۵-۵-پیشنهاد برای پژوهش­های آتی:

برای تکمیل مطالعه­ صورت گرفته در این پژوهش، چند پیشنهاد برای مطالعاتی که در آینده صورت خواهد گرفت مطرح می­ شود.

1. 1. اثر بحران مالی بر سهم تجارت دوجانبه خدمات از کل تجارت دوجانبه بین شرکای تجاری بررسی شود.

1. 1. میزان اثرگذاری بحران بر حجم تجارت دوجانبه در دو بخش خدمات و کالا مقایسه شود .

1. 1. اثر بحران مالی بر سهم تجارت دوجانبه خدمات گردشگری از کل تجارت دوجانبه خدمات بین شرکای تجاری مطرح شده در این پژوهش بررسی شود.

1. 1. میزان اثرگذاری بحران بر خدمات گردشگری در کشورهای پیشرفته و کشورهای در حال توسعه مقایسه شود.

1. 1. با توجه به کمبود اطلاعات و فقدان پایگاه داده در رابطه با گردشگری پیشنهاد می شود تا مطالعه ای به گردآوری اطلاعات در این زمینه اختصاص یابد و با توجه به اهمیت گردشگری و نقش آن در رشد و توسعه اقتصادی کشورها و ضرورت مطالعه در این زمینه لازم است تا  اطلاعات غیر متمرکز در زمینه گردشگری را در پایگاهی به صورت متمرکز فراهم آید.

پیوست:
پیوست فصل سوم: مباحثی پیرامون رهیافت داده ­های تابلویی:
با توجه به این که الگوی جاذبه با داده‌های مقطعی در طی یک دوره زمانی تخمین زده می‌شود بنابراین باید از رویکرد داده‌های ترکیبی یا پانل دیتا استفاده نمود. به طورکلی داده‌های ترکیبی را به دو روش پول یا پنل می‌توان تخمین زد. روش پنل دیتا، در حقیقت پولینگ کردن مشاهدات روی داده ­های مقطعی در طول چندین دوره­ زمانی است و استفاده از این روش نسبت به الگو­های مقطعی و ترکیبی(پولینگ) دارای دو منفعت عمده است؛ نخست آنکه، به محقق این امکان را می­دهد تا ارتباط میان متغیرها را در طول زمان در نظر گرفته و به بررسی آن­ها بپردازد. دوم، توانایی این روش در کنترل انفرادی مربوط به هر یک از جفت شرکای تجاری است که قابل مشاهده و اندازه ­گیری نیستند. باید توجه داشت زمانی که این اثرات با متغیرهای توضیحی و متغیر وابسته مرتبط هستند، حذف آن منجر به پیدایش اریب در روشOLS خواهد شد.
داده‌های تابلویی روش مناسبتری نسبت به روش پولد برای تخمین الگوی جاذبه است (اکبری دهباغی، ۱۳۸۵). یکی از روش‌های غلبه بر ناهمگنی شرکای تجاری، در الگوی جاذبه استفاده از روش داده‌های تابلویی است که برای شرکای تجاری عرض از مبدا مشخص در نظر می‌گیرد. این روش در حقیقت ترکیب کردن مشاهدات روی داده‌های مقطعی در طی چندین دوره زمانی است..
در داده ­های تابلویی، واحدهای مقطعی یکسان ( برای مثال، خانوار، بنگاه،کشور یا ایالت) طی زمان، بررسی و سنجش می‌شوند. داده ­های تابلویی دارای ابعاد فضائی (مکانی) و زمانی‌اند و به حرکت واحد­های مقطعی طی زمان اشاره می‌کنند (گجراتی،۲۰۰۴). به طور کلی داده‌های پانل دارای ویژگی‌های خوبی می‌باشند که، همین ویژگی‌های مناسب، عاملی شده است تا در پژوهش­های زیادی از آن برای تخمیین الگوی سنجی استفاده شود. که در زیر به شماری از آنها اشاره می‌شود:
۱- کنترل ناهمگنی فردی: در واقع ایده اصلی الگو‌های داده‌ها تابلویی این است که افراد، بنگاه‌ها و استان‌ها و غیره از نظر رفتاری همگن نیستند. الگوهای سری زمانی به تنهایی و نیز داده‌های مقطعی به تنهایی نمی‌توانند این ناهمگنی‌ها را الگو‌سازی کنند، در نتیجه تخمین زن‌ها حاصل از آن­ها تورش‌دار می‌شود.
۲- حل مشکل کوتاه بودن دوره زمانی داده‌ها، در پژوهش­هایی که دوره زمانی پژوهش کوتاه است با ادغام داده‌های سری زمانی با داده‌های مقطعی، می‌توان مشکل کم بودن اطلاعات را حل می‌کند.
۳- داده‌های پانل با حجم زیاد، باعث هم خطی کم در میان متغیرها، و ایجاد درجه آزادی و کارایی بیشتر می‌شود.
۴ - داده‌های پانلی امکان طراحی الگوهای رفتاری پیچیده­تری را فراهم می­ کنند.
۵ - داده‌های پانلی امکان بیشتری را برای شناسایی و اندازه ­گیری اثراتی فراهم می­ کنند که با اتکای صرف به آمارهای مقطعی یا سری زمانی به سادگی قابل شناسایی نیستند.
به طور کلی در داده‌های ترکیبی سه نوع متغیر حذف شده وجود دارد که خود را در عرض از مبدا‌ها نشان می‌دهد و بسته به این که الگوی پژوهش با کدام یک سازگاری بیشتری دارد، تخمین براساس آن انجام می‌گیرد.
الف - متغیرهایی که در طول واحدهای انفرادی ثابتند ولی در طول زمان تغییر می‌کنند (اثرات بین گروهی).
تخمین بین گروهی از اختلاف بین کشورها بهره برداری می‌کند، اما از هرگونه اطلاعاتی در درون کشورها صرف‌نظر می‌کند و به عبارتی این نوع تخمین‌ها، رگرسیون روی میانگین است و معمولا برای تخمین ضرایب بلند‌مدت از این روش استفاه می‌شود (نصیری،۱۳۹۰).
ب - اثرات انفرادی که در طول زمان ثابتند ولی در بین واحد‌های انفرادی تغیر می‌کنند (اثرات ثابت).
در روش ترکیبی (پولینگ) فرض بر این است که عرض از مبدا برای همه جفت کشورها یکسان است. علاوه براین، فرض می شود بردار پارامترها نیز که بیانگر شیب معادله است برای همه زمان­ها یکسان است. به همین دلیل است که گفته می شود OLS به علت اعمال محدودیت بر الگو مذکور مبنی بر یکسان پارامترها برای همه جفت کشورها دچار اریب ناهمگنی می­گردد. برای رفع این مشکل در روش اثرات ثابت، محدودیت یکسان بودن اثرات انفرادی حذف می­گردد، ولی یکسان بودن شیب معادله همچنان برقرار است. به عبارتی تحت این روش برای هر واحد انفرادی (جفت کشورهای شریک تجاری)، عرض از مبدا جداگانه‌ای وجود دارد که می‌تواند با متغیر‌های توضیحی الگو همبستگی داشته‌ باشد و یا نداشته باشد. در این روش استفاده ‌از روش حداقل مربعات معمولی برای تخمین پارامترها دارای نتایج بدون تورش و سازگار است.
ج- متغیر‌هایی که در طول زمان و هم در ارتباط با واحد‌های انفرادی متغیرند (اثرات تصادفی).
یک روش جایگزین برای تخمین الگوی اثرات ثابت، تخمین الگوی اثرات تصادفی است. در این روش فرض می‌شود عرض از مبدا‌ها (ijα) دارای توزیع مشترکی با میانگین α و واریانس۲σ بوده و بر خلاف روش اثرات ثابت، با متغیرهای توضیحی الگو همبستگی ندارد.
همانگونه که از الگوی جاذبه مشخص است و در بسیاری از پژوهش­ها نیز به آن اشاره می‌کنند روش اثرات ثابت برای الگوی جاذبه می‌تواند کارایی بیشتری دارد زیرا در حقیقت برای بسیاری از جفت کشورها عواملی حذف شده در الگو وجود دارند که در طی زمان بین جفت کشورها مشترک است اما از یک جفت کشور به جفت کشور دیگر متفاوت است مثل زبان که می‌توان در بین یک جفت کشور در طی زمان مشترک است اما همزمان بین یک جفت کشور دیگر این همگنی وجود ندارد در حالیکه این عامل بر تجارت اثر دارد (اما در الگو به شکل صریح بدان اشاره نشده است). اما همزمان می‌تواند که مسائلی بین دو جفت کشور وجو داشته باشد که در طی زمان نیز عوض شده باشد اما همین عامل موثر بر تجارت برای جفت کشور دیگر موجود نباشد. در نتیجه به شکل قطع نمی‌توان در مورد اینکه کدام الگو مناسب تر است تصمیم گرفت. برای آنکه بتوانیم بین الگو­های اثرات ثابت و اثرات تصادفی از نظر قدرت توضیح دهندگی متغیر وابسته مقایسه ای انجام دهیم، از آزمونی به نام آزمون هاسمن استفاده می­کنیم. از آنجا که برای انجام مقایسه بین این دو الگو باید وجود همبستگی بین اثرات تصادفی(αi) و متغیر‌های تو‌ضیحی را مورد آزمون قرار دهیم، لذا در آزمون هاسمن فرضیه صفر این است که هیچ همبستگی میان اثرات تصادفی و متغیر‌های تو‌ضیحی وجود ندارد. تحت این فرضیه، تخمین‌زن‌هایOLS و GLS(حداقل مربعات تعمیمیافته) هر دو سازگار هستند ولی تخمین زن OLS ناکاراست. در شرایطی که تحت فرضیه مقابل، تخمین زن OLS کارا و سازگار ولی تخمین زن GLS ناسازگار است. تابع آزمون هاسمن دارای توزیع۲χ بادرجه آزادی K(تعداد پارامتر قابل برآورد ) است. چنانچه آماره به دست آمده کوچکتر از مقدار جدول باشد، روش اثرات تصادفی پذیرفته می شود. در غیر این صورت فرضیه H₁ مورد پذیرش است و تخمین با اثرات ثابت انجام می‌شود. در ادامه آنچه در بالا ذکر شد همراه با الگو و به صورت سنجی بیان شده است.
در یک شکل کلی و در قالب پنل دیتا می توان الگوی جاذبه­ای به صورت زیر را در نظر گرفت:
(۳-۸)
که X_ijt، صادرات از کشور i به j در سال t یک بردار۱×k از لگاریتم متغیرهای جاذبه (GDP، جمعیت ومولفه­های خاص) است. منظور از مولفه‌های خاص در الگوی جاذبه، ویژگی‌های فرهنگی، تاریخی، سیاسی و سایر متغیرهای کشورها است که بایکدیگر تفاوت دارند والبته هر کدام از عوامل، سطح مبادلات تجاری را بین کشورها تحت تاثیر قرار می‌دهد و با متغیرهای اصلی جاذبه (تولید ناخالص و جمعیت) همبستگی پیدا می‌کند. سایر عوامل است که در غالب متغیرهای قابل مشاهده نیستند در واقع این عوامل خود را در قالب عرض از مبدا یا مقدار ثابت نشان می‌دهند. در این الگو کلی عرض از مبدا شامل سه قسمت است؛ که برای همه سال­ها و همه جفت کشورها مشترک است. که برای سال t بوده و برای همه جفت کشورها به عنوان واحدهای انفرادی مشترک است و بالاخره که برای هر یک از جفت کشورها منحصر به فرد بوده و برای همه ی سال­ها مشترک است، این قسمت از عرض از مبدا را اصطلاحا اثرات انفرادی می­نامند. چنانچه وارد الگو شود، به آن الگوی پنل دیتا دو طرفه^[۱۶۷] گفته می­ شود. در حالی که هر گاه این جزء از عرض از مبدا وارد الگو نگردد، پنل تشکلیل شده به صورت پنل دیتا یک طرفه^[۱۶۸] خواهد بود. نیز جزء اخلال است که فرض می­ شود بطور نرمال (با میانگین صفر و واریانس ثابت برای همه ی مشاهدات) توزیع شده است که با هم ناهمبسته اند، یعنی:
(۳-۹)
در روش ترکیبی (پولینگ) فرض بر این است که عرض از مبدا برای همه ی جفت کشورها یکسان است، علاوه بر این فرض می­ شود بردار پارامترها نیز که بیانگر شیب معامله است برای همه ی tها یکسان است. به عبارت دیگر:
به همین دلیل است که گفته می­ شود روشOLS به علت اعمال محدودیت بر الگو مذکور مبتی بر یکسان بودن پارامترها برای همه جفت کشورها دچار اریب ناهمگنی می­گردد. برای رفع این مشکل در روش پنل دیتا، محدوودیت یکسان بودن اثرات انفرادی () حذف می­ شود ولی یکسان بودن شیب معادله همچنان برقرار است.
در روش پنل دیتا خود مشتمل بر سه نوع تخمین یعنی، تخمین­های بین گروه، تخمین­های درون گروه ( اثرات ثابت (FE)) و اثرات تصادفی (RE) است. تخمین­های بین گروه از اختلاف بین کشورها (صرف نظر می­ کند و به عبارتی این نوع تخمین­ها، رگرسیون روی میانگین­هاست و معمولا برای تخمین ضرایب بلند مدت از این روش استفاده می­ شود (اگر^[۱۶۹]، ۲۰۰۰).
در روش اثرات ثابت (FE) فرض می­ شود که شیب معادله (۳-۷) برای همه ی جفت کشورها یکسان است ولی برای هر واحد انفرادی (هر یک از جفت شرکای تجاری)، عرض از مبدا جداگانه ای وجود دارد که می ­تواند با متغیرهای توضیحی الگو همبستگی داشته و یا نداشته باشد. این روش، روش حداقل مربعات مجازی^[۱۷۰] نامیده می­ شود، چرا که به معرفی متغیرهای مجازی می ­پردازد که بیانگر اثار عوامل حذف شده­ای است که مربوط به خصوصیات هر یک از کشورها به عنوان واحدهای انفرادی بوده و در قالب عرض از مبدا () وارد الگو می­گردند. بنابراین در روش اثرات ثابت، بعد زمان در نظر گرفته نشده و تنها اثراتی که مختص هر یک از کشورهاست به عنوان اثرات انفرادی منظور می­گردد.
در روش اثرات تصادفی(RE) که به روش اجزاء واریانس نیز معروف است، فرض می­ شود عرض از مبداها (ها) دارای توزیع مشترکی با میانگین α و واریانس بوده و بر خلاف روش اثرات ثابت (FE)، با متغیرهای توضیحی الگو ناهمبسته اند.
به طور کلی سه نوع متغیر حذف شده وجود دارد که خود را در عرض از مبداها (ها) نشان می­دهد:۱-اثرات انفرادی که در طول زمان ثابتند ولی در بین واحدهای انفرادی تغییر می­ کنند. ۲-متغیرهایی که در طول واحدهای انفرادی ثابتند ولی در طول زمان تغییر می­ کنند. ۳-متغیرهایی که هم در طول زمان و هم در ارتباط با واحدهای انفرادی متغیرند.
در الگوهای اثرات ثابت (FE)،عواملی به عنوان اثرات انفرادی در نظر گرفته می­ شود که مخصوص واحدهای انفرادی بوده و در طول زمان ثابت هستند. به عبارت دیگر در عرض از مبدا این الگوها بر خلاف اثرات تصادفی(RE)، عامل زمان در نظر گرفته نمی­ شود بنابراین این در الگوهای اثرات ثابت نمی­ توان متغیرهای ثابت در طول زمان را به طور جداگانه و به عنوان متغیرهای توضیحی وارد الگو کرد، چرا که با اثرات انفرادی (ها) هم خطی پیدا خواهد کرد.
در تخمین­های درون گروه فرض می­ شود که واریانس­ها همسان هستند، درحالی که پیدایش مساله هم خطی امکان دارد، از طرف دیگر در روش اثرات تصادفی(RE) احتمال بروز مساله ناهمسانی واریانس وجود دارد. از این رو روش تخمین در الگوهای اثرات تصادفی، روش حداقل مربعات تعمیم یافته است.
جهت تصمیم گیری در مورد بکارگیری روش اثرات ثابت و یا تصادفی باید توجه داشت که روش اثرات ثابت معمولا هنگامی کارایی دارد که کل جامعه آماری در نظر گرفته می­ شود. درصورتی که اگر از بین جامعه ی بزرگی نمونه­هایی به صورت تصادفی انخاب شود، روش اثرات تصادفی کاراتر خواهد بود (اگر،۲۰۰۰).
منابع:
احمدزاده، ایمان (۱۳۸۴)، بررسی پتانسیل صادراتی فولاد کارخانه ذوب آهن اصفهان، پایان نامه کارشناسی ارشد اقتصاد، دانشگاه اصفهان.
آذربایجانی، کریم و طیبی، سید کمیل (۱۳۸۰)، بررسی پتانسیل موجود میان ایران و اوکراین، به کارگیری مدل جاذبه، پژوهشنامه بازرگانی. فصلنامه شماره ۲۱٫
اکبری دهباغی، سیمین(۱۳۸۵)، تعامل همگرایی درامدی و گسترش جریان های تجاری میان ایران و بلوک های منتخب، پایان نامه ی کارشناسی ارشد اقتصاد، دانشگاه اصفهان.