بنابراین، داده‌های مورد نیاز این پژوهش از طریق بانک‌های اطلاعاتی رایانه‌ای و مراجعه به کتابخانه سازمان بورس و اوراق بهادار و استفاده از نرم افزار ره‌آورد نوین و مراجعه به وب سایت www.rdis.ir سایت متعلق به سازمان بورس و اوراق بهادار (مدیریت پژوهش، توسعه و مطالعات اسلامی)، جمع‌ آوری گردیده است. همچنین صورتهای مالی شرکت ها شامل ترازنامه، صورت جریان وجوه نقد و یاداشتهای همراه صورت های مالی در پایان هر سال مالی (۲۹ اسفند ماه) به عنوان ابزار تحقیق مورد استفاده قرار گرفته است.

جهت دانلود متن کامل پایان نامه به سایت azarim.ir مراجعه نمایید.

۳-۶- مدل متغیرهای تحقیق

برای آزمون فرضیات، مطابق با تحقیق چاهینی و فیلاتوتچو[۱۹](۲۰۱۱) از مدل رگرسیونی زیر استفاده می شود:
Ln(1+Uderpricing)=β۰ + β ۱PNEDi,t + β۲NBDi, t+ β۳LnAsseti,t + β۴ Agei,t + β۵Debt ratioi,t + β۶Loss dummyi,t + β۷Founder Ownershipi,t + β۸Current Asseti,t + β۹Internet dummyi,t + ε i,t

متغیر وابسته:

Underpricing= ارزش گذاری زیر قیمت که از طریق فرمول زیر محاسبه شده است.
=ارزش گذاری زیر قیمت
(بازده روز اول)

متغیرهای مستقل

PNED= درصد مدیران غیر موظف هیات مدیره،
NBD= تعداد اعضای هیات مدیره.

متغیرهای کنترل

=Ln Asset لگاریتم طبیعی جمع کل داراییها،
=Age سن شرکت (تفاوت تاریخ تاسیس و تاریخ عرضه عمومی اولیه)،
=Debt ratio نسبت بدهی بلند مدت به جمع کل داراییها،
=Loss dummy متغیر دامی. اگر شرکت در سال مالی قبل از عرضه عمومی اولیه زیان ده بوده برابر یک در غیر اینصورت صفر،
=Founder Ownership درصد مالکیت سهامداران نهادی،
تصویر درباره بازار سهام (بورس اوراق بهادار)
=Current Asset نسبت دارایی های جاری به کل دارایی ها،
=Internet dummy متغیر دامی. اگر شرکت دارای سایت اینترنتی مرتبط با فعالیتهای تجاریاش باشد، برابر یک در غیر اینصورت صفر.

۳-۷- روش‌ها و ابزار تحلیل داده‏ها

در مواردی که بررسی ارتباط بین یک متغیر وابسته با یک یا چند متغیر مستقل مد‌نظر باشد و هدف محقق این است که بر اساس این ارتباط و با بهره گرفتن از داده‌های تاریخی، پارامتر (پارامترهایی) برای متغیر(متغیرهای) مستقل برآورد و با ارائه مدل اقدام به پیش بینی نماید، داده‌ها و متغیر‌های موجود در یک مدل معمولاً در سه نوع مختلف می‌تواند باشد:
داده های سری زمانی[۲۰]
داده های مقطعی[۲۱]
داده های ترکیبی[۲۲]
داده‌های سری زمانی، مقادیر یک متغیر (چند متغیر) را در نقاط متوالی در زمان، اندازه‌گیری می‌کند. این توالی می‌تواند سالانه، فصلی، ماهانه، هفتگی یا حتی به صورت پیوسته باشد.
داده های مقطعی، مقادیر یک متغیر (چند متغیر) را در طول زمان و روی واحدهای متعدد اندازه‌گیری می‌کند، این واحدها می‌تواند واحدهای تولیدی، صنایع و یا شرکت‌های مختلف باشد.
داده های ترکیبی، در واقع بیان کننده داده‌های مقطعی در طی زمان است، یا به عبارت دیگر این داده‌‌ها حاصل ترکیب دو دسته داده‌های سری زمانی و مقطعی می‌باشد.
با توجه به ادبیات تحقیق موجود و نیز ماهیت فرضیات تحقیق در این پژوهش از داده‌های ترکیبی و مقطعی استفاده شده است.

۳-۸- روش‌های آماری آزمون فرضیه ها

از آنجایی که هدف اصلی این پژوهش بررسی تاثیر هیات مدیره بر ارزشگذاری سهام در عرضه های عمومی اولیه (IPO)شرکت های پذیرفته شده در بورس اوراق بهادار تهران می باشد، لذا در این تحقیق از رگرسیون چند متغیره با به کارگیری داده‌های ترکیبی و مقطعی استفاده گردیده است .
برای تجزیه و تحلیل داده های تحقیق و آزمون فرضیات تحقیق از روش های آماری به دو شکل توصیفی و استنباطی استفاده خواهد شد که در ابتدا با بهره گرفتن از آمار توصیفی به تبیین و توصیف ویژگیهای جمعیت شناختی داده ها پرداخته میشود و سپس برای برآورد پارامترها و بررسی آزمون فرضیات تحقیق، فروض کلاسیک رگرسیون مورد بررسی قرار می گیرد. همچنین از نرم افزارهای EViews و SPSSبرای تحلیل توصیفی داده ها و آزمون فرضیات و استخراج مدل رگرسیون استفاده میشود.

۳- ۹- رگرسیون چند متغیره

در برخی از مسائل پژوهشی، به ویژه آن‌ هایی که با هدف ارائه مدلی برای پیش‌بینی انجام می‌شوند، تعیین همبستگی بین متغیر وابسته (که قصد پیش‌بینی آن را داریم)، و متغیرهای پیش‌بینی کننده که هر کدام از آنها تا حدودی با این متغیر همبستگی دارند، دارای اهمیت زیادی است. روشی که از طریق آن متغیرهای پیش‌بینی کننده ترکیب می‌شوند، “رگرسیون چند متغیره” نام دارد. در این روش، یک معادله رگرسیون چند متغیره محاسبه می‌شود که ارزش‌های اندازه‌گیری شده پیش‌بینی را در یک فرمول خلاصه می‌کند. ضرایب معادله برای هر متغیر، بر اساس اهمیت آن در پیش‌بینی متغیر ملاک محاسبه و معین می‌شود. درجه همبستگی بین متغیرهای پیش‌بینی کننده در معادله رگرسیون چند متغیره و متغیر وابسته، به‌وسیله ضرایب نشان داده می‌شود (سرمد ۱۳۸۴، ۲۲۰).مدل رگرسیون چند متغیره به شرح زیر است:
Yi = α + β۱ X1,i + β۲ X2,i + … + βn Xn,i + εn,i
که در آن:
Yi = i اُمین مشاهده متغیر وابسته
α = عرض از مبدأ (مقدار ثابت)
Xn,i = i اُمین مشاهده برای متغیرمستقل Xn (n=1,2,…,n)
β = ضریب متغیر مستقل
ε ‌= جزء اخلال
در چنین مدلی مفروضات اساسی زیر در نظر گرفته می‌شود:
۱- بین متغیرهای مستقل رابطه خطی وجود ندارد؛
۲- امید ریاضی خطاها معادل صفر و واریانس آن‌ ها ثابت است (توزیع خطاها بایستی نرمال باشد)؛
۳- بین خطاهای مدل همبستگی وجود ندارد؛ و
۴- متغیر وابسته دارای توزیع نرمال است (مومنی ۱۳۸۶،۱۱۲).

۳-۹-۱ ضریب تعیین و ضریب تعیین تصحیح شده

ضریب تعیین مهم‌ترین معیاری است که با آن می‌توان رابطه میان متغیر (متغیر‌های) مستقل و متغیر وابسته را توضیح داد. مقدار این ضریب مشخص‌کننده آن است که چند درصد از تغییرات متغیر وابسته توسط متغیر (متغیر‌های) مستقل قابل توضیح است. مقدار از رابطه زیر تعیین می‌شود :

که در آن:
SSE: تغییرات جمله خطا که توسط رگرسیون توضیح داده نمی‌شود.
SST: کل تغییرات در مقدار متغیر وابسته.
برای برطرف نمودن اریبی که در ضریب تعیین ناشی از حجم نمونه است، می‌توان از مقیاس دیگری به نام ضریب تعیین تصحیح شده استفاده نمود. این ضریب همان ضریب تعیین است که در آن مقادیر SSE و SST با درجات آزادیشان تصحیح شده‌اند. این ضریب در رگرسیون چند متغیره به صورت زیر محاسبه می‌شود (آذر و مومنی ۱۳۷۷، ۵۶):

۳-۹-۲ مفروضات رگرسیون خطی

تنها در صورتی میتوان از رگرسیون خطی استفاده نمود که شرایط زیر برقرار باشند:
۱٫ یکی از مفروضاتی که در رگرسیون مدنظر قرار می‌گیرد، عدم وجود خود‌همبستگی[۲۳] یا همبستگی پیاپی بین خطاها (تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون) است. در الگوی رگرسیون فرض می‌شود که خطاها یک متغیر تصادفی هستند و نسبت به یکدیگر هیچ رابطه‌ای نداشته (مستقل از یکدیگرند)، یا به عبارت دیگر:
E (uiuj)i≠j=0
E (ui,ui+h)h≠۰=۰
به عبارت دیگر، کوواریانس بین جملات خطا برابر با صفر خواهد بود.
۲٫ معادله رگرسیون برازش شده در کل معنادار باشد. برای آزمون معنا‌داری کلی مدل از آماره F در سطح ۹۵% استفاده می‌ شود.