پایان نامه رایگان درمورد تحلیل عاملی، تحلیل عامل، عدم اطمینان

دانلود پایان نامه ارشد

ارائه می گردد.
تحليل داده‌ها در بخش آمار توصيفي با محاسبه جداول فراواني و نمودارهاي مناسب شروع شده و از شاخص‌هاي مرکزي از جمله ميانگين و شاخص‌هاي پراکندگي انحراف معيار در بخشهاي مختلف ارايه شده است. در بخش ديگري براي كاهش بعد داده ها ( از سه شاخص به يك عامل) از تحليل عاملي استفاده شده است. آزمون کلموگروف – اسميرنف براي بررسي نرمال بودن توزيع داده ها استفاده شده است و با توجه به نرمال بودن توزيع داده هابراي مقايسه ميانگين بازده سه ماه آتي در شركتهاي با اخبار خوب و بد و برنده – بازنده از آزمون t براي دو نمونه مستقل استفاده شده است. مبناي استنباط از روي سطح معناداري ( Significant Level) يا مقدار احتمال (P-value ) بوده است بدين گونه که هر گاه مقدار احتمال يا سطح معناداري آزمون کمتر از 05/0 باشد فرض صفر در سطح 95 درصد اطمينان رد شده و اگر كمتر از 10/0 باشد در سطح اطمينان 90 درصد رد خواهد شد.
1-4)آمار توصیفی داده ها
شاخص های توصیف داده ها به سه گروه شخاص های مرکزی (مانند میانگین و میانه) ، شاخص های پراکندگی (مانند واریانس و انحراف معیار) و شاخص های شکل توزیع (مانند شاخص های چولگی و شاخص های کشیدگی) تقسیم می شوند. در جداول زیر ، شاخص های محاسبه شده برای هر یک از طبقات پرتفوی های تشکیل شده بر مبنای روش های توضیح داده شده قبلی ارائه شده است. بر این اساس ابتدا شاخص های توصیفی پرتفوی های تشکیل شده بر مبنای نوع اخبار و درجه عدم اطمینان اطلاعاتی و سپس شاخص های توصیفی پرتفوی های تشکیل شده بر مبنای عمکرد گذشته و درجه عدم اطمینان اطلاعاتی ارائه می شوند. این شاخص های توصیفی به متغیر بازده غیر عادی 3 ماهه آتی در هر یک از طبقات پرتفوی های تشکیل شده مربوط می باشد. چرا که این متغیر ، مبنای اصلی آزمون های آماری می باشد. جداول 1-4 و 2-4 نتایج حاصل از بررسی های شاخص های توصیفی را نشان می دهد.
جدول1-4) : آمار توصيفي پرتفوی های تشکیل شده بر مبنای نوع اخبار و درجه عدم اطمینان اطلاعاتی
عدم اطمينان اطلاعاتي
نوع اخبار
تعداد
ميانگين
ميانه
انحراف معيار
چولگي
کشيدگي
حداقل
حداکثر
خيلي كم
خوب
67
10.16
5.57
21.47
0.91
0.34
23.49-
116.78

بدون اخبار
217
4.09
2.29
15.14
0.12
1.78
58.95-
53.58

بد
43
2.27
0.69
18.08
0.75-
0.45
61.05-
36.52
كم
خوب
98
8.26
2.63
21.31
0.56
2.09
56.99-
79.09

بدون اخبار
145
5.26
3.88
17.35
0.21
0.75
43.62-
57.77

بد
65
2.84-
4.79-
19.71
0.38
1.97
52.65-
61.79
متوسط
خوب
117
14.67
12.54
24.90
1.28
4.59
51.40-
136.16

بدون اخبار
139
5.93
0.87
20.92
0.72
1.19
46.77-
75.33

بد
74
7.54
1.25
28.59
1.51
5.05
58.01-
133.52
زياد
خوب
127
13.34
10.82
28.31
1.97
9.04
49.65-
172.29

بدون اخبار
114
4.59
2.31
17.35
0.58
0.72
29.74-
67.74

بد
82
3.56
0.03-
27.31
1.03
2.31
53.98-
95.90
خيلي زياد
خوب
122
16.39
11.60
25.74
0.65
0.54
42.90-
106.23

بدون اخبار
112
6.33
2.70
22.34
0.94
2.89
56.64-
90.23

بد
75
2.18-
0.14-
27.76
0.10-
1.58
94.74-
70.95

جدول2-4): آمار توصيفي پرتفوی های تشکیل شده بر مبنای عملکرد گذشته و درجه عدم اطمینان اطلاعاتی
عدم اطمينان اطلاعاتي
بازده شرکت طي 12 ماهه گدشته
تعداد
ميانگين
ميانه
انحراف معيار
چولگي
کشيدگي
حداقل
حداکثر
خيلي كم
بازنده
150
6.02
3.64
15.11
0.46
0.63
-39.35-
53.58

مياني
193
3.11
1.64
15.34
0.12-
3.39
61.05-
60.72

برنده
77
7.53
2.33
20.08
0.33
1.08
39.68-
116.78
كم
بازنده
154
1.68
0.00
19.06
0.08-
0.88
56.99-
49.83

مياني
156
5.37
3.97
16.92
0.27
1.40
51.59-
64.57

برنده
110
8.14
5.77
20.66
0.82
1.15
34.05-
79.09
متوسط
بازنده
124
4.77
0.11
25.19
1.28
6.05
58.01-
133.52

مياني
143
8.62
2.91
22.61
0.34
0.94
64.13-
78.28

برنده
173
10.42
4.71
22.98
1.51
5.19
46.77-
136.16
زياد
بازنده
124
3.61
1.42
19.92
0.72
2.11
53.98-
77.27

مياني
131
4.04
2.59
19.57
0.18-
1.05
55.11-
67.67

برنده
165
8.22
5.72
27.56
2.03
9.24
53.77-
172.29
خيلي زياد
بازنده
148
5.67
1.04
26.24
0.56
2.83
94.74-
106.23

مياني
97
6.28
2.83
20.96
0.50
2.32
47.91-
90.23

برنده
175
8.33
5.25
25.71
0.42
057
56.64-
84.02

جدول 1-4 شامل 1557 مشاهده می باشد. علت تفاوت این تعداد با کل تعداد قابل مشاهده بر اساس نمونه (2120) آن است که به علت انتشار نامنظم اخبار سود ، برخی از شرکت ها در بعضی از دوره های سه ماهه پرتفوی بندی شده حذف شده اند. جدول 2-4 شامل 2120 مشاهده می باشد. این تعداد بیانگر حاصلضرب 106 شرکت نمونه در 20 دوره پرتفوی بندی می باشد.
2-4)اندازه گیری عدم اطمینان اطلاعاتی با استفاده از روش تجزیه و تحلیل عاملی
معمولاً در پژوهش ها به دلایل مختلف با حجم زیادی از متغیر ها روبرو هستیم. برای تحلیل دقیق تر داده ها و رسیدن به نتایجی علمی تر و در عین حال عملیاتی تر ، پژوهشگران به دنبال کاهش حجم متغیر ها و تشکیل ساختار جدیدی برای آن ها هستند. بدین منظور از تحلیل عاملی استفاده می کنند. تحلیل عاملی سعی در شناسایی متغیر های اساسی یا عامل ها (Factors) به منظور تبیین الگوی همبستگی بین متغیر های مشاهده شده دارد.
عامل متغیر جدیدی است که از طریق ترکیب خطی مقادیر اصلی متغیرهای مشاهده شده به صورت رابطه زیر برآورده می شود:
Fj=∑WjiXi=Wj1X1+Wj2X2+…+WjpXp
در این رابطه Xi بیانگر متغیر i ام، Wji ضریب نمره عاملی متغیر i ام و از عامل j ام، p تعداد متغیر ها و Fj عامل j ام است (مومنی و قیومی ، 1387).
همان گونه که در فصل سوم توضیح داده شد ، در این تحقیق از سه متغیر برای اندازه گیری عدم اطمینان اطلاعاتی استفاده شده است. این متغیر ها عبارتند از:
نوسان نرخ بازده غیر عادی شرکت (IVOL ) :از طریق انحراف معیار مازاد نرخ بازده ماهانه شرکت نسبت به بازده بازار در 12 ماهه گذشته محاسبه می شود.
پراکندگی پیش بینی سود هر سهم ( FD) : انحراف معیار سود هر سهم پیش بینی شده اولیه در بودجه و تعدیلات صورت گرفته در طی سال t .
خطای پیش بینی سود هر سهم ( FE ) : تفاوت بین سود هر سهم پیش بینی شده اولیه و واقعی در سال t .
در این بخش چگونگی استفاده از تحلیل عاملی برای وزن دهی به متغیر های مزبور و تجمیع آن در یک عامل واحد توضیح داده می شود. انجام تجزیه و تحلیل عاملی مستلزم انجام دو پیش آزمون (شاخصKMO و آزمون بارتلت) می باشد. ابتدا به توضیح نتایج حاصل از پیش آزمون های انجام شده پرداخته شده و سپس نتایج نهایی حاصل از تجزیه و تحلیل عاملی تشریح می گردد.
1-2-4)شاخص KMO و آزمون بارتلت
در انجام تحلیل عاملی ، ابتدا باید از این مساله اطمینان یابیم که می توان داده های موجود را برای تحلیل به کار برد. به سخن دیگر ، آیا تعداد داده های مورد نظر (اندازه نمونه) و رابطه بین متغیر ها برای تحلیل عاملی مناسبند یا خیر؟ بدین منظور از شاخص KMO و آزمون بارتلت سود جسته می شود.
شاخص KMO ، شاخصی از کفایت نمونه گیری است که کوچک بودن همبستگی جزیی بین متغیر ها را بررسی می کند و از این طریق مشخص می کند آیا واریانس متغیر های پژوهش ، تحت تاثیر واریانس مشترک برخی عامل های پنهانی و اساسی است یا خیر. این شاخص در بازه صفر تا یک قرار دارد. اگر مقدار شاخص به یک نزدیک باشد ، داده های مورد نظر (اندازه نمونه) برای تحلیل عاملی مناسب هستند و گر نه (معمولاً کمتر از 6/.) نتایج تحلیل عاملی برای داده های مورد نظر چندان مناسب نیست.
آزمون بارتلت نیز این موضوع را بررسی می کند چه هنگام ماتریس همبستگی ، از نظر ریاضی به عنوان ماتریس واحد (همانی) شناخته شده است و بنابراین برای شناسایی ساختار (مدل عاملی) نامناسب است. ماتریس همبستگی دارای دو حالت است:
حالت اول) زمانی که ماتریس همبستگی بین متغیر ها ، یک ماتریس یکه است ، در این صورت متغیرها ارتباط معنی داری با هم نداشته و در نتیجه امکان شناسایی عامل های جدید ، بر اساس همبستگی متغیر ها با یکدیگر وجود ندارد.
حالت دوم)زمانی که ماتریس همبستگی بین متغیر ها ماتریسی واحد (همانی) نباشد ، که در این صورت ارتباط معنی داری بین متغیر ها وجود داشته و بنابراین امکان شناسایی و تعریف عامل های جدیدی بر اساس همبستگی متغیر ها وجو دارد. اگر سطح معنی داری (sig) آزمون بارتلت کوچک تر از 5 درصد باشد تحلیل عاملی برای شناسایی ساختار
(مدل عاملی) مناسب است ، زیرا فرض یکه (واحد) بودن ماتریس همبستگی رد می شود(مومنی و قیومی ، 1387).
جدول 3-4 نتایج حاصل از اجرای این دو آزمون را نشان می دهد:

جدول 3-4)نتایج آزمون کفایت نمونه KMO و آزمون بارتلت
0.617
آزمون کفایت نمونه KMO
46.180
آماره کای دو
آزمون بارتلت
3
درجه آزادی

0.000
سطح معنی داری

همان گونه که در جدول بالا مشاهده می شود ، شاخص KMO برابر با 617/0 می باشد که نشان دهنده مناسب بودن و کفایت نمونه مورد بررسی می باشد. سطح معنی داری آزمون بارتلت نیز برابر با 000/0 می باشد که به معنای رد فرض یکه بودن ماتریس همبستگی و تایید وجود ارتباط معنی دار بین متغیر ها می باشد. نتایج این دو آزمون نشان می دهد که نمونه مورد بررسی از کفایت لازم برخوردار بوده و متغیر های آن برای انجام تحلیل عاملی مناسب می باشند.
2-2-4)نتایج نهایی تحلیل عاملی
نتایج آزمون های پیش گفته حاکی از مناسب بودن نمونه مورد بررسی و متغیر های آن برای انجام تحلیل عاملی می باشد. تحلیل عاملی دارای چهار گام زیر است :
تشکیل ماتریسی از ضرایب همبستگی

پایان نامه
Previous Entries پایان نامه رایگان درمورد عدم اطمینان، اخبار خوب، سود پیش بینی شده Next Entries منابع پایان نامه ارشد درمورد سواد رسانه ای، محدودیت ها