پایان نامه رایگان با موضوع عدم تقارن اطلاعات، عدم تقارن، آزمون فرضیه

دانلود پایان نامه

نماید. اندیسi نشان دهنده هر یک از اعضاء جامعه مورد بررسی است.
معادله فوق در یک نمونه تصافی از جامعه مورد بررسی که رگرسیون آن با استفاده از معادله بیان شده است، بصورت ذیل بیان می گردد:

در این حالت معادل جزء اخلال در معادله مربوط به جامعه می باشد و اندیس i بر هریک از اعضا نمونه دلالت دارد. روش حداقل مربعات معمولی همانطور که از نامش پیداست، از طریق حداقل کردن مربع باقیمانده ها ضرائب و را محاسبه می نماید؛ زیرا هرچه قدر این باقیمانده ها کوچکتر باشند های تخمینی به Y ها نزدیکتر بوده و در نتیجه مدل نتایج بهتری را بدست می دهد. بنابراین می توان اینگونه نوشت که:

از طریق حل این معادله ضرائب و تخمینی برای نمونه و برای یگ رگرسیون دو متغیره به صورت ذیل برآورد می گردند:

برآورد ضرائب در حالت رگرسیون های چند متغیره نیز همانند مدل ساده رگرسیون دو متغیره انجام می‌پذیرد با این تفاوت که به دلیل گستردگی موضوع در این حالت از ماتریس ضرائب، ماتریس متغیرهای مستقل و ماتریس مشاهدات متغیر وابسته استفاده می گردد.

6-6-3 روش آزمون معنی داری رگرسیون
آزمون معنی داری با استفاده از آماره t می باشد که در اینجا به صورت کاملاً کاربردی و خارج از مباحث پیچیده آماری توضیحاتی در مورد هر یک آورده می شود.
آزمون ـ t: این روش بطور مستقل توسط آر-ای ـ فیشر و به طور مشترک به وسیله نیمن و پیرسون ایجاد و تکمیل شده است. به طور کلی آزمون معنی دار بودن، روشی است که با استفاده از نتایج نمونه ای درستی و یا نادرستی فرضیه عدم را در جامعه تعیین می نماید. تصمیم درباره پذیرش و یا رد نیز بر اساس مقدار عددی تابع آزمون حاصل از داده های موجودبه صورت ذیل انجام می شود:

که در آن t مقدار آماره آزمون بوده که دارای توزیع t با درجه آزادی N-2 است(N تعداد نمونه است). ضریب تاثیر متغیر x در جامعه بوده و که براساس فر ضیه عدم تعیین می گردد و مقدار ضریب تخمینی در مدل می باشد. انحراف معیار ضریب را در نمونه مورد بررسی بدست می‌دهد. پس از محاسبه آماره آزمون می توان با در اختیار داشتن درجه آزادی مدل به جدول توریع احتمال t مراجعه نمود و در مورد پذیرش و یا رد فرضیه عدم تصمیم گیری کرد:
به این ترتیب که اگر t محاسباتی بزرگتر از t جدول بود فرضیه رد می گردد.
به طور رایج در کلیه برآوردها این آزمون برای بررسی معنی داری ضرائب مدل مورد استفاده قرار می‌گیرد به این معنی که فرضیه عدم را در این حالت صفر بودن ضریب و در نتیجه عدم تاثیر متغیر X بر روی Y در جامعه مورد بررسی در نظر می گیرند و فرضیه آلترناتیو را به صورت مخالف صفر بودن. نتایج این آزمون بیانگر معنی داری ضریب بدست آمده در مدل می باشد.

7-6-3 ضریب تعیین
در این قسمت خوبی برازش خط رگرسیون برازش شده بر اساس مجموعه ای از داده‌ها مورد بررسی قرار می گیرد. به طور کلی اگر تمام مشاهدات مربوط به متغیر وابسته بر روی خط رگرسیون باشد، برازش کامل بدست خواهد آمد که این حالت کمتر اتفاق می افتد. عموما بعضی از ها مثبت و برخی دیگر منفی هستند و بنابراین مشاهدات مربوط به متغیر Y در اطراف خط رگرسیون برازش شده قرار می گیرند. نتیجه مطلوب مورد انتظار این است که این باقیمانده ها در اطراف خط رگرسیون تا حد ممکن کوچک باشند. در این راستا ضریب تعیین معیار خلاصه ای است که بیان می کند چگونه خط رگرسیون نمونه داده ها را به خوبی برازش می کند.
با توجه به توضیحات فوق بطور خلاصه تغییرات کل مقادیر مشاهده شدهY از میانگین آن را می توان به دو بخش تقسیم نمود که یک بخش از آن قابل استناد به خط رگرسیون () و بخش دیگر آن قابل استناد به نیروهای تصادفی میباشد(e) .
بنابراین TSS=ESS+RSS که درآن TSS کل تغییرات متغیر وابسته را حول میانگین آن نشان می دهد، ESS قسمتی از تغییرات را که توسط رگسیون برآورد شده است و RSS قسمت مربوط به تغییرات تصادفی Y را نشان می دهد. حال با تقسیم طرفین این رابطه بر TSS داریم:

و در نتیجه ضریب به صورت ذیل تعریف می گردد:

با توجه به رابطه فوق می توان گفت که درصد تغییرات کل در Y که به وسیله مدل رگرسیون توضیح داده شده است را اندازه گیری می نماید. با توجه به این رابطه می توان گفت که دارای ویژگیهای مثبت و کوچکتر از یک بودن می باشد. در حالت برازش کامل رگرسیون که معمولا اتفاق نمی افتد برابر با یک و درحالت عدم ارتباط بین متغیر وابسته و مستقل برابر صفر می باشد. بطورکلی هرچه مقدار این ضریب به یک نزدیکتر باشد نشان دهنده برازش بهتر مدل خواهد بود.
8-6-3 مفهوم واریانس و انحراف معیار 155
برای یک سری داده مثلا x1، x2 و….پارامتری به نام واریانس به صورت زیر تعریف می شود:

جذر واریانس انحراف معیار خوانده می شود. در واقع انحراف معیار نشان دهنده میزان انحراف داده ها از میانگین شان می باشد.چنانچه هدف بررسی میزان تغییرات داده ها باشد؛ از انحراف معیار استفاده می شود. برای محاسبه انحراف معیار داده ها عموما ابتدا واریان محاسبه و سپس از آن جذر گرفته می شود. برای یک متغیر تصادفی مانند X پارامتر واریانس به صورت زیر تعریف می شود:

در حالت پیوسته و گسسته این رابطه به صورت زیر محاسبه می شود.

جذر واریانس، انحراف معیار خوانده می شود و با نشان داده می شود.

9-6-3 آزمون فرض آماری
هدف آزمون فرض آماری، تعیین این موضوع است که با توجه به اطلاعات بدست آمده از داده های نمونه حدسی که درباره خصوصیتی از جامعه می زنیم به طو
ر قوی تایید می شود یا خیر.
چون ادعا ممکن است صحیح یا غلط باشد، بنابراین دو فرض مکمل در ذهن بوجود می آید.
فرض 0 H: ادعا غلط است.
فرض1 H: ادعا صحیح است.
فرآیند انتخاب یکی از دو تصمیم فوق را آزمون فرض آماری می نامند. شیوه مناسب برای آزمون فرض دارای مراحل منطقی است. مهمترین مرحله در آزمون فرض آماری تبدیل فرضیه تحقیق به فرضیه های آماری است.

10-6-3 فرض صفر 156و فرض مقابل157
قبل از پذیرش صحت حکمی، باید شواهد کافی در تائید آن بدست آوریم. در نتیجه شخص تحلیلگر باید حکم را غلط بداند مگر اینکه داده های بدست آمده خلاف آن را قویا تائید کند. بعبارت دیگر فرض صفر(H0) را صحیح دانسته و فقط وقتی آن را رد نماید که داده ها برخلاف آن حکم کنند.
قاعده پذیرفته شده در آمار این است که محقق فرض صفر را آزمون کند و براساس تائید یا رد آن تحلیل فرضیه پژوهشی بپردازد.
این تحقیق به بررسی ارتباط بین مدیریت سود با عدم تقارن اطلاعاتی و تبیین تاثیر تمرکز مالکیت بر ارتباط بین دو متغیر در شرکتهای پذیرفته شده در بورس می پردازد. بنابراین می توان فرضیات تحقیق را در قالب فرضهای آماری ذیل بیان نمود:
فرضیه اول:
H0 : بین تمرکز مالکیت و عدم تقارن اطلاعاتی رابطه معنی داری وجود ندارد.
H1: بین تمرکز مالکیت و عدم تقارن اطلاعاتی رابطه معنی داری وجود دارد.

این مطلب مشابه را هم بخوانید :   منابع تحقیق با موضوعارتباط با طبیعت، تحلیل اطلاعات، خانه سالمندان

فرضیه دوم:
H0 : بین مدیریت سود با عدم تقارن اطلاعاتی و تمرکز مالکیت رابطه معنی داری وجود ندارد.
H1: بین مدیریت سود با عدم تقارن اطلاعاتی و تمرکز مالکیت رابطه معنی داری وجود دارد.

11-6-3 سطح معنی دار و خطاهای آماری
وقتی که فرض های آماری تعریف شدند، قدم بعدی مشخص کردن درجه ای برای معنی دار بودن تفاوتها (α) است.
روش کار این است که فرض H0 را به نفع فرض H1 رد کنیم به شرط اینکه از یک آزمون آماری مقداری بدست آوریم که احتمال وقوع آن مقدار باتوجه به H0 برابر یا کمتر از یک احتمال بسیار کوچک باشد که با α نشان داده می شود. این احتمال وقوع کوچک را سطح معنی دار158 می گویند. مقادیر مرسوم برای α بین 01/0 تا 05/0 می باشد. سطح معنی داری که محقق برای تعیین α در تحقیق انتخاب می کند بر تخمین او از اهمیت و یا درجه قابلیت کاربرد یافته هایش مبتنی است. در تحقیقات مالی و حسابداری غالبا این مقدار برابر با 05/0 در نظز گرفته می شود (آذر و مومنی، 1387 ، ص98)1.
در اجرای آزمون فرضیات یکی از دو خطای زیر ممکن است رخ دهد.
1.خطای نوع اول- رد کردن H0 وقتی که H0 درست است.
2.خطای نوع دوم- رد نکردن H0 وقتی که H1درست است. (پارسائیان،1388،ص93)

7-3 الگوی آزمون فرضیات
1-7-3 شیوه آزمون فرضیه اول
جهت آزمون فرضیه اول از یک مدل رگرسیونی که در آن عدم تقارن اطلاعاتی تابعی از میزان تمرکز مالکیت تلقی شده است؛ استفاده می شود. مدل مذکور بشکل ذیل می باشد:
ASBit = α0 + α1 INSit + α2MTB+ α3Size+ α4Lev+ α5Beta+ α6 LGDEBTit + ε
H0: α1=0
H1: α1≠0
که در آن:
ABSit: سطح عدم تقارن اطلاعاتی
INSit: سطح تمرکز مالکیت (درصد سهام بزرگترین سهامدار در هر شرکت)
MTB: نسبت ارزش بازار به ارزش دفتری(متغیر فرصتهای رشد)
Size: لگاریتم طبیعی داراییهای شرکت (اندازه شرکت)
Lev: نسبت بدهیها به داراییها (اهرم مالی)
Beta: معیار ریسک سیستماتیک
LGDEBTit: لگاریتم طبیعی جمع بدهیهای شرکت

2-7-3 شیوه آزمون فرضیه دوم
در آزمون این فرضیه از مدلی استفاده شده است که در آن اقلام تعهدی اختیاری بعنوان شاخص مدیریت سود تابعی از عدم تقارن اطلاعاتی و میزان تمرکز مالکیت می باشد. مدل مذکور بشکل ذیل است:
DACit = α0 + α1 DINSit+ α2 ABSit + α3 ABSit*DINSit + α4MTB+ α5Size+ α6Lev+ α7Beta+ α8 LGDEBTit + ε

H0: α2=0
H1: α2≠0

که در آن:
ASBSit: سطح عدم تقارن اطلاعاتی
MTB: نسبت ارزش بازار به ارزش دفتری(متغیر فرصتهای رشد)
Size: لگاریتم طبیعی داراییهای شرکت (اندازه شرکت)
Lev: نسبت بدهیها به داراییها (اهرم مالی)
Beta: معیار ریسک سیستماتیک
LGDEBTit: لگاریتم طبیعی جمع بدهیهای شرکت

آزمونها توسط نرم افزار SPSSانجام شده و با توجه به خروجی های نرم افزار، معنی داری روابط بین متغیرهابررسی می شود.بررسی فرضهای‌آماری فوق ازطریق سطح معنی داری(P-value) متغیرهای مستقل و مقایسه آن با سطح خطای آزمون(α) در آزمونهای همبستگی انجام می شود

فصل چهارم
تجزیه و تحلیل داده‌ها

1-4 مقدمه‏
پژوهشگر پس از این که روش تحقیق خود را مشخص کرد و با استفاده از ابزارهای مناسب،داده های مورد نیاز را برای آزمون فرضیه های خود جمع آوری کرد، اکنون نوبت آن است که با بهره گیری از تکنیک های آماری مناسبی که با روش تحقیق و نوع متغیرها سازگاری دارد، داده های جمع آوری شده را دسته بندی و تجزیه و تحلیل نماید و در نهایت فرضیه هایی را که تا این مرحله او را در تحقیق هدایت کرده اند، در بوته آزمون قرار دهد و تکلیف آن ها را روشن کند و سرانجام بتواند راه حل و پاسخی برای پرسش تحقیق بیابد. پیوند دادن موضوع تحقیق به رشته ای از اطلاعات موجود، مستلزم اندیشه ای خلاق است، معمولاً موضوعی به ذهن محقق خطور می کند که یافتن منابع داده های موجود، برای بررسی آن مستلزم خلاقیت ذهنی محقق است، آرایش و تنظیم داده ها نیز مستلزم خلاقیت است. فرایند تجزیه و تحلیل داده ها، فرایندی چند مرحله ای است که طی آن داده هایی که از طریق بکارگیری ابزارهای جمع آوری در جامعه (نمونه)آماری فراهم آمده اند؛ خلاصه، کدبندی ، دسته بندی و در نهایت پرداز
ش می شوند تا زمینه برقراری انواع تحلیل ها و ارتباط ها بین این داده ها به منظور آزمون فرضیه ها فراهم آید (خاکی،1387،ص 303-305)1.
تجزیه و تحلیل اطلاعات به عنوان مرحله ای علمی، از پایه های اساسی هر پژوهش علمی به شمار می رود ،که به وسیله آن کلیه فعالیت های پژوهش تا رسیدن به نتیجه، کنترل و هدایت می شوند. در این فصل نیز به توصیف داده های پژوهشی و تجزیه و تحلیل هر یک از فرضیات خواهیم پرداخت.
سهامداران کنترل کننده با ماهیت های متفاوت، به دنبال اهداف سودآوری و استراتژی های متفاوتی هستند که منجر به عملکرد متفاوتی می شود.بر خلاف مالکیت متمرکز، در شرایط وجود مالکیت توزیع شده و گسترده، سهامداران دیگر نمی توانند در سیاست گذاری شرکت حضور داشته باشند.
در این حالت مدیران شرکت را پیش می برند و اتحاد منافع بین مدیران و سهامداران بوسیله انتخاب مدیران

دیدگاهتان را بنویسید