پایان نامه با واژه های کلیدی رگرسیون، مدل رگرسیون، رگرسیون خطی، بازار سهام

دانلود پایان نامه ارشد

مدل سوم: آزمون ارتباط نوسانات سود جامع با قیمت بازار سهام شرکت
Pj = γ0 + γ1BVEj + γ2AEj + γ3 (DEj × AEj) + γ4 (CFj × AEj) + γ6 (σCIj × AEj) + εj
(3-6)

مدل چهارم: آزمون ارتباط نوسانات سایر اجزای سود جامع با قیمت بازار سهام شرکت
Pj = γ0 + γ1BVEj + γ2AEj + γ3 (DEj × AEj) + γ4 (CFj × AEj) + γ5 (σNIj × AEj)+ γ7 [(σCIj – σNIj) × AEj] + εj (3-7)

همچنین، از آنجا که انتظار میرود تعیین قیمت سهام با در نظر گرفتن نوسانات سود صورت گیرد، به نظر میرسد ضرایب γ5، γ6 و γ7 منفی باشند. ضریب γ7 نشاندهنده رابطه نوسانات سایر اجزای سود جامع با قیمت بازار سهام شرکت میباشد.
3.8.4 آزمون فرضیه چهارم: بررسی قدرت پیشبینی کنندگی سود خالص نسبت به سود جامع برای پیشبینی جریان وجهنقد عملیاتی دوره بعد.
دیچو132 و همکاران (1998) نشان دادند که عملکرد شرکت باید در جریان وجهنقد عملیاتی آتی، به همان خوبی بازدههای سهام، منعکس شود. از این رو، اگر سود خالص، معیار عملکرد بهتری برای این موضوع باشد، باید نسبت به سایر متغیرها، ارتباط قویتری با جریان وجهنقد عملیاتی آتی داشته باشد.
به منظور بررسی قدرت پیشبینی کنندگی سود خالص و سود جامع، در این تحقیق از مدلهای کاناگارتنام و همکاران (2009) استفاده میشود. به همین علت، ارتباط سود خالص و سود جامع با جریان وجهنقد عملیاتی آتی بررسی مورد بررسی قرار گرفت. توجه کنید که قبل از هر چیز، همه متغیرها با استفاده از ارزش بازار حقوق صاحبان سرمایه اول دوره، همگن میشوند.

مدل اول: آزمون بررسی قدرت پیشبینیکنندگی سود خالص در پیش بینی جریان وجهنقد عملیاتی دوره بعد
CFOjt+1 = α0 + α1NIjt + εjt (3-8)
مدل دوم: آزمون بررسی قدرت پیشبینیکنندگی سود جامع در پیش بینی جریان وجهنقد عملیاتی دوره بعد
CFOjt+1 = α0 + α1CIjt + εjt (3-9)
CFOjt+1 حاصل جمع جریان وجهنقد عملیاتی، بازده سرمایهگذاری و سود پرداختی بابت تأمین مالی و مالیات بر درآمد سالانه برای سال مالی t+1 میباشد. NI و CI هم به ترتیب نشاندهنده سود خالص و سود جامع شرکت در زمان t می باشد.در هر دو آزمون فوق، درصورتیکه بین معیارهای سود و جریان وجهنقد عملیاتی آتی ارتباط وجود داشته باشد، ضرایب NI و CI باید معنیدار باشد. همچنین، انتظار میرود که ضرایب NI و CI دارای علامت مثبت باشند. بعلاوه، درصورتیکه قدرت پیشبینیکنندگی سود خالص برای پیشبینی جریان وجهنقد عملیاتی آتی بیشتر از سود جامع باشد، ضریب NI باید بزرگتر از ضریب CI باشد.
3.8.5 آزمون فرضیه پنجم: بررسی قدرت پیشبینی کنندگی سود خالص نسبت به سود جامع برای پیشبینی سود خالص دوره بعد.
دیچو و همکاران (1998) همچنین نشان دادند که عملکرد شرکت باید در سود خالص دوره بعد نیز، به همان خوبی بازدههای سهام، منعکس شود. از این رو، اگر سود جامع، معیار عملکرد بهتری برای این موضوع باشد، باید نسبت به سایر متغیرها، ارتباط قویتری با سود خالص دوره بعد داشته باشد.
به منظور بررسی قدرت پیشبینی کنندگی سود خالص و سود جامع، در این تحقیق از مدلهای کاناگارتنام و همکاران (2009) استفاده میشود. به همین علت، ارتباط سود خالص و سود جامع با سود خالص دوره بعد بررسی مورد بررسی قرار گرفت. توجه کنید که قبل از هر چیز، همه متغیرها با استفاده از ارزش بازار حقوق صاحبان سرمایه اول دوره، همگن میشوند.
مدل اول: آزمون بررسی قدرت پیشبینیکنندگی سود خالص در پیش بینی سود خالص دوره بعد
NIjt+1 = α0 + α1NIjt + εjt (3-10)
مدل دوم: آزمون بررسی قدرت پیشبینیکنندگی سود جامع در پیش بینی سود خالص دوره بعد
NIjt+1 = α0 + α1CIjt + εjt (3-11)
NIjt+1 سود خالص سالانه برای سال مالی t+1 را نشان میدهد. NI و CI هم به ترتیب نشاندهنده سود خالص و سود جامع شرکت در زمان t می باشد. در هر دو آزمون فوق، درصورتیکه بین معیارهای سود و سود خالص دوره بعد ارتباط وجود داشته باشد، ضرایب NI و CI باید مثبت و معنیدار باشد. همچنین، درصـورتیکه قدرت پیشبینیکنندگی سود خالص برای پیشبینی سود خالص دوره بعد بیشتر از سود جامع باشد، ضریب NI باید بزرگتر از ضریب CI باشد.

3.9 مباحث آماری
دادهها را به شیوههای گوناگونی میتوان طبقهبندی نمود. اما در تحلیل کمی مسائل مالی عموماً دادهها را به سـه دسته دادههای سری زمانی133، دادههای مقطعی134 و دادههای ترکیبی135 طبقهبندی میکنند. دادههای سری زمانی، همان طور که از نام آن برمیآید، مقادیر یک یا چند متغیر را طی یک دوره زمانی ارائه میدهد. دادههای مقطعی، دادههایی هستنـد کـه در یک نقطـه (یا بـرش) از زمان در مـورد یک یا چنـد متغیـر جمعآوری میشود. در دادههای ترکیبی، دادههای مقطعی یکسان (مانند چند صنعت و یا چند شرکت) طی یک دوره زمانی بررسی و سنجش میشوند (افلاطونی، 1392).
دادههای ترکیبی نسبت به دادههای سری زمانی و دادههای مقطعی دارای مزایایی میباشند. بالتاجی136، مزایای استفاده از این دادهها را به صورت زیر بیان میکند:
از آنجا که دادههای ترکیبی به افراد، بنگاهها، شرکتها و کشورها و از این قبیل واحدها، در طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود میشود.
با ترکیب مشاهدات سری زمانی و مقطعی، دادههای ترکیبی اطلاعات بیشتر، تغییر پذیری بیشتر، هم خطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتری را ارائه میکنند.
در مطالعه مشاهدات مقطعی تکراری، دادههای ترکیبی به منظور مطالعه پویای تغییرات، مناسبتر و بهتـرند. دورههای بیکاری، چرخـش شغلـی و تحـرک نیـروی کار با دادههای ترکیبی بهتر بررسی میشوند.
دادههای ترکیبی، تأثیراتی را که نمیتوان به سادگی در دادههای سری زمانی و مقطعی مشاهده کرد، بهتر معین میکنند. برای مثال، اگر نوسان پیاپی افزایش حداقل دستمزد را در حداقل دستمزد بررسی کنیم، اثرات قوانین حداقل دستمزد را بر اشتغال و کسب درآمد بهتر میتوان مطالعه کرد.
دادههای ترکیبی با ارائه داده برای هزاران واحد، میتوانند تورشی را که ممکن است درنتیجه لحاظ افراد یا بنگاههای اقتصادی (به صورت جمعی و کلی) حاصل شود، به حداقل برسانند. به طور کلی باید گفت، دادههای ترکیبی، تحلیلهای تجربی را به شکلـی غنی میسازنـد که در صورت استفاده از دادههای سری زمانی یا مقطعی این امکان وجود ندارد. البته نمیتوان گفت که مدلسازی با دادههای ترکیبی هیچ مشکلی ندارد (افلاطونی، 1392).
3.9.1 مدل رگرسیون خطی
تحلیل رگرسیون خطی تقریباً مهمترین ابزاری است که در دسترس محققین اقتصاد سنجی قرار دارد. در حالت کلی میتوان گفت: رگرسیون ابزار ارزیابی رابطه (منطقی) بین یک متغیر با یک یا چند متغیر دیگر است. به همین علت، در این تحقیق، به منظور تعیین رابطه بین متغیرها از مدلهای رگرسیونی استفاده شده است. اما در هنگام استفاده از مدلهای رگرسیونی همواره باید به دو مورد زیر توجه نمود:
اعتبار مدل رگرسیون: برای تعیین اعتبار مدلهای رگرسیونی میبایست به مقدار آماره F و سطح معنیداری آن توجه نمود. در صورتی که p-value این آزمون کمتر از 5% باشد، مدل رگرسیونی در سطح اطمینان 95% از اعتبار لازم برخوردار بوده و معنیدار است.
همچنین لازم به ذکر است، که اغلب برای قبول یا رد فرضیههای آماری در تحقیقات، میبایست به معنیداری ضرایب متغیرها در مدلهای رگرسیونی توجه نمود. به منظور تعیین معنیداری ضرایب متغیـرها نیـز، میبایست آماره t و سطـح معنیداری بدسـت آمـده را بررسی کـرد. در صـورتی که p-value ضریب موردنظر کمتـر از 5% باشد فرض صفر این آزمون (مبنی بر صفر بودن و درنتیجه نامعنیداری ضریب مذکور) رد و فرض مقابل آن (مبنی بر معنیداری ضریب) پذیرفته میشود. در این حالت، فرضیه تحقیق، در سطح اطمینان 95% پذیرفته خواهد شد.
برقراری مفروضات مدل رگرسیون: اگر هدف ما از استنتاج آماری، تخمین پارامترها (عرض از مبدأ و ضرایب متغیرها) باشد، در این صورت برقراری فرضهای زیر که به فروض رگرسیون معروف هستند، الزامی است. البته باید توجه داشت که برقراری تمامی فروض مذکور، در شرایط واقعی چندان قابل دستیابی نیست. هر چند که برقراری فروض کلاسیک همواره مطلوب است، ولی عـدم برقـراری برخی از آنها، نتایج مـدل برآورد شـده را (به ویژه در نمونههای بزرگ) خدشه دار نمیکند. این فروض عبارتند از:
میانگین خطاها برابر صفر باشد: اولین فرض در مدل رگرسیون خطی این است که مقدار میانگین خطاها صفر است. اگر یک جمله ثابت در رگرسیون داشته باشیم، هدف مذکور به راحتی حاصل میشود و این فرض هرگز نقض نخواهد شد.
واریانس خطاها مقداری ثابت و متناهی باشد: این فرض به همسانی واریانس معروف است. اگر خطاها، واریانس ثابت نداشته باشند گفته میشود آنها ناهمسان هستند. معروفترین و عمومیترین روشی که برای آزمون همسانی به کار میرود، آزمون وایت137 (1980) است که به راحتی توسط نرم افزارهای آماری انجام میشود.
خطاها از یکدیگر استقلال خطی داشته باشند: فرض سوم در مدل رگرسیون خطی این است که کوواریانس بین اجزای اخلال در طول زمان صفـر است. به عبارت دیگـر، فرض میشود خطاها با یکدیگر همبستگی ندارند. اگر خطاها با یکدیگر همبستگی داشته باشند گفته میشود که همبستگی سریالی دارند. یکی از آزمونهای معـروف برای کشف خـود همبستگی آزمون دوربیـن- واتسـون138 میباشد. در صورتی که مقدار آماره این آزمون عددی بین 1.5 تا 2.5 را اختیار نکنـد، خـود همبستگی بین جملات اخلال به اثبات رسیـده و میبایست نسبت به رفع آن اقدام نمود. برای از بین بردن خود همبستگی بین متغیرها روشهای متعددی وجود دارد که چند نمونه از آن عبارتند از: لگاریتمگیری از متغیرها، استفاده از وقفه اول، اضافه کردن متغیر کمکی AR به مدل و ….
خطاها و متغیرهای مستقل از یکدیگر استقلال دارند: از آنجا که مقادیر متغیرهای مستقل معمولاً به صورت غیر تصادفی تولید میشوند، فرض چهارم در بیشتر مواقع رد نمیشود. به همین دلیل در منابع مختلف چندان به روشهای کشف و رفع آن پرداخته نشده است.
جملات اخلال از توزیع نرمال برخوردار باشند: پس از برازش مدل میبایست با استفاده از آزمونهای نرمالیتی (مانند آزمون جارک- برا) به تعیین نرمال بودن یا نبودن جملات اخلال پرداخت. درصورت عدم برقراری این فرض، میبایست با حذف دادههای پرت، استفاده از متغیر موهومی و یا برخی روشهای دیگر، زمینه لازم برای برقراری این فرض را فراهم نمود (بایزدی و همکاران، 1391).
نرمال بودن متغیر وابسته: برای آزمون نرمال بودن متغیر وابسته میبایست از آزمونهای نرمالیتی مانند آزمون جارک- برا استفاده نمود. در صورتی که p-value این آزمون کمتر از 5% باشد، فرض صفر این آزمون (مبنی بر نرمال بودن دادهها) رد و فرض مقابل آن (مبنی بر نرمال نبودن دادهها) پذیرفته خواهد شد. در این حالت میبایست اقـدام به نرمال کردن دادهها نمود.
عدم وجود همخطی بین متغیرهای مستقل: آزمودن وجود همخطی بین متغیرهای مستقل به طور جامع بسیار مشکل است. دو روش برای انجام این آزمون مطرح است: (1) ماتریس ضرایب همبستگی و (2) عامل تورم واریانس یا 139VIF. روش دوم که روش جامعتری است از معیار عامل تورم واریانس استفاده میکند. این عامل نشان میدهد که واریانس ضرایب مدل در حالت وجود همخطی تا چه حد نسبت به حالتی که متغیرهای برآوردی، همبستگی خطی ندارند، متورم شده است. زمانی که متغیر مستقل با سایر متغیرهای مفروض همخطی نداشته باشد مقدار VIF ضرایب مذکور باید برابر 1 باشد. اگر مقدار VIF بزرگتر از 10 باشد، نشاندهندهی همخطی بین متغیرهای مستقل و چنانچه کوچکتر از 10 باشد، میتوان نتیجه گرفت مشکل همخطی وجود نخواهد داشت (افلاطونی، 1392).

3.9.2 صورت بندی مدل رگرسیونی با دادههای ترکیبی
همانطوری که پیش از این نیز بیان شد، دادههای ترکیبی به بیان خصوصیات یک متغیر میپردازند که هم در طول زمان و هم با توجه به مقاطع تغییر میکنند. برای مثال زمانی که رابطه بین سود و بازده را از سال 1381 تا 1392 در کل شرکتهای عضو بورس اوراق بهادار مورد مطالعه قرار میدهیم، دادههایی داریم که با هم با گذشت

پایان نامه
Previous Entries پایان نامه با واژه های کلیدی ریسک بازار، انحراف معیار، ارزش دفتری، ریسک سیستماتیک Next Entries پایان نامه با واژه های کلیدی انحراف معیار، آزمون فرضیه، اثرات ثابت، رگرسیون