وبلاگ

۳-۱۱-۲) آزمون معنی دار بودن مدل
برای بررسی معنی دار بودن مدل رگرسیون از آماره F استفاده شده است. فرضیه صفر در آزمون F به صورت زیر خواهد بود:

( 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. )

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

برای تصمیم گیری در مورد پذیرش یا رد فرضیه صفر، آماره F به دست آمده با F جدول که با درجات آزادی K-1 و N-K در سطح خطای (  ) ۵% محاسبه شده، مقایسه می شود، 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 معنی دار خواهد بود. در صورتی که مقدار F محاسبه شده کمتر از F جدول باشد فرض  پذیرفته شده و معنی داری مدل در سطح اطمینان ۹۵% مورد تأیید قرار نمی گیرد.
۳-۱۱-۳) آزمون معنی دار بودن متغیرهای تحقیق
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:

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 می شود، چنانچه قدرمطلق T محاسبه شده از t جدول بزرگتر باشد  ) (، مقدار عددی تابع آزمون در ناحیه بحرانی قرار گرفته و فرض صفر (  ) رد می شود. در این حالت با ضریب اطمینان ۹۵% ضریب مورد نظر (  ) معنی دار خواهد بود که دلالت بر وجود ارتباط بین متغیر مستقل و وابسته دارد.
۳-۱۱-۴) آزمون های مربوط به مفروضات مدل رگرسیون خطی
مدل کلاسیک رگرسیون خطی دارای مجموعه ای از فروض تحت عنوان فروض کلاسیک می‌باشد که بیشتر آنها در مورد جمله اخلال مدل مطرح می گردند؛ برای اینکه در مدل رگرسیون خطی، تخمین زن های حداقل مربعات معمولی ضرایب رگرسیون، بهترین تخمین زن های بدون تورش خطی (BLUE) باشند لازم است تا مفروضات این مدل بررسی و آزمون شوند. در ادامه نحوه آزمون این فرضیات بیان می گردد.
۳-۱۱-۴-۱) فرض نرمال بودن متغیرها و باقیمانده ها:
یکی از فروض مهم راجع به جمله خطا این است که  توزیع نرمال دارد. در این پژوهش برای بررسی نرمال بودن توزیع خطاها از آزمون جارکیو- برا^[۱۱۰] استفاده می شود. فرضیه صفر و آماره این آزمون بصورت زیر بوده و به توزیع  با درجه آزادی ۲ گرایش دارد:

در این آماره،  (ضریب چولگی) و  (ضریب کشیدگی) از طریق باقیمانده های رگرسیون قابل محاسبه می باشند. فرضیه  آزمون جارکیو- برا بیانگر نرمال بودن  می باشد. بنابراین زمانی که مقدار آماره محاسبه شده از مقدار بحرانی آن با درجه آزادی ۲ کوچکتر باشد، فرضیه  پذیرفته شده وحاکی از نرمال بودن توزیع خطاها می باشد (سوری، ۱۳۸۹).
۳-۱۱-۴-۲) فرض عدم وجود همخطی^[۱۱۱] بین متغیرهای مستقل:
همخطی به معنای وجود رابطه بین متغیرهای مستقل موجود در مدل می باشد به نحوی که:  مخالف صفر باشد. برای تشخیص وجود همخطی روش های مختلفی وجود دارد، از جمله اینکه اگر در مدل همخطی وجود داشته باشد ضریب تعیین مدل بالا برآورد شده و در عین حال تعداد متغیرهای معنی دار موجود در مدل کم می شود. البته این نکته حائز اهمیت است که همخطی هیچیک از فروض کلاسیک را نقض نمی نماید و برآورد کننده های بدست آمده با وجود مشکل همخطی سازگار خواهند بود اما در این حالت ضرایب دارای خطای معیار بالایی خواهد بود و در نتیجه این مساله باعث می شود که تعداد متغیرهای معنی دار در معادله کاهش بیابد. در این مطالعه برای بررسی عدم وجود همخطی از ضریب همبستگی پیرسون استفاده خواهد شد. در صورتی که همبستگی میان متغیرها قوی نباشد (کمتر از ۷/۰) می توان گفت همخطی شدیدی میان متغیرها وجود ندارد.
۳-۱۱-۴-۳) فرض مستقل بودن باقیمانده ها:
این فرصیه مدل کلاسیک رگرسیون خطی بیان می دارد که بین جملات اخلال رگرسیون همبستگی وجود ندارد. اگر این فرض نقض گردد کواریانس بین دو جمله اخلال i و j برابر صفر نخواهد بود. برای بررسی استقلال باقیمانده ها از آماره دوربین-واتسن^[۱۱۲] استفاده شده است. با توجه به استفاده از روش داده های پانل آماره این آزمون بصورت زیر تعریف می شود:

اگر مقدار آماره دوربین واتسن نزدیک به عدد ۲ باشد، می توان استقلال باقیمانده ها را بپذیریم. برای رفع مسئله خود همبستگی می توان از روش هایی از جمله ، رفع خود همبستگی مرتبه اولAR(1) یا روش تصحیح خود استفاده کرد.
۳-۱۱-۴-۴) فرض همسانی واریانس^[۱۱۳] باقیمانده ها:
یکی از فروض رگرسیون خطی به روش حداقل مربعات معمولی(OLS) این است که تمامی جملات پسماند دارای واریانس برابر باشند. در عمل ممکن است این فرض چندان صادق نبوده و به دلایل مختلفی از قبیل شکل نادرست تابع مدل، وجود نقاط پرت، شکست ساختاری در جامعه آماری، یادگیری در طی زمان و… شاهد پدیده واریانس ناهمسانی باشیم. برای بررسی این مشکل آزمون های مختلفی توسط اقتصاددانان معرفی شده است. در این مطالعه فرض همسانی واریانس باقیمانده ها از طریق آزمون بروش-پاگان^[۱۱۴] مورد بررسی قرار خواهد گرفت. آزمون بروش-پاگان به منظور آزمودن واریانس ناهمسانی در مدل‌های رگرسیون خطی استفاده می شود و وابستگی واریانس جملات پسماند بدست آمده از رگرسیون خطی را به مقادیر متغیرهای توضیح دهنده مدل، بررسی می کند. این آزمون توسط بروش و پاگان در سال ۱۹۷۹ معرفی شده است. آزمون واریانس ناهمسانی به روش بروش-پاگان شامل چهار مرحله زیراست:
مدل رگرسیونی با فرض واریانس همسانی تخمین زده شده و جملات پسماند بدست آورده می شود:

مجذور جملات پسماند روی متغیرهای توضیح دهنده X رگرسیون زده و ضریب تعیین این رگرسیون بدست می آید:

با بهره گرفتن از ضریب تعیین بدست آمده، آماره F مربوطه می شود. آمارهF دارای توزیع F با درجه آزادی k, n-k-1 است.

با توجه به سطح اطمینان مورد نظر (در این مطالعه ۹۵%)، مقادیر بحرانی متناظر با این آماره از جدول توزیع‌ F بدست می آید، اگر مقادیر این آماره‌ از مقادیر بحرانی بیشتر باشد، فرض صفر که دلالت بر همسانی واریانس دارد، رد می شود و می توان گفت جملات پسماند ارتباط معناداری با متغیرهای توضیح دهنده X داشته و ناهمسانی واریانس وجود دارد.
۳-۱۱-۵) تصمیم گیری برای رد یا پذیرش فرضیه ها
با توجه به موارد عنوان شده فوق در این تحقیق برای آزمون فرضیات ابتدا با بهره گرفتن از آزمونF مقید، درستی ادغام داده ها مورد آزمون قرار گرفته و سپس بر اساس آزمون هاسمن نوع روش آزمون (اثرات ثابت یا اثرات تصادفی) تعیین گردیده و با توجه به نوع روش نسبت به برآورد مدل اقدام شده است. جهت بررسی معنی دار بودن کل مدل از آماره F استفاده شده است. بطوریکه با مقایسه آماره F و F جدول که با درجات آزادی K-1 و N-K در سطح خطای ۵% محاسبه شده، کل مدل مورد بررسی قرار گرفته است. همچنین برای بررسی معنی دار بودن ضریب متغیرهای مستقل از آماره t استفاده شده است. آماره t به دست آمده با t جدول که با درجه آزادی N-K در سطح اطمینان ۹۵% محاسبه شده مقایسه می شود، چنانچه قدرمطلق t محاسبه شده از t جدول بزرگتر باشد، ضریب مورد نظر معنی دار خواهد بود که دلالت بر وجود ارتباط بین متغیر مستقل و وابسته دارد. همچنین به عنوان روشی جایگزین جهت تصمیم گیری در مورد پذیرش یا رد یک فرضیه بر اساس مقدار احتمال یا سطح معنی داری نیز عمل شده است. بدین صورت که اگر مقدار احتمال محاسبه شده بزرگتر یا مساوی مقدار خطای نوع اول (  ) باشد فرض صفر پذیرفته می شود و اگر مقدار احتمال کوچکتر از مقدار خطای نوع اول (  ) باشد فرض صفر رد می شود.
فصل چهارم
تجزیه و تحلیل داده‌ها
۴-۱) مقدمه
تجزیه و تحلیل داده‌ها فرایندی چند مرحله‌ای است که طی آن داده‌هایی که به طرق مختلف جمع‌ آوری شده‌اند؛ خلاصه، دسته‌بندی و در نهایت پردازش می‌شوند تا زمینه برقراری انواع تحلیل‌ها و ارتباط بین داده‌ها به‌منظور آزمون فرضیه‌ها فراهم آید. در این فرایند، داده‌ها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش می‌شوند و تکنیک‌های گوناگون آماری نقش به‌سزایی در استنتاج‌ها و تعمیم به عهده دارند (خاکی، ۱۳۸۴).
در این فصل با بهره گرفتن از داده‏های جمع آوری شده از نمونه آماری تحقیق که شامل ۱۴۵ شرکت در دوره زمانی ۱۳۹۱-۱۳۸۶ می باشد، فرضیه ‏های تحقیق مورد آزمون قرار می گیرند. روش آزمون فرضیات در مطالعه حاضر روش داده های پانل^[۱۱۵] می باشد که با بهره گیری از نرم افزارهای Spss و Eviews انجام خواهد شد. در ادامه ابتدا به منظور کسب شناخت بیشتر درباره جامعه آماری و متغیرهای مورد مطالعه، خلاصه ای از آمار توصیفی متغیرهای تحقیق و ارائه و نرمال بودن توزیع آن ها آزمون می گردد. سپس بر اساس طبقه بندی صورت گرفته در خصوص فرضیه های تحقیق، به گزارش آزمون فرضیه ها و تجزیه و تحلیل نتایج حاصل پرداخته می شود.
آمار توصیفی متغیرهای تحقیق
به طور کلی، روش‌هایی را که به وسیله آنها می‌توان اطلاعات جمع‌ آوری شده را پردازش کرده و خلاصه نمود، آمار توصیفی می‌نامند. این نوع آمار صرفاً به توصیف جامعه یا نمونه می پردازد و هدف از آن محاسبه پارامترهای جامعه یا نمونه تحقیق است (آذر و مؤمنی، ۱۳۸۹).
در بخش آمار توصیفی، تجزیه و تحلیل داده‌ها با بهره گرفتن از شاخص‌های مرکزی همچون میانگین و میانه و شاخص‌های پراکندگی انحراف معیار^[۱۱۶]، چولگی^[۱۱۷] و کشیدگی^[۱۱۸] انجام پذیرفته است. خلاصه وضعیت آمار توصیفی متغیرهای تحقیق پس از حذف نقاط پرت در نگاره زیر ارائه شده است:
جدول ۴-۱: تحلیل توصیفی متغیرهای بکار رفته در مدل