
قیمت فعلی هر سهم شرکت
〖dps〗_1= سود تقسیمی فعلی هر سهم شرکت
〖feps〗_2= سود هر سهم شرکت در سال بعد
〖feps〗_1= سود هر سهم شرکت در سال فعلی
متغیرهای کنترلی
متغیرهای کنترلی در این پژوهش عبارتند از:
اندازه شرکت) SIZE (: اندازه شرکت به عنوان جایگزینی محیط اطلاعاتی شرکت در نظر گرفته شده است . هرچه اندازه شرکت بزرگتر باشد،شرکت ازاعتبار بیشتر برخودار خواهد بود.شرکت هایبزگ به دلیل امکان تنوع بخشی بیشتر ،سرمایه گذاری در دارایی مختلف،امکان استفاده ازمنابع مالی متنوع و افشای منظم اطلاعات ،ریسک کمتری دارند . برای کنترل اثر این متغیر بر هزینه حقوق صاحبان سهام از لگاریتم ارزش بازار سهام شرکت (حاصل ضرب قیمت سهام در تعداد سهام) در پایان سال قبل استفاده شده می شود.
نسبت ارزش دفتری به ارزش بازار( BM ) :در پژوهش حاضر ،برای کنترل اثر مجموعه فرصت های سرمایه گذاری شرکت بر هزینه حقوق صاحبان سهام ،از نسبت ارزش دفتری به ارزش بازار استفاده شده است .معمولااین نسبت به عنوان شاخصی برای فرصت رشد شرکت می باشد.
بتا (BETA) : برای محاسبه بتا،طول دوره تخمین بتا و فاصله زمانی برای محاسبه بازدهی از اهمیت خاصی برخودار است. فاصله زمانی برای محاسبه بازده نیز به صورت روزانه، هفتگی، ماهانه، سالانه است.
3-8 فرضیههای تحقیق
فرضیه اول: بین کیفیت سیاست افشاء سود پیش بینی شده توسط مدیریت و هزینه ی حقوق صاحبان سهام رابطه ی معناداری وجود دارد.
فرضیه دوم: بین عدم تقارن اطلاعاتی و هزینه ی حقوق صاحبان سهام رابطه ی معناداری وجود دارد.
3-9 مسائل مورد توجه در تخمین مدل
با توجه به اینکه قبل از تخمین و اجرای مدلهای رگرسیونی لازم است از وجود برخی شرایط در بین متغیرها اطمینان حاصل شود. بنابراین به منظور اطلاع از برخورداری دادههای تحقیق از شرایط لازم، انجام تعدادی آزمون بر روی متغیرها ضروری میباشد. برای مثال، از مفروضات ابتدایی مدلهای رگرسیونی و شرط استفاده از این مدلها، نرمال بودن توزیع دادههای مربوط به متغیرهای تحقیق است. همچنین، دادههای مورد استفاده در این تحقیق از نوع داده تلفیقی با دوره سالانه هستند. ایراد اساسی که ممکن است در برآورد مدلهای رگرسیونی با آن مواجه شویم به نقض فروض کلاسیک (ناهمسانی واریانس- خود همبستگی- هم خطی و تورش تصریح) مربوط میشود. در این مورد لازم است در صورت لزوم، نسبت به رفع نقض فروض کلاسیک اقدام شود. تورش تصریح به واسطه در نظر نگرفتن یک عنصر مهم به عنوان متغیر مستقل مدل ایجاد میشود. برای بررسی سایر موارد مربوط به متغیرها و دادههای تحقیق نیز آزمونهای لازم صورت گرفته است که در ادامه فصل به اختصار به کلیات آنها اشاره میشود.
نرمال بودن
برای بررسی نرمال بودن دادهها از آزمونهای نرمال بودن45 استفاده میشود. این آزمونها به طور کلی به دو گروه شامل روشهای ترسیمی46 و روشهای عددی47 تقسیم میشوند. روشهای ترسیمی تنها تصویری از توزیع متغیر تصادفی را ارائه میکنند اما روشهای عددی قادرند معیاری عینی و کمی برای قضاوت در خصوص نرمال بودن توزیع متغیر تصادفی فراهم نمایند. در روشهای عددی میتوان هم از آمار توصیفی و هم از تکنیکها و آزمونهای مختلف آمار استنباطی استفاده کرد. در این تحقیق با استفاده از آزمون جارک- برا (به عنوان یک روش عددی) به آزمون نرمال بودن دادهها پرداخته شده است. در این آزمون از اختلاف بین ضریب کشیدگی و چولگی دادههای مورد بررسی میتوان به نرمال بودن توزیع دادهها پی برد. در این آزمون فرض صفر مبتنی بر نرمال بودن است که در صورت به دست آمدن احتمال تایید کمتر از 5 درصد، فرض صفر با احتمال 95 درصد اطمینان تایید میشود. این آزمون در جریان بررسی آمار توصیفی دادههای تحقیق انجام شده است.
ناهمسانی واریانس
یکی از فروض کلاسیک در تحلیل رگرسیون، همگن یا همسان بودن توزیع واریانس خطاهاست که در صورت نقض شدن این فرض، اجزای اخلال دارای ناهمسانی واریانس48 خواهند بود. ناهمسانی واریانس در واقع، به دلیل برابر نشدن واریانس متغیر وابسته در دورههای مختلف به وجود میآید. در صورت نابرابری واریانس متغیر وابسته، واریانس اجزای اخلال نیز در ادوار مختلف یکسان نخواهد بود که در نتیجه، تخمین مدل دچار تورش و عدم کارایی میگردد. برای تشخیص ناهمسانی واریانس در مدل از روشهای مختلفی مانند: روش ترسیمی، روش وایت، روش گلد فلد کوانت، روش پارک، روش بارتلت، روش پیک، گلچسر و اسپیرمن میتوان استفاده کرد. در نرم افزار Eviews 8 قابلیت استفاده از آزمونهای وایت49 و نوی وست50 وجود دارد. آزمون وایت در دو شکل مقطعی51 و غیر مقطعی52 عمل میکند. در حالت مقطعی حاصل ضرب متغیرهای مستقل خود به عنوان یک متغیر جدید و مستقل شناسایی میشود. در آزمون وایت فرض صفر (H0) معادل ناهمسانی و فرض جانشین (H1) معادل همسانی واریانسها تعریف شده است و بر اساس نتیجه آزمون میتوان در مورد ناهمسانی واریانسها قضاوت کرد.
در صورتی که که مدل رگرسیونی به صورت معادله زیر در نظر گرفته شود:
مدل آزمون وایت به صورت زیر خواهد بود:
برای این مدل، آزمون دو آماره F و کای دو برای حاصل ضرب مشاهدات با ضریب تعیین محاسبه میگردد.
خود همبستگی
یکی دیگر از موارد فروض کلاسیک، وجود همبستگی پیاپی53 یا خودهمبستگی54 در رگرسیون است که به وضعیتی اشاره میکند که در آن میان اجزای اخلال نوعی رابطه همبستگی برقرار است. چنین حالتی به دلیل ارتباط جزء اخلال هر مشاهده (تفاوت متغیر وابسته با مقدار تخمینی آن) با جزء اخلال مشاهده دیگر به وجود میآید. همبستگی پیاپی یا خودهمبستگی در چندین نوع یا مرتبه قابل مشاهده است. برای مثال، در همبستگی پیاپی مرتبه اول55 اجزای اخلال یک دوره زمانی به طور مستقیم با اجزای اخلال یک دوره بعد همبستگی دارند. اهمیت توجه به این موضوع از آن جهت است که وجود همبستگی پیاپی، کارایی برآوردکننده (تخمین زن) حداقل مربعات معمولی (OLS)56 را تحت تأثیر قرار میدهد. راه حل متداول برای بررسی احتمال وجود همبستگی پیاپی، استفاده از آماره دوربین واتسون57 میباشد که در این تحقیق نیز برای این منظور به کار گرفته شده است. این آماره به طور معمول بین صفر تا 4 تغییر میکند. مرز تقریبی بین همبستگی پیاپی مثبت و منفی عدد2 است. اگر آماره بالاتر از 2 باشد بیانگر وجود خودهمبستگی منفی و اگر کمتر از 2 باشد نشان دهندهی وجود خودهمبستگی مثبت است. چنانچه آماره در حدود دو باشد به این معنی است که در رگرسیون، خودهمبستگی مرتبه اول وجود دارد. از طریق مراجعه به جداول آماری مربوط به دوربین واتسون میتوان نسبت به رد یا قبول وجود خودهمبستگی قضاوت و نتیجهگیری کرد. با تشخیص ساختار همبستگیها به ویژه با آزمون نمودار ACF یا آزمون تشخیص ساختار ARMA در نرم افزار Eviews 8 میتوان روش مناسب برای خودهمبستگی را در مدل یافت. به این ترتیب در صورت برخورداری از ساختار ARMA مدل با اضافه کردن ترکیبات AR یا MA در بین مولفههای مدل اجرا میگردد.
همخطی
همخطی در اثر ارتباط خطی یا فنی متغیرهای مستقل مدل به وجود میآید. معیار تشخیص همخطی (که به تورم واریانس معروف است) مبتنی بر تغییر ضریب تعیین و واریانس رگرسیون در نتیجه ورود متغیرهای هم خط به مدل است. از جنبه کاربردی تا زمانی که میزان توضیحدهندگی مدل به واسطه ورود متغیرهای همخط کاسته نشود و ضرایب رگرسیونی آنها نیز معنادار باشند در جهت رفع همخطی اقدامی صورت نمیگیرد. راه کار رفع همخطی پیش از حذف متغیرهای شدیدأ همخط، استفاده از تحلیل عاملی یا همان ادغامکردن تأثیر متغیرهای هم خط در قالب یک متغیر روی مدل است.
مانایی متغیرها
از آنجا که ممکن است متغیرهای اقتصادی دارای دادههای تلفیقی نامانا باشند بنابراین باید قبل از بکارگیری در مدل، بررسی لازم در خصوص مانایی آنها صورت گیرد و نسبت به مانا یا نامانا بودن متغیرهای تلفیقی اطمینان حاصل شود. درواقع، به طور معمول عملیاتی مانند استفاده از روش حداقل مربعات معمولی(OLS) در تحقیقات تجربی با فرض مانا بودن متغیرهای سری زمانی صورت میگیرد. مانایی در مجموع به دو شکل مانای اکید و مانای ضعیف قابل بررسی است. مانای اکید به این معنی است که عامل تغییر زمان هیچ گونه تأثیری بر تابع توزیع مشترک ندارد. در عمل، با توجه به دشواربودن آزمونهای مانایی اکید، محققان معمولاً از آزمون های مانایی ضعیف استفاده میکنند. بر همین اساس، در این پژوهش نیز متغیرها در صورت برخورداری از خصوصیات مانایی ضعیف، مانا شناخته میشوند. ثبات میانگین، ثبات واریانس و ثبات کوواریانس فرایند تصادفی (x_t) به ازای مقادیر مختلف t، از خصوصیات مانایی ضعیف است. به منظور پرهیز از به کارگیری دادههای تلفیقی نامانا از سه روش زیر میتوان متغیرهای موجود در مدل را آزمون کرد:
الف: روش ترسیمی
ب: روش همبسته نگار (که تابعخودهمبستگی را در مقابل تعداد مشخصی وقفه ترسیم میکند)
ج: روش آزمون ریشه واحد
همچنین، برای بررسی و آزمون ریشه واحد در نرمافزارهای آماری سه آزمون متداول به شرح زیر وجود دارد که به طور معمول مورد استفاده قرار میگیرند:
آزمون دیکیفولر (DF)
آزمون دیکیفولر افزوده شده (ADF)
آزمون فیلیپسپرون (PP)
در آزمون دیکی فولر روال کار بر این است که متغیر دارای داده تلفیقی را با یک وقفه خود رگرس میکنند:
سپس می توان نتیجه گرفت که سری y یک سری ماناست اگر ضریب وقفه آن در رگرسیون بالا 1 ρ1- باشد. در صورتی که 1=ρ باشد میتوان گفت سری ناماناست. چنانچه مدل گام تصادفی با مقصد نامعلوم58 باشد در این صورت در طی فرایند آغاز شده در برخی نقاط واریانس متغیر وابسته به طور مداوم همراه با زمان افزایشیافته و به سوی بینهایت حرکت میکند. در آزمون دیکیفولر افزوده معادله رگرسیون به صورت تفاضلی به شرح زیر تدوین میشود:
در این رگرسیون شرط مانایی کوچکتر از صفر بودن سیگما(ρ) است. همچنین با رعایت وجود وقفه کمتر باید تا جایی به مدل وقفه داد که مشکل خودهمبستگی آن حل شود. در نرمافزارهای اقتصاد سنجی معمولاً ناحیه بحرانی آزمون ریشه واحد در سه سطح اطمینان مختلف شامل: 99 درصد، 95 درصد و 90 درصد صورت میگیرد.
فروض صفر و یک نیز در آزمون مانایی به صورت زیر تبیین میشود:
در اینجا، فرض صفر دلیل نامانایی و رد فرض صفر دلیل بر مانایی شمرده میشود. نحوه دستیابی به نتیجه در آزمون دیکیفولر افزوده، مقایسه با مقدار بحرانی است. در صورتی که آماره آزمون دیکیفولر از مقدار ناحیه بحرانی بزرگتر باشد، آنگاه فرض صفر رد میشود.در صورتی که دادههای پژوهش از نوع سری زمانی باشند آزمون فیلیپس- پرون مناسب است. در صورتی که نتیجه آزمون ریشه واحد، حاکی از نامانایی متغیرهای سری زمانی باشد راه حل موجود در این رابطه تفاضلگیری و توجه به آزمون همانباشتگی است. در واقع، هنگامی که متغیرها مانا نیستند اضافه کردن روند زمانی در بین متغیرها و یا کم کردن روند قطعی از متغیرها موجب مانایی متغیرها نخواهد شد. البته اگرچه روش معمول رسیدن به مانایی تفاضلگیری است اما از آنجا که این اقدام موجب از دست دادن اطلاعات دادهها میگردد، به عنوان راه حل نهایی حل مشکل نامانایی توصیه شده است و توسط محققان به ویژه در خصوص دادههای اقتصادی که معمولا نامانا هستند، مورد استفاده قرار میگیرد، زیرا برای حفظ اطلاعات در رابطه با سطح بلندمدت متغیرها کار خاصی نمیتوان انجام داد.
3- 10 روش تجزیه و تحلیل دادهها
در بررسی ارتباط بین یک متغیر وابسته با یک یا چند متغیر مستقل و با استفاده از دادههای تاریخی از سه نوع داده می توان پارامترهای متغیر (متغیرهای) مستقل را برآورد و با ارائه مدل اقدام به پیشبینی نمود، این سه نوع داده را می توان به شرح زیر استخراج کرد:
الف) دادههای سری زمانی
دادههایی هستند که در قالب یک یا چند متغیر خاصی در طول زمان رخ میدهند. به عبارت دیگر سری زمانی، مجموعهای از مشاهدات است که بر حسب زمان مرتب شده باشند (آذر و مومنی، 1389).
ب)
