دانلود پایان نامه

برای تصمیم گیری در مورد پذیرش یا ردفرضیه صفر،آماره Fبه دست آمده با Fجدول که با درجات آزادی K-1و N-Kدر سطح خطای (α) 5% محاسبه شده، مقایسه میشود، اگر Fمحاسبه شده بیشتر از Fجدول باشد () مقدار عددی تابع آزمون در ناحیه بحرانی قرار گرفته و فرضصفر ()ردمی شود. در این حالت با ضریب اطمینان 95% کل مدل معنادار خواهد بود. در صورتی که مقدار Fمحاسبه شده کمتر از Fجدول باشد فرض پذیرفته شده و معناداری مدل در سطح اطمینان 95% مورد تأیید قرار نمی گیرد.
3-11-3. آزمون معنادار بودن متغیرهای تحقیق
برای بررسی معنادار بودن ضرایب متغیرهای مستقل در هر مدل از آماره tاستفاده شده است. فرضیه صفر در آزمون تی به صورت زیر خواهد بود:
که بوسیله آماره زیر صحت آن مورد بررسی قرار می گیرد:
برای تصمیم گیری درمورد پذیرش یارد فرضیه صفر،آماره Tبه دست آمده با tجدول که با درجه آزادی N-Kدر سطح اطمینان 95% محاسبه شده مقایسه می شود، چنانچه قدرمطلقT محاسبه شده از tجدول بزرگتر باشد مقدار عددی تابع آزمون در ناحیه بحرانی قرار گرفته و فرضصفر() ردمی شود. در این حالت با ضریب اطمینان 95% ضریب مورد نظر () معنادار خواهد بود که دلالت بر وجود ارتباط بین متغیر مستقل و وابسته دارد.
3-11-4. آزمون های مربوط به مفروضات مدل رگرسیون خطی
مدل کلاسیک رگرسیون خطی دارای مجموعه ای از فروض تحت عنوان فروض کلاسیک می باشد که بیشتر آن ها در مورد جمله اخلال مدل مطرح می گردند؛ برای اینکه در مدل رگرسیون خطی، تخمینزن های حداقل مربعات معمولی ضرایب رگرسیون، بهترین تخمین زن های بدون تورش خطی باشند لازم است تا مفروضات این مدل بررسی و آزمون شوند. در ادامه نحوه آزمون این فرضیات بیان می گردد.
3-11-4-1. فرض نرمال بودن باقیمانده ها
یکی از فروض مهم راجع به جمله خطا این است که εتوزیع نرمال دارد. در این تحقیق برای بررسی نرمال بودن توزیع خطاها ازآزمون تک نمونه ای کولموگروف- اسمیرنف استفادهمی شود.
فرضیه صفر و آماره این آزمون بصورت زیر بوده و به توزیع χ2با درجه آزادی دو گرایش دارد:
در این رابطه توزیع تجمعی نظری تابع مورد آزمون است که باید پیوسته و کاملا معین باشد. اگر مقدار احتمال مربوط به این آزمون بزرگتر از 05/0 باشد، با اطمینان 95% می توان نرمال بودن توزیع باقیمانده ها را مورد تایید قرار داد (سوری، 1392).
بسیاری از آزمون های آماری بر مبنای نرمال بودن توزیع داده ها بنا نهاده شده اند و با این پیش فرض به کار می روند که توزیع داده ها در یک جامعه یا در سطح نمونه های انتخاب شده از جامعه مذکور از توزیع نرمال پیروی می نماید. بنابراین تحلیلگر لازم است تا قبل از پرداختن به تحلیل های آماری متغیرها، نوع توزیع آن متغیرها را بداند. برای برآوردمدل تحلیلگر لازم است تاقبل از پرداختن به تحلیل های آماری متغیرها، نوع توزیع آن متغیرها را بداند. برای برآورد مدل های یتحقیق، ازاطلاعات مربوط به متغیرهای مستقل و وابسته استفاده می شود وسپس رگرسیون نهایی مدل برآورد می گردد. برای این کار لازم است مدل، برآوردشده، سپس به ازاء مقادیر مختلف متغیر مستقل، مقادیر متغیر وابسته برآورد گردد. تفاضل مقادیر برآوردی از مقادیرواقعی، باقیمانده های مدل است. اما قبل از برآورد مدل هم می توان با آزمودن توزیع متغیر وابسته، ازتوزیع باقیمانده ها اطمینان پیدا کرد.آزمون کولموگورف- اسمیرنف که به افتخار دو آماردان روسی به نام های ا.ن.کولموگروف و ن.و.اسمیرنوف به این نام خوانده می شود، روش ناپارامتری ساده ای برای تعیین همگونی اطلاعات تجربی با توزیع های آماری منتخب است و آن را با نام اختصاری K-Sنمایش می دهند. درآزمون کولموگورف، اسمیرنف فرض صفری را که آزمون خواهیم کردآناست که توزیع مشاهدات، توزیع مشخصی با(با پارامتر معینی)است که با حدس و یا قرائن مختلف به آن پی برده ایم؛ به عبارت بهتر توزیع مشاهدات با آن توزیع مشخص همخوانی دارد.
3-11-4-2. فرض عدم وجود هم خطی بین متغیرهای مستقل
هم خطی به معنای وجود رابطه بین متغیرهای مستقل موجود در مدل می باشد به نحوی که:
مخالف صفر باشد.
برای تشخیص وجود همخطی روش های مختلفی وجود دارد، از جمله اینکه اگر در مدل همخطی وجود داشته باشد ضریب تعیین مدل بالا برآورد شده و در عین حال تعداد متغیرهای معنادار موجود در مدل کم می شود. البته این نکته حائز اهمیت است که همخطی هیچیک از فروض کلاسیک را نقض نمی نماید و برآورد کننده های بدست آمده با وجود مشکل همخطی سازگار خواهند بود اما در این حالت ضرائب دارای خطای معیار بالایی خواهد بود و در نتیجه این مساله باعث می شود که تعداد متغیرهای معنادار در معادله کاهش بیابد.در این مطالعه برای بررسی عدم وجود همخطی (عد موجود ارتباط معنادار بین مـتـغـیـرهای مـستقل) از آماره همبستگی پیرسون استفاده می شود. در صورتی که میزان همبستگی میان متغیرهای مستقل قوی (بیشتر از 70/0) نباشد می توان نتیجه گرفت که مشکل همخطی بین متغیرهای توضیحی وجود نداشته و می توانند هم زمان وارد مدل تحقیق شوند.
3-11-4-3. فرض مستقل بودن باقیمانده ها
این فرصیه مدل کلاسیک رگرسیون خطی بیان می دارد که بین جملات اخلال رگرسیون همبستگی وجود ندارد. اگر این فرض نقض گردد کواریانس بین دو جمله اخلال iو jبرابر صفر نخواهد بود. برای بررسی استقلال باقیمانده ها از آماره دوربین- واتسون استفاده شده است. با توجه به استفاده از روش داده های پانل آماره این آزمون بصورت زیر تعریف می شود:
اگر مقدار آماره دوربین واتسون نزدیک به عدد 2 باشد، می توان استقلال باقیمانده ها را بپذیریم. برای رفع مسئله خود همبستگی می توان از روش هایی از جمله، رفع خود همبستگی مرتبه اول AR(1)یا روش تصحیح خود استفاده کرد.
3-11-4-4. فرض همسانی واریانس باقیمانده ها
یکی از فروض رگرسیون خطی به روش حداقل مربعات معمولی(OLS) این است که تمامی جملات پسماند دارای واریانسبرابر باشند. در عمل ممکن است این فرض چندان صادق نبوده و به دلایل مختلفی از قبیل شکل نادرست تابع مدل، وجود نقاط پرت، شکست ساختاری در جامعه آماری، یادگیری در طی زمان و سایر شاهد پدیده واریانس ناهمسانی باشیم. در این مطالعه فرض همسانی واریانس باقیمانده ها از طریق آزمون بروش-پاگان مورد بررسی قرار خواهد گرفت. روش بروش-پاگان شامل چهار مرحله زیراست:
مدل رگرسیونی با فرض واریانس همسانی تخمین زده شده و جملات پسماند بدست آورده می شود:
مجذور جملات پسماند روی متغیرهای توضیح دهندهX رگرسیونزده و ضریب تعیین این رگرسیون بدست می آید: