فایل دانشگاهی – تاثیر بیش اعتمادی مدیریت بر تجدید ارائه صورتهای مالی- قسمت ۱۵

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 استفاده 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 معمولا در سه نوع مختلف می‌تواند باشد(سوری، ۱۳۹۲):
داده های سری زمانی^[۸۷]
داده های مقطعی^[۸۸]
داده های ترکیبی^[۸۹]
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(سوری، ۱۳۹۲).
با توجه به ادبیات تحقیق موجود و نیز ماهیت فرضیات تحقیق در این پژوهش از داده‌های ترکیبی استفاده شده است.

۳-۸) روش‌های آماری آزمون فرضیه ها

در این تحقیق از رگرسیون چند متغیره با به کارگیری داده‌های ترکیبی استفاده می گردد. برای تجزیه و تحلیل دادههای تحقیق و آزمون فرضیات تحقیق از روشهای آماری به دو شکل توصیفی و استنباطی استفاده خواهد شد که در ابتدا با استفاده از آمار توصیفی به تبیین و توصیف ویژگیهای جمعیت شناختی دادهها پرداخته می شود و سپس برای برآورد پارامترها و بررسی آزمون فرضیات تحقیق، فروض کلاسیک رگرسیون مورد بررسی قرار می گیرد. همچنین از نرم افزار۶ EViewsبرای تحلیل توصیفی دادهها و آزمون فرضیات و استخراج مدل رگرسیون چند متغیره استفاده میشود.

۳-۹) رگرسیون چند متغیره

در برخی از مسائل پژوهشی، به ویژه آن‌هایی 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.مدل رگرسیون چند متغیره به شرح زیر است:
Y_i = α + β_۱ X_1,i + β_۲ X_2,i + … + β_n X_n,i + ε_n,i
که در آن :
Y_i = i اُمین مشاهده متغیر وابسته
α = عرض از مبدأ (مقدار ثابت)
X_n,i = i اُمین مشاهده برای متغیرمستقل X_n (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 آن‌ها ثابت است (توزیع خطاها بایستی نرمال باشد)؛
۳- بین خطاهای مدل همبستگی وجود ندارد؛ و
۴- متغیر وابسته دارای توزیع نرمال است.

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 (آذر و مومنی .۱۳۸۶).
 
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،۱۳۸۶):
 

۳-۹-۲ -مفروضات رگرسیون خطی

تنها در صورتی میتوان از رگرسیون خطی استفاده نمود که شرایط زیر برقرار باشند(مومنی و فعال قیوم، ۱۳۹۰):
یکی از مفروضاتی که در رگرسیون مدنظر قرار می‌گیرد، عدم وجود خود‌همبستگی^[۹۰] 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: