کل و ريسک سيستماتيک + شاخص ? = واريانس بازده واقعي
يکي ديگر از متغيرهاي تحقيق که از اهميت بسزايي برخوردار است، ريسک کل و ريسک غيرسيستماتيک است. با عنايت به اينکه تحقيق از ديدگاه روش و ماهيت، از نوع تحقيقات همبستگي به حساب مي آيد و با توجه به موضوع تحقيق و فرضيه هاي موجود ، جهت انجام آزمون هاي آماري از ضريب هم بستگي پيرسون و رگرسيون و تحليل واريانس115 کمک گرفته شده است.
خط رگرسيون جامعه به صورت y=a+bx معرفي گرديده است که اگر فرض تأييد شود نشان دهنده اين مطلب است که بين دو متغير x و y رابطه وجود ندارد. با استفاده از تحليل واريانس نيز مي توان وجود رابطه خطي بين x و y را آزمون کرد. ايده اصلي تحليل واريانس مبتني بر نمايش ميزان کل تغييرات يک مجموعه آماري به صورت چند عبارت است که بتوان هر يک را به منشأ و علت خاص وجود تغييرات نسبت داد.
اگر در رگرسيون تغييرات y را نتوان به تغييرات x نسبت داد آنگاه وجود رابطه بين x و y رد مي شود. ضريب تعيين و معني داري روابط بين متغيرهاي نهفته نشان دهنده مناسب بودن مدل هستند. که اين روش تحليلي است از مؤلفه هاي اصلي، که شاخص ها را به متغيرهاي نهفته مرتبط مي سازد، و تحليل مسير که امکان ايجاد سيستمي از متغيرهاي نهفته را فراهم مي سازد.
1-9-3- تحليل همبستگي پيرسون و رگرسيون ساده خطي
پژوهش هاي همبستگي – تعريف ، هدف و مزايا :
پژوهش هاي همبستگي شامل کليه پژوهش هايي است که در آن سعي مي شود رابطه بين متغيرهاي مختلف با استفاده از ضريب همبستگي ، کشف يا تعيين مي شود. هدف روش پژوهش همبستگي، مطالعه حدود تغييرهاي چند متغير با حدود تغييرهاي چند متغير ديگر است. هدف ضريب همبستگي ، بيان رابطه بين دو يا چند متغير به صورت رياضي است. در صورتي که رابطه متغيرها کامل و مثبت باشد ضريب همبستگي ، يک است و چنانچه همبستگي بين متغيرها کامل و منفي باشدضريب همبستگي، منفي يک خواهد شد. طرح بنيادي و اساسي پژوهش همبستگي بسيار ساده است. در اين روش ها به جمع آوري نمره هاي دو ( يا چند) متغير براي آزمودني هاي يکسان مي پردازيم و سپس ضريب همبستگي را محاسبه مي کنيم. به طور خلاصه ضريب همبستگي، را مي توان براي بيان روابط بين دو متغير A و B به کار برد. مزيت عمده روش همبستگي اين است که به محقق اجازه مي دهد که متغيرهاي زيادي را اندازه گيري کند و همزمان ، همبستگي دروني بين آنها را محاسبه نمايد. امتياز ديگر روش همبستگي در اين است که مي تواند درباره درجه همبستگي بين متغيرها مورد مطالعه ، اطلاعات لازم را فراهم سازد و روش همبستگي يا درجه همبستگي را در کل دامنه يا محدوده معين مشخص کند.
2-9-3- آزمون همبستگي
آزمون همبستگي به بررسي ارتباط بين دو يا چند متغير مي پردازد و ضريب آن را محاسبه مي نمايد. همبستگي بين متغيرها ممکن است مثبت يا منفي باشد. اگر تغييرات يک متغير با تغييرات متغير ديگر همراه باشد و افزايش يکي با افزايش ديگري يا بالعکس کاهش يکي با کاهش ديگري همراه شود، مي گوييم که همبستگي بين آنها مثبت است و اگر افزايش يک متغير با کاهش متغير ديگر باشد، گفته مي شود که همبستگي بين آنها منفي است و اگر بين دو متغير رابطه اي وجود نداشته باشد، ضريب همبستگي صفر خواهد بود. همبستگي مثبت از صفرتا 1+ نوسان مي کند در حالي که، دامنه همبستگي منفي از 1- تا صفر خواهد بود. براي محاسبه همبستگي بين متغيرها روش هاي مختلفي وجود دارد که با توجه به مقياس اندازه گيري بايستي روش مناسب انتخاب شود. از آنجايي که اطلاعات مربوط به اين تحقيق از نوع کمي و داراي مقياس اندازه گيري نسبي است، براي محاسبه ضريب هم بستگي از آزمون همبستگي پيرسون استفاده مي شود فرمول محاسبه ضريب هم بستگي پيرسون به شکل زير است .
: ضريب همبستگي بين متغيرهاي x و y
N : تعداد آزمودني ها
Sx : انحراف استاندارد مقادير x
Sy : انحراف استاندارد مقادير y
: ميانگين مقادير متغير x
: ميانگين مقادير متغير y
3-9-3- رگرسيون چندگانه
در رگرسيون خطي يک متغيره، معادله y = a+bx معرف خط رگرسيون جامعه بود، که ما آن را به وسيله y^=a+bx برآورد مي کرديم . در رگرسيون خطي دو متغيره نيز معادله معرف صفحه رگرسيون جامعه است ( در فضاي سه بعدي به جاي خط صفحه داريم) که مي خواهيم آن را به وسيله برآورد کنيم. در اينجا 1x و 2x دو متغير مستقل و و a و 2b و 1b به ترتيب برآورد کننده هايa و 1B و 2B هستند(آذر، 1385، 219)116.
با استفاده از رگرسيون چندگانه مي توان ميزان تأثيرات متغيرهاي مستقل (مؤلفه هاي سرمايه هاي فکري) در متغيرهاي وابسته (ريسک) سنجيد. در اين تحقيق براي آزمون فرضيات از آزمون رگرسيون چندگانه، ANOVA و جدول ضرايب جزئي استفاده مي شود.
4-9-3- آزمون نرمال بودن (کولموگروف- اسميرنوف)117
يکي از فرض هاي رگرسيون نرمال بودن داده هاست. براي آزمون نرمال بودن داده ها از آزمون کولموگروف – اسميرنوف استفاده شده است . اين آزمون روش ناپارامتري براي تعيين همگوني اطلاعات تجربي با توزيع هاي آماري منتخب (نرمال) است.
در اين آزمون KS فرض صفري که آزمون خواهد شد، توزيع مشاهدات و توزيع مشخصي ( يا پارامتري معيني ) است که با حدس يا قرائن مختلف فکر کرده ايم توزيع مشاهدات با آن توزيع مشخص همخواني دارد (آذر و مؤمني ، 1385، 212)118.
5-9-3- آزمون خودهمبستگي (دوربين – واتسن)119
يکي ديگر از فرض هاي رگرسيون عدم خود همبستگي باقي مانده هاست. به عبارت ديگر مدلي مناسب است که باقي مانده هاي حاصل از آن به هم وابسته نبوده ويا به عبارتي تصادفي باشد. براي آزمون نرمال بودن داده ها از آزمون کولموگروف – اسميرنوف استفاده شده است. براي اين آزمون از آماره دوربين واتسن استفاده شده است.
6-9-3- چندهم خطي120
کاربرد و تفسير يک مدل رگرسيون چندگانه به صورت آشکاري به برآورد ضرايب رگرسيون بستگي دارد. تعدادي از استنباط هايي که اغلب به اين ضرايب بستگي دارند عبارتند از:
1- تشخيص اثرات نسبي متغيرهاي مستقل
2- پيش بيني
3- انتخاب زيرمجموعه مناسبي از مدل
اگر رابطه خطي بين متغيرهاي رگرسيوني (مستقل) وجود نداشته باشد گوييم متعامد هستند. در اين حالت استنباط هاي فوق به سادگي انجام مي شود. متأسفانه در بيشتر کارهاي رگرسيوني متغير مستقل، متعامد نيستند و اين مشکل جدي به نظر مي رسد . در چنين موقعيت هايي متغيرهاي مستقل داراي رابطه خطي کامل هستند و استنباط هاي فوق مي توانند گمراه کننده يا توأم با خطا باشد. وقتي وابستگي خطي نزديک بين متغيرهاي مستقل وجود داشته باشد، گوييم مسأله چند هم خطي اتفاق افتاده است.
يکي از معيارهايي که مي توان با استفاده از آن اين مسأله را بررسي نمود معيار VIF 121 است که به صورت زير تعريف مي شود.
در اين تعريف ضريب تعيين حاصل از رگرسيون زدن xj روي باقي مانده متغيرهاي رگرسيوني است . اين روش منسوب به مارکوارت122 (1970) است. VIF براي هر جمله در مدل اثر ترکيبي وابستگي ها بين متغيرهاي مستقل روي واريانس آن جمله را اندازه مي گيرد. يک يا چند VIF بزرگ نشان دهنده چند هم خطي است. تجربه نشان داده است که اگر VIF از 5 يا 10 بيشتر باشد، نشان دهنده برآورد ضعيف ضريب رگرسيوني مربوطه است، که علت آن چند هم خطي است
فصل چهارم
تجزيه و تحليل داده‌ها
1-4 مقدمه‏
” ارقام دروغ نمي گويند ،اما دروغگويان ارقام مي سازند”
” چارلز گراس ونور”
پژوهشگر پس از اين که روش تحقيق خود را مشخص کرد و با استفاده از ابزارهاي مناسب ، داده هاي مورد نياز را براي آزمون فرضيه هاي خود جمع آوري کرد ،اکنون نوبت آن است که با بهره گيري از تکنيک هاي آماري مناسبي که با روش تحقيق ،نوع متغيرها ،… سازگاري دارد ،داده هاي جمع آوري شده را دسته بندي و تجزيه و تحليل نمايد و در نهايت فرضيه هايي را که تا اين مرحله او را در تحقيق هدايت کرده اند در بوته آزمون قرار دهد و تکليف آنها را روشن کند و سرانجام بتواند راه حل و پاسخي براي پرسش تحقيق بيابد .پيوند دادن موضوع تحقيق به رشته اي از اطلاعات موجود مستلزم انديشه اي خلاق است ،معمولاً موضوعي به ذهن محقق خطور مي کند که يافتن منابع داده هاي موجود براي بررسي آن مستلزم خلاقيت ذهني محقق است ،آرايش و تنظيم داده ها نيز مستلزم خلاقيت است .فرآيند تجزيه و تحليل داده ها فرآيندي چند مرحله اي است که طي آن داده هايي که از طريق بکارگيري از ابزارهاي جمع آوري در جامعه (نمونه) آماري فراهم آمده اند خلاصه ،کدبندي و دسته بندي … و در نهايت پردازش مي شوند تا زمينه برقراري انواع تحليل ها و ارتباط ها بين اين داده ها به منظور آزمون فرضيه ها فراهم آيد (خاکي،1375 ، 429- 1)1.
تجزيه و تحليل اطلاعات به عنوان مرحله اي علمي از پايه هاي اساسي هر پژوهش علمي به شمار مي رود که به وسيله آن کليه فعاليت هاي پژوهش تا رسيدن به نتيجه ،کنترل و هدايت مي شوند. در اين فصل نيز به توصيف داده هاي پژوهشي و تجزيه و تحليل هر يک از فرضيات خواهيم پرداخت.
2-4- شاخص هاي توصيفي متغيرها
به منظور شناخت بهتر ماهيت جامعه اي که در پژوهش مورد مطالعه قرار گرفته است و آشنايي بيشتر با متغير هاي پژوهش، قبل از تجزيه و تحليل داده هاي آماري، لازم است اين داده ها توصيف شود. همچنين توصيف آماري داده ها، گامي در جهت تشخيص الگوي حاکم بر آن ها و پايه اي براي تبيين روابط بين متغيرهايي است که در پژوهش به کار مي رود (خورشيدي و قريشي،1381، 254)1.
بنابراين، قبل از اين که به آزمون فرضيه هاي پژوهش پرداخته شود، متغيرهاي پژوهش به صورت خلاصه در جدول شماره (1-4) و(2-4) مورد بررسي قرار مي گيرد.
اين جدول حاوي شاخص هايي براي توصيف متغيرهاي تحقيق مي باشد. اين شاخص ها شامل شاخص هاي مرکزي، شاخص هاي پراکندگي و شاخص هاي شکل توزيع است.
جدول 1-4 : شاخص هاي توصيف کننده متغيرها تحت، شاخص هاي مرکزي، شاخص هاي پراکندگي و شاخص هاي شکل توزيع براي متغير وابسته123
شاخص ها متغيرها
ريسک سيستماتيک
ريسک غيرسيستماتيک
ريسک کل
تعداد داده ها
329
329
329
تعداد گمشده ها
ميانگين
3797/0
7823/10
2815/10
ميانه
2100/0
9600/8
8800/8
مد
00/0
61/8
34/6
انحراف معيار
27362/1
93506/7
41005/7
واريانس
622/1
965/62
909/54
چولگي
342/1
164/2
287/2
انحراف خطاي چولگي
134/0
134/0
134/0
کشيدگي
669/6
672/6
908/7
انحراف خطاي کشيدگي
268/0
268/0
268/0
جدول 2-4: شاخص هاي توصيف کننده متغيرها تحت، شاخص هاي مرکزي، شاخص هاي پراکندگي و شاخص هاي شکل توزيع براي متغير مستقل124
متغيرها
شاخص ها
سرمايه فيزيکي
سرمايه ساختاري
سرمايه انساني
ارزش افزوده سرمايه فکري
تعداد داده ها
327
329
324
325
تعداد گمشده ها
2
5
4
ميانگين
2385/0
9088/0
4907/6
6862/7
ميانه
0000/0
0000/1
0000/5
0000/6
مد
00/0
00/1
00/2
00/3
انحراف معيار
67695/0
28831/0
58718/5
88889/5
واريانس
458/0
083/0
217/31
679/34
چولگي
578/5
853/2-
103/2
022/2
انحراف خطاي چولگي
135/0
134/0
135/0
135/0
کشيدگي
120/44
179/6
205/5
684/4
انحراف خطاي کشيدگي
269/0
268/0
270/0
270/0
جدول (1-4) و (2-4) چند نکته را درباره اين متغير بيان مي کند.
مقدار ميانگين، متوسط داده ها را نشان مي دهد، ميانه نشان دهند? اين است که 50% داده ها کمتر و ميانه، تقارن داده ها را نشان مي دهد. انحراف معيار ، پراکندگي را نشان مي دهد و در نهايت چولگي ، شاخص تقارن داده هاست. به اين صورت که اگر مقدار چولگي بزرگتر از 05/0 باشد نشان دهنده نامتقارن بودن توزيع است. جدول (1-4)

دسته بندی : No category

دیدگاهتان را بنویسید