منابع و ماخذ پایان نامه اثرات ثابت، حق الزحمه، روش حداقل مربعات، حداقل مربعات معمولی

دانلود پایان نامه ارشد

وابسته ي فرضيه ي چهارم و پنجم مي باشد و از لگاريتم هزينه هاي عملياتي سال جاري (t) به هزينه هاي عملياتي سال قبل(t-1)به دست خواهد آمد .

متغيرهای مستقل :
حق الزحمه ي حسابرسي برآورد شده (47EAF): جهت برآورد حق الزحمه از مدل 1 استفاده شده و پس از برآورد حق الزحمه ، با استفاده از لگاريتم حق الزحمه ي برآوردي سال جاري (EAFt) به حق الزحمه ي برآوردي سال قبل(EAFt-1) ، اين متغير محاسبه نيز مي گردد .
اندازه ي شرکت (48LTA) : که اين متغير از لگاريتم مجموع دارايي هاي شرکت(دارايي هاي جاري و غيرجاري) به دست خواهد آمد .
نسبت دارايی جاري (49CATA) : اين متغير از نسبت دارايي جاري به مجموع دارايي ها محاسبه مي گردد .
نسبت آني (QUICK) : که از نسبت دارايي هاي جاري به استثناي موجودي کالا بر بدهي هاي جاري به دست مي آيد .
نسبت بدهی بلند مدت (50DE) : که از نسبت بدهي بلندمدت به مجموع دارايي ها حاصل مي شود.
بازده دارايي (ROI) : که از نسبت سود قبل از بهره و ماليات به مجموع دارايي ها به دست مي آيد .
زيان (LOSS) : متغيري مجازي است . به صورتي که اگر شرکتي در سال جاري زيان داشته باشد مقدار 1 و در غير اين صورت مقدار صفر خواهد گرفت .
متغيرهاي مستقل ذکر شده در بالا (LTA,CATA,QUICK,DE,ROI,LOSS) جهت محاسبه ي حق الزحمه ي برآوردي استفاده خواهند شد . (ويليرس و همکاران-2014)
متغير مجازي (Decrease) : که در فرضيه هاي اول تا سوم اين گونه خواهد بود که اگر حق الزحمه ي برآوردي سال جاري نسبت به سال قبل کاهش پيدا کند(منفي باشد) مقدار1 و درغير اين صورت صفر خواهد بود . در مورد فرضيه ي چهارم و پنج در صورتي که فروش سال جاري نسبت به سال قبل کاهش داشته باشد مقدار 1 و در غير اين صورت صفر خواهد بود.
فروش (Sales) : متغير مستقل مربوط به چسبندگي هزينه هاي حسابداري است و از لگاريتم فروش سال جاري به سال قبل به دست خواهد آمد.
نرخ تورم (Inflation Rate) : همانطور که بيان شد ، اطلاعات مربوط به آن از سايت بانک مرکزي استخراج شده است .

3-8) روش آماری و نحوه ی تجزیه و تحلیل داده ها
با توجه به اينکه پژوهش حاضر شرکتهاي پذيرفته شده در بورس اوراق بهادار تهران را به عنوان جامعه ي آماري مورد بررسي قرار مي دهد و از طرف ديگر شرکتها و سالهاي گوناگون را شامل مي گردد ، در نتيجه استفاده از روش آماري به صورت داده هاي پانل51 نتايج روشن و واضحي در اختيار ما قرار مي دهد . بنابراين روش آماري اين پژوهش ، روش پانل ديتا است . با توجه به اينکه نرم افزار SPSS در انجام پانل ديتا قوي نمي باشد در نتيجه تمامي تجزيه و تحليل ها با نرم افزار EVIEWS 8.1 انجام گرديده که در ادامه اين روش آماري و آزمون هاي مربوط به آن تشريح خواهد شد .
3-8-1) روش پانل دیتا(داده های پانل)
در استفاده از اطلاعات آماري ، مدل ها به 3 دسته تقسيم مي گردند :
الف) مدل هاي مربوط به داده هاي مقطعي
ب) مدل هاي مربوط به سري هاي زماني
ج) مدل هاي مربوط به داده هاي پانل
در مدل هاي مربوط به داده هاي مقطعي ، متغيرها در يک دوره ي زماني معين و در واحدهاي مختلف بررسي مي شوند . اين دوره هاي زماني معين ، اصولاً فراتر از يک سال نخواهند رفت و همانطور که بيان شد در دوره هاي زماني معين مانند يک هفته ، يک ماه و يا يک سال بررسي مي شوند .
در مدل هاي مربوط به سري هاي زماني ، متغيرها در يک دوره ي چند ساله و طولاني مورد بررسي قرار خواهند گرفت .
روش سوم استفاده از اطلاعات آماري ، روش هاي داده هاي پانل است . در اين روش يک سري واحدهاي مقطعي (مانند سازمانها ، شرکتها ، کشورها و …) در طي چند سال مورد بررسي قرار مي گيرند . مزيت استفاده از روش داده هاي پانل نسبت به دو روش ديگر اين است که اولاً تعداد مشاهدات تا حد مطلوب افزايش مي يابد در نتيجه نقاط آماري بيشتري در اختيار محق قرار مي گيرد که اين موضوع هم خطي را بين متغيرهاي توضيحي کم کرده ، در جه ي آزادي را افزايش داده و در نهايت کارايي تخمين را افزايش مي دهد. سري های زماني معمولا دچار هم خطي هستند در حالي که داده هاي تابلويي، موجب افزايش تغيير پذيري يا تنوع بسيار زيادي مي شود که با در دست داشتن اين اطلاعات مي توان برآوردهاي معتبرتري انجام داد. . ثانياً با استفاده از روش پانل ديتا امکان تجزيه و تحليل تعداد قابل توجهي از سؤالات اقتصادي و مالي به محقق داده مي شود و امکان بيشتري براي شناسايي و اندازه گيري اثراتي را فراهم مي کند که اين امکان به وسيله ي روشهاي داده هاي مقطعي وسري هاي زماني به تنهايي ممکن نيست . به بيان ديگر يکي از بارزترين مشخصه هاي روش پانل ديتا اين است که جملات اخلال را شکسته و به تغييرات داده هاي مقطعي و سري هاي زماني تفکيک مي کند .ثالثاً داده‌های پانل امکان طراحی الگوهای رفتاری پيچيده تری را فراهم می کنند .
هنگام استفاده از روش داده های پانل ، تخمين معادله فوق به فروض ما درباره عرض از مبدأ ، ضريب شيب و جمله ي خطا ε بستگي دارد .
بطور كلي براي تخمين مدل هاي داده هاي تابلويی و داده های تلفيقی، سه روش وجود دارد كه عبارتند از:
روش مدل اثرات مشترک(که مدل مربوط به داده هاي تلفيقي است)
روش مدل اثرات ثابت(که مدل مربوط به داده هاي تابلويي است)
روش مدل اثرات تصادفي(که مدل مربوط به داده هاي تابلويي است)
تعيين آنكه در مورد يك نمونه از داده ها، كداميك از اين سه روش بايد مورد استفاده قرار گيرد از طريق آزمون هاي خاص خود انجام مي گيرد. به طوري که براي انتخاب بين روش داده هاي تابلويي و داده هاي تلفيقي از آزمون ليمر و آماره ي F ليمر استفاده می شود. فرض صفر اين آماره بيانگر انتخاب روش داده هاي تلفيقي و اولويت آن نسبت به داده هاي تابلويي است همچنين براي تعيين روش اثرات ثابت و تصادفي نيز از آزمون هاسمن استفاده شده به طوري که فرضيه صفر آزمون بيانگر آن است كه مدل داراي اثرات تصادفي است . شکل زير نحوه استفاده از اين 3 مدل را بهتر بيان می کند .

3-8-1-1) مدل اثرات مشترک (داده های ترکیبی یا داده های تلفیقی)
ساده ترين روش، حذف ابعاد فضا (مکان) و زمان از داده ها و تخمين مدل رگرسيون ، با استفاده از روش حداقل مربعات معمولی است. که آن را مدل داده هاي ترکيبي (Pool) مي نامند. يعني همه ی مشاهدات سري زماني را براي هر مقطع از بالا به پايين و براي هر متغير مدل مرتب کنيم و بعد مدل را به روش حداقل مربعات معمولی (OLS52) تخمين بزنيم در اين صورت مدل رگرسيون به صورت مدل جدول 3-4 خواهد بود .

جدول 3-4) مدل رگرسيون در داده های ترکيبی يا Pooling

α
عرض از مبدأ مشترک برای تمامی مقاطع
β=( β1, β2,…, βk)
بردار ضرايب يا پارامترها که واکنش متغير مستقل را اندازه گيری می کند
itμ
که شامل k متغير توضيحي است .

جمله اخلال (خطا) مي باشد که از فروض کلاسيک رگرسيون پيروي مي کند و فرض می شود دارای ميانگين صفر و واريانس ثابت است .
t=1,2,…,t
که دوره ی زمانی است .
در مدل ارائه شده در جدول 3-4 فرض می شود که مقدار عرض از مبدأ برای مقاطع مختلف يکسان است(α بدون انديس i ). هم چنين فرض می شود که ضرايب شيب متغير های توضيحی برای مقاطع مختلف يکسان است(β بدون انديس i ).
3-8-1-2) مدل اثرات ثابت
اصطلاح ” اثرات ثابت” ناشي از اين واقعيت است که با وجود تفاوت عرض از مبدأ ميان مقاطع ، عرض از مبدأ هر مقطع طي زمان تغيير نمي کند . بايد اشاره کرد که در روش اثرات ثابت فرض شده ضرايب(شيب) متغيرهاي توضيحي بين مقاطع يا طي زمان تغيير نمي کنند و ثابت هستند و اختلاف بين واحدها را مي توان به صورت تفاوت عرض از مبدأ نشان داد .

جدول 3-5) مدل رگرسيون در داده های تابلويي(Panel Data) به صورت روش اثرات ثابت

αi
عرض از مبدأ
β=( β1, β2,…, βk)
بردار ضرايب يا پارامترها که واکنش متغير مستقل را اندازه گيری می کند
itμ
که شامل k متغير توضيحي است .

جمله اخلال (خطا) مي باشد که از فروض کلاسيک رگرسيون پيروي مي کند و فرض می شود دارای ميانگين صفر و واريانس ثابت است .
t=1,2,…,t
که دوره ی زمانی است .
همانطور که در جدول 3-5 نشان داده شده است ، مقدار عرض از مبدأ براي مقاطع مختلف غير يکسان است يعني در اين حالت ، انديس i در جمله ي عرض از مبدأ (α) نشان مي دهد که عرض از مبدأهاي مقاطع مختلف مي توانند متفاوت باشند (α با انديس i ). بايد اشاره کرد که در روش اثرات ثابت در جدول 3-5 فرض شده ضرايب(شيب) متغيرهاي توضيحي بين مقاطع يا طي زمان تغيير نمي کنند و شيب های مقاطع مختلف نيز می توانند متفاوت باشند و در واقع براي مقاطع مختلف غير يکسان هستند (β با انديس i ). مدل ارائه شده در جدول 3-5 درواقع مدل اثرات ثابت يک طرفه را نشان مي دهد .در صورتي که عرض از مبدأ هم مابين مقاطع و هم مابين دوره ها متفاوت باشد ، آنگاه روش اثرات ثابت دوطرفه مطرح مي شود که برای برآورد آن از متغيزهای مجازی استفاده می گردد و از آن جا که از متغيرهاي مجازي براي تخمين اثرات ثابت استفاده مي شود در ادبيات اقتصاد سنجي ، مدل حداقل مربعات با متغير مجازی (53LSDV) نيز ناميده مي شود. که جهت جلوگيری از اطاله ی کلام از توضيحات در مورد آن خودداری می گردد .
در روش اثرات ثابت در صورتي که واريانس هاي مربوط به مقاطع مختلف با يکديگر يکسان باشد ، ناهمساني واريانس وجود نخواهد داشت و مي توان از روش حداقل مربعات معمولي (OLS) جهت برآورد مدل استفاده کرد و در صورتي که واريانس هاي مربوط به مقاطع مختلف با يکديگر يکسان نباشند لذا مدل دچار ناهمساني واريانس خواهد بود و در نتيجه جهت برآورد مدل مي بايست از روش حداقل مربعات تعميم يافته (GLS) استفاده گردد .
3-8-1-3) مدل اثرات تصادفی
در مدل اثرات ثابت اگر تعداد مقطع ها زياد باشد، سبب مي شود که تعداد زيادي متغير مجازي استفاده شود . در نتيجه به دليل زياد بودن متغيرهاي مجازي ، درجه ي آزادي کاهش يافته و يا از دست خواهند رفت . در واقع در مدل اثرات ثابت هميشه اين اطمينان وجود ندارد که بتوان اختلاف بين مقاطع را به صورت انتقال تابع رگرسيون نشان داد . براي رفع اين مشکل روشي پيشنهاد شده است که توسط طرفدارانش مدل اجزاء خطا يا مدل اثرات تصادفي ناميده مي شود، که مدل پايه اثرات تصادفي ناميده مي شود . فرض اساسي اين روش اين است که جزء ثابت مشخص کننده مقاطع مختلف به صورت تصادفي بين واحدها و مقاطع توزيع شده است. جدول 3-6 اين مدل را نشان می دهد :
جدول 3-6) مدل رگرسيون در داده های تابلويي(Panel Data) به صورت روش اثرات تصادفی

αi
عرض از مبدأ و i=1,2,3,…N
β=( β1, β2,…, βk)
بردار ضرايب يا پارامترها که واکنش متغير مستقل را اندازه گيری می کند
itμ
که شامل k متغير توضيحي است .

جمله اخلال (خطا) مي باشد و در واقع جزء اخلال مقطع مي باشد و داراي ميانگين صفر و واريانس ثابت است .

جمله اخلال (خطا) مي باشد و در واقع جزء اخلال ترکيب مقطع و سري زماني مي باشد و از فروض کلاسيک رگرسيون پيروي مي کند و فرض مي شود داراي ميانگين صفر و واريانس ثابت است .
t=1,2,…,t
که دوره ي زماني است .
مدل اجزاي خطا به اين دليل به اين نام خوانده مي شود که جمله اخلال مرکب شامل دو(يا بيشتر) جزء خطا است(جعفري- 1389) . در اين مدل واريانس- هاي مربوط به مقاطع مختلف با يکديگر يکسان نيستند در نتيجه دچار ناهمساني واريانس هستند و به همين علت نمي توان از روش حداقل مربعات معمولي (OLS) استفاده کرد و تنها راه برآورد مدل روش حداقل مربعات تعميم يافته (GLS) خواهد بود .
3-8-1-4) آزمون F لیمر (F مقید)
در مدل هاي مربوط به داده هاي مقطعي و سري هاي زماني ، اگر ضرايب معني دار نشوند مي توان داده ها را با يکديگر ترکيب کرد و

پایان نامه
Previous Entries منابع و ماخذ پایان نامه حق الزحمه، ثروت سهامداران، فشار تقاضا Next Entries منابع و ماخذ پایان نامه حق الزحمه، انحراف معیار، بورس اوراق بهادار تهران، بورس اوراق بهادار