Jarque-Bera

 

احتمال برآوردشده

 

کشیدگی

 

چولگی

 

 

بازده روزانه تجمعی ماقبل

 

۹۴

 

۶۴/۲۲۳-

 

۷۳/۶۲۳

 

۷۷/۵۴

 

۷۵/۱۸۹

 

۳۷/۲۹

 

۰۰/۰

 

۳٫۹۶۷۶۹۶

 

۱٫۲۸۰۹۹۴

 

۳-۷- بررسی خودهمبستگی در جملات اخلال
در مطالعه حاضر برای بررسی خودهمبستگی از آزمون Correlation LM بهره برده ایم.چنانچه مقدار احتمال برآورد شده کمتر از ۰٫۰۵ باشد دلیل بر وجود خودهمبستگی است.

 

دانلود متن کامل پایان نامه در سایت fumi.ir

 

مدل اول

با توجه به نتیجه آزمون(پیوست ۱ )، مدل حاضر مشکل خود همبستگی دارد، از اینرو جهت رفع این مشکل جزء AR(1) را وارد مدل می کنیم و بار دیگر آزمون مورد نظر انجام شده و مشاهده می شود که با ورود جزء AR(1) مشکل خودهمبستگی رفع شده و فرض عدم خودهمبستگی به قوت خود باقی می ماند.

 

 

مدل دوم

با توجه به نتیجه آزمون(پیوست ۱)، مدل دوم نیز مشکل خود همبستگی دارد، از اینرو جهت رفع این مشکل جزء AR(1) را وارد مدل می کنیم و بار دیگر آزمون مورد نظر انجام شده و مشاهده می شود که با ورود جزء AR(1) مشکل خودهمبستگی رفع شده و فرض عدم خودهمبستگی به قوت خود باقی می ماند.

 

 

مدل سوم

با توجه به نتیجه آزمون(پیوست ۱)، مدل سوم مشکوک به مشکل خود همبستگی است ضمن اینکه مقدار دوربین واتسون در این حالت برابر با ۶/۱ است و تفاوت قابل ملاحظه ای با عدد ۲ دارد، از اینرو جهت رفع این مشکل جزء AR(1) را وارد مدل می کنیم و بار دیگر آزمون مورد نظر انجام شده و مشاهده می شود که با ورود جزء AR(1) مشکل خودهمبستگی رفع شده و فرض عدم خودهمبستگی به قوت خود باقی می ماند.
۳-۸- بررسی ناهمسانی واریانس در جملات اخلال
در تحقیق حاضر برای آزمون فرض همسانی واریانس از آزمون Heteroskedasticity بهره جسته ایم. در این آزمون چنانچه مقدار احتمال برآورد شده کمتر از ۰٫۰۵ باشد آنگاه مشکل ناهمسانی واریانس خواهیم داشت. در این قسمت برای لحاظ کردن تفاوت های شرکت های منتخب و جلوگیری از ناهمسانی واریانس، گزینه white را فعال کرده و سپس تخمین زده شد. آنگاه آزمون مزبور انجام شد و مشاهده میگردد Prob تخمین زده شده بیش از ۰٫۰۵ است(پیوست ۱)، لذا هر سه مدل مشکل ناهمسانی واریانس ندارد.
۳-۹- بررسی نرمال بودن توزیع
در صورتی که با قیمانده های مدل دارای توزیع نرمال باشند،آزمون های tو f مبنی بر معنی دار بودن ضرایب ومعنی دار بودن کل رگرسیون قابل استناد است . بنا براین دانستن اینکه باقیمانده های مدل دارای توزیع نرمال باشند از اهمیت خاصی بر خوردار است.وبرای این منظور اقدام به برآوردآزمون می شود،این آزمون توسط Jargue-bera انجام شد.در این آزمون فرضیه های آماری به صورت زیر می باشد:
نرمال بودن H0:
غیر نرمال بودن H1:

 

 

مدل اول

با توجه به میزان آماره جراک بار برابر با ۴٫۷۱ است و با توجه به مقداراحتمال محاسبه شده که بیشتر از ۰٫۰۵ شده(۰٫۰۹) لذا فرضیه H0مبنی بر نرمال بودن باقیمانده های مدل پذیرفته می شود .

 

 

مدل دوم

با توجه به میزان آماره جراک بار برابر با ۵٫۳۴ است وتوجه به مقداراحتمال محاسبه شده که بیشتر از ۰٫۰۵ شده(۰٫۰۷) لذا فرضیه H0مبنی بر نرمال بودن باقیمانده های مدل پذیرفته می شود .

 

 

مدل سوم

با توجه به میزان آماره جراک بار برابر با ۵٫۳۹ است وتوجه به مقداراحتمال محاسبه شده که بیشتر از ۰٫۰۵ شده(۰٫۰۶) لذا فرضیه H0مبنی بر نرمال بودن باقیمانده های مدل پذیرفته می شود .

 

۳-۱۰-خطای تصریح مدل

نظر به اینکه خطای تصریح می تواند تهدیدی جدی برای تحلیل باشد، لذا در این تحقیق از آزمون Ramsey RESET جهت کشف این مشکل استفاده شده است و نتایج(پیوست ۱) حاکی از آن است که، خطای تصریح در مدل حاضر وجود ندارد.
۳-۱۱- آزمون هم خطی میان متغیرها
در مطالعه حاضر آزمون هم خطی در نرم افزار ایویوز انجام شد و نتایج(پیوست ۱) بدست آمده نشان می دهد که ضریب همبستگی بین متغیرها بین ۰٫۰۲ تا ۰٫۲ می باشد و تفاوت فاحشی با عدد یک دارد لذا می توان عدم خطی شدید را ادعا نمود.
۳-۱۲- خلاصه فصل
در این فصل ابتدا به بیان فرضیات تحقیق پرداخته شده و نحوه انتخاب نمونه آماری از جامعه آماری تشریح شده است. شرکتهای عضو بورس اوراق بهادار تهران بعنوان جامعه آماری و با بهره گرفتن از روش غربال گری به انتخاب نمونه آماری پرداخته شده است. جمع آوری اطلاعات مورد نیاز به صورت کتابخانه ای و میدانی صورت گرفته و از همبستگی و رگرسیون جهت تبیین روابط بین متغیر ها استفاده شده است. داده های اولیه این تحقیق بعد از استخراج از منابع ذکر شده وارد نرم افزار اکسل شده تا با انجام برخی محاسبات متغیرهای مورد نیاز در فرضیه پژوهش بدست آیند. نتایج حاصل از اندازه گیری متغیرها به منظور آزمون فرضیه پژوهش وارد نرم افزار ای – ویوز شده است. برای تجزیه و تحلیل اطلاعات ابتدا آماره های توصیفی متغیرهای پژوهش شامل میانگین، انحراف معیار و … محاسبه و سپس آزمون همبستگی شامل ضریب همبستگی و رگرسیون خطی استفاده شده است. برای بررسی خودهمبستگی از آزمون Correlation LM بهره برده ایم. نتایج بدست آمده نشان می دهد که هر سه مدل دچار خودهمبستگی بودند که با ورود جزء AR(1) این مشکل حل شد. برای آزمون فرض همسانی واریانس از آزمون Heteroskedasticity بهره جسته ایم. نتایج بدست آمده نشان می دهد که هیچ کدام از مدل ها مشکل ناهمسانی واریانس ندارند. برای بررسی نرمال بودن باقیمانده های مدل از آزمون Jargue-bera استفاده شده است. نتایج نشان می دهد که باقیمانده های هر سه مدل دارای توزیع نرمال هستند. از آزمون Ramsey RESET جهت کشف مشکل خطای تصریح مدل استفاده شده است و نتایج حاکی از آن است که، خطای تصریح در مدل حاضر وجود ندارد. از نتایج بدست آمده از آزمون هم خطی نیز می توان عدم هم خطی شدید را ادعا نمود.

فصل چهارم
تجزیه و تحلیل داده ها و آزمون فرضیات

 

۴-۱ مقدمه

تحلیل رگرسیونی، روشی آماری جهت بررسی رابطه بین متغیرها و به طور کلی پژوهش های علّی است. در این روش رابطه بین متغیر یا متغیرهای مستقل با متغیر وابسته نشان داده می شود. ساده ترین مدل رگرسیون، مدل رگرسیون خطی است که تنها شامل یک متغیر مستقل و یک متغیر وابسته با رابطه خطی می باشد. این مدل اولین بار توسط ودربورن و فلدر در سال ۱۹۷۲ معرفی شد و مبنای تحلیل رگرسیونی قرار گرفت. با فرض آن که رابطه علت و معلولی بین دو متغیر کمی وجود دارد و این رابطه به صورت خطی می باشد، معادله رگرسیون به شکل زیر نوشته می شود: Y= α + βx که در آن β شیب خط و α عرض از مبدا(محل تلاقی با محور y) است. رگرسیون خطی چند متغیره نیز زمانی استفاده می شود که دو یا چند متغیر تاثیر عمده ای روی متغیر وابسته داشته باشند. در این وضعیت از رگرسیون چندگانه جهت پیش بینی متغیر وابسته استفاده می شود. در رگرسیون چندگانه نیز فرض خطی بودن متغیرها برقرار می باشد و بر همین اساس معادله رگرسیون چندگانه به شکل زیر تعریف می شود: y = α۰ + b1x1 + b2x2 + … + bnxn
در این تحقیق با توجه به نوع متغیر وابسته، جهت بررسی روابط بین متغیرها از رگرسیون خطی چند متغیره استفاده می شود. پس از انجام تحلیل رگرسیون از تحلیل همبستگی استفاده می شود. ضریب همبستگی شاخصی است ریاضی که جهت و مقدار رابطه ی بین دو متغیر را توصیف میکند. ضریب همبستگی درمورد توزیع های دو یا چند متغیره به کار می رود. اگر مقادیر دو متغیر شبیه هم تغییر کند یعنی با کم یا زیاد شدن یکی، دیگری هم کم یا زیاد شود به گونه ای که بتوان رابطه آنها را به صورت یک معادله بیان کرد، می گوییم بین این دو متغیرهمبستگی وجود دارد. در این فصل تلاش می­ شود، مدل مناسبی که بتواند در حد قابل ­قبولی تغییرات متغیر وابسته را توضیح دهد، طرح و برآورد شود. سپس به تجزیه و تحلیل اطلاعات پرداخته و آزمون فرضیات مطابق با روش‌ تحقیق مطرح شده در فصل سوم مورد بررسی قرار خواهد گرفت. آنچه مسلم است اینست که کلیه مباحث مطروحه در فصول قبل زمانی از اهمیت لازم برخوردار خواهند‌بود، که اطلاعات جمع‌ آوری شده در این فصل به صورت دقیق و صحیح مورد بررسی قرار گرفته و نتایج حاصل از تجزیه و تحلیل اطلاعات به درستی تفسیر شود، بنابراین انتخاب شیوه صحیح تحلیل اطلاعات در این فصل از اهمیت ویژه‌ای برخوردار است.

 

۴-۲- مراحل برآورد مدل

 

۴-۲-۱ بررسی فروض کلاسیک

 

۴-۲-۱-۱ عدم خود همبستگی( Autocorrelation )

یکی از فروض مهم مدل کلاسیک خطی خود همبستگی یا خودهمبستگی سریالی بین اجزای اخلالی که در تابع رگرسیون جامعه(PRF) وارد می شود، وجود ندارد. به سمبلیک داریم:
E(UiUj)=0 i≠j
به طور ساده، مدل کلاسیک فرض می کند که اجزای اخلای مربوط به یک مشاهده، تحت تاثیر جزء اخلای مربوط به مشاهده دیگر قرار نمی گیرد.پس اگر چنین وابستگی وجود داشته باشد، دال بر خود همبستگی است. بر حسب نماد خواهیم داشت:
E(UiUj)≠ ۰ i≠j
هر چند تخمینهای OLS در حالت وجود خودهمبستگی، بدون تورش و سازگار باقی می مانند، ولی دیگر کارا نیستند. در نتیجه نمی توان آزمونهای t و F معمولی معنی دار بودن را به خوبی کار برد و از این رو اقدامات درمانی مورد نیاز می باشد. درمان به ماهیت وابستگی بین اجزای اخلال بستگی دارد. اما از آنجا که اجزای اخلال غیر قابل مشاهده اند؛ عموما مورد استفاده قرار می گیرد، همان الگوی خود رگرسیونی مرتبه اول می باشد(گجراتی، ۱۳۸۸).
در مطالعه حاضر برای بررسی خودهمبستگی از آزمون Correlation LM بهره برده ایم.چنانچه مقدار احتمال برآورد شده کمتر از ۰٫۰۵ باشد دلیل بر وجود خودهمبستگی است. نتایج آزمون به شرح جدول زیر می باشد.

 

 

مدل اول

جدول۴-۱-خروجی آزمون Correlation LM