قسمتی از متن پایان نامه :

3-9-6- عدم وجود خودهمبستگی بین خطاهای مدل

شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید                     

عدم وجود خودهمبستگی بین جملات خطا یکی از فروض اساسی برای روش ols می باشد. همبستگی خطاها را با همدیگر را اصطلاحاً خود همبستگی یا همبستگی سریالی می گویند.
قدم اول در شناسایی خودهمبستگی این می باشد که نمودار خطاها ترسیم گردد اما این روش نموداری مشکل می باشد و لذا بعضی روش های آماری جهن آزمون خود همبستگی ارائه شده اند. یکی از آزمون های متداول، آزمون دوربین واتسون می باشد که بصورت زیر برای تشخیص خود همبستگی به کار می رود. ( سوری علی،1391 )
3-9-7- آزمون توربین واتسون
آزمون دوربین واتسون ( durbin-watson) یکی از مشهورترین ازمون ها برای تشخیص خود همبستگی می باشد. البته برای به کار بردن این آزمون نیاز به برقراری شرایطی می باشد که در زیر به آنها تصریح می کنیم.
3-9-7-1- محدودیت های آزمون دوربین واتسون: 

  • این آزمون تنها خود همبستگی از درجه اول را نشان می دهد.
  • برای به کار بردن این آزمون هیچ نظاره ی گم شده ای نباید وجود داشته باشد.
  • متغیر با وقفه از نوع وابسته نباید در سمت راست مدل وجود داشته باشد.
  • مدل رگرسیونی بایستی عرض از مبدا داشته باشد.
  • نحوه داوری
    هرگاه مقدار آماره دوربین واتسون بین 5/1 تا 5/2 باشد در این صورت بین اجزای خطای مدل رگرسیون همبستگی وجود ندارد اگر این طور نباشد بین اجزای خطای مدل همبستگی هست.
    3-9-8- پانل دیتا
    درداده های پانل دیتا در آغاز بایستی روش تخمین مشخص باشد. روش تخمین مشتمل بر دو روش می باشد:
    1ـ بهره گیری از روش تلفیقی: در این روش مقاطع همگن فرض می گردد.
    2- بهره گیری از روش پانل: در این روش مقاطع غیر همگن فرض میشود. این روش خود شامل دو نوع تخمین می باشد:

  • روش اثرات ثابت: در این روش تفاوت مقاطع صرفا در ضرایب لحاظ می گردد.
  • روش اثرات تصادفی: در این روش تفاوت در مقاطع علاوه بر اینکه در ضرایب لحاظ می گردد، سایر ویژگی های مقاطع نیز در ضرایب لحاظ می گردد.
  • با در نظر داشتن آن چیز که گفته گردید، در آغاز لازم می باشد روش برآورد مشخص گردد برای اینکار از آزمونF بهره گیری می گردد که فرض صفر آن مبتنی بر همگن بودن مقاطع می باشد و فرض مقابل آن مبنی بر غیر همگن بودن مقاطع میباشد. حال اگر فرض صفر در این آزمون پذیرفته گردد از روش تلفیقی برای برآورد مدل بهره گیری خواهد گردید و اگر این طور نباشد از روش پانل دیتا بهره گیری میشود. البته برای مشخص شدن نوع روش برآورد در پانل نیز از آزمون هاسمن استفده میگردد، در این آزمون فرض صفر مبنی بر بهره گیری از روش اثرات تصادفی برای برآورد میباشد و فرض مقابل آن فرض بهره گیری از روش اثرات ثابت میباشد.
    برای آشنایی با مبانی نظری این آزمونها در این بخش به نحوه ی تحلیل در داده های پانل پرداخته می­گردد.
    3-9-8-1- داده­ های تابلویی و مزایای بهره گیری از آنها
    انواع داده­هایی که عموماً برای تحلیل­های تجربی به کار برده می­شوند، در سه گروه مورد بحث و مطالعه قرار می­گیرند:

  • داده­های سری زمانی[1]
  • داده­های مقطعی[2]
  • داده­های تلفیقی سری زمانی و مقطعی[3]
  • در داده­های سری زمانی مقادیر یک یا چند متغیر را طی یک دوره زمانی نظاره می­کنیم (برای مثال GDP طی چند فصل یا چند سال). در داده­های مقطعی، مقادیر یک یا چند متغیر برای چند واحد یا مورد نمونه­ای در یک زمان یکسان جمع­­آوری می­گردد (برای مثال نرخ­های جرم و جنایت برای سی استان ایران در در یک سال معین).
    داده­های تابلویی ترکیبی از داده­های مقطعی و سری زمانی می­باشد، یعنی اطلاعات مربوط به داده­های مقطعی در طول زمان نظاره می­گردد. بدین­صورت که چنین داده­هایی دارای دو بعد می باشند که یک بعد آن مربوط به واحدهای مختلف در هر مقطع زمانی خاص می باشد و بعد دیگر آن مربوط به زمان می­باشد. در این پژوهش روش­داده­های تابلویی به عنوان روش تخمین مدل، انتخاب می­گردد. در مجموع، داده­­های پانلی دارای مزایای فراوانی نسبت به داده­های مقطعی یا سری زمانی هستند که بعضی از مهمترین آنها عبارتند از:

  • داده­های مقطعی و سری زمانی صرف، ناهمسانی­های فردی را لحاظ نمی­کنند، لذا ممکن می باشد که تخمین تورش­داری به دست دهند، در حالی که در روش پانل می­توان با لحاظ کردن متغیرهای مخصوص انفرادی[4] این ناهمسانی­ها را لحاظ نمود.
  • داده­های تابلویی دارای اطلاعات بیشتر، تغییرپذیری بیشتر، همخطی کمتر، درجه آزادی بالاتر و کارایی بالاتر نسبت به سری زمانی و داده­های مقطعی می­باشند. به خصوص اینکه یکی از روشهای کاهش همخطی، ترکیب داده­های مقطعی و زمانی به صورت داده­های تابلویی می­باشد.
  • با مجموعه داده­های تابلویی، می­توان اثراتی را شناسائی و اندازه­گیری نمود که در داده­های مقطعی محض یا سری زمانی خالص قابل شناسائی نیست. گاهی استدلال می­گردد داده­های مقطعی، رفتارهای بلندمدت را نشانمی­دهند، در حالی که در داده­های سری زمانی براثرات کوتاه­مدت تأکید می­گردد. با ترکیب این دو خصوصیت در داده­های تابلویی، که خصوصیت متمایز پانل دیتاست، ساختار عمومی­تر و پویاتری را می­توان تصریح و برآورد نمود(اشرف­زاده و مهرگان، 1387، ص 41(.
  • داده­های تابلویی که بر حسب بنگاه­ها، خانوارها و افراد جمع آوری می­شوند، ممکن می باشد دقیق­تر از داده­های مشابه اندازه­گیری شده در سطح کلان باشند. پس، تورشی که ممکن می باشد در داده­های کلان حاصل گردد، در داده­های تابلویی حداقل می­گردد.
  • داده­های پانلی از طریق فراهم کردن تعداد داده­های زیاد، تورش را پائین می­آورد
    مطالعه مشاهدات به صورت داده­های پانلی، وضعیت بهتری برای مطالعه و مطالعه پویایی تغییرات نسبت به سری زمانی و مقطعی داراست.
    [1]– Time Series Data.
    [2]– Cross Section Data.
    [3] ـ Panel Data.
    [4]– Individual Specific.

    سوالات یا اهداف پایان نامه :

     سوالات پژوهش:
    در این قسمت سوالات پژوهش در جهت اهداف پژوهش اظهار می شوند
    سوالات اصلی پژوهش:
    چه ارتباط ای بین مسئولیت اجتماعی و کیفیت گزارشگری مالی هست؟
    سوالات فرعی پژوهش:

  • چه ارتباط ای بین مسئولیت اجتماعی با کیفیت اقلام تعهدی هست ؟
  • چه ارتباط ای بین مسئولیت اجتماعی با اندازه شرکت هست ؟
  • چه ارتباط ای بین مسئولیت اجتماعی با اهرم مالی هست ؟