شرکت های پذیرفته شده

ابزار گردآوری داده ها اسناد کاوی است و داده های مورد نیاز از صورت های مالی حسابرسی شده ی شرکت های پذیرفته شده در بورس اوراق بهادار تهران و بانک های اطلاعاتی و نرم افزار های موجود در این زمینه همانند نرم افزار تدبیر پرداز بدست می آید و در صورت لزوم از بررسی های اینترنتی استفاده شده است.
3-8) پایایی و اعتبار ابزار تحقیق
پیش از اطمینان نهایی به ابزارهای اندازه گیری و بکارگیری آن ها در مرحله اصلی جمع آوری داده ها ،ضرورت دارد که پژوهشگر از طریق علمی ، اطمینان نسبی لازم را نسبت به روا بودن بکار گیری ابزار مورد نظر و معتبر بودن آن پیدا کند.در تحقیق حاضر به دلیل استفاده از داده های منتشر شده توسط بورس تهران و صورت های مالی حسابرسی شده، داده ها از پایایی و اعتبار لازم برخوردارند.
3-9) روش های تجزیه و تحلیل داده ها
در این فصل بعد از بیان یکسری مفاهیم اولیه به معرفی روش مورد استفاده جهت تخمین مدل و همچنین مزیتهای آن و آزمونهای استفاده شده در آن میپردازیم.
در مواردی که بررسی ارتباط بین یک متغیر وابسته با یک یا چند متغیر مستقل مد نظر باشد و هدف محقق این است که بر اساس این ارتباط و با استفاده از دادههای تاریخی پارامتر (پارامترهایی) برای متغیر (متغیرهای) مستقل برآورد و با ارائهی مدل اقدام به پیش بینی نماید، از سه نوع داده به شرح زیر می توان استفاده نمود:
الف- دادههای سری زمانی ب- دادههای مقطعی ج- دادههای تلفیقی
دادههای سری زمانی دادههایی هستند که در قالب یک (یا چند) متغیر خاص در طول زمان رخ میدهد. به عبارت دیگر سری زمانی، مجموعهای از مشاهدات است که بر حسب زمان مرتب شده باشد (آذر و مومنی، 1377: 283). دادههای مقطعی دادههایی هستند که در یک مقطع مشخصی از زمان محاسبه و جمعآوری میشود. دادههای تلفیقی دادههای هستند که از ترکیب دو نوع دادههای سری زمانی و مقطعی حاصل میشود. به عنوان مثال اگر مبالغ سود یک شرکت خاص در طول یک دوره سی ساله جمعآوری شود، یک سری زمانی به دست خواهد آمد. اگر همان متغیر سود به جای یک شرکت خاص، برای سی شرکت و در یک زمان خاص جمعآوری شود، این دادهها را مقطعی میگویند. چنانچه مبالغ سود برای سی شرکت و طی سی سال گردآوری شود، به مجموعه به دست آمده دادههای تلفیقی میگویند.
3-9-1) مدل داده های ترکیبی
بسیاری از مطالعات اخیر که در زمینه مالی و اقتصادی صورت گرفته از مجموعه دادههای ترکیبی برای بررسی استفاده کردهاند، بدین ترتیب که چندین بنگاه، خانوار، کشور و… در طول زمان مورد تجزیه و تحلیل قرار گرفته است. تجزیه و تحلیل داده های ترکیبی یکی از موضوعات جدید و کاربردی در اقتصاد سنجی میباشد، چرا که داده های ترکیبی یک محیط بسیار غنی از اطلاعات را برای گسترش دادن تکنیکهای تخمین و نتایج تئوریک فراهم میآورد. در بسیاری موارد محققین میتوانند از داده های ترکیبی برای مواردی که مسائل را نمیتوان فقط به صورت سری زمانی و یا فقط به صورت مقطعی بررسی کرد، استفاده کرده و بهره گیرند. تلفیق آمارهای سری زمانی با آمارهای مقطعی نه تنها میتواند اطلاعات سودمندی را برای تخمین مدلهای اقتصاد سنجی فراهم آورد، بلکه بر مبنای نتایج بدست آمده همچنین میتوان استنباط های سیاستگذاری در خور توجهی به عمل آورد(گجراتی،2003).
مزیت استفاده از داده‌های تلفیقی نسبت به سریهای زمانی و مقطعی
الف- داده‌های تلفیقی اطلاعات بیشتر، تنوع یا تغییرپذیری بیشتر، همخطی کمتر بین متغیرها، درجات آزادی و کارایی بیشتر را فراهم می‌کند. در حالیکه سریهای زمانی گرفتار همخطی می‌باشند. در داده‌‌های تلفیقی با توجه به اینکه ترکیبی از سریهای زمانی و مقطعی می‌باشد، بعد مقطعی موجب اضافه شدن تغییر پذیری یا تنوع بسیار زیادی می‌شود که با در دست داشتن این اطلاعات می‌توان برآوردهای معتبرتری انجام داد. مزیت عمده در این داده‌‌ها این است که داده‌های گروهی یعنی داده‌های مرکب از یک سری زمانی از نمونه‌های مقطعی بالقوه از نظر اطلاعات، غنی‌تر از نمونه مقطعی (N) خواهد بود و اگر صرفا” از سریهای زمانی استفاده شود تنها به اندازه مشاهدات (T) خواهد بود، اما با تلفیق این دو، تعداد داده‌ها به اندازه تعداد مقاطع ضربدر تعداد مشاهدات (N.T) افزایش خواهد یافت که این امر می‌تواند منجر به برآوردهای کاراتری از پارامترها شود.
در محاسبه واریانس جامعه با توجه به مشاهدات مربوط به سری زمانی، واریانس بدست آمده از مشاهدات بر تعداد داده‌ها منهای تعداد پارامترها تقسیم می‌شود.
(3- 2)

در حالیکه در داده‌های گروهی داریم:
(3- 3)
که معمولا در این حالت مخرج بزرگتر شده و بنابراین واریانس محاسبه شده کوچکتر از واریانس بدست آمده از داده‌های سری زمانی می‌باشد و بنابراین کارآیی تخمین افزایش می‌یابد.
به همین قیاس چنانچه آزمون F (آزمون معنی دار بودن کل رگرسیون) را در دو حالت یعنی سری زمانی و تلفیقی مقایسه کنیم، بوضوح مشخص می شود که مقدار F در مدل تلفیقی می‌تواند بزرگتر از مدل تنها سری زمانی باشد و لذا احتمال معنی‌دار بودن کل رگرسیون یعنی وجود متغیرهای توضیحی در مدل تلفیقی بیشتر خواهد بود.
ب-داده‌های تلفیقی امکان طراحی الگوهای رفتاری پیچیده‌تری نسبت به داده‌های مقطعی و سریهای زمانی صرف را فراهم می‌کند. برای مثال بوسیله دادههای ترکیبی امکان بهتری برای بررسی و مدل‌سازی کارایی تکنیکی وجود دارد.
ج- داده‌های تلفیقی امکان بیشتری برای شناسایی و اندازه‌گیری اثراتی را فراهم می‌کند که بوسیله فقط آمارهای مقطعی و یا سری زمانی به سادگی قابل شناسایی نیست.
د- داده‌های تلفیقی از واحدهای کوچکی مثل افراد، شرکتها و خانوارها گردآوری می‌شوند. خیلی از متغیرها را می‌توان در مقیاس کوچک با دقت بیشتری اندازه‌گیری نمود و انحراف‌های ناشی از تجمع افراد یا شرکتها حذف می‌شوند.
امتیاز دیگری که برای تلفیق کردن داده‌ها می‌توان در نظر گرفت این است که استفاده از مشاهدات مقطعی ممکن است منجر به برآوردهای اریبی از پارامترها شود. چنانچه از این برشهای مقطعی طی زمان نمونه‌گیری شود و به اصطلاح داده‌های گروهی فراهم شود برآوردهای نااریب و سازگاری امکانپذیر است. برای انتخاب بین روشهای دادههای تابلویی و داده های تلفیقی() باید از آزمون F لیمر استفاده نمود که در قسمت روش های آماری توضیح داده می شود همچنین برای استفاده از روش داده های تابلویی می بایست از یکی از دو روش ثابت و تصادفی استفاده نمود برای تعیین این موضوع از آماره هاسمن استفاده می شود که در قسمت روش های آماری توضیح داده می شود(گجراتی،2003).
3-9-2) روشهای تخمین