پژوهش – بررسی تاثیر کیفیت اطلاعات مالی بر نسبت سرمایه گزاران حقیقی شرکت های …

ε ‌= جزء اخلال
در چنین مدلی مفروضات اساسی زیر در نظر گرفته می‌شود:
۱- بین متغیرهای مستقل رابطه خطی وجود ندارد؛
۲- امید ریاضی خطاها معادل صفر و واریانس آن‌ها ثابت است (توزیع خطاها بایستی نرمال باشد)؛
۳- بین خطاهای مدل همبستگی وجود ندارد؛ و
۴- متغیر وابسته دارای توزیع نرمال است (مومنی، ۱۳۸۶).
۱-۹- ۳) ضریب تعیین و ضریب تعیین تصحیح شده
ضریب تعیین مهم‌ترین معیاری است که با آن می‌توان رابطه میان متغیر (متغیر‌های) مستقل و متغیر وابسته را توضیح داد. مقدار این ضریب مشخص‌کننده آن است که چند درصد از تغییرات متغیر وابسته توسط متغیر (متغیر‌های) مستقل قابل توضیح است. مقدار از رابطه زیر تعیین می‌شود (آذر و مومنی .۱۳۷۷).
 
که در آن:
SSE: تغییرات جمله خطا که توسط رگرسیون توضیح داده نمی‌شود.
SST: کل تغییرات در مقدار متغیر وابسته.
برای برطرف نمودن اریبی که در ضریب تعیین ناشی از حجم نمونه است، می‌توان از مقیاس دیگری به نام ضریب تعیین تصحیح شده استفاده نمود. این ضریب همان ضریب تعیین است که در آن مقادیر SSE و SST با درجات آزادیشان تصحیح شده‌اند. این ضریب در رگرسیون چند متغیره به صورت زیر محاسبه می‌شود (آذر و مومنی،۱۳۷۷):
 
۲-۹-۳ -مفروضات رگرسیون خطی
تنها در صورتی میتوان از رگرسیون خطی استفاده نمود که شرایط زیر برقرار باشند:
یکی از مفروضاتی که در رگرسیون مدنظر قرار می‌گیرد، عدم وجود خود‌همبستگی[۹۴] یا همبستگی پیاپی بین خطاها (تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون) است. در الگوی رگرسیون فرض می‌شود که خطاها یک متغیر تصادفی هستند و نسبت به یکدیگر هیچ رابطه‌ای نداشته (مستقل از یکدیگرند)، یا به عبارت دیگر:
E (uiuj)i≠j=0
E (ui,ui+h)h≠۰
به عبارت دیگر، کوواریانس بین جملات خطا برابر با صفر خواهد بود.
معادله رگرسیون برازش شده در کل معنادار باشد. برای آزمون معنا‌داری کلی مدل از آماره F در سطح ۹۵% استفاده می‌ شود.
خطاهای معادله دارای توزیع نرمال با میانگین صفر باشند. برای بررسی نرمال بودن خطاهای معادله، مقادیر استاندارد خطاها محاسبه شده، منحنی اجزای خطا در مدل رگرسیون رسم می‌گردد و سپس با نمودار نرمال مقایسه می‌شود.
بین متغیرهای مستقل موجود در الگوی رگرسیون همبستگی وجود نداشته باشد (دارای هم‌خطی[۹۵] نباشند). زیرا در صورتی که شدت رابطه بین متغیرهای مستقل بسیار زیاد باشد، اندازه گیری جداگانه اثرات هر یک از متغیرها بر روی متغیر وابسته دشوار است.
۳-۹-۳- آزمون استقلال خطاها
به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین-واتسون[۹۶] استفاده می‌شود. به طور کلی آزمون دوربین واتسون همبستگی سریالی بین باقیمانده(خطا)های رگرسیون را آزمون می‌نماید. مقدار این آماره بین ۰ تا ۴ تغییر می‌کند. اگر همبستگی بین مانده های متوالی وجود نداشته باشد، مقدار آماره باید نزدیک ۲ شود. اگر مقدارآماره نزدیک به صفر شود، نشان دهنده همبستگی مثبت بین باقیمانده‌ها و اگر نزدیک به ۴ شود، نشان دهنده همبستگی منفی بین باقیمانده های متوالی است. به طورکلی اگر آماره دوربین-واتسون بین ۵/۱ و ۵/۲ قرار گیرد، میتوان فرض عدم وجود همبستگی بین خطاهای مدل را پذیرفت (مومنی، ۱۳۸۶).
۴-۹-۳- آزمون مناسب بودن مدل
برای آزمون مناسب بودن مدل تخمین شده، ابتدا این فرض را مطرح می‌سازیم که مدل تغییرات Y را به صورت معنی داری توجیه نمی‌کند. برای آزمون فرض مزبور، از آماره F استفاده می‌کنیم. اگر در سطح خطای α (در این تحقیق ۵%) مقدار آماره F از مقدار جدول بیشتر باشد، فرض صفر رد می شود و می‌توان گفت تغییرات توجیه شده توسط مدل مناسب است و یا اینکه رابطه معناداری بین متغیر وابسته ومتغیر مستقل وجود دارد. همچنین اگر سطح معناداری مدل (sig) کمتر از سطح خطای α (در این تحقیق ۵%) باشد، فرض صفر رد و چنین استنباط می شود که مدل تغییرات F را به صورت معنا داری توجیه می نماید (یعنی مدل مناسب است).
۵-۹-۳- آزمون معنادار بودن ضرایب
به منظور آزمون معنی دار بودن هر یک از ضرایب برآوردی رگرسیون فرض می‌شود که ضریب رگرسیون برابر صفر است و به عبارتی متغیر مستقل بر متغیر وابسته تاثیری ندارد. یعنی فرضیه صفر به صورت زیر بیان می‎‌گردد:
H: β = ۰
در مقابل آن فرضیه رقیب بیان می‌دارد که متغیر مستقل در تغییرات متغیر وابسته موثر واقع می‌شود یعنی:
H1: βi ≠ ۰
برای آزمون این فرضیات از آزمون t استیودنت، در سطح معناداری ۵% استفاده می‌شود. اگر در سطح اطمینان ۹۵% (خطای ۵%=) قدر مطلق t بدست آمده از آزمون، بزرگتر از t بدست آمده از جدول با همان درجه آزادی باشد، فرض رد شده و در غیر این صورت تایید می‌شود. در این آزمون رد به معنی معنا‌دار بودن ضریب مورد نظر و عدم رد به مفهوم بی معنا بودن ضریب مورد نظر است.
 
۱۰-۳- بررسی ساختار دادههای ترکیبی و انواع مدلهای آن
در این تحقیق، با توجه به نوع دادهها و روشهای تجزیه و تحلیل آماری موجود، از روش دادههای ترکیبی ومقطعی برای برآورد پارامترهای الگو و بررسی آزمون فرضیه ها استفاده شده است. روش دادههای ترکیبی که به روش دادههای مقطعی – سری زمانی[۹۷] نیز معروف است، به شکلهای مختلف انجام شده و مدلهای متنوعی دارد که با توجه به شرایط تحقیق از یکی از آنها استفاده میشود.
استفاده از روش دادههای مقطعی ممکن است با مشکلات عدم کارایی و ناسازگاری تخمین مدلها همراه باشد. مشکلات مزبور در تخمین مدلها به روش دادههای ترکیبی و با استفاده از روش هایی مانند مدل اثر ثابت[۹۸]، مدل اثر تصادفی[۹۹]، مدل رگرسیون به ظاهر نامرتبط[۱۰۰] و مدل دادههای یکپارچه شده[۱۰۱]، وجود نخواهد داشت. در بررسی دادههای مقطعی و سری زمانی، اگر ضریب اثرات مقطعی و اثر زمانی معنیدار نشود، میتوان تمامی دادهها را با یکدیگر ترکیب کرده و بوسیله رگرسیون حداقل مربعات معمولی[۱۰۲] تخمین زد. به این روش، دادههای تلفیق شده نیز میگویند. مدلهای اثر ثابت و اثر تصادفی به سبب اهمیت، در این قسمت به اختصار توضیح داده میشوند:

حتما بخوانید :   بررسی تاثیر کیفیت اطلاعات مالی بر نسبت سرمایه گزاران حقیقی شرکت های پذیرفته در ...

برای دانلود متن کامل این پایان نامه به سایت  fumi.ir  مراجعه نمایید.