پایان نامه ارشد درمورد تحلیل اطلاعات، سریهای زمانی، ضریب همبستگی

می‎شود. پس از انجام تحلیل رگرسیون از تحلیل همبستگی استفاده می‎شود. ضریب همبستگی شاخصی است ریاضی که جهت و مقدار رابطه ی بین دو متغیر را توصیف می‎کند. ضریب همبستگی درمورد توزیع‎ها‎ی دو یا چند متغیره به کار مي رود. اگر مقادیر دو متغیر شبیه هم تغییر کند یعنی با کم یا زیاد شدن یکی، دیگری هم کم یا زیاد شود به گونه ای که بتوان رابطه آنها را به صورت یک معادله بیان کرد، می‎گوییم بین این دو متغیرهمبستگی وجود دارد.
در اين فصل تلاش ميشود، مدل مناسبي كه بتواند در حد قابل قبولي تغييرات متغير وابسته را توضيح دهد، طرح و برآورد شود. سپس به تجزیه و تحلیل اطلاعات پرداخته و آزمون فرضیات مطابق با روش‌ تحقیق مطرح شده در فصل سوم مورد بررسی قرار خواهد گرفت. آنچه مسلم است این است که کلیه مباحث مطروحه در فصول قبل زمانی از اهمیت لازم برخوردار خواهند ‌بود، که اطلاعات جمع‌آوری شده در این فصل به صورت دقیق و صحیح مورد بررسی قرار گرفته و نتایج حاصل از تجزیه و تحلیل اطلاعات به درستی تفسیر شود، بنابراین انتخاب شیوه صحیح تحلیل اطلاعات در این فصل از اهمیت ویژه‌ای برخوردار است. داده‎ها‎ی جمع آوری شده مربوط به متغیرهای تحقیق با استفاده از تکنیک‎ها‎ی آماری و اقتصاد سنجی مورد تجزیه و تحلیل قرار گرفته و فرضیات نیز مورد آزمون قرار می‎گیرند. همچنین، جداول اطلاعات آماری از متغیرهای اصلی مدل و برخی اطلاعات پایه ای در خصوص مدل تحقیق در این فصل ارائه گردیده و در نهایت، نتایج اجرای مدل رگرسیونی بیان خواهد شد.

4-2 آمار توصیفی داده‎ها‎ی تحقیق
اولین قدم در هر تحلیل آماری وتجزیه و تحلیل اطلاعات، محاسبه ی شاخص‎ها‎ی توصیفی می‎باشد. بنابراین برای ورود به مرحله تجزیه و تحلیل اطلاعات، آماره توصیفی داده‎ها‎ شامل شاخص‎ها‎ی مرکزی، پراکندگی و انحراف از قرینگی و همچنین آزمون جارگ- برا که توزیع نرمال پسماندها را بررسی می‎کند محاسبه گردیده و نتایج در جدول (4-1) درج شده است.

جدول 4-1: آماره توصیفی داده‎ها‎ی تحقیق

متغیرها

میانگین

میانه

حداکثر

حداقل

انحراف معیار

چولگی

کشیدگی

جارگ برا

آماره احتمال
مدیریت سود
m
306365
1951092
98673212
11515
8206296
8. 17
75. 52
158890
0. 00
وجه نقد آزاد
X 1
-0. 50
-0. 43
0. 01
-2. 20
0. 30
-1. 83
7. 91
1082
0. 00
شاخص صنعت
X 2
0. 49
0. 050
0. 70
0. 30
0. 12
-0. 01
2. 00
28
0. 00
اندازه شرکت
X 3
5. 7
5. 71
7. 33
4. 73
0. 51
0. 37
2. 59
21
0. 00
بازده دارایی
X 4
0. 12
0. 10
0. 62
-0. 28
0. 11
0. 80
5. 08
199
0. 00
اهرم مالی
X 5
0. 61
0. 63
1. 48
0. 04
0. 17
-0. 05
3. 89
23
0. 00
مالکیت نهادی
X 6
0. 20
0. 18
0. 60
0. 04
0. 13
1. 70
5. 47
509
0. 00
مالکیت مدیریتی
X 7
0. 38
0. 37
0. 49
0. 30
0. 03
0. 31
2. 37
22
0. 00
مالکیت مدیریتی* FCF
X 8
-0. 19
-0. 07
0. 003
-1. 00
0. 10
-3. 51
23. 73
13780
0. 00
مالکیت نهادی* FCF
X 9
-0. 10
-0. 16
0. 005
-0. 81
0. 12
-3. 51
7. 34
896
0. 00
مالکیت ساختاری
X 10
0. 02
0. 01
0. 62
4. 60
0. 52
6. 42
61. 29
102441
0. 00
با توجه به احتمال برآورد شده ی آماره Jarque-Bera، و با توجه به اینکه سطح خطای محاسبه شده کوچکتر از 0.05 است، نشان دهنده توزیع غیر نرمال می‎باشد. در این تحقیق در ارتباط با نرمال بودن متغیرهای مدل از قضیه حد مرکزی9 استفاده شد. بر اساس قضیه حد مرکزی، مجموع و مقادیر یک نمونه n تایی که از یک جامعه آماری انتخاب می‎شود، به طور تقریبی به یک توزیع نمونه گیری قرینه گرایش دارد. در قضیه حد مرکزی اگر یک نمونه n تایی از یک جامعه غیر نرمال با میانگین Xµ و انحراف معیار Xð معین انتخاب شود، وقتی n بزرگ باشد، توزیع نمونه گیری میانگین نمونه، تقریباً به صورت نرمال توزیع خواهد شد و همچنانکه حجم نمونه بزرگتر می‎شود، تقریب بیشتر به نرمال نزدیک شده و دقیق تر می‎شود. بسیاری بر اساس یک قاعده سرانگشتی معتقدند که صرف نظر از توزیع جامعه آماری، حداقل یک نمونه 30 تایی لازم است تا بتوان گفت توزیع آماره نرمال است (عادل آذر و مومنی، 1390). بنابراین با توجه به اینکه تعداد نمونه در تحقیق حاضر شامل 115 شرکت برای 6 سال می‎باشد، متغیر‎ها‎ی تحقیق تقریبی از توزیع نرمال خواهند داشت.

4-3 مراحل برآورد مدل
4-3-1 آزمون ریشه واحد
داده‎ها‎ی مورد استفاده در مطالعات اقتصاد سنجی را می‎توان به سه دسته داده‎ها‎ی سری زمانی، مقطعی، پانلی تقسیم بندی کرد. به استثنای داده‎ها‎ی مقطعی، در بقیه داده‎ها‎ باید آزمون ریشه واحد صورت گیرد (صمدی، 1388، 25)
روشهای سنتی اقتصادسنجی در برآورد ضرایب یک الگو، مبتنی بر پايا14 (مانا) بودن سریهای زمانی می‎باشند. متغیر سریزمانی وقتی مانا است که میانگین، واریانس، کواریانس و در نتیجه ضریب همبستگی آن در طول زمان ثابت باشد و مهم نباشد كه در چه مقطعي از زمان، اين شاخصها را محاسبه كنيم. امّا از طرفي، «بررسيهايي كه از سالهاي 1990 به بعد انجام شده، نشان داده است كه بسياري از متغيرهاي سريزماني در اقتصاد مانا نيستند» (هژبر کیانی، 1376، ص 52). به عبارتی دیگر، میانگین و واریانس این سریها در طول زمان متغیر بوده و کواریانس آنها در ازای وقفههای مشخص، ثابت نیست که از این خصوصیات به عنوان نامانا15بودن سریهای زمانی یاد میشود. اگر سریهای زمانی مورد استفاده در برآورد ضرایب الگو نامانا باشند، برآورد الگو با چنین متغیرهایی ممکن است به رگرسیون کاذب16 منجر شود؛ بدین معنی که ممکن است ضریب تعیین به دست آمده از الگوی برآوردی بسیار بالا بوده، ولی هیچ رابطۀ معنیداری بین متغیرهای الگو وجود نداشته باشد. عدم توجه به چنین نکتهای، موجب گمراهی محقق و استنباطهای غلط در مورد ارتباط بین متغیرها خواهد شد. از اين رو قبل از استفاده از اين متغيرها لازم است نسبت به مانايي يا عدم مانايي آنها اطمينان حاصل كرد (نوفرستی، 1378، ص86).
در اين قسمت، خواص آماري دادههاي پانل، به لحاظ مانايي يا وجود ريشه واحد مورد بررسي قرار مي‎گيرند. به اين منظور، از آزمون ريشه واحد كه يكي از معمول ترين آزمونها براي تشخيص مانايي است استفاده ميشود. مهمترين آزمونهاي ريشه واحد در مورد دادههاي پانل، شش روش زير ميباشد:
* آزمون لوين، لين و چو17 (LLC)
* آزمون ايم، پسران و شين18 (IPS)