دانلود پایان نامه درمورد اثرات ثابت، دارایی ها، هزینه سرمایه

دانلود پایان نامه ارشد

محاسبه نمود :
بدهی نسبت =(بدهی کل)/(ها دارایی کل)
3-5-2) متغیر وابسته192- نتیجه تغییراتی که به شکل تعمدی یا غیر تعمدی برای متغیر مستقل به وجود می آید ، به صورت یک اثر به متغیر دیگر منتقل می گردد . این متغیر ، متغیر وابسته یا پاسخ است (بامنی مقدم،1390،ص404) . متغیروابسته این تحقیق ارزش شرکت است که ارزش یک شرکت در گرو توانایی آن در ایجاد جریانات نقدی در یک دوره معین زمانی است . به عبارت دیگر مقصود از ارزش شرکت ، تعیین ارزش دارایی های مالی شرکت است . اقلام این دارایی ها شامل اوراق قرضه ، سهام ممتاز و سهام عادی می باشد . برای تعیین ارزش دارایی ها از مفاهیم متعددی استفاده می گردد که عبارتند از : ارزش دفتری ، ارزش بازار ، ارزش با فرض تداوم فعالیت ، ارزش با فرض انحلال شرکت و ارزش ذاتی سهام یک شرکت. هر یک از این مفاهیم کاربرد خاص خود را دارد و به این وابسته است که آیا ارزش تک تک اقلام دارایی ها باید تعیین گردد یا ارزش کل شرکت (Neveu,1986,p 275) . در این تحقیق از روش Q توبین برای ارزیابی ارزش شرکت ها استفاده می گردد و داده های مورد نظر از طریق گزارشات سالیانه تامین می گردد. فرمول این روش به صورت زیر است :
توبین Q =(عادی سهام بازار ارزش+ممتاز سهام بازار ارزش+مدت بلند بدهی دفتری ارزش+مدت کوتاه بدهی دفتری ارزش)/(دارایی کل دفتری ارزش )
3-5-3) متغیر کنترل193- متغیرهای کنترل تحقیق بدین شرح است :
هزینه سرمایه (CE)194- حداقل نرخ بازدهی که یک شرکت باید تحصیل کند تا این که در ارزش شرکت تغییری صورت نگیرد . مفهوم هزینه سرمایه بر این فرض استوار است که هدف یک شرکت ، به حداکثر رسانیدن ثروت سهامداران است (Neveu,1986,p 317) . هزینه سرمایه کل شرکت منعکس کننده نرخ بازده مورد انتظار دارایی های آن به عنوان یک کل است . نسبت هزینه سرمایه به مجموع دارایی ها برای سنجش رشد سرمایه گذاری استفاده می گردد . هزینه سرمایه شرکت به صورت میانگین موزون محاسبه می گردد که وزن های آن بر حسب ارزش های منابع مختلف سرمایه تعیین می گردند .

تخمین میانگین موزون هزینه سرمایه (WACC) 195به صورت زیر است :
WACC=∑_(i=1)^n▒〖Wi×Ki〗
Wi= وزن iامین منبع تامین مالی می باشد(i=1,…..n)
Ki= بازده مورد انتظار منبع تامین مالی
تمرکز مالکیت (CR)196- به حالتی اطلاق می شود که میزان در خور ملاحظه ای از سهام شرکت به سهامداران عمده (اکثریت) تلقی داشته باشد و از طریق سنجش نسبت حقوق صاحبان سهام شرکت ها (10 سهامدار برتر) بررسی می گردد و منعکس کننده تاثیر حقوق صاحبان سهام بر روی ارزش شرکت ها است .
سودآوری (ROA)197- مقصود از سوددهی همان بازده دارایی198 است . نرخ بازده دارایی رابطه بین حجم دارایی های شرکت و سود را تعیین می کند . به عبارتی بازده دارایی ها ارتباط بین سودآوری و سرمایه گذاری را در یک شرکت منعکس می نماید . این متغیر از طریق فرمول زیر محاسبه می گردد :
ROA=(مالیات کسر از پس خالص سود)/(ها دارایی مجموع)
3-6) روش تجزیه و تحلیل داده ها
تجزیه و تحلیل داده ها ، فرآیندی چند مرحله ای است که طی آن داده هایی که از طریق به کارگیری ابزارهای جمع آوری در نمونه (جامعه) آماری ، فراهم آمده اند ، خلاصه و دسته بندی و در نهایت پردازش می شوند تا زمینه برقراری انواع تحلیل ها و ارتباط بین این داده ها به منظور آزمون فرضیه ها فراهم آید . در این فرآیند ، داده ها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش می گردند و تکنیک های گوناگون آماری ، نقش مهمی در استنتاج و تعمیم ها برعهده دارند (خاکی،1387،ص ص 306-305). صورت هاي مالي شركت ها شامل ترازنامه ، صورت سود و زیان و يادداشت هاي همراه صورت هاي مالي در پايان هر سال مالي (29 اسفندماه) به عنوان ابزار تحقيق مورد استفاده قرار گرفته است .
به منظور تجزیه وتحلیل داده های گردآوری شده می توان از دو روش استفاده نمود :
3-6-1) آمار توصیفی199- آمار توصیفی به مجموعه ای از فنون و روش های آماری اطلاق می شود که به منظور ساماندهی (خلاصه و تنظیم نمودن) داده ها از طریق جدول های توزیع فراوانی ، نمایش داده ها از طریق رسم نمودارها و بیان خصوصیت ها و ویژگی های مهم داده ها از طریق معیارهای آماری ، به توصیف داده های حاصل از تمام عنصرهای مجموعه ی مورد بررسی یا بخشی از آن جامعه یا نمونه می پردازد (بامبی مقدم،1390،ص2) . آمار توصیفی ارائه شده در این تحقیق شامل آماره های گرایش به مرکز است .
3-6-2) آمار استنباطی200- در تحلیل آمار استنباطی همواره نظر بر این است که نتایج حاصل از مطالعه گروه کوچکی به نام نمونه ، چگونه به گروه بزرگتری به نام جامعه تعمیم داده شود و مباحثی مانند همبستگی مدنظر قرار دارد (حافظ نیا،1380،ص242) . به طور کلی هدف آمار استنباطی ، انجام یک آزمون معنادار بودن به لحاظ آماری و نیز استنباط هایی درباره ی اطلاعات جمع آوری و تنظیم شده از جامعه برای تبیین و تصمیم گیری است (بامبی مقدم،1390،ص2) .
در اين تحقيق در گام اول از روش هاي آمار توصيفي در تنظيم داده ها در جداول توزيع فراواني و محاسبه شاخص هاي تمركز و پراكندگي استفاده شده است . سپس در گام بعدي جهت تجزيه و تحليل داده ها از تكنيك هاي آمار استنباطي استفاده مي شود .
برای آزمون فرضیه های تحقیق از مدل رگرسیون چند متغیره استفاده شده است . این مدل به صورت زیر
می باشد :
Vjt = β0 + β1Djt + β2QRjt + β3ALRjt +β4CEjt+β5CRjt+β6ROAjt + Ejt

Vjt = ارزش شرکت
Djt = استفاده از ابزار مشتقه
jt QR = نسبت آنی
=ALRjt نسبت بدهی
CEjt=هزینه سرمایه
CRjt= تمرکز مالکیت
ROAjt=سوددهی(بازده دارایی)
Ej = جمله خطای تصادفی
در این تحقیق از داده های پانلی با استفاده از نرم افزار7 Eviews استفاده شده است . محققین می توانند از داده‌های پانلی برای مواردی که مسائل را نمی توان صرفا به صورت سری زمانی یا برش های مقطعی بررسی کرد ، بهره گیرند . مثلا در بررسی تابع تولید مساله ای که وجود دارد این است که بتوان تغییرات تکنولوژیک را از صرفه‌های به مقیاس تفکیک کرد . در این گونه موارد داده‌های مقطعی فقط اطلاعاتی را در مورد صرفه‌های به مقیاس فراهم می آورد. در حالی که داده‌های سری زمانی اثرات هردو را بدون هیچ گونه تفکیکی نشان می دهد . تلفیق داده‌های سری زمانی با داده‌های مقطعی نه تنها می تواند اطلاعات سودمندی را برای تخمین مدل های اقتصادسنجی فراهم آورد ، بلکه بر مبنای نتایج به دست آمده می توان استنباط‌های سیاست گذاری در خور توجهی نیز به عمل آورد .
داده‌های پانلی حاوی اطلاعات بیشتر ، تنوع گسترده تر و هم خطی کمتر میان متغیرها بوده و در نتیجه کاراتر می باشند . در حالی که در سری های زمانی هم خطی بیشتری را بین متغیرها مشاهده می کنیم . با توجه به این که داده‌های پانلی ترکیبی از سری‌های زمانی و مقطعی می باشد ، بعد مقطعی موجب اضافه شدن تنوع زیادی شده و در نتیجه برآوردهای معتبرتری را می توان انجام داد . در اینجا تعداد مشاهدات ما به NT افزایش یافته که منجر به برآوردهای کاراتری از متغیرها می شود . این امر را می توان در محاسبه واریانس جامعه مشاهده کرد . در داده‌های سری زمانی این واریانس به صورت σ2=σ2/N-K محاسبه می‌شود ولی در داده‌های پانلی به صورت σ2=σ2/NT-N-K قابل محاسبه است . چون مخرج کسر دومی بزرگتر از کسر اولی است ، پس واریانس داده‌های پانلی کمتر بوده و بنابراین تخمین کاراتری خواهد داشت. داده‌های پانلی امکان طراحی الگوهای رفتاری پیچیده تری را فراهم می کنند و امکان بیشتری را برای شناسایی و اندازه گیری اثرات فراهم می کنند که با اتکای صرف به آمارهای مقطعی یا سری زمانی به سادگی قابل شناسایی نیستند . نمونه مدلی که برای توضیح رفتار متغیرها در این نوع داده‌ها می توان ساخت به صورت زیر است :

β = بردار k×1 از پارامترها
Xit = بردار k×1 از مشاهدات مربوط به متغیرهای توضیحی( t=1,2,…,T و i=1,2,…,N )
فرض بر این است که جمله اخلال(uit) یک نوفه سفید201 است .
قبل از هر چیز باید نوع داده ها از جهت پانل و یا پولین بودن مشخص گردد که برای این منظور از آزمون لیمر استفاده خواهد شد که دارای آماره F می باشد . در این جا دو حالت وجود دارد یا داده های ما از نوع پولینگ می باشند که باید با استفاده از روش اثرات مشترک تخمین زده شوند ، و یا داده ها از نوع پانل هستند که باید با استفاده از یکی از دو روش اثرات ثابت و یا اثرات متغیر که در ادامه ارائه شده اند تخمین زده شوند (عزت الله لطفی، 1391،ص 96) .
نخست مدل اثرات ثابت که در آن αi های N پارامتر، نامعلوم ولی ثابت هستند و دیگری مدل اثرات تصادفی که در آن عرض از مبدا ثابت نبوده و تصادفی است و همچنین مستقل از متغیرهای توضیحی می باشد .
مدل اثرات ثابت- در این مدل هر یک از مولفه‌ها یک مقدار ثابت مخصوص به خود دارد و به دلیل آن که برای کار کردن با هر یک از این مقادیر ثابت ، یک متغیر مجازی در نظر گرفته می شود ، تخمین زن اثرات ثابت ، تخمین زن متغیرهای مجازی حداقل مربعات(LSDV) نیز نامیده می شود . این مدل را می توان به شکل زیر نوشت :

=D ماتریس متغیرهای مجازی با ابعاد NT×N
X = ماتریس متغیرهای توضیحی با ابعاد NT×k
β = ماتریس ضرایب با ابعاد k×1
مدل اخیر یک مدل رگرسیونی کلاسیک بوده و هیچ شرط جدیدی برای تجزیه و تحلیل آن لازم نیست و می توان مدل را با استفاده از OLS برآورد کرد .
مزیت مدل با اثرات ثابت این است که می تواند اثراتی را که در هر یک از مؤلفه‌ها متفاوت است ولی در طول زمان تغییر نمی کند ، نشان دهد . البته پس از تشکیل مدل دیگر نمی توان به آن متغیری افزود که در طول زمان تغییر نکند ، چرا که با اثرات ثابت موجود هم خطی کامل پیدا خواهد کرد . از سوی دیگر عیب چنین مدلی این است که در آن باید برای هریک از متغیرهای مجازی یک ضریب و در مجموع N ضریب تخمین زد . این امر هنگامی که تعداد مؤلفه‌ها یعنی N خیلی زیاد باشد ، که معمولاً نیز چنین است ، مسئله ساز خواهد شد.
برای برطرف کردن این مشکل یک راه آن است که میانگین زمانی هر یک از متغیرها را از مقدار اصلی آن ها کم نمود . با این کار به مدلی خواهیم رسید که فاقد عرض از مبدأ بوده و می توان روش حداقل مربعات معمولی را برای آن اجرا نمود و روش دیگر آن است که از تفاضل مرتبه اول متغیرها به جای آن ها در مدل استفاده نمود . دراین صورت نیز عرض از مبدأ از مدل حذف می‌شود و مشکل تعداد زیاد پارامترها برای تخمین نیز برطرف می گردد :

مدل اثرات تصادفی- یک روش جایگزین برای تخمین مدل اثرات ثابت ، تخمین مدل اثرات تصادفی است . تفاوت چنین مدلی با اثرات ثابت این است که در آن عرض از مبدأ مختص هر یک از متغیرها مقادیر ثابتی نیستند ، بلکه به صورت تصادفی انتخاب می شوند . لذا مقدار αi در مدل کلی برابر است با αit= uit +vit که در آن vit یک متغیر تصادفی نوفه سفید با میانگین صفر و واریانس σ2 است . یک فرض مهم این است که متغیر vit باید مستقل از متغیرهای توضیحی و اجزای خطای uit باشد . اگر vit ها با متغیرهای توضیحی همبسته باشند ، آنگاه تخمین زن‌های اریب و ناسازگاری به دست خواهند آمد . از سوی دیگر مزیت این مدل بر مدل اثرات ثابت آن است که تعدادپارامترهای کمتری باید تخمین زده شود .
فرم کلی چنین مدلی به صورت روبرو می باشد:

برای تخمین این مدل باید توجه داشت که در این حالت واریانس‌های مربوط به مقاطع مختلف با هم یکسان نبوده و مدل ما دچار واریانس ناهمسانی می‌باشد که باید از با استفاده از برآوردگر GLS آن را تخمین زد . به صورت زیر:

∑= واریانس uit
Ι= ماتریس واحد
Ω= ماتریس واریانس-کوواریانس
با معرفی این دو روش سؤالی که پیش می آید این است که در عمل ما بایستی کدام یک از روش های مذکور را استفاده کنیم . برای تصمیم گیری از آزمون هاسمن استفاده می گردد .
برای آن که بتوان بین مدل های اثرات ثابت و اثرات تصادفی از نظر

پایان نامه
Previous Entries دانلود پایان نامه درمورد ارزش شرکت، شرکت های هواپیمایی، نسبت بدهی Next Entries دانلود پایان نامه درمورد انحراف معیار، اثرات ثابت، بازده دارایی