۴-۲- آمار توصیفی مدل های نهایی
جدول(۴-۲) آمار توصیفی مربوط به متغیرهای این مدل را نشان می‌دهد که بیانگر پارامترهای توصیفی برای هر متغیر به صورت مجزا می‌باشد. این پارامترها عمدتاًً شامل اطلاعات مربوط به شاخص های مرکزی، نظیر بیشینه، کمینه، میانگین و میانه و همچنین اطلاعات مربوط به شاخص های پراکندگی نظیر واریانس، چولگی و کشیدگی است. در این جدول تعداد مشاهدات برای هر متغیر برابر۵۰۰ مشاهد است.
مهمترین شاخص مرکزی میانگین است که نشان دهنده نقطه تعادل و مرکز ثقل توزیع است و شاخص مناسبی برای نشان دادن مرکزیت داده هاست. برای مثال میانگین متغیر Ability برابر با۵۱/۱۳ می‌باشد، که نشان می‌دهد بیشتر داده های مربوط به این متغیر حول این نقطه تمرکز یافته اند. میانه یکی از شاخص های مرکزی است که وضعیت جامعه را نشان می‌دهد. همان گونه که در جدول(۴-۲) میانه متغیرSizeبرابر با ۸/۵ می‌باشد که نشان می‌دهد نیمی از داده ها کمتر از این مقدار و نیمی دیگر بیشتر از این مقدار هستند.
پارامترهای پراکندگی، به طور کلی معیاری برای تعیین میزان پراکندگی داده ها از یکدیگر یا میزان پراکندگی آن ها نسبت به میانگین است. از جمله مهمترین پارامترهای پراکندگی انحراف معیار است. مقدار این پارامتر برای متغیر Timeliness برابر۵/۴۶ و برای متغیر Sales-conc برابر۲۶/۰ است که نشان می‌دهد در بین متغیرهای پژوهش، Timeliness و Sales-conc به ترتیب دارای بیشترین و کمترین میزان پراکندگی می‌باشند.
میزان عدم تقارن منحنی فراوانی را چولگی می‌نامند. اگر ضریب چولگی صفر باشد، جامعه کاملاً متقارن است و چنانچه ضریب مثبت باشد، چولگی به راست و اگر منفی باشد، چولگی به چپ وجود خواهد داشت. به عنوان مثال ضریب چولگی متغیر Sales-conc برابر با ۲۹/۰- می‌باشد، یعنی این متغیر چولگی به چپ دارد و به این اندازه از مرکز تقارن انحراف دارد. متغیر Beta بیشترین و متغیر Increase کمترین عدم تقارن را نسبت به توزیع نرمال دارد.
میزان کشیدگی منحنی فراونی نسبت به منحنی نرمال استاندارد را برجستگی یا کشیدگی می‌نامند. اگر کشیدگی حدود صفر باشد، منحنی فراوانی از لحاظ کشیدگی وضعیت متعادل و نرمال خواهد داشت، اگر این مقدار مثبت باشد منحنی برجسته و اگر منفی باشد منحنی پهن می‌باشد. کشیدگی تمامی متغیر های این مدل مثبت است. متغیرBeta بیشترین برجستگی و متغیرIncrease کمترین برجستگی را نسبت به منحنی نرمال دارد.
۴-۳- آزمون های آماری لازم جهت تحلیل رگرسیون چند متغیره
در این پژوهش، برای آزمون فرضیه‌ها با دو دسته رگرسیون مواجه هستیم. برای آزمون فرضیه اول از رگرسیون لجستیک و برای آزمون فرضیه دوم و سوم از تحلیل رگرسیونی و داده های ترکیبی (سال-شرکت) استفاده می شود. تحلیل رگرسیونی روشی برای مطالعه سهم یک یا چند متغیر مستقل در پیش‌بینی متغیر وابسته است. آزمون های آماری لازم و نوع آماره استفاده شده جهت تحلیل رگرسیون چند متغیره در سطح اطمینان۹۵% در جدول شماره(۴-۲)آورده شده است.
جدول شماره(۴-۲):آزمون های آماری جهت تعیین رگرسیون چندمتغیره
مدل ها
نوع آزمون استفاده شده
نوع آماره استفاده شده
“فرضیه اول” (رگرسیون لجستیک)
آزمون معنادار بودن ضرایب
آماره Z
معنا داربودن مدل رگرسیون
LR-Statistic
“فرضیه دوم و سوم”
(روش داده های ترکیبی)
تشخیص نوع داده های ترکیبی
F مقید
تعیین نوع روش برآورد
هاسمن
آزمون صفر بودن میانگین جملات خطا
t-statistic
آزمون نرمال بودن
جارک-برا
آزمون نرمال سازی
جانسون
عدم خودهمبستگی جملات خطا
دوربین واتسون
آزمون همسانی واریانس خطا
بارتلت
آزمون مانایی
Levin, lin & chut &…
آزمون هم خطی
پیرسون
آزمون معناداربودن ضرایب
آماره T
معنادار بودن مدل رگرسیون
F
۴-۴- تشخیص نوع داده های ترکیبی
جدول (۴-۳) نتایج آزمون F لیمر فرضیه دوم و سوم را نشان می‌دهد.
با توجه به اینکه P-value به دست آمده از آزمون F لیمر در فرضیه های مذکور کوچکتر از ۵ درصد است، به منظور برآورد این مدل ها از مدل داده های پانل (Panel)استفاده خواهد شد. نتایج کامل این آزمون در پیوست شماره ۶ در انتهای پایان نامه نشان داده شده است.
جدول(۴-۳):نتایج آزمونF لیمر فرضیه دوم و سوم
فرضیه
آماره
مقدار
P-Value
نتیجه آزمون
فرضیه دوم
Fلیمر
۱۷۷/۲
۰۰۰/۰
Panel
Chi-square(χ۲)
۳۲/۲۲۲
۰۰۰/۰
فرضیه سوم
Fلیمر
۷۸۰/۱
۰۰۰۱/۰
Panel
Chi-square(χ۲)
۴۸۲/۱۹۰
۰۰۰/۰
۴-۵- تعیین نوع روش برآورد
در مرحله بعد به بررسی این موضوع پرداخته می شود که آیا عرض از مبدأ به صورت اثرات ثابت است یا اینکه در ساختار واحدهای مقطعی به صورت تصادفی عمل می کند. همان طور که در فصل سوم گفته شد آماره این آزمون که برای تشخیص اثرات ثابت یا تصادفی بودن تفاوتهای واحدهای مقطعی است دارای توزیع کای- دو با درجه آزادی برابر با تعداد متغیرهای مستقل بوده است. جدول(۴-۴) نتایج مربوط به آزمون هاسمن فرضیه های مذکور را نشان می‌دهد.
جدول(۴-۴):نتایج آزمون هاسمن فرضیه دوم وسوم
فرضیه
آماره
مقدار
P-Value
نتیجه آزمون
فرضیه دوم
Cross-section Random
۲۹۰/۱۸
۰۴/۰
اثرات ثابت (FE)
فرضیه سوم
Cross-section Random
۶۲۲/۳۹
۰۰۰/۰
اثرات ثابت (FE)
با توجه به اینکه P-value به دست آمده از آزمون هاسمن در فرضیه های مذکور کوچکتر از ۵ درصد است، به منظور برآورد این مدل توجیه می شود که الگوی مناسب، الگوی مبتنی بر الگوی اثرات ثابت می‌باشد. نتایج کامل این آزمون در پیوست شماره ۷ در انتهای پایان نامه نشان داده شده است.
۴-۶- بررسی مفروضات رگرسیون
۴-۶-۱- آزمون صفر بودن میانگین جملات خطا
