خیر، در پژوهشها و مقالات معتبر کنونی، استفاده از روشهای نسل اول (مانند PMG، MG و DFE) در صورت وجود وابستگی مقطعی (Cross-Sectional Dependence) به هیچ وجه متداول و از نظر علمی پذیرفتهشده نیست.
چرا روشهای نسل اول نامعتبر میشوند؟
روشهای نسل اول پانل دیتا به شدت بر فرض استقلال مقاطع از یکدیگر استوار هستند. زمانی که مقاطع تحت تاثیر شوکهای مشترک قرار دارند (مثلاً شوکهای اقتصاد کلان مانند تغییرات نرخ سود که همزمان روی سودآوری تمام بانکهای یک نمونه اثر میگذارد)، نادیده گرفتن این وابستگی باعث بروز مشکلات اساسی در تخمین میشود:
تخمینهای ناسازگار و تورشدار: وابستگی مقطعی معمولاً ناشی از عوامل مشترک مشاهدهنشده (Unobserved Common Factors) در جزء اخلال است. اگر این عوامل با متغیرهای توضیحی مدل همبستگی داشته باشند، تخمینزنهای نسل اول به شدت ناسازگار (Inconsistent) خواهند بود.
تورم خطای استاندارد و رگرسیون کاذب: نادیده گرفتن این وابستگی باعث میشود خطاهای استاندارد به درستی محاسبه نشوند. در نتیجه، آمارههای آزمون (مثل $t-statistic$) نامعتبر شده و ممکن است روابطی که در واقعیت وجود ندارند، به اشتباه معنادار تشخیص داده شوند.
راهحل جایگزین: روشهای نسل دوم
زمانی که آزمونهایی مانند آزمون CD پسران (Pesaran CD test) وجود وابستگی مقطعی را تایید میکنند، باید از تکنیکهایی استفاده کرد که این عوامل مشترک را فیلتر میکنند. برای تخمین پانل ARDL در این شرایط، روشهای زیر استاندارد محسوب میشوند:
۱. مدل CS-ARDL (Cross-Sectionally Augmented ARDL):
این روش که توسط چودیک و پسران (۲۰۱۵) توسعه یافته، قویترین جایگزین است. در این روش، با اضافه کردن میانگینهای مقطعی (Cross-sectional averages) متغیرهای وابسته و مستقل (و وقفههای آنها) به عنوان متغیرهای کمکی به مدل، اثر عوامل مشترک مشاهدهنشده کاملاً خنثی میشود.
۲. روش CCEMG (Common Correlated Effects Mean Group):
یکی دیگر از رویکردهای پسران (۲۰۰۶) است که برای پنلهای ناهمگن با وابستگی مقطعی بالا طراحی شده و میانگین اثرات را با در نظر گرفتن همبستگیهای مقطعی محاسبه میکند.
۳. روش AMG (Augmented Mean Group):
این روش با وارد کردن یک «روند مشترک پویا» (Common Dynamic Process) به مدل، اثرات شوکهای مشترک را در سطح مقاطع کنترل میکند.
نکته کلیدی: اگر در حال داوری یک پژوهش هستید یا میخواهید مقالهای را برای مجلات معتبر ارسال کنید، گزارش نتایج نسل اول (مثل PMG) در کنار تایید وجود وابستگی مقطعی، یک ایراد متدولوژی بزرگ (Fatal Flaw) محسوب میشود و حتماً باید با برآوردگرهای خانواده CCE (مانند CS-ARDL) جایگزین شود.
🔴 کانال مدل های اقتصادسنجی
