149,000 تومان
تعداد صفحات | 95 |
---|---|
شابک | 978-622-378-101-8 |
فهرست
عنوان صفحه
فصـل اول. 13
مقدمه. 13
فصـل دوم. 17
رقابت بازار محصول. 17
بازار رقابت کامل.. 18
جریان وجه نقد،سرمایهگذاریهای شرکت و محدودیت مالی.. 21
صورت جريان وجوه نقد. 24
سير تاريخي صورت جريانهاي نقدي.. 26
وجه نقد و وجه ناشي از فعاليتهاي عملياتي بر اساس استانداردهاي حسابداري ايران. 28
محدودیتهای مالی.. 31
پیشینه. 33
پیشینه مطالعات داخلی.. 33
پیشینه مطالعات خارجی.. 40
فصـل سوم. 53
روش شناسی.. 53
تشریح فرآیند آزمون فرضیهها 60
تحلیل رگرسیون. 61
نرمال بودن خطاها 61
ناهمسانی واریانس… 61
آزمون هم خطی.. 62
عدم وجود خود همبستگی بین دادهها 62
روش ترسیمی.. 63
آزمون دوربین واتسون. 63
آزمون LM.. 63
آزمون مانایی.. 64
آزمون F لیمر. 64
آزمون هاسمن.. 65
آزمون رگرسیون. 65
آزمونT. 66
تحلیل همبستگی.. 66
ضریب تعیین R2. 66
ضریب همبستگی.. 67
فصـل چهارم. 69
تجزیه و تحلیل داده ها 69
آزمونهای آماری.. 69
نتایج آزمون فرضیهها و ارائه یافتهها 70
آمار توصیفی متغیرهای پژوهش… 70
آزمون مانایی متغیرها 72
عدم هم خطی متغیرها 73
آزمون نرمال بودن خطاها 74
آزمون همسانی واریانس خطاها 75
آزمون Fلیمر. 75
نتایج آزمون هاسمن.. 76
تحلیل فرضیه ها 77
ازمون فرضیه 1. 77
آزمون فرضیه 2. 78
فصـل پنجم. 81
نتیجهگیری.. 81
منـابع و مآخـذ. 91
منابع فارسی.. 91
منابع غیر فارسی.. 94
ازآنجاکه مدلهاي خطي مورداستفاده در اين پژوهش شامل مدلهاي رگرسيوني است، لذا در اين بخش به شرح مختصري پيرامون اين نوع از مدلها و فرض های کلاسيک آن پرداخته ميشود. تحلیل رگرسیون درواقع بدنه اصلی مطالعه های اقتصادسنجی را تشکیل میدهد، بهطورکلی، اقتصادسنجی درباره مدلهای رگرسیون و نحوهی برآورد آنها بحث میکند. اقتصادسنجی، روشهایی برای شناسایی و تخمین مدلهایی با چند مجهول را ایجاد میکند که این روشها به پژوهشگر اجازه میدهد که استنتاجی علی-معلولی در شرایطی غیر از شرایط آزمایشی کنترلشده ارائه دهد. به کمک تکنیکهای اقتصادسنجی میتوان ضرایب مجهول مدل ساخته شده را برآورد کرد و سپس (در صورت برقرار بودن تعدادی فرض) به استنتاج آماری درباره آن پرداخت. در اقتصادسنجی بیان میشود که علاوه بر متغیرهای مستقل (متغیرهای توضیحدهنده) موجود در مدل رگرسیون، عوامل دیگری وجود دارند که بیان کمّی آنها معمولاً دشوار است و درنتیجه، واردکردن آنها در مدل مقدور نیست. همچنین از طرف دیگر در دنیای واقعی همواره عناصر تصادفی غیرقابلپیشبینی وجود دارند که اساساً نمیتوان آن را در مدلهای ریاضی گنجاند. درنتیجه میتوان استدلال کرد که مدلهای ریاضی برای توضیح پدیدههای اقتصادی دقیق نیستند و خطا دارند که به این خطا، اصطلاحاً جمله اخلال میگویند، زیرا تعادل مدل ریاضی را مختل میکند. جهت هر تحليل اقتصادسنجي بايد به قابليت دسترسي به دادههاي صحيح توجه نمود. انواع دادههايي که عموماً براي تحليلهاي تجربي به کار ميرود، در قالب دادههاي سري زماني، مقطعي و ترکيبي مطرح میگردند.در دادههاي سري زماني، يک يا چند متغير طي يک دوره زماني موردبررسی قرار ميگيرند. این دوره میتواند سالانه، فصلی، ماهانه، هفتگی یا حتی بهصورت پیوسته باشد. داده های سری زمانی بهطورکلی موضوع کار اقتصادسنجی کلان است که روشهای اقتصادسنجی را در سطح کلان بررسی میکند. در اقتصاد کلان عموماً از سری زمانیهای سالانه یا فصلی استفاده میشود چراکه جمعآوری اطلاعاتی مانند حسابهای مالی در فواصل کوتاهتر با دشواریهای زیادی همراه است؛ اما در اقتصادسنجی مالی که دادهها در هر زمان بهآسانی قابل گزارش هستند، استفاده ازسری های زمانی ساعتی یا حتی دقیقهای نیز امری غیرمعمول نیست که معمولاً از اندیس t برای داده های سری زمانی استفاده میکنند. در دادههاي مقطعي، مقادير يک يا چند متغير براي چند واحد يا مورد نمونهاي در یک زمان يکسان جمعآوری ميشود که معمولاً از اندیس i برای داده های مقطعی استفاده میکنند. در دادههاي ترکيبي (تلفیقی)، واحدهاي مقطعي يکسان طي زمان مورد بررسی قرار ميگيرند؛ بنابراین حجم مشاهدات در داده های تلفیقی نسبتاً زیاد است. در سال های اخیر، کاربرد داده های تلفیقی در اقتصادسنجی افزایش بسیاری یافته است. معمولاً داده های تلفیقی و مقطعی در اقتصادسنجی خرد به کار میروند که موضوع آن بررسی روشهای اقتصادسنجی در اقتصاد خرد است. در پژوهش حاضر، از داده های ترکيبي (تلفیقی)، جهت آزمون فرضیهها استفاده شده است.
تحلیل رگرسیون مبتنی بر چند فرض اساسی و ساده است و اگر یک یا چند مورد از این فرضیهها برقرار نباشد، تفسیر مربوط به تحلیل رگرسیون نادرست بوده و پیشبینیهای انجامشده بر اساس آن ضعیف خواهد بود. به دلیل اینکه در این پژوهش علاوه بر اینکه از رگرسیون ترکیبی برا آزمون فرضیه ها استفاده کردیم به دلیل اینکه در برخی از فرضیه ها متغیر وابسته یک متغیر مجازی بوده برای آزمون فرضیه ها رگرسیون لجستیک را نیز به کار گرفتیم.
در این پژوهش بررسی نرمال بودن خطاها بهوسیله آزمون جارک برا[1] انجام میشود. بر اساس این آزمون، اگر احتمال آن، بیشتر از 5% باشد آنگاه نرمال بودن توزیع جامعه آماری پژوهش در سطح اطمینان 95% تأیید میشود.
یکی از مهمترین فروض کلاسیک مدل رگرسیون خطی این است که اجزای اخلال U که تابع رگرسیون جامعه ظاهر میشوند، دارای واریانس همسان هستند. اگر ناهمسانی واریانسها وجود داشته باشد آزمونهای F و T نتایج غلطی را ارائه میدهند و آنگاه نمیتوانیم فرضیهها را با آزمون F و T آزمون کنیم. سؤال عملی مهم در ناهمسانی واریانس این است که چگونه میتوان دریافت که ناهمسانی در یک حالت خاص موجود است. روشهای متعددی برای کشف ناهمسانی واریانس ارائه شده است که عبارتاند از: کاو، روش ترسیمی، آزمون آرچ، آزمون گلجستر، آزمون گلدفلد–کوانت، آزمون بارتلت، آزمون براش – پاگان، آزمون پیک، آزمون همسانی عمومی وایت، آزمون لوین. در این پژوهش برای بررسی همسانی واریانس ها در داده های ترکیبی از روش کاو استفاده میشود.
هم خطي در اصل به معناي وجود ارتباط خطي بين همه يا بعضي از متغيرهاي توضيحي مدل رگرسيون است. از فروض كلاسيك، كامل بودن مرتبه ماتريس X (ماتريس متغيرهاي توضيحي) است كه نقض اين فرض موجب بروز مشكل هم خطي میشود. البته هم خطي بر دو نوع هم خطي كامل و هم خطي ناقص است و درصورتیکه هم خطي از نوع كامل باشد، فرض كلاسيك مذكور نقض میشود و با استفاده از موارد زير هم خطي رفع میشود:
1- حذف متغيري كه باعث هم خطي شده است
2- تبديل متغيرها (بهجای سطح، از اولين تفاضل استفاده شود)
3- استفاده از لگاريتم دادهها
4- استفاده از داده های جديد و اضافي
برای بررسی وجود یا عدم وجود هم خطی میان متغیرهای مستقل پژوهش از تحلیل همبستگی استفاده شده است که این کار با محاسبه ضریب همبستگی پیرسون انجام میشود. اگر مقادیر ضریب همبستگی حاصل بین 1+ و 1- باشد، هم خطی ای میان متغیرهای مستقل پژوهش وجود ندارد(همان منبع).
اصطلاح خود همبستگی را میتوان چنین تعریف کرد:
همبستگی بین سریهای مشاهدههایی که در زمان (مانند داده های سری زمانی) یا مکان (مانند داده های مقطعی) ردیف شدهاند. در مدل کلاسیک رگرسیون خطی فرض میشود که در اجزاء اخلال چنین خود همبستگی وجود ندارد. به این معنی که جزء اخلال مربوط به یک مشاهده، تحت تأثیر جزء اخلال مربوط به مشاهده دیگر قرار نمیگیرد. زمانی که بین جمله های خطا ارتباط وجود داشته باشد، مشکل خود همبستگی بین جملههای خطا پیش میآید.برای تشخیص وجود خود همبستگی میتوان از روش ترسیمی، آزمون دوربین واتسون[2] و LM استفاده نمود که در این پژوهش از آزمون دوربین واتسون استفاده میشود.
اگر بتوان باقیماندههای روش [3]OLS (حداقل مربعات معمولی) را در مقابل زمان ترسیم نمود آنگاه وجود همبستگی بهوسیله مشاهده یک الگوی پیوسته در جملات خطا شناخته میشود، بدین معنی که اگر اندازه جمله خطا بهتدریج بزرگتر یا کوچکتر شود، یا یک الگوی سیکلی را نشان دهد، معرف آن است که متغیر دیگری وجود دارد که بهطور سیستماتیک بر متغیر مستقل اثر دارد.
این آزمون از مشهورترین آزمونها جهت تشخیص خود همبستگی است. زمانی که آماره دوربین واتسون در حدود 1.5 تا 2.5 باشد، معرف آن است که خود همبستگی وجود ندارد، ولی مقادیر بالاتر یا کمتر از 1.5 تا 2.5 معرف آن است که جملات خطا بهصورت تصادفی اتفاق نمیافتند و بنابراین، نتایج غیرواقعی است.
آزمون LM که منتسب به بریوش–گادفری[5] است، یکی از کاملترین آزمونهای تشخیص خود همبستگی است. در این روش علاوه بر خود همبستگی از درجهیک، خود همبستگی از درجات بالاتر نیز قابلتشخیص است. روشهای گوناگون برای رفع خود همبستگی وجود دارد که عبارتاند از: روش اولین تفاضل، روش کوکران – اورکات[6]، روش دوربین – واتسون و روش [7]GLS (حداقل مربعات تعمیم یافته).
بهمنظور اطمینان از نتایج پژوهش و ساختگی نبودن روابط موجود در رگرسیون و معنادار بودن متغیرها، اقدام به انجام آزمون مانایی و محاسبه ریشه واحد متغیرهاي پژوهش در مدل ای جی ال اس میگردد. آزمون مزبور با استفاده از نرمافزار ای وی یوز و روشهای آزمون لوین، لین و چو[8]، آزمون ایم، پسران و شین[9]، آزمون ریشه واحد فیشر-دیکی فولر تعمیمیافته[10]، آزمون ریشه واحد فیشر-فیلیپس پرون و چویی[11] انجام میشود. این آزمونها اصطلاحاً آزمونهای ریشه واحد پانل نامیده میشوند، ازلحاظ تئوري آنها آزمونهای ریشه واحد سریهای چندگانه هستند که براي ساختارهاي اطلاعات پانل بهکاررفتهاند. در این آزمونها روند بررسی مانایی همگی به یک صورت است و با رد H0 عدم مانایی رد میشود و بیانگر مانایی متغیر است؛ بنابراین با رد فرضیه H0 نامانایی یا ریشه واحد رد میشود و مانایی پذیرفته میشود که یا در سطح و یا با یک تفاضل و یا با دو تفاضل مانا میشود که براي تشخیص این قسمت بهاحتمال آن توجه میشود که بایستی از 05/0 کوچکتر باشد.
گاهی اوقات داده هایی که پژوهشگر با آنها روبرو است، هم دربرگیرنده داده های سری زمانی و هم مقطعی میباشد. به چنین مجموعهای از دادهها عموماً پانلی از دادهها یا پانل دیتا شناختهشده است. پژوهشگر، در برآورد مدل پانل دیتا با دو حالت کلی روبرو میشود. حالت اول این است که عرض از مبدأ برای کلیه مقاطع یکسان است که در این صورت آن را مدل داده های تلفیقی مینامند. حالت دوم عرض از مبدأ برای تمام مقاطع متفاوت است که به این حالت داده های تابلویی گفته میشود. برای شناسایی دو حالت فوق از آزمونی به نام اف- لیمر استفاده میشود؛ بنابراین آزمون اف- لیمر برای انتخاب بین روشهای رگرسیون پول دیتا (تلفیقی) و رگرسیون با اثرات ثابت استفاده میشود. درصورتیکه سطح معناداری این آزمون کمتر از 5% باشد، ناهمسانی در عرض از مبدأها پذیرفته میشود و یا بهعبارتدیگر مدل پانل پذیرفته شده و مدل تلفیقی در سطح اطمینان 95% رد میشود.
اگر بعد از انجام آزمون F لیمر، فرضیه H0 رد شود، این پرسش مطرح میشود که برآورد مدل در قالب کدام یک از روشهای اثرات ثابت (عرض از مبدأها، پارامترهاي نامعلوم ولی ثابت هستند) یا اثرات تصادفی (عرض از مبدأها تصادفی و مستقل از متغیرهاي توضیحی است) انجام شود. آماره آزمون هاسمن براي تشخیص ثابت یا تصادفی بودن تفاوت واحدهاي مقطعی مورد استفاده قرار میگیرد. در آزمون هاسمن فرضیههای H0 و H1 بهصورت زیر تعریف میشوند
اگر مقدار (p-value) محاسبهشده بیشتر از سطح خطاي 05/0 باشد، فرض صفر رد نمیشود و باید از روش اثرات تصادفی استفاده شود و اگر این فرضیه رد شود روش اثرات ثابت ملاك تجزیهوتحلیل قرار خواهد گرفت.
در معادله رگرسيون چندگانه، چنانچه رابطهای ميان متغير وابسته و متغيرهاي مستقل وجود نداشته باشد، بايد تمام ضرايب متغيرهاي مستقل در معادله، مساوي صفر باشند. با داشتن مدل رگرسيون چند متغيره قاعده تصميمگيري بهصورت زير است:
تمامي ضرايب شيب بهطور همزمان صفر هستند …=0 β2= H0: β1=
حداقل يکي از ضرايب شيب غير صفر است …≠0 β2= H1: β1=
اگر در سطح اطمينان 95 درصد، آماره F محاسبهشده از معادله رگرسيون، بزرگتر از مقدار F جدول باشد، فرض صفر رد ميشود و در غير اين صورت فرض صفر رد نميشود.
از آزمون t بهمنظور بررسي معنيدار بودن ضرايب محاسبهشده، ضرايب همبستگي و مدلهاي رگرسيوني استفاده ميشود. بهطورکلی آزمون معنيدار بودن روشي است که با استفاده از نتايج نمونه درستي يا نادرستي فرضيه H0 را در جامعه تعيين مينمايد. تصميم درباره پذيرش و يا رد نيز بر اساس مقدار عددي تابع آزمون حاصل از دادههاي موجود انجام ميشود. بر اساس اين آزمون چنانچه سطح معناداري محاسبه شده بيش از 5 درصد باشد، مقادير محاسبهشده از لحاظ آماري در سطح اطمينان 95 درصد معنادار نخواهند بود. بهطور رايج در کليه برآوردها، اين آزمون براي بررسي معناداري ضرايب مدل مورداستفاده قرار ميگيرد به اين معني که فرضيه H0 که صفر بودن ضريب و درنتیجه عدم تأثير متغير مستقل مربوطه بر متغير وابسته در جامعه موردبررسی است را مورد آزمون قرار ميدهد. در صورت رد فرضيه H0، فرضيه H1 که مخالف صفر است (يعني اثرگذاري متغير مستقل بر متغير وابسته)، موردپذیرش قرار ميگيرد.
همبستگی را معمولاً با تحلیل رگرسیون به کار میبرند. تحلیل همبستگی ابزاری آماری است که به وسیله آن میتوان درجهای که یک متغیر به متغیری دیگر، ازنظر خطی مرتبط است اندازهگیری کرد. در همبستگی درباره دو معیار بحث میشود: ضریب تعیین و ضریب همبستگی.
ضریب تعیین مشخص میکند که چگونه خط رگرسیون نمونه، دادهها را به خوبی برازش میکند. اگر تمامی مشاهدات روی خط رگرسیون باشند برازش کامل را به دست میآوریم که این حالت به ندرت اتفاق میافتد. عموماً اجزای باقیمانده ε ها مثبت و بعضی دیگر منفی خواهند. آنچه انتظار داریم این است که این باقیماندهها در اطراف خط رگرسیون تا حد ممکن کوچک باشند. حال ضریب تعیین R2 معیاری است که بیان میکند چگونه خط رگرسیون نمونه دادهها را بهخوبی برازش میکند.
مقدار R2 از صفر تا یک خواهد بود که R2=0 نشاندهنده عدم وابستگی بین متغیر مستقل با متغیر وابسته است و R2=1 نشان دهنده همبستگی کامل بین متغیرهای مستقل با متغیرهای وابسته میباشد. از طرف دیگر ضریب تعیین R2 قدرت تشخیص دهندگی مدل را نیز بیان میکند. به این ترتیب که نشان میدهد چه اندازه از تغییرات متغیر وابسته توسط متغیرهای مستقل توضیح داده میشود(همان منبع).
فرمول کلی محاسبه R2 به شکل زیر است:
بهعبارتدیگر میتوان گفت R2 نسبت یا درصد تغییرات کل در y که بهوسیله رگرسیون توضیح دادهشده است را اندازهگیری کند که در قالب فرمول کلی به شکل زیر خواهد بود:
آزمون ضرایب همبستگی برای این موضوع که بین دو متغیر همبستگی وجود دارد و یا خیر انجام میگردد. اگر از ضریب تعیین ریشه دوم بگیریم به مقدار بهدستآمده ضریب همبستگی میگوییم. علامت ضریب همبستگی همان علامت شیبخط رگرسیون (b) است؛ یعنی اگر شیب خط رگرسیون مثبت باشد، ضریب همبستگی نیز مثبت و اگر شیبخط رگرسیون منفی باشد، ضریب همبستگی نیز منفی است. همچنین اگر شیبخط رگرسیون صفر باشد، ضریب همبستگی نیز صفر میشود. ضریب همبستگی شدت رابطه و همچنین نوع رابطه، مستقیم یا معکوس را نشان میدهد. ازآنجاکه R2 همواره بین صفر و یک است ریشه دوم آن r، همواره بین 1- و 1+ میباشد. در این حالت آماره آزمون دارای توزیع t با (n-2) درجه آزادی است.
از آنجاییکه هدف آزمون وجود همبستگی بین دو متغیر است، لذا اگر آماره فوق از مقدار با درجه آزادی (n-2) بزرگتر باشد، فرض صفر مبنی بر عدم وجود ارتباط بین دو متغیر رد میشود.
در فصل پس از بيان مقدمه، سؤالات اساسی و مهم پژوهش بیانشده و فرضیه های پژوهش ذکر گردیده است. این پژوهش در پی پاسخ به این سوال هستیم که آیا رابطه معناداری بین رقابت بازار محصول و سرمایه گذاری وجوه نقد در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران وجود دارد.آیا محدودیت مالی رابطه بین رقابت بازار محصول و سرمایه گذاری وجوه نقد در شرکتهای پذیرفته شده در بورس اوراق بهادار تهران را تعدیل می کند.همچنین در صورت وجود رابطه معنادار ،این رابطه مثبت است یا منفی و اینکه با مطالعات دیگر پژوهشگران مطابقت دارد یا خیر . در ادامه روش پژوهش شامل نوع ماهیت ذكرشده است. دور زماني اين پژوهش از سال 1386 تا 1395در نظر گرفته شده است. درمجموع154 شرکت براي نمونه مطالعه انتخاب شد. دادههای پژوهش به كمك نرمافزار رهآورد نوين و بانك اطلاعاتي سازمان بورس و اوراق بهادار (كدال) و پایگاههای اينترنتي بورس گردآوري شد. پژوهش حاضر از لحاظ هدف، از نوع پژوهش هاي كاربردي است. همچنين از نظر ماهيت و روش از نوع توصيفي -همبستگي است. در ادامه مدل رياضي بیان شد که از تجزیه و تحلیل رگرسیون چند متغیره برای آزمون فرضیه های پژوهش استفاده خواهد شد. تعريف عملياتي متغيرهاي پژوهش نیز بیان گردید.
تعداد صفحات | 95 |
---|---|
شابک | 978-622-378-101-8 |
.فقط مشتریانی که این محصول را خریداری کرده اند و وارد سیستم شده اند میتوانند برای این محصول دیدگاه(نظر) ارسال کنند.
نقد و بررسیها
هنوز بررسیای ثبت نشده است.