می‌کنید، حذف داده‌های پرت دامنه‌ی تغییرات مقادیر متغیرهای تحقیق را کوچکتر کرده و بنابراین داده‌ها آماده‌ی تهیه‌ی آماره‌های توصیفی و برآورد مدل‌های تحقیق هستند.
4-2)یافته های توصیفی
در آمار توصیفی با استفاده از جداول و همچنین شاخص‌های مرکزی و شاخص‌های پراکندگی به توصیف کلی متغیرها پرداخته میشود. در فصل گذشته کلیه‌ی متغیرهای پژوهش از جمله متغیرهای وابسته، متغیرهای مستقل و همچنین متغیرهای کنترلی معرفی و علامت‌های اختصاری آنها را ذکر شده است. در این قسمت جدول آمار توصیفی مربوط به کلیه متغیرها را عنوان میشود.

جدول(4-1):آمار توصیفی متغیرهای پژوهش
شاخص آماری
DELAY
ETR
CASH ETR
BTD
UE
OPIN
BIG
SIZE
MTB
میانگین
148.431
0.13497
0.13442
0.07199
151.918
0.6768
0.3536
5.7384
1.9785
میانه
113.00
0.152864
0.12929
0.03824
22.000
1.000
1.000
5.664
1.6621
حداکثر
281.00
0.22648
0.39066
0.33361
1950.9
1.000
1.000
6.784
4.8284
حداقل
57.300
0.0000
0.0000
0.0013-
646.8-
0.000
0.000
4.967
0.5800
انحراف معیار
75.781
0.07893
0.10118
0.0901
571.04
0.4480
0.4784
0.519
1.2089
چولگی
0.6666
0.48412-
0.77072
1.6915
1.8574
0.7561-
0.6121
0.4340
0.9344
کشیدگی
1.7625
1.827762
3.23269
5.0333
6.5424
1.5718
1.3747
2.2360
2.9082
مشاهدات
656
656
656
656
656
656
656
656
656
جمع
97371.2
88.54002
88.1805
47.2272
99658.9
444.00
232.00
3764.4
1297.9
ادامه جدول(4-1):آمار توصیفی متغیرهای پژوهش
شاخص آماری
LEV
DISTRESS
OWN
PPE
ACC
میانگین
0.5992
1.6332-
78.6463
0.2537
0.1807
میانه
0.6169
1.4238-
81.000
0.2329
0.1487
حداکثر
0.85182
0.26762
98.000
0.5802
0.5657
حداقل
0.33280
4.1940-
56.000
0.0462
0.0071
انحراف معیار
0.14822
1.1988
13.1140
0.1509
0.1427
چولگی
0.1698-
0.5306-
0.1182-
0.5204
1.1871
کشیدگی
2.1049
3.58120
1.7317
2.4013
3.9049
تعداد
656
656
656
656
656
جمع
393.106
1076.42-
51592.0
166.46
118.56

4-3) آزمون ریشه واحد و هم‌انباشتگی
برای اینکه نتایج برآورد یک رگرسیون کاذب نباشد، می بایست یا 1- تمامی متغیرهای مستقل و وابسته، در سطح ( یعنی بدون تفاضل گیری) پایا باشند و یا 2- اگر حداقل یکی از متغیرها در سطح پایا نبود، کلیه متغیرها همجمع باشند. برای بررسی پایایی متغیرها از آزمون ریشه واحد استفاده می کنیم. قاعده تصمیم گری این آزمون به این صورت است که فرض صفر آزمون وجود ریشه واحد و فرض یک آزمون عدم وجود ریشه واحد را نشان می دهد. ما آزمون ریشه واحد را برای 14 متغیر تحقیق انجام دادیم که نتایج آزمون ها به صورت زیر به دست آمد.
جدول (4-2): آزمون ریشه‌ی واحد برای متغیرهای تحقیق
آزمون L & CH
متغیرها
0.0000
DELAY
0.0000
ETR
0.0000
CASHETR
0.0000
BTD
0.0000
UE
0.0000
OPIN
0.0000
BIG
0.0000
SIZE
0.0000
MTB
0.0000
LEV
0.0000
DISTRESS
0.0000
OWN
0.0000
PPE
0.0000
ACC

همان‌طور که مشاهده می‌کنید مقدار سطح معنی داری آزمون ریشه واحد برای تمامی متغیرها کمتر از 0.05 به دست آمده است. بنابراین فرض صفر آزمون ریشه واحد رد می شود و بنابراین نتیجه می گیریم که تمامی متغیرها در سطح 0.05 پایا هستند.
4-4) رگرسیون
در این بخش با استفاده از رگرسیون چند متغیره به تعیین مدل رگرسیونی میپردازیم. رگرسیون خطی ساده مشروط به معنیدار بودن ضریب همبستگی است. اما وجود و یا عدم وجود رگرسیون خطی چندمتغیره ارتباطی به معنی دار بودن ضریب همبستگی ندارد. پیش فرضهای اساسی رگرسیون خطی چند متغیره ، عدم وجود خود همبستگی در متغیر وابسته و عدم وجود هم خطی در متغیرهای مستقل ، عدم وجود ناپایایی متغیرها میباشد.
4-4-1) آزمون دوربین- واتسون94
یکی از مفروضاتی که در رگرسیون مد نظر قرار میگیرد، استقلال خطاها (تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون) از یکدیگر است. در صورتی که فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند امکان استفاده از رگرسیون وجود ندارد به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین- واتسون استفاده میشود. چنانچه آماره دوربین- واتسون در بازه 5/1 یا 5/2 قرار گیرد Hoآزمون (عدم همبستگی بین خطاها) پذیرفته میشود و در غیر اینصورت Ho رد میشود یعنی همبستگی بین خطاها وجود دارد (مومنی، 1387، 128). در بخش آزمون فرضیات رگرسیونی به بررسی دوربین واتسون خواهیم پرداخت.
4-5) آزمون فرضیهها
این پژوهش شامل یک فرضیه اصلی و سه فرضیه‌ی فرعی می باشد که بر اساس فرضیه‌های فرعی به فرضیه اصلی پاسخ داده خواهد شد. جهت آزمون فرضیه از آزمون رگرسیون استفاده شده است.
فرضیه اصلی
بین اجتناب مالیاتی و تأخیر در گزارشگری مالی شرکت ها ارتباط مثبت و معناداری وجود دارد.
4-5-1) آزمون فرضیه فرعی اول
فرضیه‌های آماری به صورت فرض صفر(Ho) و فرض مقابل (H1) به شرح ذیل میباشد:
Ho: بین نرخ مؤثر مالیات و تأخیر غیرعادی در تصویب سود سالیانه شرکت ارتباط منفی و معناداری وجود ندارد.
H1: بین نرخ مؤثر مالیات و تأخیر غیرعادی در تصویب سود سالیانه شرکت ارتباط منفی و معناداری وجود دارد.
مدل رگرسیونی فرضیه اول:
DELAY = β0 + β1 × ETR + β2 × UE + β3 × OPIN + β4 × BIG + β5 × SIZE+ β6 × MTB+
β7 × LEV+ β8 × DISTRESS+ β9 × OWN+ β10× PPE+ β11× ACC+ ε
در مدل بالا متغیر تأخیر غیرعادی در گزارشگری مالی (DELAY) به عنوان متغی
ر وابسته تحقیق در نظر گرفته شده است همچنین متغیر نرخ مؤثر مالیات (ETR) به عنوان متغیر مستقل تحقیق در نظر گرفته شد است. همچنین متغیرهای سود شگفت‌انگیز (UE)، اظهار نظر حسابرسی (OPIN)، بزرگترین موسسه حسابرسی‌کننده(BIG)، اندازه‌ی شرکت(SIZE)، فرصت رشد شرکت(MTB)، اهرم عملیاتی (LEV)، بحران مالی (DISTRESS)، درصد پنج سهامداران عمده(OWN)، نسبت ناخالص اموال، ماشین آلات و تجهیزات(PPE)، نسبت کل اقلام تعهدی به کل دارایی(ACC)، به عنوان متغیرهای کنترل تحقیق در نظر گرفته شده‌اند. β_0 ضریب ثابت معادله رگرسیونی و β_1 و β_2 و β3 و β4 و β5 وβ6 و β7 و β8 و β9 و β10 و β11 ضریب متغیرهای مستقل و کنترلی که در واقع نشان دهنده میزان تأثیر متغیرهای مستقل و کنترلی بر روی متغیر وابسته می‌باشد و هدف تحلیل رگرسیونی برآورد آنها می باشد.
همان‌طور که می‌دانید، در مدل پانل دیتا دو مفهوم مهم Pooled و Panel وجود دارد که این دو مفهوم به فرضیات خاصی اشاره دارند که در برآورد یک مدل با داده‌های ترکیبی(پانل دیتا) می‌توان در نظر گرفت. اما اینکه کدام ساختار برای تحلیل داده‌های ترکیبی مناسب‌تر است، بستگی به تعداد شرکت ها و سال‌های مورد بررسی دارد. معمولا زمانی که تعداد سال‌ها به‌مراتب کمتر از تعداد شرکت ها باشد از ساختار Panel استفاده می‌کنیم. توجه داشته باشید که در استفاده از ساختار Panel نیز دو الگوی اثرات ثابت و اثرات تصادفی نیز وجو دارد. البته آزمون‌هایی مانند آزمون لیمر(چاو) و آزمون هاسمن وجود دارد که به بررسی انتخاب مدل به‌طور دقیق‌تر می‌پردازد که در ادامه برای فرضیه اول از تحقیق، از آن آزمون‌ها استفاده می‌کنیم.
4-5-1-1 آزمون لیمر برای مقایسه‌ی الگویPooled با الگوی اثرات ثابت برای فرضیه‌ی اول
قاعده‌ی تصمیم‌گیری آزمون لیمر به شکل زیر است
الگوی Pooled
الگوی اثرات ثابت
در ادامه نتایج مربوط به آزمون لیمر را در جدول زیر می‌آوریم.
جدول (4-4): آزمون لیمر برای فرضیه‌ی اول
سطح معنی‌داری
درجه آزادی
آماره آزمون
آزمون
0.0000
7
59.156041
Period Chi-square

همان‌طور که مشاهده می‌کنید، مقدار آماره‌ی آزمون برابر59.156041 و مقدار سطح معنی‌داری آزمون برابر 0.0000 است که کمتر از 0.05 است. بنابراین فرض صفر آزمون لیمر در سطح 0.05 و با اطمینان 0.95 رد می‌شود. بنابراین الگوی مناسب برای برآورد مدل مورد بررسی در طبقه‌ی Panel ( و نه Pooled) قرار دارد.
حال باید الگوی اثرات ثابت با الگوی اثرات تصادفی مقایسه شود. برای انجام این کار باید از آزمون هاسمن استفاده شود.
4-5-1-2 آزمون هاسمن برای مقایسه‌ی الگوی اثرات ثابت با الگوی اثرات تصادفی برای فرضیه اول
قاعده‌ی تصمیم‌گیری آزمون هاسمن به شکل زیر است:
مدل اثرات تصادفی
مدل اثرات ثابت
در ادامه نتایج مربوط به آزمون هاسمن را در جدول زیر می‌آوریم.
جدول (4-5): آزمون هاسمن برای فرضیه‌ی اول
سطح معنی‌داری
درجه آزادی
آماره آزمون
آزمون
0.0220
9
19.4051
Period random

همان‌طور که مشاهده می‌کنید، مقدار آماره‌ی آزمون هاسمن برابر19.4051 و مقدار سطح معنی‌داری آزمون برابر 0.0220 به‌دست آمده که کمتر از 0.05 است. بنابراین در سطح0.05 و با اطمینان 0.95 فرض صفر آزمون رد می‌شود. بنابراین باید برای برآورد مدل از الگوی اثرات ثابت استفاده کنیم. در ادامه نتایج برآورد مدل با استفاده از الگوی اثرات ثابت را بیان می‌کنیم.

جدول (4-6): نتایج مربوط به تحلیل رگرسیونی فرضیه اول
سطح معنی‌داری
آماره T
برآورد ضرایب

0.0000
2.02877
264.855
ثابت رگرسیون
0.7134
0.36747-
7.876819-
متغیر مستقل ETR
0.4519
0.752699
0.003254
متغیر کنترلی UE
0.0000
30.61135-
118.8215-
متغیر کنترلی OPIN
0.5580
0.586194
2.06090-
متغیر کنترلی BIG
0.0396
2.06229
7.362714
متغیر کنترلی SIZE
0.0481
1.98038-
3.4378-
متغیر کنترلی MTB
0.087
1.714234-
74.20704-
متغیر کنترلی LEV
0.0846
1.727526
10.6321
متغیر کنترلی DISTRESS
0.0457
2.0022-
0.2474-
متغیر کنترلی OWN
0.0685
1.82453
19.37016
متغیر کنترلی PPE
0.1156
1.5756
34.4643
متغیر کنترلی ACC
1.505608 = آماره‌ی دوربین-واتسون
0.0000= سطح معنی‌داری
F آماره 95.6506 =
0.7299 = ضریب تعیین
حال در ادامه به بررسی جدول فوق می پردازیم.
4-5-1-3 آزمون معنادار بودن معادله رگرسیون برای فرضیه اول
ابتدا به بررسی آزمون فرض زیر می پردازیم:
مدل رگرسیونی معتبر نیست :
مدل رگرسیونی معتبر است :
همان طور که مشاهده می کنید مقدار Prob (F-statistic) برابر 0.000 به دست آمده که کمتر از سطح احتمال 0.05 است. بنابراین فرض صفر رد می ‌شود. به عبارت دیگر مدل رگرسیونی بالا از لحاظ آماری در سطح 0.05 معتبر می باشد.
4-5-1-4 آزمون معنادار بودن ضرایب رگرسیونی برای فرضیه اول
بر اساس جدول 4-6 می توانیم درباره معنی دار بودن متغیرهای مستقل و کنترلی نیز تحلیل انجام دهیم. در واقع در این قسمت به آزمودن آزمون فرض زیر می پردازیم:
ضریب β برابر صفر است :
ضریب β مخالف صفر است:
همان طور که جدول 4-6 مشاهده می شود مقادیر سطح معنی داری برای متغیرهای OPIN و SIZE و MTB و OWN کمتر از 0.05 می باشند و بقیه مقادیر سطح معنی داری برای متغیرها بیشتر از 0.05 به دست آمده‌اند. بنابراین برای چهار متغیر یاد شده فرض صفر آزمون بالا رد می شوند و برای بقیه متغیرها فرض صفر آزمون بالا رد نمی‌شود. بنابراین نتیجه می‌گیریم که وجود تنها 4 متغیر یاد شده از لحاظ آماری در مدل رگرسی
ونی فرعی اول معنی دار می باشد و نهایتاً مدل برازش داده شده بر اساس داده ها به صورت زیر قابل نمایش است:
DELAY = 118.8215 – 264.855 * OPIN 7.362714 + *SIZE3.4378 – *MTB0.2474 – *OWN
4-5-1-5 ضریب تعیین فرضیه اول