منبع تحقیق با موضوع مدیریت موجودی، اثرات ثابت، اندازه شرکت

هریک از سنوات پژوهش.
3-5-5- مدیریت موجودی‌ها
اثربخشی مدیریت موجودی‌ها، به عنوان متغیر وابسته این تحقیق، بر حسب مشخصه‌های گوناگون توضیح داده می‌شود. به دنبال کاری که قبلا در این زمینه انجام شده بود، کارایی مدیریت موجودی با نسبت موجودی‌ها به فروش (IVS) مشخص می‌شود. نسبت موجودی‌ها به فروش با تقسیم متوسط موجودی‌ها به فروش محاسبه می‌شود.(وهب 2013)
3-5-6- مالکیت مدیریتی
مالکیت مدیریت با نسبت سهام تحت مالکیت مدیریت ارشد تقسیم بر کل تعداد سهام اندازه گیری می‌شود که اطلاعات مود نظر جهت محاسبه ماکیت مدیریتی از نرم افزار ره آورد نوین استخراج شده است.(زین الدینی 1390)
3-5-7- رشد شرکت
رشد شرکت بر اساس این مبنا کنترل می‌شود که بازده موجودی‌ها، همزمان با رشد، افزایش می‌یابد این نسبت نشان دهنده نسبت ارزش بازار به ارزش دفتری شرکت می‌باشد. (زین الدینی 1390)
3-5-8- اندازه شرکت
این متغیر با کل دارایی‌های شرکت ارزیابی می‌شود. لگاریتم طبیعی دارایی‌ها برای اندازه شرکت استفاده شده است.(وهب 2013)
3-5-9- نسبت سود آوری
سودآوری با بازده دارایی‌ها مشخص می‌شود که با تقسیم سود شرکت‌ها قبل از کسر مالیات تقسیم بر کل دارایی‌ها اندازه گیری می‌شود. (وهب 2013)
3-5-10- اهرم شرکت
در ادبیات مالی، نسبت بدهی به صورت مجموع بدهی به مجموع دارایی شرکت تعریف شده می‌شود. درمطالعه افشای اطلاعات شرکت‌های بورس بنگلادش،نتایج تحقیق احمد وهمکاران (1994) نشان داد،درکشور هایی که نهادهای مالی منبع اصلی تامین اعتبار شرکت‌ها هستند،انتظار می‌رود شرکت‌هایی که مجموع بدهی آن‌ها در ترازنامه بیشتر اطلاعات بیشتری را در گزارشات سالیانه افشا کنند.
3-5-11- فشردگی سرمایه
فشردگی سرمایه با نسبت خالص دارایی‌های ثابت به کل دارایی‌ها اندازه گیری می‌شود. (وهب 2013)
3-5-12- سن شرکت
سن شرکت برای این کنترل می‌شود که پیچیدگی سازمانی نشان داده شود چون ویژگی‌ها، متغیرها و اولویت‌های یک سازمان نسبت به چرخه عمر شرکت تغییر می‌کنند. این متغیر همچنین با دوره زمانی از تاریخ الحاق تا سال تحلیل نشان داده می‌شود. (زین الدینی 1390)
3-5-13- درصد مالکیت سهمداران عمده
برابر است با درصد بزرگ‌ترین سهامدار واصلاعات مربوط به آن از سایت پژوهش،توسعه و مطالعات اسلامی بورس اوراق بهادار استخراج شده است.
3-5-14- درصد مالکیت دارندگاه پیش از 5% سهام شرکت
برابر است با مجموع درصد مالکیت سهامدارانی که بیش از 5% سهام شرکت را در اختیار دارند
جدول 3-2. خلاصه متغیرهای مورد مطالعه.
ردیف
عنوان
علائم اختصاری
منبع
روش جمع آوری داده‌ها
1
مدیریت موجودی‌ها
IVS
نرم افزار ره آورد نوین
اسنا دکاوی
2
درصد مالکیت سرمایه گذاران نهادی
INS
نرم افزار ره آورد نوین
اسنا دکاوی
3
مالکیت مدیریتی
MAN
نرم افزار ره آورد نوین
اسنا دکاوی
4
دوگانگی وظایف مدیر عامل
BLS
گزارشات هیأت مدیره
اسنا دکاوی
5
اندازه هیات مدیره
BOA
سایت سازمان بورس
اسنا دکاوی
6
رشد شرکت
GRO
نرم افزار ره آورد نوین
اسنا دکاوی
7
اندازه شرکت
SIZ
نرم افزار ره آورد نوین
اسنا دکاوی
8
فشردگی سرمایه
CPA
نرم افزار ره آورد نوین
اسنا دکاوی
10
سن شرکت
AGE
سایت سازمان بورس
اسنا دکاوی
11
درصد مالکیت بزرگ‌ترین سهامداران
BLOCK
سایت سازمان بورس
اسنا دکاوی
12
درصد مالکیت دارندگان بیش از 5/ سهام شرکت
Big 5 per
سایت سازمان بورس
اسنا دکاوی
13
نسبت سود آوری
PRO
نرم افزار ره آورد نوین
اسنا دکاوی

3-6- فرضیه‌های تحقیق
فرضیات اساسی تحقیق عبارت‌اند از:
بین مالکیت نهادی و مدیریت موجودی‌ها رابطه معنی دار وجود دارد.
بین مالکیت مدیریتی و مدیریت موجودی‌ها رابطه معنی دار وجود دارد.
بین سهامدار عمده و مدیریت موجودی‌ها رابطه معنی دار وجود دارد.
بین میزان مالکیت دارندگان بیش از 5% سهام و مدیریت موجودی‌ها رابطه معنی دار وجود دارد.
3-7- ابزار و شیوه گردآوری اطلاعات و داده‌های تحقیق
اطلاعات مورد نیاز بخش ادبیات تحقیق از کتب و مجلات تخصصی فارسی و لاتین و مقالات استخراج شده از اینترنت، گردآوری شده است (روش کتابخانه‌ای). داده‌ها مورد نیاز برای آزمون فرضیه‌های تحقیق از گزارشات بورس (صورت‌های مالی سالانه و یادداشت‌های توضیحی)، آمار معاملات روزانه سهام از طریق سایت‌های اینترنتی بورس برای دوره زمانی 6 ساله (1390-1386 ) گردآوری و جهت محاسبه متغیرهای تحقیق در یک بانک اطلاعاتی ذخیره شده است. همچنین از نرم‌افزارهای اطلاع‌رسانی سازمان بورس شامل نرم‌افزار ره‌آورد و تدبیر پرداز نیز برای تکمیل و کنترل اطلاعات استفاده شده است. پس از جمع‌آوری اطلاعات و داده‌ها با ورود اطلاعات به Excel متغیرهای تحقیق با استفاده از این نرم‌افزار محاسبه گردیده است. سپس نتایج حاصل از اندازه‌گیری متغیرها به منظور محاسبات آماری وارد نرم‌افزار 6EVIEWS گردیده است.
3-8- روش‌های آماری بکار رفته برای آزمون
تکنیک های نجزیه و تحلیل داده ها
تخمين مدل‌هاي رگرسیون با داده‌هاي پانل
براي برآورد الگوهاي رگرسيون خطي دو متغيره و چند متغيره معمولاً از روش كمترين مجذورات معمولي104 كه به اختصار با OLS نشان داده می‌شود، استفاده می‌گردد. اين روش داراي ويژگي‌های مطلوب آماري مانند بدون تورش بودن، بهترين برآوردكننده خطي بدون تورش يا BLUE بودن را دارا مي باشد. اما براي رفع مشكلاتي همچون خود همبستگي جملات پسماند و ناهمساني واريانس از روش كمترين مجذورات تعميم گرفته، يعني 105GLS استفاده می‌شود (شيرين بخش وخوانساري، 1384).
از ويژگي‌های مهم روش GLS رفع مشكلاتي همچون خود همبستگي و ناهمساني واريانس می‌باشد به همين دليل در اين تحقيق در صورت لزوم از اين روش استفاده می‌نماييم.
روش GLS اقدام به موزون نمودن متغيرهاي الگوي مدل رگرسيون می‌نمايد. به همين دليل روش مذكور را روش كمترين مجذورات موزون (Weighted LS یا WLS) مي‌نامند. (شيرينبخش و خوانساري، 1384).
3-8-1- مزایای استفاده از داده های تابلویی (ترکیبی)
بالتاگی مزایای استفاده از داده‌های تابلویی نسبت به داده‌های مقطعی یا سری زمانی را چنین بر می‌شمارد:
-1از آنجا که داده‌های تابلویی به افراد، بنگاه‌ها ، ایالات، کشورها و از این قبیل واحدها طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود می‌شود. تکنیک‌های تخمین با داده‌های تابلویی، همانگونه که نشان خواهیم داد می‌توانند این ناهمسانی واریانس را با متغیرهای تکی و خاص مورد ملاحظه و بررسی قرار دهند.
-2 با ترکیب مشاهدات سری زمانی و مقطعی، داده‌های تابلویی با اطلاعات بیشتر، تغییر پذیری بیشتر، همخطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتری را ارائه می‌دهند.
-3با مطالعه مشاهدات مقطعی تکراری، داده‌های تابلویی به منظور مطالعه پویای تغییرات، مناسب‌تر و بهترند.
-4داده‌های تابلویی تاثیراتی را که نمی‌توان به سادگی در داده‌های مقطعی وسری زمانی مشاهده کرد، بهتر نشان می‌دهند.
-5داده‌های تابلویی ما را قادر می‌سازند تا مدل‌های رفتاری پیچیده را بهتر مطالعه کنیم
-6 داده‌های تابلویی با ارائه داده برای هزاران واحد، می‌تواند تورشی را که ممکن است در نتیجه لحاظ افراد یا بنگاه‌ها (به صورت تجمعی و کلی ) حاصل شود، حداقل سازند.
به طور کلی باید گفت داده‌های تجربی را به شکلی غنی می‌سازد که در صورت استفاده از داده‌های سری زمانی یا مقطعی این امکان وجود ندارد.
3-9- آزمون های انتخاب مدل در پنل دیتا
3-9-1-آزمون چاو (آزمون F)
در مورد داده‌های ترکیبی ابتدا آزمون F(آزمون چاو) به منظور انتخاب شیوه تخمین مدل از بین دو راهکار Pooling وPanel انجام میشود.
در داده های ترکیبی اثرات زمانی و مقطعی داده ها و همچنین اثرات همزمان آنها آزمون می شود. طبق مدل اثرات ثابت–زمانی برای هر یک از سال‌های یک عرض از مبدا و طبق مدل اثرات ثابت–مقطعی برای هر یک از این شرکت‌ها یک عرض از مبدا ارائه می‌شود.حال.برای اینکه ببینیم این عرض از مبدا‌ها از لحاظ آماری با هم تفاوت معنادار دارند یا خیر، آزمون چاو را به کار می‌گیریم.
بنابراین فرضیهH_( 0) و H_( 1) به صورت زیر مطرح می شود:
H_( 0)تمام عرض از مبداها با هم برابرند↔Pooled
:H_1 عرض از مبداها با هم تفاوت دارند↔ مدل اثرات ثابت زمانی یا مقطعی یا هر دو
که مقادیر ثابت مدل (عرض از مبدا) در هریک از حالت های فوق به شرح زیر می باشد:
Pooled↔α_0
Panel ازنوع اثرات ثابت زمانی ↔α_t
Panel ازنوع اثرات ثابت مقطعی ↔α_i
panelازنوع اثرات ثابت زمانی و مقطعی ↔α_(i,t)

3-10-آزمون هاسمن
α_0 تاریخ گذشته ی هر شرکت یا مقطع را در مدل پانل در بردارد که برای تفسیر آن دو رویکرد متفاوت وجود دارد.دو روش Fixed Effect وEffect Random دو رویکرد متفاوت برای برآورد α_0 می‌باشد. اگر فرض کنیم تمام افراد یا مقاطع در پانل، کاملا همگن هستند در این صورت لازم نیست نگران عرض از مبدا‌های مختلف برای هر فرد یا مقطع باشیم. در حقیقت، رویکرد پانل دیتا به خوبی می‌تواند نا هماهنگی‌های میان افراد را نشان دهد. این نکته یکی از مزایای مدل داده‌های پانل نسبت به مدل‌های مقطعی یا سری زمانی صرف است.
اگر گفته ی هاولمو را بپذیریم که جامعه از بی نهایت تصمیم درست شده است نه بی نهایت افراد ،در این صورت نباید α_0 را مشروط و مقید بدانیم بهتر است آنرا جمله ی تصادفی بدانیم نه ثابت.رویکرد اثر ثابت α_0 را جمله ای ثابت و مخصوص هر فرد یا مقطع در مدل رگرسیونی فرض می‌کند. مدل اثر تصادفی فرض می کند α_0 یک جمله تصادفی برای هر گروه است، اما در هر دوره‌ی زمانی، از این توزیع تصادفی α_0 ها فقط یک رخداد به طور یکسان در هر دوره در مدل رگرسیونی وارد می‌شود. به عبارت دیگر برای کل دوره‌ی زمانی، برای هر فرد فقط یک α_0 داریم. برای انتخاب یکی از این دو روش از آزمون هاسمن استفاده می‌کنیم اگر Probکوچکتر از یک دهم باشد مدل اثر ثابت در سطح ٩۰ درصد به بالا پذیرفته می‌شود اما اگر بزرگتر از یک دهم باشد در این صورت مدل اثر تصادفی پذیرفته می‌شود.
3-11- آزمون White cross-section
اگر ناهمگنی پارامترها میان افراد و مقاطع یا در طول سری زمانی را نادیده بگیریم می‌تواند به برآوردهای ناسازگار یا بی معنی از پارامترها منجر شود .پارامتر α_i ممکن است برای افراد و مقاطع مختلف متفاوت باشد، اگرچه در طول زمان ثابت بماند. اگر این فرض اتخاذ شود، ممکن است انواع توزیع‌های نمونه گیری رخ دهد. این توزیع های نمونه گیری می تواند تا حد زیادی رگرسیون حداقل مربعاتy_(it ) روی x_(it ) را با استفاده از NT مشاهده گمراه کننده کند. برای رفع مشکل واریانس ناهمسانی یا بهبود برآوردها از آزمون White cross-section استفاده می‌کنیم.
قدرت جذاب پانل دیتا ناشی از توانایی نظری آن در جداسازی اثرات، اقدامات و رفتار خاص فردی یا سیاست‌های عام تر است. این توانایی نظری بر این فرض استوار است که داده‌های اقتصادی از یک آزمایش کنترل شده به دست می‌آید که در آن رخدادها، متغیرهایی تصادفی با توزیع احتمال است. این رخدادها تابعی هموار از متغیرهای مختلف است که شرایط آزمایش را توصیف می‌کند. اگر داده های موجود حقیقتا از آزمایش های ساده کنترل شده به دست آید، می توان از روش‌های استاندارد آماری استفاده کرد.

3-12-آزمون معني دار بودن مدل مربوط به فرضيه‌ها
3-12-1- آماره F
جهت بررسي معني‌دار بودن مدل‌های رگرسيون استفاده شده در تحقیق، آزمون تمامي ضرايب آن‌ها كه دلالت بر معني دار بودن روابط بين متغيرهاي مستقل و متغير وابسته است از آماره F استفاده شده است. با مقايسه آماره F كه طبق فرمول زير بدست مي آيد و F جدول كه با درجات آزادي K-1 و n-K در سطح خطاي 5% محاسبه شده، مدل فرضيه مورد بررسي قرار گرفته است.
F=(R^2/((K-1)))/(((1-R^2))/((n-K)))

از آنجائيكه در اين تحقيق براي آزمون آماري، فرضيه به عنوان فرض جايگزين (H_1) در نظر گرفته شده است، زماني