نرم افزارهای رایانه ای مورد استفاده
در این تحقیق برای جمع آوری اطلاعات از نرم افزار ره آورد نوین و اطلاعات مالی شرکت ها در سایت کدال استفاده شده و برای انجام محاسبات و تجزیه وتحلیل های آماری از نرم افزارهای EXCEL, EVIEWS استفاده شده است. نرم افزارEVIEWS، بسته نرم افزاری طراحی شده برای تخمین و شبیه سازی الگوهای اقتصادسنجی است که توسط شرکت QMS طراحی شده است. این نرم افزار دو حالته هم برای برنامه نویسی و هم برای اجرای رویه های از پیش نوشته شده به صورت محاوره ای، به گونه ای طراحی شده است که امروزه یکی از مهم ترین برنامه های نرم افزاری مورد استفاده توسط اقتصاددانان در سطح دنیا است. EVIEWS را می توان در حوزه ی تجزیه و تحلیل روابط آماری و اقتصاد سنجی، پیش‌بینی فروش، شبیه سازی، پیش‌بینی کلان اقتصادی، تجزیه وتحلیل هزینه ها و الگوسازی و ارزیابی سیاست گذاری به کار گرفت.
اعتبار درونی و برونی تحقیق
اعتبار درونی تحقیق بررسی این پرسش است که آیا متغیرهای مستقل واقعاً در متغیر وابسته تغییر ایجاد کرده‌است. موارد ذیل ممکن است به نحو منفی بر اعتبار درونی تحقیق تأثیر گذاشته باشد:
الف)حوادث تاریخی همزمان با دوره مطالعات: برخی رویدادهای سیاسی ویا اجتماعی (همانند انتخابات شوراها، مجلس و یا ریاست جمهوری، وقوع جنگ درکشور همسایه، حوادث وبلایای طبیعی و…) اثرمنفی بر اعتبار درونی داشته باشد.
ب) تورم: تورم به عنوان یکی از مشخصات اقتصاد کلان، می‌تواند بر ارقام سود شرکت ها تأثیرگذار باشد و با توجه به نرخ تورم دو رقمی که در ایران وجود دارد، اعتبار درونی تحقیق را خدشه دار کند.
اعتبار بیرونی یا قابلیت تعمیم متأثر از عوامل زیر است:
الف)ویژگی های شرکت: حتی در یک صنعت نیز در هر شرکت خاص، ویژگی هایی وجود دارد که می‌تواند بر تعمیم پذیری نتایج اثر بگذارد.
ب) مبانی تئوریک تحقیق: در مورد بسیاری از مباحث حسابداری همچون سود، تئوری واحدی ارائه نشده است(باقرآبادی ، ۱۳۸۹)
بررسی فروض مدل رگرسیون خطی کلاسیک
آنچه به عنوان مدل رگرسیون خطی عمودی، کلاسیک یا استاندارد معروف می‌باشد مبتنی بر فرضیات زیر است:
۱- میانگین اجزای باقیمانده (خطاها) مساوی صفر است: بر اساس این فرض مقدار میانگین باقیماندهxi مفروض، صفر است. در مواردی که از روشOLS استفاده می شود هر مجموعه مربوط به یک x مفروض در اطراف مقدار متوسط آن توزیع شده اند، که بعضی از مقادیرY، بالای میانگین و برخی پائین آن قرار دارند. فواصل بالا و پائین مقادیر میانگین ها همان uiها هستند که میانگین آن ها صفر می‌باشد.
۲- عدم وجود خود همبستگی بینui ها: یعنی اجزای باقیمانده (خطاها) در دوره های زمانی مختلف باهم ارتباطی نداشته باشند و به عبارتی E(uj,ui)=0درجائیکه j i است.
- همسانی واریانس uiها: یعنی اجزای باقیمانده ( خطاها) در دوره های مختلف واریانس یکسان داشته باشند به عبارت دیگر:
معادله فوق بیان می‌کند که واریانس ui برای هرxi (یعنی واریانس شرطیui ) عدد ثابت و مثبتی معادل² δ است. در حقیقت ²δ در معادله دلالت براین دارد که واریانس جامعه Yبیش از یک مقدار ثابت نیست.
۴- کوواریانس صفر بین ui و xiها: این فرض بیان می‌کند که جزء باقی مانده ui و متغیر توضیحی xi ناهمبستگی دارند. چون در یک مدل رگرسیونی xi ها وui دارای تأثیرات جمع پذیر و مجزا برY می‌باشند، چنانچه ui و xi همبستگی داشته باشند، تشخیص تأثیرخاص و مجزای هر کدامشان برY امکان پذیر نخواهد بود.
۵- مدل رگرسیون دقیقاً تصریح شده باشد (عدم وجود خطای تصریح یا تورش): مدل رگرسیون باید به طور صحیح، تصریح شده باشد. زمانی که مدل به طور صحیح تصریح نشده باشد، احتمال بروز یک یا تعدادی از خطاهای زیر وجود خواهد داشت:
حذف یک متغیر مهم، وارد کردن متغیر غیر لازم، خطا در اندازه‌گیری متغیر وابسته یا متغیر (متغیرهای) مستقل و یا در نظر گرفتن یک شکل تبعی غلط هنگامی که از روش OLS برای تخمین ضرایب استفاده می‌شود، در صورتی ضرایب قابل اطمینان، کارا و نااریب هستند که فرضیه‌های موصوف برقرار باشد. در غیر این صورت باید به رفع نقائص پرداخت.
در ادامه به معرفی دو مشکل معمول و نحوه ی رفع آن می پردازیم.
وجود خود همبستگی
همان طور که گفته شد یکی از فروض کلاسیک مدل رگرسیون خطی، ارتباط نداشتن اجزای باقیمانده (خطاها) در دوره های مختلف زمانی است. نقض این فرض، مشکلی به نام خود همبستگی ایجاد می‌کند. برای تشخیص وجود این مشکل می توان از آزمون دوربین-واتسون (Durbin-Watson) استفاده کرد، که این آماره به شرح زیر محاسبه می شود:
وبه طور ساده نسبت مجموع مجذور تفاضلات باقیمانده های متوالی به مجموع مجذور باقیمانده ها (RSS) می‌باشد. اگر همبستگی بین باقی مانده‌ها را با نشان دهیم در این صورت آماره دوربین – واتسون تقریبا” به کمک رابطه زیر نیز محاسبه می شود:
و با توجه به اینکه ۱ ۱- می توان نتیجه گرفت که همواره آماره دوربین-واتسون در دامنه ۰و۴ قرار داردزیرا اگر ۰= باشد آنگاه d=2 خواهد بود که نشان می‌دهد باقیمانده ها از یکدیگر مستقل هستند (عدم خود همبستگی). اگر۱= آنگاه d=0 خواهد بود که نشان می‌دهد باقیمانده ها دارای خود همبستگی مثبت هستند. اگر ۱- = آنگاه d=4 خواهد بود که نشان می‌دهد باقیمانده ها دارای خود همبستگی منفی هستند. چنانچه این آماره در بازه ۱٫۵ تا ۲٫۵ قرار بگیرد H0 آزمون (عدم همبستگی بین باقیمانده) پذیرفته می شود و در غیر اینصورت H0 رد می شود (همبستگی بین باقیمانده ها وجود دارد). برای رفع مشکل خود همبستگی همانند ناهمسانی واریانس می توان از روش کمترین مجذورات تعمیم یافته (GLS) استفاده کرد.
وجود ناهمسانی واریانس
روش های مختلفی برای تشخیص ناهمسانی وجود دارد. ازآن جمله آزمون آرچLM و آزمون وایت می‌باشد. آزمون آرچ LM بر اساس رگرسیون کمکی که شکل عمومی آن عبارت است از:
انجام می شود. نتایج آزمون دو آماره F و Obs*R squared یا n*R² و احتمالات مربوطه می‌باشد. آزمون وایت نیز برای تشخیص ناهمسانی واریانس به کار گرفته می شود. بازده آزمون وایت نیز F و Obs*R squared و احتمالات مربوطه می‌باشد. این آزمون بر اساس رگرسیون کمکی زیر انجام می شود:
مجذور متغیر و یا f مجذور جملات پسماند معادله اصلی = متغیرهای توضیحی معادله اصلی
در این آزمون ها فرضیه‌ها به صورت زیر است:
H0: همسانی واریانس
H1: ناهمسانی واریانس
با بهره گرفتن از آماره F به راحتی می توان قضاوت کرد که مدل ناهمسانی دارد یا خیر. به این صورت که اگر احتمال مربوط به آماره یF، Prob(p-value) بیشتر از سطح خطای آلفا باشد، فرضیه ی H0 رد نشده و لذا همسانی واریانس پذیرفته می شود.
