از آنجایی که احتمال آماره جارک- برا در جدول(۴-۲) برای متغیر وابسته مدل(بازده سهام) کمتر از ۵% است، فرضیه صفر مبنی بر نرمال بودن توزیع متغیرهای مربوطه رد می‎شود.

در این راستا برای نرمال سازی متغیرهای مذکور از تبدیل جانسون(Johnson) استفاده شده است، همان‌ طور مشاهده می‎شود احتمال آماره داده‎های اولیه برای متغیر وابسته مذکور کمتر از ۰۵/۰ است که حاکی از نرمال نبودن آن است که با نرمال سازی توسط نرم افزار افزایش‎یافته است، در نتیجه فرضیه H₀ مبنی بر نرمال بودن متغیر پذیرفته می‎شود. جدول(۴-۳)نتایج حاصل از نرمالیته متغیروابسته را قبل و بعد از نرمال شدن نشان می‎دهد.

جدول(۴-۳)نتایج حاصل از نرمالیته متغیروابسته

متغیر

بازدهی سهام

قبل از نرمال سازی

Jarque-Bera

۴۶/۴۱۶۰۵

Probability

۰۰۰/۰

بعد از نرمال سازی

Jarque-Bera

۷۶۵/۲۱

Probability

۰۲۸/۰

۴-۴٫ آزمون مانایی متغیرها

همان‌ طور که در فصل سوم بیان شد قبل از برآورد مدل به منظور اطمینان از نتایج تحقیق و ساختگی نبودن روابط موجود در رگرسیون و معنی دار بودن متغیرها، اقدام به انجام آزمون مانایی و محاسبه ریشه واحد متغیرهای تحقیق در مدل‌آموزش‌ها گردید. آزمون مذبور با بهره گرفتن از نرم افزار Eviews7 و روش آزمون لوین، لین و چو^[۱۰] (۲۰۰۲) انجام گردید. در آزمون ریشه واحد فرضیه صفر بیانگر وجود ریشه واحد بوده و در صورتی که احتمال جدول کوچکتر از ۰۵/۰ باشد به احتمال ۹۵ درصد فرضیه صفر پذیرفته نمی‎شود.

نتایج حاصل از آزمون ریشه واحد برای متغیرهای مدل به شرح جدول (۴-۴) می‎باشد:

با توجه به نتایج حاصل از جدول(۴-۴) مشخص گردید که تمامی‎متغیّرها در سطح مانا بودند. نتایج کامل این آزمون در پیوست انتهای پایان نامه نشان داده شده است.

جدول ۴-۴) نتایج آزمون­ ریشه واحد LLC( Levin, Lin & Chu، با عرض از مبدأ و روند)

متغیر

Levin,lin & chut

آماره
احتمال

RET

۲۱/۱۲-

۰۰۰/۰

Ni_t-1

۱۳/۱۰-

۰۰۰/۰

∆RI

۳۴/۹-

۰۰۰/۰

IC _t-1*WACC∆

۵۳/۷-

۰۰۰/۰

Ni_t*1-t ∆

۵۹/۱۱-

۰۰۰/۰

IC _t-2*WACC∆

۲۲/۱۳-

۰۰۰/۰

۴-۵٫ آزمون هم خطی

قبل از برآورد مدل لازم است تا عدم وجود هم خطی میان متغیرهای مستقل آزمون شود. برای بررسی وجود‎یا عدم وجود هم خطی میان متغیرهای مستقل پژوهش از تحلیل همبستگی استفاده شده است؛ که اینکار با محاسبه ضریب همبستگی پیرسون انجام می‎شود. جدول (۴-۵) ضرایب همبستگی پیرسون میان متغیرهای مستقل مدل را نشان می‎دهد:

با توجه به نتایج جدول (۴-۵) مشخص گردید ضریب همبستگی خیلی زیاد‎یا خیلی کم (نزدیک به ۱+‎یا ۱-) که نتایج تحلیل رگرسیونی را تحت تأثیر قرار دهد مشاهده نمی‎شود. در نتیجه هم خطی میان متغیرهای مستقل وجود ندارد. نتایج کامل این آزمون در پیوست در انتهای پایان نامه نشان داده شده است.

جدول ۴-۵) ماتریس ضرایب همبستگی پیرسون متغیرهای مستقل تحقیق

متغیر

Ni_t-1

∆RI

IC _t-1*WACC∆

Ni_t*1-t ∆

IC _t-2*WACC∆

Ni_t-1

۱

∆RI

۴۶۳/۰-

۱

IC _t-1*WACC∆

۰۳۲/۰

۰۰۳/۰-

۱

Ni_t*1-t ∆

۳۴۴/۰-

۶۲۶/۰

۰۷۲/۰

۱

IC _t-2*WACC∆

۴۱۳/۰-

۴۷۶/-۰

۲۰۲/۰

۲۱۵/۰-

۱

۴-۶٫ برآورد مدل و تجزیه و تحلیل مدل نهایی

در پژوهش حاضر، مدل‎های مذکور با بهره گرفتن از مدل داده‎های ترکیبی برآورد می‎شوند. بدین ترتیب که چند شرکت در طول زمان مورد بررسی و تجزیه و تحلیل قرار می‎گیرند. در تجزیه و تحلیل داده‎های ترکیبی‎یک محیط بسیار غنی از اطلاعات برای گسترش تکنیک‎های تخمین و نتایج قابل تحلیل فراهم می‎گردد. در بسیاری از موارد، پژوهشگران می‎توانند از داده‎های ترکیبی، برای مواردی که نمی‎توان فقط به صورت سری زمانی‎یا فقط به صورت مقطعی بررسی کرد، بهره بگیرند. همان گونه که در فصل سوم اشاره شد در داده‎های ترکیبی ابتدا به منظور انتخاب بین روش‎های داده‎های تابلویی و داده‎های تلفیقی از”آزمون F لیمر”استفاده می‎شود. اگر p-value محاسبه شده بیشتر از سطح خطای ۵ درصد باشد ازداده‎های تلفیقی(Pooled) و در غیر اینصورت از داده‎های تابلویی(Panel) استفاده خواهد شد.

در صورتی که داده‌آموزش‌ها به صورت تابلویی باشند، برای بررسی این موضوع که آیا عرض از مبدأ به صورت اثرات ثابت است‎یا اینکه در ساختار واحدهای مقطعی به صورت تصادفی عمل می‎کند، از “آزمون‎هاسمن” استفاده می‎شود. اگر احتمال آزمون‎هاسمن کوچکتر از ۵ درصد باشد، فرض صفر(اثرات تصادفی) ردمی‎شود و اثرات ثابت انتخاب می‎شود و در صورتی که احتمال آزمون‎هاسمن بزرگتر از ۵ درصد باشد، فرض صفر رد نمی‎شود و اثرات تصادفی انتخاب می‎شود.

رگرسیون زیر مدل آزمون فرضیات می‎باشد که:

RETM t= α۰ + y1 * NI t-1 + y2 ΔRI t + y3 (ΔIC t-1 * WACC t) + y4 (ΔINT t * (1- t)) + y5 (IC t-2 * WACC t) + ɛ

برای آزمون فرضیه‎های تحقیق، با توجه به متغیر بازده تعدیلی بازار عنوان متغیر وابسته تحقیق، مدل اصلی فوق به منظور بررسی رابطه بین رشد سود خالص و هزینه فرصت سرمایه گذاری( شاخص‎های رشد سود باقیمانده به عنوان متغیر‎های مستقل) و بازدهی سهام مورد تجزیه تحلیل قرار می‎گیرد.

۴-۶-۱٫ آزمون F لیمر

جدول (۴-۶) نتایج آزمون F لیمر فرضیه‎های پژوهش را نشان می‎دهد. با توجه به اینکه P-value به دست آمده از آزمون F لیمر در مدل پژوهش کوچکتر از ۵ درصد است، به منظور برآورد این مدل‌آموزش‌ها از مدل داده‎های پانل (Panel) استفاده خواهد شد. نتایج کامل این آزمون در پیوست در انتهای پایان نامه نشان داده شده است.

جدول ۴-۶) آزمون اف لیمر مدل‎های تحقیق

مقدار

d. f

P-Value

نتیجه آزمون

۶۵۹/۴

۲۱/۷۴

۰۰۰۷/۰

panel

۴-۶-۲٫ آزمون‎هاسمن

در مرحله بعد به بررسی این موضوع پرداخته می­ شود که آیا عرض از مبدأ به صورت اثرات ثابت است یا اینکه در ساختار واحدهای مقطعی به صورت تصادفی عمل می­ کند. همان‌ طور که در فصل سوم گفته شد آماره این آزمون که برای تشخیص اثرات ثابت یا تصادفی بودن تفاوت­های واحدهای مقطعی است دارای توزیع کای- دو با درجه آزادی برابر با تعداد متغیرهای مستقل بوده است. جدول(۴-۷) نتایج مربوط به آزمون‎هاسمن فرضیه‎های پژوهش را نشان می‎دهد.