همانگونه که در نمودار مشخص است، میانگین خطاها عددی نزدیک به صفر (^۱۵-۱۰ × ۱.۰۱-) و انحراف معیار خطاها عددی نزدیک به یک (۰.۹۳۴) می­باشد. بنابر این می توان با مقایسه توزیع خطاهای مدل با توزیع نرمال، به این نتیجه دست یافت که توزیع خطاهای حاصل از برازش رگرسیون نرمال و با میانگین صفر می­باشد.
۳-۱-۱-۳-۴- آزمون ناهمسانی واریانس­
یکی دیگر از پیش فرض‌های اساسی رگرسیون، عدم وجود ناهمسانی واریانس بین جملات خطا است. اگر ناهمسانی واریانس‏ها وجود داشته باشد تحلیل منطقی از آزمون‏های خروجی مدل امکان پذیر نیست. برای تشخیص ناهمسانی واریانس، در مدل برازش شده از آزمون وایت استفاده شده است. جدول ۳- ۴، نتایج آزمون وایت را به منظور شناسایی وجود یا عدم وجود ناهمسانی واریانس نشان می‌دهد. همان طور که در جدول مذکور ملاحظه می‌شود، آماره آزمون وایت برابر با ۶۴.۷۲ و مقدار احتمال آن ۱۵.۰۸ درصد است که از سطح خطای ۵ درصد بالا بوده و حکایت از این دارد که فرضیه صفر مبنی بر همسانی واریانس را نمی توان رد نمود. بنابراین مدل برازش شده برای نمونه از عدم وجود مشکل ناهمسانی واریانس برخوردار است.

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

جدول ۳- ۴: نتیجه‌ی آزمون ناهمسانی واریانس برای مدل پژوهش

۴-۱-۱-۳-۴- بررسی استقلال خطاهای مدل
یکی دیگر از مفروضاتی که در رگرسیون مد نظر قرار می­گیرد، استقلال خطاها (تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون) از یکدیگر است. به منظور بررسی استقلال خطاها از یکدیگر، از آزمون دوربین – واتسون^[۱۲۸] استفاده می­گردد. چنانچه این آماره در بازده ۱.۵ تا ۲.۵ قرار گیرد، H. آزمون (عدم همبستگی بین خطاها) پذیرفته می­ شود و در غیر این صورت H. رد خواهد شد.
H.: بین خطاهای آزمون همبستگی وجود ندارد.
H₁: بین خطاهای آزمون همبستگی وجود دارد.
جدول ۴-۴: آزمون دوربین – واتسون

*. برگرفته از جدول خلاصه مدل
همانگونه که در جدول فوق مشخص می باشد، از آنجا که مقدار آماره دوربین – واتسون (۱.۸۴۷) در فاصله ۱.۵ تا ۲.۵ قرار دارد، فرض H. (عدم وجود همبستگی بین خطاها) رد نمی­ شود.
۵-۱-۱-۳-۴- بررسی همبستگی میان متغیر­های مستقل
در صورت وجود همبستگی (هم خطی) میان متغیرهای مستقل مدل، هر متغیر را می­توان به صورت تابعی از متغیر دیگر تعریف نمود که وجود این امر می تواند در تحلیل رگرسیون و اخذ نتیجه منطقی از مدل تاثیر نامطلوب داشته باشد. یکی از مفروضات رگرسیون چند متغیره این است که بین متغیرهای توضیحی با یکدیگر هم خطی وجود ندارد. در اکثر موارد رابطه بین متغیرهای توضیحی غیر صفر خواهد بود، غالبا درجه کمی از رابطه بین متغیرهای توضیحی سبب کاهش چندانی در دقت مدل نخواهد شد. اما زمانی که همبستگی بین متغیرهای توضیحی بسیار زیاد باشد (معمولا بیشتر از ۵/۰) سبب بروز مشکلی به نام هم خطی چندگانه می‌شود. یکی از آزمون های آماری رایج برای شناسایی وجود یا عدم وجود مشکل هم خطی استفاده از آزمون VIF در نرم افزارStata می باشد. نتایج این آزمون برای مدل برازش شده در جدول ۵-۴ ارائه گردیده است.
همانطور که در جدول زیر ملاحظه می شود مقدار آماره آزمون VIF برای کلیه متغیرهای پژوهش کمتر از ۱۰ می باشد که این مقدار حکایت از این دارد که در مدل برازش شده برای پژوهش، هم خطی بین متغیر های توضیحی و مستقل وجود ندارد.
جدول ۵- ۴: نتیجه‌ی آزمون VIF برای مدل پژوهش