رابطه بین ریسک اعتباری و ریسک اجزای سود (نقدی و تعهدی) در بانکها- قسمت ۱۳

اهرم مالی

 

 

LEV

 

 

 

نرخ بازده دارایی ها

 

 

ROA

 

 

 

شاخص رشد دارایی ها

 

 

GROWTH

 

 

۳-۱۱- روش تجزیه و تحلیل دادهها و آزمون فرضیهها
پس از آنکه پژوهش‌گر داده‌ها را گردآوری و طبقه بندی کرد باید مرحله بعدی فرایند پژوهش، که به مرحله تجزیه و تحلیل داده‌ها معروف است، را آغاز کند. این مرحله در پژوهش اهمیت زیادی دارد زیرا نشان‌دهندۀ تلاش‌ها و زحمات فراوان گذشته است. در این مرحله، پژوهش‌گر اطلاعات و داده‌ها را در جهت آزمون فرضیه و ارزیابی آن مورد بررسی قرار می‌دهد. در مرحله تجزیه و تحلیل، آنچه مهم است این است که پژوهش‌گر باید اطلاعات و داده‌ها را در مسیر هدف پژوهش، پاسخ‌گویی به سوالات پژوهش و نیز ارزیابی فرضیه‌های پژوهش خود، مورد تجزیه و تحلیل قرار دهد (حافظ نیا، ۱۳۸۵).
در انجام این تحقیق، روشهای آماری و الگوهای اقتصاد سنجی متعددی استفاده شده که در ادامه به تفصیل تشریح می‎شود. پس از جمع آوری اطلاعات، نخستین گام محاسبه آماره‌های توصیفی از متغیرهای مورد استفاده می‌باشد. این آماره‌ها شامل میانگین، میانه، انحراف استاندارد و سایر اطلاعات مورد استفاده است. پس از بررسی آماره‌های توصیفی توابع (الگوهای) مورد نظر به کمک الگوهای اقتصادسنجی برآورد خواهند شد که در ادامه به این الگوها اشاره می‌گردد.

 

عکس مرتبط با اقتصاد

 

۳-۱۱-۱- رگرسیون چند متغیره

 

در برخی از مسائل پژوهشی، به ویژه آنهایی که هدف پیش‌بینی دارند، تعیین همبستگی بین متغیر ملاک (که قصد پیش‌بینی آن را داریم) و ترکیب متغیرهای پیش‌بینی کننده، که هر کدام از آنها تا حدودی با این متغیر همبستگی دارند، دارای اهمیت زیادی است. روشی که از طریق آن متغیرهای پیش‌بینی کننده ترکیب می‌شوند، “رگرسیون چند متغیری” است. در این روش، یک معادله رگرسیون چند متغیری محاسبه می‎شود که ارزش‌های اندازه‌گیری شده پیش‌بینی را در یک فرمول خلاصه می‌کند. ضرایب معادله برای هر متغیر، بر اساس اهمیت آن در پیش‌بینی متغیر ملاک محاسبه و معین می‎شود. درجه همبستگی بین متغیرهای پیش‌بینی کننده در معادله رگرسیون چند متغیری و متغیر ملاک، به‌وسیله ضریب نشان داده می‎شود (دلاور، ۱۳۷۱).
رگرسیون چند متغیری دارای روش‌های مختلفی است. تفاوت روش‌های آن در نحوه انتخاب متغیرهای پیش‌بینی کننده است، برای تعیین رگرسیون از رابطه زیر در این پژوهش استفاده می‌گردد؛
: عملکرد بانک
: عرض از مبدأ
،  ، … ،  : کلیه متغیرهای مورد استفاده در این پژوهش
،  ، … ،  : ضریب رگرسیون‌های بدست آمده کلیه متغیرهای در این پژوهش
: جملات خطا.
در چنین مدلی مفروضات اساسی زیر در نظر گرفته می‎شود:

 

جهت دانلود متن کامل پایان نامه به سایت azarim.ir مراجعه نمایید.

 

 

    1. X ها متغیرهای تصادفی هستند، علاوه بر آن رابطه خطی کامل میان دو یا چند متغیر مستقل وجود ندارد.

 

    1. برای تمامی مشاهدات، امید ریاضی جمله خطا معادل صفر و واریانس مقدار آن ثابت است.

 

    1. جملات خطای مربوط به مشاهدات مختلف با یکدیگر همبستگی ندارد.

 

  1. جمله خطا به صورت نرمال توزیع شده است.

 

در این تحقیق چندین رگرسیون چند متغیره آزمون می‎شود.

 

۳-۱۱-۲- آزمون فروض کلاسیک

 

 

۳-۱۱-۲-۱- نبود خود همبستگی

 

با توجه به این که در مدلهای رگرسیون فرض بر آن است که جملات خطا (e) از دوره‌ای به دوره بعد مستقل می‌باشند، اما در بسیاری موارد، جملات خطا در دوره‌های مختلف همبسته‌اند. در چنین مواردی جملات خطا اصطلاحاً دارای خود همبستگی یا همبستگی متوالی[۴۹]هستند. خود همبستگی جملات خطا معمولا در مطالعات سریهای زمانی مشاهده می‎شود. برخی از دلایل وجود خود همبستگی در جملات خطا عبارتند از (زارع و ذوالنور، ۱۳۷۴):
۱- متغیرهای توضیحی حذف شده. در چنین حالتی، از آنجایی که اغلب متغیرهای اقتصادی خود همبسته می‌باشند، خطای خود همبستگی به وجود می‌آید، گنجانیدن متغیرهای توضیحی حذف شده در مدل، این مشکل را برطرف می‌نماید.
۲- مدل بندی اشتباه یک الگو. اگر الگویی خاص را خطی فرض نماییم، در حالیکه شکل واقعی آن غیرخطی است، خطاها می‌توانند منعکس کننده برخی وابستگی‌ها باشند.
۳- تحریف مشاهدات آماری برخی داده‌های سریهای زمانی شامل نوعی از فرایند هموار سازی می باشند که توزیع واقعی داده‌ها در خلال دوره‌های مورد بررسی را به صورت میانگین متحرک درآورده و برای مثال آثار فصلی آن را در یک سری زمانی از بین می‌برند. در نتیجه برای چنین متغیری، مقادیر e می‌توانند با یکدیگر همبستگی پیدا کنند.
وجود خود همبستگی در جملات خطای مدل رگرسیون منجر به نتایج زیر می‎شود (زارع، ۱۳۸۱و ذوالنور، ۱۳۷۴):
۱- ضرایب رگرسیون کماکان برآورد کننده‌های نا اریب[۵۰] می‌باشند. اما ویژگیهای واریانس حداقل را ندارند. این برآورده کننده‌ها نسبتاً ناکارا می‌باشند.
۲- میانگین مربعات جملات خطا، می‌تواند به صورتی قابل توجه واریانس واقعی جملات خطا را کم برآورد نماید.
۳- شیوه‌های فاصله اطمینان و آزمونها که در آنها از توزیع‌های t و F استفاده می‎شود، اکیداً قابل کاربرد نیستند.
۴- در نتیجه اریب بودن میانگین مربعات جملات خطا،  نیز غیر قابل اتکا و اریب خواهد بود.
برای بررسی آنکه در یک مدل رگرسیون جملات خطا خود همبسته می‌باشند یا خیر، آزمونهایی طراحی شده است. در این میان آزمونهایی که بیشتر مورد استفاده قرار می‌گیرد، آزمون دوربین، واتسن است. آزمون دوربین- واتسن[۵۱] بر مدل خطای خود همبسته مرتبه اول مبتنی می‌باشد. این مدل به صورت زیر است:
(۱)
r پارامتر خود همبستگی با مقدار
و ut : متغیر مستقل با فرض
در این مدل وقتی که r مثبت باشد، خود همبستگی مثبت و وقتی که r منفی باشد، خود همبستگی منفی وجود دارد. در حالت  خود همبستگی وجود ندارد. از این رو در آزمون دوربین- واتسن فرضیات آزمون عبارتند از (ذوالنور، ۱۳۷۴):

آماره دوربین- واتسن برای این آزمون به صورت زیر می‌باشد:

که در آن et جمله خطای رگرسیون در دوره tام و n تعداد مشاهدات در برازش رگرسیون می‌باشد.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *