۳-۱۴-۵- عدم هم خطی
هم خطی به معنای وجود ارتباط خطی بین همه یا برخی از متغیرهای توضیحی مدل رگرسیون است. در رگرسیون خطی فرض بر این است که هیچ رابطه خطی دقیقی بین هیچ یک از متغیرهای توضیحی وجود ندارد. نقض این فرض موجب بروز مشکل هم خطی می شود. البته هم خطی بر دو نوع هم خطی کامل و هم خطی ناقص است و در صورتی که هم خطی از نوع کامل باشد، فرض مذکور نقض شده است (بیدرام، ۱۳۸۱).
جهت تشخیص وجود هم خطی راه­های مختلفی وجود دارد، واضح­ترین علامت وجود هم خطی زمانی است که R² بسیار بالا باشد، ولی هیچ یک از ضرایب رگرسیون از لحاظ آماری براساس آزمون t معنی­دار نباشند. در صورتی که مدل رگرسیونی دارای مشکل هم خطی باشد، جهت رفع آن می­توان از روش­های مختلفی استفاده نمود که اهم آن ها ترکیب داده ­های مقطعی و سری زمانی و استفاده از لگاریتم متغیر­ها می­باشد (گجراتی، ۱۳۸۶).
۳-۱۴-۶- عدم خود همبستگی
در یک مدل کلاسیک رگرسیون خطی فرض برآن است که کوواریانس بین اجزای اخلال برابر صفر است. به عبارت دیگر، بین اجزای اخلال همبستگی وجود ندارد. به این معنی که جزء اخلال مربوط به یک مشاهده، تحت تاثیر جزء اخلال مربوط به مشاهده دیگر قرار نمی گیرد. نقض این فرض، مشکلی به نام خود همبستگی ایجاد می کند. مشکل خود همبستگی، هرچند در داده های مقطعی نیز پدید می آید ولی در داده های سری زمانی متداول تر است. در صورت وجود خود همبستگی مشکلاتی از قبیل کارا نبودن تخمین ها و غیر واقعی شدن آماره های F و t را به وجود می آورد. برای تشخیص وجود خود همبستگی می توان از روش های ترسیمی، آزمون دوربین- واتسون و آزمون LM ^[۱۰۱] استفاده نمود. اگر آماره ی دوربین ـ واتسون بین مقادیر بحرانی ۵/۱ تا ۵/۲ باشد، مشکل خود همبستگی وجود ندارد. در صورت وجود خود همبستگی، می توان از روش GLS برای برطرف کردن خود همبستگی استفاده نمود (گجراتی، ۱۳۸۶).

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

۳-۱۴-۷- آزمون مانایی و نامانایی
انجام آزمون مانایی و نامانایی بودن متغیر ها، مربوط به داده های سری زمانی می باشد. یک متغیر وقتی ماناست که میانگین، واریانس و ضریب خود همبستگی آن در طول زمان ثابت باقی بماند. به طور کلی اگر مبدا زمانی یک سری تغییر داده شود و مثلا از t به t+m برده شود و در حالت جدید میانگین و واریانس و کواریانس تغییر نکرد، در آن صورت سری ماناست و در غیر این صورت سری ناماناست (بیدرام،۱۳۸۱).
۳-۱۴-۸- ضریب تعیین
با بهره گرفتن از ضریب تعیین R² ، مناسب بودن خط رگرسیون برازش شده بر اساس مجموعه ای از داده ها مورد بررسی قرار می گیرد. R² درصد تغییرات کل در Y را که از طریق مدل رگرسیون توضیح داده شده است را اندازه گیری می کند. R² بین صفر و یک قرار دارد و هرچه به یک نزدیک تر باشد، مطلوب تر است.
۳-۱۴-۹- آزمون F
گاهی اوقات محقق در صدد تشخیص تفاوت بین اثر­گذاری چند متغیر یا انتخاب بهترین آن هاست؛ برای این کار، استفاده از آزمون t به صورت مقایسه­های زوجی امکان پذیر است، ولی بروز اشتباهات آماری و محاسبات غلط عملاً بهره­ برداری از این روش را غیر ممکن می­سازد؛ از این رو، از آزمون دیگری به نام آزمون F با روش تحلیل واریانس استفاده می­ شود. این روش به محقق در تشخیص تفاوت های معنی دار بین گروه ها وتاثیر متغیرها در آن ها کمک می نماید (حافظ نیا، ۱۳۸۲). به عبارت دیگر جهت بررسی صحت مدل رگرسیون از آزمون F استفاده می­ شود.
فرض های آماری این آزمون به شرح زیر است:
H₀: تمامی ضرایب صفر است
H₁: حداقل یکی از ضرایب، مخالف صفر است
در صورتی که احتمال آماره ی F از ۰۵/۰ کم تر باشد، فرضیه ی H₀رد می شود و مدل معنادار است (بیدرام، ۱۳۸۱).
۳-۱۵- چگونگی قبول یا رد فرضیه
۳-۱۵-۱- آزمون معنی دار بودن ضرایب رگرسیون (آزمون t)
از آزمون t برای مقایسه و تشخیص تفاوت و رابطه علّی استفاده می­ شود، تا تاثیر متغیر مستقل یا رابطه علّی مورد مطالعه قرار گیرد. بنابراین، آزمون معنی دار بودن روشی است که با بهره گرفتن از نتایج نمونه، درستی یا نادرستی فرضیه H₀ را تعیین می کند. فرض صفر این آزمون بیان می کند که متغیر مستقل بر متغیر وابسته تاثیری ندارد. به عبارت دیگر، ضریب متغیر مستقل برابر صفر است. تصمیم درباره پذیرش یا رد فرض صفر، بر اساس مقدار و احتمال آماره ی t انجام می شود. مقدار آماره ی t با مقادیر جدول t و احتمال آن با ۰۵/۰ مقایسه می شود. در صورتی که احتمال این آماره از ۰۵/۰ کم تر باشد، فرض صفر مبنی بر عدم تاثیر متغیر مستقل بر متغیر وابسته رد شده و رابطه معنادار بین متغیر مستقل و وابسته، مورد پذیرش قرار می گیرد.
۳-۱۵-۲- آزمون فرض به کمک جدول توافقی
برای مقایسه ی این دو پارامتر، ابتدا شرکت های نمونه براساس کیفیت اقلام تعهدی به پنج دسته ی مساوی (پنجک) تقسیم می گردد. آن گاه دو پنجک بالای این گروه بندی یعنی شرکت هایی که دارای کیفیت اقلام تعهدی بالا هستند به عنوان شرکت های قوی و دو پنجک پایین یعنی شرکت هایی که دارای کیفیت اقلام تعهدی پایین هستند به عنوان شرکت های ضعیف و پنجک سوم به عنوان متوسط پرتفوی بندی می شوند.
در مرحله ی بعد، شرکت ها بر اساس ریسک نقدشوندگی سهام به پنج دسته ی مساوی (پنجک) تقسیم می شود. سپس دو پنجک دارای بیشترین ریسک نقدینگی و نیز دو پنجک دارای کم ترین ریسک نقدینگی را مشخص نموده و پنجک سوم نیز به عنوان شرکت های میانی مشخص می گردند.
پس از آن به مقایسه ی میان دو گروه شرکت های قوی و ضعیف از نظر کیفیت اقلام تعهدی و دو گروه شرکت های دارای ریسک نقدینگی زیاد و کم می پردازیم. بدین منظور با کمک آزمون فرض، استقلال بین این دو پارامتر را مورد سنجش قرار می دهیم. چگونگی عملکرد آن در قالب جداول توافقی صورت می گیرد.
آماره ی این آزمون کای-دو بوده و بدین صورت محاسبه می گردد:
رابطه (۳-۲۲)
که در آن
: فراوانی موجود در سلول سطر i ام و ستون j ام
: فراوانی نظری در سلول i ام و ستون j ام
r : تعداد سطرها
C : تعداد ستون ها
نحوه ی محاسبه ی نیز طبق رابطه ذیل می باشد:
رابطه (۳-۲۳)
که در آن
: جمع ستون j ام
: جمع سطر i ام
N : تعداد کل مشاهدات
پدیده های Aو B از هم مستقل اند :H₀
پدیده های Aو B به هم وابسته اند :H₁
اگر آماره ی کای-دو، از کای-دو آلفا، بزرگتر باشد آن گاه H₀ رد شده و وجود ارتباط بین دو پدیده را نتیجه می دهد.
نحوه ی مقایسه و نتیجه گیری در جدول ذیل مشخص شده است.
جدول (۳-۳) مقایسه ی پنجک ها و چگونگی قبول یا رد فرضیه