۳-۱۸- آزمون مربوط به بررسی نرمال بودن توزیع متغیرها
در این پژوهش برای بررسی و ضعیت توزیع داده ها از آزمون جارک-براو استفاده می شود
نحوه داوری: اگر مقدار احتمال مربوط به این آزمون بزرگ‌تر از ۰۵/۰ باشد، با اطمینان ۹۵% می‌توان نرمال بودن توزیع متغیرها و باقیمانده‌ها را مورد تأیید قرار داد.
۳-۱۹- آزمون‌های مربوط به مفروضات مدل رگرسیون خطی
برای اینکه در مدل رگرسیون خطی، تخمین‌زن‌های حداقل مربعات معمولی ضرایب رگرسیون، بهترین تخمین‌زن‌های بدون تورش خطی(BLUE) باشند لازم است تا مفروضات این مدل به صورت زیر بررسی و آزمون شوند.
۳-۲۰- فرض مستقل بودن خطاها
یکی از مفروضاتی که در رگرسیون مد‌نظر قرار می‌گیرد، استقلال خطاها(تفاوت بین مقادیر واقعی و مقادیر پیش‌بینی شده توسط مدل رگرسیون) از یکدیگر است. در صورتی که فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند امکان استفاده از رگرسیون وجود ندارد. برای بررسی استقلال خطاها از یکدیگر از آزمون دوربین – واتسون استفاده می‌شود. آماره این آزمون دردامنه ۰ و ۴+ قرار می‌گیرد. چنان‌چه این آماره در بازه ۵/۱ تا ۵/۲ قرار گیرد، فرض(‌عدم همبستگی بین خطاها) پذیرفته شده و می­توان از رگرسیون استفاده نمود. درصورت رد فرض فوق همبستگی بین خطاها وجود داشته و نمی‌توان از مدل استفاده نمود. این آزمون نیز توسط نرم افزار اس­پی­اس­اس قابل اجرا می‌باشد(مومنی و فعال قیومی، ۱۳۸۶).
نحوه داوری: اگر مقدار آماره دوربین واتسن مابین عدد ۵/۱ و ۵/۲ باشد، می‌توان استقلال باقیمانده‌ها را بپذیریم.
۳-۲۱- فرض عدم وجود ناهمسانی واریانس­ها[۱۳۱] میان باقیمانده‌ها
با توجه به استفاده از روش داده‌های پانل برای آزمون ناهمسانی واریانس بین گروهی از آماره ضریب لاگرانژ[۱۳۲] (LM) استفاده شده است. این آماره پس از انجام OLS کلی روی مدل مورد‌نظر، با بهره گرفتن از داده‌های تلفیقی به‌صورت زیر قابل محاسبه خواهد بود:

که در آن T تعداد سال‌های سری زمانی، واریانس حاصل از برآورد کلی مدل، و واریانس تک تک واحدهای مقطعی می‌باشد. آماره LM به‌طور مجانبی، دارای توزیع «کای- دو» با درجه آزادی N-1 خواهد بود(N برابر با تعداد واحدهای مقطعی می‌باشد).
نحوه داوری: درآزمون فرضیه، اگر مقدار آماره محاسباتی از مقدار بحرانی جدول در سطح اطمینان بزرگ‌تر باشد، فرضیه رد شده و ناهمسانی واریانس بین واحدهای مقطعی تأیید می‌شود که باید برای رفع آن بر اساس روش‌های موجود اقدام نمود. در صورتی که مقدار آماره محاسبه شده از مقدار بحرانی جدول در سطح اطمینان ۹۵% کوچک‌تر باشد فرضیه پذیرفته می‌شود و می‌توان با اطمینان ۹۵% وجود ناهمسانی واریانس بین واحدهای مقطعی را رد کرد.
۳-۲۲- فرض عدم وجود خطای تصریح مدل و خطی بودن مدل
عدم وارد کردن متغیرهایی که باید در معادله لحاظ شوند(به علت عدم آگاهی از وجود آن‌ ها، در دسترس نبودن اطلاعات مربوط به آنها و…)، اضافه کردن متغیری که لازم نیست در معادله جای بگیرد، انتخاب فرم تبعی غلط(مثلا انتخاب فرم خطی به‌جای لگاریتمی و…) و غیره باعث بوجود آمدن خطای تصریح در مدل می‌گردند که هر یک از انواع این خطاها می‌تواند مشکلات مختلفی را برای مدل به ‌وجود بیاورد؛ بنابراین لازم است تا پس از برآورد مدل نسبت به آزمون عدم وجود خطای تصریح در آن اقدام نمود. یکی از آزمون‏هایی که در زمینه بررسی خطای تصریح در مدل بکار گرفته می‌شود آزمون رمزی[۱۳۳] است که یک آزمون عمومی برای کشف انواع خطای تصریح موجود در مدل بوده و در این پژوهش نیز مورد استفاده قرار می‌گیرد. فرضیه آماری این آزمون به‌صورت زیر بیان می‌شود:

مراحل انجام این آزمون به شرح ذیل است:

جهت دانلود متن کامل این پایان نامه به سایت jemo.ir مراجعه نمایید.

به‌دست آوردن Y های تخمینی( ها)

برآورد مجدد مدل به‌صورت

محاسبه آماره آزمون به صورت:

که درآن F آماره آزمون رمزی می‌باشد. ضریب تعیین معادله جدید و ضریب تعیین معادله اولیه است. به تعداد متغیرهای توضیحی اضافه شده در مدل جدید و بر تعداد پارامترها در مدل جدید اشاره دارد.
۴) حال اگر F محاسباتی از F جدول بزرگ‌تر باشد، آن‌گاه در مدل، خطای تصریح وجود دارد. در این پژوهش برای بررسی خطای تصریح در مدل از آزمون رمزی استفاده می‌شود.
.

فصل چهارم

تجزیه و تحلیل داده ­ها

۴-۱- مقدمه

تجزیه وتحلیل داده ­ها فرایندی چند مرحله­ ای است که طی آن داده ­هایی که به طرق مختلف جمع­آوری، خلاصه، دسته­بندی و در نهایت پردازش می­شوند تا زمینه برقراری انواع تحلیل و ارتباط بین داده ­ها به منظور آزمون فرضیه ­ها فراهم آید. در این فرایند داده ­ها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش می­شوند و تکنیک­های گوناگون آماری نقش به­سزایی در استنتاج و تعمیم به عهده دارند.
زمانی که انبوهی از اطلاعات کمی به منظور تحلیل و تفسیر گردآوری می­شوند، باید آن­ها را به­صورت روشن و قابل فهم سازمان­دهی و خلاصه نمود. اولین قدم در سازمان­دهی داده‌ها، مرتب کردن آن­ها براساس یک ملاک منطقی است. مثلا در مرتب کردن داده­ها از بزرگ به کوچک، پژوهش­گر علاقه­مند است تا ویژگی­های یک دسته از داده‌ها را به­صورت دقیق بیان کند. پژوهش­گر برای این کار از یک سری شاخص‌های عددی استفاده می­ کند که از این شاخص ­های عددی تحت عنوان شاخص‌های مرکزی و پراکندگی (میانگین، میانه، مد، فراوانی، درصد فراوانی، درصد معتبر، درصد فراوانی تجمعی، چولگی، کشیدگی، ماکزیمم، مینیمم، واریانس، انحراف معیار و …) یاد می­ شود. آمار توصیفی مکانیزمی است که از طریق آن می­توان به اهداف فوق نائل گشت. در واقع از این نوع آمار برای بیان و تعیین ویژگی­های داده‌های جمع­آوری شده استفاده می­ شود. در پژوهش حاضر از کلیه شاخص ­های یاد شده استفاده خواهیم کرد. در فصل سوم روش جمع آوری داده ­ها و همچنین نحوه­ آزمون فرضیه ­ها مورد بررسی قرار گرفت. در نتیجه­، در فصل سوم مجموعه ­ای فراهم گردید تا با بهره گرفتن از آن بتوان فرضیه ­های پژوهش را آزمون کرد.
همان طور که قبلا اشاره شد هدف این پژوهش بررسی رابطه بین بازده سرمایه ­گذاری، محافظه ­کاری حسابداری و مالکیت نهادی در میان شرکت­های پذیرفته شده در بورس اوراق بهادار تهران است، در این فصل قبل از آزمون فرضیه‌ها و تخمین مدل‌های رگرسیونی به بررسی آمار توصیفی متغیرها و همبستگی بین آنها و همچنین به بررسی پایایی متغیرها در طول زمانی پژوهش پرداخته شده است.
حسابداری

۴-۲- آزمون بررسی نرمال بودن متغیرها

در این پژوهش برای نرمالی سنجی متغیرها از آزمون جارک-براو استفاده شده است. در این آزمون اگر سطح معنی­داری آزمون جارک-براو بیشتر از ۱ درصد باشد به این معنی است که آن متغیر دارای توزیع نرمال است در غیر این صورت چنین نتیجه ­گیری می­ شود که متغیر مربوطه دارای توزیع غیرنرمال می­باشد.
براساس آزمونی که برای متغیرهای این پژوهش انجام شد، این نتیجه به­دست آمد که سطح معنی­داری آزمون جارک-­بروا برای کلیه متغیرها کمتر از ۱ درصد است، یعنی این متغیرها دارای توزیع غیرنرمالی هستند. بنابراین، با بهره گرفتن از تابع ریاضی اقدام به نرمال کردن داده ­ها شده است. لذا، داده ­هایی که در این پژوهش مورد تجزیه ­و تحلیل قرار می­گیرند داری توزیع نرمالی هستند. خلاصه آزمون جارک-براو برای متغیرهای این پژوهش به صورت خلاصه در جدول (۴-۱) آورده شده است.
جدول (۴-۱): آزمون جارک و براو جهت نرمالی سنجی متغیرها

انحراف استاندارد مقدار جارک بروا شرح
۰۰۱/۰ ۱۴۲۴ محافظه کاری
۰۰۱/۰ ۴۹/۶۲۳ مالکیت نهادی
۰۰۴/۰ ۹۳/۱۲۴۷ بازده سرمایه
۰۰۱/۰ ۰۱/۴۱۴۶ عدم تقارن اطلاعاتی

۴-۳- آمار توصیفی

به طور کلی، روش‌هایی را که به وسیله آن‌ ها می‌توان اطلاعات جمع‌‌آوری شده را پردازش کرده و خلاصه نمود، آمار توصیفی می‌نامند. این نوع آمار صرفاً به توصیف جامعه یا نمونه می‌پردازد و هدف از آن محاسبه پارامترهای جامعه یا نمونه پژوهش است (آذر و مؤمنی، ۱۳۸۹). در بخش آمار توصیفی قبل از این که داده ­های خام مورد تجزیه و تحلیل قرار بگیرند، ابتدا شاخص ­های مرکزی و پراکندگی آن­ها به خوبی مشخص می­ شود. در بخش آمار توصیفی، تجزیه و تحلیل داده‌ها با بهره گرفتن از شاخص‌های مرکزی هم‌چون میانگین و میانه و شاخص‌های پراکندگی انحراف معیار، چولگی و کشیدگی انجام پذیرفته است. در این ارتباط میانگین، اصلی‌ترین شاخص مرکزی بوده و متوسط داده‌ها را نشان می‌دهد، به‌طوری که اگر داده‌ها بر روی یک محور به صورت منظم ردیف شوند، مقدار میانگین دقیقاً نقطه تعادل یا مرکز ثقل توزیع قرار می‌گیرد. انحراف معیار از پارامترهای پراکندگی بوده و میزان پراکندگی داده‌ها را نشان می‌دهد. چولگی نیز از پارامترهای تعیین انحراف از قرینگی بوده و شاخص تقارن داده‌هاست. در صورتی که جامعه از توزیع متقارن برخوردار باشد، ضریب چولگی مساوی صفر، در صورتی که جامعه چوله به چپ باشد، ضریب چولگی منفی و در صورتی که دارای چوله به راست باشد، ضریب چولگی مثبت خواهد بود. کشیدگی نیز شاخص سنجش پراکندگی جامعه نسبت به توزیع نرمال می‌باشد (مومنی و قیومی، ۱۳۹۰). در جدول (۴-۲) با بهره گرفتن از آمار توصیفی میانگین و میانه (شاخص ­های مرکزی) و انحراف معیار، چولگی، کشیدگی، ماکزیمم و مینیمم (شاخص ­های پراکندگی) متغیرهای پژوهش بررسی می شود.
جدول (۴-۲): آمار توصیفی متغیرهای پژوهش قبل از نرمال کردن

حق انحصاری © 2021 مطالب علمی گلچین شده. کلیه حقوق محف