بررسی رابطه بین اجزای تعهدی سود با میزان هموارسازی سود و فرصت¬های رشد در شرکت¬های پذیرفته¬شده در بورس اوراق بهادار تهران- قسمت ۸- قسمت 2

فیلتر

 

 

 

جمع شرکت­های حذف شده از جامعه آماری

 

 

۴۳۹

 

 

کل فیلتر

 

 

 

جمع شرکت­های عضو نمونه ی آماری

 

 

۱۱۲

 

 

مانده

 

 

۳-۷ روش گردآوری داده ­ها

 

در این پژوهش برای جمع آوری داده ها و اطلاعات، ابتدا از روش کتابخانه­ای استفاده به عمل می آید. در بخش کتابخانه­ای، مبانی نظری پژوهش از کتب و مجلات تخصصی فارسی و لاتین گردآوری می­گردد و سپس اطلاعات و داده ­های تحقیق از نشریات و گزارشات سالانه و سایر گزارشات بورس اوراق بهادار تهران و صورت­های مالی حسابرسی شده­ی شرکت­ها از طریق نرم­افزار ره­آورد نوین، جمع­آوری شده است.

 

۳-۸ روش تجزیه و تحلیل داده ­ها

 

پس از جمع آوری داده ها از طریق نرم افزار ره­آورد نوین با بهره گرفتن از نرم افزار Excel و Eviews8 در دو قسمت آمار توصیفی و آمار استنباطی مورد تجزیه و تحلیل قرار می­گیرد. مراحل انجام کار به شرح زیر می باشد.
۳-۹ روش­های محاسبه­ی فرضیات پژوهش و مدل رگرسیونی
/ GApp = α + α PACC + α RACC + α INV + ε SMOTh
متغیرهای وایسته:
:GApp فرصت های رشد شرکت
:SMOTh میزان هموارسازی سود
متغیرهای مستقل:
PACC: حسابهای دریافتنی
:RACC حسابهای دریافتنی
INV : موجودی کالا
۳-۹-۱ داده ­های پانل[۴۴] (داده ­های تابلویی)
مدل­های اقتصادی از نظر استفاده از داده ­های آماری به سه بخش تقسیم می­شوند، در برخی از آن­ها برای برآورد مدل، از اطلاعات سری زمانی استفاده می­ شود. در مدل­های مبتنی برسری­های زمانی، مقدار متغیرهای مختلف مدل، تابعی از زمان هستند. بعضی دیگر از مدل­ها براساس داده ­های مقطعی[۴۵] برآورد می­شوند. در مدل­های مبتنی بر داده ­های مقطعی، زمان به هیچ عنوان نقشی نداشته و مقدار متغیرهای مختلف مدل تابعی از مقاطع مختلف است. در برخی از مطالعات طراحی مدل­هایی که صرفا مبتنی بر آمارهای سری زمانی و یا مقطعی است، فروض ضمنی محدودکننده ­ای برنتایج حاصل، تحمیل می­ کند و منجر به کاهش اعتبار نتایج به دست آمده از مدل می­ شود.
عکس مرتبط با اقتصاد
بنابراین برای افزایش دقت مطالعه تفکیک این دو مقوله ضروری است. روش سوم برآورد مدل که در سال­های اخیر بیشتر مورد توجه قرار گرفته­است، برآورد مدل براساس داده ­های پانل است. در این روش، یک سری واحدهای مقطعی طی چند سال مورد برازش قرار می­گیرند. تحلیل با داده ­های ادغام شده محیطی بسیار غنی از اطلاعات را برای گسترش فنون تخمین و نتایج نظری فراهم می­آورد. در بسیاری از موارد محققان از این روش، برای مواردی که نمی­توان مسائل را به صورت سری ­زمانی یا مقطعی بررسی کرد یا زمانی­که تعداد داده ­ها کم است، استفاده می­ کنند.
از آنجا که لحاظ نکردن برخی از متغیرها در ساختار مدل­ها موجب ایجاد عدم کارایی در برآوردهای مدل­های اقتصاد­سنجی می­ شود، روش داده ­های تلفیقی که از ترکیب اطلاعات سری­های زمانی و داده ­های مقطعی تشکیل شده است، اثر این نوع متغیرهای لحاظ نشده یا غیر قابل ­اندازه ­گیری را بهتر از داده ­های مقطعی طی یک سال یا داده ­های سری زمانی برای یک مقطع زمانی نشان می­دهد. داده ­های تلفیقی روند گذشته متغیرها را در برگرفته و از نظر لحاظ کردن پویایی متغیرها، اطمینان ایجاد می­ کند. یک مدل تجربی بزرگ می ­تواند به طور کامل­تری روابط بین متغیرهای مربوطه، اثرات مثبت و منفی که به لحاظ آماری معنی­دار هستند، متغیرهای زمان و مکان، اثرات و روابط متقابل بین متغیرها را مشخص کند. ادغام داده ­های سری ­زمانی و مقطعی و ضرورت استفاده از آن بیشتر به علت افزایش تعداد مشاهدات و بالابردن درجۀآزادی است.
۳-۹-۲ روش­های تخمین مدل­های ادغام شده
برآورد روابطی که در آن­ها از داده ­های ترکیبی (سری زمانی، مقطعی) استفاده می­ شود، غالبا با پیچیدگی­هایی مواجه است. در مدل­های پانل، بعضی از متغیرها بین واحدهای مقطعی و یا طی زمان تغییر می­ کنند. آنچه­که به طور کلی در مدل­های پانل مطرح می­گردد، وجود p واحد مجزا است که با شاخص i از ۱ تا p شماره­گذاری می­ شود؛ هم­چنین mدوره زمانی متوالی که با شاخص t از ۱ تاm شماره­گذاری می­شوند وجود دارد که مجموع n= pm مشاهده موجود خواهد بود.
برآورد روابطی که در آن­ها از داده ­های پانل (مقطعی- سری زمانی) استفاده می­ شود، غالبا با پیچیدگی­هایی مواجه است. ضرایب مدل، واکنش متغیر وابسته نسبت به تغییرات k امین متغیر مستقل در i امین مقطع را در زمان t اندازه ­گیری می­ کند. در حالت کلی فرض می­ شود که این ضرایب در میان تمامی واحدهای مقطعی و زمانی مختلف متفاوت است. در حالت کلی متغیرهای یک مدل پانل را می­توان به صورت زیر تعریف نمود:
رگرسیون خطی این پانل، عبارت خواهد بود از:
: ارزش متغیر وابسته برای واحد i ام در دوره t ام.
: ارزش متغیر توضیحی j ام در دوره t ام.
(که i=1,…,p؛ t=1,…,m و j=1,…,k).
در رابطه­ فوق دارای میانگین صفر و واریانس ثابت است. اثرات ثابت و نشانگر تفاوت­ها در ویژگی­های خاص فردی، بنگاه­ها یا کشورها است. جزء اخلال است.
در این رگرسیون دستگاه عمومی پارامترهای تمام واحدها در تمام زمان­ها بیان گردیده­است. این رگرسیون را می­توان به صورت ماتریسی نیز در نظر گرفت که در آن یک بردار از واحدها، اسکالر و می­باشند.
اختلاف بین مقاطع در نشان داده ­می­ شود و در طول زمان ثابت فرض می­گردد. اگر فرض ما این باشد که برای تمام بنگاه­ها ثابت است، روش حداقل مربعات معمولی، تخمین­های کارا و سازگاری از و به دست خواهد داد. ولی اگر فرض کنیم که در بین مقاطع مختلف اختلاف وجود دارد، باید از روش­های دیگری برای تخمین استفاده شود.
مدل­های پانل دیتا به پنج گروه کلی تقسیم می­ شود:

 

 

    1. مدل­هایی که در آن تمامی ضرایب ثابت­اند و فرض می­ شود که جمله اختلال قادر است تمام تفاوت­های میان واحدهای مقطعی و زمان را دریافت کند و توضیح دهد که به این مدل pooling گویند.

 

  1. مدل­هایی که در آن ضرایب مربوط به متغیرها (شیب­ها) ثابتند و تنها عرض از مبدأ برای واحدهای مختلف مقطعی متفاوت است.

 

۳

 

 

    1. ضرایب مربوط به متغیرها (شیب­ها) ثابت­اند و تنها عرض از مبدأ در زمان­ها و واحدهای مختلف مقطعی تغییر می­ کند.

 

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *