منابع پایان نامه با موضوع داده های ترکیبی، اثرات ثابت، افشای اختیاری

دانلود پایان نامه ارشد

شود. بدین جهت آزمون برخی از فرضیه ها در این مدل گاه غیر ممکن خواهد بود، برخی موارد داده های در دسترس برای بکارگیری معادله سری های زمانی به تنهایی کافی نمی باشد، به همین دلیل برای تهیه الگویی مناسب و پیش بینی درست متغیر وابسته می توان داده های سری زمانی و مقطعی را با هم تلفیق نمود و بر اساس داده های ترکیبی اقدام به برآورد الگوی مورد نظر می پردازیم. واضح است که تعداد مشاهدات از یک متغیر مثلا قیمت، چندین برابر شده است، یعنی از T (زمان) یا N (مقاطع) در داده های سری زمانی یا داده‏های مقطعی به T × N در داده های پانل افزایش یافته است.
نماد خطی مدل رگرسیونی پانل دیتا به صورت زیر است:
Y_i=β_1+β_2 X_i+ε_i
که به زبان ماتریسی به صورت زیر است:
Y_it=βX_it+ε_it
i=1,…..,N
t= 1,…., T
اندیس i برای افراد یا مقاطع (اعداد N) و اندیس T برای زمان (از 1 تا T) در نظر گرفته شده است.
3-10-3-1 مزایای استفاده از داده های ترکیبی
بالتاجی مزایای استفاده از داده های ترکیبی را به صورت زیر بیان می کند:
از آنجا که داده های ترکیبی به افراد، بنگاه ها، شرکت ها و از این قبیل واحدها در طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود می شود.
با ترکیب مشاهدات سری زمانی و مقطعی، داده های ترکیبی اطلاعات بیشتر، تغیير پذیری بیشتر، هم خطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتری را ارائه می کند.
در مطالعه مشاهدات مقطعی تکراری، داده های ترکیبی به منظور مطالعه پویای تغییرات، مناسب تر و بهترند.
داده های ترکیبی، تاثیراتی را که نمی توان به سادگی در داده های سری زمانی و مقطعی مشاهده کرد بهتر معین می کنند.
داده های ترکیبی با ارائه داده برای هزاران واحد، می توانند تورشی را که ممکن است در نتیجه لحاظ افراد یا بنگاه های اقتصادی ( به صورت جمعی و کلی ) حاصل شود به حداقل برسانند. به طور کلی می توان گفت، داده های ترکیبی، تحلیل های تجربی را به شکل غنی تر امکان پذیر می سازند که در صورت استفاده از داده های سری زمانی یا مقطعی این امکان وجود ندارد.
3-10-3-2 روش های تخمین
تفاوت رگرسيون پنل ديتا78 با سري هاي زماني معمولي79 يا رگرسيون هاي مقطعي80 در اين است که رگرسيون پنل ديتا داراي زير نويس هاي دوتايي در متغیرهايش مي باشد. در حالت کلی، مدل زیر نشان دهنده یک مدل با داده های ترکیبی است:
Y_it=α_it+∑_(k=1)^k▒〖β_kit x_kit 〗+u_it
که در آن نشان دهنده واحدهای مقطعی (مثلا شرکت ها) و بر زمان اشاره دارد.y متغیر وابسته را برای i امین واحد مقطعی در سال t، x kit نیز k امین متغیر مستقل غیر تصادفی برای iامین واحد مقطعی در سال tام است.kit β پارامترهای مدل مجهول است که واکنش متغیر وابسته نسبت به تغییرات k امین متغیر مستقل در i امین مقطع و t امین زمان را اندازه گیری می کند.
3-10-4 آزمونهای مرتبط با انتخاب نوع مدل
3-10-4-1 آزمون F لیمر برای بررسی معنیداری اثرات ثابت
تا اینجا بین Pooled یا Panel تفاوتی وجود ندارد و در فارسی نیز، هر دو عبارت مذکور به یک شکل ترجمه شده اند، ولی از لحاظ مفهومی تا حدودی متفاوت می باشند. چگونگی برآورد مدل (1-3) به فرضیاتی درباره عرض از مبدا(α)، ضریب شیب (β) و جمله خطا(uit) بستگی دارد. در مدل Pooled فرض بر این است که عرض از مبدا و ضرایب شیب در طول زمان و مکان ثابت است در حالی در مدل Panel یکی از این دو یا هردو با هم در طول زمان و مکان متفاوت می باشند که اصطلاحا به آن مدل اثرات ثابت می گویند. در اقتصادسنجی تقریبا همیشه تقریب تصادفی انجام می شود و معمولا تمایل وجود ندارد که برای تک تک شرکت ها یا هر سال مختلف یک ضریب شیب تخمین زده شود، زیرا هدف این است که در کاربرد نظریه ها اصل صرفه جویی را را رعایت شود که یک اصل مهم علمی است. اگر قرار باشد یک پدیده را با تعداد زیادی متغیر یا عامل اثر گذار توضیح داده شود، نظریه ارزش خود را از دست خواهد داد، زیرا کنترل وسیاست گذاری در عمل غیرممکن می شود و بر خلاف انتظار، ارزش تبیينی نظریه پایین می آید. لذا اثرات ثابت تنها شامل مدل هایی می شود که یا در آن ضرایب شیب ثابت ولی عرض از مبدا برای سال ها متفاوت است که اصطلاحا به آن اثرات ثابت زمانی81 گفته می شود و یا شامل مدل هایی می شود که یا در آن ضرایب شیب ثابت ولی عرض از مبدا برای شرکت ها متفاوت است که اصطلاحا به آن اثرات ثابت مقطعی82 گفته می شود.
در داده های ترکیبی قبل اقدام به برآورد مدل باید تشخیص داده شود که کدام یک از مدل های Pooled و Panel برای برآورد و استنتاجات آماری مناسب است. برای این منظور با تلفیق کل داده ها به صورت پول الگو برآورد میشود و مجموع مجذورات باقیمانده ها به دست میآید به عبارتی ابتدا مجموع مجذورات پسماند حالت مقید(RRSS) محاسبه میشود که مربوط به مدل تلفیق شده بدون اثرات ثابت است. سپس مجموع مجذورات پسماند حالت غیر مقید(URSS) محاسبه میشود که همان مدل با اثرات ثابت است. در نهایت با استفاده از فرمول زیر، F0 محاسبه شده با نگاره آماره F مقایسه میشود .
F_°=(((RRSS-URSS))⁄((N-1) ))/(URSS⁄((N(T-1)-K) ))
اگر F0 بزرگتر از مقدار بحرانی با درجه آزادی N-1 و N(T-1)-K باشد، فرض H0 رد میشود و مدل Panel پذیرفته میشود. در غیر این صورت، مدل pooled پذیرفته میشود.
به طور کلی برای انتخاب از میان مدل Pooled و Panel از آزمون زیر استفاده می کنیم:
مدل Pooled تمام عرض از مبداها با هم برابرند H0: α1= α2= α3=…= αT-1
مدل Panel حداقل یکی از عرض از مبداها با بقیه متفاوت است H1: αi ≠ αj
برای آزمون فرضیه فوق از آماره آزمون چاو(F لیمر( استفاده می شود. در صورتی که فرض صفر رد نشود از مدل Pooled برای برازش داده ها استفاده می شود.
3-10-4-2 آزمون هاسمن برای انتخاب اثر ثابت یا اثر تصادفی
ولی آیا می توان گفت در صورت رد فرضیه صفر باید از مدل اثرات ثابت برای برازش داده ها استفاده شود؟
مدل رگرسیون زیر را در نظر بگیرید:
Y_it=X_it β+u_it
اکثرکاربردهاي پنل ديتا از يک مدل مولفه خطاي يک طرفه براي جمله خطا موجود استفاده مي کنند:
u_it=μ_i+v_it
در اینجا ناآگاهی عینی جمله uit از دوبخش تشکیل شده است: بخش اول 〖 μ〗_iدر بین شرکت ها ثابت ولی در طول زمان تغییر می کند که ممکن است این بخش با xit وابستگی داشته و یا مستقل از آن باشد. بخش دوم نیز به صورت مستقل در طول زمان و میان شرکت ها تغییر می کند. در مدل اثرات تصادفی μ_i با xit همبستگی ندارد ولی در مدل اثرات ثابت μ_i با xit همبستگی دارد.
در مرحله بعد الگو را به صورت پانل با استفاده از روش اثرات ثابت و تصادفی برآورد نموده و مجموع مجذورات آن نیز به دست آورده میشود. برای انتخاب از بین مدل اثرات تصادفی و ثابت فرضیات صفر و مقابل زیر ارائه می گردند:
مدل اثرات تصادفی بین جملات خطا و متغیرهای توضیحی همبستگی وجود ندارد H0:
مدل اثرات ثابت بین جملات خطاو متغیرهای توضیحی همبستگی وجود دارد H1:
برای آزمون فرضیات فوق از آماره آزمون هاسمن استفاده میشود.
3-10-5 تحلیل توصیفی دادهها
شاخصهای مرکزی و پراکندگی برای متغیرهای تحقیق به منظور تحلیل توصیفی متغیرها قبل از آزمون فرضیه‏ها تعیین میشوند. میانگین به عنوان مهمترین شاخص مرکزی به همراه انحراف معیار به عنوان مهمترین شاخصهای پراکندگی محاسبه شد. این اقدام به منظور ارائه دیدگاهی کلی نسبت به نمونه آماری و شناخت بیشتر آن صورت میگیرد.

3-11 خلاصه فصل
اين تحقيق از نوع تحقیقات کاربردی، توصیفی و همبستگی بوده و سعي بر آن دارد تا تأثیر سودآوری و پراکندگی مالکیت بر میزان افشای اختیاری را در بورس اوراق بهادار تهران مورد بررسی قرار دهد. دوره زمانی تحقیق 5 ساله (از سال 1385 لغایت 1389) بوده و جامعه آماری آن را کلیه شرکت‏های پذیرفته شده در بورس اوراق بهادار تهران تشکیل می‏دهد. نمونه آماري تحقیق نیز شامل 70 شرکت و تعداد مشاهدات برابر با 350 شرکت-سال می باشد. همچنین فرضیات تحقیق بر اساس مدل  ارائه شده، با استفاده از روش داده های پانل مورد آزمون قرار گرفته و در نهایت نسبت به معنی دار بودن مدل و هر یک ازمتغیرهای مستقل تصمیم گیری می شود.

فصل چهارم

تجزيه و تحليل داده ها

4-1 مقدمه
تجزيه و تحليل داده‌ها فرايندی چند مرحله‌ای است که طی آن داده‌هايی که به طرق مختلف جمع‌آوری شده‌اند؛ خلاصه، دسته‌بندی و در نهايت پردازش می‌شوند تا زمينه برقراری انواع تحليل‌ها و ارتباط بين داده‌ها به‌منظور آزمون فرضيه‌ها فراهم آيد. در اين فرايند، داده‌ها هم از لحاظ مفهومی و هم از جنبه تجربی پالايش می‌شوند و تکنيک‌های گوناگون آماری نقش به‌سزايی در استنتاج‌ها و تعميم به عهده دارند (خاکی، 1384، ص 305). در این فصل با استفاده از داده‏های جمع آوری شده از نمونه آماری تحقیق که شامل 70 شرکت در دوره زمانی 1389-1385 می باشد، فرضیه‏های تحقیق مورد آزمون قرار می گیرند. روش آزمون فرضیات در مطالعه حاضر روش داده های پانل83 می‏باشد که با بهره گیری از نرم افزار Eviews انجام شده است. در ادامه ابتدا به منظور کسب شناخت بیشتر درباره جامعه آماری و متغیرهای مورد مطالعه، خلاصه ای از آمار توصیفی متغیرهای تحقیق ارائه می گردد. سپس بر اساس طبقه بندی صورت گرفته در خصوص فرضیه های تحقیق، به گزارش آزمون فرضیه ها و تجزیه و تحلیل نتایج حاصل پرداخته می شود.

4-2 آمار توصیفی متغیرهای تحقیق
به طور كلي، روش‌هايي را كه به وسيله آنها مي‌توان اطلاعات جمع‌ آوري شده را پردازش كرده و خلاصه نمود، آمار توصيفي مي‌نامند. این نوع آمار صرفاً به توصیف جامعه یا نمونه می پردازد و هدف از آن محاسبه پارامترهای جامعه یا نمونه تحقیق است (آذر و مؤمنی، 1389، ص 8). در بخش آمار توصيفي، تجزيه و تحليل داده‌ها با استفاده از شاخص‌هاي مرکزي همچون ميانگين و شاخص‌هاي پراکندگي انحراف معيار84، چولگي85 و کشيدگي86 انجام پذيرفته است. در این ارتباط ميانگين، اصلی ترین شاخص مرکزی بوده و متوسط داده‌ها را نشان مي‌دهد بطوری که اگر داده ها بر روی یک محور به صورت منظم ردیف شوند، مقدار میانگین دقیقاً نقطه تعادل یا مرکز ثقل توزیع قرار می گیرد. انحراف معيار از پارامترهای پراکندگی بوده و میزان پراکندگي داده ها را نشان مي‌دهد. چولگي نیز از پارامترهای تعیین انحراف از قرینگی بوده و شاخص تقارن داده‌هاست. در صورتی که جامعه از توزیع متقارن برخوردار باشد، ضریب چولگی مساوی صفر، درصورتی که جامعه چوله به چپ باشد، ضریب چولگی منفی و در صورتی که دارای چوله به راست باشد، ضریب چولگی مثبت خواهد بود. کشیدگی نیز شاخص سنجش پراکندگی جامعه نسبت به توزیع نرمال می باشد. خلاصه وضعیت آمار توصیفی مربوط به متغیرهای تحقيق پس از غربالگری و حذف داده‏های پرت87 به کمک نرم افزار SPSS در نگاره 4-1ارائه شده است.
با توجه به نگاره 4-1، متوسط امتیاز افشای اختیاری شرکت های نمونه برابر با 03/29 بوده و از آنجایی که با توجه به چک لیست افشای اختیاری (پیوست 1 پایان نامه) بیشتری امتیاز قابل کسب توسط یک شرکت در هر سال برابر با 81 می باشد بنابراین میتوان گفت سطح افشای اختیاری در میان شرکت های نمونه پایین بوده و از شرایط ایده آل دارای فاصله می باشد. در این ارتباط کمترین و بیشترین میزان افشای اختیاری نیز به ترتیب برابر با 5 و 58 است. برررسی چولگی و کشیدگی مربوط به این متغیر که برای نرمال بودن لازم است به ترتیب برابر با صفر و 3 باشد گویای آن است که توزیع این متغیر نرمال نمی باشد. در نمودار 4-1 روند سالیانه این متغیر به تصویر کشیده شده است. همانطور که در این نمودار مشهود می باشد میزان افشای اختیاری شرکت های نمونه طی بازه زمانی تحقیق دارای روند صعودی بوده بطوری که متوسط میزان آن از 91/20 در سال 1385 به 92/37 در سال 1389 رسیده است. روند فوق مؤید

پایان نامه
Previous Entries منابع پایان نامه با موضوع اندازه شرکت، نسبت بدهی، سودآوری Next Entries منابع تحقیق با موضوع وحدت جهان اسلام، تضاد و تقابل، دولت - ملت