منابع و ماخذ پایان نامه دارایی ها، مدل رگرسیون، رگرسیون خطی

آمیهود براي محاسبه نقد شوندگي معيار جدیدي معرفي نمود كه از طريق استفاده از داده هاي روزانه در رابطه با بازده و حجم معامله، قابل ارزيابياست. اين معيار برابر با نسبت قدر مطلق بازده روزانه سهام به حجم معامله در روز است.

در اين معيار R و V به ترتيب برابر با بازده و حجم در روزd از ماهt است و Daysبرابر با تعداد است.
متغیرهای کنترلی
: Cash نسبت وجه نقد و سرمایه گذاری های کوتاه مدت شرکت تقسیم بر جمع دارایی های شرکت در تاریخ ترازنامه.
: Size اندازهشركتشرکت که از طریق لگاریتم طبیعی ارزش دفتری دارایی ها محاسبه می شود.
LogMB: لگاریتم طبیعی نسبت ارزش بازار به ارزش دفتری دارایی های شرکت.
Growth: درصد تغییرات جمع دارایی های شرکت نسبت به دوره قبل.
ROA: بازده دارایی ها که از نسبت سود خالص به جمع دارایی ها محاسبه می شود.
Age: عمر (سن) شرکت که از تفاوت تاریخ تاسیس و دوره مورد بررسی محاسبه می شود.
3-7روش‌ها و ابزار تحليل داده‏ها
در مواردي كه بررسي ارتباط بين يك متغير وابسته با يك يا چند متغير مستقل مد‌نظر باشد و هدف محقق اين است كه بر اساس اين ارتباط و با استفاده از داده‌هاي تاريخي، پارامتر (پارامترهايي) براي متغير(متغيرهاي) مستقل برآورد و با ارائه مدل اقدام به پيش بيني نمايد، داده‌ها و متغیر‌های موجود در یک مدل معمولا در سه نوع مختلف می‌تواند باشد:
داده هاي سري زماني130

داده هاي مقطعي131
داده هاي ترکیبی132
داده‌هاي سري زماني، مقادیر یک متغیر (چند متغیر) را در نقاط متوالی در زمان، اندازه‌گیری می‌کند. این توالی می‌تواند سالانه، فصلی، ماهانه، هفتگی یا حتی به صورت پیوسته باشد.
داده هاي مقطعي، مقادیر یک متغیر (چند متغیر) را در طول زمان و روی واحدهای متعدد اندازه‌گیری می‌کند، این واحدها می‌تواند واحدهای تولیدی، صنایع و یا شرکت‌های مختلف باشد.
داده هاي ترکیبی، در واقع بیان کننده داده‌های مقطعی در طی زمان است، یا به عبارت دیگر این داده‌‌ها حاصل ترکیب دو دسته داده‌های سری زمانی و مقطعی می‌باشد.
با توجه به ادبیات تحقیق موجود و نیز ماهیت فرضیات تحقیق در این پژوهش از داده‌های ترکیبی و مقطعی استفاده شده است.
3-8 روش‌های آماری آزمون فرضیه ها
در این تحقیق از رگرسیون چند متغیره با به كارگيري داده‌هاي تركيبي و مقطعی استفاده می گردد. براي تجزيه و تحليل دادههاي تحقيق و آزمون فرضيات تحقيق از روشهاي آماري به دو شكل توصيفي و استنباطي استفاده خواهد شد كه در ابتدا با استفاده از آمار توصيفي به تبيين و توصيف ويژگيهاي جمعيت شناختي دادهها پرداخته ميشود و سپس براي برآورد پارامترها و بررسي آزمون فرضيات تحقيق، فروض کلاسیک رگرسیون مورد بررسی قرار می گیرد. همچنين از نرم افزارهای6 EViews و19 SPSSبراي تحليل توصيفي دادهها و آزمون فرضیات و استخراج مدل رگرسیون استفاده ميشود.
3-9 رگرسیون چند متغیره
در برخي از مسائل پژوهشي، به ويژه آن‌هايي كه با هدف ارائه مدلی برای پيش‌بيني انجام می‌شوند، تعيين همبستگی بین متغير وابسته (كه قصد پيش‌بيني آن را داريم)، و متغيرهاي پيش‌بيني كننده كه هر كدام از آنها تا حدودي با اين متغير همبستگي دارند، داراي اهميت زيادي است. روشي كه از طريق آن متغيرهاي پيش‌بيني كننده تركيب مي‌شوند، “رگرسيون چند متغيره” نام دارد. در اين روش، يك معادله رگرسيون چند متغيره محاسبه مي‌شود كه ارزش‌هاي اندازه‌گيري شده پيش‌بيني را در يك فرمول خلاصه مي‌كند. ضرايب معادله براي هر متغير، بر اساس اهميت آن در پيش‌بيني متغير ملاك محاسبه و معين مي‌شود. درجه همبستگي بين متغيرهاي پيش‌بيني كننده در معادله رگرسيون چند متغيره و متغير وابسته، به‌وسيله ضرايب نشان داده مي‌شود (سرمد، 1384: 220).مدل رگرسيون چند متغيره به شرح زیر است:

Yi = α + β1 X1,i + β2 X2,i + … + βn Xn,i + εn,i
که در آن :
Yi = i اُمین مشاهده متغیر وابسته
α = عرض از مبدأ (مقدار ثابت)
Xn,i = i اُمین مشاهده براي متغیرمستقل Xn(n=1,2,…,n)
β = ضريب متغیر مستقل
ε‌= جزء اخلال
در چنين مدلي مفروضات اساسي زير در نظر گرفته مي‌شود:
1- بین متغيرهاي مستقل رابطه خطي وجود ندارد؛
2- اميد رياضي خطاها معادل صفر و واريانس آن‌ها ثابت است (توزیع خطاها بایستی نرمال باشد)؛
3- بین خطاهای مدل همبستگي وجود ندارد؛ و
4- متغیر وابسته دارای توزیع نرمال است (مومنی، 1386).
3-9-1 ضريب تعيين و ضريب تعيين تصحيح شده
ضريب تعيين مهم‌ترین معياري است که با آن می‌توان رابطه ميان متغير (متغیر‌های) مستقل و متغير وابسته را توضیح داد. مقدار اين ضريب مشخص‌كننده آن است كه چند درصد از تغييرات متغير وابسته توسط متغير (متغیر‌های) مستقل قابل توضيح است. مقدار از رابطه زير تعيين مي‌شود (آذر و مومنی .1377).

كه در آن:
SSE: تغييرات جمله خطا كه توسط رگرسيون توضيح داده نمي‌شود.
SST: كل تغييرات در مقدار متغير وابسته.
برای برطرف نمودن اریبی که در ضریب تعیین ناشی از حجم نمونه است، می‌توان از مقياس ديگري به نام ضريب تعيين تصحيح شده استفاده نمود. اين ضريب همان ضريب تعيين است كه در آن مقادير SSE و SST با درجات آزاديشان تصحیح شده‌اند. اين ضريب در رگرسيون چند متغيره به صورت زير محاسبه مي‌شود (آذر و مومنی،1377):

3-9-2 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 خود‌همبستگی133 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≠0=0
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 95% 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 هم‌خطی134 نباشند). زیرا در صورتی که شدت رابطه بین متغیرهای مستقل بسیار زیاد باشد، اندازه گيري جداگانه اثرات هر یک از متغیرها بر روی متغیر وابسته دشوار است.

3-9-3 آزمون استقلال خطاها
به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین-واتسون135 استفاده می‌شود. به طور كلي آزمون دوربين واتسون همبستگي سريالي بين باقيمانده(خطا)هاي رگرسيون را آزمون مي‌نمايد. مقدار اين آماره بين 0 تا 4 تغيير مي‌كند. اگر همبستگي بين مانده هاي متوالي وجود نداشته باشد، مقدار آماره بايد نزديك 2 شود. اگر مقدارآماره نزديك به صفر شود، نشان دهنده همبستگي مثبت بين باقيمانده‌ها و اگر نزديك به 4 شود، نشان دهنده همبستگي منفي بين باقيمانده هاي متوالي است. به طوركلي اگر آماره دوربین-واتسون بین 5/1 و 5/2 قرار گیرد، میتوان فرض عدم وجود همبستگی بین خطاهای مدل را پذیرفت (مومنی، 1386).
3-9-4 آزمون مناسب بودن مدل
براي آزمون مناسب بودن مدل تخمين شده، ابتدا اين فرض را مطرح مي‌سازيم كه مدل تغييرات Y را به صورت معني داري توجيه نمي‌كند. براي آزمون فرض مزبور، از آماره F استفاده مي‌كنيم. اگر در سطح خطاي α (در اين تحقيق 5%) مقدار آماره F از مقدار جدول بيشتر باشد، فرض صفر رد مي شود و مي‌توان گفت تغييرات توجيه شده توسط مدل مناسب است و يا اينكه رابطه معناداري بين متغير وابسته ومتغير مستقل وجود دارد. همچنين اگر سطح معناداري مدل (sig) كمتر از سطح خطاي α (در اين تحقيق 5%) باشد، فرض صفر رد و چنين استنباط مي شود كه مدل تغييرات F را به صورت معنا داري توجيه مي نمايد (يعني مدل مناسب است).
3-9-5 آزمون معنادار بودن ضرايب
به منظور آزمون معني داربودن هر يك از ضرايب برآوردی رگرسیون فرض می‌شود كه ضريب رگرسيون برابر صفر است و به عبارتي متغير مستقل بر متغير وابسته تاثيري ندارد. یعنی فرضیه صفر به صورت زیر بیان می‎‌گردد:
H0: β = 0
در مقابل آن فرضیه رقیب بیان می‌دارد که متغیر مستقل در تغییرات متغیر وابسته موثر واقع می‌شود یعنی:
H1: βi ≠ 0
براي آزمون اين فرضيات از آزمون t استیودنت، در سطح معناداری 5% استفاده مي‌شود. اگر در سطح اطمينان 95% (خطاي 5% =) قدر مطلق t بدست آمده از آزمون، بزرگتر از t بدست آمده از جدول با همان درجه آزادي باشد، فرض رد شده و در غير اين صورت تایید مي‌شود. در اين آزمون رد به معني معنا‌دار بودن ضريب مورد نظر و عدم ردبه مفهوم بي معنا بودن ضريب مورد نظر است.

3-10 بررسی ساختار دادههاي تركيبي و انواع مدلهاي 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 زمانی136 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 ثابت137، مدل اثر تصادفی138، مدل رگرسیون به ظاهر نامرتبط139 و مدل دادههای یکپارچه شده140، 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 معمولی141 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:
برای تعیین مدل مورد استفاده در دادههای ترکیبی از آزمونهای مختلفی به شرح زیر استفاده میشود:
3-10-1 آزمون چاو
آزمون چاو142 برای تعیین بهکارگیری مدل اثرات ثابت در مقابل تلفیق کل دادهها (مدل یکپارچه شده) انجام میشود. فرضیات این آزمون به صورت زیر است:
H0: Pooled Model
H1: Fixed Effect Model
فرضیه اول براساس مقادیر مقید و فرضیه مقابل آن براساس مقادیر غیر مقید است. آمارهی آزمون چاو بر اساس مجموع مربعات خطای مدل مقید و مدل غیر مقید به صورت زیر است:

این آماره دارای توزیعF با درجه آزادی N-1 و NT-N-K است. اگر ارزش آماره F مقید از ارزش آماره F جدول کمتر باشد، در سطح معنی داری تعیین شده، فرضیه H0رد میشود و اثر معنیداری برای مقاطع وجود خواهد داشت. بنابراین، مدل اثر ثابت انتخاب میشود، در این غیر این صورت از مدل دادههای تلفیق شده استفاده میشود (اشرفزاده و مهرگان، 1387).
3-10-2 آزمون هاسمن
آزمون هاسمن143 برای تعیین استفاده از مدل اثر ثابت در مقابل اثر تصادفی انجام میشود. آزمون هاسمن بر پایهی وجود یا عدم وجود ارتباط بین خطای رگرسیون تخمین زده شده و متغیرهای مستقل مدل شکل گرفته است. اگر چنین ارتباطی وجود داشته باشد، مدل اثر ثابت و اگر این ارتباط وجود نداشته باشد، مدل اثر تصادفی کاربرد خواهد داشت. فرضیه H0 نشان دهنده عدم ارتباط متغیرهای مستقل و خطای تخمین و فرضیه H1 نشان دهندهی وجود ارتباط است(زراءنژاد و انواری، 1384).
H0: Random Effect
H1: Fixed Effect
مادالا144 (1998) برای انجام آزمون هاسمن تخمین مقدار واریانس qرا با V(q)نشان داده و آماره M را به صورت زیر ارائه کرده است:

3-11خلاصه فصل
در این فصل ابتدا فرضیه های تحقیق،دوره ی زمانی تحقیق،جامعه مورد مطالعه و چگونگی جمع آوری اطلاعات تشریح گردید.در ادامه آزمون های آماری لازم جهت آزمون فرضیات تحقیق نیز بیان