مطالعه تأثیر مکمل جریان نقد عملیاتی در تبیین بازده سهام

قسمتی از متن پایان نامه :

3-10 مسائل مورد توجه در تخمین مدل

با در نظر داشتن اینکه قبل از تخمین و اجرای مدل‌های رگرسیونی لازم می باشد از وجود بعضی شرایط در بین متغیرها اطمینان حاصل گردد. پس به مقصود اطلاع از برخورداری داده‌های پژوهش از شرایط لازم، انجام تعدادی آزمون بر روی متغیرها ضروری می‌باشد. برای مثال، از مفروضات ابتدایی مدل‌های رگرسیونی و شرط بهره گیری از این مدل‌ها، نرمال بودن توزیع داده‌های مربوط به متغیرهای پژوهش می باشد. همچنین، داده‌های مورد بهره گیری در این پژوهش از نوع داده تلفیقی با دوره سالانه هستند. ایراد اساسی که ممکن می باشد در برآورد مدل‌های رگرسیونی با آن مواجه شویم به نقض فروض کلاسیک (ناهمسانی واریانس- خود همبستگی- هم خطی و تورش تصریح) مربوط می گردد. در این مورد لازم می باشد در صورت لزوم، نسبت به رفع نقض فروض کلاسیک اقدام گردد. تورش تصریح به واسطه در نظر نگرفتن یک عنصر مهم به عنوان متغیر مستقل مدل ایجاد می گردد. برای مطالعه سایر موارد مربوط به متغیرها و داده‌های پژوهش نیز آزمون‌های لازم صورت گرفته می باشد که در ادامه فصل به اختصار به کلیات آن‌ها تصریح می گردد.

3-10-1 نرمال بودن

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

برای مطالعه نرمال بودن داده‌ها از آزمون‌های نرمال بودن[1] بهره گیری می گردد. این آزمون‌ها به گونه کلی به دو گروه شامل روش‌های ترسیمی[2] و روش‌های عددی[3] تقسیم می شوند. روشهای ترسیمی تنها تصویری از توزیع متغیر تصادفی را ارائه می‌کنند اما روش‌های عددی قادرند معیاری عینی و کمی برای قضاوت در خصوص نرمال بودن توزیع متغیر تصادفی فراهم نمایند. در روش‌های عددی می‌توان هم از آمار توصیفی و هم از تکنیک‌ها و آزمون‌های مختلف آمار استنباطی بهره گیری نمود. در این پژوهش با بهره گیری از آزمون جارک‌- برا (به عنوان یک روش عددی) به آزمون نرمال بودن داده‌ها پرداخته شده می باشد. در این آزمون از اختلاف بین ضریب کشیدگی و چولگی داده‌های مورد مطالعه می‌توان به نرمال بودن توزیع داده‌ها پی برد. در این آزمون فرض صفر مبتنی بر نرمال بودن می باشد که در صورت به دست آمدن احتمال تایید کمتر از 5 درصد، فرض صفر با احتمال 95 درصد اطمینان تایید می گردد. این آزمون در جریان مطالعه آمار توصیفی داده‌های پژوهش انجام شده می باشد.

3-10-2 ناهمسانی واریانس

یکی از فروض کلاسیک در تحلیل رگرسیون، همگن یا همسان بودن توزیع واریانس خطاهاست که در صورت نقض شدن این فرض، اجزای اخلال دارای ناهمسانی واریانس[1] خواهند بود. نا‌همسانی واریانس در واقع، به دلیل برابر نشدن واریانس متغیر وابسته در دوره‌های مختلف به وجود می‌آید. در صورت نابرابری واریانس متغیر وابسته، واریانس اجزای اخلال نیز در ادوار مختلف یکسان نخواهد بود که در نتیجه، تخمین مدل دچار تورش و عدم کارایی می گردد. برای تشخیص نا‌همسانی واریانس در مدل از روش‌های مختلفی مانند: روش ترسیمی، روش وایت، روش گلد فلد کوانت، روش پارک، روش بارتلت، روش پیک، گلچسر و اسپیرمن می‌توان بهره گیری نمود.

در نرم افزار Eviews 8 قابلیت بهره گیری از آزمون‌های وایت[2] و نوی وست[3] هست. آزمون وایت در دو شکل مقطعی[4] و غیر مقطعی[5] اقدام می کند. در حالت مقطعی حاصل ضرب متغیر‌های مستقل خود به عنوان یک متغیر جدید و مستقل شناسایی می گردد. در آزمون وایت فرض صفر (H0) معادل ناهمسانی و فرض جانشین (H1) معادل همسانی واریانس‌ها تعریف شده می باشد و بر اساس نتیجه آزمون می‌توان در مورد ناهمسانی واریانس‌ها قضاوت نمود.

[1] Heteroscedasticity

[2] White Test

[3] Newey-West

[4] Cross Term

[5] Non Cross Term

[1] Normality Tests

[2] Graphical Methods

[3] Numerical Methods

سوالات یا اهداف پایان نامه :

 سوال پژوهش:

آیا کیفیت اقلام تعهدی بر ارتباط بین سود و جریان نقدی عملیاتی با بازده غیرعادی سهام تاثیرمعنی داری دارد؟

پایان نامه - تز - رشته حسابداری


پاسخ دهید