(۳-۱۸):
Chow= ~F_n-1,N(T-1)-K
آماره فوق دارای توضیع F با N-1,NT-N-K درجه آزادی است. در رابطه فوق N نشان دهنده تعداد شرکت ها ،K به معنای تعداد تخمین زننده ها (به استثنای متغیر موهومی)T تعداد دوره های زمانی،NT تعداد کل مشاهدات،RRSS مجموع مجذورات باقیمانده رگرسیون مقید و URSSمجموع مجذورات باقیمانده رگرسیون غیر مقید می باشد.
۳-۱۴-۲- آزمون هاسمن
در فرایند انتخاب بین دو مدل اثرات تصادفی و مدل اثرات ثابت، معمولترین آزمون محسوب می شود. آزمون هاسمن بر پایه وجود همبستگی بین متغیرهای مستقل و اثرات انفرادی طراحی شده و فرض صفر و فرض مقابل در آن بشرح زیر قابل ارائه می باشد.
H₀=COV[α_Iوx_I]=0
H₁=COV[α_i,X_i]≠۰
در صورتی که جز خطای تصادفی (اثر انفرادی) با متغیر های توضیحی همبستگی داشته باشد (فرض H₀رد میشود) در آن صورت مدل اثرتصادفی تورش دار بوده و در چنین حالتی لازم است مدل اثر ثابت بکار گرفته شود.
۳-۱۵- مدل داده های تلفیقی پویا
در صورتی مدل رگرسیون مورد تحلیل در بر گیرنده یک یا چند عنصر با وقفه از متغیر وابسته به عنوان متغیر توضیحی باشد، در آن صورت مدل را مدل خودرگرسیونی یا مدل دینامیک (پویا) می نامند. این مدل ها در واقع بیانگر رگرسیون متغیر وابسته بر حسب خودش با وقفه زمانی معین می باشد. مدل های خود رگرسیونی از شکل مشترک زیر برخوردارند:
(۳-۱۹)
Y_i,t=α_۱+ β_۱X_i,t+ β_۲X_i,t-1+v_it
روش کلاسیک حداقل مربعات معمولی به طور مستقیم در مدل فوق قابل کاربرد نمی باشد. این موضوع ناشی از دو علت است: اول به لحاظ وجود متغیر توضیحی است وکاستیک و دوم به لحاظ امکان وجود همبستگی سریالی در اجزاء اخلال. به عبارت دیگر در صورتی که متغیر توضیحی در مدل رگرسیون با جز اخلال استوکاستیک همبسته باشد، در این صورت تخمین زنهای OLS تورش دار خواهند بود. یکی از راه حل های موجود برای حل مشکل استفاده از متغیر های ابزاری است. به این معنی که بتوان برای متغیر y_it-1 جانشینی پیدا نمودکه علی رغم همبستگی شدید با متغیر مزبور ،v_i,t همبسته نباشد. چنین جانشینی متغیر ابزاری نامیده می شود.
(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت nefo.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۳-۱۶- تکنیک های تخمین سیستم معاملات
سیستم معاملات بر مجموعه ای از معاملات با ضرایب نا معلوم می باشد که با بهره گرفتن از روش های متعددی می توان اقدام به برآورد ضرایب آن نمود. برخی از روش های تخمین برای برآورد ضرایب متغیر های مستقل را می توان بشرح زیر خلاصه نمود:
۳-۱۶-۱- روش حداقل مربعات معمولی(OLS)
این روش به کارال فردریک گوس ریاضیدان نامی آلمان نسبت داده می شود. روش مذبور مجموع مربعات پسماند را کمینه می نماید. روش OLS تخمین زننده هایی را ارائه می کند که خطی، بدون تورش و در بین تمام تخمین زننده های خطی و بدون تورش، دارای حداقل واریانس باشد.
۳-۱۶-۲- روش حداقل مربعات تعمیم یافته(GLS)
یکی از مهمترین مفروضات مدل کلاسیک رگرسیون خطی(GLR) این است که واریانس هر جز جمله خطاu_it، به شرط مقدار معینی از متغیر های توضیحی، مقدار ثابتی مساوی با ^۲σ می باشد. فرضی که در اصطلاح، همسانی واریانس نامیده می شود:
(۳-۲۰):
E(u_i²)=σ^۲ i=1,2,…,N
با قبول فرض فوق، تخمین زننده _iβ از طریق OLS معمولی بهترین تخمین زن خطی بدون تورش (BLUE)محسوب خواهد شد. اما چنانچه فرض ناهمسانی واریانس، جایگزین فرض همسانی گردد، دیگر تخمین زن مزبور بهترین (دارای حداقل واریانس یا کارایی) نخواهد بود.
۳-۱۷- مسایل مورد توجه در تخمین مدل
با توجه به اینکه قبل از تخمین و اجرای مدل های رگرسیونی لازم است از وجود برخی شرایط در بین متغیرها اطمینان حاصل شود بنابراین به منظور اطلاع از برخورداری داده های تحقیق از شرایط لازم انجام تعدادی آزمون بر روی متغیر ها ضروری می باشد که در ادامه فصل به اختصار به کلیات آنها اشاره می شود.
۳-۱۷-۱- نرمال بودن
برای بررسی نرمال بودن داده ها از آزمون های نرمال بودن استفاده می شود. این آزمون ها به طور کلی به دو گروه روش های ترسیمی و روش های عددی تقسیم می شوند. روش های ترسیمی تنها تصویری از توضیع متغیر تصادفی را ارائه می کنند اما روش های عددی قادرند معیاری عینی و کمی برای قضاوت در خصوص نرمال بودن توضیع متغیر تصادفی فراهم نماید. در روش های عددی می توان هم آمار توصیفی و هم از تکنیک ها وآزمون های مختلف آمار استنباطی استفاده کرد. در این تحقیق با بهره گرفتن از آزمون های جارگ-براوکولموگوروف-اسمیرنوف (ks) به عنوان یک روش عددی به آزمون نرمال بودن داده ها پرداخته شده است.
در آزمون جارگ-برا از اختلاف بین ضریب کشیدگی و چولگی داده های مورد بررسی می توان به نرمال بودن توزیع داده ها پی برد. در این آزمون فرض صفر با احتمال ۹۵ درصد اطمینان پذیرفته نمی شود (جعفری سرشت،۱۳۸۹).
۳-۱۷-۲- نا همسانی واریانس
یکی از مهمترین فروض مدل کلاسیک رگرسیون خطی این است که اجزای اخلال u_it که در تابع رگرسیون، جامعه ظاهر می شوند، دارای واریانس همسان می باشند یعنی: i=1,2,…,n E(u_i²)=σ^۲ اگر این فرض تامین نشود دارای نا همسانی واریانس خواهیم بود. مشکل ناهمسانی واریانس، در داده های مقطعی متداول تر از داده های زمانی است. از آن جایی که یکی از ابعاد داده های تابلویی، بعد مقطعی می باشد. لذا در تحقیق حاضر امکان مواجه با مساله نا همسانی واریانس وجود دارد. برای رفع ناهمسانی واریانس می توان از روش حداقل مربعات تعمیم یافته (EGLS) استفاده کرد(ابریشمی،۱۳۸۳). در این پژوهش به منظور نا همسانی واریانس از تخمین های (EGLS) استفاده شده است.
۳-۱۷-۳- خود همبستگی
یکی دیگر از موارد نقض فروض کلاسیک، وجود همبستگی پیاپی یا خودهمبستگی در رگرسیون است که به وضعیتی اشاره میکند که در آن میان اجزای اخلال نوعی رابطه همبستگی برقرار است. چنین حالتی به دلیل ارتباط جزء اخلال هر مشاهده (تفاوت متغیر وابسته با مقدار تخمینی اش) با جزء اخلال مشاهده دیگر به وجود می آید. راه حل متداول برای بررسی احتمال وجود همبستگی پیاپی، استفاده از آزمون دوربین واتسون می باشد. که در این تحقیق نیز برای این منظور به کار گرفته شده است. این آماره به طور معمول بین صفر تا ۴ تغییر می کند. مرز تقریبی بین همبستگی پیاپی مثبت ومنفی عدد ۲ است. اگر آماره در حدود ۲ باشد به این معنی است که در رگرسیون، خود همبستگی وجود ندارد. از طریق مراجعه به جداول آماری مربوط به دوربین واتسون می توان نسبت به پذیرش یا عدم پذیرش وجود خود همبستگی قضاوت و نتیجه گیری کرد (جعفری سرشت،۱۳۸۹).
۳-۱۷-۴- هم خطی
هم خطی در اثر ارتباط خطی یا فنی متغیر های مستقل مدل به وجود می آید. معیار تشخیص هم خطی (که به تورم واریانس معروف است) مبتنی بر ضریب تغییر و واریانس رگرسیون در نتیجه ورود متغیرهای هم خط به مدل است. از جنبه کاربردی تا زمانی که میزان توضیح دهندگی مدل به واسطه ورود متغیرهای هم خط کاسته نشود و ضرایب رگرسیونی آنها نیز معنادار باشند در جهت رفع هم خطی اقدامی صورت نمی گیرد. راه کار رفع هم خطی پیش از حذف متغیرهای شدیدا هم خط، استفاده از تحلیل عاملی یا همان ادغام کردن تاثیر متغیرهای هم خط در قالب یک متغیر روی مدل است (جعفری سرشت،۱۳۸۹).
۳-۱۷-۵- آزمون مانایی
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 مدل OLS گردید. آزمون مذبور با بهره گرفتن از نرم افزار EViews و روش های آزمون لوین، لین و چو (۲۰۰۲)، آزمون ایم، پسران و شین (۲۰۰۳)، آزمون ریشه واحد فیشر- دیکی فولر تعمیم یافته و آزمون ریشه واحد فیشر-فیلیپس پرون (۱۹۹۹) و چویی انجام میشود(مشکی و دهدار،۱۳۹۰).
۳-۱۸- خلاصه و نتیجه گیری
در این فصل روش تحقیق مورد استفاده بیان شد. در این رابطه ، انواع متغیرهای مورد استفاده در مدل اصلی تحقیق ، ازمون های مورد نیاز در خصوص داده ها و مبانی آماری و اقتصاد سنجی مورد نظر برای آزمون فرضیات تشریح گردید. و همچنین ، مبناهای محاسباتی و نحوه بکارگیری متغیرهای، مدیریت سود بر مبنای اقلام واقعی و مدیریت سود بر مبنای اقلام تعهدی که به عنوان متغیر وابسته در نظر گرفته شده اند توضیح داده شد.
فصل چهارم:
تجزیه و تحلیل
داده های تحقیق
۴-۱- مقدمه
در فصل پیش به بیان فرضیه‌های تحقیق، مدل­ها و متغیرهای مورد نیاز برای آزمون آنها، پرداخته شد. همچنین جامعه آماری، نحوه انتخاب نمونه و چگونگی گردآوری داده‌های مورد نیاز معرفی شد. در این فصل داده های مورد نیاز جهت آزمون فرضیه‌ های تحقیق جمع آوری شده و به عنوان منبعی برای تجزیه و تحلیل استفاده شده است. برای تجزیه و تحلیل اطلاعات گردآوری شده از روش­های آمار توصیفی، آمار استنباطی و همچنین رسم جداول استفاده شده است. استفاده از آمار توصیفی با هدف تلخیص اطلاعات جمع آوری شده و شناخت بیشتر جامعه مورد بررسی صورت پذیرفته است زیرا هدف آمار توصیفی، توصیف، استخراج نکات اساسی و ترکیب اطلاعات به کمک زبان اعداد است. هدف آمار استنباطی، به طور کلی انجام استنباط درباره پارامترهای جامعه از طریق تجزیه و تحلیل اطلاعات موجود در داده‌های نمونه و همچنین سنجش عدم اطمینانی است که در این استنباط ها وجود دارد. دراین راستا در اجرای اولیه مدل نخست با بهره گرفتن از آماره های چاو و هاسمن نوع مدل مناسب برازش رگرسیون (داده های تلفیقی یا پانل با اثرات ثابت و تصادفی) تعیین شده و با بهره گرفتن از آماره های همچون ایم، پسران و شین و لین و لوین پایایی متغیرها بررسی شده است. سپس در اجرای ثانویه مدل فروض کلاسیک رگرسیون شامل نرمال بودن توزیع متغیرها، استقلال توزیع خطاها، نرمال بودن توزیع خطاها، ناهمسانی واریانس ها و استقلال متغیرهای مستقل بررسی شده است. در نهایت در اجرای نهایی مدل با توجه به معناداری کل مدل و نیز معناداری تک تک ضرایب مدل نهایی استخراج گردیده است.
۴-۲- آمار توصیفی داده ها
در جدول (۴-۱) ، آماره­ های توصیفی متغیرهای تحقیق را در طی دوره مورد بررسی نشان می­دهد. آمار توصیفی متغیر‌ها تحقیق که با بهره گرفتن از داده‌های شرکت ها طی دوره آزمون (سال‌های ۹۱-۱۳۸۷) اندازه‌گیری شده‌اند، شامل میانگین، میانه، انحراف معیار، کمینه و بیشینه ارائه گردیده است.