تأثیر سودآوری و پراکندگی مالکیت بر میزان افشای اختیاری۹۱- قسمت ۱۶

جهت معنی دار بودن مدل رگرسیون استفاده شده در هر فرضیه و آزمون تمامی ضرایب آن که دلالت بر معنی دار بودن روابط بین متغیرهای مستقل و وابسته است، از آمارهF استفاده شده است. با مقایسه آماره F و F جدول که با درجات آزادی k-1 و n-k در سطح خطای ۵% محاسبه شده، کل مدل فرضیه مورد بررسی قرار گرفته است. از آنجایی که برای آزمون آماری، در این تحقیق فرضیه ها به عنوان فرض جایگزین() در نظر گرفته شده اند، فرضیه زمانی تأیید می شود که F محاسبه شده از F جدول بزرگتر باشد. برای بررسی معنی دار بودن ضریب متغیرهای مستقل در هر مدل از آماره t استفاده شده است. t محاسبه شده با t جدول مقایسه می شود، چنانچه قدر مطلق t محاسبه شده از t جدول بزرگتر باشد، ضریب مورد نظر معنی دار خواهد بود که دلالت بر وجود ارتباط بین متغیر مستقل و متغیر وابسته است. ضریب تعیین مهم ترین معیاری است که با آن می توان رابطه بین متغیر مستقل و وابسته را توضیح داد و معمولا با نشان داده می شود. مقدار  برابر،  می باشد. هر چه این مقدار به یک نزدیک تر باشد نشان‌دهنده ارتباط قوی‌تر است.
۳-۱۰-۲ آزمون خود همبستگی جملات خطا
در مدلهای رگرسیون فرض بر این است که جملات خطا از دورهای به دورهی دیگر مستقل میباشد، اما در بسیاری از کاربردها، جملات خطا در دورههای مختلف همبستهاند. در چنین مواردی جملات خطا، اصطلاحاً دارای خود همبستگی یا همبستگی متوالی میباشند. برای بررسی آنکه در یک مدل رگرسیون جملات خطا خود همبسته میباشند یا خیر، آزمونهایی طراحی گردیده است. در این میان آزمونی که بیشتر مورد استفاده قرار میگیرد آزمون دوربین- واتسون است. چنانچه رقم حاصل از آزمون دوربین- واتسون بین ۱٫۵ تا ۲٫۵ باشد فرض مستقل بودن جملات خطا تایید میگردد.
۳-۱۰-۳ روش تجزیه و تحلیل دادهها
پس از جمعآوری دادهها محقق باید آنها را دستهبندی و تجزیه و تحلیل نماید، آنگاه به آزمون فرضیههایی بپردازد که تا این مرحله تحقیق او را یاری کردهاند، تا پاسخی برای پرسشهای تحقیق بیابد. تجزیه و تحلیل دادهها فرآیندی چند مرحلهای است که طی آن دادههای گردآوری شده به طرق مختلف خلاصه، دسته بندی و در نهایت پردازش میشوند تا زمینه برقراری انواع تحلیلها و ارتباط بین دادهها به منظور آزمون فرضیهها فراهم آید. در این فرآیند، دادهها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش میشوند و روشهای گوناگون آماری نقش بسزایی در استنتاجها به عهده دارند. در بررسی ارتباط بین یک متغیر وابسته با یک یا چند متغیر مستقل با استفاده از سه نوع داده می توان پارامترهای متغیر وابسته را برآورد نموده و با ارائه مدل اقدام به پیش بینی نمود. به طور کلی برای تحلیل های تجربی سه نوع داده قابل دسترسی است:
داده های سری زمانی[۷۵]: داده هایی هستند که در طی یک سری زمانی می شوند. مانند:بازده، تعداد روزهای معاملاتی، چنین داده هایی می توانند در فواصل منظم روزانه، هفتگی،ماهانه، فصلی و سالانه گردآوری شوند.
داده های مقطعی[۷۶] : این داده ها بر اساس یک یا چند متغیر در یک زمان مشخص جمع آوری می شوند. مانند: خانوارها،کشورها، شرکت ها.
داده های تلفیقی[۷۷] ) از داده های سری زمانی و مقطعی): از ترکیب دو دسته بالا حاصل می شوند (گجراتی، ۱۳۷۸، ص ۲۸ ). در این پژوهش از داده های مرکب استفاده می شوند به همین دلیل از روش جدید اقتصاد سنجی یعنی پانل دیتا استفاده می کنیم. اغلب، مدل های سری زمانی و مقطعی با مشکلی به نام همخطی متغیرهای توضیحی روبه رو هستند، که باعث می شوند مقادیر درست ها برآورد نشوند و استنتاج با مشکل مواجه شود. بدین جهت آزمون برخی از فرضیه ها در این مدل گاه غیر ممکن خواهد بود، برخی موارد داده های در دسترس برای بکارگیری معادله سری های زمانی به تنهایی کافی نمی باشد، به همین دلیل برای تهیه الگویی مناسب و پیش بینی درست متغیر وابسته می توان داده های سری زمانی و مقطعی را با هم تلفیق نمود و بر اساس داده های ترکیبی اقدام به برآورد الگوی مورد نظر می پردازیم. واضح است که تعداد مشاهدات از یک متغیر مثلا قیمت، چندین برابر شده است، یعنی از T (زمان) یا N (مقاطع) در داده های سری زمانی یا داده‏های مقطعی به T × N در داده های پانل افزایش یافته است.
نماد خطی مدل رگرسیونی پانل دیتا به صورت زیر است:
که به زبان ماتریسی به صورت زیر است:
i=1,…..,N
t= 1,…., T
اندیس i برای افراد یا مقاطع (اعداد N) و اندیس T برای زمان (از ۱ تا T) در نظر گرفته شده است.
۳-۱۰-۳-۱ مزایای استفاده از داده های ترکیبی
بالتاجی مزایای استفاده از داده های ترکیبی را به صورت زیر بیان می کند:
از آنجا که داده های ترکیبی به افراد، بنگاه ها، شرکت ها و از این قبیل واحدها در طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود می شود.
با ترکیب مشاهدات سری زمانی و مقطعی، داده های ترکیبی اطلاعات بیشتر، تغییر پذیری بیشتر، هم خطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتری را ارائه می کند.
در مطالعه مشاهدات مقطعی تکراری، داده های ترکیبی به منظور مطالعه پویای تغییرات، مناسب تر و بهترند.
داده های ترکیبی، تاثیراتی را که نمی توان به سادگی در داده های سری زمانی و مقطعی مشاهده کرد بهتر معین می کنند.
داده های ترکیبی با ارائه داده برای هزاران واحد، می توانند تورشی را که ممکن است در نتیجه لحاظ افراد یا بنگاه های اقتصادی ( به صورت جمعی و کلی ) حاصل شود به حداقل برسانند. به طور کلی می توان گفت، داده های ترکیبی، تحلیل های تجربی را به شکل غنی تر امکان پذیر می سازند که در صورت استفاده از داده های سری زمانی یا مقطعی این امکان وجود ندارد.
۳-۱۰-۳-۲ روش های تخمین
تفاوت رگرسیون پنل دیتا[۷۸] با سری های زمانی معمولی[۷۹] یا رگرسیون های مقطعی[۸۰] در این است که رگرسیون پنل دیتا دارای زیر نویس های دوتایی در متغیرهایش می باشد. در حالت کلی، مدل زیر نشان دهنده یک مدل با داده های ترکیبی است:
که در آن  نشان دهنده واحدهای مقطعی (مثلا شرکت ها) و  بر زمان اشاره دارد.y متغیر وابسته را برای i امین واحد مقطعی در سال t، x kit نیز k امین متغیر مستقل غیر تصادفی برای iامین واحد مقطعی در سال tام است.kit پارامترهای مدل مجهول است که واکنش متغیر وابسته نسبت به تغییرات k امین متغیر مستقل در i امین مقطع و t امین زمان را اندازه گیری می کند.
۳-۱۰-۴ آزمونهای مرتبط با انتخاب نوع مدل
۳-۱۰-۴-۱ آزمون F لیمر برای بررسی معنیداری اثرات ثابت
تا اینجا بین Pooled یا Panel تفاوتی وجود ندارد و در فارسی نیز، هر دو عبارت مذکور به یک شکل ترجمه شده اند، ولی از لحاظ مفهومی تا حدودی متفاوت می باشند. چگونگی برآورد مدل (۱-۳) به فرضیاتی درباره عرض از مبدا(α)، ضریب شیب (β) و جمله خطا(uit) بستگی دارد. در مدل Pooled فرض بر این است که عرض از مبدا و ضرایب شیب در طول زمان و مکان ثابت است در حالی در مدل Panel یکی از این دو یا هردو با هم در طول زمان و مکان متفاوت می باشند که اصطلاحا به آن مدل اثرات ثابت می گویند. در اقتصادسنجی تقریبا همیشه تقریب تصادفی انجام می شود و معمولا تمایل وجود ندارد که برای تک تک شرکت ها یا هر سال مختلف یک ضریب شیب تخمین زده شود، زیرا هدف این است که در کاربرد نظریه ها اصل صرفه جویی را را رعایت شود که یک اصل مهم علمی است. اگر قرار باشد یک پدیده را با تعداد زیادی متغیر یا عامل اثر گذار توضیح داده شود، نظریه ارزش خود را از دست خواهد داد، زیرا کنترل وسیاست گذاری در عمل غیرممکن می شود و بر خلاف انتظار، ارزش تبیینی نظریه پایین می آید. لذا اثرات ثابت تنها شامل مدل هایی می شود که یا در آن ضرایب شیب ثابت ولی عرض از مبدا برای سال ها متفاوت است که اصطلاحا به آن اثرات ثابت زمانی[۸۱] گفته می شود و یا شامل مدل هایی می شود که یا در آن ضرایب شیب ثابت ولی عرض از مبدا برای شرکت ها متفاوت است که اصطلاحا به آن اثرات ثابت مقطعی[۸۲] گفته می شود.
در داده های ترکیبی قبل اقدام به برآورد مدل باید تشخیص داده شود که کدام یک از مدل های Pooled و Panel برای برآورد و استنتاجات آماری مناسب است. برای این منظور با تلفیق کل داده ها به صورت پول الگو برآورد میشود و مجموع مجذورات باقیمانده ها به دست میآید به عبارتی ابتدا مجموع مجذورات پسماند حالت مقید(RRSS) محاسبه میشود که مربوط به مدل تلفیق شده بدون اثرات ثابت است. سپس مجموع مجذورات پسماند حالت غیر مقید(URSS) محاسبه میشود که همان مدل با اثرات ثابت است. در نهایت با استفاده از فرمول زیر، F0 محاسبه شده با نگاره آماره F مقایسه میشود .
اگر F0 بزرگتر از مقدار بحرانی با درجه آزادی N-1 و N(T-1)-K باشد، فرض H0 رد میشود و مدل Panel پذیرفته میشود. در غیر این صورت، مدل pooled پذیرفته میشود.
به طور کلی برای انتخاب از میان مدل Pooled و Panel از آزمون زیر استفاده می کنیم:
مدل Pooled تمام عرض از مبداها با هم برابرند H0: α۱= α۲= α۳=…= αT-1
مدل Panel حداقل یکی از عرض از مبداها با بقیه متفاوت است H1: αi ≠ αj
برای آزمون فرضیه فوق از آماره آزمون چاو(F لیمر( استفاده می شود. در صورتی که فرض صفر رد نشود از مدل Pooled برای برازش داده ها استفاده می شود.
۳-۱۰-۴-۲ آزمون هاسمن برای انتخاب اثر ثابت یا اثر تصادفی
ولی آیا می توان گفت در صورت رد فرضیه صفر باید از مدل اثرات ثابت برای برازش داده ها استفاده شود؟
مدل رگرسیون زیر را در نظر بگیرید:
اکثرکاربردهای پنل دیتا از یک مدل مولفه خطای یک طرفه برای جمله خطا موجود استفاده می کنند:
در اینجا ناآگاهی عینی جمله uit از دوبخش تشکیل شده است: بخش اول در بین شرکت ها ثابت ولی در طول زمان تغییر می کند که ممکن است این بخش با xit وابستگی داشته و یا مستقل از آن باشد. بخش دوم نیز به صورت مستقل در طول زمان و میان شرکت ها تغییر می کند. در مدل اثرات تصادفی با xit همبستگی ندارد ولی در مدل اثرات ثابت با xit همبستگی دارد.
در مرحله بعد الگو را به صورت پانل با استفاده از روش اثرات ثابت و تصادفی برآورد نموده و مجموع مجذورات آن نیز به دست آورده میشود. برای انتخاب از بین مدل اثرات تصادفی و ثابت فرضیات صفر و مقابل زیر ارائه می گردند:
مدل اثرات تصادفی بین جملات خطا و متغیرهای توضیحی همبستگی وجود ندارد H0:
مدل اثرات ثابت بین جملات خطاو متغیرهای توضیحی همبستگی وجود دارد H1:

دانلود متن کامل پایان نامه در سایت jemo.ir موجود است