سایت مقالات فارسی – رابطه بین کیفیت حسابرسی با ضریب واکنش سود در شرکت های پذیرفته شده- …

SST: کل تغییرات در مقدار متغیر وابسته.
برای برطرف نمودن اریبی که در ضریب تعیین ناشی از حجم نمونه است، می‌توان از مقیاس دیگری به نام ضریب تعیین تصحیح شده استفاده نمود. این ضریب همان ضریب تعیین است که در آن مقادیر SSE و SST با درجات آزادیشان تصحیح شده‌اند. این ضریب در رگرسیون چند متغیره به صورت زیر محاسبه می‌شود (آذر و مومنی،۱۳۷۷).
(۳-۱۸)
در این تحقیق، با توجه به نوع دادهها و روشهای تجزیه و تحلیل آماری موجود، از روش دادههای ترکیبی و مقطعی برای برآورد پارامترهای الگو و بررسی آزمون فرضیه ها استفاده شده است. روش دادههای ترکیبی که به روش دادههای مقطعی – سری زمانی[۱۰۷] نیز معروف است، به شکلهای مختلف انجام شده و مدلهای متنوعی دارد که با توجه به شرایط تحقیق از یکی از آنها استفاده میشود.
استفاده از روش دادههای مقطعی ممکن است با مشکلات عدم کارایی و ناسازگاری تخمین مدلها همراه باشد. مشکلات مزبور در تخمین مدلها به روش دادههای ترکیبی و با استفاده از روش هایی مانند مدل اثر ثابت،[۱۰۸] مدل اثر تصادفی،[۱۰۹] مدل رگرسیون به ظاهر نامرتبط[۱۱۰] و مدل دادههای یکپارچه شده[۱۱۱]، وجود نخواهد داشت. در بررسی دادههای مقطعی و سری زمانی، اگر ضریب اثرات مقطعی و اثر زمانی معنیدار نشود، میتوان تمامی دادهها را با یکدیگر ترکیب کرده و بوسیله رگرسیون حداقل مربعات معمولی[۱۱۲] تخمین زد. به این روش، دادههای تلفیق شده نیز میگویند.
۳-۹-۸) آزمونهای خودهمبستگی و ناهمسانیی واریانس
در مورد خودهمبستگی در مدل های اقتصادسنجی باید گفت که فرض ناهمبسته بودن جملات اخلال یکی از فروض رگرسیون است و در صورتی که نقض شود، مدل رگرسیون دچار همبستگی[۱۱۳] بین جملات اخلال میشود. از سوی دیگر فرض برابری واریانس های جملات اخلال، یکی دیگر از فروض کلاسیک رگرسیون است و در صورتی که این فرض نقض شود مشکل ناهمسانی واریانس[۱۱۴] در مدل رگرسیونی بوجود می آید.
بنابراین به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین واتسون استفاده میشود. به طور کلی آزمون دوربین واتسون همبستگی سریالی بین خطاهای رگرسیون را آزمون مینماید. در صورتی که فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشد امکان استفاده از رگرسیون وجود ندارد (مومنی،۱۳۸۶). برای محاسبه آماره در آزمون دوربین – واتسون به منظور استقلال خطاها از یکدیگر از فرمول زیر استفاده میشود :
(۳-۱۹) DW=
e1 : میزان اختلال یا خطا در دوره زمانی t
et-1: میزان اختلال یا خطا در دوره زمانی قبل t
اگر همبستگی بین خطاها را با P نشان دهیم در این صورت آماره DW به کمک رابطه زیر محاسبه میشود :
(۳-۲۰) ۲ (۱- p ) DW=
مقدار آماره این آزمون در دامنه ۰ و۴+ قرار دارد زیرا :
۰=P باشد آنگاه ۲=DW خواهد بود که نشان میدهد خطاها از یکدیگر مستقل هستند (عدم خود همبستگی).
اگر۱= P باشد آنگاه ۰=DW خواهد بود که نشان میدهد خطاها دارای خود همبستگی مثبت هستند.
اگر۱- = P باشد آنگاه ۴ =DW خواهد بود که نشان میدهد خطاها دارای خود همبستگی منفی هستند.
Ho= همبستگی بین خطاها وجود ندارد
همبستگی بین خطاها وجود دارد H1=
نحوه داوری به این شکل است که اگر این آماره در این بازه ۱٫۵ تا ۲٫۵ قرار بگیرد،Hآزمون (عدم همبستگی بین خطاها) پذیرفته میشود و در غیراین صورت H رد میشود (همبستگی بین خطاها وجود دارد) و مواقعی که فرض همبستگی بین خطاها رد می شود میتوان از رگرسیون استفاده کرد.
در صورت مشاهده خودهمبستگی، بایستی نسبت به رفع آن اقدام نمود. راهکارهای متعددی نظیر روش اولین تفاضل، روش کوکران – اورکات و روش GLS وجود دارد ولی معمولا” در نرم افزار Eviews برای رفع خودهمبستگی به مدل های مورد نظر یک فرآیند اتو رگرسیو [۱۱۵]AR اضافه مینمایند. در این روش بعد از شناسایی وقفه مناسب، نسبت به اصلاح مدل مورد نظر اقدام میگردد. به عنوان مثال اگر عبارتAR را به مدل اضافه نماییم، همانند این است که وقفه متغیر وابسته از درجه یک را به مدل اضافه کرده ایم و یا اگر[۱۱۶]ARMAرا اضافه کنیم همانند این است که هم وقفه متغیر وابسته از درجه یک و هم وقفه باقیماندهها از درجه یک را به مدل اضافه کرده ایم. در این تحقیق در صورت مشاهده خود همبستگی از روش یاد شده استفاده خواهد شد.
برای دادههای بدون ساختار (مقطعی) برای اطمینان از عدم وجود خود همبستگی دوم از آزمون بریوش گادفری استفاده خواهد شد. فرضیه صفر این آزمون بیانگر عدم خودهمبستگی مرتبه دوم و فرضیه مخالف آن، نشان دهنده وجود خود همبستگی مرتبه دوم میباشد. بنابراین چنانچه احتمال این آزمون بیشتر از ۵ ۰/۰ باشد فرض صفر پذیرفته و اگر احتمال آزمون کمتر از ۵ ۰/۰ باشد فرض صفر رد خواهدشد.
برای شناسایی مشکل ناهمسانی واریانس روش های متفاوتی نظیر روش ترسیمی، آزمون وایت، آزمون بارتلت، آزمون پارک وجود دارد. در صورتی که با آزمون های موجود تشخیص دادیم که مدل دچار ناهمسانی واریانس است بایستی به رفع آن اقدام کرد. راهکار مناسب استفاده از روش GLS است.
۳-۹-۹) آزمون مانایایی
سری های زمانی یکی از مهمترین دادههایی هستند که در مطالعات تجربی اقتصادسنجی مورد استفاده قرار میگیرند. معمولاً در مطالعات تجربی فرض براین است که محققات از سریهای زمانی ساکن[۱۱۷] استفاده میکنند چون استفاده از سری زمانی غیر ساکن نه تنها میتواند فروض کلاسیک یک

این را هم حتما بخوانید :   پژوهش - رابطه بین کیفیت حسابرسی با ضریب واکنش سود در شرکت های پذیرفته شده- قسمت ۷۹

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

معادله رگرسیون را نقص کند، بلکه تخمینهای تجربی بدست آمده نیز کاذب و یا ساختگی[۱۱۸] خواهد بود و لذا پارامترهای تخمین زده شده در مدل ها، نه تنها از نظر سیاستگذاری قابل ارزش نیستند، بلکه پیش بینیهای به عمل آمده از آنها برای آینده بی اختیار خواهد بود (بیدرام ،۱۳۸۱ ).
یک سری زمانی ساکن و یا (۰)I، زمانی دارای فرایند تصادفی ساکن است که واریانس، میانگین و کوواریانس آن در وقفههای مختلف در طول زمان ثابت باقی بماند. حال اگر متغیری غیر ساکن باشد ، آنگاه آن متغیر میتواند یک و یا چند ریشه واحد[۱۱۹]داشته باشد. اگر متغیر مزبور بعد از یک بار تفاضلگیری ساکن شود آن متغیر دارای یک ریشه واحد و یا (۱)I است و یا اگر بعد از ۲ بار تفاضلگیری ساکن گردد در آن صورت دارای دو ریشه واحد (۲)I خواهند بود. بنابراین قبل از برآورد مدل به منظور اطمینان از نتایج تحقیق و ساختگی نبودن روابط موجود در رگرسیون و معنی دار بودن متغیرها، آزمون مانایی و محاسبه ریشه واحد متغیرهای تحقیق در مدل ها انجام میشود. آزمون مزبور با استفاده از روش لوین، لین و چو[۱۲۰] (۲۰۰۲) انجام می گردد. در آزمون ریشه واحد فرضیه صفر بیانگر وجود ریشه واحد بوده و در صورتیکه احتمال آماره کوچکتر از ۰۵/۰ باشد به احتمال ۹۵ درصد فرضیه صفر پذیرفته نمی شود.
۳-۹-۱۰) آزمون چاو
آزمون چاو[۱۲۱] برای تعیین بهکارگیری مدل اثرات ثابت در مقابل تلفیق کل دادهها (مدل یکپارچه شده) انجام میشود. فرضیات این آزمون به صورت زیر است :
HPooled Model
H1: Fixed Effect Model
فرضیه اول براساس مقادیر مقید و فرضیه مقابل آن براساس مقادیر غیر مقید است. آمارهی آزمون چاو بر اساس مجموع مربعات خطای مدل مقید و مدل غیر مقید به صورت زیر است:
(۳-۲۱)
این آماره دارای توزیعF با درجه آزادی N-1 و NT-N-K است. اگر ارزش آماره F مقید از ارزش آماره F جدول کمتر باشد، در سطح معنی داری تعیین شده، فرضیه H رد میشود و اثر معنیداری برای مقاطع وجود خواهد داشت. بنابراین، مدل اثر ثابت انتخاب میشود، در این غیر این صورت از مدل دادههای تلفیق شده استفاده میشود (اشرفزاده و مهرگان، ۱۳۸۷).
۳-۹-۱۱) آزمون هاسمن
آزمون هاسمن[۱۲۲] برای تعیین استفاده از مدل اثر ثابت در مقابل اثر تصادفی انجام میشود. آزمون هاسمن بر پایهی وجود یا عدم وجود ارتباط بین خطای رگرسیون تخمین زده شده و متغیرهای مستقل مدل شکل گرفته است. اگر چنین ارتباطی وجود داشته باشد، مدل اثر ثابت و اگر این ارتباط وجود نداشته باشد، مدل اثر تصادفی کاربرد خواهد داشت. فرضیه H نشان دهنده عدم ارتباط متغیرهای مستقل و خطای تخمین و فرضیه H1 نشان دهندهی وجود ارتباط است. (زراءنژاد و انواری، ۱۳۸۴)
HRandom Effect
H1Fixed Effect
انجام آزمون هاسمن تخمین مقدار واریانس را با V(q)نشان داده میشود و آماره M به صورت زیر ارائه می شود. (مادالا[۱۲۳] ،۱۹۹۸)