ارتباط ریسک شرکت و نوسانات سود جامع
قسمتی از متن پایان نامه :
3.9 مباحث آماری
داده ها را به شیوههای گوناگونی میتوان طبقهبندی نمود. اما در تحلیل کمی مسائل مالی عموماً داده ها را به سـه دسته داده های سری زمانی[1]، داده های مقطعی[2] و دادههای ترکیبی[3] طبقه بندی میکنند. دادههای سری زمانی، همان گونه که از نام آن برمیآید، مقادیر یک یا چند متغیر را طی یک دوره زمانی ارائه میدهد. داده های مقطعی، داده هایی هستنـد کـه در یک نقطـه (یا بـرش) از زمان در مـورد یک یا چنـد متغیـر جمعآوری میگردد. در دادههای ترکیبی، داده های مقطعی یکسان (مانند چند صنعت و یا چند شرکت) طی یک دوره زمانی مطالعه و سنجش میشوند (افلاطونی، 1392).
داده های ترکیبی نسبت به دادههای سری زمانی و دادههای مقطعی دارای مزایایی میباشند. بالتاجی[4]، مزایای بهره گیری از این دادهها را به صورت زیر اظهار میکند:
- از آنجا که دادههای ترکیبی به افراد، بنگاهها، شرکتها و کشورها و از این قبیل واحدها، در طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود میگردد.
- با ترکیب مشاهدات سری زمانی و مقطعی، دادههای ترکیبی اطلاعات بیشتر، تغییر پذیری بیشتر، هم خطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتری را ارائه میکنند.
- در مطالعه مشاهدات مقطعی تکراری، دادههای ترکیبی به مقصود مطالعه پویای تغییرات، مناسبتر و بهتـرند. دورههای بیکاری، چرخـش شغلـی و تحـرک نیـروی کار با دادههای ترکیبی بهتر مطالعه میشوند.
- دادههای ترکیبی، تأثیراتی را که نمیتوان به سادگی در دادههای سری زمانی و مقطعی نظاره نمود، بهتر معین میکنند. برای مثال، اگر نوسان پیاپی افزایش حداقل دستمزد را در حداقل دستمزد مطالعه کنیم، اثرات قوانین حداقل دستمزد را بر اشتغال و کسب درآمد بهتر میتوان مطالعه نمود.
- دادههای ترکیبی با ارائه داده برای هزاران واحد، میتوانند تورشی را که ممکن می باشد درنتیجه لحاظ افراد یا بنگاههای اقتصادی (به صورت جمعی و کلی) حاصل گردد، به حداقل برسانند. به گونه کلی بایستی گفت، دادههای ترکیبی، تحلیلهای تجربی را به شکلـی غنی میسازنـد که در صورت بهره گیری از دادههای سری زمانی یا مقطعی این امکان وجود ندارد. البته نمیتوان گفت که مدلسازی با داده های ترکیبی هیچ مشکلی ندارد (افلاطونی، 1392).
3.9.1 مدل رگرسیون خطی
تحلیل رگرسیون خطی تقریباً مهمترین ابزاری می باشد که در دسترس محققین اقتصاد سنجی قرار دارد. در حالت کلی میتوان گفت: رگرسیون ابزار ارزیابی ارتباط (منطقی) بین یک متغیر با یک یا چند متغیر دیگر می باشد. به همین علت، در این پژوهش، به مقصود تعیین ارتباط بین متغیرها از مدلهای رگرسیونی بهره گیری شده می باشد. اما در هنگام بهره گیری از مدلهای رگرسیونی همواره بایستی به دو مورد زیر توجه نمود:
- اعتبار مدل رگرسیون: برای تعیین اعتبار مدلهای رگرسیونی میبایست به مقدار آماره F و سطح معنیداری آن توجه نمود. در صورتی که p-value این آزمون کمتر از 5% باشد، مدل رگرسیونی در سطح اطمینان 95% از اعتبار لازم برخوردار بوده و معنیدار می باشد.
همچنین خاطر نشان می گردد، که اغلب برای قبول یا رد فرضیههای آماری در تحقیقات، میبایست به معنیداری ضرایب متغیرها در مدلهای رگرسیونی توجه نمود. به مقصود تعیین معنیداری ضرایب متغیـرها نیـز، میبایست آماره t و سطـح معنیداری بدسـت آمـده را مطالعه کـرد. در صـورتی که p-value ضریب موردنظر کمتـر از 5% باشد فرض صفر این آزمون (مبنی بر صفر بودن و درنتیجه نامعنیداری ضریب مذکور) رد و فرض مقابل آن (مبنی بر معنیداری ضریب) پذیرفته میگردد. در این حالت، فرضیه پژوهش، در سطح اطمینان 95% پذیرفته خواهد گردید.
- برقراری مفروضات مدل رگرسیون: اگر هدف ما از استنتاج آماری، تخمین پارامترها (عرض از مبدأ و ضرایب متغیرها) باشد، در این صورت برقراری فرضهای زیر که به فروض رگرسیون معروف هستند، الزامی می باشد. البته بایستی توجه داشت که برقراری تمامی فروض مذکور، در شرایط واقعی چندان قابل دستیابی نیست. هر چند که برقراری فروض کلاسیک همواره مطلوب می باشد، اما عـدم برقـراری بعضی از آنها، نتایج مـدل برآورد شـده را (به ویژه در نمونههای بزرگ) خدشه دار نمیکند. این فروض عبارتند از:
- میانگین خطاها برابر صفر باشد: اولین فرض در مدل رگرسیون خطی این می باشد که مقدار میانگین خطاها صفر می باشد. اگر یک جمله ثابت در رگرسیون داشته باشیم، هدف مذکور به راحتی حاصل میگردد و این فرض هیچگاه نقض نخواهد گردید.
- واریانس خطاها مقداری ثابت و متناهی باشد: این فرض به همسانی واریانس معروف می باشد. اگر خطاها، واریانس ثابت نداشته باشند گفته میگردد آنها ناهمسان هستند. معروفترین و عمومیترین روشی که برای آزمون همسانی به کار میرود، آزمون وایت[5] (1980) می باشد که به راحتی توسط نرم افزارهای آماری انجام میگردد.
- خطاها از یکدیگر استقلال خطی داشته باشند: فرض سوم در مدل رگرسیون خطی این می باشد که کوواریانس بین اجزای اخلال در طول زمان صفـر می باشد. به عبارت دیگـر، فرض میگردد خطاها با یکدیگر همبستگی ندارند. اگر خطاها با یکدیگر همبستگی داشته باشند گفته میگردد که همبستگی سریالی دارند. یکی از آزمونهای معـروف برای کشف خـود همبستگی آزمون دوربیـن- واتسـون[6] میباشد. در صورتی که مقدار آماره این آزمون عددی بین 1.5 تا 2.5 را اختیار نکنـد، خـود همبستگی بین جملات اخلال به اثبات رسیـده و میبایست نسبت به رفع آن اقدام نمود. برای از بین بردن خود همبستگی بین متغیرها روشهای متعددی هست که چند نمونه از آن عبارتند از: لگاریتمگیری از متغیرها، بهره گیری از وقفه اول، اضافه کردن متغیر کمکی AR به مدل و ….
- خطاها و متغیرهای مستقل از یکدیگر استقلال دارند: از آنجا که مقادیر متغیرهای مستقل معمولاً به صورت غیر تصادفی تولید میشوند، فرض چهارم در بیشتر مواقع رد نمیگردد. به همین دلیل در منابع مختلف چندان به روشهای کشف و رفع آن پرداخته نشده می باشد.
- جملات اخلال از توزیع نرمال برخوردار باشند: پس از برازش مدل میبایست با بهره گیری از آزمونهای نرمالیتی (مانند آزمون جارک- برا) به تعیین نرمال بودن یا نبودن جملات اخلال پرداخت. درصورت عدم برقراری این فرض، میبایست با حذف دادههای پرت، بهره گیری از متغیر موهومی و یا بعضی روشهای دیگر، زمینه لازم برای برقراری این فرض را فراهم نمود (بایزدی و همکاران، 1391).
[1]. Time series Data
[2] . Cross-sectional Data
[3] . Panel Data
[4]. Baltagi
[5]. White test
[6]. Durbin & Watson
سوالات یا اهداف پایان نامه :
پرسش های پژوهش:
براساس مطالعات اکتشافی و مطالب مطرح شده و پرسش آغازین ارائه شده در قسمت انتهایی اظهار مسئله پرسشهای زیر قابل طرح می باشد:
- آیا سود جامع نسبت به سود خالص نوسان بیشتری دارد؟
- آیا نوسانات سایر اجزای سود جامع[1] با ریسک بازار شرکت ارتباط معنیداری دارد؟
- آیا نوسانات سایر اجزای سود جامع با قیمت بازار سهام شرکت ارتباط معنیداری دارد؟
- آیا سود خالص نسبت به سود جامع قدرت پیشبینی بیشتری برای پیشبینی جریان وجه نقد عملیاتی دوره بعددارد؟
- آیا سود خالص نسبت به سود جامع قدرت پیشبینی بیشتری برای پیشبینی سود خالص دوره بعد دارد؟
[1] . در این پژوهش معیار محاسبه نوسانات سایر اجزای سود جامع برابر می باشد با مابه التفاوت نوسانات سود جامع و سود خالص.