۳-۹-۴ آزمون مناسب بودن مدل
برای آزمون مناسب بودن مدل تخمین شده، ابتدا این فرض را مطرح می‌سازیم که مدل تغییرات Y را به صورت معنی داری توجیه نمی‌کند. برای آزمون فرض مزبور، از آماره F استفاده می‌کنیم. اگر در سطح خطای α (در این تحقیق ۵%) مقدار آماره F از مقدار جدول بیشتر باشد، فرض صفر رد می شود و می‌توان گفت تغییرات توجیه شده توسط مدل مناسب است و یا اینکه رابطه معناداری بین متغیر وابسته ومتغیر مستقل وجود دارد. همچنین اگر سطح معناداری مدل (sig) کمتر از سطح خطای α (در این تحقیق ۵%) باشد، فرض صفر رد و چنین استنباط می شود که مدل تغییرات F را به صورت معنا داری توجیه می نماید (یعنی مدل مناسب است).

( اینجا فقط تکه ای از متن فایل پایان نامه درج شده است. برای خرید متن کامل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۳-۹-۵ آزمون معنادار بودن ضرایب
به منظور آزمون معنی داربودن هر یک از ضرایب برآوردی رگرسیون فرض می‌شود که ضریب رگرسیون برابر صفر است و به عبارتی متغیر مستقل بر متغیر وابسته تاثیری ندارد. یعنی فرضیه صفر به صورت زیر بیان می‎‌گردد:
H₀: β = ۰
در مقابل آن فرضیه رقیب بیان می‌دارد که متغیر مستقل در تغییرات متغیر وابسته موثر واقع می‌شود یعنی:
H₁: β_i ≠ ۰
برای آزمون این فرضیات از آزمون t استیودنت، در سطح معناداری ۵% استفاده می‌شود. اگر در سطح اطمینان ۹۵% (خطای ۵%α=) قدر مطلق t بدست آمده از آزمون، بزرگتر از t بدست آمده از جدول با همان درجه آزادی باشد، فرض  رد شده و در غیر این صورت تایید می‌شود. در این آزمون رد  به معنی معنا‌دار بودن ضریب مورد نظر و عدم رد  به مفهوم بی معنا بودن ضریب مورد نظر است.
۳-۱۰ بررسی ساختار داده ­های ترکیبی و انواع مدل­های آن
در این تحقیق، با توجه به نوع داده ­ها و روش­های تجزیه و تحلیل آماری موجود، از روش داده ­های ترکیبی ومقطعی برای برآورد پارامترهای الگو و بررسی آزمون فرضیه ها استفاده شده است. روش داده ­های ترکیبی که به روش داده ­های مقطعی - سری زمانی^[۱۳۶] نیز معروف است، به شکل­های مختلف انجام شده و مدل­های متنوعی دارد که با توجه به شرایط تحقیق از یکی از آن­ها استفاده می­ شود.
استفاده از روش داده ­های مقطعی ممکن است با مشکلات عدم­ کارایی و ناسازگاری تخمین مدل­ها همراه باشد. مشکلات مزبور در تخمین مدل­ها به روش داده ­های ترکیبی و با بهره گرفتن از روش هایی مانند مدل اثر ثابت^[۱۳۷]، مدل اثر تصادفی^[۱۳۸]، مدل رگرسیون به ظاهر نامرتبط^[۱۳۹] و مدل داده ­های یکپارچه شده^[۱۴۰]، وجود نخواهد داشت. در بررسی داده ­های مقطعی و سری زمانی، اگر ضریب اثرات مقطعی و اثر زمانی معنی­دار نشود، می­توان تمامی داده ­ها را با یکدیگر ترکیب کرده و بوسیله رگرسیون حداقل مربعات معمولی^[۱۴۱] تخمین زد. به این روش، داده ­های تلفیق شده نیز می­گویند. مدل­های اثر ثابت و اثر تصادفی به سبب اهمیت، در این قسمت به اختصار توضیح داده می­شوند:
برای تعیین مدل مورد استفاده در داده ­های ترکیبی از آزمون­های مختلفی به شرح زیر استفاده می­ شود:
۳-۱۰-۱ آزمون چاو
آزمون چاو^[۱۴۲] برای تعیین به­ کارگیری مدل اثرات ثابت در مقابل تلفیق کل داده ­ها (مدل یکپارچه شده) انجام می­ شود. فرضیات این آزمون به صورت زیر است:
H₀: Pooled Model
H₁: Fixed Effect Model
فرضیه اول براساس مقادیر مقید و فرضیه مقابل آن براساس مقادیر غیر مقید است. آماره­ی آزمون چاو بر اساس مجموع مربعات خطای مدل مقید و مدل غیر مقید به صورت زیر است:

این آماره دارای توزیعF با درجه آزادی N-1 و NT-N-K است. اگر ارزش آماره F مقید از ارزش آماره F جدول کمتر باشد، در سطح معنی داری تعیین شده، فرضیه H₀رد می­ شود و اثر معنی­داری برای مقاطع وجود خواهد داشت. بنابراین، مدل اثر ثابت انتخاب می­ شود، در این غیر این صورت از مدل داده ­های تلفیق شده استفاده می­ شود (اشرف­زاده و مهرگان، ۱۳۸۷).
۳-۱۰-۲ آزمون هاسمن
آزمون هاسمن^[۱۴۳] برای تعیین استفاده از مدل اثر ثابت در مقابل اثر تصادفی انجام می­ شود. آزمون هاسمن بر پایه­ وجود یا عدم وجود ارتباط بین خطای رگرسیون تخمین زده شده و متغیر­های مستقل مدل شکل گرفته است. اگر چنین ارتباطی وجود داشته باشد، مدل اثر ثابت و اگر این ارتباط وجود نداشته باشد، مدل اثر تصادفی کاربرد خواهد داشت. فرضیه H₀ نشان­ دهنده عدم ارتباط متغیر­های مستقل و خطای تخمین و فرضیه H₁ نشان دهنده وجود ارتباط است(زراءنژاد و انواری، ۱۳۸۴).
H₀: Random Effect
H₁: Fixed Effect
مادالا^[۱۴۴] (۱۹۹۸) برای انجام آزمون هاسمن تخمین مقدار واریانس qرا با V(q)نشان داده و آماره M را به صورت زیر ارائه کرده است:

۳-۱۱خلاصه فصل
در این فصل ابتدا فرضیه های تحقیق،دوره ی زمانی تحقیق،جامعه مورد مطالعه و چگونگی جمع آوری اطلاعات تشریح گردید.در ادامه آزمون های آماری لازم جهت آزمون فرضیات تحقیق نیز بیان شد.هم چنین در این فصل معادله رگرسیون چند متغیره بیان شد.در فصل بعد به بیان یافته های تحقیق و تحلیل آنها پرداخته خواهد شد.
فصل چهارم:
یافته های پژوهش
۴-۱ مقدمه
در فصل پیش به بیان فرضیه‌های تحقیق، مدل­ها و متغیرهای مورد نیاز برای آزمون آنها، پرداخته شد. همچنین جامعه آماری، نحوه انتخاب نمونه و چگونگی گردآوری داده‌های مورد نیاز معرفی شد. در این فصل داده های مورد نیاز جهت آزمون فرضیه‌ های تحقیق جمع آوری شده و به عنوان منبعی برای تجزیه و تحلیل استفاده شده است. برای تجزیه و تحلیل اطلاعات گردآوری شده از روش­های آمار توصیفی، آمار استنباطی و همچنین رسم جداول استفاده شده است. استفاده از آمار توصیفی با هدف تلخیص اطلاعات جمع آوری شده و شناخت بیشتر جامعه مورد بررسی صورت پذیرفته است زیرا هدف آمار توصیفی، توصیف، استخراج نکات اساسی و ترکیب اطلاعات به کمک زبان اعداد است. هدف آمار استنباطی، به طور کلی انجام استنباط درباره پارامترهای جامعه از طریق تجزیه و تحلیل اطلاعات موجود در داده‌های نمونه و همچنین سنجش عدم اطمینانی است که در این استنباطها وجود دارد.
در این راستا در اجرای اولیه مدل نخست با بهره گرفتن از آماره های چاو و هاسمن نوع مدل مناسب برازش رگرسیون(داده های تلفیقی یا پانل با اثرات ثابت و تصادفی) تعیین شده و با بهره گرفتن از آماره های همچون ایم، پسران و شین و لین و لوین پایایی متغیرها بررسی شده است. سپس در اجرای ثانویه مدل فروض کلاسیک رگرسیون شامل نرمال بودن توزیع متغیرها، استقلال توزیع خطاها، نرمال بودن توزیع خطاها، ناهمسانی واریانس ها و استقلال متغیرهای مستقل بررسی شده است.در نهایت در اجرای نهایی مدل با توجه به معناداری کل مدل و نیز معناداری تک تک ضرایب مدل نهایی استخراج گردیده است.
۴-۲ آمار توصیفی داده ها
در جدول (۴-۱) ، آماره­ های توصیفی متغیرهای تحقیق را در طی دوره مورد بررسی نشان می­دهد. آمار توصیفی متغیر‌ها تحقیق که با بهره گرفتن از داده‌های شرکت ها طی دوره آزمون (سال‌های ۹۱-۱۳۸۲) اندازه‌گیری شده‌اند، شامل میانگین، میانه، انحراف معیار، کمینه و بیشینه ارائه گردیده است.