تجزیه و تحلیل داده های تحقیق و برآورد مدل ها، از سیستم معادلات همزمان95 با رویکرد داده های ترکیبی96 استفاده شده است. دادههای ترکیبی اصولاً به حرکت واحدهای مقطعی طی زمان اشاره دارند. مدلهای مبتنی بر این نوع دادهها را مدل های رگرسیون دادههای ترکیبی نامیده میشود.
به طور کلی میتوان گفت دادههای ترکیبی تحلیلهای تجربی را به شکلی غنی میسازند در صورت استفاده از داده های سری زمانی یا مقطعی این امکان وجود ندارد. واقع استفاده از داده‌های مقطعی برای چند سال متوالی نتایج بهتر و قابل‌اعتمادتری را در بردارد و قدرت توضیح دهندگی مدل را افزایش می‌دهد. مزایای استفاده از دادههای ترکیبی عبارتند از:
الف) از آنجا که دادههای ترکیبی به افراد، بنگاه ها، ایالات، کشورها و از این قبیل واحدها طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود می شود.
ب) با ترکیب مشاهدات سری زمانی و مقطعی، دادههای ترکیبی با اطلاعات بیشتر، تغییرپذیری بیشتر، همخطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتر ارائه می نمایند.
ج) با مطالعه مشاهدات مقطعی تکراری، داده های ترکیبی به منظور مطالعه پویایی تغییرات مناسب تر و بهترند.
د) داده های ترکیبی تأثیراتی که نمی توان به سادگی در داده های مقطعی و سری زمانی مشاهده کرد، بهتر معین می کنند.
و) داده های ترکیبی ما را قادر می سازند تا مدل های رفتاری پیچیده تر را مطالعه کنیم.
ه) داده های ترکیبی با ارائه داده برای هزاران واحد، می توانند تورشی را که ممکن است در نتیجه لحاظ افراد یا بنگاه ها حاصل می شود، حداقل سازد (ابریشمی، 1372).
در رویکرد داده های ترکیبی، روی عرض از مبدا و ضریب شیب مدل زیر محدودیت ها و فرضیاتی در نظر گرفته می شود:
Y_it=α_it+βX_it+ε_it (3-5)
که در آن:
Y_it :متغیر وابسته
X_it :مجموعه متغیرهای مستقل و
ε_it :جمله خطای مدل است.
رویکرد داده های ترکیبی معمولاً شامل سه الگوی مقید97، اثرات ثابت98 و اثرات تصادفی99 است.
3-10-1 الگوی مقید
در الگوی مقید عرض از مبدا در مدل رگرسیون برای تمامی مقاطع زمانی (مثلاٌ سال) و مکانی (مثلاً شرکت) یکسان در نظر گرفته می شود. از محاسن الگوی مقید، سادگی برآورد آن است و از معایب آن، ناتوانی این الگو برای در نظر گرفتن ویژگیهای خاص هر مقطع است. این الگو در حالت ساده به صورت زیر است:
Y_it=α+βX_it+ε_it (3-6)
3-10-2 الگوی اثرات ثابت
در مدل اثرات ثابت، عرض از مبداء در مدل رگرسیون به این دلیل بین سال ها یا شرکت ها متفاوت در نظر گرفته می شود که هر سال یا شرکت، ویژگی های خاص خود را داراست. الگوی اثرات ثابت در شرایطی مناسب است که عرض از مبدا خاص سال یا شرکت با یک یا چند متغیر توضیحی همبستگی داشته باشد (ابریشمی، 1372).
Y_it=α_it+βX_it+ε_it (3-7)
3-10-3 الگوی اثرات تصادفی
در مدل اثرات تصادفی فرض میشود که عرض از مبدا یک واحد تکی، انتخابی تصادفی از جامعهای بزرگتر با یک میانگین ثابت است. بدین ترتیب عرض از مبدا تکی، به صورت انحرافی از این میانگین ثابت بیان میشود. اثرات تصادفی در شرایطی مناسب است که عرض از مبدا (تصادفی) هر واحد مقطعی با متغیرهای توضیحی همبستگی نداشتهباشد (ابریشمی، 1372). این مدل در حالت ساده به شکل زیر ارائه می شود:
Y_it=α_i+βX_it+ε_it , α_i=α+u_i , i=1 , 2 , … , N or T (3-8)
Y_it=α+βX_it+ε_it+u_i , ψ_it=ε_it+u_i , Y_it=α+βX_it+ψ_it (3-9)
3-11 آزمون های انتخاب نوع الگو
در این روش، برای انتخاب نوع روش برآورد مدل، ابتدا آزمون F مقید100به صورت زیر اجرا شده است:
■(H_0: α_1=α_2=α_3=α_4=α_5⟺برابرند هم با مبداها از عرض تمام⟺ Pooled مدل@H_1: ∃ r≠s ⇒ α_r≠α_s⟺است متفاوت بقیه با مبداها از عرض از یکی حداقل⟺ثابت اثرات مدل)
F=(((R_LSDV^2-R_Pooled^2))⁄((T-1)))/(((1-R_LSDV^2))⁄((NT-T-K))) (3-10)
F=(((〖RSS〗_Pooled-〖RSS〗_LSDV))⁄((T-1)))/(〖RSS〗_LSDV⁄((NT-T-K))) (3-11)
در مدل های مزبور:
و :به ترتیب ضریب تعیین و مجموع مربعات باقیمانده‌های حاصل از مدل اثرات ثابت و :به ترتیب ضریب تعیین و مجموع مربعات باقیمانده‌های حاصل از مدل Pooled است. N : تعداد مقاطع (در اینجا شرکت‌ها) و
T :طول دوره زمانی (یعنی سال‌ها) می‌باشد.
در صورت رد فرضیه صفر، مدل با روش اثرات ثابت101 و در غیر این صورت مدل را با روش Pooled برآورد می‌شود.
در صورت انتخاب مدل اثرات ثابت، باید با استفاده از آزمون هاسمن102 آن را در مقابل مدل اثرات تصادفی103 به صورت زیر آزمون کرد:
■(H_0:ندارد وجود همبستگی توضیحی متغیرهای و فردی اثرات بین⟺تصادفی اثرات مدل@H_1:دارد وجود همبستگی توضیحی متغیرهای و فردی اثرات بین⟺ثابت اثرات مدل )
H=(β ̂_FEM-β ̂_REM )^’ (Va ̂r(β ̂_FEM )-Va ̂r(β ̂_REM ) )^(-1) (β ̂_FEM-β ̂_REM )~χ^2(3-12)
در مدل مزبور:
: ضرایب شیب در مدل اثرات ثابت،
:ضرایب شیب در مدل اثرات تصادفی و
:نماد واریانس است.
این آماره از توزیع χ2 برخوردار است.در صورت رد فرضیه صفر، مدل به روش اثرات ثابت برآورد می شود. در غیر این صورت، به روش اثرات تصادفی عمل می شود (افلاطونی و نیکبخت، 1389).
3-12 آزمون میشکین (1983)
برای انجام آزمون فرضیات دوم تا پنجم از آزمون میشکین (1983) استفاده می شود. آماره آزمون مذکور به صورت زیر ارائه می شود:
M=2*N*Ln(〖SSR〗^c/〖SSR〗^U )(3-13)
که در آن:
:N تعداد مشاهدات،
:SSRc مجموع مربعات باقیمانده های سیستم مقید و
SSRu : مجموع مربعات باقیمانده های سیستم نامقید است.
زمانی که تعداد مشاهدات بالاست، آماره میشکین دارای توزیع 2χ با درجه آزادی برابر تعداد محدودیت های سیستم است.
3-13 آزمون والد
در این تحقیق، آزمون والد نیز با استفاده از آماره فیشر (F) به اجرا درآمده است. در چارچوب آزمون F، دو رگرسیون مورد نیاز است که به رگرسیون‌های مقید و غیر مقید معروفند104.
رگرسیون غیر مقید: رگرسیونی است که در آن، ضرایب آزادانه به وسیله داده ها تعیین می‌شوند.
رگرسیون مقید: رگرسیونی است که در آن ضرایب با محدودیت‌های خاصی مواجه اند.
برای آزمون محدودیت ضرایب، مدل یک بار با این قید برآورد می‌شود که تمام ضرایب شیب برابر صفر هستند و و RRSS استخراج می‌شوند و سپس بدون قید فوق نیز بار دیگر مدل برآورد می‌شود و این بار و URSS استخراج می‌گردند.سپس مجموع مربعات باقیمانده‌های (یا ضرایب تعیین) حاصل از هر دو رگرسیون محاسبه می‌گردند و آماره آزمون ایجاد می‌شود. آماره آزمون F برای آزمون فرضیات چندگانه در مورد ضرایب برآوردی به صورت زیر می‌باشد:
F=(RRSS-URSS)/URSS∙(T-k)/m یا F=(((R_UR^2-R_R^2 ))⁄m)/(((1-R_UR^2 ))⁄((T-k))) (3-14)
که در آن:
URSS: مجموع مربعات باقیمانده ها حاصل از رگرسیون غیر مقید،
RRSS: مجموع مربعات باقیمانده ها حاصل از رگرسیون مقید،
: ضریب تعیین رگرسیون غیر مقید،
: ضریب تعیین رگرسیون مقید،
m: تعداد محدودیت ها،
T: تعداد مشاهدات و
k: تعداد پارامترهای رگرسیون غیر مقید است.
3-14 خلاصه فصل
در این فصل روش انجام تحقیق ارائه شده است. همچنین، فرضیه های تحقیق، جامعه تحقیق و نحوهی نمونهگیری از آن، روش گردآوری دادهها، مدل ها و متغیرهای تحقیق و چگونگی آزمون فرضیهها تشریح شد. در فصل بعد به ارائه نتایج تحقیق خواهیم پرداخت.
4-1 مقدمه
پس از ارائه روش پژوهش در فصل قبل و جمع آوری داده های مورد نیاز جهت آزمون فرضیه ها، دراین فصل با بهره گیری از روش های مناسب ومشخص آماری به بررسی و تجزیه وتحلیل این داده ها خواهیم پرداخت تا نهایتاً با تأیید یا رد فرضیه های مطرح شده بتوانیم پاسخی مناسب برای پرسش های این تحقیق بیابیم. تجزیه وتحلیل داده ها، فرایندی چند مرحله ای است که طی آن داده هایی که به طرق مختلف جمع آوری شده اند خلاصه، دسته بندی ودر نهایت پردازش می شوند تازمینه برقراری روابط بین داده ها و انجام تحلیل های علمی به منظور آزمون فرضیه ها فراهم شود. دراین فرآیند داده ها هم از لحاظ مفهومی و هم از لحاظ تجربی پالایش می شوند و تکنیک های گوناگون آماری نقش بسزایی در تعمیم یافته ها به عهده دارند. فرآیندهای تجزیه و تحلیل با توجه به نوع تحقیق، ماهیت فرضیه ها، نوع نظریه سازی، ابزار به کار رفته برای جمع آوری اطلاعات و… متفاوت هستند.
این تحقیق به بررسی نقش ریسک ورشکستگی در ارزشگذاری صحیح اقلام تعهدی و جریان وجوه نقد شرکت های پذیرفته شده در بورس اوراق بهادار تهران را بررسی می کند. ساختار فصل با توجه به فرضیه های مورد بررسی تنظیم گردیده است. ابتدا آمار توصیفی ارائه می شود و پس از آن با استفاده از آزمون های آماری تشریح شده به تجزیه و تحلیل ناهمسانی واریانس و همبستگی داده های تحقیق پرداخته می شود و بعد با تجزیه و تحلیل الگوی رگرسیونی حاصل از فرآیند تحقیق و بررسی معنی داری مدل رگرسیون و ضرایب متغیرها اقدام به تایید یا رد فرضیات می گردد.
4-2 نتایج آمار توصیفی
برای بررسی مشخصات عمومی و پایه ای متغیرها جهت برآورد مدل، تجزیه و تحلیل دقیق آنها و شناخت جامعه آماری مورد تحقیق، آشنایی با آماره های توصیفی مربوط به متغیرها لازم است.
خلاصه ویژگی های آمار توصیفی مربوط به متغیرهای مورد استفاده در این تحقیق در جدول (4-1) خلاصه شده است. آماره های گزارش شده در برگیرنده شاخص ها و معیارهای مرکزی شامل میانگین، میانه، حداکثر و حداقل شاخص های پراکندگی شامل، انحراف معیار متغیرهای مورد استفاده در این تحقیق می باشد.
جدول 4-1 : نتایج آماره های توصیفی مورد استفاده در این تحقیق
متغیر
میانگین
میانه
واریانس
انحراف معیار
EARN
189229
39928
424411568264
651469
ABRET
33280
8347
13687321787
116993
CFO
159288
40522
177663875653
421502
ACC
-14098
-5222
104754902921
323659
FALLING
0.156
0.000
0.132
0.363
TLTA
0.628
0.634
0.049
0.222
EBITTL
0.325
0.206
0.203
0.451
CFOTL
0.334
0.181
0.502
0.708
که: EARN: سود شرکت، abret: بازده غیر عادی، CFO: جریان نقدی عملیاتی، acc: اقلام تعهدی، falling: متغیر موهومی که اگر شرکت ورشکسته باشد 1 در غیر اینصورت صفر، TLTA: نسبت کل بدهی به کل دارایی، EBITTL: نسبت سود عملیاتی بر کل بدهی ها ، cfotl: نسبت جریان نقدی عملیاتی به کل بدهی ها،
4-3 تحلیل ماهیت و ویژگیهای متغیرهای تحقیق
با توجه اینکه در تحقیق حاضر اطلاعات مربوط به 205 شرکت پذیرفته شده در بورس اوراق بهادار تهران گردآوری شده است و هدف تحقیق، بررسی تاثیر متغیرهای مستقل بر متغیرهای وابسته است، بنابراین تحلیل رگرسیون مناسب‎ترین روش برای آزمون فرضیه‎های تحقیق است.
برای انجام رگرسیون خطی، مفروضه‎هائی وجود دارد. حداقل فاصله‎ای بودن مقیاس اندازه‎گیری، نرمال بودن توزیع متغیرها، وجود رابطه خطی بین متغیرهای مستقل و وابسته، یکسان بودن پراکندگی باقی مانده‎ها، یکسانی واریانس متغیرهای مورد مطالعه، نبود خود همبستگی و نبود رابطه هم‎خطی، از مفروضه‎های استفاده از تحلیل رگرسیون میباشند.
در تحقیق حاضر مقیاس اندازه‎گیری متغیرهای تحقیق نسبتی است، رابطه بین متغیرهای مستقل و وابسته خطی است. برای بررس

مطلب مرتبط :   پایان نامه با واژه های کلیدی وجوه نقد، قلام تعهدی، اقلام تعهدی
دسته‌ها: No category

دیدگاهتان را بنویسید