پایان نامه با موضوع سریهای زمانی، داده های تابلویی، اثرات ثابت

دانلود پایان نامه ارشد

به استنباط‌های غلطی در مورد میزان ارتباط بین متغیرها برسد. از این رو در ادامه به بررسی مانایی متغیرها پرداخته می‌شود.
3-17-1) آزمون ریشه‌واحد
آزمون ریشه واحد، یکی از معمول‌ترین آزمونهایی است که امروزه برای تشخیص مانایی یک فرایند سری ‌زمانی مورد استفاده قرار می‌گیرد. اساس آزمون ریشه واحد بر این منطق استوار است که وقتی در یک فرایند خود رگرسیونی درجه اول 1p= باشد (yt = pyt-1 + ut)، در اینصورت سری زمانی yt نامانا است. بنابراین اگر به روش حداقل مربعات معمولی، ضریب p معادله فوق برآورده شود و برابر با یک بودن آن مورد آزمون قرار گیرد، می‌توان مانایی یا نامانایی یک فرایند سری زمانی را به اثبات رساند.
آزمون ریشه واحد سریهای زمانی به‌گونهای است که ایستایی یا ناایستایی متغیرها را با استفاده از یک معادله بررسی میکند. لوین‌لین‌چو نشان داد که در دادههای تابلویی، استفاده از آزمون ریشه واحد برای ترکیب دادهها، دارای قدرت بیشتری نسبت به استفاده از آزمون ریشه واحد برای هر مقطع بصورت جداگانه است.
وی آزمون ریشه واحد را بصورت زیر ارائه کرد:

که در آن N تعداد مقطعها، T دوره زمانی، پارامتر خودهمبسته برای هر مقطع، اثر زمان، ضریب ثابت برای هر مقطع و خطای مدل که دارای توزیع نرمال با میانگین صفر و واریانس δ²است.
این آزمون بر اساس آزمون دیکیفولر تعمیم یافته82 به‌صورت زیر در نظر گرفته شده است:

در رابطه فوق، پارامتر خودهمبسته برای هر مقطع، طول وقفه، اثر زمان، ضریب ثابت برای هر مقطع و خطای مدل که دارای توزیع نرمال با میانگین صفر و واریانس δ² است.
آزمون LLC، آزمون ترکیبی آزمون ADF با روند زمانی است که در صورت وجود ناهمگنی مقطعها و ناهمسانی واریانس جملات خطا، دارای قدرت بالایی است.
فرضیات این آزمون بصورت زیر است:

در این فرضیات هر چهT وN بزرگتر شوند، آماره آزمون به سمت توزیع نرمال استاندارد میل خواهد کرد. آزمون‌های متعددی در راستای بررسی ریشه واحد در الگوهای پانل عنوان شده است. از جمله آن‌ها می‌توان به آزمون‌های، لیون‌لین و چاو (2002)83 ، بریتونگ (2000)84 ، ایم، پسران و شین (2003)85 ، آزمون دیکی فولر تعمیم یافته86 و آزمون فیلیپس پرون87، مادالا و وو (1999) و چاو (2001) و هادری88 (2000) اشاره کرد.
در این تحقیق از آزمون لیون‌لین چو و ایم برای بررسی پایایی متغیرهای تحقیق استفاده کرده‌ایم.
3-18) آزمون‌هاي هم‌انباشتگي داده‌هاي تابلویي
اگر یک سری زمانی مانند X انباشته از درجه b باشد و سری زمانی Y نیز انباشته از درجه d باشد، این دو متغیر میتوانند همانباشته باشند. به‌عبارت دیگر، دو سری زمانی را همانباشته از درجه (b,d) میگویند، اگر هر دو سری زمانی انباشته از درجه d بوده و بین آنها یک ترکیب خطی همانباشته از درجه (d-b) به شکل a_1 Y_1+a_2 X_2وجود داشته باشد. مهمترین نکته در تجزیه و تحلیلهای همانباشتگی آن است که با وجود غیرایستا بودن اکثر سریهای زمانی و داشتن یک روند تصادفی افزایشی یا کاهشی، در بلندمدت ممکن است که یک ترکیب خطی از این متغیرها، همواره ایستا و بدون روند باشند. با استفاده از تجزیه و تحلیلهای همانباشتگی، این روابط بلندمدت کشف میشوند. به‌عبارتی دیگر، در صورت صحیح بودن یک نظریه اقتصادی و ارتباط مجموعهای از این متغیرها، انتظار داریم که ترکیبی از این متغیرها در بلندمدت، ایستا و بدون روند باشند (ابریشمی، 1381).
بررسی وجود همانباشتگی متغیرها در دادههای تابلویي نیز مهم است. آزمونهاي همانباشتگي تابلویي، دارای قدرت بیشتری نسبت به آزمونهاي همانباشتگي برای هر مقطع بصورت جداگانه ميباشند چون اين آزمونها حتي در شرايطي كه دوره زماني كوتاهمدت و اندازه نمونه نيز كوچك باشد قابليت استفاده را دارند (بالتاچی، 2005). به‌این دلیل، در این بخش اطلاعات دادههاي سري زماني و مقطعي را با هم تركيب كرده و هم‌انباشتگی متغیرها و آزمونهای آن در دادههای تابلویي را مورد بحث قرار میدهيم.
برای انجام آزمون همانباشتگی دادههای تابلویي، کائو89 (1999) پس از برآورد رابطه بلندمدت بین متغیرها، مانند آنچه در مورد سریهای زمانی و دادههای مقطعی انجام میشود، از آمارههای زیر برای آزمون هم‌انباشتگی استفاده نمود.

در رابطه فوق، ضریب رگرسیون خطای بلندمدت روی وقفه خطاهای حاصل از تخمین مدل به‌روش ترکیبی () بصورت زیر است:

و N در آمارههای و نشان‌دهنده تعداد مقطعها و〖 t〗_pمقدار t استاندارد ضریب رابطه است. آماره‌های استخراج شده، هر دو دارای توزیع نرمال استاندارد هستند.

فرضیههای عدم و آلترناتیو انجام آزمون هم‌انباشتگی دادههای تابلویي، بصورت زیر است:

{█(H_0 : ρ[email protected]_1 : ρ1)┤
فرضیه اول بيانگر عدم همانباشتگی بین متغیرها در تمام مقطعها و فرضیه دوم نشان‌دهنده وجود هم‌انباشتگی بین متغیرها است.
3-18-1)آزمون هم‌انباشتگی کائو
کائو (1999) آزمون همانباشتگی ADF را با این فرض که بردارهای همانباشتگی در هر مقطع همگن باشند، بصورت رابطه زیر ارائه کرد:

در رابطه فوق، خطای تخمین رابطه بلندمدت با روش دادههای تابلویی و p تعداد وقفهها در آزمون ADF است که اندازه آن بستگی به رفع خود‌همبستگی بین اجزای خطا دارد، ضریب متغیر تفاضل وقفههای آزمون و خطای معادله تخمین‌زده شده فوق است.
در این آزمون مانند آزمونهای و پس از تخمین رابطه بلندمدت، خطای تخمین محاسبه و سپس با استفاده از رابطه فوق، آزمون ADF انجام میشود. فرضیات این آزمون مانند فرضیات آزمونهای و بوده و آماره آزمون دارای توزیع t استاندارد است. بنابراین، پس از محاسبه رابطه فوق، معنی‌داری ضریب با استفاده از جدول توزیع استاندارد t آزمون میشود.
این آزمون به‌منظور بررسی مانایی بلندمدت متغیرهای نامانا انجام می‌گیرد فرض صفر آزمون، مبین عدم وجود مانایی بلندمدت و فرض یک، مبین وجود مانایی بلندمدت متغیرهای نامانا است. در صورت وجود مانایی بلندمدت با متغیر همانند سایر متغیر‌های مانا برخورد می‌گردد.
3-19) انتخاب نوع مدل
در اقتصادسنجي تقريباً هميشه تقريب تصادفي انجام مي‌دهيم و معمولاً تمايل نداريم براي تك‌تك شركت‌ها يا هر سال مختلف، يك ضريب شيب تخمين بزنيم؛ زيرا مي‌خواهيم در كاربرد نظريه‌ها، اصل صرفه‌جويي را رعايت كنيم كه يك اصل مهم علمي است (اشراف زاده و مهرگان، 1387). برای انتخاب مدل موردنظر، ابتدا به‌صورت POOLED  تخمین را انجام داده، سپس نتایج را با مدل اثرات ثابت90 آن مقایسه و از بین این دو مدل یکی را از طریق آزمون چاو91 انتخاب می‌کنیم. در صورتیکه مدلPOOLED انتخاب شود کار تمام است و با آن ادامه می‌دهیم، اما در صورتیکه مدل اثرات ثابت انتخاب شود آنگاه باید آزمون هاسمن92 را نیز برای انتخاب بین دو مدل اثرات ثابت و اثرات تصادفی93 اجرا کرد.
بطور مختصر فرایند آزمون پانل دیتا به‌صورت زیر ارائه شده است (تشریح بیشتر نمودار 1-3) :
1. انجام آزمون ناهمسانی واریانس‌ها به‌منظور گزینش روش OLS یا EGLS با استفاده از STATA.
2. انجام آزمون خودهمبستگی به‌منظور بررسی خودهمبستگی مدل‌ تحقیق با استفاده از STATA
3. انجام آزمون مانایی متغیرها با استفاده از EVIEWS .
4. انجام آزمون هم‌انباشتگی کائو برای بررسی مانایی بلندمدت متغیرهای نامانا با استفاده از EVIEWS.
5. انجام آزمون F لیمر برای بررسی POOLED یا PANEL بودن مدل با استفاده از EVIEWS.
6. انجام آزمون هاسمن برای برررسی FIX یا RAN بودن مدل با استفاده از EVIEWS.
7. انجام آزمون OLS یا EGLS برای آزمون نهایی فرضیه‌ها.
3-20) خلاصه فصل
در این فصل ابتدا به بحث روش تحقيق شامل قلمرو تحقيق، فرضيههاي تحقيق، متغيرهاي تحقيق و نحوه اندازهگيري آنها، جامعه آماري و روش نمونهگيري آماري پرداخته شده و در ادامه روش گردآوري اطلاعات و روش تجزيه و تحليل اطلاعات و در نهايت روش آزمون فرضيهها بيان گرديده است.

فصل چهارم
تجزيه و تحليل داده ها و بیان نتایج
حاصل از تحقیق

4-1) مقدمه
در اين فصل، پس از اينکه روش پژوهش خود را مشخص کرده و با استفاده از ابزارهاي مناسب، داده‌هاي مورد نياز براي آزمون فرضيه‌ها جمع‌آوري گرديد، اکنون نوبت آن است که با بهره‌گيري از تکنيک‌هاي آماري مناسب، داده‌هاي جمع‌آوري شده را دسته‌بندي و تحليل کرده و در نهايت فرضيه‌هايي را که تا اين مرحله از پژوهش هدايت شده‌اند، مورد آزمون قرار داد.
برای تجزیه و تحلیل دادهها از نرم افزار EViews 8 استفاده شده است. در واقع هدف تحقیق برازش یک مدل رگرسیون خطی بر اساس روش کمترین مربعات به دادهها میباشد. در این تحقیق متغیر تأخیر غیرعادی در تصویب سود (DELAY) به عنوان متغیر وابسته تحقیق در نظر گرفته شده است همچنین متغیرهای نرخ مؤثر هزینه مالیات (ETR) نرخ مؤثر مالیات نقدی پرداختی (CASH ETR) و متغیر تفاوت دفتری مالیات (BTD) به عنوان متغیرهای مستقل تحقیق در نظر گرفته شده‌اند. همچنین متغیرهای سود شگفت‌انگیز (UE)، اظهار نظر حسابرسی (OPIN)، بزرگترین موسسه حسابرسی‌کننده(BIG)، اندازه‌ی شرکت(SIZE)، فرصت رشد شرکت(MTB)، اهرم عملیاتی (LEV)، بحران مالی (DISTRESS)، درصد پنج سهامداران عمده(OWN)، نسبت ناخالص اموال، ماشین آلات و تجهیزات(PPE)، نسبت کل اقلام تعهدی به کل دارایی(ACC) به عنوان متغیرهای کنترل تحقیق در نظر گرفته شده‌اند. هدف تحقیق بررسی میزان تأثیر متغیرهای مستقل و کنترل بر روی متغیرهای وابسته می باشد. برای وارد کردن داده های تحقیق در نرم افزار EViews8 از روش پانل دیتا(Panel Data) استفاده می کنیم. همان‌طور که می‌دانیم مجموعه‌ی داده‌های پانلی شامل مشاهداتی برای چندین بخش (خانوار، بنگاه و…) می‌باشند که در طی زمان‌های مختلف جمع‌آوری شده‌اند. به طور کلی می توان گفت مزیت استفاده از داده های تابلویی نسبت به سری های زمانی و داده های مقطعی، آن است که داده های تابلویی، با ترکیبی از سری های زمانی و مقطعی اطلاعات بیشتر، تنوع یا تغییر پذیری بیشتر، هم خطی کمتر بین متغیرها، درجات آزادی و کارایی بیشتر را فراهم می کند. سری زمانی معمولا دچار هم خطی هستند در حالی که داده های تابلویی، بعد مقطعی داده ها موجب افزایش تغییر پذیری یا تنوع بسیار زیادی می شود که با در دست داشتن این اطلاعات می توان برآوردهای معتبرتری انجام داد. در ضمن این روش امکان بیشتری برای شناسایی و اندازه گیری اثراتی را فراهم می کند که تنها به وسیله آمار های مقطعی و یا سری زمانی، به سادگی قابل شناسی نیست.
با توجه به تعریف داده‌های پانلی و همچنین مدل داده‌های تحقیق می‌توانیم از روش پانل دیتا برای ورود داده‌ها در نرم‌افزار EViews8 استفاده کنیم.
در این تحقیق جمعاً 82 شرکت پذیرفته شده در بورس مورد مطالعه قرار گرفته اند. برای هر یک شرکت ها داده های مربوط به سال های 1384 تا 1391 جمع آوری شده است.
ابتدا داده‌ها را در یک فابل کاری در محیط ایویوز وارد می‌کنیم. در مرحله‌ی بعدی نمودار خطی تمامی متغیرها را رسم می‌کنیم تا شمایی کلی از وضعیت داده‌ها به‌دست آید. در ادامه نمودار متغیرها را رسم می‌کنیم.

همان‌طور که مشاهده می‌کنید، به‌غیر از متغیرهای اظهار نظر حسابرسی ، بزرگترین موسسه حسابرسی کننده ، مقدار عددی برخی مشاهدات تا حد زیادی از سایر مقادیر بزرگتر و یا کوچکتر هستند. به ارقام مذکور داده‌های پرت گفته می‌شود. وجود داده‌های پرت تا حد زیادی نتایج یک تحقیق را تحت تأثیر قرار می‌دهد. بنابراین بهتر است در مرحله‌ی اول تأثیر مشاهدات مذکور خنثی شود. برای این‌کار از روش Winsorise کردن مشاهدات استفاده می‌کنیم. در این روش برای حذف مشاهدات پرت، هیچ داده ای حذف نمی‌شود بلکه برای مشاهدات کمتر از صدک 5ام مقدار صدک 5ام جانشین شده و برای مشاهدات بیشتر از صدک 95 ام مقدار صدک 95 ام جایگزین می‌گردند. در ادامه شکل‌های مربوط به متغیرها را وقتی که اثر داده‌های پرت کم شده‌اند را مشاهده می‌کنید.

همان‌طور که مشاهده

پایان نامه
Previous Entries پایان نامه با موضوع مدل رگرسیون، معنادار بودن، پانل دیتا Next Entries پایان نامه با موضوع اثرات ثابت، مدل رگرسیون، سطح معنی داری