پایان نامه درباره اثرات ثابت، معنادار بودن، عدم تقارن اطلاعات

می‌گردد:
DDـ〖eq〗_(i,t)=∝_i+β_1 〖SD〗_(i,t)+β_2 〖con_var〗_(i,t)+ε_(i,t) رابطه (3-8)
DD_eqi,t: اقلام تعهدی غیر طبیعی شرکت i‌ در دوره t
SDi,t: نماینده‌ای برای میزان عدم تقارن اطلاعات شرکت i در دوره t
یک مشکل درونی بین عدم تقارن اطلاعات و مدیریت سود وجود دارد، به دلیل کاهش شفافیت ممکن است رفتار مدیریت سود را تشدید کند. اطلاعات سود با کیفیت بالا ممکن است به نوبه خود، کاهش میزان اطلاعات بین سهامداران و مدیریت شرکت ناشی از عدم تناسب داربه دنبال داشته باشد. برای کاستن از این مشکل، از مدل زیر استفاده خواهد شد:
ΔDD_eq i,t =β0 + β 1ΔSD i,t + β2Duality i,t+ β3Top1 i,t + β4 Out_ratioi,t + β5CR-5i,t + β6SOE i,t + β7Auditi,t + β8Top Audit i,t + β9Ln Size i,t +β10Ln MB i,t + β11To i,t + ε i,t
رابطه (3-9)
DD_eqi,t∆: تغییر در اقلام تعهدی غیر طبیعی شرکت i از t-1 تا t
SDi,t∆: تغییر میزان عدم تقارن اطلاعات از t تا t-1

برای بررسی فرضیه دوم، مدل زیر ارائه می‌گردد:
ΔDD_eq i,t =β0 + β 1 LT_IF i,t + β 2 ST_IF i,t + β3 Duality i,t+ β4 Top1 i,t + β5 Out_ratio i,t + β6 CR-5 i,t + β7 SOE i,t + β8Audit i,t + β9 Top Audit i,t + β10 Ln Size i,t + β11 Ln MB i,t + β12To i,t + ε i,t
رابطه (3-10)
LT_IF i,t: صندوق‌های سرمايه گذاري بلندمدت
ST_IF i,t : صندوق‌های سرمايه گذاري کوتاه‌مدت
برای فرضیه ۳، بر اساس میزان عدم تقارن اطلاعات وتأثیر سرمایه گذاری بلندمدت و کوتاه‌مدت بر مدیریت سود‌ها در محیط‌های مختلف اطلاعاتی مورد بررسی قرار می‌گیرد.
3-8 آزمون های آماری مورد استفاده
برای تجزیه و تحلیل اطلاعات به دست آمده از روش‌های آمار استنباطی و رگرسیون های چندگانه و برای تجزیه و تحلیل و آزمون فرض‌های آماری پژوهش از نرم‌افزار EViews استفاده خواهد گردید.
3-8-1 آمار توصیفی
در این بخش داده‌های جمع‌آوری شده از جامعه آماری پژوهش به وسیله جداول آماری خلاصه گردیده و سپس از طریق نمودار‌ها و یا شاخص‌ها، مورد تجزیه و تحلیل قرار می‌گیرند. آمار توصیفی شامل سه بخش مهم به نام‌های پارامتر‌های مرکزی (شامل ماکزیمم، مینیمم و میانگین)، پارامتر‌های پراکندگی (شامل انحراف معیار، ضریب چولگی و ضریب کشیدگی) و نمودار‌ها می‌باشد که برای متغیر‌ها محاسبه خواهد شد.
3-8-2 ماهیت و منابع داده‌ها
صحت هر تحلیل اقتصال سنجی سر انجام به قابلیت دسترسی به داده‌های صحیح بستگی خواهد یافت. (گجراتی، ۱985) برای تحلیل‌های تجربی عموماً سه نوع داده قابل دسترس است:
سری‌های زمانی
مقطعی
مرکب، یعنی ترکیبی از سریهای زمانی و مقطعی
داده‌های سری زمانی77،داده‌هایی هستند که در طی یک دوره زمانی جمع‌آوری می‌شوند.مانند داده‌های تولید ناخالص ملی(GNP)، اشتغال و بیکاری.
داده‌های مقطعی78 بر اساس یک یا چند متغیر در یک زمان مشخص جمع‌آوری می‌شوند. مانند سرشماری ده ساله جمعیت توسط اداره سرشماری.
در داده‌های مرکب79، عناصر هر دو دسته داده‌های مقطعی و سری های زمانی وجود دارد. نوع ویژه‌ای از داده‌های مرکب وجود دارد که داده‌های طولی یا گزینش و همچنین داده‌های جرئی نامیده می‌شود.
روش داده‌های ترکیبی مشتمل بر سه نوع تخمین یعنی تخمین‌های بین گروه (اثرات مشترک) تخمین درون گروهی (اثرات ثابت) و اثرات تصادفی می‌باشد.
تخمین‌های بین گروه: از اختلاف بین گروه یا واحد‌های انفرادی بهره‌برداری می‌کند.
در روش اثرات ثابت80: فرض می‌شود که شیب معادله برای همه گروه‌ها یکسان است ولی برای هر واحد انفرادی عرض از مبدأ جداگانه‌ای وجود دارد که می‌تواند با متغیر‌های توضیحی همبستگی داشته یا نداشته باشد. این روش، روش حداقل مربعات یا متغیر مجازی نیز نامیده می‌شود.
در روش اثرات تصادفی81: که به روش اجزاء واریانس نیز معروف است فرض می‌شود عرض از مبدأها دارای توزیع مشترکی با میانگین α و واریانسی برابر باδ_α^2 بوده و بر خلاف روش اثرات ثابت یا متغیر‌های توضیحی مدل ناهمبسته‌اند.
در تخمین‌های درون گروهی (اثرات ثابت) فرض می‌شود که واریانس‌ها همسان هستند در حالی که در روش اثرات تصادفی احتمال بروز مسأله ناهمسانی واریانس وجود دارد. از این رو روش تخمین در مدل‌های اثرات تصادفی روش حداقل مربعات تعمیم یافته82 می‌باشد. در ادبیات مربوطه به مدل‌های داده‌ای ترکیبی معمولاً مقایسه روش عرض از مبدأ مشترک و روش عرض از مبداهای متغیر برای هر معادله را با استفاده از آمار F انجام می‌دهند و مدل برتر را بر مبنای انجام آزمون H0انتخاب می‌کنند.
تصریح این آزمون به صورت زیر است:
F(n-1, nt-n-1)=((R_4^2-R_r^2)/(n-1))/((t-Ru^2)/(nt-n-k)) رابطه (۳-۱۲)
n: تعداد گره‌ها یا واحد‌هی مقطعی
t: تعداد مشاهدات سری زمانی
K: تعداد متغیرهای توضیحی
:R_4^2 ضریب تعیین در مدل نامقید (اثرات ثابت)
:R_r^2 ضریب تعیین در مدل مقید (اثرات مشترک)
کلیه گروه ها دارای عرض از مبدا مشترکی هستند: H0
جهت تصمیم‌گیری در مورد بکاری گیری روش اثرات ثابت و یا تصادفی باید توجه داشت روش اثرات ثابت معمولاً هنگامی کارایی دارد که کل جامعه آماری در نظر گرفته می‌شود در صورتی که اگر از بین جامعه بزرگی، نمونه‌هایی به صورت تصادفی انتخاب شوند، روش اثرات تصادفی کاراتر خواهد بود. (گجراتی، 1985)
۳-8-۳ آزمون هاسمن83
آزمون هاسمن برای تعیین استفاده از مدل اثر ثابت در مقابل اثر تصادفی انجام می‌شود. در این آزمون، فرضیه صفر عبارت است از استقلال (نبود ارتباط بین) جزء اخلال مربوط به عرض از مبدأ و متغیرهای توضیحی (روش اثرات تصادفی). در حالی که، فرضیه مقابل حاکی از وجود همبستگی بین جزء اخلال مربوط به عرض از مبدأ و متغیر‌های توضیحی است. در صورت پذیرفته شدن فرضیه صفر، از روش اثرات تصادفی و در غین اینصورت از روش اثرات ثابت استفاده می‌شود.
3-8-4 آزمون F
به منظور گزینش یکی از روش های داده های تابلوئی یا داده های تلفیقی،از آزمون F لیمر استفاده می شود.آماره آزمونF لیمرتعیین می کند که آیا عرض از مبدأجداگانه برای هر یک ازمقاطع یا دوره ها وجود دارد یا خیر؟در صورتی که بین مشاهدات،ناهمگنیی تفاوت های فردی وجود داشته باشد،از روش داده های تابلوئی و در غیر این صورت،از روش داده های تلفیقی استفاده می شود. زیرا داده ها فقط روی هم انباشت شده اند و تفاوت بین آنها لحاظ نشده است.در آزمون F لیمر،فرضیه صفربیانگر یکسان بودن عرض از مبدأ(داده های تلفیقی)و فرضیه مقابل،نشان دهنده ناهمسانی عرض از مبدأها(داده های تابلوئی) است.
3-8-5 آزمون معنادار بودن در الگوی رگرسیون
در رگرسیون چندگانه دو یا چند متغیر مستقل وجود دارد و لازم است که برای مشخص شدن معنادار بودن آن‌ها دو آزمون انجام گیرد.ابتدا آزمون معنا دار بودن معادله رگرسیون و در مرحله بعد آزمون معنا دار بودن هرکدام از ضرایب متغیر‌های مستقل در معادله.
3-8-5-1 آزمون معنادار بودن معادله رگرسیون
در یک معادله رگرسیون چندگانه، چنانچه هیچگونه رابطه‌ای میان متغیر وابسته و متغیر‌های مستقل وجود نداشته باشد، می‌بایست تمامی ضرایب متغیر‌های مستقل در معادله، مساوی صفر باشند. بدین ترتیب ما می‌توانیم معنادار بودن معادله رگرسیون را آزمون کنیم. این کار با استفاده از آماره F با فرض‌های زیر صورت می‌گیرد.
H0: β1 =β2 = … = βk = 0 معادله رگرسیون معنادار نیست.
H1: eβi≠0 :I = 1, 2, … , k معادله رگرسیونمعنادار است.

چنانچه در سطوح اطمینان ۹۵٪ (خطای ۵٪=α)آماره F محاسبه شده از معادله رگرسیون کوچکتر از مقدار F بدست آمده از جدول باشد، فرض H0 را نمی‌توان رد کرد و در غیر اینصورت H1رد می‌شود. واضح است که در صورت رد شدن H0، معادله رگرسیون معنادار خواهد بود.
3-8-5-2 آزمون معنادار بودن ضرایب
بعد از آزمون معنادار بودن رگرسیون، بایستی معنادار بودن هر کدام از ضرایب آزمون گردد. هدف از انجام این آزمون آن است که مشخص شود آیا در سطح اطمینان مورد نظر ضریب محاسبه شده مخالف صفر است یا خیر؟
H0 : Bi = 0 ضریب جامعه صفر است.
H1 : Bi≠ 0 ضریب جامعه مخالف صفر است.
برای آزمون این فرضیات از آماره t استفاده می شود، اگر در سطح اطمینان ۹۵٪ (خطای ۵٪=α)آماره بدست آمده از آزمان کوچکتر از t بدست‌ آمده از جدول با همان درجه آزادی باشد، فرض H0 تأیید شده و در غیر اینصورت رد می‌شود. در این آزمون عدم رد H0 به مفهوم بی‌معنا بودن ضریب مورد نظر و رد H0 به معنی معنادار بودن ضریب مورد نظر است.
3-8-6 آزمون استقلال خطاها
به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین-واتسن84 استفاده می‌شود. به طور کلی آزمون دوربین-واتسون همبستگی سریالی بین باقیمانده خطا(های) رگرسیون را آزمون می‌نماید. مقدار این آماره بین ۰ تا ۴ تغییر می‌کند. اگر همبستگی بین مانده‌های متوالی وجود نداشته باشد، مقدار آماره باید نزدیک ۲ شود. اگر مقدار آماره نزدیک به صفر شود، نشان دهنده همبستگی مثبت بین باقیمانده‌ها و اگر نزدیک به ۴ شود، نشان دهنده همبستگی منفی بین باقیمانده‌های متوالی است. به طور کلی اگر آماره دوربین-واتسن بین 5/1 و ۵/2 قرار گیرد، می‌توان فرض عدم وجود همبستگی بین خطا‌های مدل را پذیرفت. (مومنی،۱۳90)
3-8-7 نرمال بودن متغیر ها
برای اجرای روش های آماری و محاسبه آماره آزمون مناسب و استنتاج منطقی درباره فرضیه های پژوهش مهمترین عمل قبل از هر اقدامی، انتخاب روش آماری مناسب برای پژوهش است.به همین خاطرآگاهی از توزیع داده ها از اولویت اساسی برخوردار است.برای همین منظور از آزمون های معتبر کولموگروف اسمیرنوف و جارکو برا استفاده می شود.که فرض صفر و فرض مقابل در این آزمون ها به صورت زیر می باشد:
H_0:داده ها دارای توزیع نرمال هستند.
H_1:داده ها دارای توزیع نرمال نیستند.
نحوه داوری: چنانچه سطح معنی داری بزرگ تر از 5% باشد نشان دهنده آن است که توزیع مشاهده شده با توزیع نظری مربوط است. به عبارت دیگر فرض H_0 پذیرفته می شود یعنی داده ها از توزیع نرمال پیروی می کنند. در صورتی که مقدار سطح معنی داری محاسبه شده از 5% کوچکتر باشد فرض H_0 رد می شود، یعنی داده ها از توزیع نرمال پیروی نمی کنند.
3-8-8 بررسی پایایی و ناپایایی داده ها
به طور کلی، یک فرآیند تصادفی هنگامی پایا می شود که میانگین و واریانس در طول زمان ثابت باشد و مقدار کوواریانس بین دو دوره زمانی تنها به فاصله یا وقفه بین دو دوره بستگی داشته و ارتباطی به زمان واقعی محاسبه نداشته باشد.گاهی ممکن است مدل های رگرسیونی به صورت کاذب تخمین زده شوند به این معنی که بین متغیر وابسته و متغیر های مستقل رابطه ای از لحاظ تئوریک وجود نداشته باشد ولی مدل با ضریب تعیین بالایی تخمین زده شود در حالی که آمارهF بیانگر عدم وجود رابطه بین دو متغیر است.چیزی که در این مورد می توان بیان کرد این است که یک عامل دیگری در این میان وجود دارد که باعث معنی دار شدن مدل می شود وآنعاملزمانمیباشد.در این تحقیق برای بررسی پایایی داده ها، از آزمون ایم،پسران و شین(IPS ) استفاده شده است.
3-8-9 ناهمسانی واریانس ها
یکی از موضوعات مهمی که در اقتصادسنجی به آن برخورد می کنیم موضوع واریانس ناهمسانی است. واریانس ناهمسانی به این معناست که در تخمین مدل رگرسیون مقادیر جملات خطا دارای واریانس های نابرابر هستند. یکی از پرکاربردترین روش ها برای آزمون ناهمسانی واریانس ها، آزمون وایت است.فرض صفر در این آزمون آن است که واریانس همسانی وجود دارد. بنابراین اگر مقدار آماره وایت محاسبه شده از مقدار آماره Fجدول بیشتر باشد در آن صورت مدل تصریح شده ابتدایی ما دارای واریانس ناهمسانی است. یعنی فرضیه صفر رد می شود.
3-9 خلاصه فصل سوم
در این فصل،ابتدا روش تحقیق و فرضیات تحقیق بیان شده و سپس جامعه و نمونه آماری مورد بررسی قرار گرفت و در ادامه روش و ابزار گردآوری اطلاعات و تعریف عملیاتی متغیرها و نحوه محاسبه آن ها بیان شده و در پایان فصل هم به معرفی مدل های تحقیق و آزمون های آماری مورد استفاده پرداخته شد.

فصل چهارم
تجزیه وتحلیل داده ها وآزمون فرضی