مدل رگرسیون خطی و اندازه نمونه

دانلود پایان نامه

4-2- آمار توصیفی

  • آمار توصیفی عبارت است از مجموعه روش‌هایی که پردازش داده‌ها را فراهم می‌سازد. آمار توصیفی متغیرهای پژوهش در جدول زیر آورده شده است. کمیت‌های آماری توصیفی شامل حداقل، حداکثر، میانه، میانگین و انحراف معیار است. با در نظر گرفتن معیارهای اشاره شده در فصل سوم، راجع به انتخاب نمونه و تأثیر آن روی اندازه نمونه در کل از 48 شرکت در طی سال‌های 1386-1390 در این تحقیق استفاده شد. با توجه به اینکه از روش ترکیب داده های سری زمانی و مقطعی (پنل دیتا) برای آزمون فرضیات استفاده می-کنیم، لذا تعداد مشاهدات سال- شرکت بر اساس داده های ترکیبی، 240 مشاهده بوده است و شرکت‌ها به طور کاملاً تصادفی بین صنایع توزیع شده‌اند.
    جدول4-1- آمار توصیفی داده ها
    ΔATO ΔPM BONUS EM LEV GROW SIZE
    میانگین 0001/0- 020/0- 244/2 019/0 633/0 052/1 314/5
    میانه 001/0- 003/0- 397/2 011/0 627/0 538/0 295/5
    بیشترین 491/0 867/0 558/3 617/0 983/0 30/16 310/7
    کمترین 879/0- 054/1- 653/1 569/0- 184/0 001/0 370/3
    مشاهدات 240 240 240 240 240 240 240

    در جدول 4-1 مشاهده می‌شود که میانگین و میانه داده های مربوط به متغیرهای پاداش، اهرم و تا حدودی مدیریت سود و تغییر در حاشیه سود شرکت‌های نمونه به هم نزدیک است و این نشان می دهد که اختلاف بین داده های این متغیرها نسبت به سایر متغیرهای تحقیق کمتر است.
    4-3- آزمون فرضیه های تحقیق
    الف – آزمون هم خطی بین متغیرها و نرمال بودن داده ها
    جدول 4-2 : جدول همبستگی برای تست هم خطی دادها
    ΔATO ΔPM BONUS EM LEV GROW SIZE
    ΔATO 000/1 221/-0 119/0- 041/0- 069/0- 006/0 008/0
    ΔPM 221/0- 000/1 027/0- 107/0 068/0- 036/0- 021/0-
    BONUS 119/0- 027/0- 000/1 054/0- 113/0- 006/0 139/0-
    EM 041/0- 107/0 -054/0 000/1 041/0 013/0 109/0-
    LEV 069/0- 068/0- 113/0- 041/0 000/1 0003/0- 063/0-
    GROW 006/0 036/0- 006/0 013/0 0003/0- 000/1 138/0
    SIZE 008/0 021/0- 139/0- 109/0- 063/-0 138/0 000/1
    همان طور که در جدول بالا ملاحظه می‌شود و با توجه تعداد زیاد داده ها وجود هم خطی ناقص اشکالی را در برآورد مدل نهایی ایجاد نمی‌کند (بیدرام، 1381).
    ب- آزمون فرضیات کلاسیک رگرسیون
    آنچه که به عنوان مدل رگرسیون خطی عمودی یا استاندارد معروف می‌باشد مبتنی بر فرضیات زیر است:
    1) میانگین اجزای باقیمانده (خطاها) مساوی صفر است: بر اساس این فرض مقدار میانگین باقیمانده Xi مفروض صفر است یعنی این که عوامل صریحاً ذکر نشده در مدل، در Ui قرار گرفته و لذا به طور منظم مقدار میانگین y را متأثر نخواهند ساخت. برای بررسی این فرض اساسی در نرم افزار ایویوز بعد از هر برازش نمودار مقادیر باقیمانده را می‌توان رسم نمود و نرمال بودن باقی مانده ها را بررسی کرد .

    این نوشته در مقالات و پایان نامه ها ارسال و , برچسب شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.