دانلود مقاله تحقیق پایان نامه

پایان نامه رایگان درباره کیفیت گزارشگری مالی، گزارشگری مالی

3-6- روش تجزیه و تحلیل داده ها و آزمون فرضیه ها [do_widget id=kl-erq-2]
در انجام این پژوهش، از روشهای آمار توصیفی و آمار استنباطی استفاده شده است که در ادامه به تفصیل تشریح می شود. پس از جمعآوری اطلاعات، نخستین گام محاسبه آماره های توصیفی از متغیرهای مورد استفاده می باشد. این آماره ها شامل میانگین، انحراف استاندارد و سایر اطلاعات مورد استفاده است. پس از بررسی آماره های توصیفی، فرضیههای پژوهش با استفاده از روش آمار استنباطی رگرسیون خطی چندمتغیره به روش دادههای ترکیبی که در ادامه به این روشها اشاره می شود، مورد آزمون قرار میگیرند. لازم بهذکر است که در این پژوهش در خصوص تجزیه و تحلیل دادهها، ابتدا با استفاده از نرمافزار Excel نسخه 2007 متغیرهای پژوهش از روی دادههای خام آماده و سپس با استفاده از نرمافزارهای آماریSPSS نسخه 19 و Eviews نسخه 7 تجزیه و تحلیل انجام شده است.
3-6-1- مدل رگرسیونی مورد استفاده و آزمون معناداری ضرایب
در این پژوهش پس از اندازهگیری متغیرهای مورد استفاده در پژوهش، فرضیههای پژوهش بهوسیله مدلهای رگرسیونی زیر مورد آزمون قرار میگیرند.
برای آزمون فرضیه اول از مدلهای رگرسیونی تعدیل شده زیر استفاده شده است:
EXT-FINit = α0 + β1(CVit) + n(Control Variablesit-1) + εi,t (3)
EXT-FINit = α0 + β1(CVit) + β2(FRQit-1) + n(Control Variablesit-1) + εi,t (4)
EXT-FINit = α0 + β1(CVit) + β2(FRQit-1) + β3(CVit * FRQit-1) + n(Control Variablesit-1) + εi,t (5)
در مدل بالا EXT-FINit نشاندهنده تأمین مالی شرکت i در سال t، FRQit نشاندهنده معیار کیفیت گزارشگری مالی شرکت i در سال t، CVit نشاندهنده تغییرات در ارزش وثیقههای شرکت i در سال t و Control Variablesit-1 نیز متغیرهای کنترلی ذکر شده در بخش (3-3) را نشان میدهد. اگر مدلهای 4 و 5 با یکدیگر متفاوت نباشند (بهعنوان نمونه، β2 # 0 و β3 = 0)، در این صورت متغیر کیفیت گزارشگری مالی تعدیلگر نیست و تنها یک متغیر پیشبین است. برای این که کیفیت گزارشگری مالی یک متغیر تعدیلگر خالص باشد، لازم است تا مدلهای 3 و 4 با یکدیگر متفاوت نباشند اما با مدل 5 متفاوت باشند (بهعنوان نمونه، β2 = 0 و β3 # 0). اگر مدلهای 3، 4 و 5 با یکدیگر متفاوت باشند (بهعنوان نمونه، β2 # β3 # 0)، در این صورت کیفیت گزارشگری مالی یک متغیر شبهتعدیلگر است. لازم بهذکر است که برای بررسی تأثیر متغیر تعدیلگر بر رابطه بین متغیر مستقل و وابسته، باید اثر تعاملی متغیر مستقل و تعدیلگر را برآورد نمود.
برای آزمون فرضیه دوم از مدل رگرسیونی تعدیل شده زیر استفاده شده است:
INVit = α0 + β1(CVit) + n(Control Variablesit-1) + εi,t (6)
INVit = α0 + β1(CVit) + β2(FRQit-1) + n(Control Variablesit-1) + εi,t (7)
INVit = α0 + β1(CVit) + β2(FRQit-1) + β3(CVit * FRQit-1) + n(Control Variablesit-1) + εi,t (8)
در مدل بالا INVit نشاندهنده متغیر سرمایهگذاری شرکت i در سال t و مابقی متغیرها مانند قبل است. اگر مدلهای 7 و 8 با یکدیگر متفاوت نباشند (بهعنوان نمونه، β2 # 0 و β3 = 0)، در این صورت متغیر کیفیت گزارشگری مالی تعدیلگر نیست و تنها یک متغیر پیشبین است. برای این که کیفیت گزارشگری مالی یک متغیر تعدیلگر خالص باشد، لازم است تا مدلهای 6 و 7 با یکدیگر متفاوت نباشند اما با مدل 8 متفاوت باشند (بهعنوان نمونه، β2 = 0 و β3 # 0). اگر مدلهای 6، 7 و 8 با یکدیگر متفاوت باشند (بهعنوان نمونه، β2 # β3 # 0)، در این صورت کیفیت گزارشگری مالی یک متغیر شبهتعدیلگر است.
برای آزمون فرضیه سوم از مدل رگرسیونی زیر استفاده شده است:
FRQit = α0 + β1(CVit) +n(Control Variablesit-1) + εi,t (9)
در مدل بالا، تعریف متغیرها دقیقاً مشابه با دو مورد قبل است.
به منظور آزمون معناداری ضرایب جزئی رگرسیون در فرضیهها از آزمون t و مقدار احتمال (p-value) محاسبه شده توسط نرمافزار (جدول ضرایب) استفاده شده است. فرضیههای آزمون بهصورت زیر بیان میشود:
H0 : عدم وجود رابطه معنادار بین متغیر مستقل و وابسته
H1: وجود رابطه معنادار بین متغیر مستقل و وابسته
معمولاً استفاده از دادههای آماری به سه روش مقطعی، سری زمانی و ترکیبی امکانپذیر است:
دادههای مقطعی: در دادههای مقطعی، مقادیر یک یا چند متغیر برای چندین واحد اقتصادی (مشاهدات نمونهای) برای یک زمان مشخص جمعآوری میشود.
دادههای سری زمانی: در دادههای سری زمانی، مقدار یک یا چند متغیر در طول یک دوره زمانی مشاهده میشود.
دادههای ترکیبی: در دادههای ترکیبی، عناصر هر دو دسته از دادههای سری زمانی و مقطعی وجود دارد. یعنی، اطلاعات مربوط به دادههای مقطعی در طول زمان مشاهده می شود. به بیان دیگر، چنین دادههایی دارای دو بعد هستند که یک بعد آن مربوط به واحدهای مختلف در هر مقطع زمانی خاص است و بعد دیگر آن مربوط به زمان می شود. یعنی، روش دادههای ترکیبی، روشی برای تلفیق مشاهدات مقطعی در خلال چندین دوره زمانی است (گجراتی، 1995).
]]>