شناسایی آمارهای برتر و تأثیر آن‌ها بر اعتبار آماری جدول داده - ستانده منطقه‌ای با روش ترکیبی جدید CHARM-RAS

نویسندگان

1 استادیار گروه اقتصاد نظری، دانشگاه علامه طباطبائی

2 دانش آموخته کارشناسی ارشد اقتصاد دانشگاه علامه طباطبائی

3 استاد گروه برنامه ریزی و توسعه اقتصادی دانشگاه علامه طباطبائی

doi
10.22084/aes.2018.15050.2564
چکیده

این مقاله نشان می‌دهد استفاده از آمارهای برتر در روش‌های ترکیبی محاسبه جداول داده- ستانده منطقه‌ای (RIOTs) می‌تواند بر اعتبار آماری جداول و ضرایب مستخرج بیافزاید. لکن جمع‌آوری آمارهای برتر، خود مستلزم صرف منابع مالی و زمان است، لذا پرسشی که ذهن تحلیل‌گران اقتصاد داده - ستانده را درگیر نموده است، شناسایی درایه‌هایی است که جمع‌آوری آمارهای مربوط به آن درایه‌ها، نقش بیشتری در بهبود اعتبار آماری و دقت محاسبات ایفا می‌کنند. در این مقاله، با استفاده از روش ترکیبی جدید CHARM-RAS و هفت معیار LARGE1، LARGE 2،INVIMP ،COLSUM ، ROWSUM، COLHYP و ROWHYP مناسب‌ترین معیار شناسایی آمارهای برتر در جدول منطقه‌ای انتخاب می‌گردد. یافته‌های کلی پژوهش حاکی از آن است که 1- صرف‌نظر از معیارهای به‌کار رفته برای شناسایی آمارهای برتر، استفاده از این آمارها سبب بهبود دقت و افزایش اعتبار آماری جداول می‌شود.  2- معیارهای شناسایی درایه‌های منفرد مجموعه آمارهای برتر، بهبود دقت بیشتری نسبت به معیارهای سطری و ستونی کامل یک بخش دارند اما با توجه به هزینه‌های بسیار بالای جمع‎آوری درایه‌های انفرادی مجموعه آمارهای برتر در مقایسه با معیارهای سطری و ستونی، یک بده-بستان (trade-off) میان اعتبار آماری و هزینه مورد نیاز برای گردآوری آمارهای برتر، وجود دارد. لذا توصیه می‌شود که از معیارهای سطری و یا ستونی برای شناسایی آمارهای برتر استفاده گردد. 3- روش حذف فرضی در هر دو معیار سطری و ستونی عملکرد بهتری از روش سنتی دارد. همچنین خطاهای آماری معیارهای ستونی، کمتر از معیارهای سطری است. لذا  مناسب‌ترین معیار شناسایی آمارهای برتر، معیار ستونی روش حذف فرضی، COLHYP است.