بررسی مقایسه ای تاثیر کیفیت حسابرسی بر میزان اقلام تعهدی اختیاری بین شرکت …
۳-۸- ابزارها وروش‌های جمع آوری داده‌ها و اطلاعات
ابزارهای جمع آوری داده‌ها واطلاعات عبارتند از مشاهده، مصاحبه، پرسشنامه و مراجعه به اسناد ومدارک، که در تحقیق حاضر از مراجعه به اسناد و مدارک استفاده شده است. داده‌های مورد نیاز تحقیق به شیوه‌های مختلف جمعآوری شدهاند. برای جمعآوری اطلاعات مربوط به مباحث تئوریک مانند ادبیات موضوع تحقیق از روش کتابخانه‌ای و برای گردآوری داده‌های مربوط به متغیرهای تحقیق از منابع و پایگاه‌های اطلاعاتی مختلف به ویژه نرمافزار رهآورد نوین و پایگاه‌های اطلاعاتی سازمان بورس اوراق بهادار تهران و همچنین صورت‌های مالی شرکت‌ها استفاده شده است. تحلیل داده‌ها نیز با استفاده از نرم‌افزارهای SPSS و Eviews انجام شده است. منابع جمعآوری داده‌ها در هر یک از متغیرهای تحقیق درجدول (۳-۲) نشان داده شده است.
۳-۹- روش تجزیه و تحلیل داده‌ها
۳-۹-۱- تخمین مدل‌های رگرسیون با داده‌های پانل
برای برآورد الگوهای رگرسیون خطی دو متغیره و چند متغیره معمولاً از روش کمترین مجذورات معمولی[۵۹] که به اختصار با OLS نشان داده میشود، استفاده می‌گردد. این روش دارای ویژگی‌های مطلوب آماری مانند بدون تورش بودن، بهترین برآوردکننده خطی بدون تورش یا BLUE بودن را دارا می باشد. اما برای رفع مشکلاتی همچون خود همبستگی جملات پسماند و ناهمسانی واریانس از روش کمترین مجذورات تعمیم گرفته، یعنی [۶۰]GLS استفاده میشود (شیرین بخش وخوانساری، ۱۳۸۴).
از ویژگی‌های مهم روش GLS رفع مشکلاتی همچون خود همبستگی و ناهمسانی واریانس می‌باشد به همین دلیل در این تحقیق در صورت لزوم از این روش استفاده می‌نماییم.
روش GLS اقدام به موزون نمودن متغیرهای الگوی مدل رگرسیون می‌نماید. به همین دلیل روش مذکور را روش کمترین مجذورات موزون (Weighted LS یا WLS) می‌نامند. (شیرینبخش و خوانساری، ۱۳۸۴).
مزایای استفاده از داده های تابلویی (ترکیبی)
بارو(۲۰۰۶) مزایای استفاده از داده‌های تابلویی نسبت به داده‌های مقطعی یا سری زمانی را چنین بر می‌شمارد:
-۱از آنجا که داده‌های تابلویی به افراد، بنگاه‌ها ، ایالات، کشورها و از این قبیل واحدها طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود میشود. تکنیک‌های تخمین با داده‌های تابلویی، همان گونه که نشان خواهیم داد می‌توانند این ناهمسانی واریانس را با متغیرهای تکی و خاص مورد ملاحظه و بررسی قرار دهند.
-۲ با ترکیب مشاهدات سری زمانی و مقطعی، داده‌های تابلویی با اطلاعات بیشتر، تغییر پذیری بیشتر، هم خطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتری را ارائه می‌دهند.
-۳با مطالعه مشاهدات مقطعی تکراری، داده‌های تابلویی به منظور مطالعه پویای تغییرات، مناسب‌تر و بهترند.
-۴داده‌های تابلویی تاثیراتی را که نمی‌توان به سادگی در داده‌های مقطعی وسری زمانی مشاهده کرد، بهتر نشان می‌دهند.
-۵داده‌های تابلویی ما را قادر می‌سازند تا مدل‌های رفتاری پیچیده را بهتر مطالعه کنیم .
-۶ داده‌های تابلویی با ارائه داده برای هزاران واحد، می‌تواند تورشی را که ممکن است در نتیجه لحاظ افراد یا بنگاه‌ها (به صورت تجمعی و کلی ) حاصل شود، حداقل سازند.
به طور کلی باید گفت داده‌های تجربی را به شکلی غنی می‌سازد که در صورت استفاده از داده‌های سری زمانی یا مقطعی این امکان وجود ندارد.
۳-۱۰- آزمون های انتخاب مدل در پنل دیتا
آزمون چاو (آزمون F)
در مورد داده‌های ترکیبی ابتدا آزمون F(آزمون چاو) به منظور انتخاب شیوه تخمین مدل از بین دو راهکار Pooling وPanel انجام میشود.
در داده های ترکیبی اثرات زمانی و مقطعی داده ها و همچنین اثرات همزمان آنها آزمون می شود. طبق مدل اثرات ثابت– زمانی برای هر یک از سال‌های یک عرض از مبدا و طبق مدل اثرات ثابت– مقطعی برای هر یک از این شرکت‌ها یک عرض از مبدا ارائه میشود. حال برای اینکه ببینیم این عرض از مبداها از لحاظ آماری با هم تفاوت معنادار دارند یا خیر، آزمون چاو را به کار می‌گیریم.
بنابراین فرضیه و به صورت زیر مطرح می شود:
تمام عرض از مبداها با هم برابرند↔Pooled
: عرض از مبداها با هم تفاوت دارند↔ مدل اثرات ثابت زمانی یا مقطعی یا هر دو
که مقادیر ثابت مدل (عرض از مبدا) در هریک از حالت های فوق به شرح زیر می باشد:
Pooled↔
Panel ازنوع اثرات ثابت زمانی↔
| دانلود متن کامل این پایان نامه در سایت abisho.ir |