پس از آماده سازی متغیرها با استفاده از نرم‌افزار اکسل و انجام محاسبات لازم بررسی دستیابی به متغیرهای مورد نیاز بررسی انجام تحقیق، با توجه به اینکه داده‌های تحقیق از نوع داده‌های ترکیبی بوده برای تخمین مدلهای اقتصادسنجی با استفاده از دادههای گردآوری شده از نرم‌افزار minitab و E views استفاده شده است.
8-3- چگونگی انجام آزمون فرضیه
برای بررسی رابطه بین دو متغیر کمی ، متداول ترین روش ، استفاده از تحلیل رگرسیونی است. در تجزیه و تحلیل رگرسیون، هدف بر اساس میزان تاثیر یک یا چند متغیر مستقل بر روی یک یا چند متغیر وابسته است. از آنجایی که مبانی نظری رگرسیون های چند گانه مشابه رگرسیون ساده خطی است به تجزیه و تحلیل رگرسیون ساده پرداخته می شود.
در تحلیل رگرسیون ساده، معادله خط به صورت زیر است:

که فرض می شود ها دارای توزیع نرمال با میانگین صفر و واریانس است.
در این تحقیق، برای آزمون فرضیه با استفاده از رگرسیون از دادههای ترکیبی استفاده شده است، که ترکیبی از داده های سری زمانی و مقطعی می باشد. همچنین از آزمون t برای بررسی معناداری ضرایب و آزمون F برای معناداری کل مدل استفاده شده و همچنین از تعدیل شده برای ارتباط بین متغیرهای وابسته و مستقل استفاده شده است.
یا همان ضریب تعیین نسبت یا درصد تغییرات کل در متغیر وابسته را اندازه میگیرد، که به وسیلهی مدل رگرسیون توضیح داده شده است. یا ضریب همبستگی معیار اندازهگیری میزان همبستگی بین دو متغیر است. در زمینهی رگرسیون، معیار پر معناتری از است، زیرا نسبت تغییرات متغیر وابسته توضیح داده شده به وسیلهی متغیرهای توضیحی را بیان میکند و لذا معیار عملی وسیعتری را در رابطه با توضیح تغییرات متغیر وابسته توسط متغیرهای توضیحی ارائه میدهد، در حالی که فاقد چنین خصوصیتی است (آذر،88).
ویژگی مهم آن است که تابعی غیر نزولی از تعداد متغیرهای توضیحی موجود در مدل است. با افزایش تعداد متغیرهای توضیحی، تقریباً به طور یکنواختی افزایش مییابد و هرگز کاهش نمییابد.
برای مقایسهی دو باید به تعداد متغیرهای مستقل موجود در مدل توجه کرد. یی که بدین صورت تعریف میشود را ی تعدیل شده مینامند. اصطلاح تعدیل شده به این معنی است که برای درجهی آزادی تعدیل شده است.
استفاده از ی تعدیل شده بهتر از است زیرا ی تعدیل شده تصویر خوش بینانهتری از برازش رگرسیون را نشان میدهد، به ویژه هنگامی که تعداد متغیرهای توضیحی در مقایسه با تعداد مشاهدات اندک باشد. شایان ذکر است که در مقایسهی دو مدل بر اساس ضریب تعیین، خواه تعدیل شده یا تعدیل نشده، متغیر وابسته باید یکسان باشد، متغیرهای توضیحی میتوانند متفاوت باشند (گجراتی، 1988؛ 252-254).
به منظور تخمین الگوی رگرسیون، از داده‌های ترکیبی استفاده شده است. در این روش داده‌های سری زمانی و مقطعی با هم ترکیب می‌شوند و برای مواردی که نمی‌توان مسائل را به صورت سری زمانی یا مقطعی بررسی کرد و یا زمانی استفاده می‌گردد، که تعداد داده‌ها کم است. داده‌های ترکیبی بیشتر بخاطر افزایش تعداد مشاهدات، بالابردن درجه آزادی، کاهش ناهمسانی واریانس و مطالعه پویایی تغییرات استفاده می‌گردند (افلاطونی و نیک بخت،1389).
سه الگوی متداول مورد استفاده در داده‌های ترکیبی به شرح زیر می باشند:
الگوی داده های ترکیبی
الگوی داده های تابلویی با اثرات ثابت
الگوی داده های تابلویی با اثرات تصادفی
ساده ترین روش، تخمین با داده های تلفیقی، الگوی داده های ترکیبی می باشد که مدل را با استفاده از روش حداقل مربعات معمولی تخمین می زند. در الگوی اثرات ثابت فرض می شود که عرض از مبدا برای هریک از مقاطع(شرکت ها)، متفاوت است. در الگوی اثرات تصادفی به جای آنکه فرض شود عرض از مبدا ثابت است، فرض می شود که عرض از مبدا، یک متغیر تصادفی با میانگینی برابر با عرض از مبدا است.
هنگام استفاده از الگوی رگرسیونی باید تعیین شود که از بین داده‌های مقطعی یا ترکیبی کدامیک می‌تواند بهتر رابطه بین متغیرهای وابسته و مستقل را بیان کنند. برای انتخاب از بین روش‌های الگوهای رگرسیونی ترکیبی و الگوی داده‌های تابلویی از آزمون F لیمر استفاده شده است. این روش متکی بر ضریب تعیین دو روش بوده و به بررسی این آزمون میپردازد که آیا ضریب تعیین رگرسیون داده‌های تابلویی به طور معناداری بزرگتر از ضریب تعیین الگوی رگرسیون ترکیبی است یا خیر. فرض H0وH1 این آزمون به شرح زیر است.
1-8-3- آزمون فروض کلاسیک رگرسیون
در این تحقیق، برای آزمون هریک از فرضیهها با استفاده از رگرسیون از دادههای ترکیبی که ترکیبی از داده‌های سری زمانی و مقطعی می‌باشد، استفاده شده است. همچنین از آزمون t برای بررسی معناداری ضرایب و آزمون F برای معناداری کل مدل استفاده شده و همچنین از تعدیل شدهی برای ارتباط بین متغیرهای وابسته و مستقل استفاده شده است. که به توضیح هریک به تفضیل می پردازیم.
2-8-3- آزمون معنی دار بودن در الگوی رگرسیون