BeatLogAssetLeverageROA
W-stat۱۱٫۵۴۳-۷٫۲۳۱۱۸٫۲۳۱-۱۳٫۴۳۲۸٫۱۹۳۱۶٫۸۳۲-۱۰٫۱۲۱۱۵٫۷۳۲۱۲٫۹۰۹۲۳٫۷۱۱-p-value۰٫۰۰۲۰٫۰۳۱۰٫۰۰۵۲۰٫۰۰۱۰٫۰۲۶۰٫۰۰۰۸۱۰٫۰۰۱۹۱۰٫۰۰۲۸۰٫۰۰۴۳۰٫۰۰۰۹۳
با توجه به نتایج آزمون IPS (جدول ۴-۲)، چون مقدار P برای تمامی متغیرهاکمتر از ۰۵/۰ است، در نتیجه این متغیرهای پژوهش در طی دوره پژوهش در سطح پایا بوده اند. در نتیجه نتایج آزمون IPS نشان میدهد که، میانگین و واریانس متغیرها در طول زمان و کوواریانس متغیرها بین سالها مختلف ثابت بوده است. در نتیجه استفاده از این متغیرها در مدل باعث به وجود آمدن رگرسیون کاذب نمی شود.
۴-۴) تعیین مدل مناسب برای تخمین مدل رگرسیون
در مواردی که بررسی ارتباط بین یک متغیر وابسته با یک یا چند متغیر مستقل مد‌نظر باشد و هدف محقق این است که بر اساس این ارتباط و با بهره گرفتن از داده های تاریخی، پارامتر (پارامترهایی) برای متغیر(متغیرهای) مستقل برآورد و با ارائه مدل اقدام به پیش‌بینی نماید، داده ها و متغیرهای موجود در یک مدل معمولا در سه نوع مختلف می‌تواند باشد:
داده های سری زمانی[۱۰۱]
داده های مقطعی[۱۰۲]
داده های ترکیبی[۱۰۳]
داده های سری زمانی، مقادیر یک متغیر (چند متغیر) را در نقاط متوالی در زمان، اندازه‌گیری می‌کند. این توالی می‌تواند سالانه، فصلی، ماهانه، هفتگی یا حتی به صورت پیوسته باشد.
داده های مقطعی، مقادیر یک متغیر (چند متغیر) را در طول زمان و روی واحدهای متعدد اندازه‌گیری می‌کند، این واحدها می‌تواند واحدهای تولیدی، صنایع و یا شرکت‌های مختلف باشد.
داده های ترکیبی، در واقع بیان کننده داده های مقطعی در طی زمان است، یا به عبارت دیگر این داده‌‌ها حاصل ترکیب دو دسته داده های سری زمانی و مقطعی می‌باشد.
با توجه به ادبیات تحقیق موجود و نیز ماهیت فرضیه های تحقیق در این پژوهش از داده های ترکیبی استفاده شده است. به منظور تعیین مدل مناسب (تلفیقی یا تابلویی با اثرات ثابت یا تصادفی) برای آزمون فرضیات از آزمون های چاو و هاسمن استفاده شده است.
الف) آزمون چاو
نتایج مربوط به آزمون برای مدل رگرسیونی تحقیق حاضر در جدول ۴-۳ نشان داده شده است.
جدول ۴-۳٫ آزمون چاو
مدل رگرسیونی
آماره F
احتمال
نتیجه آزمون
اول
۹۰۹/۳۸
۰۰۱۸/۰
رد فرض صفر
مدل پانل
دوم
۵۴۳/۱۶
۰۱۶۷/۰
رد فرض صفر
مدل پانل
** معنی‌داری در سطح ۹۹ درصد
در مورد مدل های اول و دوم با توجه به سطح معناداری نتایج آزمون چاو نشان میدهد فرض (مدل تلفیقی) تأیید نمی شود. به بیان دیگر، آثار فردی یا گروهی وجود دارد و باید از روش داده های تابلویی(پانل) برای بر آورد مدل رگرسیونی تحقیق استفاده شود که در ادامه برای تعیین نوع مدل پانل (با اثرات تصادفی یا اثرات ثابت) از آزمون هاسمن استفاده می شود.
ب) آزمون هاسمن
پس از مشخص شدن اینکه عرض از مبدأ برای سال‌های مختلف یکسان نیست، باید روش استفاده در برآورد مدل (اثرات ثابت یا تصادفی) تعیین گردد که بدین منظور از آزمون هاسمن استفاده می‌گردد.
در آزمون هاسمن فرضیه مبنی بر سازگاری تخمین های اثر تصادفی را در مقابل فرضیه مبنی بر ناسازگاری تخمین های اثر تصادفی آزمون می کند.
جدول۴-۴٫ آزمون هاسمن
مدل رگرسیونی
آماره
احتمال
نتیجه آزمون
اول
۷۱۱/۲۹
۰۰۱۵/۰
رد فرض صفر
پانل با اثرات ثابت
دوم
۱۲۶/۳۷
۰۰۰۹/۰
رد فرض صفر
پانل با اثرات ثابت
نتایج مربوط به آزمون هاسمن برای مدل اول و دوم در جدول ۴-۴ نشان داده شده است. نتایج نشان داده که آماره آزمون هاسمن برای مدلهای اول و دوم به ترتیب برابر با ۷۱۱/۲۹ و ۱۲۶/۳۷ به دست آمده است که در سطح اطمینان ۹۹ درصد معنی دار می‌باشند که حاکی از تأیید فرضیه می‌باشد، لذا با توجه به آمون هاسمن برازش مدل رگرسیونی اول و دوم این تحقیق با بهره گرفتن از مدل داده های پانل به روش اثرات ثابت مناسب خواهد بود.
۴-۵) آزمون فروض کلاسیک رگرسیون
همان طور که در فصل ۳ اشاره شد، پیش از برازش مدلهای رگرسیون لازم است ابتدا مفروضات رگرسیون خطی مورد آزمون قرار گیرد.
۴-۵-۱) آزمون نرمال بودن توزیع متغیرها
برای بررسی نرمال بودن توزیع متغیرهای وابسته از آزمون کولموگروف اسمیرنوف استفاده شده است. این آزمون برای متغیرهای وابسته انجام شده است. جدول خروجی آزمون K-S در نرم‌افزار SPSS برای این متغیر به شرح جدول ۴-۵ است. با توجه به جدول فوق و آماره Z کولموگروف اسمیرنوف از آنجائیکه سطح معناداری برای تمامی متغیرها بیشتر از ۰۵/۰ است فرضیه H0 تأیید شده لذا با اطمینان ۹۵% می توان گفت متغیر های مذبور در مدل های فوق از توزیع نرمال برخوردارند.
جدول ۴- ۵ .آزمون کولموگروف اسمیرنوف
نام متغیر
Z کولموگروف اسمیرنوف
سطح معناداری
نتیجه
درصد مالکیت سرمایه گذاران انفرادی
Individual Investors
۹۰۹۱/۰
۲۳۷۱/۰
توزیع نرمال است
۴-۵-۲) آزمون استقلال خطاها
آزمون دوربین واتسون همبستگی سریالی بین باقیمانده (خطا)های رگرسیون را بر مبنای فرض صفر آماری زیر آزمون می‌کند:
H0: بین خطاها خود همبستگی وجود ندارد.
H1: بین خطاها خود همبستگی وجود دارد.
آماره دوربین واتسن به همراه مقادیر بحرانی در سطح خطای ۱% به شرح جدول ۴-۶ است. با توجه به اینکه مقدار آماره دوربین واتسون محاسبه شده مدل رگرسیونی تحقیق حاضر از مقدار بحرانی در سطح خطای ۰٫۰۱بزرگتر است لذا عدم همبستگی پیاپی یا سریالی باقی مانده‌ها در مدل های رگرسیونی اول تا دوم در سطح معنی داری ۰٫۰۱ مورد تأیید قرار می‌گیرد.
جدول۴-۶٫ آزمون استقلال خطاها
مدل رگرسیونی
مقادیر بحرانی(سطح خطا ۱%)
آماره دوربین واتسن
Du
Dl
اول
۵۶۵/۱
۳۷۵/۱
۷۵۳/۱
دوم
۶۵۴/۱
۴۲۸/۱
۶۸۶/۰
۴-۵-۳) ناهمسانی واریانس ها
یکی از موضوعات مهمی که در اقتصاد سنجی به آن برخورد می‌کنیم موضوع واریانس ناهمسانی است. واریانس ناهمسانی به این معنا است که در تخمین مدل رگرسیون مقادیر جملات خطا دارای واریانس های نابرابر هستند. به منظور برآورد واریانس ناهمسانی در این تحقیق از آزمون وایت استفاده شده است. نتایج حاصل از این آزمون به صورت جدول ۴-۷ بیان می شود.
جدول(۴-۷). نتایج حاصل از ناهمسانی واریانس
مدل رگرسیونی
آماره وایت
P-value
نتیجه آزمون
اول
۴۳۳/۲
۴۲۲/۰
عدم وجود ناهمسانی
دوم
۸۳۹/۱
۲۷۶/۰
عدم وجود ناهمسانی
