غیر نرمال بودن H₁:

• مدل اول

با توجه به میزان آماره جراک بار برابر با ۴٫۷۱ است و با توجه به مقداراحتمال محاسبه شده که بیشتر از ۰٫۰۵ شده(۰٫۰۹) لذا فرضیه H0مبنی بر نرمال بودن باقیمانده های مدل پذیرفته می شود .

• مدل دوم

با توجه به میزان آماره جراک بار برابر با ۵٫۳۴ است وتوجه به مقداراحتمال محاسبه شده که بیشتر از ۰٫۰۵ شده(۰٫۰۷) لذا فرضیه H0مبنی بر نرمال بودن باقیمانده های مدل پذیرفته می شود .

• مدل سوم

با توجه به میزان آماره جراک بار برابر با ۵٫۳۹ است وتوجه به مقداراحتمال محاسبه شده که بیشتر از ۰٫۰۵ شده(۰٫۰۶) لذا فرضیه H0مبنی بر نرمال بودن باقیمانده های مدل پذیرفته می شود .

۳-۱۰-خطای تصریح مدل

نظر به اینکه خطای تصریح می‌تواند تهدیدی جدی برای تحلیل باشد، لذا در این تحقیق از آزمون Ramsey RESET جهت کشف این مشکل استفاده شده است و نتایج(پیوست ۱) حاکی از آن است که، خطای تصریح در مدل حاضر وجود ندارد.

۳-۱۱- آزمون هم خطی میان متغیرها

در مطالعه حاضر آزمون هم خطی در نرم افزار ایویوز انجام شد و نتایج(پیوست ۱) به دست آمده نشان می‌دهد که ضریب همبستگی بین متغیرها بین ۰٫۰۲ تا ۰٫۲ می‌باشد و تفاوت فاحشی با عدد یک دارد لذا می توان عدم خطی شدید را ادعا نمود.

۳-۱۲- خلاصه فصل

در این فصل ابتدا به بیان فرضیات تحقیق پرداخته شده و نحوه انتخاب نمونه آماری از جامعه آماری تشریح شده است. شرکت‌های عضو بورس اوراق بهادار تهران به ‌عنوان جامعه آماری و با بهره گرفتن از روش غربال گری به انتخاب نمونه آماری پرداخته شده است. جمع‌ آوری اطلاعات مورد نیاز به صورت کتابخانه ای و می‌دانی صورت گرفته و از همبستگی و رگرسیون جهت تبیین روابط بین متغیر ها استفاده شده است. داده های اولیه این تحقیق بعد از استخراج از منابع ذکر شده وارد نرم افزار اکسل شده تا با انجام برخی محاسبات متغیرهای مورد نیاز در فرضیه پژوهش به دست آیند. نتایج حاصل از اندازه گیری متغیرها به منظور آزمون فرضیه پژوهش وارد نرم افزار ای – ویوز شده است. برای تجزیه و تحلیل اطلاعات ابتدا آماره های توصیفی متغیرهای پژوهش شامل میانگین، انحراف معیار و … محاسبه و سپس آزمون همبستگی شامل ضریب همبستگی و رگرسیون خطی استفاده شده است. برای بررسی خودهمبستگی از آزمون Correlation LM بهره برده ایم. نتایج به دست آمده نشان می‌دهد که هر سه مدل دچار خودهمبستگی بودند که با ورود جزء AR(1) این مشکل حل شد. برای آزمون فرض همسانی واریانس از آزمون Heteroskedasticity بهره جسته ایم. نتایج به دست آمده نشان می‌دهد که هیچ کدام از مدل ها مشکل ناهمسانی واریانس ندارند. برای بررسی نرمال بودن باقیمانده های مدل از آزمون Jargue-bera استفاده شده است. نتایج نشان می‌دهد که باقیمانده های هر سه مدل دارای توزیع نرمال هستند. از آزمون Ramsey RESET جهت کشف مشکل خطای تصریح مدل استفاده شده است و نتایج حاکی از آن است که، خطای تصریح در مدل حاضر وجود ندارد. از نتایج به دست آمده از آزمون هم خطی نیز می توان عدم هم خطی شدید را ادعا نمود.

فصل چهارم

تجزیه و تحلیل داده ها و آزمون فرضیات

۴-۱ مقدمه

تحلیل رگرسیونی، روشی آماری جهت بررسی رابطه بین متغیرها و به طور کلی پژوهش های علّی است. در این روش رابطه بین متغیر یا متغیرهای مستقل با متغیر وابسته نشان داده می شود. ساده ترین مدل رگرسیون، مدل رگرسیون خطی است که تنها شامل یک متغیر مستقل و یک متغیر وابسته با رابطه خطی می‌باشد. این مدل اولین بار توسط ودربورن و فلدر در سال ۱۹۷۲ معرفی شد و مبنای تحلیل رگرسیونی قرار گرفت. با فرض آن که رابطه علت و معلولی بین دو متغیر کمی وجود دارد و این رابطه به صورت خطی می‌باشد، معادله رگرسیون به شکل زیر نوشته می شود: Y= α + βx که در آن β شیب خط و α عرض از مبدأ(محل تلاقی با محور y) است. رگرسیون خطی چند متغیره نیز زمانی استفاده می شود که دو یا چند متغیر تاثیر عمده ای روی متغیر وابسته داشته باشند. در این وضعیت از رگرسیون چندگانه جهت پیش‌بینی متغیر وابسته استفاده می شود. در رگرسیون چندگانه نیز فرض خطی بودن متغیرها برقرار می‌باشد و بر همین اساس معادله رگرسیون چندگانه به شکل زیر تعریف می شود: y = α_۰ + b₁x₁ + b₂x₂ + … + b_nx_n

در این تحقیق با توجه به نوع متغیر وابسته، جهت بررسی روابط بین متغیرها از رگرسیون خطی چند متغیره استفاده می شود. پس از انجام تحلیل رگرسیون از تحلیل همبستگی استفاده می شود. ضریب همبستگی شاخصی است ریاضی که جهت و مقدار رابطه ی بین دو متغیر را توصیف می‌کند. ضریب همبستگی درمورد توزیع های دو یا چند متغیره به کار می رود. اگر مقادیر دو متغیر شبیه هم تغییر کند یعنی با کم یا زیاد شدن یکی، دیگری هم کم یا زیاد شود به گونه ای که بتوان رابطه آن ها را به صورت یک معادله بیان کرد، می گوییم بین این دو متغیرهمبستگی وجود دارد. در این فصل تلاش می­ شود، مدل مناسبی که بتواند در حد قابل ­قبولی تغییرات متغیر وابسته را توضیح دهد، طرح و برآورد شود. سپس به تجزیه و تحلیل اطلاعات پرداخته و آزمون فرضیات مطابق با روش‌ تحقیق مطرح شده در فصل سوم مورد بررسی قرار خواهد گرفت. آنچه مسلم است این است که کلیه مباحث مطروحه در فصول قبل زمانی از اهمیت لازم برخوردار خواهند‌بود، که اطلاعات جمع‌ آوری شده در این فصل به صورت دقیق و صحیح مورد بررسی قرار گرفته و نتایج حاصل از تجزیه و تحلیل اطلاعات به درستی تفسیر شود، ‌بنابرین‏ انتخاب شیوه صحیح تحلیل اطلاعات در این فصل از اهمیت ویژه‌ای برخوردار است.

۴-۲- مراحل برآورد مدل

۴-۲-۱ بررسی فروض کلاسیک

۴-۲-۱-۱ عدم خود همبستگی( Autocorrelation )

یکی از فروض مهم مدل کلاسیک خطی خود همبستگی یا خودهمبستگی سریالی بین اجزای اخلالی که در تابع رگرسیون جامعه(PRF) وارد می شود، وجود ندارد. به سمبلیک داریم:

E(U_iU_j)=0 i≠j

به طور ساده، مدل کلاسیک فرض می‌کند که اجزای اخلای مربوط به یک مشاهده، تحت تاثیر جزء اخلای مربوط به مشاهده دیگر قرار نمی گیرد.پس اگر چنین وابستگی وجود داشته باشد، دال بر خود همبستگی است. بر حسب نماد خواهیم داشت:

E(U_iU_j)≠ ۰ i≠j

هر چند تخمینهای OLS در حالت وجود خودهمبستگی، بدون تورش و سازگار باقی می مانند، ولی دیگر کارا نیستند. در نتیجه نمی توان آزمون‌های t و F معمولی معنی دار بودن را به خوبی کار برد و از این رو اقدامات درمانی مورد نیاز می‌باشد. درمان به ماهیت وابستگی بین اجزای اخلال بستگی دارد. اما از آنجا که اجزای اخلال غیر قابل مشاهده اند؛ عموما مورد استفاده قرار می‌گیرد، همان الگوی خود رگرسیونی مرتبه اول می‌باشد(گجراتی، ۱۳۸۸).

در مطالعه حاضر برای بررسی خودهمبستگی از آزمون Correlation LM بهره برده ایم.چنانچه مقدار احتمال برآورد شده کمتر از ۰٫۰۵ باشد دلیل بر وجود خودهمبستگی است. نتایج آزمون به شرح جدول زیر می‌باشد.

• مدل اول

جدول۴-۱-خروجی آزمون Correlation LM

prob مقدار بحرانی Correlation LM ۰٫۰۳ ۴٫۳۸ F-statistic ۰٫۰۳ ۴٫۵۷ Obs* R-square