در همبستگی درباره دو معیار ضریب تعیین و ضریب همبستگی بحث میشود. ضریب تعیین مهمترین معیاری است که با آن میتوان پیوند بین دو متغیر y و x را توضیح داد. اگر ضریب تعیین برابر یک باشد نشان میدهد که خط رگرسیون بطور دقیق توانسته است y را به تغییرات مستقل x نسبت دهد. اگر ضریب تعیین برابر صفر باشد نشان میدهد که خط رگرسیون هرگز نتوانسته است تغییرات y را به تغییرات مستقل x نسبت دهد. اگر از ضریب تعیین،ریشه دوم گرفته شود به مقدار بدست آمده ضریب همبستگی گفته میشود. ضریب همبستگی شدت پیوند و همچنین نوع پیوند)معکوس یا مستقیم(را نشان میدهد.از آنجاییکه ضریب تعیین همواره بین صفر و یک است، ریشه دوم آن همواره بین یک و منفی یک است. دو متغیر که بهم وابسته نیستند ضریبی نزدیک به صفر و دو متغیر که بطور قوی بهم وابسته اند ضریبی نزدیک به یک دارند.دو متغیر میتوانند بصورت معکوس بهم وابسته باشند.در چنین حالتی ضریب،عدی منفی است.در این صورت ضریب پیوند قوی معکوس نزدیک منفی یک است.یک پیوند قوی هنگامی پیش می آید که دو متغیر به نوعی بهم وابسته باشند که امتیاز بالا در یک همواره امتیاز پایین در دیگری باشد و بالعکس.
میتوانیم از ضریب همبستگی پیرسون که با r نشان داده میشود برای پیوند بین متغیرهای پژوهش استفاده کنیم. مقدار r − همواره بین ۱ و ۱ و یا خود این عدد است.در صورتیکه r برابر با ۱+ باشد همبستگی خطی مثبت و کامل،اگر r − برابر با ۱ باشد همبستگی منفی و کامل، اگر r بین ۰ و ۱ باشد همبستگی غیر مستقیم و ناقص و اگر برابر ۰ باشد همبستگی بین دو متغیر وجود ندارد.
همبستگی پیرسون همواره بین ۱+ و ۱- می‌باشد. هرچقدر این ضریب به عدد ۱+ نزدیکتر باشد، نشان از وجود همبستگی زیاد و مستقیم بین دو متغیر است و چنانچه ضریب همبستگی پیرسون به عدد ۱- نزدیکتر باشد مفهموم آن همبستگی زیاد و معکوس بین آن‌ هاست
تحلیل رگرسیون
برای بررسی رابطه بین دو متغیر کمی متداولترین روش، استفاده از تحلیل رگرسیون است/در تحلیل رگرسیون، هدف بر اساس میزان تأثیر یک یا چند متغیر مستقل بر روی یک یا چند متغیر وابسته است .مدل‌های رگرسیون انواع مختلفی دارند که متداولترین آن‌ ها رگرسیون ساده و مرکب است.رگرسیون ساده شامل ارتباط بین دو متغیر و رگرسیون چند متغیره، ارتباط یک متغیر را با دو یا تعداد بیشتر نشان میدهد.رگرسیون چند متغیره،رابطه بین متغیر وابسته را با یکی از متغیرهای مستقل، در شرایط ثابت بودن دیگر متغیرهای مستقل نشان میدهد.
در تحلیل رگرسیون چند متغیره، تبیین رابطه بین یک متغیر وابسته و چندین متغیر مستقل بررسی می شود. بر خلاف همبستگی، در اینجا میزان تاثیر یک متغیر بر دیگری اندازه گیری می شود. ضریب همبستگی به بررسی وجود یا عدم وجود رابطه خطی بین دو متغیر می پردازد. اما در تحلیل رگرسیون یک متغیر را تابعی از چند متغیر دیگر در نظر می گیریم. مبنای تحلیل رگرسیون عمدتا بر توزیع های چندمتغیره و توزیع های شرطی است که معادله رگرسیون را بصورت میانگین شرطی ارائه می کند.
طبق الگوی معادله رگرسیون، تغییرات متغیر وابسته به دو دسته تقسیم میشود: یکی تغییراتی که متاثر از متغیرهای مستقل است و آن را قابل کنترل و تصادفی میدانیم که اصطلاحا به آن “جزء معین یا غیرتصادفی” میگویند و دیگری تغییراتی است که ناشی از عوامل تصادفی و غیر قابل کنترل می باشد که اصطلاحا به آن “جزء تصادفی” یا “جمله خطا” می گویند.
تغییرات کل[۱۶]، تغییرات توضیح داده شده [۱۷]و تغییرات توضیح داده نشده[۱۸]
تغییرات کل، مجموع مجذور تغییرات Y حول است:
تغییرات توضیح داده شده بیانگر آن بخش از تغییرات Y است که توسط معادله خط رگرسیون، توضیح داده می شود:
تغییرات توضیح داده نشده بیانگر آن بخش از تغییرات Y است که ناشی از سایر عوامل می باشد و برابر است با مجموع مجذور خطاها:
ضریب تعیین
بعد از تخمین معادله رگرسیون اولین سوال این است که تا چه اندازه تخمین به نزدیک است. به عبارت دیگر چقدر معادله رگرسیون تخمینی، معادله خوبی است و میتوان تغییرات متغیر وابسته را توضیح دهد. در این جا از معیاری به نام ضریب تعیین استفاده می شود که بیانگر نسبت تغییرات توضیح داده شده به تغییرات کل می باشد. همچنین ضریب تعیین برابر با مجذور ضریب همبستگی بین و می باشد.
میانگین خطای تخمین یا انحراف معیار رگرسیون:
میانگین خطای تخمین یا انحراف معیار رگرسیون، میزان پراکندگی مشاهدات را در اطراف خط رگرسیون نشان میدهد. وقتی خط رگرسیون به مشاهدات واقعی نزدیکتر باشد، خطای کمتری دارد و لذا انحراف معیار کوچکتر است. به طور کلی، انحراف معیار معادلات رگرسیون بیانگر متوسط خطای معادله رگرسیون است.
انحراف معیار تخمین نشان میدهد که بطور متوسط Y های واقعی چقدر از های تخمینی انحراف دارد.
تحلیل داده های ترکیبی[۱۹]:
داده های ترکیبی مجموعه ای از داده ها هستند که شامل چند مقطع و یک دوره زمانی می باشند. در تحلیل حاضر مقطع ها همان شرکتها مورد بررسی قرار گرفته می باشند که تعداد کل آنها ۳۷ نمونه می باشد. دوره زمانی داده های مورد بررسی از سال ۱۳۸۸ تا سال ۱۳۹۲ به مدت ۵ سال می باشد.
داده های ترکیبی بدلیل آنکه هم تغییرات زمانی و هم تغییرات درون هر مقطع را منعکس میکند، میتواند اطلاعات بیشتری را منعکس نماید. بسیاری از نکاتی را که در تحلیلهای سریهای زمانی نادیده گرفته می شود، و یا غیر قابل مشاهده هستند، در تحلیل داده های ترکیبی روشن می شوند. به ویژه ناهمگنی هایی که غالبا در تحلیلهای سریهای زمانی از آنها چشم پوشی می شود و اصطلاحا غیر قابل مشاهده هستند، در تحلیل داده های ترکیبی امکان بررسی آنها فراهم می گردد.
بنابراین در تحلیل داده های ترکیبی، ویژگی های خاص هر شرکت را که در طول زمان بررسی ثابت بوده اند ولی از یک شرکت به شرکت دیگر تغییر می کنند، وهمچنین امکان در نظر گرفتن آنها در مدل با توجه به ناشناخته بودنشان و در دسترس نبودن داده های مورد نیاز، وجود نداشته است، مورد توجه قرار می گیرد. برای تحلیل داده های ترکیبی دو روش کلی وجود دارد.

برای دانلود متن کامل پایان نامه به سایت 40y.ir مراجعه نمایید.

اثرات ثابت

اثرات تصادفی

در هرکدام از فرضیات با انجام آزمون ضریب لاگرانژ بروش و پگان، امکان پذیری ا[۲۰]ستفاده از مدل اثرات تصادفی را سنجش کرده و مدل مناسب را استفاده میکنیم.
آنالیز واریانس:[۲۱]
برای بررسی وجود تفاوت میان میانگین چندین جامعه از آزمون آنالیز واریانس استفاده می کنیم. در این روش میزان مجموع مجذور خطاها[۲۲] به دو دسته بین گروهی و درون گروهی تقسیم میگردد. در صورتی که میزان بین گروهی به اندازه معنی داری بزرگ باشد، نتیجه میگیریم که بین میانگین گروه های مورد بررسی تفاوت معنی دار اماری وجود دارد. آزمون آنوا میتواند وجود و یا عدم تفاوت بین میانگین گروه های مختلف را نشان دهد ولی در صورت معنی دار بودن این تفاوت، نمیتواند مشخص کند که این تفاوت دقیقا مربوطه به کدام یک از گروه ها بوده است. به عبارت دیگر نمیتوانیم تشخیص دهیم کدامیک از گروه ها با دیگر گروه ها تفاوت معنی داری داشته است. بدین منظور پس از انجام آزمون آنوا و یافتن تفاوت معنی دار به انجام آزمونهای پس آزمون[۲۳]
میپردازیم. در پژوهش حاضر از آزمون بنفرونی[۲۴] بدین منظور استفاده میکنیم. این آزمون وجود و یا عدم وجود تفاوت معنی دار بین میانگین هر جفت از گروه ها را آزمون می نماید.
۳-۶ متغیرهای تحقیق و روش محاسبه آن‌ ها
۳-۶-۱ متغیرهای مستقل تحقیق شامل
تمرکز صنعتی:
شاخص هرفیندهال- هیرشمن
یکی از شاخص های مهم و کاربردی برای بیان مفهوم تمرکز شاخص هرفیندهال- هیرشمن می باشد. بر خلاف شاخص نسبت تمرکز، این شاخص به تمام اطلاعات موجود (تمام نقاط) در منحنی تمرکز توجه می کند. به عبارتی این شاخص از اطلاعات تمام بنگاه های صنعت استفاده می نماید. این شاخص عبارت است از مجموع توان دوم سهم بازار تمامی بنگاه های موجود در یک صنعت:

که در آن سهم بازاری هر بنگاه به توان ۲ رسیده است و این بدان معنی است که به سهم بازار هر بنگاه وزنه ای معادل سهم بازار همان بنگاه تعلق گرفته است. در نتیجه به سهم بنگاه های بزرگتر اهمیت بیشتری داده می شود.
همچنین در این پژوهش از متغیرهای کل دارائیها و سود پس از کسر مالیات، به عنوان متغیرهای کنترلی استفاده خواهد شد.
۳-۶-۲ متغیروابسته
بهره وری حاصل کسری است که از تقسیم مقدار یا ارزش محصول بر مقدار یا ارزش یکی از عوامل تولید بدست می آید. بدین لحاظ می توان از بهره وری سرمایه، مواد اولیه و نیروی کار صحبت کرد. در پژوهش حاضر سه نوع بهره وریمختلف را مورد بررسی قرار خواهیم داد.
بهره وری کار بر حسب هزینه های پرسنلی:
بر اساس تئوری ذینفعان ارزش افزوده (VA) را می توان با اضافه کردن هزینه های حقوق و هزینه های بهره به سود قبل از مالیات محاسبه کرد.
S : در آمد فروش
B : بهای تمام شده کالای فروش رفته
DP : استهلاک
NI : سود پس از کسر مالیات
W: حقوق و دستمزد کارمندان
I: بهره
T: مالیات
بنابراین بهره وری بر حسب هزینه های پرسنلی را بدین صورت محاسبه میکنیم.
بهره وری برحسب هزینه های پرسنلی : LEP
هزینه های کارکنان:EP
بهره وری بر حسب دارائیها:
بهره وری بر حسب دارائیها را بدین صورت محاسبه میکنیم.
بهره وری برحسب کل دارائیها : TAP[25]
کل دارائیها:TA[26]
بهره وری بر حسب دارائیهای ثابت:
بهره وری بر حسب دارائیهای ثابت را بدین صورت محاسبه میکنیم.
بهره وری برحسب کل دارائیها : FAP[27]
ی ثابت کل دارائیها:FA[28]
محاسبه ضریب ارزش افزوده اقتصادی دارای مراحل زیر می باشد:
عکس مرتبط با اقتصاد
فصل چهارم
تحلیل داده های آماری
مقدمه:
پس از آنکه داده های تحقیق گردآوری ، استخراج و طبقه بندی گردیدند، جداول و نمودارهای لازم تهیه شدند و آزمون های آماری نیز انجام شد؛ نوبت به مرحله جدیدی از فرایند تحقیق که به مرحله تجزیه وتحلیل داده ها معروف است، می رسد. این مرحله در تحقیق اهمیت زیادی دارد.
در مرحله تجزیه و تحلیل آنچه که مهم است این است که محقق باید اطلاعات و داده ها را در مسیر هدف تحقیق، پاسخگویی به سؤالات تحقیق و نیز ارزیابی فرضیه های خود، هدایت کند و مورد تجزیه و تحلیل قرار دهد. تجزیه و تحلیل به عنوان فرایندی از روش علمی، یکی از پایه های اساسی هر روش تحقیقی است. تجزیه و تحلیل روشی است که از طریق آن، داده هایی که از طریق بکارگیری ابزارهای تحقیق فراهم آمده اند؛ خلاصه،کدبندی، دسته بندی و در نهایت پردازش می شوند تا زمینه برقراری انواع تحلیل ها و ارتباط بین این داده ها به منظورآزمون فرضیه ها فراهم آید.
برای تجزیه و تحلیل داده ­های جمع آوری شده در این تحقیق، ابتدا آمار توصیفی متغیرهای مورد سنجش بیان میگردد و سپس با روش رگرسیون داده های ترکیبی به ساختن چندین مدل و متغیرهای جدید برای بهتر ساختن عملکرد مدل نهائی می پردازیم. در نهایت به توضیح ضرایب مدل و بررسی فرضیات تحقیق می پردازیم.
۴-۲ آمار توصیفی متغیرهای تحقیق