بررسی ساختار مالکیت و جریان ‌های وجوه نقد در تعیین سیاست تقسیم …

اهرم مالی
DAR = Total Debt/Total Assets
DAR :اهرم مالی شرکت
Total Debt: مجموع بدهی‌ها
Total Assets: مجموع دارایی‌ها
مدل به منظور محاسبه حساسیت وجه نقد
تغییرات وجه نقد اول و اخر دوره شرکت:
محاسبه وجه نقد عملیاتی
۳- ۸- آمارهای توصیفی
آماره‌های توصیفی شامل میانگین، میانه، حداقل، حداکثر و سایر آماره‌ها می‌باشد که وضعیت داده‌ها را توصیف می‌کنند. اگر داده‌ها بر روی یک محور به صورت منظم ردیف شوند، مقدار میانگین دقیقاً در نقطه تعادل یا مرکز ثقل قرار می‌گیرد. این محور همان الاکلنگ است که میانگین، نقطه تعادل آن است(عادل آذر،۱۳۸۲). همچنین میانه^[۶۳]یکی دیگر از شاخص‌های مرکزی است و مقداری است که ۵۰ درصد داده‌های جامعه پایین‌تر از آن و ۵۰ درصد بالاتر از آن قرار می‌گیرند. به طور کلی به عنوان اندازه تمایل به مرکز توزیع‌هایی که شکل آنها نامتقارن است، استفاده می شود(همان منبع، ۳۹). شاخص بعدی انحراف معیار^[۶۴]از مهمترین پارامترهای پراکندگی می‌باشد که از طریق جذر گرفتن از واریانس بدست می‌آید. این شاخص نشان‌دهنده متوسط نوسان مشاهدات از میانگین آنهاست. شاخص دیگر، چولگی^[۶۵] است. وقتی که مد جامعه آماری پایین‌تر از میانه و افتادگی توزیع بالاتر از آن واقع شود جامعه دارای چوله به راست خواهد بود. اگر مد جامعه آماری بزرگتر از میانه باشد و افتادگی جامعه سمت چپ آن واقع گردد، جامعه دارای چوله به چپ خواهد بود.
۳-۹- روش‌های آماری به کار رفته در پژوهش
برای تجزیه و تحلیل داده‌های پژوهش و برآورد مدل‌ها، از رویکرد داده‌های ترکیبی^[۶۶] استفاده شده است. داده‌های ترکیبی اصولاً به حرکت واحدهای مقطعی طی زمان اشاره دارند. مدلهای مبتنی بر این نوع دادهها را مدل های رگرسیون دادههای ترکیبی نامیده میشود.
به طور کلی میتوان گفت دادههای ترکیبی تحلیلهای تجربی را به شکلی غنی میسازند در صورت استفاده از داده‌های سری زمانی یا مقطعی این امکان وجود ندارد. درواقع استفاده از داده‌های مقطعی برای چند سال متوالی نتایج بهتر و قابل‌اعتمادتری را در بردارد و قدرت توضیح‌دهندگی مدل را افزایش می‌دهد. مزایای استفاده از دادههای ترکیبی عبارتند از:
الف) از آنجا که دادههای ترکیبی به افراد، بنگاه ها، ایالات، کشورها و از این قبیل واحدها طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود می‌شود.
ب) با ترکیب مشاهدات سری زمانی و مقطعی، دادههای ترکیبی با اطلاعات بیشتر، تغییرپذیری بیشتر، هم‌خطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتر ارائه می‌نمایند.
ج) با مطالعه مشاهدات مقطعی تکراری، داده های ترکیبی به منظور مطالعه پویایی تغییرات مناسب‌تر و بهترند.
د) داده‌های ترکیبی تأثیراتی که نمی‌توان به سادگی در داده‌های مقطعی و سری زمانی مشاهده کرد، بهتر معین می‌کنند.
و) داده‌های ترکیبی ما را قادر می‌سازند تا مدل‌های رفتاری پیچیده‌تر را مطالعه کنیم.
ه) داده‌های ترکیبی با ارائه داده برای هزاران واحد، می‌توانند تورشی را که ممکن است در نتیجه لحاظ افراد یا بنگاه‌ها حاصل می‌شود، حداقل سازد (ابریشمی، ۱۳۷۲).
در رویکرد داده‌های ترکیبی، روی عرض از مبدا و ضریب شیب مدل زیر محدودیت‌ها و فرضیاتی در نظر گرفته می‌شود:
که در آن متغیر وابسته، مجموعه متغیرهای مستقل و جمله خطای مدل است. رویکرد داده‌های ترکیبی معمولاً شامل سه الگوی مقید^[۶۷]، اثرات ثابت^[۶۸] و اثرات تصادفی^[۶۹] است.
۳-۹-۱- الگوی مقید
در الگوی مقید عرض از مبدا در مدل رگرسیون برای تمامی مقاطع زمانی (مثلاٌ سال) و مکانی (مثلاً شرکت) یکسان در نظر گرفته می‌شود. از محاسن الگوی مقید، سادگی برآورد آن است و از معایب آن، ناتوانی این الگو برای در نظر گرفتن ویژگیهای خاص هر مقطع است. این الگو در حالت ساده به صورت زیر است:
۳-۹-۲- الگوی اثرات ثابت
در مدل اثرات ثابت، عرض از مبداء در مدل رگرسیون به این دلیل بین سال‌ها یا شرکت‌ها متفاوت در نظر گرفته می‌شود که هر سال یا شرکت، ویژگی‌های خاص خود را داراست. الگوی اثرات ثابت در شرایطی مناسب است که عرض از مبدا خاص سال یا شرکت با یک یا چند متغیر توضیحی همبستگی داشته باشد (ابریشمی، ۱۳۷۲).
۳-۹-۳- الگوی اثرات تصادفی
در مدل اثرات تصادفی فرض میشود که عرض از مبدا یک واحد تکی، انتخابی تصادفی از جامعهای بزرگتر با یک میانگین ثابت است. بدین ترتیب عرض از مبدا تکی، به صورت انحرافی از این میانگین ثابت بیان میشود. اثرات تصادفی در شرایطی مناسب است که عرض از مبدا (تصادفی) هر واحد مقطعی با متغیرهای توضیحی همبستگی نداشته باشد‌(ابریشمی، ۱۳۷۲). این مدل در حالت ساده به شکل زیر ارائه می‌شود:
۳-۱۰- آزمون های انتخاب نوع الگو
در این روش، برای انتخاب نوع روش برآورد مدل، ابتدا آزمون F مقید^[۷۰]به صورت زیر اجرا شده است:
در مدل های مزبور  و  به ترتیب ضریب تعیین و مجموع مربعات باقیمانده‌های حاصل از مدل اثرات ثابت و  و  به ترتیب ضریب تعیین و مجموع مربعات باقیمانده‌های حاصل از مدل Pooled است. N، تعداد مقاطع (در اینجا شرکت‌ها) و T طول دوره زمانی (یعنی سال‌ها) می‌باشد. در صورت رد فرضیه صفر، مدل با روش اثرات ثابت^[۷۱] و در غیر این صورت مدل را با روش Pooled برآورد می‌شود.
در صورت انتخاب مدل اثرات ثابت، باید با استفاده از آزمون هاسمن^[۷۲] آن را در مقابل مدل اثرات تصادفی^[۷۳] به صورت زیر آزمون کرد:
در مدل مزبور؛  ضرایب شیب در مدل اثرات ثابت،  ضرایب شیب در مدل اثرات تصادفی و  نماد واریانس است. این آماره از توزیع χ^۲ برخوردار است. در صورت رد فرضیه صفر، مدل به روش اثرات ثابت برآورد می‌شود. در غیر این صورت، به روش اثرات تصادفی عمل می‌شود (‌افلاطونی و نیکبخت، ۱۳۸۹).
در پژوهش حاضر، برای دستیابی به نتایج تحقیق از آمار استنباطی استفاده خواهد شد. در آمار استنباطی گروه کوچکی از جامعه انتخاب میشود و فرضیههای مدنظر محقق، در مورد آنها مورد بررسی قرار میگیرد و سپس به منظور تعمیم نتایج حاصل از نمونه به کل جامعه، یک سری آزمونهای آماری انجام میشود. آزمونهای آماری مورد استفاده در این پژوهش عبارتند از: آزمون همبستگی،رگرسیون چند متغیره، آماره t و … استفاده شده است.
در تحلیل همبستگی، درجه یا میزان بستگی خطی بین دو متغیر اندازهگیری میشود و ضریب همبستگی، شدت وابستگی خطی را اندازه میگیرد. مقدار ضریب همبستگی بین ۱- و ۱+ خواهد بود.
تحلیل رگرسیون به مطالعه وابستگی یک متغیر‌(متغیر وابسته)^[۷۴] به یک یا چند متغیر دیگر‌(متغیر توضیحی)^[۷۵] میپردازد.
۳-۱۱- ضریب تشخیص یا تبیین