پژوهش – 
تاثیر سود هر سهم، Q توبین و اهرم مالی بر قیمت سهام  …

پژوهش – تاثیر سود هر سهم، Q توبین و اهرم مالی بر قیمت سهام …

۳-۱۶-۱- روش حداقل مربعات معمولی(OLS)[32]
این روش به کارل فردریک گوس[۳۳] ریاضیدان نامی آلمان، نسبت داده می شود. روش مذبور مجموع مربعات جملات پسماند را کمینه می نماید. روش OLS تخمین زننده هایی را ارائه می کند که خطی، بدون تورش و در بین تمام تخمین زننده های خطی و بدون تورش، دارای حداقل واریانس باشد.
۳-۱۶-۲- روش حداقل مربعات تعمیم یافته (GLS)[34]
یکی از مهمترین مفروضات مدل کلاسیک رگرسیون خطی (CLR)[35] این است که واریانس هر جز جمله خطا  ، به شرط مقدار معینی از متغیرهای توضیحی، مقدار ثابتی مساوی با  می باشد. فرضی که در اصطلاح، همسانی واریانس[۳۶] نامیده می شود:
 
(۳-۹)
با قبول فرض فوق، تخمین زننده  از طریق OLS معمولی بهترین تخمین زن خطی بدون تورش (BLUE) محسوب خواهد شد. اما چنانچه فرض ناهمسانی واریانس، جایگزین فرض همسانی گردد، دیگر تخمین زن مزبور بهترین (دارای حداقل واریانس یا کارایی) نخواهد بود.
۳-۱۶-۳- روش گشتاورهای تعمیم یافته (GMM)
روش GMM [۳۷] تخمین زننده قدرتمندی است که بر خلاف روش حداکثر راستنمایی، نیاز به اطلاعات دقیق توزیع جملات اخلال ندارد. روش مزبور که در داده های تلفیقی پویا بکار گرفته می شود، مبتنی بر این فرض است که جملات اخلال در معاملات با مجموعه متغیرهای ابزاری غیر همبسته می باشد. مدل های اثرات ثابت یا تصادفی به لحاظ آنکه ممکن است جمله خطا با متغیرهای تاخیری، همبستگی داشته باشد، می تواند منجر به ارائه برآوردکننده ناسازگار و یا تورش داری شود. هنگامی که در مدل داده های تلفیقی، متغیر وابسته به صورت وقفه در سمت مدل ظاهر می شود، دیگر برآوردهای OLS سازگار نخواهد بود. در چنین شرایطی لازم است از روش های برآورد دو مرحله ای (۲SLS) یا روش گشتاورهای تعمیم یافته (GMM) استفاده شود. روش تخمین GMM بواسطه انتخاب متغیرهای ابزاری صحیح و با اعمال یک ماتریس وزنی می تواند برای شرایط ناهمسانی واریانس و نیز خودهمبستگی های ناشناخته، برآورد کننده قدرتمندی محسوب شود.
در مدل GMM وقفه متغیر وابسته را به صورت متغیر مستقل در سمت راست معادله وارد می شود. تا بدین ترتیب امکان پارامتربندی مجدد مدل به روش مدل داده های تلفیقی پویا فراهم گردد. در چنین شرایطی اگر وقفه های توزیع شده نیز در مدل وارد شود، می توان به مدل خودرگرسیون با وقفه توزیعی دست یافت که امکان پارامتربندی غنی تر مدل را فراهم می سازد (مشکی، ۱۳۹۰).
۳-۱۷- مسایل مورد توجه در تخمین مدل
با توجه به اینکه قبل از تخمین و اجرای مدل های رگرسیونی لازم است از وجود برخی شرایط در بین متغیرها اطمینان حاصل شود بنابراین به منظور اطلاع از برخورداری داده های تحقیق از شرایط لازم، انجام تعدادی آزمون بر روی متغیرها ضروری می باشد که در ادامه فصل به اختصار به کلیات آنها اشاره می شود.
۳-۱۷-۱- نرمال بودن
برای بررسی نرمال بودن داده ها از آزمون های نرمال بودن[۳۸] استفاده می شود. این آزمون ها به طور کلی به دو گروه روش های ترسیمی[۳۹] و روش های عددی[۴۰] تقسیم می شوند. روش های ترسیمی تنها تصویری از توزیع متغیر تصادفی را ارایه می کنند اما روش های عددی قادرند معیاری عینی و کمی برای قضاوت در خصوص نرمال بودن توزیع متغیر تصادفی فراهم نماید. در روش های عددی می توان هم آمار توصیفی و هم از تکنیک ها و آزمون های مختلف آمار استنباطی استفاده کرد. در این تحقیق با استفاده ار آزمون جارگ- برا به عنوان یک روش عددی به آزمون نرمال بودن داده ها پرداخته شده است.
در آزمون جارگ- برا از اختلاف بین ضریب کشیدگی و چولگی داده های مورد بررسی می توان به نرمال بودن توزیع داده ها پی برد. در این آزمون فرض صفر مبتنی بر نرمال بودن است که در صورت به دست آمدن احتمال تایید کمتر از ۵ درصد، فرض صفر با احتمال ۹۵ درصد اطمینان پذیرفته نمی شود (جعفری سرشت، ۱۳۸۹).
۳-۱۷-۲- ناهمسانی واریانس
یکی از مهمترین فروض مدل کلاسیک رگرسیون خطی این است که اجزای اخلال uit که در تابع رگرسیون، جامعه ظاهر می شوند، دارای واریانس همسان می باشند یعنی:    i=1,2,…,n   اگر این فرض تأمین نشود دارای ناهمسانی واریانس خواهیم بود. مشکل ناهمسانی واریانس، در داده های مقطعی متداول تر از داده های زمانی است. از آن جایی که یکی از ابعاد داده های تابلویی، بعد مقطعی می باشد. لذا در تحقیق حاضر امکان مواجه با مسأله ناهمسانی واریانس وجود دارد. برای رفع ناهمسانی واریانس می توان از روش حداقل مربعات تعمیم یافته (EGLS) استفاده کرد (ابریشمی،۱۳۸۳). در این پژوهش، به منظور رفع ناهمسانی واریانس از تخمین زن های (EGLS) استفاده شده است.
۳-۱۷-۳- خود همبستگی
یکی دیگر از موارد نقض فروض کلاسیک، وجود همبستگی پیاپی[۴۱] یا خودهمبستگی[۴۲] در رگرسیون است که به وضعیتی اشاره می کند که در آن میان اجزای اخلال نوعی رابطه همبستگی برقرار است. چنین حالتی به دلیل ارتباط جزء اخلال هر مشاهده (تفاوت متغیر وابسته با مقدار تخمینی اش) با جزء اخلال مشاهده دیگر به وجود می آید. راه حل متداول برای بررسی احتمال وجود همبستگی پیاپی، استفاده از آزمون دوربین واتسون[۴۳] می باشد. که در این تحقیق نیز برای این منظور به کار گرفته شده است. این آماره به طور معمول بین صفر تا ۴ تغییر می کند. مرز تقریبی بین همبستگی پیاپی مثبت و منفی عدد ۲ است. اگر آماره در حدود ۲ باشد به این معنی است که در رگرسیون، خودهمبستگی وجود ندارد. از طریق مراجعه به جداول آماری مربوط به دوربین واتسون می توان نسبت به پذیرش یا عدم پذیرش وجود خود همبستگی قضاوت و نتیجه گیری کرد (جعفری سرشت، ۱۳۸۹).
۳-۱۷-۴- هم خطی
هم خطی در اثر ارتباط خطی یا فنی متغیرهای مستقل مدل به وجود می آید. معیار تشخیص هم خطی (که به تورم واریانس معروف است) مبتنی بر ضریب تغییر و واریانس رگرسیون در نتیجه ورود متغیرهای هم خط به مدل است. از جنبه کاربردی تا زمانی که میزان توضیح دهندگی مدل به واسطه ورود متغیرهای هم خط کاسته نشود و ضرایب رگرسیونی آنها نیز معنادار باشند در جهت رفع هم خطی اقدامی صورت نمی گیرد. راه کار رفع هم خطی پیش از حذف متغیرهای شدیدا هم خط، استفاده از تحلیل عاملی یا همان ادغام کردن تاثیر متغیرهای هم خط در قالب یک متغیر روی مدل است (جعفری سرشت، ۱۳۸۹).
۳-۱۷-۵- آزمون مانایی
به منظور اطمینان از نتایج تحقیق و ساختگی نبودن روابط موجود در رگرسیون و معنی دار بودن متغیرها، اقدام به انجام آزمون مانایی و محاسبه ریشه واحد متغیرهای تحقیق در مدل EGLS گردید. آزمون مذبور با استفاده از نرم افزار EViews 6 و روش های آزمون لوین، لین و چو[۴۴] (۲۰۰۲)، آزمون ایم، پسران و شین[۴۵] (۲۰۰۳)، آزمون ریشه واحد فیشر – دیکی فولرتعمیم یافته[۴۶] و آزمون ریشه واحد فیشر – فیلیپس پرون[۴۷] (۱۹۹۹) و چویی[۴۸] انجام می شود (مشکی و دهدار، ۱۳۹۰).
خلاصه و نتیجه گیری فصل
در این فصل روش تحقیق مورد استفاده بیان شد. در این رابطه، انواع متغیرهای مورد استفاده در مدل اصلی تحقیق، آزمون های مورد نیاز در خصوص داده ها و مبانی آماری و اقتصاد سنجی مورد نظر برای آزمون فرضیات تشریح گردید. همچنین، مبناهای محاسباتی و نحوه بکارگیری کلیه متغیرهای پژوهش توضیح داده شد.
مقدمه
در این فصل داده های جمع آوری شده مربوط به متغیرهای تحقیق با استفاده از تکنیک های آماری و اقتصاد سنجی مورد تجزیه و تحلیل قرار گرفته و فرضیات نیز مورد آزمون قرار می گیرند. همچنین، جداول اطلاعات آماری از متغیرهای اصلی مدل و برخی اطلاعات پایه ای در خصوص مدل تحقیق در این فصل ارائه گردیده و در نهایت، نتایج اجرای مدل رگرسیونی بیان خواهد شد. در این تحقیق تأثیر سود هر سهم، اهرم مالی و نسبت Q توبین بر ارزش بازار سهام شرکت ها مورد مطالعه قرار گرفته است که در این رابطه، تمامی آزمون های مربوطه انجام شده است. تجزیه و تحلیل داده ها در هر دو بخش آمار توصیفی و استنباطی با استفاده از نرم افزار Eviews6 و SPSS 17 صورت گرفته است.
۴-۱- بخش اول
۴-۱-۱- آمار توصیفی داده های تحقیق
در این قسمت برای ورود به مرحله تجزیه و تحلیل اطلاعات، آماره توصیفی داده ها شامل شاخص های مرکزی، پراکندگی و انحراف از قرینگی و همچنین آزمون جارگ- برا که توزیع نرمال پسماندها را بررسی می کند محاسبه گردیده و نتایج در جدول (۴-۱) درج شده است.
(جدول ۴-۱) آماره توصیفی داده های تحقیق

متغیرها میانگین میانه حداکثر حداقل انحراف معیار چولگی کشیدگی
دانلود کامل پایان نامه در سایت pifo.ir موجود است.