۱۳۷۸۴۹۱٫۴۳۱۴۶۷۶۸۷٫۲۳۲۸۹۳

کمترین مقدار۰٫۰۰۱۰۴۰۱٫۰۰۰۰۰۰۰٫۰۰۰۰۰۰۰٫۰۰۰۰۰۰۳٫۳۶۷۷۲۹انحراف معیار۰٫۱۳۴۰۱۲۱۳٫۶۱۵۴۶۱۰۲۴۵۹٫۳۲۵۵۴۵۷۲٫۰٫۷۲۵۰۷۴چولگی۳٫۳۶۸۱۴۵۱٫۲۵۷۰۷۳۷٫۶۸۸۹۲۵۱۰٫۱۴۷۰۲-۰٫۱۱۷۰۳۸کشیدگی۱۸٫۰۷۸۹۰۵٫۶۹۹۲۵۴۷۹٫۲۴۷۲۳۱۴۲٫۶۷۵۰۲٫۸۹۴۱۷۶آماره جاک برا۶۷۶۱٫۹۴۸۳۳۷٫۳۳۷۸۱۴۹۹۹۲٫۵۴۹۳۸۷۳٫۷۱٫۶۳۶۰۰۱سطح معنی داری۰٫۰۰۰۰۰۰۰٫۰۰۰۰۰۰۰٫۰۰۰۰۰۰۰٫۰۰۰۰۰۰۰٫۴۴۱۳۱۳حجم نمونه۵۹۵۵۹۵۵۹۵۵۹۵۵۹۵

متغیر
ROA
REVOL
OCFVOL
LEV
BTM
میانگین

-۰٫۰۰۲۹۹۰
۱۴۵۰۶۸۱٫
۵۰۲۶۵۲٫۶
۱٫۷۲۷۴۰۵
۱۶۹۲۶٫۰۲
میانه
۰٫۰۲۳۱۸۶
۱۴۳۷۱۵۶٫
۵۷۵۱۰۴٫۵
۰٫۸۲۲۱۹۰
۱۵۱۵٫۰۰۰
بیشترین مقدار
۰٫۵۵۹۵۹۷
۱۶۴۹۱۵۸٫
۷۱۱۵۲۵٫۴
۵۸٫۹۸۹۳۵
۱۵۰۰۰۰۰٫
کمترین مقدار
-۱٫۳۹۲۷۴۳
۱۳۳۷۰۰۵٫
۲۲۱۸۳۱٫۹
۰٫۱۷۶۲۹۸
۰٫۰۰۰۰۰۰
انحراف معیار
۰٫۲۲۰۷۹۱
۷۹۲۶۳٫۲۸
۱۴۴۵۱۳٫۰
۵٫۵۴۶۴۶۶
۱۳۶۹۹۸٫۶
چولگی
-۲٫۳۴۵۹۷۱
۰٫۷۲۴۱۶۳
-۰٫۴۶۰۹۳۳
۹٫۴۰۴۲۰۶
۱۰٫۶۸۸۹۶
کشیدگی
۱۵٫۳۳۰۳۵
۲٫۸۲۱۲۳۵
۱٫۸۸۳۹۱۲
۹۶٫۰۵۸۰۹
۱۱۵٫۸۰۰۳
آماره جاک برا
۴۳۱۵٫۰۳۸
۵۲٫۷۹۶۴۲
۵۱٫۹۵۰۶۲
۲۲۳۴۶۱٫۳
۳۲۶۷۷۷٫۲
سطح معنی داری
۰٫۰۰۰۰۰۰
۰٫۰۰۰۰۰۰
۰٫۰۰۰۰۰۰
۰٫۰۰۰۰۰۰
۰٫۰۰۰۰۰۰
حجم نمونه
۵۹۵
۵۹۵
۵۹۵
۵۹۵
۵۹۵

*منبع:( بایزیدی و همکاران، ۱۳۸۹)

از بین شرکت های انتخاب شده ۶۰% زیان ده و مابقی شرکت ها سود ده بوده اند به همین دلیل میانگین منفی شده است. (زیان ده بودن جزء محدودیت ها نبوده است)

۴-۸ تحلیل پیش فرض ها ( آزمون فرض کلاسیک)

در این قسمت پیش فرضهای لازم جهت انجام فرضیات تحلیل می‌شوند.

۴-۸-۱ نرمال بودن متغیر وابسته

برای بررسی نرمال بودن داده ها از آزمون جاک برا^۱ استفاده شد. چون داده ها نرمال نبودند( سطح معنی داری آزمون جاک برا کمتر از ۰٫۰۵ بود ).

جدول ۴-۴: شاخص های مرکزی و پراکندگی متغیر وابسته پژوهش

متغیر
FQR
آماره جاک برا

۶۷۶۱٫۹۴۸

سطح معنی داری

۰٫۰۰۰۰۰۰

مقایسه با ۰٫۰۵

کوچکتر

نتیجه آزمون

نرمال نیست

*منبع :بایزیدی و همکاران، ۱۳۸۹

برای اینکه متغیر وابسته را نرمال کنیم از تبدیلات کاکس- باکس با فرمول زیر استفاده می‌کنیم که در آن عدد ثابت بوده و مقادیر آن از ۵ تا ۵- تغییر کرده و جایگذاری آن در فرمول، نوع تبدیل مناسب جهت نرمال سازی بر روی متغیر ها را مشخص می‌کند. بایزیدی و همکاران،(۱۳۸۹)

در این تحقیق از لانداهای مختلف از جمله ۰٫۲۷، در نرم افزار minitab برای این متغیر استفاده شده است. بعد از نرمال سازی نتایج آزمون جاک برا به صورت زیر می‌باشد:

جدول ۴-۵: آزمون جاک –برا، متغیر وابسته پژوهش بعد از اعمال تبدیلات کاکس و باکس

متغیر
FQR
آماره جاک برا
۵٫۲۳۱۰۲۲
سطح معنی داری
۰٫۰۷۳۱۳۰
مقایسه با ۰٫۰۵

بزرگتر

نتیجه آزمون

نرمال است

*منبع : همان

۴-۸-۲ دلایل انتخاب روش آماری

برای بررسی میزان تاثیرگذاری متغیرهای مستقل و کنترلی بر متغیر وابسته از برازش مدل رگرسیونی تابلویی یا تلفیقی استفاده می شود. چون بیش از یک نوع متغیر مستقل داریم.

به عبارت دیگر برای بررسی رابطه بین متغیرهای مستقل و وابسته از رگرسیون پانل یا پول با توجه به سطح معنی داری آزمون لیمر استفاده می‌کنیم در این آزمون زمانی که سطح معنی داری کوچکتر از ۰٫۰۵ باشد رگرسیون پانل( تابلویی) جهت برازش مدل انتخاب می شود خود برازش پانل به دو صورت اثر تصادفی و اثر ثابت می‌باشد. با توجه به آزمون هاسمن از برازش تصادفی یا ثابت استفاده می شود در این آزمون هرگاه سطح معنی داری بزرگتر از ۰٫۱ باشد از برازش تصادفی استفاده می شود.

۴-۸-۳آزمون F لیمر مدل

Price = δ۰ +δ۱ BE + δ۲ EPS + δ۴ (EPS * SS) + δ۵ (EPS *EVAR) ++ δ۶ (BETA) + δ۷ (FR)+ψ (۴)

مدل رگرسیون تابلویی ذیل را در نظر بگیریم:

(۱)

در رابطه (۱)، I نشان دهنده i امین واحد مقطعی و t نشان دهنده t امین دوره زمانی است. فرض می شود، حداکثر n مقطعی و حداکثر t دوره زمانی وجود دارد.

برآورد مدل (۱) به فروض ما ‌در مورد عرض از مبدأ، ضرایب شیب و جمله خطای بستگی دارد. در حالت کلی در برآورد رابطه (۱) عبارتند از:

الف- فرض کنیم، عرض از مبدأ و ضرایب شیب در طول زمان و در فضا ( مکان ) ثابت بوده و جمله خطا در طول زمان و برای افراد مختلف متفاوت باشد.

ب) ضرایب شیب ثابت اما ، عرض از مبدأ برای افراد مختلف متفاوت است. ساده ترین روش حذف ابعاد فضا از داده های ترکیبی در حالت الف و برآورد رگرسیون متداول حداقل مربعات معمولی است. در این حالت مدل (۱) به صورت ذیل تصریح خواهد شد.

(۲)

همان طور که مشاهده می کنید در برآورد رابطه (۲) عرض از مبدأ و ضرایب شیب بین تمامی مقاطع مشترک خواهند بود. برآورد رابطه (۲) که با روش حداقل مربعات معمولی صورت می‌گیرد، روش حداقل مربعات تلفیقی^[۲۴] معروف است.

روش دیگر برای ملاحظه تکی ( وجود مستقل) هر یک از واحد های مقطعی آن است که عرض از مبدأ برای هریک از آن ها متفاوت باشد. با فرض ثابت بودن ضرایب شیب بین مقاطع می توان معادله رگرسیون را به صورت ذیل تصریح کرد

(۳)

در رابطه (۳)،اندیس I در جمله عرض از مبدأ نشان می‌دهد که عرض از مبداهای متفاوت ممکن است، ناشی از ویژگی های خاص هر یک از مقاطع باشد در ادبیات اقتصادی مدل (۳) به مدل رگرسیون اثرات ثابت یا حداقل مربعات متغیر موهومی^[۲۵] معروف است. اصطلاح تاثیرات ثابت ناشی از این حقیقت است که با وجود تفاوت عرض از مبدأ میان مقاطع، عرض از مبدأ های هر مقطع طی زمان تغییر نمی کند. برای این که عرض از مبدأ های هر مقطع بدون تغییر باقی بماند، از متغیر های موهومی در این روش استفاده می شود^[۲۶]. برای انتخاب مدل حداقل مربعات تلفیقی و مدل اثرات ثابت از آزمون f مقید استفاده می شود. تصریح این آزمون به صورت زیر می‌باشد:

(۴)

در رابطه (۴)، ضریب تعیین در روش اثرات ثابت، ضریب تعیین در روش حداقل مربعات تلفیقی، N تعداد مقاطع، k تعداد متغیر های توضیحی و T طول دوره زمانی می‌باشد. اگر f محاسباتی از f بحرانی بزرگتر باشد، در این صورت روش اثرات ثابت انتخاب خواهد شد.