شیوه جدید محقق ایرانی برای مدلبندی فعالیت‌های اقتصادی

دکتر کازوهیکو هایاکاوا از دانشگاه هیروشیما و پروفسور محمدهاشم پسران از کالج ترینیتی در کمبریج و دانشگاه کالیفرنیای جنوبی این مدل را ارائه داده‌اند.

شیوه جدید تکنیک‌های موجود برای مدلبندی نوعی از داده موسوم به "داده‌های پانلی" را ارتقا می‌دهد. چنین داده‌هایی از مشاهده افراد، ایالت‌ها، کشورها، شرکت‌ها و دیگر مولفه‌ها در چندین بازه زمانی بدست می‌آید.

چون داده‌های پانلی شامل مشاهدات چندین شخص و طی چندین بازه زمانی است، فرصت‌های ارزشمندی برای اقتصاددانان ارائه می‌دهد تا ابزار تحلیلی مختلف را به کار برند.

به گفته محقق ایرانی و همکارش، به یمن توسعه فناوری اطلاعات، چنین مجموعه داده‌های دوبعدی آسان ‌تر از گذشته به دست می‌آید.

قدرت داده‌های پانلی در این است که داده‌های مقطعی و ابعاد سری‌های زمانی را ترکیب کرده و به اقتصاددانان امکان انجام تحلیل‌هایی را می‌دهد که با استفاده از صرفا انواع دیگر داده ممکن نیست.

نمونه ساده‌ای از کاربرد پنل داده در اندازه‌گیری تاثیر آموزش شغلی بر دو گروه از افراد دارای ویژگی‌های مشابه مانند زمینه تحصیلی، سن و شغل آزمایش شد.

دکتر هایاکاوا و پروفسور پسران بر مدل‌های دینامیک داده‌های پانلی تمرکز کرده‌اند که در مطالعات اقتصادی تجربی به کار می‌روند.

رویکرد غالب برای تخمین‌زدن چنینی مدل‌هایی شیوه generalized method of moments  یا GMM نام دارد اما مطالعات قبلی نشان داده‌اند GMM عملکرد رضایت‌بخشی ندارد.

این نقطه ضعف موجب شد دانشمندان تکنیک دیگری به نام maximum likelihood  یا ML را در نظر بگیرند. رویکرد جدید مطالعات قبلی درباره شیوه ML را بسط می‌دهد به طوری که در موقعیت‌های واقعی کارآمدتر خواهد بود.

مدل جدید در مطالعات اقتصادی تجربی قابل اعمال است اما پروفسور پسران معتقد است هنوز فضای بیشتری برای ارتقای این شیوه وجود دارد به طوری که از لحاظ عملی مناسب‌تر شود.

شیوه ارائه شده پیشرفته است و با استفاده از داده‌های پانلی می‌توان اثر مطالعات بالینی، تاثیرات تبلیغات و تاثیر سیاست‌های اقتصادی و مولفه‌های دیگر را بررسی کرد.

دانشمندان انتظار دارند محققان بیشتری از این مدلبندی در حوزه‌های وسیع‌تر استفاده کنند.

جزئیات رویکرد جدید در Journal of Econometrics منتشر شده است.

 

No tags for this post.