Professional Documents
Culture Documents
درس لول
درس لول
درس لول
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 :
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:
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 اول :مشاكل القياس اقتصادي
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
ﺘﺘﻠﺨص أﻫم أﺴﺒﺎب وﺠود اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻝﻘﻴم اﻝﻤﺸﺎﻫدة ﻝﻠﻤﺘﻐﻴر اﻝﻌﺸواﺌﻲ ﻓﻴﻤﺎ ﻴﻠﻲ:
ﻝذﻝك ﺘﺴﺘﻌﻤل ﻋدة اﺨﺘﺒﺎرات ﻝﻠﻜﺸف ﻋﻠﻰ ﻫذا اﻻﺨﺘﻼل ﻤﻨﻬﺎ ﻤﺎ ﻴﻠﻲ :
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
ˆ∑ (ε
2
t ) − εˆt −1
t =2
= DW n
ˆ∑ ε
t =1
t
2
ˆ∑ ε
t =1
t
2
+ ∑ εˆt2−1 − 2∑ εˆt εˆt −1
t =2 t =1
= DW n
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
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.
ارتباط ذاتي موجب غير محدد عدم وجود ارتباط عدم وجود ارتباط غير محدد ارتباط ذاتي سالب
إذا ﻜﺎﻨت 4 − dU ≤ DW ≤ 4 − d Lأو d L ≤ DW ≤ dUﺘﻜون ﻨﺘﻴﺠﺔ اﻻﺨﺘﺒﺎر ﻏﻴر ﻤﺤددة ،وﻤن ﺜم ﻴﺠب
ﻤﺜﺎل:
إذا أﻋطﻴت ﻝك ﻨﺘﺎﺌﺞ ﺘﻘدﻴر إﺤدى اﻝﻌﻼﻗﺎت اﻝﻨظرﻴﺔ اﻻﻗﺘﺼﺎدﻴﺔ ﺨﻼل ﻤدة زﻤﻨﻴﺔ ﺘﻘدر ب 8ﺴﻨﺔ
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
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.
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:
. ﺘﻘدﻴر اﻝﻨﻤوذج اﻝﻌﺎم ﺒطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى ﺜم ﺤﺴﺎب اﻝﺒواﻗﻲ εˆt
ﺘﻘدﻴر اﻝﻤﻌﺎدﻝﺔ اﻝوﺴﻴطﻴﺔ اﻝﺘﺎﻝﻴﺔ:
ﺜم ﺤﺴﺎب ﻤﻌﺎﻤل اﻝﺘﺤدﻴد اﻝﺨﺎص ﺒﻬذﻩ اﻝﻤﻌﺎدﻝﺔ . R 2ﻨذﻜر أن ﺒﺎﺴﺘﻌﻤﺎل ﻫذﻩ اﻝﻤﻌﺎدﻝﺔ ،ﺴﻨﻔﻘد pﻤﺸﺎﻫدة.
)) χ 2 ( pاﻝﻘﻴﻤﺔ اﻝﺤرﺠﺔ ﻝﺘوزﻴﻊ χ 2ﺒﻨﺴﺒﺔ ﻤﻌﻨوﻴﺔ ،( αﻓﺈﻨﻨﺎ ﻨرﻓض H0 إذا ﻜﺎن (n − p) × R 2أﻜﺒر ﻤن
ﻓرﻀﻴﺔ اﺴﺘﻘﻼﻝﻴﺔ اﻷﺨطﺎء.
-2-2-1ﺘﻘدﻴر :ρ
إذا أﺨذﻨﺎ ﺒﻌﻴن اﻻﻋﺘﺒﺎر اﻻرﺘﺒﺎط اﻝذاﺘﻲ ﺒﻴن اﻷﺨطﺎء ،اﻝﻨﻤوذج اﻝﺨطﻲ اﻝﻌﺎم ﻴﻜﺘب ﻋﻠﻰ اﻝﺸﻜل اﻝﺘﺎﻝﻲ:
Y = Xβ + ε
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
و ) ˆ. βˆ0* = βˆ0 (1 − ρ اﻝﻤﻌﺎﻝم اﻝﻤﻘدرة ﺒطرﻴﻘﺔ اﻝﻤرﺒﻌﺎت اﻝﺼﻐرى ﻫﻲβˆ1 ,..., βˆ k :
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
و ) ˆ. βˆ0* = βˆ0 (1 − ρ βˆ1 ,..., βˆ k اﳌﻌﺎﱂ اﳌﻘﺪرة ﻫﻲ:
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(.
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
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
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 اول :مشاكل القياس اقتصادي
) 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.
ﻴﺘم اﻜﺘﺸﺎف ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن اﻷﺨطﺎء ﺒواﺴطﺔ ﻋدة اﺨﺘﺒﺎرات ﻤﻨﻬﺎ ﻤﺎ ﻴﻠﻲ:
:Goldfeld-Quandt -1-2-2اﺨﺘﺒﺎر
اﺴﺘﺒﻌﺎد اﻝﻤﺸﺎﻫدات اﻝوﺴطﻰ ﻝﻜل ﻤن Xو ،Yﺜم ﺘﻜوﻴن ﻤﺠﻤوﻋﺘﻴن ﻤن اﻝﻤﺸﺎﻫدات ﺒﺤﻴث ﻴﻜون ﻝﻜل ﻤﺠﻤوﻋﺔ
d 2 = n2 − k − 1
المحور اول :مشاكل القياس اقتصادي
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
ﻴﺘم ﻓﻴﻪ أوﻻ ﺘرﺘﻴب اﻝﺴﻠﺴﻠﺔ ﺜم ﺘﻘﺴﻴﻤﻬﺎ إﻝﻰ ﻋﻴﻨﺘﻴن ﺠزﺌﻴﺘﻴن ﺒﻌد ﺤذف 6ﻤﺸﺎﻫدات
اﺨﺘﺒﺎرGoldfeld-Quandt
وﺴﻴطﻴﺔ
0.005
F(α10=,10 ) = 2.98
المحور اول :مشاكل القياس اقتصادي
-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
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
ﻤﺜﺎل :ﻗﻤﻨﺎ ﺒﺘﻘدﻴر ﻨﻤوذج ﻗﻴﺎﺴﻲ ﻤن اﺠل 32ﻤﺸﺎﻫدة ﻓﻜﺎﻨت اﻝﻨﺘﺎﺌﺞ ﻜﻤﺎ ﻴﻠﻲ:
R 2 = 0.564
اﻝﺘﻲ ﺘﺘﺒﻊ ﺘوزﻴﻊ χ 2 (2k ) = χ (24) = 9.48نحظ 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:
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
ﺤﻴث إذا ﻜﺎﻨت LM = n × R 2اﻜﺒر ﻤن ) χ 2 ( Pﻋﻨد ﻤﺴﺘوى ﻤﻌﻨوﻴﺔ % αودرﺠﺔ ﺤرﻴﺔ Pﻓﺈﻨﻨﺎ ﻨرﻓض
ﺘﺘوﻗف ﻋﻤﻠﻴﺔ ﻤﺸﻜﻠﺔ ﻋدم ﺜﺒﺎت ﺘﺒﺎﻴن اﻷﺨطﺎء ﻋﻠﻰ ﻨﻤط اﻝﻌﻼﻗﺔ اﻝﻤوﺠودة ﺒﻴن ﺸﻌﺎع اﻷﺨطﺎء واﻝﻤﺘﻐﻴرات
اﻝﻤﺴﺘﻘﻠﺔ وﻨﻤﻴز ﺒﻴن ﻋدة أﺸﻜﺎل ﻨﻔرض أن:
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
، 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.
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
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.
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
-2-2-3اﺨﺘﺒﺎر :Farrar-Glauber
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.
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
ﻤﻌﺎﻤل اﻝﺘﺤدﻴد اﺼﻐر ﻤن ﻤرﺒﻊ ﻤﻌﺎﻤل اﻻرﺘﺒﺎط اﻝﺒﺴﻴط ﺒﻴن اﻝﻤﺘﻐﻴرات ) R2 p r(2X ,X
i j -أﻤﺎ إذا ﻜﺎن
ﻤﺜﺎل:
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 اول :مشاكل القياس اقتصادي
ﺒﻴن اﻝﻤﺘﻐﻴرات اﻝﻤﺴﺘﻘﻠﺔ r2 ﺒﺎﻻﻋﺘﻤﺎد ﻋﻠﻰ اﺨﺘﺒﺎر Kleinاﻝذي ﻴﻘﺎرن ﻤﻌﺎﻤﻼت اﻻرﺘﺒﺎط اﻝﺒﺴﻴطﺔ
) ( Xi , X j
ﻤﻌﺎﻤل اﻝﺘﺤدﻴد وﻤﻨﻪ ﻨﻘﺒل اﻝﻔرﻀﻴﺔ اﻝﺼﻔرﻴﺔ H 0ﺒﻌدم وﺠود ﻤﺸﻜل اﻝﺘﻌدد اﻝﺨطﻲ.
ﺒﻌد اﻝﺘﺄﻜد ﻤن وﺠود ﻤﺸﻜﻠﺔ اﻝﺘﻌدد اﻝﺨطﻲ ،ﻨﻘوم ﺒﻌد ذﻝك ﺒﻤﺤﺎوﻝﺔ ﻤﻌﺎﻝﺠﺔ ﻫذﻩ اﻝﻤﺸﻜﻠﺔ ،وﻫﻨﺎك اﻝﻌدﻴد ﻤن
اﻝطرق أﻫﻤﻬﺎ:
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.
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.
ﻴﻤﻜن ﺤل ﻫذﻩ اﻝﻤﺸﻜل أﻴﻀﺎ ﺒﺘﺤوﻴل ﺸﻜل اﻝﻌﻼﻗﺔ اﻝداﻝﻴﺔ ﻤن ﺨطﻴﺔ إﻝﻰ ﻝوﻏﺎرﺘﻤﻴﺔ ﻤﺜﻼ أو أي ﺸﻜل آﺨر