رگرسیون آستانه ای

رگرسیون آستانه ای یک روش اندازه‌گیری است که در آن متغیر وابسته بر اساس متغیر مستقل دسته‌بندی می‌شود. به عبارت دیگر، این روش برای مدل‌سازی روابط میان متغیرهای وابسته و مستقل در مواردی که وابستگی بین این دو به صورتی غیرخطی وجود دارد، استفاده می‌شود. در نرم‌افزار Eviews نیز امکان استفاده از این روش وجود دارد. برای انجام یک رگرسیون آستانه‌ای در Eviews، می‌توانید از مدل توابع تصادفی یا توابع درجه بالا استفاده کنید.

مدل رگرسیون آستانه‌ای معمولاً در مواردی استفاده می‌شود که احتمال وجود یک رابطه غیرخطی بین متغیرهای مستقل و وابسته وجود دارد و همچنین انتظار می‌رود که این رابطه به صورت دسته‌ای باشد، یعنی به طور قابل مشاهده وجود داشته باشد که در یک بازه آستانه‌ای خاصی اثر متغیر مستقل بر متغیر وابسته تغییر می‌کند.

مدل رگرسیون آستانه‌ای به طور کلی در موارد زیر مورد استفاده قرار می‌گیرد:
1. وجود ناهمواری‌ها یا نقطه‌هایی که نشان‌دهنده تغییر ناگهانی در رابطه بین متغیرهای مستقل و وابسته هستند.
2. امکان وجود تأثیرات متفاوتی از متغیرهای مستقل در بازه‌های مختلف از مقیاس یک متغیر وابسته.
3. وجود حداکثر یا حداقل مقداری که متغیر وابسته می‌تواند داشته باشد، و اینکه آیا این حداکثر یا حداقل مقدار مورد نظر تحت تأثیر متغیرهای مستقل متفاوت است یا خیر.

با استفاده از مدل رگرسیون آستانه‌ای می‌توانید این اثرات غیرخطی و تأثیرات آستانه‌ای را به خوبی مدل کرده و درک بهتری از رابطه متغیرهای مختلف به دست آورید.

برای انجام یک رگرسیون آستانه‌ای در Eviews می‌توانید مراحل زیر را دنبال کنید:
1. ابتدا داده‌های مورد نظر خود را در محیط Eviews بارگذاری کنید.
2. سپس از منوی "Quick" یا "Proc" گزینه "Estimate Threshold Regression" را انتخاب کنید.

3. در پنجره‌ای که باز می‌شود، متغیرهای مستقل و وابسته مورد نظر خود را انتخاب کنید.

4. سپس مقدار آستانه (Threshold) را تعیین کنید.

5. پس از انتخاب متغیرها و تعیین آستانه، روی دکمه "OK" یا "Estimate" کلیک کنید تا مدل رگرسیون آستانه‌ای برای داده‌های خود تخمین زده شود.

با استفاده از این مدل می‌توانید ارزیابی کنید که آیا اثر متغیر مستقل بر متغیر وابسته تحت تأثیر آستانه‌ای است یا خیر، و همچنین می‌توانید اثر آستانه را بررسی کنید. در نهایت، می‌توانید با استفاده از نتایج مدل، پیش‌بینی‌های مربوط به داده‌های جدید را انجام دهید و تحلیل‌های خود را بر اساس نتایج به دست آمده انجام دهید.

آزمون هاي برازش رگرسيون آستانه اي در eviews
در نرم‌افزار Eviews برای بررسی رگرسیون‌آستانه‌ای، ابزارها و آزمون‌های مختلفی وجود دارد که می‌توانند به شما کمک کنند تا از اعتبار و معنی‌دار بودن نتایج خود مطمئن شوید. برخی از این آزمون‌ها عبارت‌اند از:
1. آزمون مدل خود (Goodness of Fit Test): این آزمون برای ارزیابی میزان مطابقت مدل رگرسیون آستانه‌ای با داده‌ها استفاده می‌شود. معیارهای مختلفی مانند معیارهای نورمالیتی، همبستگی مدل و داده‌ها و معیارهای دیگر برای این امر مورد استفاده قرار می‌گیرند.
2. آزمون وجود آستانه (Threshold Existence Test): این آزمون برای بررسی وجود آستانه معنی‌دار در مدل رگرسیون آستانه‌ای استفاده می‌شود. با استفاده از این آزمون می‌توانید بررسی کنید که آیا وجود آستانه‌ای برای متغیر وابسته معنی‌دار است یا خیر.
3. آزمون تأثیرات آستانه (Threshold Effects Test): این آزمون برای ارزیابی تأثیرات متغیرهای مستقل بر متغیر وابسته در بازه‌های مختلف آستانه استفاده می‌شود. با استفاده از این آزمون می‌توانید بررسی کنید که آیا تأثیرات متغیرهای مستقل در بازه‌های مختلف آستانه معنی‌دار هستند یا خیر.
4. آزمون نقطه شکست (Breakpoint Test): این آزمون برای شناسایی نقطه شکست یا تغییر ناگهانی در رابطه متغیرهای مستقل و وابسته استفاده می‌شود. با استفاده از این آزمون می‌توانید بررسی کنید که آیا وجود نقطه‌ای در داده‌ها وجود دارد که تغییر ناگهانی در رابطه را نشان می‌دهد یا خیر.
با استفاده از این آزمون‌ها، شما می‌توانید اعتبار و معنی‌دار بودن نتایج مدل رگرسیون آستانه‌ای خود را بررسی کنید و اطمینان حاصل کنید که مدل شما مناسب است یا نیاز به تعدیل دارد.

در صورت تمايل مي توانيد فايل آموزش بالا را از لينك پايين خريد نماييد