که در آن N برابر با تعداد واحدهای مقطعی، T طول دوره مورد نظر، K تعداد متغیرهای توضیحی، RRSS مجذور پسماندهای حاصل از برآورد مقید رگرسیون به‌صورت حداقل مربعات متغیر مجازی و URSS مجذور پسماندهای حاصل از برآورد نامقید رگرسیون به‌صورت حداقل مربعات معمولی می‌باشد.
نحوه داوری: در این آزمون فرضیه  یعنی یکسان بودن عرض از مبداء‌ها در مقابل فرضیه  یعنی ناهمسانی عرض از مبداء‌ها قرار می‌گیرد. در صورتی که فرضیه  پذیرفته شود به معنی یکسان بودن شیب‌ها برای مقاطع مختلف بوده و قابلیت ترکیب شدن داده‌ها و استفاده از مدل رگرسیون ترکیب شده مورد تأیید آماری قرار می‌گیرد و فرضیه‌های پژوهش با بهره گرفتن از روش داده‌های ترکیب شده مورد آزمون قرار خواهد گرفت. اما در صورت رد فرضیه  روش داده‌های پانل پذیرفته می‌شود و فرضیه‌های پژوهش با بهره گرفتن از روش داده‌های پانل آزمون می‌شود.

(( 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. ))

۳-۱۵- آزمون هاسمن^[۱۲۹]

در صورتی که بر اساس نتایج آزمون چاو برای هر یک از فرضیه ­ها، استفاده از روش داده‌های پانل مورد تأیید واقع شود، به منظور این‌که مشخص گردد کدام روش(اثرات ثابت و یا اثرات تصادفی) برای برآورد مناسب‌تر می‌باشد(تشخیص ثابت یا تصادفی بودن تفاوت‌های واحدهای مقطعی) از آزمون هاسمن استفاده می‌شود. در روش اثرات تصادفی، بار متغیرهای حذف شده روی جمله اخلال قرار می‌گیرند؛ اما این مشروط بر آن است که بین متغیرهای مستقل و مؤلفه خطای مقطعی همبستگی وجود نداشته باشد. آزمون هاسمن وجود این همبستگی را بررسی می‌کند. این آزمون مبتنی بر این فرض اولیه است که در صورت وجود همبستگی، روش اثرات ثابت سازگار و روش اثرات تصادفی ناسازگار است. اگر  تخمین‌کننده روش اثرات تصادفی و  تخمین‌کننده روش اثرات تصادفی باشد، آماره این آزمون که دارای توزیع کای-دو با درجه آزادی برابر با تعداد متغیرهای مستقل است به‌صورت زیر قابل تعریف می‌باشد:

فرضیه صفر در آزمون هاسمن به صورت زیر خواهد بود:

نحوه داوری: فرضیه صفر به این معنی است که ارتباطی بین جزء اخلال مربوط به عرض از مبدأ و متغیرهای توضیحی وجود ندارد و آن­ها از یکدیگر مستقل هستند. در حالی که فرضیه مقابل به این معنی است که بین جزء اخلال مورد‌نظر و متغیرهای توضیحی همبستگی وجود دارد. از آن‌جایی که به هنگام وجود همبستگی بین اجزاء اخلال و متغیر توضیحی با مشکل تورش و ناسازگاری مواجه می‌شویم، بنابراین بهتر است در صورت پذیرفته شدن  (رد  ) برای آزمون فرضیات از روش اثرات ثابت استفاده کنیم. هنگامی که بین اجزاء اخلال و متغیر توضیحی همبستگی وجود نداشته باشد ( قبول  )، هر دو روش اثرات ثابت و اثرات تصادفی سازگار هستند؛ ولی روش اثرات ثابت ناکارآ بوده و بایستی برای آزمون فرضیات از روش اثرات تصادفی استفاده شود (جانستون و دیناردو^[۱۳۰]، ۲۰۰۵).
۳-۱۶- آزمون معنی دار بودن مدل
برای بررسی معنی‌دار بودن مدل رگرسیون از آماره F استفاده شده است. فرضیه صفر در آزمون F به صورت زیر خواهد بود:

که به‌وسیله آماره زیر صحت آن مورد بررسی قرار می گیرد:

نحوه داوری: برای تصمیم‌گیری در مورد معنی‌دار بودن مدل‌های پژوهش، با توجه به خروجی‌های آماری آماره F به دست آمده با F جدول که با درجات آزادی K-1 و N-K در سطح خطای (  ) ۵% محاسبه شده، مقایسه می‌شود، اگر F محاسبه شده بیشتر از F جدول باشد(  ) مقدار عددی تابع آزمون در ناحیه بحرانی قرار گرفته و فرض صفر (  ) رد می شود، در این حالت با ضریب اطمینان ۹۵% کل مدل معنی‌دار خواهد بود. در صورتی که مقدار F محاسبه شده کمتر از F جدول باشد فرض  پذیرفته شده و معنی‌داری مدل در سطح اطمینان ۹۵% مورد تأیید قرار نمی‌گیرد.
۳-۱۷- آزمون معنی دار بودن ضرایب
برای بررسی معنی دار بودن ضرایب متغیرهای مستقل در هر مدل از آماره t استفاده شده است. فرضیه صفر در آزمون t به صورت زیر خواهد بود:

که بوسیله آماره زیر صحت آن مورد بررسی قرار می گیرد:

نحوه داوری: برای تصمیم گیری در مورد پذیرش یا رد فرضیه صفر، آماره T به دست آمده با t جدول که با درجه آزادی N-K در سطح اطمینان ۹۵% محاسبه شده مقایسه می‌شود، چنان‌چه قدرمطلقT محاسبه شده از t جدول بزرگ‌تر باشد(  )،مقدار عددی تابع آزمون در ناحیه بحرانی قرار گرفته و فرض صفر(  ) رد می‌شود، در این حالت با ضریب اطمینان ۹۵% ضریب مورد‌نظر (  ) معنادار خواهد بود که دلالت بر وجود ارتباط بین متغیر مستقل و وابسته دارد.
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 آن‌ها، 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:
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 داده­هایی 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 به­ صورت 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 داده_­ها از بزرگ به کوچک، پژوهش­گر علاقه­مند است تا ویژگی­های یک دسته از داده‌ها را به­ صورت 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.

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، داده­هایی 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.