پایان نامه با واژگان کلیدی رگرسیون، اطلاعات مربوط، آزمون فرضیه، روش پژوهش

باشد و جمله (Vit ) خطا فقط از جمله خطای باقیمانده تشکیل شده باشد: حالت دوم این است که آثار فردی غیرقابل مشاهده در مدل وجود دارد؛ آزمون چاو استفاده میشود. فرضهای این آزمون به صورت زیر بیان می شود:
H0: Pooled Model
H1: panel Model
فرض H0 بر پایه عدم آثار فردی غیر قابل مشاهده است وفرض H1 بر پایه وجود آثار فردی غیر قابل مشاهده قرار دارد. اگر فرضH 0 پذیرفته شود، به این معناست که مدل فاقد آثار فردی غیرقابل مشاهده است، بنابراین، میتوان آن را از طریقH مدل رگرسیون تلفیقی تخمین زد، اما اگر فرض H1 پذیرفته شود، به این معنی خواهد بود که در مدل آثارفردی غیر قابل مشاهده وجود دارد. اکنون باید آزمون شود که آیا این آثار فردی با متغیرهای توضیحی مدل همبستگی دارند یا خیر.
بدین منظور، از آزمون هاسمن استفاده میشود. آزمون هاسمن بر پایه وجود یا عدم ارتباط بین خطای رگرسیون تخمین زده شده و متغیرهای مستقل مدل قرار دارد. اگر چنین ارتباطی وجود داشته باشد، مدل اثر ثابت و اگر این ارتباط وجود نداشته باشد، مدل نشان اثر تصادفی کاربرد خواهد داشت. فرضیهH0 نشان دهنده عدم ارتباط متغیرهای مستقل و خطای تخمین وH1 نشان دهنده وجود ارتباط است.
H0: Random Effect
H1: Fixed Effect
آزمونهای مانایایی متغیرهای تحقیق قبل از تجزیه و تحلیل دادههای تحقیق، مانایایی متغیرهای پژوهش بررسی شد. مانایایی متغیرهای پژوهش، به این معنی است که میانگین و واریانس متغیرها در طول زمان و کوواریانس متغیرها بین سالهای مختلف ثابت بوده است. در نتیجه، استفاده از این متغیرها در مدل، باعث به وجود آمدن رگرسیون کاذب نمیشود. بدین منظور، از آزمون لوین، آزمون لین، پسران و شین و آزمون دیکی فولر استفاده شده شده است.
۳-۱۲) خلاصه فصل
در این فصل ابتدا به بیان روش پژوهش، معرفی متغیرهای مستقل و وابسته و شیوه محاسبه این متغیرها پرداخته شد. سپس توضیحاتی در خصوص نحوه جمع آوری دادهها، جامعه و نمونه آماری تحقیق و فرضیههای تحقیق پرداخته شد. در مرحله بعد معنادار بودن ضرایب توسط آماره tو آماره ازمون (F-statistic) و روش همبستگی پیرسون آزمون می شوند. همچنین وجود یا عدم وجود عارضه های خود همبستگی و ناهمسانی واریانس با استفاده از آزمون دوربین واتسون و آزمون هم خطی هم مشخص گردید.
فصل چهارم
تجزیه و تحلیل داده‏ها
۴-۱) مقدمه
تجزیه و تحلیل اطلاعات به عنوان بخشی از فرآیند روش پژوهش علمی، یکی از پایههای اصلی مطالعه و بررسی است. در این فصل پژوهشگر برای پاسخگویی به مسأله تدوین شده و یا تصمیمگیری در مورد تأیید یا رد فرضیه یا فرضیههایی که برای پژوهش در نظر گرفته است، از روشهای مختلف تجزیه و تحلیل استفاده میکند. پس از آنکه در فصل گذشته روش پژوهش مشخص شد، اکنون نوبت آن است که داده‏های مورد نیاز برای آزمون فرضیه ها جمع‏آوری شوند و با استفاده از روش‏های آماری متناسب با روش پژوهش و نوع متغیرها، دستهبندی و تجزیه و تحلیل گردند.
همانطور که در فصل قبل بیان شد، پژوهش حاضر دارای دو مدل جانبی(برای محاسبه متغیرهای مستقل و وابسته۱۲۴) و دو مدل نهایی (برای آزمون فرضیه های پژوهش) می باشد. لذا در این فصل ابتدا به منظور محاسبه متغیرهای مورد نیاز در مدل رگرسیون اصلی(مستقل و وابسته)، مدل های جانبی برآورد می شود، سپس در نهایت پس از محاسبه کلیه متغیرهای لازم، مدل های نهایی جهت آزمون فرضیه ها به طور مفصل مورد تجزیه و تحلیل قرار می گیرند.
۴-۲) آزمون های آماری لازم جهت تحلیل رگرسیون چند متغیره
در این تحقیق از تحلیل رگرسیونی و روش داده های ترکیبی، برای آزمون فرضیات و مدل های جانبی استفاده شده است. تحلیل رگرسیونی روشی برای مطالعه سهم یک یا چند متغیرِ مستقل در پیش بینی متغیر وابسته است.
لازم به ذکر است که در این تحقیق با محدودیت در دسترس نبودن اطلاعات مربوط به متغیر حق الزحمه حسابرس از گزارشات هیئت مدیره در تمامی شرکت های مورد بررسی روبه رو شده؛ به طوریکه در بعضی از سال ها اطلاعات حق الزحمه در دسترس ولی در باقی سال ها در دسترس نبود. این موضوع سبب شد تا شرکتها در نمونه مذکور پخش و بدون ساختار شوند، بر این اساس از روش رگرسیونی(مقطعی)۱۲۵ Unstructured برای آزمون فرضیه فرعی پنجم استفاده شده است.
آزمون های آماری لازم و نوع آماره استفاده شده جهت تحلیل رگرسیون چند متغیره در سطح اطمینان۹۵% در جدول شماره(۴-۱) آورده شده است.
جدول شماره(۴-۱):آزمون های آماری جهت تعیین رگرسیون چندمتغیره
مدل ها
نوع آزمون استفاده شده
نوع آماره استفاده شده
“کلیه فرضیه ها و مدل های جانبی”
آزمون نرمال بودن (وابسته-پسماند)*۱۲۶
جارک-برا
آزمون نرمال سازی (در صورت نیاز)
تبدیل جانسون
آزمون هم خطی*
پیرسون
معنادار بودن مدل رگرسیون
F
آزمون معناداربودن ضرایب
آماره T
عدم خودهمبستگی جملات خطا*
دوربین واتسون
کلیه فرضیه های فرعی و مدل های جانبی
(روش داده های ترکیبی)
آزمون مانایی
Levin, lin
تشخیص نوع داده های ترکیبی
F مقید
تعیین نوع روش برآورد
هاسمن
آزمون همسانی واریانس خطا*
بارتلت
فرضیه فرعی پنجم
(روش داده های مقطعی)
آزمون همسانی واریانس خطا*
وایت
آزمون خودهمبستگی مرتبه دوم*
بریوش-گادفری
۴-۳) تجزیه و تحلیل مدل های جانبی
۴-۳-۱) آمار توصیفی
۴-۳-۱-۱) آمار توصیفی مدل جانبی اول(برای برآورد متغیر مستقلِ استقلال حسابرس)
جدول(۴-۲) آمار توصیفی مربوط به متغیرهای۱۲۷ مدل جانبی اول را نشان می دهد که بیانگر پارامترهای توصیفی برای هر متغیر به صورت مجزا می باشد. این پارامترها عمدتاً شامل اطلاعات مربوط به شاخص های مرکزی، نظیر بیشینه، کمینه، میانگین و میانه و همچنین اطلاعات مربوط به شاخص های پراکندگی نظیر واریانس، چولگی و کشیدگی است. در این جدول تعداد مشاهدات برای هر متغیر برابر۵۵۰ مشاهده است.
مهمترین شاخص مرکزی میانگین است که نشان دهنده نقطه تعادل و مرکز ثقل توزیع است و شاخص مناسبی برای نشان دادن مرکزیت داده هاست. برای مثال میانگین متغیر جمع اقلام تعهدی(TA) برابر با ۰۲/۰ می باشد، که نشان می دهد بیشتر داده های مربوط به این متغیر حول این نقطه تمرکز یافته اند. میانه یکی از شاخص های مرکزی است که وضعیت جامعه را نشان می دهد. همانگونه که در جدول(۴-۲) مشاهده میشود میانه متغیر جمع خالص اموال، ماشین آلات و تجهیزات (PPE) برابر با ۲۵/۰ می باشد که نشان می دهد نیمی از داده ها کمتر از این مقدار و نیمی دیگر بیشتر از این مقدار هستند.
پارامترهای پراکندگی، به طور کلی معیاری برای تعیین میزان پراکندگی داده ها از یکدیگر یا میزان پراکندگی آنها نسبت به میانگین است. از جمله مهمترین پارامترهای پراکندگی انحراف معیار است. مقدار این پارامتر برای متغیر تفاضل تغییرات فروش و حسابهای دریافتنی (∆sales -∆REC) برابر۹۸۲/۳ و برای متغیر تغییرات حساب های دریافتنی(∆REC) برابر ۱۰/۰ است که نشان می دهد در بین متغیرهای پژوهش، تفاضل تغییرات فروش و حسابهای دریافتنی (∆sales -∆REC) و تغییرات حسابهای دریافتنی (∆REC)به ترتیب دارای بیشترین و کمترین میزان پراکندگی می باشند.
میزان عدم تقارن منحنی فراوانی را چولگی می نامند. اگر ضریب چولگی صفر باشد، جامعه کاملاً متقارن است و چنانچه ضریب مثبت باشد، چولگی به راست و اگر منفی باشد، چولگی به چپ وجود خواهد داشت. به عنوان مثال ضریب چولگی متغیر جمع اقلام تعهدی (TA) برابر با ۰۹/۲۳ میباشد، یعنی این متغیر چولگی به راست دارد و به این اندازه از مرکز تقارن انحراف دارد. متغیر تغییرات فروش و حسابهای دریافتنی (∆sales -∆REC) بیشترین و متغیر جمع خالص اموال، ماشین آلات و تجهیزات (PPE)کمترین عدم تقارن را نسبت به توزیع نرمال دارد.
جدول (۴-۲): آمار توصیفی مدل جانبی اول
متغیر
آماره
جمع اقلام تعهدی
تغییرات فروش
تغییرات حسابهای دریافتنی
جمع خالص اموال، ماشین آلات و تجهیزات
تفاضل تغییرات فروش و تغییرات حسابهای دریافتنی
TAit
∆Salesit
∆RECit
PPEi,t
∆Salesit – ∆RECit
میانگین
۱۱/۰
۳۵/۰
۰۳/۰
۳۱/۰
۳۱/۰
میانه
۰۲/۰
۱۴/۰
۰۲/۰
۲۵/۰
۱۰/۰
بیشینه
۴۳/۴۳
۲۹/۹۳
۰۳/۱
۸۳/۱
۲۹/۹۳
کمینه
۵۳/۰-
۰۱/۱-
۳۱/۰-
۰۰۳/۰
۱۱/۱-
انحراف معیار
۸۵/۱
۹۸۱/۳
۱۰/۰
۲۲/۰
۹۸۲/۳
چولگی
۰۹/۲۳
۱۸/۲۳
۱۷/۲
۴۱/۱
۱۹/۲۳
کشیدگی
۰۰۶/۵۳۹
۶/۵۴۱
۶۴/۱۹
۸۳/۶
۰۷/۵۴۲
آماره جارک-برا
۶۶۳۲۹۳۴
۶۶۹۷۸۶۳
۶۹/۶۷۷۸
۸۷۴/۵۱۹
۶۷۰۸۸۴۹
احتمال آماره جارک برا
۰۰۰/۰
۰۰۰/۰
۰۰۰/۰
۰۰۰/۰
۰۰۰/۰
مشاهدات
۵۵۰
۵۵۰
۵۵۰
۵۵۰
۵۵۰
تعداد شرکتها
۱۱۰
۱۱۰
۱۱۰
۱۱۰
۱۱۰
میزان کشیدگی منحنی فراونی نسبت به منحنی نرمال استاندارد را برجستگی یا کشیدگی می نامند. اگر کشیدگی حدود صفر باشد، منحنی فراوانی از لحاظ کشیدگی وضعیت متعادل و نرمال خواهد داشت، اگر این مقدار مثبت باشد منحنی برجسته و اگر منفی باشد منحنی پهن می باشد. کشیدگی تمامی متغیر های این مدل مثبت است. متغیر تغییرات فروش و حسابهای دریافتنی (∆sales -∆REC) بیشترین برجستگی و متغیر جمع خالص اموال، ماشین آلات و تجهیزات (PPE) کمترین برجستگی را نسبت به منحنی نرمال دارد.
۴-۳-۱-۲) آمار توصیفی مدل جانبی دوم(برای برآورد متغیر وابسته ضریب واکنش سود)
جدول(۴-۳) آمار توصیفی مربوط به متغیرهای۱۲۸ مدل جانبی دوم را نشان می دهد که بیانگر پارامترهای توصیفی برای هر متغیر به صورت مجزا می باشد. این پارامترها عمدتاً شامل اطلاعات مربوط به شاخصهای مرکزی، نظیر بیشینه، کمینه، میانگین و میانه و همچنین اطلاعات مربوط به شاخص های پراکندگی نظیر واریانس، چولگی و کشیدگی است. در این جدول تعداد مشاهدات برای هر متغیر برابر۵۵۰ مشاهده است.
مهمترین شاخص مرکزی میانگین است که نشان دهنده نقطه تعادل و مرکز ثقل توزیع است و شاخص مناسبی برای نشان دادن مرکزیت داده هاست. میانگین متغیر بازده غیرعادی سهام(AR) برابر با ۱۵/۰- می باشد، که نشان می دهد بیشتر داده های مربوط به این متغیر حول این نقطه تمرکز یافته اند. میانه یکی از شاخص های مرکزی است که وضعیت جامعه را نشان می دهد. همانگونه که در جدول(۴-۳) مشاهده می شود میانه متغیر سود غیر منتظره (UE) برابر با ۰۳/۰ می باشد که نشان می دهد نیمی از داده ها کمتر از این مقدار و نیمی دیگر بیشتر از این مقدار هستند.
پارامترهای پراکندگی، به طور کلی معیاری برای تعیین میزان پراکندگی داده ها از یکدیگر یا میزان پراکندگی آنها نسبت به میانگین است. از جمله مهمترین پارامترهای پراکندگی انحراف معیار است. مقدار این پارامتر

این مطلب مشابه را هم بخوانید :   مقاله رایگان درموردسازماندهی، اقتصاد باز، روابط اجتماعی، اقتصاد بازار

دیدگاهتان را بنویسید