تحقیق با موضوع رگرسیون، متغیر وابسته، ضریب همبستگی، مدل رگرسیون

اعتماد است.
۴-۵-۲- بررسی ضریب همبستگی بین متغیرها
برای آزمون فرضیه ها از ضریب همبستگی پیرسون و ضریب تعیین تعدیل شده به منظور توصیف و بررسی رابطه بین متغیر های تحقیق نسبت به یکدیگر استفاده می گردد و به منظور بررسی میزان قابلیت توضیح ‏دهندگی متغیر‌ها، برای کل مدل رگرسیون ارائه می شود. برای تعیین استفاده از معادله خط رگرسیون و نیز امکان تعمیم نتایج نمونه به جامعه، باید معنی دار بودن ضریب همبستگی مورد آزمون قرار گیرد که برای این منظور از آزمون t استفاده می گردد. اگر t محاسبه شده از جدول، در سطح اطمینان ۹۵ تا ۹۹ درصد بیشتر باشد به این معنی است که ضریب همبستگی بدست آمده آنقدر قابل توجه است که احتمال ناشی شدن آن، تغییرات تصادفی اندک است و می توان نتیجه آن را به جامعه تعمیم داد. آماره این آزمون به شرح زیر می باشد:
t = r
که در آن:
t : آماره آزمون
r : ضریب همبستگی
: n تعداد نمونه
: r2 ضریب تعیین
شکل (۴-۳): ناحیه رد و قبول فرض صفر در سطح اطمینان ۹۵%
در اکثر روش های تحلیلی که با استفاده از ضرایب همبستگی بین دو متغیر صورت می گیرد می‏توانیم پی ببریم که اولا آیا بین دو متغیر رابطه وجود دارد یا خیر؟ در صورت وجود رابطه شدت آن چقدر است؟ اما در صورتی که بخواهیم اطلاعات بیشتری از رابطه و شدت بین دو متغیر داشته باشیم و نیز بدانیم به ازای تغییرات در متغیرهای مستقل چه مقدار به متغیر وابسته افزوده یا کاسته می شود (تغییرات Y را به ازای تغییرات X پیش بینی کنیم) از تحلیل رگرسیون استفاده می کنیم. تحلیل رگرسیون رابطه تنگاتنگی با ضریب همبستگی بین متغیرها، نمودار پراکندگی و خط رگرسیون دارد. در واقع، اگر بین متغیرها همبستگی خوبی وجود داشته باشد می توان از رگرسیون برای آزمون فرضیات استفاده کرد. در رگرسیون ضریب همبستگی هر متغیر با متغیر وابسته را r می نامند و R ضریب همبستگی کل متغیرها با متغیر وابسته می‏باشد. همان‏گونه که r2 واریانس تبیین شده به وسیله هر متغیر است، R2 نیز نشان‏گر واریانس تبیین شده به وسیله مجموعه متغیرهاست که به آن ضریب تعیین می گویند. یکی دیگر از آماره های موجود در تحلیل رگرسیون که در تحلیل نتایج فرضیات اهمیت دارد آماره F است که به طور کلی اگر سطح معنی‏داری آماره F کوچک باشد و در سطح کمتر از (۰۵/۰) باشد آنگاه متغیرهای مستقل به خوبی تغییرات متغیر وابسته را تبیین می‏کند و در صورتی که این مقدار بزرگ تر از (۰۵/۰) باشد آنگاه متغیر های مستقل تغییرات متغیر وابسته را تبیین نمی کند.
۴-۵-۳- بررسی اعتبار مدل
میزان اعتبار معادلات رگرسیونی برآورد شده به میزان برقراری پیش فرض های لازم برای برآورد مدل است. مهمترین این پیش فرض ها عبارتند از:
آزمون های تخمین مدل و انتخاب روش مناسب
نرمال بودن متغیرهای وابسته
همسانی واریانس
عدم خود همبستگی متغیرها
وجود ارتباط خطی و نداشتن نقاط پرت و تاثیر گذار
عدم وجود همخطی بین متغیرهای مستقل
در این تحقیق با آزمون های آماری مناسب زیر برقراری پیش فرض های فوق بررسی گردیده است:
آزمون چاو (F لیمر)، آزمون هاسمن
آزمون کلموگروف- اسمیرنف (نرمال بودن متغیر وابسته)
آزمون بارتلت، لوین، براون- فورسیت
آزمون دوربین – واتسون (مقادیر بین ۵/۱ تا ۵/۲ نشانگر عدم خود همبستگی است)
از نمودارهای پراکنش برای بررسی نقاط پرت و تشخیص الگوی مناسب استفاده گردیده است
تلرانس، عامل تورم واریانس (VIF)
۴-۵-۴- آزمون فرضیه اول
بین دامنه اتکا به فعالیت های مدیریت سود و نسبت پرداخت سود سهام رابطه معنی‏داری وجود دارد.
فرضیه های آماری مربوط به فرضیه اول به صورت زیر تبیین می گردند:
H0: بین دامنه اتکا به فعالیت‏های مدیریت سود و نسبت پرداخت سود سهام رابطه معنی‏داری وجود ندارد
H1: بین دامنه اتکا به فعالیت های مدیریت سود و نسبت پرداخت سود سهام رابطه معنی‏داری وجود دارد
برای آزمون فرض بالا در اصل به دنبال تبیین رابطه میان متغیر مستقل مدیریت سود و متغیر وابسته سود تقسیمی هستیم.
۴-۵-۴-۱- مدل رگرسیون برای آزمون فرضیه اول
DPOt = β۰ + β۱ (DAt) + β۲ (ROEt) + β۳ (SIZE) + β۴ (LEV) + µt
DPO: پرداخت سود سهام
DA: اقلام تعهدی اختیاری
ROE: درصد بازده حقوق صاحبان سهام
SIZE: اندازه شرکت
LEV: اهرم شرکت
µ: خطای برآورد
۴-۵-۴-۲- آزمون های انتخاب مدل مناسب
به منظور افزایش تعداد مشاهدات، بالا بردن درجه آزادی، کاهش ناهمسانی واریانس و کاهش همخطی میان متغیرها از روش داده های تلفیقی استفاده شده است. ابتدا لازم است امکان ادغام شدن داده ها مورد بررسی قرار گیرد و مشخص شود که مدل به روش داده های تلفیقی (pooled) یا داده‏های تابلویی (panel) برازش شود که بدین منظور از آزمون F لیمر استفاده می شود. فرضیه صفر این آزمون بیان می‏کند که تفاوتی میان ضرایب برآورد شده برای تک تک مقاطع و ضریب برآورد شده جمعی وجود ندارد، بدین معنا که لزومی به برآورد مدل با استفاده از داده های تابلویی نیست، به عبارت دیگر مدل pooled به مدل panel ارجح است. جدول (۴-۱۱) نتایج این آزمون را نشان می‏دهد.
جدول(۴-۱۱): آزمون F لیمر برای انتخاب داده های تابلویی در برابر داده های تلفیقی
مدل
DPOt = β۰ + β۱ (DAt) + β۲ (ROEt) + β۳ (SIZE) + β۴ (LEV) + µt
نوع آزمون
آماره آزمون
درجه آزادی
احتمال آماره آزمون
P-value
نتیجه آزمون
F لیمر
۹/۵
(۲۷۶ و ۶۹)
۰۰۰/۰
H0 رد می شود
نتایج آزمون نشان می دهد که احتمال آماره آزمون کمتر از سطح معنی داری ۰۵/۰ است. بنابراین نتیجه
این آزمون بیانگر این است که مقاطع مورد بررسی ناهمگن و دارای تفاوت های فردی می باشد، لذا فرضیه
صفر آزمون رد شده و استفاده از روش داده های تابلویی مناسب تر است.
پس از اینکه اطمینان حاصل شد که مدل باید به روش داده های تابلویی برآورد شود مهمترین موضوع
انتخاب بین دو روش اثرات ثابت و اثرات تصادفی است. برای مشخص شدن الگوی مناسب از آزمون هاسمن استفاده می شود. جدول (۴-۱۲) نتایج این آزمون را نشان می دهد.
جدول (۴-۱۲): آزمون هاسمن برای انتخاب الگوی اثرات ثابت در برابر الگوی اثرات تصادفی
مدل
DPOt = β۰ + β۱ (DAt) + β۲ (ROEt) + β۳ (SIZE) + β۴ (LEV) + µt
نوع آزمون
آماره خی دو
درجه آزادی
احتمال آماره آزمون
P-value
نتیجه آزمون
هاسمن
۴۷/۳
۴
۴۸/۰
H0 پذیرفته می شود
نتایج آزمون هاسمن نشان می دهد که احتمال آماره آزمون بیشتر از سطح معنی داری ۰۵/۰ است و حاکی از دلیل کافی برای رد فرضیه صفر نیست لذا برای برآورد مدل رگرسیونی فرضیه اول پژوهش از الگوی اثرات تصادفی استفاده می شود.
۴-۵-۴-۳- آزمون ناهمسانی واریانس
یکی از مهمترین فرضیه های مدل کلاسیک رگرسیون خطی این است که اجزای اخلال دارای واریانس همسان باشند. در صورتی که مدل دچار ناهمسانی واریانس باشد آماره های t و F نتایج غلطی را ارائه می‏دهند. از میان روش های متعدد برای کشف ناهمسانی واریانس، در این پژوهش از آزمون‏های بارتلت، لوین و براون- فورسیت استفاده شد که نتایج آنها به شرح جدول زیر می باشد:
جدول (۴-۱۳): نتایج آزمون‏های بارتلت، لوین و براون- فورسیت (بررسی ناهمسانی واریانس)
فرضیه صفر (H0)
نام آزمون
آماره آزمون
درجه آزادی
p-value
نتیجه آزمون
ناهمسانی ‏واریانس وجود ندارد
بارتلت
۳۳/۲۷
۲۰
۱۳/۰
H0 پذیرفته می شود
لوین
۶۹/۰
(۳۲۹ و۲۰)
۸۴/۰
H0 پذیرفته می شود
براون- فورسیت
۴۴/۰
(۳۲۹ و۲۰)
۹۸/۰
H0 پذیرفته می شود
با توجه به سطح معناداری و فرضیه H0 که بیانگر همسانی واریانس است، هرسه آزمون مذکور برای مدل رگرسیون خطی نتایج یکسانی به همراه داشت و ملاحظه گردید که مشکل ناهمسانی واریانس وجود ندارد.
۴-۵-۴-۴- تحلیل رگرسیونی فرضیه اول (Coefficients)
پس از بررسی ناهمسانی واریانس در مدل رگرسیون خطی، عدم وجود خودهمبستگی یکی دیگر از فروض مهم کلاسیک است که باید بررسی نمود که مدل رگرسیون دارای مشکل خود همبستگی نباشد. بدین منظور از آزمون دوربین- واتسون استفاده شد. نتایج اولیه این آزمون حاکی از این است که مقدار آماره برابر ۵/۱ می باشد که ما به منظور بهبود این رقم و اطمینان از عدم خود همبستگی بین متغیرهای پژوهش، از روش کمترین مجذورات تعمیم یافته (GLS) استفاده نموده و جزء AR یا اتورگرسیون که به خودرگرسیونی یا خودهمبستگی مربوط است را وارد مدل رگرسیونی فرضیه اول می کنیم که بدین ترتیب مقدار آماره دوربین- واتسون بهبود یافته و مشکل خودهمبستگی رفع شده است. جدول (۴-۱۴) مقدار ضرایب رگرسیون خطی فرضیه اول را با متغیر وابسته نشان می‏دهد.
جدول (۴-۱۴): ضرایب رگرسیونی فرضیه اول (Coefficients)
شاخص های آماری
متغیرها
ضرایب
آماره t
احتمال آماره t
(P-value)
C
۳/۵۲
۱۷/۷
۰۰۰/۰
DA
۴۶/۰
۳۷/۰
۷۰/۰
ROE
۳۷/۱
۸۱/۲
۰۰۵۴/۰
SIZE
۸۵/۳-
۲۲/۱۳-
۰۰۰/۰
LEV
۰۰۴۵/۰-
۰۱۷/۰-
۹۸/۰
AR(1)
۹۸/۰
۶۱/۶۹
۰۰۰/۰
ضریب تعیین R2
ضریب تعیین تعدیل شده R2
آماره دوربین- واتسون
احتمال آماره F
۵۱/۰
۵۰/۰
۷/۲
۰۰۰/۰
با توجه به جدول و ستون P-value مشاهده می شود که مقدار احتمال آماره F برابر ۰۰۰/۰ بوده که بیانگر معنی دار بودن کل رگرسیون می باشد و حاکی از آن است که مدل درسطح اطمینان ۹۹ درصد معنادار می باشد. علامت ضرایب مربوط به اندازه شرکت (SIZE) و اهرم مالی شرکت (LEV) منفی است یعنی با افزایش این متغیرها مقدار سود تقسیمی (DPO) کاهش می‏یابد، اما با توجه به مقدار معناداری در ستون آخر ملاحظه می شود که این مقدار کاهش برای متغیر (SIZE) معنادار و برای متغیر (LEV)غیر معنادار است. از سوی دیگر متغیر وابسته سود تقسیمی رابطه خطی مثبت و معناداری با متغیر اقلام تعهدی اختیاری (DA) و اهرم شرکت (LEV) ندارد. همانطور که مشاهده می کنیم مقدار آماره t برایDA برابر با ۳۷/۰ و برای LEV، برابر با ۰۱۷/۰- می باشد که همگی در سطح اطمینان ۹۵ درصد در ناحیه عدم رد فرض صفر قرار دارند که حاکی از عدم معناداری آنها است. مقدار آماره t برای عرض از مبدا برابر با ۱۷/۷ و برای ROE برابر با ۸۱/۲ و برای SIZE برابر ۲۲/۱۳- می باشد که در ناحیه رد فرض صفر قرار دارد که حاکی از معناداری این متغیرها است. جزء AR نیز که اتورگرسیون مربوط به عدم وجود خودهمبستگی است مثبت و معنادار می‏باشد که فرضیه های آماری مربوط به استقلال خطاها به صورت زیر تبیین می گردند:
H0: بین خطاها همبستگی وجود ندارد
H1: بین خطاها همبستگی وجود دارد

دیدگاهتان را بنویسید