برازش مدل های رگرسیونی برای داده های پانلی با فواصل نابرابر و اغتشاش ar(1)

در علوم آمار و اقتصادی، مجموعه داده های پانلی شامل مشاهداتی برای چندین بخش (مانند خانوار و بنگاه) می باشند که در طی زمان های مختلف جمع آوری شده اند. قطری نبودن ماتریس کوواریانس مولفه های مانده، معمولاً در داده های پانلی برقرار است. در چنین شرایطی مولفه های مانده در داده هایی که به لحاظ زمانی به یکدیگر نزدیک تر باشند دارای وابستگی بالاتری هستند. بنابراین به روشی نیاز است که در صورت وجود واریانس ناهمسان یا وابستگی پیاپی جملات مانده، مدل رگرسیونی را برازش داده و پارامترها را برآورد کند. همچنین به دلیل وجود علل بسیاری، از جمله کمبود منابع یا سرمایه، ممکن است داده های پانلی در فواصل زمانی یکسان جمع آوری نشوند و مشاهدات دارای طول فواصل زمانی نابرابر باشند. هدف از انجام این پژوهش بررسی مدل داده های پانلی درفواصل زمانی نابرابر با اغتشاش اتورگرسیو مرتبه اول است. وجود اثرات تصادفی باعث تعیین تغییرپذیری در مشاهدات تکراری و تعدیل ساختار همبستگی بین اندازه های مکرر مربوط به واحدها و یا مشاهدات وابسته درون طبقات می شود و این موجب دقت و کارایی بیشتر برآورد پارامترها خواهد شد. فرض معمول در برازش این مدل ها نرمال بودن توزیع اثرات تصادفی است. در این پایان نامه دو روش برای برآورد پارامترهای مدل خطی آمیخته با مانده های اتورگرسیو مرتبه اول در فواصل زمانی نابرابر ارائه شده است. همچنین مثال کاربردی با استفاده از داده های واقعی توسط روش اول مورد بررسی واقع شده است.