پژوهش – بررسی تأثیر نوسانات قیمت نفت بر بازده غیرعادی سهام شرکت های پذیرفته …

پایان نامه های ارشد سری هفتم

پژوهش – بررسی تأثیر نوسانات قیمت نفت بر بازده غیرعادی سهام شرکت های پذیرفته …

در این مدل وقتی که  مثبت باشد، خود همبستگی مثبت و وقتی که  منفی باشد، خود همبستگی منفی وجود دارد. در حالت  خود همبستگی وجود ندارد (ذوالنور، ۱۳۷۴، ۸۶-۸۸).
۳-۱۰-۳- ضریب تعیین و ضریب تعیین تعدیل شده
ضریب تعیین معیاری است که قوت رابطه میان متغیر مستقل و متغیر وابسته را تشریح می‌کند. مقدار این ضریب در واقع مشخص کننده آن است که چند درصد از تغییرات متغیر وابسته توسط متغیر مستقل توضیح داده می‌شود و هر چه مقدار آن بیشتر باشد، خطاها کمتر و مدل رگرسیون قابل اعتماد تر است. مقدار  از رابطه زیر تعیین می‌شود (پیندیک و روبینفیلد، ۱۳۷۰، ۱۱۲):
(۳-۱۱)
که در آن:
SSE = تغییرات جمله خطا که توسط رگرسیون توضیح داده نمی‌شود.
SST = کل تغییرات در مقدار متغیر وابسته.
با این حال اغلب ترجیح داده می‌شود که از مقیاس دیگری به نام ضریب تعیین تعدیل شده[۶۳] برای بررسی نیکویی برازش[۶۴] مدل رگرسیون چند متغیره استفاده کنند. این ضریب همان ضریب تعیین است که در آن مقادیر SST و SSE با درجات آزادیشان تعدیل گردیده‌اند. این ضریب در رگرسیون چند متغیره به صورت زیر محاسبه می‌شود (همان، ص: ۱۱۳):
(۳-۱۲)
که در آن n تعداد مشاهدات و k تعداد متغیرهای مستقل است. در واقع هدف از به‌کارگیری  تعدیل شده، تسهیل در مقایسه نیکویی برازش چندین معادله رگرسیون است که از نظر تعداد متغیرهای مستقل توضیحی متفاوتند.
۳-۱۰-۴- آزمون معنیدار بودن در الگوی رگرسیون
در رگرسیون چندگانه دو یا چند متغیر مستقل وجود دارد و لازم است که برای مشخص شدن معنیدار بودن آنها، دو آزمون انجام گیرد. ابتدا آزمون معنیدار بودن معادله رگرسیون و در مرحله بعد آزمون معنیدار بودن هر کدام از ضرایب متغیرهای مستقل در معادله بیان خواهد شد.
۳-۱۰-۴-۱- آزمون معنیدار بودن معادله رگرسیون
در یک معادله رگرسیون چندگانه، چنانچه هیچگونه رابطه‌ای میان متغیر وابسته و متغیرهای مستقل وجود نداشته باشد، می‌بایست تمامی ضرایب متغیرهای مستقل در معادله، مساوی صفر باشند. بدین ترتیب ما می‌توانیم معنیدار بودن معادله رگرسیون را آزمون کنیم. این کار با استفاده از آماره F با فرض‌های زیر صورت می‌گیرد (عباسینژاد، ۱۳۸۰، ۸۹ و ذوالنور، ۱۳۷۴، ۵۶-۵۹):
معادله رگرسیون معنیدار نیست معادله رگرسیون معنیدار است
چنانچه در سطح اطمینان ۹۵% (خطای ۵%= ) آماره F محاسبه شده از معادله رگرسیون کوچکتر از مقدار F بدست آمده از جدول باشد فرض  را نمیتوان رد کرد و در غیر این صورت  رد می‌شود. واضح است که در صورت رد شدن  ، معادله رگرسیون معنیدار خواهد بود.
۳-۱۰-۴-۲- آزمون معنیدار بودن ضرایب رگرسیونی
بعد از آزمون معنیدار بودن رگرسیون، بایستی معنیدار بودن هر کدام از ضرایب آزمون گردد. هدف از انجام این آزمون آن است که مشخص شود آیا در سطح اطمینان مورد نظر ضریب محاسبه شده مخالف صفر است یا خیر؟ فرضهای این آزمون به شرح زیر است (ذوالنور، ۱۳۷۴، ۵۴-۵۶):
ضریب جامعه صفر است
ضریب جامعه مخالف صفر است
برای آزمون این فرضیهها از آماره t استفاده می‌شود. اگر در سطح اطمینان ۹۵% (خطای ۵%=) آماره بدست آمده از آزمون کوچکتر از t بدست آمده از جدول با همان درجه آزادی باشد، فرض  تأیید شده و در غیر این صورت رد می‌شود. در این آزمون عدم رد  به مفهوم بیمعنی بودن ضریب مورد نظر و رد  به معنی معنیدار بودن ضریب مورد نظر است.
۳-۱۰-۵- روش استفاده از داده‌ها
معمولاً استفاده از دادههای آماری به سه روش مقطعی[۶۵]، سری زمانی[۶۶] و ترکیبی/تلفیقی[۶۷] امکانپذیر است:
۱- دادههای مقطعی: در دادههای مقطعی، مقادیر یک یا چند متغیر برای چندین واحد اقتصادی (مشاهدات نمونهای) برای یک زمان مشخص جمعآوری میشود.
۲- دادههای سری زمانی: در دادههای سری زمانی، مقدار یک یا چند متغیر در طول یک دوره زمانی مشاهده میشود.
۳- دادههای ترکیبی/تلفیقی: در دادههای ترکیبی/تلفیقی، عناصر هر دو دسته از دادههای سری زمانی و مقطعی وجود دارد، یعنی اطلاعات مربوط به دادههای مقطعی در طول زمان مشاهده میشود. به بیان دیگر، چنین دادههایی دارای دو بعد میباشند که یک بعد آن مربوط به واحدهای مختلف در هر مقطع زمانی خاص است و بعد دیگر آن مربوط به زمان میباشد، یعنی روش دادههای ترکیبی/تلفیقی، روشی برای تلفیق مشاهدات مقطعی در خلال چندین دوره زمانی است (گجراتی، ۱۹۹۵: ۶۴).
در این پژوهش با توجه به نوع دادهها و روشهای تجزیه و تحلیل موجود، از روش «دادههای ترکیبی/تلفیقی» استفاده میشود. منظور از دادههای ترکیبی/تلفیقی، مجموعهای از دادههاست که متشکل از تعداد زیادی از متغیرهای مقطعی (N) است که در طول یک دوره زمانی مشخص (T) مورد بررسی قرار میگیرند. در این صورت تعداد مشاهدات N × T بوده که با استفاده از مدلهای مختلفی قابل تخمین است.
با استفاده از دادههای ترکیبی/تلفیقی، میتوان به تخمینهای کارا دست یافت. شکل کلی مدل دادههای ترکیبی که به اجزاء خطا[۶۸] معروف است، به صورت زیر میباشد (دوقرتی[۶۹]، ۲۰۰۴، ۴۱۰):
(۳-۱۳)
در رابطه فوق Y نشاندهنده متغیر وابسته، X متغیرهای توضیحی مشاهده شده و Z نشاندهنده متغیرهای توضیحی غیرقابل مشاهده اثرگذار بر متغیر وابسته برای هر مقطع است که برای توضیح بهتر مدل دادههای ترکیبی، این دسته از متغیرها از مقادیر اجزاء خطا جدا شده است. نماد i نشاندهنده مقطعها یا واحدهای مشاهده شده، t نشاندهنده دوره زمانی و j و p به ترتیب نشانگر تعداد متغیرهای مشاهده شده و مشاهده نشده است.  نشان دهنده خطای برآورد دادههای ترکیبی است که تمامی شرایط مربوط به جملات خطا تحت فروض گوس- مارکف[۷۰] را داراست. جمله روند (  ) نشاندهنده تغییرات جمله ثابت در طول زمان است. این مدل به «مدل دادههای ترکیبی دوطرفه[۷۱]» معروف است (دوقرتی، ۲۰۰۴، ۴۱۱).
از آن جا که متغیرهای Z قابل اندازهگیری نیستند، میتوان مجموع همه آنها را به صورت یک متغیر  نشان داد. در این صورت، معادله بالا را میتوان به صورت زیر بازنویسی کرد:
(۳-۱۴)
که در آن  =  است. اگر  با هر کدام از متغیرهای توضیحی دیگر X وابسته باشد، برآورد و تحلیل از طریق این معادله، دارای تورش مربوط به متغیرهای برآورد نشده خواهد بود (دوقرتی، ۲۰۰۴ :۴۱۱).
اگر متغیرهای غیرقابل اندازهگیری کنترل شوند، میتوان با استفاده از روش «حداقل مربعات معمولی[۷۲]» یا «حداقل مربعات تعمیم یافته[۷۳]» به تخمینهای کارایی دست یافت. یکی از راههای کنترل به‌کارگیری «مدل اثر ثابت[۷۴]» است. در مدل اثر ثابت، اثرات مشاهده نشده در جمله ثابت رگرسیون وارد میشود. در این مدل با استفاده از روش متغیرهای مجازی یا روش تفاضلگیری، اثرات متغیرهای مشاهده نشدنی کنترل میشود.
بنابراین، در مدلهای اثر ثابت، برای دستیابی به تخمینهای کارا از روش حذف متغیرهای غیر قابل مشاهده اثرگذار در مدل استفاده میشود. به‌کارگیری این روش موجب حذف بسیاری از متغیرهای مهم میشود. از اینرو، میتوان به جای در نظر نگرفتن این متغیرها، آنها را در اجزا خطا منظور کرد. این روش، به «مدل اثر تصادفی[۷۵]» معروف است. اولین شرط برای استفاده از مدل اثر تصادفی آن است که متغیرها به صورت تصادفی انتخاب شده باشند. در این صورت  متغیری تصادفی است و مدل بالا را میتوان به صورت زیر بازنویسی کرد:
(۳-۱۵)
که در آن  =  است (بالتاگی[۷۶]، ۲۰۰۵ :۱۱).
شرط لازم استفاده از این مدل، عدم وابستگی متغیرهای  به سایر متغیرهای توضیحی در مدل است. اگر این شرط برقرار نباشد، تخمین مدل اثر تصادفی، غیر ثابت و با تورش خواهد بود. در این صورت از مدل اثر ثابت استفاده میشود. بنابراین وقتی که از دادههای ترکیبی استفاده میشود، باید آزمونهای مختلفی برای تشخیص روش تخمین مناسب انجام داد. رایجترین آنها آزمون «هاسمن[۷۷]» برای انتخاب یکی از مدلهای اثر ثابت یا مدل اثر تصادفی و آزمون بروش-پاگان الام[۷۸] برای انتخاب یکی از مدلهای اثر تصادفی یا مدل دادههای تلفیقی[۷۹] است. این مراحل بدین صورت است که اگر دادهها به صورت تصادفی از بین دادههای زیادی انتخاب نشده باشد، از مدل اثر ثابت استفاده میشود. اما اگر دادهها به صورت تصادفی انتخاب شده باشند، هر دو مدل اثر ثابت و اثر تصادفی تخمین زده میشود. سپس آزمون «هاسمن» انجام میگیرد. چنان چه آماره این آزمون نشاندهنده برآورد با استفاده از مدل اثر ثابت باشد، این مدل برآورد میشود. اما چنان چه این آماره نشانگر برآورد مدل با استفاده از مدل اثر تصادفی باشد، باید آزمون بروش- پاگان الام برای انتخاب یکی از مدلهای اثر تصادفی یا دادههای تلفیقی انجام گیرد. فرضیات این آزمون به صورت زیر است (همان، ۴۹):
که در این فرضیات،  نشاندهنده واریانس اثر مقطعی مدل برآورد شده از طریق اثر تصادفی است. چنانچه واریانس اثرات مقطعی در مدل اثر تصادفی ناچیز باشد، میتوان از روش ترکیب کل دادهها (تلفیق) و استفاده از تخمین حداقل مربعات معمولی برای برآورد روابط بین متغیرها استفاده کرد. برای محاسبه آماره از خطای برآورد دادههای ادغام شده به صورت زیر استفاده میشود:
(۳-۱۶)
 

این را هم حتما بخوانید :   مطالعه سبک زندگی سلامت محور زنان واقع در سنین باروری (۴۹ – ۱۵ ...

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.

Back To Top