دانلود پایان نامه

روش پژوهش حاضر، تحلیل رگرسیون است و از داده های ترکیبی به دست آمده از صورت های مالی شرکت های عضو نمونه، برای بررسی فرضیه ها استفاده شده است. به همین دلیل، از آزمون F لیمر برای تعیین نوع مدل رگرسیون و از آزمون هاسمن برای تشخیص نوع مدل داده های تابلویی استفاده شده است.
آزمون Fلیمربرای بررسی معنی داری اثرات ثابت
در نخستین گام به سمت استفاده کامل از داده ها باید آزمون شود که آیا پارامترهایی که رخداد تصادفی y را می سازند، برای تمام i ها و t ها ثابت می ماند یا خیر. معنی داری هم زمان مقادیر باقی مانده را می توان به صورت زیر آزمون کرد:
H0: µ1=µ2= … =µN-1=0
یعنی تمام اثرات ثابت برابر صفر است. این آزمون به وسیله آماره Fانجام می شود. به این ترتیب که ابتدا مجموع مجذورات پسماند حالت نامقید (URSS) محاسبه می شود که مربوط به مدل تلفیق شده بدون اثرات ثابت است. سپس مجموع مجذورات پسماند حالت مقید (RRSS) محاسبه می شود که نتیجه برآورد مدل با اثرات ثابت است. در نهایت با استفاده از فرمول زیر، F0محاسبه شده و با نگاره آماره F مقایسه می شود:
اگر F0بزرگتر از مقدار بحرانی با درجه آزادی N-1 و N(T-1)-Kباشد، فرض H0رد می شود و مدل داده های تابلویی پذیرفته می شود. در غیر این صورت، مدل تلفیقی پذیرفته می شود (اشرف زاده و مهرگان، 1389، ص 103).
آزمون هاسمن برای انتخاب اثرات ثابت یا اثرات تصادفی
براساس یکی از فرض های مهم رگرسیون، جملات خطا که در برگیرنده اثرات فردی است، از متغیرهای توضیحی، مستقل است؛ به عبارت دیگر: E(Uit|Xit)=0. در مدل اثر تصادفی، µi ها از xitها مستقل هستند و چون µi ها در جملات خطا قرار دارند، بنابراین در مدل اثرات تصادفی فرض می شود که: E(Uit|Xit)=0؛ اما در مدل اثرات ثابت، این فرض برقرار نیست؛ زیرا µi ها با Xit ها همبستگی دارند. پس نمی توان از پیش به طور قاطع در مورد انتخاب مدل اثرات ثابت یا اثرات تصافی قضاوت کرد. برای تشخیص و شناسایی مدل درست، هاسمن، آزمونی به صورت زیر پیشنهاد می کند:
فرض صفر آزمون عبارست است از:
H0:E(Uit|Xit)=0
یعنی بنا به فرض صفر، Uit و بنابراین µi ها از Xit ها مستقل است که این فرض معادل مدل اثر تصادفی است؛ اما اگر مدل اثر تصادفی نباشد، در این صورت:
H1:E(Uit|Xit)≠0
آماره هاسمن، توزیع 2χ (کای – دو) با درجه آزادی K دارد که K همان تعداد متغیرهای توضیحی یا تعداد β هاست. اگر مقدار 2χ به دست آمده از مقدار 2χ با درجه آزادی K بیشتر باشد، فرض H0 یعنی مدل اثرات تصادفی رد می شود و مدل اثرات ثابت پذیرفته می شود. در غیر این صورت، استفاده از اثرات تصادفی، مناسب است (اشرف زاده و مهرگان، 1389، ص 135و 136)
روش های آماری ﺁزمون فرضیه های تحقیق
برای ﺁزمون فرضیه اول تحقیق، به کمک مدل (3-1) تحقیق و با استفاده از رگرسیون سالانه (ماهانه) انجام شده است. نتیجه گیری در این زمینه نیز با توجه به آماره t ضریب متغیر شاخص کیفیت اقلام تعهدی صورت می پذیرد به این نحو که اگر آماره t ضریب متغیر شاخص کیفیت اقلام تعهدی در مدل رگرسیون (3-1) در سطح خطای 5% معنی دار باشد، فرضیه اول تأیید می شود.
برای ﺁزمون فرضیه دوم، مدل رگرسیون (3-1) به صورت ماه به ماه برآورد شده است که با بررسی و مقایسه سطح معنی داری ضرایب متغیر کیفیت اقلام تعهدی در طول دوره مورد بررسی و همچنین آماره t آن ها، در مورد حساسیت بازده سهام به کیفیت اقلام تعهدی در طول زمان نتیجه گیری شده است. به طوری که اگر آماره t ضریب متغیر شاخص کیفیت اقلام تعهدی در مدل رگرسیون (3-1) در تمامی ماه های دوره مورد بررسی در سطح خطای 5% معنی دار باشد، فرضیه دوم تأیید می شود.
چندین روش برای آزمون این که آیا یک عامل خطرپذیری پیشنهادی، قیمت‏گذاری شده است یا خیر، وجود دارد. شایع‏ترین روش معمول در پژوهش‏ها، روش رگرسیون مقطعی دو مرحله‏ای است که در مرحله اول بتاهای عوامل و در مرحله دوم صرف خطرپذیری عوامل را محاسبه می‏کند. این روش، آزمون خوبی برای بررسی این فرضیه که عامل خطرپذیری پیشنهادی، تغییرات در بازده‏های مورد انتظار را تبیین می‏کند و همین طور صرف خطرپذیری معنی‏دار یک عامل دلیلی بر این است که عامل خطرپذیری مذکور قیمت‏گذاری شده است، فراهم می کند. این روش برای آزمون CAPM (فاما و مکبث، 1973)، CAPM مشروط (جاگاناتان و وانگ، 1996)، Intertemporal CAPM (برنان و همکاران، 2004؛ پتکوا، 2006)، مدل دو بتایی (کمبل و وولتیناهو، 2004) و آزمون این که آیا خطرپذیری نکول یا خطرپذیری اعمال کنترل عوامل پاداشی و قیمت‏گذاری شده هستند، مورد استفاده قرار گرفته است. علاوه بر این، بارت و همکاران (2006) از این روش برای آزمون این فرضیه که شفافیت بیش تر صورت‏های مالی (به عنوان پروکسی ارزش مرتبط با سود) با هزینه سرمایه کم تر همبسته است، استفاده کردند (کور و همکاران. 2008، ص 3).
در این پژوهش نیز از روش رگرسیون مقطعی دو مرحله‏ای برای آزمون این که آیا شاخص کیفیت اقلام تعهدی یک عامل خطرپذیری قیمت‏گذاری شده است، استفاده شده است. به این نحو که در مرحله اول، بتا چند متغیره را با استفاده از رگرسیون چند متغیره سری زمانی بازده اضافی پرتفوی شرکت‏ها () نسبت به عوامل فاما و فرنچ و کیفیت اقلام تعهدی برآورد می‏شود و در مرحله دوم، رگرسیون مقطعی بازده اضافی نسبت به بتاهای محاسبه شده در مرحله قبل برازش می‏شود. چنانچه شاخص کیفیت اقلام تعهدی قیمت‏گذاری شده باشد (یعنی شاخص کیفیت اقلام تعهدی صرف خطرپذیری مثبت به همراه داشته باشد)، بنابراین ضریب (4λ) بتای عامل کیفیت اقلام تعهدی مثبت خواهد بود. لذا اگر بین بازده آتی سهام و شاخص کیفیت اقلام تعهدی رابطه معنی داری وجود داشته باشد (تأیید فرضیه اول) و این رابطه معنی دار در طول زمان یکسان باشد (تأیید فرضیه دوم) و همچنین ضریب شاخص کیفیت اقلام تعهدی (4λ) در مدل (3-3) نیز در سطح خطای 5% معنی دار باشد، همانند ماشرووالا و ماشرووالا (2011) و کور و همکاران (2008) می توان استنباط نمود که شاخص کیفیت اقلام تعهدی معرف خطرپذیری است. زیرا اگر چنین رابطه ی معنی داری در ماه های مختلف وجود نداشته باشد، نمی توان شاخص کیفیت اقلام تعهدی یک عامل خطرپذیری قیمت گذاری شده دانست چون همان طور که ماشرووالا و ماشرووالا (2011) بیان می کنند هیچ دلیل نظری برای خطرپذیری نظام مند وجود ندارد که تنها در یک ماه خاص نمود پیدا کند.
خلاصه فصل سوم
جامعه آماری تحقیق، کلیه شرکت های پذیرفته شده در بورس اوراق بهادار تهران از ابتدای سال 1379 تا پایان سال 1390 است، که با اعمال محدودیت هایی نمونه نهایی مورد بررسی شامل 732 سال-شرکت (7287 ماه-شرکت) به روش قضاوتی انتخاب شده است. همچنین این تحقیق یک تحقیق مقطعی و از نوع تحقیقات کاربردی و به روش همبستگی و به صورت تحلیل رگرسیون است که متغیر وابسته بازده آتی سهام و متغیر توضیحی اصلی شاخص کیفیت اقلام تعهدی است. در فصل بعد به تجزیه و تحلیل داده ها و استخراج یافته های تحقیق پرداخته شده است.
فصل چهارم
تجزیه و تحلیل یافته های تحقیق
مقدمه
تحلیل های آماری و آزمون فرضیه هایی که محقق بر اساس ادبیات نظری و پیشینه تاریخی موضوع تدوین نموده، مهم ترین مرحله یک تحقیق علمی است. این موضوع به اندازه ای از اهمیت برخوردار است که از آن به عنوان گلوگاه یک تحقیق یاد می کنند. در حوزه علوم انسانی نظریه ای دارای اعتبار است که در تبیین رابطه میان پدیده ها (متغیرها) از حمایت تجربی کافی برخوردار باشد. قدرت پیش بینی یک نظریه در خصوص رابطه میان پدیده ها، تعیین کننده ی اعتبار آن نظریه است. هرچه پیش فرض های نظریه ای محدود بوده و یا با ماهیت واقعی پدیده ها (متغیرها) انطباق بیش تری داشته باشد، به همان اندازه کاربردی تر، عینی تر و از مشمولیت بالایی برخوردار خواهد بود.