Thesis (M.Sc)-Cairo University, 2025.

Bibliography: pages 114-122.

This study aims to examine one of the important dynamic economic models used in time series data analysis, namely the Autoregressive Distributed Lag (ARDL) model. It emphasizes the significance of selecting an appropriate model when outliers are present in the data. Alternative estimation methods have been introduced for estimating the ARDL model instead of the Ordinary Least Squares (OLS) method. These alternative methods fall under the category of robust estimation techniques, which are characterized by their ability to handle outliers and lower sensitivity to them.The robust estimation methods considered in this study include M-Huber, M-Bisquare, S, and MM estimation. A Monte Carlo simulation study was conducted to compare the performance of robust estimation against the non-robust OLS estimation under different error term distributions and various sample sizes. Additionally, the study applied these methods to real economic data from Egypt, including inflation, CO₂ emissions, and their influencing factors. The evaluation relied on performance metrics such as Mean Squared Error (MSE), Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Akaike Information Criterion (AIC), and Bayesian Information Criterion (BIC) to demonstrate the superiority of robust estimation techniques over OLS.The results indicate that the M-Bisquare and MM estimation outperform in the presence of outliers, whereas the M-Huber estimation provides the best balance between accuracy and simplicity. On the other hand, the OLS method proves to be the most effective only when the data contains no outliers.

يُعد نموذج الانحدار الذاتى لفترات الابطاء الموزعة(ARDL)من أهم النماذج في تحليل السلاسل الزمنية، حيث يتميز بقدرته على دراسة العلاقات قصيرة وطويلة الأجل بين المتغيرات الاقتصادية. حيث يتيح النموذج التعامل مع المتغيرات سواء كانت مستقرة عند المستوى أو عند الفرق الأول، مما يجعله أكثر مرونة من نماذج التكامل المشترك التقليدية. كما أنه مناسب للعينات الصغيرة ويوفر تقديرات دقيقة، مما يجعله أداة فعالة في التحليل الاقتصادي واتخاذ القرارات.ويُعد التعامل مع مشكلة القيم الشاذة (Outliers) من أهم التحديات في تقدير نموذج (ARDL)، حيث يمكن أن تؤثر بشكل كبير على دقة التقديرات واستقرار النتائج.
لذا هدفتهذه الرسالة الى تقديم طرق التقدير الحصين (Robust Estimation) ومن ضمن هذه الطرق هى طرق (M-Huber, M-Bisquare,S, and MM). لتقليل تأثير تلك القيم بدلاً من طريقة المربعات الصغرى (OLS).وقد تم تنفيذ التحليل الذى يعتمد على البيانات الكاملة كما تم اجراء محاكاة مونت كارو. ولتوضيح افضلية طرق التقدير تم الاعتماد على طرق المعايرة وهى (MSE, MAE, RMSE, AIC, and BIC) .وقد اوضحت النتائج تفوق طرق التقدير الحصين على طريقة المربعات الصغرى فى حالة وجود قيم شاذة.
تتكون هذه الرسالة من خمس فصول على النحو التالى :
الفصل الأول يتناول نموذج الانحدار الذاتي لفترات الابطاء الموزعة، وهو أداة تحليلية تُستخدم لفهم العلاقات الديناميكية بين المتغيرات الاقتصادية عبر الزمن. يبدأ الفصل بشرح الطبيعة الديناميكية للعلاقات، حيث يتم استعراض نموذج الفجوات الزمنية الموزعة الذي يوضح تأثير القيم السابقة للمتغير المستقل على المتغير التابع، ونموذج الانحدار الذاتي (AR(p)) الذي يُركِّز على العلاقة بين القيم الحالية والسابقة للمتغير نفسه. ثم يتم الجمع بين هذين النموذجين في إطار موحد لتحليل العلاقات الأكثر تعقيدًا بين المتغيرات. بعد ذلك، ينتقل الفصل إلى استعراض التطورات في اختبارات التكامل المشترك، التي تهدف إلى الكشف عن العلاقات طويلة الأجل بين المتغيرات الاقتصادية، مما يُعد أساسًا لفهم مدى استقرار هذه العلاقات. يتناول الفصل أيضًا تعريفنموذج الانحدار الذاتى ذى الفجوات الموزعة، وكيفية تحديد طول الفجوات الزمنية فيه، مع التركيز على خطوات تقدير النموذج ومراجعة خصائصه. كما يتم شرح نموذج تصحيح الخطأكجزء مكمل لتحليل العلاقات قصيرة وطويلة الأجل. يُخصص جزء من الفصل لمعايير اختيار النماذج الإحصائية، حيث يتم مناقشة الإجراءات المنظمة وغير المنظمة لتحديد أفضل نموذج يمكن اعتماده. أخيرًا، يستعرض الفصل الأدبيات السابقة المتعلقة بنموذج(ARDL)، بما يشمل الدراسات النظرية التي تناولت الأسس العلمية للنموذج، والتطبيقات العملية التي استُخدم فيها لتحليل البيانات الاقتصادية.
الفصل الثاني يُركز على الانحدار الحصين، وهو منهج إحصائي يهدف إلى معالجة تأثير القيم الشاذةالتي يمكن أن تؤثر سلبًا على دقة النماذج التقليدية مثل انحدار (ARDL). يبدأ الفصل بمناقشة القيم الشاذة في البيانات، مع تسليط الضوء على تأثيراتها السلبية، حيث قد تؤدي إلى تشويه النتائج وتقليل كفاءة التقديرات. يتم التطرق إلى طرق اكتشاف القيم الشاذة وتحليل أسباب ظهورها في البيانات، إلى جانب استعراض الأساليب المختلفة للتعامل معها بهدف الحد من تأثيرها على التحليل.

Issues also as CD.

Text in English and abstract in Arabic & English.