وبلاگ

: قیمت سهام عادی در زمان t
: قیمت سهام عادی در زمان t+1
: سود نقدی سهام عادی طی دوره t
α: درصد افزایش سرمایه(از محل اندوخته یا آورده نقدی ومطالیات)
C : آورده نقدی به هنگام افزایش سرمایه (مجتهدزاده وطارمی۱۳۸۴؛۱۲۲)
جهت محاسبه بازده ماهانه ، اطلاعات مربوط به قیمت پایان ماه شرکت از سایت بورس اوراق یهادار و سایر اطلاعات از صورت جلسات مجمعهای تشکیل شده شرکتها در سایت کدال استخراج گردید.
متغیر مستقل:
در این تحقیق چهار متغیر مستقل در نظر گرفته شده است که تأثیر هر کدام از آنها بر متغیرهای وابسته بررسی می شود. که این متغیرها شامل: « نرخ رشد بهای کالا و خدمات مصرفی (تورم)» ، « نرخ ارز» ، « نرخ بهره‌« و « نرخ رشد نقدینگی» هستند که با بهره گرفتن از اطلاعات مالی منتشر شده در سایت بانک مرکزی استخراج شده اند.
۳-۷- آمار توصیفی داده ها
آمار توصیفی آن بخش از آمار است که به جمع آوری، خلاصه کردن، نمایش و پردازش اطلاعات می پردازد بی آنکه به هر گونه نتیجه گیری درکنار آن اطلاعات آماری مبادرت ورزد.
جدول (۱-۴) آمار های توصیفی متغیرهای مستقل و وابسته است. دسته اول شاخص های مرکزی مربوط به تعداد داده ها، میانگین، حداقل، حداکثر، میانه و مد است. دسته دوم شاخص های پراکندگی نظیر واریانس ،چولگی و کشیدگی است که بیانگر پراکنش داده ها حول محور میانگین است.
۳-۸- چگونگی بررسی فرضیه ها
به طور کلی تحقیق بر فرضیه یا فرضیاتی که به صورت نوعی سؤال برای محقق مطرح شده مبتنی است و در نتیجه پس از طبقه بندی و تجزیه و تحلیل اطلاعات، آنچه به دست می آید باید در جهت تأیید یا رد این فرضیه باشد. هدف اصلی از آزمون فرضیه بررسی روابط میان پرسمان (مشکل) و علت یا علل بروز آن است.

۳-۸-۱- آزمون نرمال بودن داده ها
در انجام روش های آماری، نرمال بودن داده ها بخصوص متغیر وابسته از اهمیت خاصی برخوردار است. جهت آزمون نرمال بودن داده ها از آزمون کلمو گروف- اسمیرنوف استفاده می گردد. این آزمون روش ناپارامتری ساده ای برای تعیین همگونی اطلاعات تجربی با توزیع های آماری منتخب است.
در صورتی که سطع معناداری آماره از مقدار  کوچکتر باشد فرض  رد می شود و اگر بزگتر باشد فرض  پذیرفته می شود. به منظور بررسی مجدد فرض نرمال بودن باقیمانده ها از هیستو گرام نیز استفاده شده است.
۳-۸-۲-آزمون ایستایی (مانایی)متغیرهای تحقیق
سری های زمانی یکی از مهمترین داده هایی هستند که در مطالعات تجربی اقتصادسنجی مورد استفاده قرار می گیرند. معمولاً در مطالعات تجربی فرض براین است که محققان از سری های زمانی ساکن^[۱۹] استفاده می کنند چون استفاده از سری زمانی غیر ساکن نه تنها می تواند فروض کلاسیک یک معادله رگرسیون را نقض کند، بلکه تخمین های تجربی به دست آمده نیز کاذب و یا بی معنی^[۲۰] خواهد بود و لذا پارامترهای تخمین زده شده در مدل ها، نه تنها از نظر سیاست گذاری قابل ارزش نیستند، بلکه پیش بینی های به عمل آمده از آنها نیز برای آینده بی اختیار خواهد بود (بیدرام ،۱۳۸۱ ).
یک سری زمانی ساکن و یا (۰)I ، زمانی دارای فرایند تصادفی ساکن است که واریانس، میانگین و کوواریانس آن در وقفه های مختلف در طول زمان ثابت باقی بماند. حال اگر متغیری غیر ساکن باشد، آنگاه آن متغیر می تواند یک و یا چند ریشه واحد^[۲۱] داشته باشد . اگر متغیر مزبور بعد از یک بار تفاضل گیری ساکن شود آن متغیر دارای یک ریشه واحد و یا (۱)I است و یا اگر بعد از ۲ بار تفاضل گیری ساکن گردد در آن صورت دارای دو ریشه واحد (۲)I خواهند بود .
برای تعیین ایستایی داده های پانلی ، آزمون های متفاوتی نظیر آزمون دیکی – فولر افزوده (ADF ) ، فیلیپس و پرون (PP) ، ایم – پران و شین (IPS) وجود دارد. در این تحقیق برای بررسی ایستایی متغیرها از آزمون دیکی فولر افزوده شده، استفاده شده است.
۳-۸-۳- مدل رگرسیونی خطی و چندگانه
تحلیل رگرسیون داده ها روشی برای مدل‌سازی و تحلیل داده‌های عددی است.داده‌ها شامل مقادیری برای متغیر وابسته و یک یا چند متغیر مستقل است. هدف از تحلیل رگرسیون، بیان متغیر وابسته به شکل تابعی از متغیرهای مستقل، ضرایب، ومقادیر خطا است. مقادیر خطا، متغیرهای تصادفی هستند که تغییرات توضیح ‌داده‌ نشده در مقدار متغیرهای مستقل را نشان می‌دهند. در این روش، ضرایب به گونه‌ای تعیین می‌شوند که بهترین برازش را به داده‌ها داشته باشند. معمولاً بهترین برازش را با روش کمترین مربعات می‌یابند، هرچند که روش‌های دیگری هم وجود دارد. تحلیل رگرسیون برای پیش‌بینی مقادیر آینده متغیر وابسته، آزمون نظریه‌ها و تحلیل پدیده ‌شناختی به کار می‌رود. این تحلیل تنها وقتی معتبر است که پیش‌فرض‌هایش برآورده شوند.
۳-۸-۳-۱- رگرسیون خطی
یکی از ابتدایی ترین روش های الگو سازی خطی روش رگرسیون ساده است که ضرایب الگو در آن می توانند روش حداقل مربعات معمولی (ols)^[22] بر آورد شوند. در حالت ساده چنانچه در هر یک از زمینه های مطالعاتی پس از آنکه خاصیت اثر گذاری یک صفت مانند x بر صفت دیگر مانند y مورد تأیید قرار گرفت، می توان فرض کرد رابطه مقادیر متغیر توضیحی (x (با مقادیر متغیرپاسخ ( y ) از الگویی مانند
(۳-۱)
تبعیت می نماید و با بهره گرفتن از روش حداقل مربعات معمولی معادله رگرسیونی  را براساس N مشاهده پردازش نمود. با این روش ضرایب  به نحوی برآورد می شوند تا مجموع مجذورات باقیمانده های رگرسیونی به حداقل مقدار ممکن خود برسد.
(۳-۲)
در این صورت اگر x,y بردارهای متغیرهای متمرکز شده (حول میانگین ) متغیرهای مربوطه باشند، جواب معادله های مربوطه را می توان به شکل ذیل نشان داد :
(۳-۳)
مفرو ضات رگرسیون خطی :
(۳-۴)
معادله فوق نشان می دهد که  هم به  و هم به  بستگی دارد. بنابرین تا زمانی که ندانیم  و  چگونه بدست می آیند هیچ راهی برای دستیابی بر اشتباهات آماری درباره  و درمورد  و  نخواهیم داشت. از این رو فرضیات مبتنی بر متغیر  و  ، برای تفسیر معتبری از تخمین های رگرسیون، اهمیت دارند. این فرضیات عبارتند از :
۱ – میانگین  ها برابر صفر است یعنی  این فرض بیان می کند، مقادیر مثبت  ، مقادیر منفی  را خنثی می کند. به طوری که تأثیر متوسط میانگین  ها بر  صفر است.
۲- مقادیر  ها از یکدیگر مستقل هستند. در نتیجه برای هر  داریم:
این فرض بیان می کند که اجزاء  و  همبستگی ندارند.
۳-کلیه  ها واریانس یکسان دارند یعنی :  این فرض بیان می کند که جامعه y متناظر با مقادیر مختلف  ، واریانس یکسان دارند.
۴- کواریانس بین  و  برابر صفر است. یعنی :  این فرض بیان می کند که جزء  و متغیر  همبستگی ندارد.
۵- مقدار  برای کلیه  ها ثابت است. یعنی متغیر  یک متغیر غیر تصادفی است.
۶-توزیع هر یک از  ها نرمال و مستقل از یکدیگر است.
۳-۸-۳-۲- رگرسیون چندگانه
در شرایطی که یک متغیر توضیحی نتواند بخش قابل توجهی از اطلاعات متغیر پاسخ را تبیین نماید، می توان متغیرهای دیگری را وارد مطالعه نمود تا با بدست آوردن یک ترکیب خطی مناسب از آنها درصد بالای تغییرات متغیر وابسته را کنترل نمود. با این روش گرچه  ها در صفر نخواهد شد ولی ضرایب بدست آمده همبستگی خطی بین بردار مشاهدات y و ترکیب های ستون های خطی x یعنیx  b را به حداکثر ممکن می رسانند. در این حال فرض می شود الگوی رگرسیون  بر روابط بین متغیر ها حاکم بوده و نیز هر کدام از متغیر های توضیحی از دیگری مستقل است. یعنی هر کدام بخشی مستقل از اطلاعات y را تبیین می نماید. در این حال اضافه شدن متغیر جدید تأثیری در مقادیر برآورد گرهای ضرایب رگرسیونی قبلی نخواهد داشت. به عبارتی اگر به ازای هر ترکیب خطی از  ها مخالف صفر باشد (  ) انضمام این شرط و مفروضاتی که در رگرسیون خطی گفته شد، امکان تحلیل داده ها را با روش رگرسیون خطی چند گانه به راحتی فراهم می کند.
۳-۸-۴- آزمون معنی داری همبستگی
روش تحقیق مورد استفاده در این پایان نامه توصیفی( همبستگی) است. تحلیل همبستگی ابزاری آماری است که به وسیله آن می توان درجه ای که یک متغیر به متغیری دیگر، از نظر خطی مرتبط است را اندازه گیری کرد. همبستگی را معمولاً با تحلیل رگرسیون بکار می برند. همبستگی معیاری است که برای تعیین میزان ارتباط دو متغیر استفاده می شود (آذر و مومنی،۱۳۸۲؛۲۱۹).در واقع در این گونه مطالعات پژوهشگر در صدد پاسخگویی به سؤالات زیر است:
۱- آیا رابطه همبستگی میان دو دسته از اطلاعات یا متغیرها وجود دارد یا خیر؟
۲- جهت این همبستگی مثبت است یا منفی؟
۳- مقدار و میزان این همبستگی چه اندازه است؟
ضریب همبستگی با توجه به نمونه ای مشخص محاسبه می شود. بدیهی است که این ضریب، که بعضی مواقع ضریب همبستگی نمونه ای خوانده می شود، از نمونه ای به نمونه دیگر تغییر می کند. حال سؤال اینجاست که آیا بین دو متغیر x و y که ضریب همبستگی آن تعیین می شود همبستگی معنی داری وجود دارد یا نه به عبارت دیگر آیا می توان به وجود یک رابطه علت و معلولی خطی اذعان داشت و یا ضریب همبستگی بدست آمده ناشی از شانس و تصادف بوده و ضریب همبستگی جامعه که آن را با  نشان می دهیم برابر با صفر است؟ برای مشخص شدن این مسئله آزمون فرضیه را بشرح زیر انجام می دهیم:
(۳-۵)