مقاله – بررسی تاثیر ساختار مالکیت بر کارایی سرمایه فکری در شرکت‌های پذیرفته شده در …

چارچوب اصلی برای دادههای تابلویی به صورت زیر است:
(۳-۱۳)
+ =
که در آن:
عرض از مبداء
شامل k متغیر توضیحی است یعنی β = (β۱, β۲,…, βk)
=جمله اخلال مدل می باشد که از فروض کلاسیک رگرسیون خطی پیروی می کند.
= i تعداد مقاطع i= 1,2,…, N
= t دوره زمانی t= 1,2,…, T
در این صورت تخمین معادله فوق به فروض ما درباره عرض از مبدأ ضرایب شیب و جمله خطایU بستگی دارد. روشهای چندی در رابطه با این فروض وجود دارد که به پنج حالت زیر تقسیم می شود:
عرض از مبدأ و ضرایب شیب در طول زمان و در مقاطع ثابت بوده و جمله خطا در طول زمان و برای مقاطع مختلف متفاوت است.
ضرایب شیب ثابت بوده، اما عرض از مبدأ برای مقاطع مختلف، متفاوت است.
ضرایب شیب ثابت بوده، اما عرض از مبدأ برای مقاطع و در طی زمان متفاوت است.
تمامی ضرایب و عرض از مبدأ و ضرایب شیب، برای مقاطع مختلف، متفاوت است.
تمامی ضرایب و عرض از مبدأ، هم نسبت به زمان و هم نسبت به واحدهای مقطعی متفاوت است.
۳-۱۱-۱ نحوه عملکرد جمله AR
وجود خود همبستگی، نشان دهنده این مطلب است که بین اجزای اخلال یک دوره با دورههای گذشته ارتباط وجود دارد. ورود جملات َAR در هر مرتبه، موجب برطرف شدن خود همبستگی مرتبه اول، دوم و n ام می شود. به این صورت که فرض می شود که رابطه اجزای اخلال به صورت زیر باشد:
u= ρ.ut-1 + εt
(۱۴_۳)
که در آن ρ معروف به ضریب خود همبستگی و εt جزء اخلال تصادفی می باشد. چنان چه ρ=۱ باشد، خواهیم داشت:
(۱۵_۳)
ut – ut-1 = εt
به این ترتیب معادله رگرسیون برای دوره‌های t و ۱ –t به صورت زیر خواهد بود:
(۱۶_۳)
Yt-1= β۰ + β۱xt-1 + ut-1
با کسر دو معادله از هم، به معادله زیر می رسیم که در واقع جزء اخلال این معادله عددی است که از تفاضل دو جمله خطای قبلی بدست آمده و مستقل از جملات دیگر است:
(۱۷_۳)
∆Yt= β۱∆x+ εt
بدین ترتیب اطلاعات یک دوره از کل دورههای مورد بررسی حذف شده و خود همبستگی ایجاد شده رفع می شود. لذا جملات AR، در هر مرتبهای منجر به از بین رفتن خود همبستگی بین اجزای اخلال مدل میشوند(خاکی، ۱۳۹۰). در این تحقیق به منظور تشخیص خود همبستگی بین اجزای اخلال مدل رگرسیون، از آماره DW (دوربین – واتسن) استفاده شده است.
مشکلات دیگری مانند همبستگی متقاطع در واحدهای تکی در نقاط زمانی یکسان نیز وجود دارند. تکنیکهای تخمین متعددی برای بررسی برخی از این مشکلات وجود دارد. دو روش بسیار معروف و رایج عبارتند از:

این مطلب را هم بخوانید :
پژوهش دانشگاهی - مطالعه رابطه بین تغییر پذیری اقلام تعهدی و نوسان پذیری بازده آتی سهام- ...

دانلود متن کامل پایان نامه در سایت jemo.ir موجود است

  1. مدل تأثیرات ثابت (FEM )

اصطلاح تأثیرات ثابت ناشی از این حقیقت است که با وجود تفاوت عرض از مبدأ میان شرکت، اما عرض از مبدأ هر شرکت طی زمان تغییر نمیکند، یعنی طی زمان بی تغییر است. حالت کلی این رگرسیون به صورت زیر است:
Yit = β۰i + β۱x1it + β۲x2it + … + βmxmit+ uit
)۱۸_۳(
i= 1, 2, 3, …, N
t= 1, 2, 3, …, T

  1. مدل تأثیرات تصادفی (REM ) یا مدل اجزای خطا (ECM )

در روش اثرهای تصادفی فرض میشود عرض از مبدأ یک واحد تکی انتخابی تصادفی از جامعهای بزرگتر با یک میانگین ثابت بیان میشود. حالت کلی این مدل به صورت زیر است:

Releated

پژوهش دانشگاهی – مطالعه رابطه بین تغییر پذیری اقلام تعهدی و نوسان پذیری بازده آتی سهام- …

با توجه به جدول فوق عرض از مبدا برابر ۱۲۹۳۴۲/۰ است و چون سطح معناداری مربوط به آن برابر ۰۰۲۱۴۵/۰ و کمتر از ۰۵/۰ است نتیجه میگیریم که این ضریب در مدل رگرسیونی تاثیر دارد. همچنین ضریب متغیر جزء غیر اختیاری برابر ۶۴۳۸۷۱/۰ بوده و چون سطح معناداری آن برابر ۰۳۴۵۲۱/۰ و کمتر از ۰۵/۰ […]

مطالعه رابطه بین تغییر پذیری اقلام تعهدی و نوسان پذیری بازده آتی …

در جدول فوق ضریب ثابت یا همان عرض از مبدا برابر ۰۶۵۹۱۵/۰ است و چون سطح معناداری مربوط به آن برابر ۰۱۸۷۹۲/۰و کمتر از ۰۵/۰ است. نتیجه گرفته میشود که این ضریب در مدل رگرسیونی تاثیر دارد. همچنین ضریب متغیر تغییرپذیری اقلام تعهدی برابر ۳۴۷۸۲۶/۰بوده و چون سطح معناداری ان برابر ۰۰۶۴۴۵/۰ و کمتر از […]