Journal of Statistical Sciences

fa برازش مدل‌های رگرسیونی پویا با داده‌های پانلی توسط روش‌های ماکسیمم درستنمایی و بیزی Fitting Dynamic Regression Models for Panel Data Using Maximum Likelihood and Bayesian Methods استنباط آماری Statistical Inference پژوهشی بنیادی Research <p align="right">  مدلهای رگرسیونی پویا با دادههای پانلی دارای کاربرد بسیاری در مطالعات اقتصادی و اجتماعی هستند. خصوصیت بارز این مدلها وجود متغیرهای تاخیری به عنوان متغیر تبیینی است. این ویژگی باعث اغتشاش در خواص برآوردها توسط روشهای معمول برآوردیابی خواهد شد. یک مسئله اساسی در مدلسازی مشاهدات پانلی تغییرپذیری بین واحدهای آزمایشی است که به علت پیچیدگی محاسبات در استفاده از روشهای متداول برآوردیابی، اغلب این اثرات ثابت در نظر گرفته میشوند. در این مقاله استنباط آماری پارامترهای مدل رگرسیونی پانلی پویا با اثرات ثابت و تصادفی با روشهای ماکسیمم درستنمایی و الگوریتم نمونهگیری گیبز انجام میشود. سپس این دو مدل را بر مجموعهای از دادههای اقتصادی مربوط به رگرسیون داراییها و بدهیهای بانکی در ایران برازش داده و نتایج مورد تحلیل قرار میگیرند.</p> Recently, dynamic panel data models are comprehensively used in social and economic studies. In fitting these models, a lagged response is incorrectly considered as an explanatory variable. This ad-hoc assumption produces unreliable results when using conventional estimation approaches. A principle issue in the analysis of panel data is to take into account the variability of experimental individual effects. These effects are usually assumed fixed in many studies, because of computational complexity. In this paper, we assume random individual effects to handle such variability and then compare the results with fixed effects. Furthermore, we obtain the model parameter estimates by implementing the maximum likelihood and Gibbs sampling methods. We also fit these models on a data set which contains assets and liabilities of banks in Iran. اثرات تصادفی, درستنمایی حاشیه‌ای, شرایط اولیه, مو لفه‌های واریانس, نمونه‌گیری گیبز Gibbs Sampling, Initial Conditions, Marginal Likelihood, Random Effects, Variance Copmonents. 79 94 http://jss.irstat.ir/browse.php?a_code=A-10-35-1&slc_lang=fa&sid=1 Sakineh Sadeghi سکینه صادقی 10031947532846006920 10031947532846006920 No Department of Statistics, Isfahan University, Isfahan, Iran. گروه آمار، دانشگاه اصفهان Iraj Kazemi ایرج کاظمی 10031947532846006921 10031947532846006921 Yes Department of Statistics, Isfahan University, Isfahan, Iran. گروه آمار، دانشگاه اصفهان