪:Durbin-Watson‬‬

‫اﻝﺨطوة اﻷوﻝﻰ‪ :‬ﺘﻘدﻴر ‪ ρ‬اﻨطﻼﻗﺎ ﻤن إﺤﺼﺎﺌﻴﺔ ‪ ،DW‬ﺤﻴث‪ρˆ ≅ 1 − DW / 2 :‬‬

‫اﻝﺨطوة اﻝﺜﺎﻨﻴﺔ‪ :‬ﺘﻘدﻴر اﻝﻨﻤوذج اﻝﺘﺎﻝﻲ ﺒﻌد إﺠراء اﻝﺘﻌدﻴﻼت ﻋﻠﻰ اﻝﻤﺸﺎﻫدات ﺒﺤﺴﺎب ﺸﺒﻪ اﻝﻔروﻗﺎت‪:‬‬

‫‪Yt − ρˆYt −1 = β 0 (1 − ρˆ ) + β1 ( X t1 − ρˆX t −1,1 ) + β 2 ( X t 2 − ρˆX t −1, 2 ) + ... + β k ( X tk − ρˆX t −1,k ) + ut‬‬

‫‪Yt * = β 0* + β1 X t*1 + β 2 X t*2 + ... + β k X tk* + u t‬‬ ‫أي‪:‬‬

‫و ) ˆ‪. βˆ0* = βˆ0 (1 − ρ‬‬ ‫اﻝﻤﻌﺎﻝم اﻝﻤﻘدرة ﺒطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى ﻫﻲ‪βˆ1 ,..., βˆ k :‬‬

‫‪ .2.2.2‬ﺘﻘدﻴر ‪ ρ‬ﺒطرﻴﻘﺔ ‪:Theil-Nagar‬‬

 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫اﻗﺘرح ‪ Theil‬و ‪ Nagar‬ﺘﻘدﻴ ار ﻝـ ‪ ρ‬ﻤن ﺨﻼل اﻝﻌﻼﻗﺔ اﻝﺘﺎﻝﻴﺔ ‪:‬‬
‫‪2‬‬
‫)‪n 2 [1 − (DW / 2 )] + (k + 1‬‬
‫= ˆ‪ρ‬‬ ‫‪2‬‬
‫)‪n 2 − (k + 1‬‬

‫ﺤﻴث ‪ k‬ﻫﻲ ﻋدد اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ‪ .‬ﻨﺴﺘﺨدم ﻨﻔس اﻝﺨطوات ﻝﺘﻘدﻴر ﻤﻌﺎﻝم اﻝﻨﻤوذج ﺒطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت‬
‫اﻝﺼﻐرى‪.‬‬

‫‪ .3.2.2‬طرﻴﻘﺔ ‪Cochrane-Orcutt‬‬

‫اﻗﺘرح ‪ Cochrane‬و ‪ Orcutt‬ﺘﻘدﻴ ار ﺒﺈﻋطﺎء ﻗﻴﻤﺔ اﺒﺘداﺌﻴﺔ ﻝـ ‪ ρ‬ﺒواﺴطﺔ اﻝﻘﻴم اﻝﻤﻘدرة ﻝﺤد اﻝﺨطﺄ‪.‬‬

‫∑ = ˆ‪ ، ρ‬ﻓﻠﻴﻜن‪:‬‬
‫‪εˆt εˆt −1‬‬
‫اﻝﺨطوة اﻷوﻝﻰ‪ :‬إﻋطﺎء ﻗﻴﻤﺔ اﺒﺘداﺌﻴﺔ ﻝﻤﻌﺎﻤل اﻻرﺘﺒﺎط وذﻝك ﺒﺘﻘﻨﻴﺔ ﺘﻘدﻴر ﻤﺒﺎﺸرة‪:‬‬
‫‪∑ εˆt2−1‬‬
‫ˆ‪ρˆ 0 = ρ‬‬

‫اﻝﺨطوة اﻝﺜﺎﻨﻴﺔ‪ :‬ﺘﻘدﻴر اﻝﻨﻤوذج اﻝﺘﺎﻝﻲ ﺒطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ‪:‬‬

‫‪Yt − ρˆ 0Yt −1 = β 0 (1 − ρˆ 0 ) + β1 ( X t1 − ρˆ 0 X t −1,1 ) + β 2 ( X t 2 − ρˆ 0 X t −1, 2 ) + ... + β k ( X tk − ρˆ 0 X t −1,k ) + ut‬‬

‫و ) ˆ‪. βˆ0* = βˆ0 (1 − ρ‬‬ ‫‪βˆ1 ,..., βˆ k‬‬ ‫اﳌﻌﺎﱂ اﳌﻘﺪرة ﻫﻲ‪:‬‬

‫اﻝﺨطوة اﻝﺜﺎﻝﺜﺔ‪ :‬إﻋﺎدة ﺘﻘدﻴر ‪ ρ‬ﺒﺒواﻗﻲ ﺘﻘدﻴر ﺠدﻴدة ‪ εˆt1‬ﺤﻴث‪:‬‬

‫‪εˆt(1) = Yt − βˆ0 − βˆ1 X t1 − ... − βˆk X tk‬‬

‫= ‪ρˆ1‬‬ ‫ˆ‪∑ εˆ ε‬‬

‫)‪(1) (1‬‬
‫‪t‬‬ ‫‪t −1‬‬

‫) ˆ‪∑ (ε‬‬ ‫‪(1) 2‬‬

‫‪t‬‬

‫اﻝﺨطوة اﻝراﺒﻌﺔ‪ :‬ﺘﻘدﻴر اﻝﻨﻤوذج اﻝﺘﺎﻝﻲ ﻋﻠﻰ اﻝﻤﺘﻐﻴرات ذات ﺸﺒﻪ اﻝﻔروﻗﺎت‪:‬‬

‫‪ Yt − ρˆ1Yt −1 = β 0 (1 − ρˆ1 ) + β1 ( X t1 − ρˆ1 X t −1,1 ) + β 2 ( X t 2 − ρˆ1 X t −1, 2 ) + ... + β k ( X tk − ρˆ1 X t −1,k ) + ut‬ﰒ‬
‫ﻨﻌﻴد ﺘﻘدﻴر ‪ ρ‬ﻤرة أﺨرى ﺒﺒواﻗﻲ ﺘﻘدﻴر ﺠدﻴدة )‪ εˆt( 2‬ﻓﻨﺤﺼل ﻋﻠﻰ ﺘﻘدﻴر ﻝـ ‪ . ρ̂ 2‬ﻨﻜرر اﻝﻌﻤﻠﻴﺔ ﻤرات أﺨرى إﻝﻰ‬
‫ﻏﺎﻴﺔ ﺴﻜون ﻤﻘدرات اﻝﻨﻤوذج )ﻋﺎدة ﻨﻜرر اﻝﻌﻤﻠﻴﺔ ﺜﻼث أو أرﺒﻊ ﻤرات(‪.‬‬

‫‪:‬‬ ‫‪Heteroscedasticity‬‬ ‫‪ -2‬ﻤﺸﻜل ﻋدم ﺘﺠﺎﻨس ﺘﺒﺎﻴن اﻷﺨطﺎء‬

‫‪ -1-2‬طﺒﻴﻌﺔ ﻤﺸﻜﻠﺔ ﻋدم ﺘﺠﺎﻨس ﺘﺒﺎﻴن اﻷﺨطﺎء‬

 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫إذا ﻜﺎﻨت ﻓرﻀﻴﺔ ﺘﺠﺎﻨس اﻝﺘﺒﺎﻴن ﻏﻴر ﻤﺤﻘﻘﺔ‪ ،‬ﻓﺈن ﻤﺼﻔوﻓﺔ اﻝﺘﺒﺎﻴن‪-‬اﻝﺘﺒﺎﻴن اﻝﻤﺸﺘرك ﻝﻸﺨطﺎء ﺘﻌرف ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫‪ σ ε2,1‬‬ ‫‪0‬‬ ‫‪L‬‬ ‫‪0 ‬‬

‫‪‬‬ ‫‪2‬‬
‫‪‬‬
‫'‬ ‫‪ 0‬‬ ‫‪σ ε ,2‬‬ ‫‪L‬‬ ‫‪0 ‬‬ ‫‪2‬‬
‫‪Ω ε = E (εε ) = ‬‬ ‫‪ ≠ σ ε In‬‬
‫‪ M‬‬ ‫‪M‬‬ ‫‪O‬‬ ‫‪M ‬‬
‫‪ 0‬‬ ‫‪0‬‬ ‫‪L‬‬ ‫‪σ ε2, n ‬‬
‫‪‬‬

‫ﻤن اﻝﻤﻼﺤظ أن ﺘﺒﺎﻴﻨﺎت اﻷﺨطﺎء ﻝﻴﺴت ﺜﺎﺒﺘﺔ ﻋﻠﻰ اﻝﻘطر اﻷول وﺒﺎﻝﺘﺎﻝﻲ ﺘﺒﺎﻴن اﻷﺨطﺎء ﻤرﺘﺒط ﺒﻘﻴم اﻝﻤﺘﻐﻴر اﻝﻤﺴﺘﻘل ﻜﻤﺎ ﻴظﻬر‬
‫اﻝﺸﻜل )‪.(3-3‬‬

‫ﻴوﻀﺢ اﻝﺸﻜل رﻗم )‪ (2‬اﻝﻌﻼﻗﺔ اﻝﻤﺘوﻗﻌﺔ ﺒﻴن اﻝﻤﺘﻐﻴرﻴن اﻝﺘﺎﺒﻊ ‪ Y‬واﻝﻤﺴﺘﻘل ‪ X‬ﻓﻲ ﺤﺎﻝﺔ ﺜﺒﺎت ﺘﺒﺎﻴن اﻝﺨطﺄ‪ ،‬وﻴﻼﺤظ ﻤن ﺨﻼل‬
‫ﻫذا اﻝﺸﻜل أن ﺘﺒﺎﻴن ﺤد اﻝﺨطﺄ ﻻ ﻴﻌﺘﻤد ﻋﻠﻰ ﻗﻴم ‪X‬‬

‫اﻟﺸﻜﻞ رﻗﻢ )‪(3‬‬ ‫اﻟﺸﻜﻞ رﻗﻢ )‪(2‬‬

‫ﻋﺪم ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﻟﺨﻄﺄ ﻓﻲ ﻧﻤﻮذج اﻻﻧﺤﺪار اﻟﺒﺴﻴﻂ‬ ‫ﺛﺒﺎت ﺗﺒﺎﻳﻦ اﻟﺨﻄﺄ ﻓﻲ ﻧﻤﻮذج اﻻﻧﺤﺪار اﻟﺒﺴﻴﻂ‬
‫•‬
‫‪Y‬‬
‫• • •‬ ‫‪Y‬‬
‫• •• •‬
‫• • •‬ ‫•‬ ‫•‬
‫•‬
‫• •• • • •‬
‫• •‬ ‫•• •••••• •‬
‫• • •‬ ‫• • •• • • •‬
‫• • ••‬ ‫•‬
‫‪X‬‬ ‫‪X‬‬
‫وﻴوﻀﺢ اﻝﺸﻜل رﻗم )‪ (3‬ﺤﺎﻝﺔ ﻋدم ﺜﺒﺎت اﻝﺘﺒﺎﻴن ﻝﺤد اﻝﺨطﺄ ‪ ، E (ε i2 ) ≠ σ 2 , ∀i‬ﺤﻴث ﻨﻼﺤظ أن زﻴﺎدة ‪X‬‬
‫ﺴوف ﺘؤدي إﻝﻰ زﻴﺎدة ﺘﺒﺎﻴن ﺤد اﻝﺨطﺄ‪ ،‬وﻴرﺘﺒط ﻫذا اﻝﻤﺸﻜل ﺒﺒﻴﺎﻨﺎت اﻝﻤﻘطﻌﻴﺔ أﻜﺜر ﻤن ﺒﻴﺎﻨﺎت اﻝﺴﻠﺴﻠﺔ‬
‫اﻝزﻤﻨﻴﺔ‪ .‬وﻫﻨﺎك ﻋدة أﺴﺒﺎب ﻝﻌدم ﺘﺠﺎﻨس ﺘﺒﺎﻴن ﺤد اﻝﺨطﺄ ﻨذﻜر ﻤﻨﻬﺎ‪:‬‬

‫‪ -‬ﺘﺤﺴن أﺴﺎﻝﻴب ﺘﺠﻤﻴﻊ اﻝﺒﻴﺎﻨﺎت‪ ،‬وﻫذا ُﻴﻘﻠل ﻤن اﻷﺨطﺎء اﻝﻤرﺘﻜﺒﺔ ﻓﻲ اﻝﻘﻴﺎس‪ ،‬وﻤن ﺜم ﺴوف ﻴﻘل ﺘﺒﺎﻴن ﺤد‬

‫اﻝﺨطﺄ‪ ،‬وﻴﺘرﺘب ﻋﻠﻰ ﻤﺸﻜﻠﺔ ﻋدم ﺜﺒﺎت اﻝﺘﺒﺎﻴن ﻋددا ﻤن اﻵﺜﺎر ﺘﺘﻤﺜل ﻓﻲ‪:‬‬

‫ﺘﺒﻘﻰ اﻝﻤﻌﺎﻝم اﻝﻤﻘدرة ﺒﺎﺴﺘﺨدام اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى ﻤﺘﺼﻔﺔ ﺒﻌدم اﻝﺘﺤﻴز واﻻﺘﺴﺎق‪ ،‬وﻝﻜﻨﻬﺎ ﺘﻔﻘد ﺼﻔﺔ اﻝﻜﻔﺎءة‪.‬‬ ‫‪.1‬‬

‫ﺘﺼﺒﺢ اﻝﺘﺒﺎﻴﻨﺎت اﻝﻤﻘدرة وﻜذﻝك اﻝﺘﺒﺎﻴﻨﺎت اﻝﻤﺸﺘرﻜﺔ ‪ Covariances‬اﻝﺨﺎﺼﺔ ﺒﺎﻝﻤﻌﺎﻝم اﻝﻤﻘدرة ﻤﺘﺤﻴزة وﻏﻴر‬ ‫‪.2‬‬

‫ﻤﺘﺴﻘﺔ‪ ،‬وﻝذا ﻓﺈن اﺨﺘﺒﺎرات اﻝﻔرﻀﻴﺎت ﻻ ﺘﺼﺒﺢ دﻗﻴﻘﺔ أو ﻤﻼﺌﻤﺔ‪.‬‬

‫ﺒﺎﻝرﻏم ﻤن أن اﻝﺘﻨﺒؤات اﻝﻘﺎﺌﻤﺔ ﻋﻠﻰ أﺴﺎس اﻝﻤﻌﺎﻝم اﻝﻤﻘدرة ﺒﺎﺴﺘﺨدام اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ ﺘظل ﻏﻴر‬ ‫‪.3‬‬

‫ﻤﺘﺤﻴزة‪ ،‬إﻻ أﻨﻬﺎ ﺘﻔﻘد ﺼﻔﺔ اﻝﻜﻔﺎءة‪ ،‬وﻫو ﻤﺎ ﻴﻌﻨﻲ أﻨﻬﺎ ﺘﻜون أﻗل ﻤﺼداﻗﻴﺔ ﻤن اﻝﺘﻨﺒؤات اﻷﺨرى‪.‬‬
‫ﻓﻲ ﺤﺎﻝﺔ ﻋدم ﺘﺠﺎﻨس ﺘﺒﺎﻴن اﻷﺨطﺎء‪ ،‬ﻤﻘدر ‪ BLUE‬ﺒطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻤﻌﻤﻤﺔ ﻴﻜﺘب ﻜﻤﺎ ﻴﻠﻲ‪:‬‬
 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫) ‪βˆ = ( X ′Ωε−1 X ) −1 ( X ′Ωε−1Y‬‬
‫‪Ω βˆ = ( X ′Ωε−1 X ) −1‬‬

‫ﻋﻜس ﺘﺼﺤﻴﺢ اﻝﻨﻤوذج ﻤن اﻻرﺘﺒﺎط اﻝذاﺘﻲ‪ ،‬ﻻ ﺘوﺠد ﻤﻨﻬﺠﻴﺔ ﻤوﺤدة ﻝﻠﺘﺼﺤﻴﺢ ﻤن ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن اﻷﺨطﺎء‪،‬‬
‫ﻓﺎﻝطرق ﻤﺨﺘﻠﻔﺔ ﻤرﺘﺒطﺔ ﺒﺴﺒب وﺠود ﻫذا اﻝﻤﺸﻜل‪.‬‬

‫‪ -2-2‬اﺨﺘﺒﺎرات اﻝﻜﺸف ﻋن ﻋدم ﺘﺒﺎﻴن اﻝﺨطﺄ ‪:‬‬

‫ﻴﺘم اﻜﺘﺸﺎف ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن اﻷﺨطﺎء ﺒواﺴطﺔ ﻋدة اﺨﺘﺒﺎرات ﻤﻨﻬﺎ ﻤﺎ ﻴﻠﻲ‪:‬‬

‫‪:Goldfeld-Quandt‬‬ ‫‪ -1-2-2‬اﺨﺘﺒﺎر‬

‫ﺒﺎﻓﺘراض اﻝﻨﻤوذج اﻝﺘﺎﻝﻲ ‪ ، Yi = β 0 + β1 X i + ε i , i = 1 ,..., n‬ﻴﻤﻜن ﺘﺒﻴﺎن ﻜﻴﻔﻴﺔ اﺴﺘﺨدام اﺨﺘﺒﺎر‬

‫‪ Goldfeld-Quandt‬ﻓﻲ اﻜﺘﺸﺎف ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن اﻝﺨطﺄ ﻤن ﺨﻼل اﻝﺨطوات اﻝﺘﺎﻝﻴﺔ‪:‬‬

‫ﺘرﺘﻴب ﻤﺸﺎﻫدات ‪ X‬ﺘرﺘﻴﺒﺎ ﺘﺼﺎﻋدﻴﺎ‪.‬‬ ‫‪‬‬

‫اﺴﺘﺒﻌﺎد اﻝﻤﺸﺎﻫدات اﻝوﺴطﻰ ﻝﻜل ﻤن ‪ X‬و ‪،Y‬ﺜم ﺘﻜوﻴن ﻤﺠﻤوﻋﺘﻴن ﻤن اﻝﻤﺸﺎﻫدات ﺒﺤﻴث ﻴﻜون ﻝﻜل ﻤﺠﻤوﻋﺔ‬ ‫‪‬‬

‫ﻋﻠﻰ ﺤدا ﻤﻌﺎدﻝﺔ ﺨﺎﺼﺔ ﺒﻬﺎ ﻜﻤﺎ ﻴﻠﻲ ‪:‬‬

‫اﻝواردة ﻗﺒل اﻝﻤﺸﺎﻫدات اﻝﺘﻲ ﺘم‬ ‫اﻝﻤﺠﻤوﻋﺔ اﻷوﻝﻰ‪ :‬وﺘﺘﻤﺜل ﻓﻲ اﻝﻤﺸﺎﻫدات اﻝﺨﺎﺼﺔ ﺒﻜل ﻤن ‪ X‬و ‪Y‬‬ ‫‪.1‬‬

‫اﺴﺘﺒﻌﺎدﻫﺎ‪ ،‬واﻝﻤﻌﺎدﻝﺔ اﻝﺨﺎﺼﺔ ﺒﻬذﻩ اﻝﻤﺠﻤوﻋﺔ ﻫﻲ ‪Y1i = a + bX 1i + ε 1i :‬‬

‫اﻝﻤﺠﻤوﻋﺔ اﻝﺜﺎﻨﻴﺔ‪ :‬وﺘﺘﻤﺜل ﻓﻲ اﻝﻤﺸﺎﻫدات اﻝﺨﺎﺼﺔ ﺒﻜل ﻤن ‪ X‬و ‪ Y‬اﻝواردة ﺒﻌد اﻝﻤﺸﺎﻫدات اﻝﺘﻲ ﺘم اﺴﺘﺒﻌﺎدﻫﺎ‪،‬‬ ‫‪.2‬‬

‫واﻝﻤﻌﺎدﻝﺔ اﻝﺨﺎﺼﺔ ﺒﻬذﻩ اﻝﻤﺠﻤوﻋﺔ ﻫﻲ‪Y2i = c + dX 2i + ε 2i :‬‬

‫ﺘﻘدﻴر ﻤﻌﺎﻤﻼت اﻝﻤﻌﺎدﻝﺘﻴن اﻝﺴﺎﺒﻘﺘﻴن ﺒﺎﺴﺘﻌﻤﺎل اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى ‪:‬‬ ‫‪‬‬

‫‪Yˆ1i = aˆ + bˆX 1i‬‬

‫‪Y = cˆ + dˆX‬‬
‫‪2i‬‬ ‫‪2i‬‬

‫اﻝﺤﺼول ﻋﻠﻰ اﻝﻘﻴم اﻝﻤﻘدرة ﻝﺤد اﻝﺨطﺄ‪:‬‬ ‫‪‬‬

‫‪εˆ1i = Y1i − Yˆ1i‬‬

‫‪εˆ2i = Y2i − Yˆ2i‬‬

‫إﻴﺠﺎد اﻝﻘﻴﻤﺔ اﻝﻤﺤﺴوﺒﺔ ﻹﺤﺼﺎﺌﻴﺔ ‪ F‬ﻜﻤﺎ ﻴﻠﻲ‪:‬‬ ‫‪‬‬

‫‪RSS 2 / d 2‬‬
‫=‪F‬‬
‫‪RSS1 / d1‬‬

‫‪d1 = n1 − k − 1‬‬ ‫إﻴﺠﺎد درﺠﺎت اﻝﺤرﻴﺔ‪:‬‬ ‫‪‬‬

‫‪d 2 = n2 − k − 1‬‬
 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫ﺤﻴث ‪ : k‬ﻋدد اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ‪: n1 ،‬ﻋدد اﻝﻤﺸﺎﻫدات اﻝﻌﻴﻨﺔ اﻷوﻝﻰ ‪:n2‬ﻋدد اﻝﻤﺸﺎﻫدات اﻝﻌﻴﻨﺔ اﻝﺜﺎﻨﻴﺔ‪.‬‬

‫إﻴﺠﺎد اﻝﻘﻴﻤﺔ اﻝﻤﺠدوﻝﺔ ﻹﺤﺼﺎﺌﻴﺔ ‪ F‬ﻋﻨد درﺠﺎت اﻝﺤرﻴﺔ ﻝﻜل ﻤن اﻝﺒﺴط واﻝﻤﻘﺎم‪ ،‬وﻤﺴﺘوى ﻤﻌﻨوﻴﺔ ﻤﻌﻴن‪.‬‬ ‫‪‬‬

‫ﻤﻘﺎرﻨﺔ ﺒﻴن اﻝﻘﻴم اﻝﻤﺤﺴوﺒﺔ ﻹﺤﺼﺎﺌﻴﺔ ‪ F‬واﻝﻘﻴﻤﺔ اﻝﻤﺠدوﻝﺔ ﻝﻬﺎ ‪:‬‬ ‫‪‬‬

‫‪ -‬ﻓﺈذا ﻜﺎﻨت ‪ F‬اﻝﻤﺤﺴوﺒﺔ أﻜﺒر ﻤن ‪ F‬اﻝﻤﺠدوﻝﺔ‪ ،‬ﻨﻘﺒل اﻝﻔرﻀﻴﺔ اﻝﺒدﻴﻠﺔ أي ﻓرﻀﻴﺔ ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن اﻷﺨطﺎء‪.‬‬
‫‪ -‬أﻤﺎ إذا ﻜﺎﻨت ‪ F‬اﻝﻤﺤﺴوﺒﺔ أﻗل ﻤن ‪ F‬اﻝﻤﺠدوﻝﺔ‪ ،‬ﻴﺘم ﻗﺒول ﻓرﻀﻴﺔ اﻝﻌدم‪.‬‬
‫ﻻﺤظ أن اﺨﺘﺒﺎر ‪ Goldfeld-Quandt‬ﻻ ﻴﻤﻜن ﺘطﺒﻴﻘﻪ إﻻ ﻓﻲ ﺤﺎﻝﺔ ﻤﺎ إذا ﻜﺎﻨت إﺤدى اﻝﻤﺘﻐﻴرات‬
‫اﻝﻤﺴﺘﻘﻠﺔ ﻫﻲ اﻝﻤﺴﺒﺒﺔ ﻓﻲ وﺠود ﻤﺸﻜﻠﺔ ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن ﺤد اﻝﺨطﺄ‪.‬‬

‫ﻤﺜﺎل‪:‬‬

‫ﻝدﻴﻨﺎ ﺘﻘدﻴر اﻝﻤﻌﺎدﻝﺔ اﻝﺘﺎﻝﻴﺔ اﻝﺘﻲ ﺘﻤﺜل اﻝﻌﻼﻗﺔ ﺒﻴن ﻋدد اﻝﻌﺎﻤﻠﻴن ‪ X‬وﻤﺘوﺴط اﻷﺠور ‪ Y‬ل‪ 30‬ﻤؤﺴﺴﺔ‪:‬‬
‫)‬
‫‪Yi = 7.5 + 0.009 X 1i‬‬

‫‪R 2 = 0.90‬‬ ‫‪N = 30‬‬

‫اﻝﻤطﻠوب‪ :‬ﻫل اﻝﻨﻤوذج ﻴﻌﺎﻨﻲ ﻤن ﻤﺸﻜﻠﺔ ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن اﻷﺨطﺎء؟‬

‫ﻴﺘم ﻓﻴﻪ أوﻻ ﺘرﺘﻴب اﻝﺴﻠﺴﻠﺔ ﺜم ﺘﻘﺴﻴﻤﻬﺎ إﻝﻰ ﻋﻴﻨﺘﻴن ﺠزﺌﻴﺘﻴن ﺒﻌد ﺤذف ‪ 6‬ﻤﺸﺎﻫدات‬
‫اﺨﺘﺒﺎر‪Goldfeld-Quandt‬‬

‫وﺴﻴطﻴﺔ‬

‫ﺒﻌد إﻋﺎدة اﻝﺘﻘدﻴر ﻝﻠﻌﻴﻨﺘﻴن اﻝﺠزﺌﻴﺘﻴن ﺘﺤﺼﻠﻨﺎ ﻋﻠﻰ اﻝﻨﺘﺎﺌﺞ اﻝﺘﺎﻝﻴﺔ‪:‬‬

‫)‬
‫‪Y1i = 8.1 + 0.005 X 1i‬‬

‫‪R 2 = 0.66‬‬ ‫‪RSS = 0.507‬‬ ‫‪n1 = 12‬‬

‫)‬
‫‪Y2i = 6.1 + 0.013 X 2i‬‬

‫‪R 2 = 0.60‬‬ ‫‪RSS = 3.095‬‬ ‫‪n2 = 12‬‬

‫ﻨﺤﺴب ﻗﻴﻤﺔ ‪ F‬ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫‪RSS 2 / d 2 3.095 / 10‬‬

‫=‪F‬‬ ‫=‬ ‫‪= 6.10‬‬
‫‪RSS1 / d1 0.507 / 10‬‬

‫‪0.005‬‬
‫‪F(α10=,10‬‬ ‫)‬ ‫‪= 2.98‬‬
 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫‪ -‬ﻨﻼﺤظ أن ‪ F‬اﻝﻤﺤﺴوﺒﺔ أﻜﺒر ﻤن ‪ F‬اﻝﻤﺠدوﻝﺔ‪،‬وﻤﻨﻪ ﻨﻘﺒل اﻝﻔرﻀﻴﺔ اﻝﺒدﻴﻠﺔ أي ﻓرﻀﻴﺔ وﺠود ﻤﺸﻜﻠﺔ ﻋدم ﺜﺒﺎت‬
‫ﺘﺒﺎﻴن اﻷﺨطﺎء‪.‬‬
‫‪ -2-2-2‬اﺨﺘﺒﺎر ‪:White‬‬

‫ﻴﻌﺘﻤد اﺨﺘﺒﺎ ار ‪ White‬ﻋﻠﻰ دراﺴﺔ اﻝﻌﻼﻗﺔ ﺒﻴن ﻤرﺒﻌﺎت اﻝﺒواﻗﻲ و ﺠﻤﻴﻊ اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ و ﻜذا ﻤرﺒﻌﺎﺘﻬﺎ‪.‬‬
‫ﻋن طرﻴق ﺤﺴﺎب ﻤﻀﺎﻋف ﻻﻏروﻨﺞ ﻋﺒر اﻝﻤراﺤل اﻵﺘﻴﺔ‪:‬‬

‫‪ Y = Xβ + ε‬ﺒطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ و ﺤﺴﺎب ﻤرﺒﻌﺎت‬ ‫اﻝﻤرﺤﻠﺔ ‪ :1‬ﺘﻘدﻴر اﻝﻨﻤوذج اﻝﻌﺎم‪:‬‬
‫اﻝﺒواﻗﻲ ﻝﻬذا اﻝﻨﻤوذج اﻝﻤﻘدر ‪. εˆt2‬‬
‫اﻝﻤرﺤﻠﺔ ‪ :2‬ﺘﻘدﻴر اﻝﻨﻤوذج اﻝﻤواﻝﻲ‪:‬‬
‫‪εˆt2 = β 0 + β1 X t1 + α 1 X t21 + ... + β k X tk + α k X tk2 + u t‬‬

‫وﺤﺴﺎب ﻤﻌﺎﻤل اﻝﺘﺤدﻴد ﻝﻬذﻩ اﻝﻨﻤوذج ‪. R 2‬‬

‫اﻝﻤرﺤﻠﺔ ‪ :3‬اﺨﺘﺒﺎر ﻓرﻀﻴﺔ ﺜﺒﺎت ﺘﺒﺎﻴن اﻷﺨطﺎء ‪ H0‬اﻝﻤﻌﺒر ﻋﻨﻬﺎ ﻜﻤﺎ ﻴﻠﻲ‪:‬‬
‫‪H 0 : β 0 = α1 = β1 = ... = α k = β k = 0‬‬

‫ﻓﺈﻨﻨﺎ ﻨرﻓض ‪ H0‬أي ﺘﺒﺎﻴن‬ ‫) ‪1 χ 2 ( 2k‬‬ ‫إذا ﻜﺎﻨت إﺤﺼﺎﺌﻴﺔ ﻤﻀﺎﻋف ﻻﻏروﻨﺞ ‪ LM = n × R 2‬اﻜﺒر ﻤن‬

‫اﻷﺨطﺎء ﻏﻴر ﺜﺎﺒت )ﻏﻴر ﻤﺘﺠﺎﻨس(‪.‬‬

‫ﻤﺜﺎل‪ :‬ﻗﻤﻨﺎ ﺒﺘﻘدﻴر ﻨﻤوذج ﻗﻴﺎﺴﻲ ﻤن اﺠل ‪ 32‬ﻤﺸﺎﻫدة ﻓﻜﺎﻨت اﻝﻨﺘﺎﺌﺞ ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫‪Yi = −1.21 + 0.69 X 1i + 0.13 X 2i + ei‬‬

‫‪R 2 = 0.84‬‬ ‫‪DW = 1.39‬‬

‫ﻝﻠﻨﻤوذج ﺠﺎءت ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫ﻨﺘﺎﺌﺞ اﺨﺘﺒﺎر ‪White‬‬

‫‪et2 = −10.14 − 3.41 X t1 + 0.39 X 12i − 0.19 X 2i + 0.01 X 22i + u t‬‬

‫)‪( −0.14) ( −0.65) ( −2.85) (0.83) (0.64‬‬

‫‪R 2 = 0.564‬‬

‫وﻨﺴﺒﺔ ﻤﻌﻨوﻴﺔ ‪( α‬‬

‫‪.%‬‬
‫) ‪) χ 2 (2k‬اﻝﻘﻴﻤﺔ اﻝﺤرﺠﺔ ﻝﺘوزﻴﻊ ‪ χ 2‬ﺒدرﺠﺔ ﺤرﻴﺔ ‪2k‬‬ ‫‪1‬‬
 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫ﻤن ﺨﻼل ﻨﺘﺎﺌﺞ اﺨﺘﺒﺎر ‪ White‬ﺴﻨﻘوم ﺒﺤﺴﺎب إﺤﺼﺎﺌﻴﺔ ﻤﻀﺎﻋف ﻻﻏروﻨﺞ‬

‫‪LM = n × R 2 = 32 * 0.564 = 18.04‬‬

‫اﻝﺘﻲ ﺘﺘﺒﻊ ﺘوزﻴﻊ ‪ χ 2 (2k ) = χ (24) = 9.48‬ن‪‬حظ أن ‪LM = 18.04 f χ (24) = 9.48‬‬

‫وﻤﻨﻪ ﻓﺈﻨﻨﺎ ﻨرﻓض ‪ H0‬وﻨﻘﺒل اﻝﻔرﻀﻴﺔ اﻝﺒدﻴﻠﺔ أي ﺘﺒﺎﻴن اﻷﺨطﺎء ﻏﻴر ﺜﺎﺒت )ﻏﻴر ﻤﺘﺠﺎﻨس(‪.‬‬

‫‪ -3-2-2‬اﺨﺘﺒﺎر ‪:ARCH‬‬

‫اﺨﺘﺒﺎر ‪ ARCH‬ﻤن أﺠل اﻝﻜﺸف ﻋﻤﺎ إذا ﻜﺎﻨت اﻷﺨطﺎء ﻝﻬﺎ ﺘﺒﺎﻴن ﺜﺎﺒت أم ﻻ ﺤﻴث أن ﻫذا اﻻﺨﺘﺒﺎر ﻴﺒﻨﻰ‬
‫ﻋﻠﻰ اﻝﻔرﻀﻴﺔ اﻝﺘﺎﻝﻴﺔ‪:‬‬

‫اﻷﺨطﺎء ‪H 0 : θ 1 = θ 2 = ... = θ q‬‬ ‫ﺘﺠﺎﻨس ﺘﺒﺎﻴن‬

‫ﻋدم ﺘﺠﺎﻨس ﺘﺒﺎﻴن اﻷﺨطﺎء ‪H 1 : ∃θ i ≠ 0...∀i‬‬
‫ﻴﻤر ﻫذا اﻻﺨﺘﺒﺎر ﻋﺒر اﻝﻤراﺤل اﻝﺘﺎﻝﻴﺔ‪:‬‬

‫‪ Y = Xβ + ε‬و ﺤﺴﺎب ﻤرﺒﻌﺎت ﺸﻌﺎع اﻷﺨطﺎء ‪ εˆt2‬ﻝﻬذا اﻝﻨﻤوذج اﻝﻤﻘدر‪.‬‬ ‫• ﺘﻘدﻴر اﻝﻨﻤوذج اﻷﺼﻠﻲ‪:‬‬
‫• ﺘﻘدﻴر ﻨﻤوذج اﻻﻨﺤدار اﻝﺨطﻲ اﻝذاﺘﻲ ‪ AR‬ﻝﻤرﺒﻊ اﻷﺨطﺎء اﻝﻤﻘدرة ﺒﺎﺴﺘﻌﻤﺎل طرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى ﻤن‬
‫اﺠل اﻝرﺘﺒﺔ ‪ ρ‬ﻜﻤﺎﻴﻠﻲ‪:‬‬
‫‪εˆt2 = α 0 + α 1ε t2−1 + α 2 ε t2− 2 + ... + α p ε t2− p + ν t‬‬

‫وﺤﺴﺎب ‪ R2‬ﻤﻌﺎﻤل اﻝﺘﺤدﻴد ﻝﻬذا اﻷﺨﻴر‬

‫• اﺨﺘﺒﺎر اﻝﻔرﻀﻴﺔ اﻝﺼﻔرﻴﺔ ‪:H0‬‬

‫ﺘﻜﺘب اﻹﺤﺼﺎﺌﻴﺔ ﻫذا اﻻﺨﺘﺒﺎر ﻋﻠﻰ اﻝﺸﻜل اﻝﺘﺎﻝﻲ‪ LM = n × R² :‬اﻝﺘﻲ ﺘﺘﺒﻊ ﺘوزﻴﻊ ‪ χ‬ﺒدرﺠﺔ ﺤرﻴﺔ ‪.P‬‬
‫‪2‬‬

‫ﺤﻴث إذا ﻜﺎﻨت ‪ LM = n × R 2‬اﻜﺒر ﻤن )‪ χ 2 ( P‬ﻋﻨد ﻤﺴﺘوى ﻤﻌﻨوﻴﺔ ‪ % α‬ودرﺠﺔ ﺤرﻴﺔ ‪ P‬ﻓﺈﻨﻨﺎ ﻨرﻓض‬

‫‪ H0‬أي ﺘﺒﺎﻴن اﻷﺨطﺎء ﻏﻴر ﺜﺎﺒت )ﻏﻴر ﻤﺘﺠﺎﻨس(‪.‬‬

‫‪ -3-2‬ﻤﻌﺎﻝﺠﺔ ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن ﺤد اﻝﺨطﺄ ‪:‬‬

‫ﺘﺘوﻗف ﻋﻤﻠﻴﺔ ﻤﺸﻜﻠﺔ ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن اﻷﺨطﺎء ﻋﻠﻰ ﻨﻤط اﻝﻌﻼﻗﺔ اﻝﻤوﺠودة ﺒﻴن ﺸﻌﺎع اﻷﺨطﺎء واﻝﻤﺘﻐﻴرات‬
‫اﻝﻤﺴﺘﻘﻠﺔ وﻨﻤﻴز ﺒﻴن ﻋدة أﺸﻜﺎل ﻨﻔرض أن‪:‬‬

‫‪Yt = β 0 + β1 X 1t + ... + β k X Kt + ε t‬‬

 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫ﻓﺈن ﻫﻨﺎك ﻋدة أﻨﻤﺎط )اﻓﺘراﻀﺎت( ﻝﻌدم ﺜﺒﺎت ﺘﺒﺎﻴن اﻷﺨطﺎء‪ ،‬وﻴﺨﺘﻠف اﻝﻨﻤوذج أو اﻝﻤﻌﺎدﻝﺔ اﻝﻤﺤوﻝﺔ ﻤن‬
‫اﻓﺘراض إﻝﻰ آﺨر‪.‬‬

‫ﺤﻴث ‪ j = 1.2.3......k‬وطﺒﻘﺎ ﻝﻬذا اﻝﻨﻤوذج ﻴﻔﺘرض ﺘﻘﺴﻴم اﻝﻨﻤوذج‬ ‫) (‬

‫‪V (ε i ) = E ε i2 = σ 2 X 2j‬‬ ‫‪ ‬اﻝﺸﻜل اﻷول‪:‬‬
‫اﻷﺼﻠﻲ ﻋﻠﻰ ‪ Xj‬وﻤن ﺜم اﺴﺘﺨدام طرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ ‪:‬‬
‫‪Yi‬‬ ‫‪β‬‬ ‫‪X‬‬ ‫‪X‬‬ ‫‪ε‬‬
‫‪= 0 + β 1 1i + ..... + B j + Bk ki + i‬‬
‫‪Xj Xj‬‬ ‫‪Xj‬‬ ‫‪Xj Xj‬‬

‫‪1‬‬ ‫‪1‬‬
‫(‪V‬‬
‫‪εi‬‬
‫=)‬ ‫‪2‬‬
‫‪V (ε i ) = 2 σ 2 X 2j = σ ε2‬‬ ‫ﺤﻴث ‪:‬‬
‫‪Xj‬‬ ‫‪Xj‬‬ ‫‪Xj‬‬

‫ﻜﺎﻷﺘﻲ‪:‬‬ ‫‪ ‬اﻝﺸﻜل اﻝﺜﺎﻨﻲ‪ V (ε i ) = E (ε i2 ) = σ 2 X j :‬وطﺒﻘﺎ ﻝﻬذا اﻻﻓﺘراض ﻗﺴﻤت اﻝﻨﻤوذج اﻷﺼﻠﻲ ﻋﻠﻰ ‪X j‬‬
‫‪Yi‬‬ ‫‪β0‬‬ ‫‪X 1i‬‬ ‫‪X ki‬‬ ‫‪εi‬‬
‫=‬ ‫‪+ β1‬‬ ‫‪+ ..... + B j X j + ..... + B k‬‬ ‫‪+‬‬
‫‪Xj‬‬ ‫‪Xj‬‬ ‫‪Xj‬‬ ‫‪Xj‬‬ ‫‪Xj‬‬

‫‪1‬‬ ‫‪1 2‬‬

‫(‪V‬‬
‫‪εi‬‬
‫=)‬ ‫= ) ‪V (ε i‬‬ ‫‪σ X j = σ ε2‬‬ ‫ﺤﻴث ‪:‬‬
‫‪Xj‬‬ ‫‪Xj‬‬ ‫‪Xj‬‬

‫وﺒﻨﻔس اﻝﺤﺎﻝﺔ اﻷوﻝﻰ ﻨﺠري اﻨﺤدار ﺒواﺴطﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ‪.‬‬

‫‪ ، V (ε i ) = E (ε i2 ) = σ 2 εˆi‬وﻴﺘﻀﻤن ﻫذا اﻻﻓﺘراض أن ﺘﺒﺎﻴن ﺤد اﻝﺨطﺄ داﻝﺔ ﺨطﻴﺔ ﻝﺒواﻗﻲ‬ ‫‪ ‬اﻝﺸﻜل اﻝﺜﺎﻝث‪:‬‬
‫طرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ‪ ،‬وطﺒﻘﺎ ﻝﻬذا ﺘﻜون اﻝﻤﻌﺎدﻝﺔ اﻝﻤﻘدرة ﻜﻤﺎ ﻴﻠﻲ ‪:‬‬
‫‪Yi‬‬ ‫‪1‬‬ ‫‪X 1i‬‬ ‫‪X ki‬‬ ‫‪εi‬‬
‫‪= β0‬‬ ‫‪+ β1‬‬ ‫‪+ ......Bk‬‬ ‫‪+‬‬
‫‪εˆi‬‬ ‫‪εˆi‬‬ ‫‪εˆi‬‬ ‫‪εi‬‬ ‫‪εˆi‬‬

‫ﻤﻼﺤظــﺔ‪ :‬ﻝﻠــﺘﺨﻠص ﻤــن ﻤﺸــﻜﻠﺔ ﻋــدم اﻝﺜﺒــﺎت ﺘﺒــﺎﻴن اﻷﺨطــﺎء ﻴﻤﻜــن أﻴﻀــﺎ إﺠ ـراء اﻝﺘﺤــوﻴﻼت اﻝﻠوﻏﺎرﻴﺘﻤﻴــﺔ ﻋﻠــﻰ‬
‫اﻝﻤﻌطﻴﺎت‪ ،‬إن ﺘﺤوﻴل اﻝﻨﻤوذج اﻷﺼﻠﻲ إﻝﻰ اﻝﺼﻴﻐﺔ اﻝﻠوﻏﺎرﻴﺘﻤﻴﺔ اﻝﻤزدوﺠﺔ ﺴوف ﻴؤدي ﻏﺎﻝﺒﺎ إﻝﻰ ﺘﻘﻠﻴل درﺠـﺔ‬
‫ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن ﺤد اﻝﺨطﺄ‪.‬‬

‫‪-3‬ﻤﺸﻜل اﻝﺘﻌدد اﻝﺨطﻲ )اﻻرﺘﺒﺎط اﻝﺨطﻲ( ‪: Multicollinearity‬‬

‫ﻴﺸﻴر ﻤﺸﻜل اﻝﺘﻌدد اﻝﺨطﻲ إﻝﻰ وﺠود ارﺘﺒﺎط ﺨطﻲ ﺒﻴن ﻋدد ﻤن اﻝﻤﺘﻐﻴرات اﻝﻤﻔ ‪‬ﺴرة‪ ،‬وﻤن ﺘم ﻓﺈن ﻫذا‬
‫‪.X‬‬ ‫[‬
‫‪= X 1 , X 2 ,.... X j ..... X k‬‬ ‫]‬ ‫اﻝﻤﺸﻜل ﻻ ﻴوﺠد ﻓﻲ ﺤﺎﻝﺔ اﻻﻨﺤدار اﻝﺒﺴﻴط‪ .‬ﻨﺴﻤﻲ ‪ Xj‬اﻝﻌﻤود رﻗم ‪ j‬ﻝـ ‪ X‬ﺤﻴث‬

‫‪ -1-3‬أﺴﺒﺎب اﻝﺘﻌدد اﻝﺨطﻲ‪:‬‬

‫ﻴﻨﺸﺄ اﻝﺘﻌدد اﻝﺨطﻲ ﻤن ﻋدة أﺴﺒﺎب ﻤﻨﻬﺎ ﻤﺎ ﻴﻠﻲ ‪:‬‬

 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫‪ ‬اﺘﺠﺎﻩ اﻝﻤﺘﻐﻴرات اﻻﻗﺘﺼﺎدﻴﺔ ﻤﻌﺎ ﻝﻠﺘﻐﻴر ﻤﻊ ﻤرور اﻝزﻤن‪ :‬ﻓﺒﻤرور اﻝزﻤن ﺴوف ﺘﺘزاﻴد اﻝﻤﺘﻐﻴرات اﻻﻗﺘﺼﺎدﻴﺔ‬
‫اﻝﺘﺎﻝﻴﺔ ﻤﻌﺎ‪ :‬اﻝدﺨل‪ ،‬اﻻﺴﺘﻬﻼك‪ ،‬اﻻدﺨﺎر‪ ،‬اﻻﺴﺘﺜﻤﺎر‪ ،‬اﻝﻤﺴﺘوى اﻝﻌﺎم ﻝﻸﺴﻌﺎر واﻝﻌﻤﺎﻝﺔ‪ ،‬وﺤﻴث أن ﻫﻨﺎك ارﺘﺒﺎط‬
‫ﺒﻴن ﻫذﻩ اﻝﻤﺘﻐﻴرات ﻓﺈن اﻝﺘﻌدد اﻝﺨطﻲ ﺴوف ﻴﺘﺤﻘق‪.‬‬
‫‪ ‬اﺴﺘﺨدام ﻤﺘﻐﻴرات ﻤﺴﺘﻘﻠﺔ ذات ﻓﺘرة إﺒطﺎء ﻓﻲ اﻝﻤﻌﺎدﻝﺔ اﻝﻤراد ﺘﻘدﻴرﻫﺎ‪ :‬ﻓﺎﻝدﺨل ﻓﻲ اﻝﻔﺘرة اﻝزﻤﻨﻴﺔ اﻝﺤﺎﻝﻴﺔ ﻴﺘﺤدد‬
‫ﺠزﺌﻴﺎ ﺒواﺴطﺔ ﻗﻴﻤﺘﻪ ﻓﻲ اﻝﻔﺘرة اﻝزﻤﻨﻴﺔ اﻝﺴﺎﺒﻘﺔ‪ ،‬وﺤﻴث أن ﻫﻨﺎك ارﺘﺒﺎط ﺒﻴن اﻝﻘﻴم اﻝﻤﺘﺘﺎﻝﻴﺔ ﻝﻤﺘﻐﻴر ﻤﺎ ﻓﺈن اﻝﺘﻌدد‬
‫اﻝﺨطﻲ ﺴوف ﻴﺘﺤﻘق‪.‬‬
‫وﻓﻲ وﺠود اﻝﺘﻌدد اﻝﺨطﻲ ﻓﺈﻨﻪ ﺴوف ﻴﺘرﺘب ﻋﻨﻪ‪:‬‬

‫‪ ‬زﻴﺎدة اﻝﺘﺒﺎﻴن واﻝﺘﺒﺎﻴن اﻝﻤﺸﺘرك ﻝﻠﻤﻘدرات ﺒدرﺠﺔ ﻜﺒﻴرة دون اﻝﺘﺄﺜﻴر ﻋﻠﻰ اﻝﺘﻨﺒؤات اﻝﻤﺴﺘﻤدة ﻤن اﻻﻨﺤدار‪.‬‬
‫‪ ‬اﻝﻘﻴم اﻝﻤﻘدرة ﻝﻤﻌﺎﻤﻼت اﻻﻨﺤدار ﺴوف ﺘﻜون ﻏﻴر ﻤﺤددة وﻏﻴر دﻗﻴﻘﺔ‪.‬‬
‫‪ ‬اﻷﺨطﺎء اﻝﻤﻌﻴﺎرﻴﺔ ﻝﻠﻘﻴم اﻝﻤﻘدرة ﻝﻤﻌﺎﻤﻼت اﻻﻨﺤدار ﺴوف ﺘﻜون ﻜﺒﻴرة ﺠدا‪.‬‬

‫‪ -2-3‬اﺨﺘﺒﺎرات اﻝﻜﺸف ﻋن اﻝﺘﻌدد اﻝﺨطﻲ‪:‬‬

‫ﻴؤدي وﺠود اﻻرﺘﺒﺎط اﻝﺨطﻲ )اﻝﺘﻌدد اﻝﺨطﻲ( إﻝﻰ ارﺘﻔﺎع اﻝﺘﺒﺎﻴن اﻝﻤﻘدر ﻝﺒﻌض اﻝﻤﻘدرات وﻫذا ﻴﻌطﻲ أو‬
‫ﻴﻨﺘﺞ ﻋﻨﻪ ارﺘﻔﺎع ﻗﻴﻤﺔ ‪ t-student‬اﻝﻤﺤﺴوﺒﺔ وﻤﻨﻪ ﻨﻔﻲ ﻤﻌﻨوﻴﺘﻬﺎ ورﺒﻤﺎ اﻝﻌﻜس‪ .‬ﻜﻤﺎ ﻴﻤﻜن أن ﻴؤدي ﻫذا‬
‫اﻝﻤﺸﻜل إﻝﻰ ﻋدم اﺴﺘﻘ اررﻴﺔ اﻝﻤﻌﺎﻝم اﻝﻤﻘدرة ﺒطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى اﻝﻌﺎدﻴﺔ ‪ ،‬أﻤﺎ ﻓﻲ ﺤﺎﻝﺔ اﻻرﺘﺒﺎط اﻝﺨطﻲ‬
‫اﻝﺘﺎم ﻓﻼ ﻴﻤﻜن أﺼﻼ ﺤﺴﺎب ﻤﻌﻜوس ﻤﺼﻔوﻓﺔ )‪ (X’X‬وﻤﻨﻪ ﻻ ﻴﻤﻜن ﻝطرﻴﻘﺔ ‪ MCO‬إﻋطﺎء ﺘﻘدﻴرات‬

‫ﻝﻤﻌرﻓﺔ وﺠود ﻤﺸﻜل اﻝﺘﻌدد اﻝﺨطﻲ ﻤن ﻋدﻤﻪ ﺴﻨﺴﺘﻌﻴن ﺒﺎﻻﺨﺘﺒﺎرات اﻝﺘﺎﻝﻴﺔ‪:‬‬

‫‪ -2-2-3‬اﺨﺘﺒﺎر ‪:Farrar-Glauber‬‬

‫ﻻﻜﺘﺸﺎف ظﺎﻫرة اﻝﺘﻌدد اﻝﺨطﻲ ﻴﺘﺒﻊ ‪ Farrar-Glauber‬اﻝﺨطوات اﻝﺘﺎﻝﻴﺔ‪:‬‬

‫أوﻻ ‪ :‬ﺤﺴﺎب ﻤﺤدد ﻤﺼﻔوﻓﺔ ﻤﻌﺎﻤﻼت اﻻرﺘﺒﺎط ﺒﻴن اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ‪:‬‬ ‫‪‬‬
‫‪1‬‬ ‫‪rX1 X 2‬‬ ‫‪rX1 X 3‬‬ ‫‪... rX1 X k‬‬
‫‪rX 2 X1‬‬ ‫‪1‬‬ ‫‪rX 2 X 3‬‬ ‫‪... rX 2 X k‬‬
‫=‪D‬‬
‫‪...‬‬ ‫‪...‬‬ ‫‪...‬‬ ‫‪... ...‬‬
‫‪rX k X k‬‬ ‫‪rX k X 2‬‬ ‫‪rX k X 3‬‬ ‫‪...‬‬ ‫‪1‬‬

‫ﻋﻨدﻤﺎ ﺘﻜون ﻗﻴﻤﺔ اﻝﻤﺤدد ﺘﻘﺘرب ﻤن اﻝﺼﻔر‪ ،‬ﻓﺈن ﻫﻨﺎك دﻝﻴل ﻋﻠﻰ وﺠود ﺘﻌدد ﺨطﻲ‪.‬‬

‫ﺜﺎﻨﻴﺎ ‪ :‬ﻨﺴﺘﻌﻤل اﺨﺘﺒﺎر ‪ χ 2‬وذﻝك ﺒوﻀﻊ اﻝﻔرﻀﻴﺎت اﻝﺘﺎﻝﻴﺔ ‪:‬‬ ‫‪‬‬

‫)اﺴﺘﻘﻼل ﺨطﻲ( ‪H 0 : D = 1‬‬

 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬
‫‪H1 : D < 1‬‬ ‫)ارﺘﺒﺎط ﺨطﻲ(‬

‫إﺤﺼﺎﺌﻴﺔ ‪) Farrar-Glauber‬اﻝﻘﻴﻤﺔ اﻝﻤﺤﺴوﺒﺔ( ﺘﻌرف ﻜﻤﺎ ﻴﻠﻲ‪:‬‬

‫‪‬‬ ‫‪1‬‬ ‫‪‬‬

‫‪χ 2 * = − n − 1 − (2k + 5). ln D‬‬
‫‪‬‬ ‫‪6‬‬ ‫‪‬‬

‫ﺤﻴث ‪ n‬ﻫو ﺤﺠم اﻝﻌﻴﻨﺔ‪ k ،‬ﻫو ﻋدد اﻝﻤﻌﻠﻤﺎت اﻝﻤﻘدرة ﻓﻲ اﻝﻨﻤوذج و ‪ ln‬ﻫو اﻝﻠوﻏﺎرﻴﺘم اﻝﻨﺒﻴري‪.‬‬
‫‪1‬‬
‫و ﻨﺴﺒﺔ ﻤﻌﻨوﻴﺔ‬ ‫ﻓﺈذا ﻜﺎﻨت ﻗﻴﻤﺔ * ‪ χ 2‬أﻜﺒر ﺘﻤﺎﻤﺎ ﻤن اﻝﻘﻴﻤﺔ اﻝﻤﺠدوﻝﺔ ﻝﺘوزﻴﻊ ‪ χ 2‬ﺒدرﺠﺔ ﺤرﻴﺔ )‪k ( k + 1‬‬
‫‪2‬‬
‫‪ ، α‬ﻨﻘﺒل ‪ H 1‬أي ﻫﻨﺎك ﺘﻌدد ﺨطﻲ‪.‬‬

‫‪ -3-2-3‬اﺨﺘﺒﺎر ‪:Klein‬‬

‫ﻴﺴﺘﻌﻤل ﻫذا اﻻﺨﺘﺒﺎر ﻫذا اﻻﺨﺘﺒﺎر ﻝﻠﻜﺸف ﻋن ﺠود اﻝﺘﻌدد اﻝﺨطﻲ‪ ،‬وﻫو اﺨﺘﺒﺎر ﺒﺴﻴط ﺠدا ﻴﻘوم ﻋﻠﻰ‬
‫‪2‬‬
‫ﺒﻴن اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ وﻤﻌﺎﻤل اﻝﺘﺤدﻴد ‪. R‬‬ ‫‪r2‬‬ ‫ﻤﻘﺎرﻨﺔ ﻤرﺒﻊ ﻤﻌﺎﻤﻼت اﻻرﺘﺒﺎط اﻝﺒﺴﻴطﺔ‬
‫) ‪( Xi , X j‬‬

‫ﻤﻌﺎﻤل اﻝﺘﺤدﻴد اﻜﺒر ﻤن ﻤرﺒﻊ ﻤﻌﺎﻤل اﻻرﺘﺒﺎط اﻝﺒﺴﻴط ﺒﻴن اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ‪،‬‬ ‫‪-‬ﻓﺈذا ﻜﺎن ) ‪R2 f r(2X ,X‬‬
‫‪i j‬‬

‫ﻨﻘﺒل اﻝﻔرﻀﻴﺔ اﻝﺼﻔرﻴﺔ ‪ H 0‬ﺒﻌدم وﺠود ﻤﺸﻜل اﻝﺘﻌدد اﻝﺨطﻲ‪.‬‬

‫ﻤﻌﺎﻤل اﻝﺘﺤدﻴد اﺼﻐر ﻤن ﻤرﺒﻊ ﻤﻌﺎﻤل اﻻرﺘﺒﺎط اﻝﺒﺴﻴط ﺒﻴن اﻝﻤﺘﻐﻴرات‬ ‫) ‪R2 p r(2X ,X‬‬
‫‪i‬‬ ‫‪j‬‬ ‫‪-‬أﻤﺎ إذا ﻜﺎن‬

‫اﻝﻤﺴﺘﻘﻠﺔ‪ ،‬ﻨﻘﺒل اﻝﻔرﻀﻴﺔ اﻝﺒدﻴﻠﺔ ‪ H 1‬ﺒوﺠود ﻤﺸﻜل اﻝﺘﻌدد اﻝﺨطﻲ‪.‬‬

‫ﻤﺜﺎل‪:‬‬

‫ﻝدﻴﻨﺎ اﻝﻨﺘﺎﺌﺞ اﻝﺘﺎﻝﻴﺔ ﺒﻌد ﻋﻤﻠﻴﺔ اﻝﺘﻘدﻴر‪:‬‬

‫‪Yˆi = 18.3 − 0.5 X 1i + 0.2 X 2i − 0.3 X 3i‬‬

‫‪R 2 = 0.97‬‬ ‫‪r( X 1 , X 2 ) = 0.89‬‬ ‫‪r( X1 , X 3 ) = 0.60‬‬ ‫‪r( X 2 , X 3 ) = 0.98‬‬ ‫‪n = 28‬‬

‫ﺒﺎﺴﺘﻌﻤﺎل اﻝﻤﻌﻠوﻤﺎت اﻝﻤﺘوﻓرة ﻝدﻴﻨﺎ‪ ،‬ﻫل ﻨﺴﺘطﻴﻊ أن ﻨﺤﻜم ﻋﻠﻰ ﻫذا اﻝﻨﻤوذج ﺒﺄﻨﻪ ﻴﻌﺎﻨﻲ ﻤن ﻤﺸﻜﻠﺔ‬ ‫‪-1‬‬
‫اﻝﺘﻌدد اﻝﺨطﻲ أم ﻻ؟‬

‫اﻝﺤل‪:‬‬
 ‫المحور ا‪‬ول‪ :‬مشاكل القياس ا‪‬قتصادي‬

‫ﺒﻴن اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ‬ ‫‪r2‬‬ ‫ﺒﺎﻻﻋﺘﻤﺎد ﻋﻠﻰ اﺨﺘﺒﺎر ‪ Klein‬اﻝذي ﻴﻘﺎرن ﻤﻌﺎﻤﻼت اﻻرﺘﺒﺎط اﻝﺒﺴﻴطﺔ‬
‫) ‪( Xi , X j‬‬

‫وﻫﻲ ﻜﻠﻬﺎ اﺼﻐر ﻤن‬

‫‪r2‬‬ ‫‪= 0.36‬‬ ‫‪r(2X 2 , X 3 ) = 0.96‬‬ ‫ﻨﻼﺤظ ‪r(2X1 , X 2 ) = 0.79‬‬ ‫وﻤﻌﺎﻤل اﻝﺘﺤدﻴد ‪R2‬‬
‫) ‪( X1 , X 3‬‬

‫ﻤﻌﺎﻤل اﻝﺘﺤدﻴد وﻤﻨﻪ ﻨﻘﺒل اﻝﻔرﻀﻴﺔ اﻝﺼﻔرﻴﺔ ‪ H 0‬ﺒﻌدم وﺠود ﻤﺸﻜل اﻝﺘﻌدد اﻝﺨطﻲ‪.‬‬

‫‪ -3-3‬اﻝﺤﻠول اﻝﻤﻘﺘرﺤﺔ ﻝﻤﻌﺎﻝﺠﺔ ﻤﺸﻜل اﻝﺘﻌدد اﻝﺨطﻲ ‪:‬‬

‫ﺒﻌد اﻝﺘﺄﻜد ﻤن وﺠود ﻤﺸﻜﻠﺔ اﻝﺘﻌدد اﻝﺨطﻲ‪ ،‬ﻨﻘوم ﺒﻌد ذﻝك ﺒﻤﺤﺎوﻝﺔ ﻤﻌﺎﻝﺠﺔ ﻫذﻩ اﻝﻤﺸﻜﻠﺔ‪ ،‬وﻫﻨﺎك اﻝﻌدﻴد ﻤن‬
‫اﻝطرق أﻫﻤﻬﺎ‪:‬‬

‫• ﺤذف ﺒﻌض اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ ﻤن اﻝﻨﻤوذج‪:‬‬

‫ﻴﻤﻜن اﻝﺘﺨﻠص ﻤن اﻝﺘﻌدد اﻝﺨطﻲ ﺒﺤذف اﻝﻤﺘﻐﻴر اﻝﻤﺴﺒب ﻝﻬذا اﻝﻤﺸﻜل ﻝﻜن ﻫذﻩ اﻝﻌﻤﻠﻴﺔ ﻴﻤﻜن أن ﺘﺨﻠق‬
‫ﻤﺸﺎﻜل أﺨرى‪ ،‬ﻻن ﻫذا اﻝﻤﺘﻐﻴر إذا ﻜﺎن ﻝﻪ أﻫﻤﻴﺔ ﺘﻔﺴﻴرﻴﺔ ﻓﺎن ﻫذا ﻴؤدي إﻝﻰ اﻝوﻗوع ﻓﻲ ﻤﺸﻜل‬
‫اﻝﺘوﺼﻴف)ﻋدم إدﺨﺎل اﻝﻤﺘﻐﻴرات اﻝﻤﻬﻤﺔ ﻓﻲ اﻝﻨﻤوذج( أي اﺤﺘﻤﺎل ﺘﺤﻴز اﻝﻤﻘدرات ﻓﻲ ﻫذﻩ اﻝﺤﺎﻝﺔ‪.‬‬

‫• ﺘوﺴﻴﻊ ﺤﺠم اﻝﻌﻴﻨﺔ‪:‬‬

‫إذا ﻜﺎﻨت ﻤﺸﻜﻠﺔ اﻝﺘﻌدد اﻝﺨطﻲ ﻨﺎﺘﺞ ﻋن ﻗﻠﺔ اﻝﺒﻴﺎﻨﺎت‪ ،‬ﻓﺎن اﻝﺤل ﻗد ﻴﻜون ﺒزﻴﺎدة وﺘوﺴﻴﻊ ﺤﺠم اﻝﻌﻴﻨﺔ ﻓﻤﺜﻼ‬
‫ﻴﻤﻜن ﺘﺤوﻴل اﻝﺒﻴﺎﻨﺎت اﻝﺴﻨوﻴﺔ إﻝﻰ ﺒﻴﺎﻨﺎت ﻤوﺴﻤﻴﺔ أو ﺸﻬرﻴﺔ إن أﻤﻜن ذﻝك‪.‬‬

‫• ﺘﺤوﻴل اﻝﻌﻼﻗﺔ اﻝداﻝﻴﺔ‪:‬‬

‫ﻴﻤﻜن ﺤل ﻫذﻩ اﻝﻤﺸﻜل أﻴﻀﺎ ﺒﺘﺤوﻴل ﺸﻜل اﻝﻌﻼﻗﺔ اﻝداﻝﻴﺔ ﻤن ﺨطﻴﺔ إﻝﻰ ﻝوﻏﺎرﺘﻤﻴﺔ ﻤﺜﻼ أو أي ﺸﻜل آﺨر‬

‫ﺤﺴب اﻝﻌﻼﻗﺔ اﻝﺘﻲ ﺘرﺒك ﺒﻴن اﻝﻤﺘﻐﻴرات اﻝﻤدروﺴﺔ ﻤﺤل اﻝدراﺴﺔ‬