محاسبه اریب ضرایب فزاینده تصادفی تولید از منظر تدوین کنندگان و تاثیر اندازه حجم نمونه بر آن
محل انتشار: فصلنامه پژوهشنامه اقتصادی، دوره: 15، شماره: 59
سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 118
فایل این مقاله در 29 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JOER-15-59_004
تاریخ نمایه سازی: 7 اسفند 1400
چکیده مقاله:
بروز خطا در فرآیند جمع آوری پایه های آماری و تدوین جداول داده-ستانده متقارن اجتناب ناپذیر است و همین موضوع سبب شده است تا تصادفی بودن آمارهای مندرج در جداول داده-ستانده، به عنوان یکی از مباحث اساسی در ادبیات اقتصاد داده-ستانده مطرح شود.پژوهشگران خارجی در مطالعات نظری اثبات کرده اند که اگر ماتریس ضرایب فنی، تصادفی باشد، ضرایب فزاینده تولید لئونتیفی دارای اریب مثبت خواهند بود. هر چند یافته های مطالعات کابردی (که مشتمل بر رویکرد کاربران و تدوین کنندگان است)، نتیجه فوق را تایید می کنند، اما نشان می دهند که میزان این اریب، بسیار ناچیز است و می توان از آن چشم پوشی کرد. در این مطالعه، رویکرد کاربران و تدوین کنندگان را در خصوص تجزیه و تحلیل تصادفی داده-ستانده و برآورد میزان اریب ضرایب فزاینده تبیین کرده و با استفاده از شبیه سازی مونت کارلو و رویکرد تدوین کنندگان به برآورد میزان اریب ضرایب فزاینده تولید و تاثیر اندازه نمونه بر آن خواهیم پرداخت. یافته های این مقاله حاکی از آن است که اولا به موازات افزایش حجم نمونه از میزان اریب ضرایب فزاینده کاسته می شود. دوما هر چه بر اندازه نمونه افزوده می شود، درصد بیشتری از درایه های ماتریس ضرایب فزاینده تولید با اریب مثبتی مواجه خواهند شد. سوما در اندازه های بزرگ نمونه، تمامی ضرایب فزاینده دارای اریب مثبت و معنی داری هستند که در راستای نتایج و یافته های مطالعات تحلیلی قرار دارد، هر چند که میزان این اریب بسیار کوچک است.
کلیدواژه ها:
نویسندگان
علی اصغر بانوئی
استاد دانشکده اقتصاد دانشگاه علامه طباطبائی
زهرا ذبیحی
دانشجوی کارشناسی ارشد دانشگاه علامه طباطبائی
پریسا مهاجری
استادیار دانشکده اقتصاد دانشگاه علامه طباطبائی
الهام تبریزی
دانشجوی دکترای آمار دانشگاه شهید بهشتی
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :