یکشنبه 8 خرداد ماه 1401 | ثبت نام | ورود | کاربر مهمان  | فارسی   English
بررسی چشم‌انداز اقتصاد ایران در سال ۱۴۰۱ در میزگردی با حضور حسین عبده تبریزی و حجت قندی
شاید تحت تأثیر تهاجم روسیه به اوکراین، در چند روز اخیر دستم در قفسۀ کتاب‌ها به سوی کتاب خون و ایمان نوشتۀ متیو کار (Matthew Carr, Blood and Faith) رفت که نخستین بار درسال ۲۰۱۰ توسط انتشارات هرست منتشر شد و ویراست دوم آن در سال ۲۰۱۷ به بازارآمد .کتاب در مورد اخراج مسلمانان اسپانیاییِ معروف به موریسکو یا مورهای کوچک (الموریسكیون) در آغاز قرن هفدهم است. کتاب، سرنوشت غم‌انگیز این گروندگان اجباری به مسیحیت را به‌روشنی تصویر می‌کند.
اقتصاد ایران ۴۰ و اندی سال است که در مسیری خارج از جادۀ اصلی حرکت میکند، بدون این که در این «رفتن» از کوتاهترین موانع توسعه «عبور» کرده باشد.
در شامگاه دوشنبه ۲۹ آذرماه، حسین عبده تبریزی در برنامۀ شبکۀ خبر در رابطه با «حذف دلار ۲۰۰ر۴ تومانی» شرکت کرد. خلاصه‌ای از نکات مورد اشارۀ ایشان به شرح زیر بود.
مشکل خانه‌های خالی مختص کشور ما نیست و در بسیاری از کشورها این مشکل به دلایل مختلف یا «بیش‌‌ساخت» (overbuilt) اتفاق افتاده است.
Print Send to Friends
دوشنبه 15 شهریور ماه 1400 | hits : 686 | Code: 21965
لگاریتم داده‌ها در تحلیل رگرسیون


امروز با دو دانشجو در مورد پایان‌نامه‌هایشان قبل از جلسۀ دفاع، نشست داشتم؛ پایان‌نامه بود و طبق معمول تحلیل رگرسیون.

امروز با دو دانشجو در مورد پایان­نامه­هایشان قبل از جلسۀ دفاع، نشست داشتم؛ پایان­نامه بود و طبق معمول تحلیل رگرسیون.

هر دو محقق هم از برخی داده­‌های خود لگاریتم گرفته بودند. البته چون دانش محدود آماری و اقتصادسنجی دارم، بر عهدۀ سایر استادان ناظر و مشاور است که موارد مرتبط با این تخصص­‌ها را بررسی کنند. با این همه، استفاده از متغیرها در شکل لگاریتمی در تحلیل رگرسیون آن قدر رایج شده که دلایل موضوع برای من هم تا حدی روشن شده است. در این یادداشت، آن دلایل را بدآن گونه که می­‌فهمم، توضیح می­‌دهم:

· بیش از همه، برای این­که ماهیت رابطۀ بین متغیرهای مستقل و وابسته خطی شود، یعنی برای تبدیل روابط غیرخطی به خطی، از لگاریتم استفاده می­‌کنیم. این از پیچیدگی مدل­‌ها می‌­کاهد. بسیاری از نظریه‌­ها و مدل­‌هایی که در پژوهش­‌های تجربی به آزمون در می­‌آیند، به همین دلیل، از شکل لگاریتم ­گرفته‌شدة داده­‌ها استفاده می­‌کنند. از این‌رو، مجبوریم برای آزمون آنها، از لگاریتم داده­‌ها استفاده کنیم.

· وقتی که متغیر ما چوله به راست است، یعنی میانگین داده‌­ها از میانۀ آنها بزرگ‌­تر است، با لگاریتمی‌­گیری می­‌کوشیم توزیع متغیر موزون­‌تر یا (نرمال­‌تر) شود. البته، پیش­‌فرض تحلیل رگرسیون آن نیست که متغیرهای مستقل یا وابستة آن نرمال باشند. بنابراین، این دلیل برای لگاریتم­‌گرفتن متغیرها نباید موجه باشد، مگر این­که داده­‌های پَرت برای متغیرهای مستقل و وابسته داشته باشیم. با لگاریتم‌­گرفتن، اثر این مشاهدات پَرت را کاهش می­‌دهیم. برای اطمینان از استنتاج­‌های آماری خود، پس از لگاریتم‌­گرفتن از متغیرها، باید ببینیم آیا پسماندها نرمال هستند یا نه؟

· وقتی در رگرسیون اعداد با کمیت­‌های بزرگ و کوچک داریم، با لگاریتم‌­گیری، تفسیر بهتر از ضرایب رگرسیون ممکن می­‌شود. به کمک مقیاس لگاریتمی، اندازه­‌های بسیار بزرگ را در ابعاد کوچک نشان می‌دهیم.

· وقتی پهنۀ تغییرات پسماندها به طور موزونی با ارزش متغیرهای مستقل تغییر ‌کند، با لگاریتم­‌گیری از داده­‌های متغیرهای مستقل و وابسته، امکان حذف «ناهمسانی واریانس» فراهم می­‌شود.

· وقتی رابطه به رابطۀ نمایی نزدیک باشد.

 این فهرست از دلایل بیانگر مزایایِ بسیارِ استفاده از لگاریتم در تحلیل رگرسیون است. برای همین است که در بین «داده­‌تبدیل­‌های» مختلف چون لگاریتم، ریشه‌­گیری یا معکوس­ عددها و نسبت­‌ها، لگاریتم‌­گیری از بقیة رویکردها معمول­‌تر است.

البته، من هنوز هم کاملاً مطمئن نیستم که با لگاریتمی­‌گیری آیا می‌شود «داده­‌های بد» را به شکل «داده­‌های خوب» جلوه داد. دیده‌ام برای این که نمودارِ خوش‌­ترکیب بسازند، از لگاریتم استفاده می­‌کنند. با خوش‌­ترکیب‌­بودن نمودارها مشکلی ندارم، اما طبعاً برای تحلیل­‌کردن چنین داده­‌هایی فکر نمی­‌کنم باید از تبدیل‌­های لگاریتمی استفاده شود.

فرم ثبت نظر
نام
آدرس ايميل
متن نظر *
متن کنترلی را وارد کنيد *

در اين بخش نظری ثبت نشده است.
© Copyright 2011 iranfinance.net All Rights Reserved. Powered by : HomaNic.com | Developed by :