۳-۱۰-۷ همبستگی
تحلیل همبستگی ابزاری آماری است که بوسیله آن می‌توان درجه‌ای را که یک متغیر به متغیر دیگر، از نظر خطی مرتبط است را اندازه‌گیری کرد. بعبارت سادهتر همبستگی معیاری است که برای تعیین میزان ارتباط دو متغیر استفاده می‌شود و معمولا همراه با تحلیل رگرسیون بکار می رود. در همبستگی دو معیار بحث می‌شود:

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

الف) ضریب همبستگی ب) ضریب تعیین
الف) ضریب همبستگی ( )
ضریب همبستگی نوع رابطه مستقیم یا معکوس و همچنین شدت رابطه بین دو یا چند متغیر را نشان می‌دهد.
ب) ضریب تعیین ()
ضریب تعیین یکی از مهمترین معیارهایی است که با آن میتوان رابطه بین دو متغیر و را توضیح داد
اگر مشاهدات و میانگین مشاهدات باشد، آنگاه میزان انحراف مشاهدات حول میانگین خود، برابر خواهد بود. مجموع انحرافات بین مشاهدات ( ) و برآورد آن را به وسیله خط رگرسیون ( ) را با نشان می دهیم. برای محاسبه ضریب تعیین از رابطه زیر نیز می‌توان استفاده کرد:

۳-۱۰-۸ تحلیل واریانس:
تحلیل واریانس که برای اولین بار توسط سر رونالد فیشر ابداع شد، روشی است که از آن برای مقایسه میانگین دو یا چند گروه استفاده می شود. هنگامی که تحلیل واریانس برای مقایسه دو گروه استفاده می شود با آزمون تی معادل است. در تحلیل واریانس برای مقایسه میانگین گروه ها از واریانس استفاده می شود، به همین دلیل به این فنون تحلیل واریانس گفته می شود. بدین صورت که ابتدا میانگین و واریانس نمونه های هر کدام از گروه ها مشخص می شود، سپس مشخص می شود که این واریانس بین گروه ها ناشی از متغیر یا متغیرهای مستقل است، یا ناشی از شانس و خطا است.
آزمون F :
آزمون اف (( F یا آزمون آنالیز واریانس تعمیم یافته آزمون t است و برای ارزیابی یکسان بودن یا یکسان نبودن دو جامعه و یا چند جامعه به کار برده می‌شود. در این آزمون واریانس کل جامعه به عوامل اولیه آن تجزیه می‌شود. از این آزمون برای مقایسه همقوارگی چند جامعه را تواما با هم استفاده می‌شود.
درجه آزادی
درجه آزادی عبارت است از حجم نمونه (n) منهای تعداد پارامترهایی که از داده ها برآورد میشود.(پارامترهای مجهول(.
صاحبنظران علم آمار به یکی از دو گونهء زیر درجه آزادی را توضیح می دهند:
۱-تعداد درجه های آزادی همواره برابر است با تعداد مشاهدات منهای تعداد رابطه های ضروری که بین این مشاهدات وجود دارد
۲-تعداد درجهء آزادی همواره برابر است با تعداد مشاهدات اصلی منهای تعداد پارامترهائی که با بهره گرفتن از مشاهده های مزبور برآورده شده اند.
و همیشه این طور نیست که درجه ازادی برابر تعداد مشاهدات یکی کمتر شود و بسته به محدودیت های که عمال میشه به تعداد محدودیت ها کم میشود.
فصل چهارم
تجزیه و تحلیل یافته ها
۴-۱ مقدمه
در این فصل تلاش می شود اطلاعات جمع آوری شده معرفی و مورد تجزیه و تحلیل قرار گیرد. با توجه به اینکه داده ها مربوط به ۶ سال می باشند، و با توجه به ۵۹ شرکت داده ها را در نرم افزار Eviews7 و همچنین SPSS به صورت داده های پنل آماده سازی می کنیم و از این رهگذر به آزمون فرضیات خواهیم پرداخت. برای معنادار شدن تاثیرات، لازم است که ضریب همبستگی بسیار بالایی مشاهده شود تا بتوان با اطمینان ۹۵ درصد نتیجه گرفت که دو متغیر بر یکدیگر تاثیرگذارند.
انواع داده هایی که عموماً برای تحلیل های تجربی به کار برده می شوند، در سه گروه مورد بحث و بررسی قرار می گیرند:
داده های سری زمانی
داده های مقطعی
داده های تلفیقی سری زمانی و مقطعی
داده های تابلویی ترکیبی از داده های مقطعی و سری زمانی می باشد، یعنی اطلاعات مربوط به داده های مقطعی در طول زمان مشاهده می شود. بدین صورت که چنین داده هایی دارای دو بعد می باشند که یک بعد آن مربوط به واحدهای مختلف در هر مقطع زمانی خاص است و بعد دیگر آن مربوط به زمان می باشد. در مجموع، داده های پانلی دارای مزایای فراوانی نسبت به داده های مقطعی یا سری زمانی هستند که برخی از مهمترین آنها عبارتند از:
داده های مقطعی و سری زمانی صرف، ناهمسانی های فردی را لحاظ نمی کنند، لذا ممکن است که تخمین تورش داری به دست دهند، در حالی که در روش پانل می توان با لحاظ کردن متغیرهای مخصوص انفرادی این ناهمسانی ها را لحاظ کرد.
داده های تابلویی دارای اطلاعات بیشتر، تغییرپذیری بیشتر، همخطی کمتر، درجه آزادی بالاتر و کارایی بالاتر نسبت به سری زمانی و داده های مقطعی می باشند. به خصوص اینکه یکی از روش های کاهش همخطی، ترکیب داده های مقطعی و زمانی به صورت داده های تابلویی می باشد.
با مجموعه داده های تابلویی، می توان اثراتی را شناسائی و اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی خالص قابل شناسائی نیست. گاهی استدلال می شود داده های مقطعی، رفتارهای بلندمدت را نشان می دهند، در حالی که در داده های سری زمانی براثرات کوتاه مدت تأکید می شود. با ترکیب این دو خصوصیت در داده های تابلویی، که خصوصیت متمایز پانل دیتاست، ساختار عمومی تر و پویاتری را می توان تصریح و برآورد کرد.
۴-۲ نتایج آزمون مانایی
سری های زمانی، یکی از مهمترین داده های آماری مورد استفاده در تجزیه و تحلیل تجربی هستند. در تحقیقات همواره چنین فرض شده که سری زمانی ماناست و اگر این حالت وجود نداشته باشد، آزمون های آماری که اساس آن ها بر پایه t، F، خی دو و … بنا شده
است، مورد تردید قرار می گیرد. از طرفی اگر متغیرهای سری زمانی مانا نباشد، ممکن است مشکلی به نام رگرسیون کاذب بروز کند.
مانایی دو حالت دارد: ضعیف و قوی. ما معمولا حالت ضعیف را بررسی می کنیم. اگر تمامی گشتاورها در طول زمان ثابت باشد، سری، مانای قوی است؛ ولی اگر گشتاورهای مرتبه اول و دوم ثابت باشد سری مانای ضعیف است.
یک متغیر سری زمانی وقتی ماناست که میانگین، واریانس و ضریب خود همبستگی آن در طول زمان ثابت باقی بماند.
H0 : داده ها دارای ریشه واحد هستند.
H1 : داده ها دارای ریشه واحد نیستند (مانا بودن داده ها).
با توجه به این موضوع که داده های مورد نظر در این پژوهش در جدول زیر با بهره گرفتن از آماره نرمال بررسی شده است، می توان بیان داشت که داده ها مانا هستند.
لذا پیش از آزمون فرضیات، تحقیق، لازم است مانایی تمام متغیّرهای مورد استفاده در تخمین ها، مورد آزمون قرار گیرد. زیرا مانایی متغیّرها چه در مورد داده های سری زمانی و چه داده های تابلویی باعث بروز مشکل رگرسیون کاذب می شود.
در آزمون مانایی روند بررسی مانایی همگی به غیر از روش هادری به یک صورت است و با رد H0 عدم مانایی رد می شود و بیانگر مانایی متغیّر است. بنابراین با رد فرضیه H0 نامانایی یا ریشه واحد رد می شود و مانایی پذیرفته می شود. که یا در سطح و یا با یک تفاضل و یا با دو تفاضل مانا می شود که برای تشخیص این قسمت به احتمال بدست آمده آن توجه می شود که بایستی از ۵ درصد کوچکتر باشد. با توجه به نتایج حاصل از آزمون ها مشخص گردید که تمام متغیّرها مانا هستند. نتایج در جدول زیر ارائه شده اند. نتایج جدول زیر و بررسی مقادیر آماره های محاسبه شده و احتمال پذیرش آنها نشان می دهد که تمامی متغیّرها در سطح مانا شدند.
جدول ۴-۱ آزمون مانایی