انحراف معیار، اثرات ثابت

تعداد شرکت‌ها
110
110
110
110
110
110
110
منبع: بر اساس خروجی نرم‌افزار Eviews
مهم‌ترین شاخص مرکزی میانگین است که نشان‌دهنده نقطه تعادل و مرکز ثقل توزیع است و شاخص مناسبی برای نشان دادن مرکزیت داده‌هاست. برای مثال میانگین متغیر WACCبرابر با 359538/0 میباشد که نشان میدهد بیشتر داده‌های مربوط به این متغیر حول این نقطه تمرکزیافته‌اند.
میانه یکی از شاخص‌های مرکزی است که وضعیت جامعه را نشان می‌دهد. همان‌گونه که در جدول (4-1) میانه متغیر INTCOV برابر با 60700/25 می‌باشد که نشان می‌دهد نیمی از داده‌ها کمتر از این مقدار و نیمی دیگر بیشتر از این مقدار هستند.
پارامترهای پراکندگی، به‌طورکلی معیاری برای تعیین میزان پراکندگی داده‌ها از یکدیگر یا میزان پراکندگی آن‌ها نسبت به میانگین است. ازجمله مهم‌ترین پارامترهای پراکندگی انحراف معیار است. مقدار این پارامتر برای متغیر INTCOV برابر 9643/873 و برای متغیر LEV برابر 168236/0 است که نشان میدهد در بین متغیرهای پژوهش، INTCOV و LEV به ترتیب دارای بیشترین و کمترین میزان پراکندگی می‌باشند.
میزان عدم تقارن منحنی فراوانی را چولگی می‌نامند. 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. به‌عنوان‌مثال ضریب چولگی متغیر IMPLIEDCOC برابر با 36336/23می‌باشد، یعنی این متغیر چولگی به راست دارد و به این اندازه از مرکز تقارن انحراف دارد. متغیر IMPLIEDCOC بیشترین و متغیر SIZEکمترین عدم تقارن را نسبت به توزیع نرمال دارد.
میزان کشیدگی منحنی فراوانی نسبت به منحنی نرمال استاندارد را برجستگی یا کشیدگی می‌نامند. اگر کشیدگی حدود صفر باشد، منحنی فراوانی ازلحاظ کشیدگی وضعیت متعادل و نرمال خواهد داشت، اگر این مقدار مثبت باشد منحنی برجسته و اگر منفی باشد منحنی پهن می‌باشد. کشیدگی تمامی متغیرهای این مدل مثبت است. متغیر IMPLIEDCOC بیشترین برجستگی و متغیر GOVSCORE کمترین برجستگی را نسبت به منحنی نرمال دارد.
قبل از آزمون فرضیات باید نرمال بودن متغیر وابسته مورد آزمون قرار گیرد، توزیع غیر نرمال این متغیر منجر به تخطی از مفروضات این روش برای تخمین پارامترها می‌شود. لذا لازم است نرمال بودن توزیع متغیر وابسته پژوهش مورد آزمون قرار گیرد. در این مطالعه این موضوع از طریق آماره جارک- برا مورد بررسی قرار می‌گیرد. فرض صفر و فرض مقابل در این آزمون به‌صورت زیر هست:
H0: Normal Distribution
H1: Not Normal Distribution
از آنجائی که احتمال آماره بیشتر از 5% است، فرضیه صفر مبنی بر نرمال بودن توزیع متغیر مربوطه قبول می‌شود.
4-3- تخمین مدل
در این قسمت سه مدل اصلی مربوط به سه فرض اصلی این پژوهش با استفاده از تکنیک پانل دیتا برآورد شده است. بر اساس ادبیات اقتصادسنجی دادههای تابلویی، قبل از تخمین مدل لازم است با استفاده از آماره آزمون F لیمر همگنی داده‌ها و در نتیجه استفاده از روش تخمین داده‌های تابلویی مورد آزمون قرار گیرد. همچنین همان‌طور که پیش‌ از این نیز ذکر شد، به‌منظور انتخاب روش تخمین مناسب از بین روش با اثرات ثابت و تصادفی باید از آماره آزمون هاسمن استفاده شود. قبل از تخمین مدلها ذکر این نکته ضروری است که با توجه اختلاف اندازه در آمار مربوط به متغیرهای مختلف در یک مدل، شکل لگاریتمی متغیرها وارد مدل شدهاند تا بزرگ بودن برخی از متغیرها سبب ایجاد نتایج اشتباه نشود.
قبل از تخمین مدلهای نهایی ابتدا با استفاده از آزمون ریشه واحد، ایستایی (مانایی) متغیرهای مورد استفاده در مدلها بررسی گردید. با توجه به نتایج به دست آمده تمام متغیرها در سطح ایستا شدند. جدول (4-2) نتایج آزمون ریشه واحد را نشان می‌دهد.
جدول (4-2): نتایج آزمون ریشه واحد پانل دیتا Pool unit root test
آزمون‌های ریشه واحد دیکی فولر Augmented Dickey-Fuller Test
شوارتزـ بیزین Schwarz Baysian

                                                    .