منابع پایان نامه ارشد درمورد رگرسیون، گزارشگری مالی، تقسیم سود، مدل رگرسیون

دانلود پایان نامه ارشد

دارند که بیان کمی آنها معمولاً بسیار دشوار است و در نتیجه وارد کردن آنها در مدل مقدور نیست. به عنوان مثال اگر قصد مدل کردن مصرف یک کشور را داشته باشیم، چگونگی انتظارات مصرف کننده نسبت به تغییر در پارامترهای مختلف اقتصادی و درجه عدم اطمینان نسبت به تغییر در پارامترهای مختلف اقتصادی قابل مشاهده نیستند.
ثانیا اقتصاد با رفتار انسانها سر و کار دارد و می‌دانیم که در رفتار انسان همواره عناصر تصادفی غیرقابل پیش بینی وجود دارد که اساسا نمی توان آنها را در مدلهای ریاضی گنجاند.همچنین دلایل دیگری مانند خطا در اندازه گیری متغیرهای وابسته و مستقل می‌توان ذکر کرد.پس باید پذیرفت که مدلهای ریاضی برای توضیح پدیده‌های اقتصادی دقیق نیستند و خطا دارند. به این خطا اصطلاحا «جمله اخلال» می‌گویند زیرا تعادل ریاضی مدل را مختل می‌کند.
به همین دلیل یک جمله خطا (یا ترم تصادفی) به مدل اضافه می‌کنیم که جانشینی برای اثر همه عوامل نادیده گرفته شده در مدل است. بنابراین تفاوت کلی مدلهای ریاضی و مدلهای رگرسیون در جمله اخلال است. هر گاه به مدلهای ریاضی یک جمله اخلال – که یقینا تصادفی است – اضافه کنیم به یک مدل رگرسیون تبدیل خواهد شد.
Υ_t=β_(∙ + ) 〖β_1 X_(1,t)〗^2+…+β_k X_(k,t) +ε_t
به متغیر y که در سمت چپ معادله قرار دارد، متغیر وابسته درونزاو به xها متغیرهای توضیح دهنده یا رگرسورها گفته می‌شود. اصطلاحات متغیر برون زا و متغیر درون زا نیز به ترتیب برای xiها و Y به کار می‌رود زیرا فرض بر این است که مقادیرxi ها خارج از مدل مفروض تعیین شده و در نتیجه برون زا هستند در حالی که مقادیر Y در داخل مدل و بر اساس قانونمندی تعیین می‌شود و به همین دلیل درونزا خواهدبود.
آزمون های رگرسیونی لازم در دو بخش زیر ارائه گردیده است:
3-6-2) بررسی ناهمسانی واریانس
برای بررسی وجود ناهمسانی واریانس جملات اخلال، آزمون پريوش- گودفري123 برای مدل استفاده شده در تحقیق انجام شده است.با توجه به اینکه آماره این آزمون ها در سطح 5 درصد معنادار است، بنابراین فرض همسانی واریانس رد شده و ناهمسانی واریانس جملات اخلال، پذیرفته می شود.
این موضوع از نقض فرض ناشی می گردد. چنین مشکلی در رگرسیون سبب خواهد شد که نتایج OLS دیگر کاراترین نباشد. برای رفع مشکل مزبور از روش کمترین مجذورات تعمیم یافته124استفاده می گردد.
3-6-3) بررسی خود همبستگی
به منظور آزمون عدم وجود خود همبستگی در مدل از آماره دوربین واتسون استفاده می شود. چنانچه این آماره در بازه 5/1 تا 5/2 قرار بگیرد H_∙ آزمون یعنی عدم وجود همبستگی بین باقیمانده پذیرفته میشود و در غیر اینصورتH_∙رد می شود یعنی می توان پذیرفت که بین باقیمانده ها همبستگی وجود دارد. برای رفع مشکل خودهمبستگی و بهبود نتایج می توان همانند ناهمسانی واریانس از روش کمترین مجذورات تعمیم یافته استفاده کرد.
3-7 )روش آزمون فرضیات:
3-7-1) روش آزمون فرضیه اول
فرضیه اول : اثر منفی تقسیم سود بر سرمایه گذاری، برای شرکتهای با کیفیت بالاتر گزارشگری مالی، نسبت به شرکتهای با کیفیت پایین گزارشگری مالی، کمتر است .
برای آزمون فرضیه اول ، ابتدا از طریق مدل رگرسیون زیر تاثیر منفی تقسیم سود بر سرمایه گذاری (بدون دخالت کیفیت گزارشگری مالی ) مورد آزمون قرار می گیرد: ( ریچاردسون 2006 ، بی دل 2009 ) .

مدل(3-3)
〖Investment〗_jt=〖 β〗_0+ β_1 〖Divident〗_jt+∑▒β_i 〖controls〗_(jt-1)+ε_jt

بر طبق ادبیات نظری تحقیق ، انتظار داریم که تقسیم سود دارای اثر منفی بر روی سرمایه گذاری باشد. β_1<0)) H_0: β_1≥0
H_1: β_1<0
سپس از طریق مدل رگرسیون زیر نقش کیفیت گزارشگری مالی در کاهش اثر منفی تقسیم سود بر سرمایه گذاری مورد آزمون قرار می گیرد : ( ریچاردسون 2006 ، بی دل 2009 ) .

مدل(3-4)
〖Investment〗_jt=〖 β〗_0+ β_1 〖Divident〗_jt+ β_2 〖Divident〗_jt× 〖RQ〗_(jt-1)+ β_3 〖RQ〗_(jt-1)

+ ∑▒β_i 〖controls〗_(jt-1)+ε_jt

H_0: β_2≤β_1
H_1: β_2>β_1
3-7-2 ) روش آزمون فرضیه دوم
فرضیه دوم : نقش کیفیت بالای گزارشگری مالی در کاهش اثر منفی تقسیم سود بر سرمایه گذاری های تحقیق و توسعه قوی تر از سایر وجوه سرمایه ای است .
از مدل های رگرسیون زیر که برگرفته از مدل قبلی است ، برای آزمون فرضیه دوم استفاده میشود :
مدل (3-5)

1)R &D 〖Investment〗_( jt)=〖 β〗_0+ β_1 〖Divident〗_jt+ β_2 〖Divident〗_jt× 〖RQ〗_(jt-1)+
β_3 〖RQ〗_(jt-1)+ ∑▒β_i 〖controls〗_(jt-1)+ε_jt

مدل(3-6)
2) Capital Investment_jt=〖 β〗_0+ β_1 〖Divident〗_jt+ β_2 〖Divident〗_jt× 〖RQ〗_(jt-1)+
〖 β〗_3 〖RQ〗_(jt-1)+ ∑▒β_i 〖controls〗_(jt-1)+ε_jt

بر طبق فرضیه دوم ضریب β_2 برای رگرسیون 1 بزرگتر از ضریب β_2 برای رگرسیون 2 خواهد بود.

H_0: β_1^2≤〖β_2^2〗_
H_1:β_1^2〖β_2^2〗_
3-7-3 ) روش آزمون فرضیه سوم
فرضیه سوم : نقش کیفیت بالای گزارشگری مالی در کاهش اثر منفی تقسیم سود بر سرمایه گذاری ، برای شرکتهای دارای فرصتهای رشد بالا قوی تر از شرکتهای دارای فرصت رشد پایین است .
در فرضیه سوم ، از شاخص ( کیو توبین ) به عنوان معیار طبقه بندی شرکت های گروه نمونه به دو گروه دارای فرصت رشد بالا و فرصت رشد پایین استفاده میشود ( اسمیت و واتز 1992 ، بارکلی و اسمیت 1995 ، آدام و گویال 2008 ) .
کیو توبین = ارزش بازار کل داراییها تقسیم بر ارزش دفتری کل داراییها
لذا در هر سال که شرکتهای گروه ما مساوی یا بالاتر از میانه کیو توبین باشند، به عنوان گروه نمونه دارای فرصت رشد بالا و شرکتهایی که پایین تر از میانه کیو توبین باشند ، در گروه نمونه با فرصت رشد پایین قرار میگیرند .
برای آزمون فرضیه سوم ، از رگرسیون (مدل 3-6 ) برای هر دو گروه نمونه دارای فرصت رشد بالا و فرصت رشد پایین استفاده می شود و مورد مقایسه قرار میگیرد :
〖 Capital Investment〗_jt =β_0+ β_1 〖Divident〗_jt+ β_2 〖Divident〗_jt×〖RQ〗_(jt-1)+β_3 〖RQ〗_(jt-1)
+∑▒β_i 〖controls〗_(jt-1)+ε_jt
بنابر پیش بینی فرضیه سوم ضریب β_2 برای گروه نمونه دارای فرصت رشد بالا بزرگتر از ضریب β_2 برای گروه نمونه دارای فرصت رشد پایین خواهد بود.
H_0: β_2 for hi growth option≤β_2 for low growth option
H_1:β_2 for hi growth optionβ_2 for low growth option
3-8)مراحل عمومی تجزیه و تحلیل داده ها:
در این تحقيق براي آزمون فرضيه ها از مدل رگرسیون خطی چند متغیره استفاده شده است. روش آماری مورد استفاده در این تحقیق روش داده های پانل می باشد. در ادامه ابتدا روش داده های پانل و آزمونهای مربوط به آن تشریح می گردد. سپس آزمون های مربوط به معنی دار بودن کل مدل و معنی دار بودن متغیرهای مستقل توضیح داده می شود. در آخر نیز پس از تشریح آزمون های مربوط به مفروضات رگرسیون کلاسیک، نحوه تصمیم گیری در مورد رد یا پذیرش فرضیه های تحقیق بیان می گردد. لازم به ذکر است در این مطالعه برای تجزیه و تحلیل داده ها از نرم افزار Eviewsبهره گرفته شده است.
3-8-1) روش داده های پانل
مدل‌ها از لحاظ استفاده از اطلاعات آماری به سه گروه تقسیم می شوند. برخی از مدل‌ها با استفاده از «اطلاعات سری زمانی125» یا به عبارتی طی دوره نسبتاً طولانی چند ساله برآورد می شوند. بعضی دیگر از مدل‌ها بر اساس «داده های مقطعی126» برآورد می شوند یعنی متغیرها در یک دوره زمانی معین مثلاً یک هفته، یک ماه یا یک سال در واحدهای مختلف بررسی می شوند.
روش سوم برآورد مدل، که در این تحقیق نیز مورد استفاده قرار گرفته است ، برآورد بر اساس «داده های پانل127» است. در این روش یک سری واحدهای مقطعی (مثلاً شرکت ها) در طی چند سال مورد توجه قرار می گیرند. با کمک این روش که در مطالعات سال های اخیر نیز زیاد استفاده شده است تعداد مشاهدات تا حد مطلوب افزایش می یابد.
با توجه به اینکه مشاهده های ادغام شده باعث تغییرپذیری بالاتر، هم خطی چندگانه کمتر میان متغیرهای توضیحی، درجه آزادی بیشتر و کارآیی بالاتر تخمین کننده ها می شود، مطالعات پانل نسبت به مطالعات مقطعی و سری زمانی دارای مزیت است (بالتاجی128، 1995). در حالت کلی مدل زیر نشان دهنده یک مدل با داده های پانل می باشد :

Y_it=α_it+∑_(k-1)^K▒X_kit +ε_it
که در آن نشانگر واحدهای مقطعی (مثلا شرکت ها) و نشانگر زمان است. متغیر وابسته را برایامین واحد مقطعی در سال نشان می دهد و X_kit نیز امین متغیر مستقل غیرتصادفی برای برایامین واحد مقطعی در سالام است. جمله اخلال بوده و فرض می شود که دارای میانگین صفر (E[ε_it]=0)و واریانس ثابت (E[ε_it]=σ_t^2) است.
پارامترهای مدل می باشد که واکنش متغیر مستقل نسبت به تغییراتامین متغیر مستقل درامین مقطع وامین زمان را اندازه گیری می کند. برای برآورد مدل بر اساس داده های پانل روش های مختلفی همچون روش اثرات ثابت129 و روش اثرات تصادفی130 وجود دارد که بر حسب مورد، کاربرد خواهند داشت.
3-8-1-1) روش اثراث ثابت:
در روش اثرات ثابت فرض بر این است که ضرایب مربوط به متغیرها (شیب ها) ثابت هستند و اختلافات بین واحدها را می توان به صورت تفاوت عرض از مبداء نشان داد. در این حالت اگر عرض از مبداء تنها برای واحدهای مختلف مقطعی متفاوت باشد اصطلاحاً روش اثرات ثابت یکطرفه131 نامیده شده و مدل آن بصورت زیر می‌باشد:
Y_it=α+μ_i+r^2+∑_(k-1)^K▒X_kit +ε_it
و اگر عرض از مبداء هم مابین مقاطع و هم مابین دوره ها متفاوت باشد روش اثرات ثابت دوطرفه132 نامیده می‌شود و مدل آن بصورت زیر خواهد بود:
Y_it=α+μ_i+λ_t+r^2+∑_(k-1)^K▒X_kit +ε_it
در مدل‌های فوق متغیری است که برای واحدهای مقطعی متفاوت اما در طول زمان ثابت می باشد ومتغیری است که برای تمام واحدهای مقطعی در زمان مشابه یکسان بوده اما در طول زمان تغییر می کند. برای برآورد روش اثرات ثابت از مدل حداقل مربعات متغیر مجازی (LSDV) استفاده می شود.
مدل اخیر یک مدل رگرسیونی کلاسیک بوده و هیچ شرط جدیدی برای تجزیه و تحلیل آن لازم نیست و از طریق روش حداقل مربعات معمولی133 قابل برآورد می باشد.
3-8-1-2) روش اثرات تصادفی:
مدل‌های اثرات ثابت تنها درصورتی منطقی خواهد بود که ما اطمینان داشته باشیم که اختلاف بین مقاطع را می توان به صورت انتقال تابع رگرسیون نشان داد، در حالیکه ما همیشه از وجود این موضوع مطمئن نیستیم. برای رفع این مشکل روشی پیشنهاد شده است که به مدل اجزاء خطا134 یا اثرات تصادفی معروف است. این روش فرض می کند که جزء ثابت مشخص کننده مقاطع مختلف به صورت تصادفی بین واحدها و مقاطع توزیع شده است. بنابراین مدل اثرات تصادفی را می توان بصورت زیر تعریف کرد:
Y_it=α+∑_(k-1)^K▒〖β_k X〗_(kit ) +〖η_i +ε〗_it
که در آن یک جمله خطای تصادفی با میانگین صفر و واریانس می باشد. بنابراین در مدل اثرات تصادفی جزء اخلال از دو بخش تشکیل شده است؛ یکی که جزء اخلال مقطع می باشد، و دیگری که جزء اخلال ترکیب مقطع و سری زمانی است. با توجه به اینکه در این حالت واریانس های مربوط به مقاطع مختلف با هم یکسان نیستند لذا مدل دچار ناهمسانی واریانس بوده و از روش حداقل مربعات تعمیم یافته135 (GLS) جهت برآورد مدل استفاده می شود.
3-8-2) آزمون چاو136 یا F لیمر:
در بررسی داده های مقطعی و سری های زمانی، اگر ضرایب اثرات مقطعی و اثرات زمانی معنی دار نشود، می توان داده ها را با یکدیگر ترکیب کرده و به وسیله یک رگرسیون حداقل مربعات معمولی تخمین بزنیم. از آنجایی که در اکثر داده های ترکیبی اغلب ضرایب مقاطع یا سری های زمانی معنی دار هستند این مدل که به مدل رگرسیون ترکیب شده137 معروف است کمتر مورد استفاده قرار می گیرد (یافی138، 2003). لذا برای اینکه بتوان مشخص نمود که آیا داده های پانل جهت برآورد تابع مورد نظر کارآمدتر خواهد بود یا نه، فرضیه ای را آزمون می کنیم که در آن کلیه عبارات ثابت برآورد با یکدیگر برابر هستند. فرضیه صفر این آزمون که به آزمون چاو یا F لیمر معروف است بصورت زیر می باشد:

برای آزمون فرضیه مذکور از آماره F بصورت زیر استفاده می شود:

که در آن N برابر با تعداد واحدهای مقطعی، T طول دوره مورد نظر، K تعداد متغیرهای توضیحی، RRSS مجذور پسماندهای حاصل از برآورد مقید رگرسیون بصورت حداقل مربعات متغیر مجازی و URSS مجذور پسماندهای حاصل از برآورد نامقید رگرسیون بصورت حداقل مربعات معمولی می باشد. در این آزمون فرضیه یعنی یکسان بودن عرض از مبداء ها در مقابل

پایان نامه
Previous Entries منابع پایان نامه ارشد درمورد رگرسیون، قلام تعهدی، اقلام تعهدی، دارایی ها Next Entries منابع پایان نامه ارشد درمورد رگرسیون، اثرات ثابت، مدل رگرسیون، رگرسیون خطی