مقاله درمورد دانلود ناهمسانی واریانس و پایداری رشد سود

Bulb in the maze as a solution that should be found.

Widget not in any sidebars
(3-7) مدل پایداری رشد جریان‌های نقدی
با توجه به مدل‌های ذکر شده، با استفاده از مدل‌های زیر به بررسی فرضیات تحقیق پرداخته‌ایم:
6- فرضیه اول: پایداری رشد سود شرکت با میزان تمرکز صنعت ارتباط دارد.
(3-8)
در این مدل متغیر مستقل سطح تمرکز صنعت (HHI) را وارد مدل پایداری رشد سود نموده‌ایم تا میزان تاثیر آن را بر مدل بسنجیم تا بتوانیم ارتباط یا عدم ارتباط سطح تمرکز صنعت با پایداری رشد سود شرکت را تعیین کنیم.
7- فرضیه دوم: پایداری رشد سود شرکت با سرمایه‌بری شرکت ارتباط دارد.
(3-9)
در این مدل متغیر مستقل سرمایه‌بری (CI) را وارد مدل پایداری رشد سود نموده‌ایم تا میزان تاثیر آن را بر مدل بسنجیم تا بتوانیم ارتباط یا عدم ارتباط سرمایه‌بری شرکت با پایداری رشد سود شرکت را تعیین کنیم.
8- فرضیه سوم: پایداری رشد جریان‌های نقدی شرکت با میزان تمرکز صنعت ارتباط دارد.
(3-10)
در این مدل متغیر مستقل سطح تمرکز صنعت (HHI) را وارد مدل پایداری رشد جریان‌های نقدی نموده‌ایم تا میزان تاثیر آن را بر مدل بسنجیم تا بتوانیم ارتباط یا عدم ارتباط سطح تمرکز صنعت با پایداری رشد جریان‌های شرکت را تعیین کنیم.
9- فرضیه چهارم: پایداری رشد جریان‌های نقدی شرکت با سرمایه‌بری شرکت ارتباط دارد.
(3-11)
در این مدل متغیر مستقل سرمایه‌بری (CI) را وارد مدل پایداری رشد جریان‌های نقدی نموده‌ایم تا میزان تاثیر آن را بر مدل بسنجیم تا بتوانیم ارتباط یا عدم ارتباط سرمایه‌بری شرکت با پایداری رشد جریان‌های نقدی شرکت را تعیین کنیم.
3-9- روش تجزیه و تحلیل داده‏ها
3-9-1- تخمین مدل‌های رگرسیون با داده‌های پانل
برای برآورد الگوهای رگرسیون خطی دو متغیره و چند متغیره معمولا از روش کمترین مجذورات معمولی که به اختصار با OLS نشان داده می‌شود، استفاده می‌گردد. این روش دارای ویژگی‌های مطلوب آماری مانند بدون تورش بودن، بهترین برآوردکننده خطی بدون تورش یا BLUE بودن را دارا می‌باشد. اما برای رفع مشکلاتی همچون خود همبستگی جملات پسماند و ناهمسانی واریانس از روش کمترین مجذورات تعمیم گرفته، یعنی GLS استفاده می‌شود. (شیرین‌بخش و خوانساری، 1384)
از ویژگی‌های مهم روش GLS رفع مشکلاتی همچون خود همبستگی و ناهمسانی واریانس می‌باشد، به همین دلیل در این تحقیق در صورت لزوم از این روش استفاده می‌نماییم.
روش GLS اقدام به موزون نمودن متغیرهای الگوی مدل رگرسیون می‌نماید. به همین دلیل روش مذکور را روش کمترین مجذورات موزونWeighted LS) یا WLS) می‌نامند. (همان)
مزایای استفاده از داده های تابلویی (ترکیبی)
بالتاجی مزایای استفاده از داده‌های تابلویی نسبت به داده‌های مقطعی یا سری زمانی را چنین برمی‌شمارد:
از آنجا که داده‌های تابلویی به افراد، بنگاه‌ها، ایالات، کشورها و از این قبیل واحدها طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود می‌شود. تکنیک‌های تخمین با داده‌های تابلویی، همان‌گونه که نشان خواهیم داد می‌توانند این ناهمسانی واریانس را با متغیرهای تکی و خاص مورد ملاحظه و بررسی قرار دهند.
با ترکیب مشاهدات سری زمانی و مقطعی، داده‌های تابلویی با اطلاعات بیشتر، تغییرپذیری بیشتر، هم‌خطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتری را ارائه می‌دهند.
با مطالعه مشاهدات مقطعی تکراری، داده‌های تابلویی به منظور مطالعه پویای تغییرات، مناسب‌تر و بهترند.