وبلاگ

در نهایت، با بهره گرفتن از تخمین­های حاصل از مدل رگرسیون زیر فرضیه ­های پژوهش مورد آزمون قرار ‌می‌گیرد:

(۴) مدل نهایی ازمون فرضیه اول

AMit= β۰+ β۱PreAEMUIit + β۲RMit+ β ۳LEVit + β۴GROWTHit+ β۵ Sizeit + εit

AMit= مدیریت سود

PreAEMUIit = سود پیش‌بینی نشده قبل از مدیریت سود است.

(Saragih, 2012Matsuura, 2008; Sanjaya and). که به عنوان متغیرکنترلی ‌به این شرح محاسبه می شود:

PreAEMUIit = UIit – Amit

و در محاسبه آن، UIit سود پیش‌بینی نشده )تفاوت سود خالص سال جاری و سود خالص دوره قبلی) است. سطح سود قبل از مدیریت اقلام تعهدی در تصمیم گیری مدیر برای مدیریت سود از طریق اقلام تعهدی اثرگذار است وبه همین خاطر این متغیر در مدل وارد می شود.

RMit = بیانگر هر کدام از شیوه ­های دستکاری فعالیت­های واقعی (مدیریت سود) به عنوان متغیرکنترلی­ است؛ یعنی یکبار به جای آن جریان نقد عملیاتی غیرعادیR-CFO) ، باقیمانده مدل۲) و بار دیگر هزینه­ های اختیاری غیرعادی( R-DisEx، باقیمانده مدل۳) قرار گرفته است.

و مدل به طور جداگانه تخمین زده می شود.

= LEVit معرف رشد شرکت(درصد رشد فروش)، هستند که ‌بر اساس تئوری اثباتی حسابداری و با توجه به پژوهش­های قبلی و به عنوان دیگر متغیرهای کنتری وارد مدل شده است.

GROWTHit = معرف اهرم مالی به عنوان متغیر کنترلی مدیریت سود(نسبت بدهی­ها به دارایی­ ها)

Sizeit (MVALit) = اندازه شرکت ارزش دفتری دارایی­ های شرکت i در سال t

εit = جزء اخلال

۳-۹-۲ مدل ازمون فرضیه دوم

AMit= β۰+ β۱PreAEMUIit + β۲RMit+ β۴GROWTHit+ β۵ ASSINit + β۶ ΔOIPSit + εit

ASSINit = سودهرسهم حاصل از فروش دارایی­هاو سرمایگذاری­های شرکت i در سال t به ‌عنوان متغیر کنترلی زمان­بندی

ΔOIPSit = سود عملیاتی هر سهم شرکت i در سال t نسبت به سال t-1 به ‌عنوان متغیر کنترلی زمان­بندی

۳-۱۰- روش تجزیه و تحلیل داده ­ها

پس از جمع ­آوری داده ­ها محقق باید آن­ها را دسته­بندی و تجزیه و تحلیل نماید، آن گاه به آزمون فرضیه­ هایی بپردازد که تا این مرحله پژوهش او را یاری کرده ­اند، تا پاسخی برای پرسش­های پژوهش بیابد. تجزیه و تحلیل داده ­ها فرآیندی چند مرحله­ ای است که طی آن داده ­های گردآوری شده به طرق مختلف خلاصه، دسته­بندی و در نهایت پردازش می­شوند تا زمینه برقراری انواع تحلیل­ها و ارتباط بین داده ها به منظور آزمون فرضیه ­ها فراهم آید­. در این فرایند، داده ­ها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش می­شوند و روش­های گوناگون آماری نقش بسزایی در استنتاج­ها به عهده دارند.

۳-۱۰- ۱- تحلیل توصیفی داده ­ها

شاخص­ های مرکزی و پراکندگی برای متغیرهای پژوهش به منظور تحلیل توصیفی متغیرها قبل از آزمون فرضیات تعیین می­شوند. میانگین به عنوان مهم­ترین شاخص مرکزی به همراه انحراف معیار به عنوان مهم­ترین شاخص­ های پراکندگی محاسبه خواهد شد­، انحراف معیار نیز پراکندگی داده ­ها را نشان می­دهد. این اقدام به منظور ارائه دیدگاهی کلی نسبت به جامعه آماری و شناخت بیشتر آن صورت ‌می‌گیرد.

۳-۱۰-۲- همبستگی

یک نوع از تجزیه و تحلیل آماری که برای برآورد و پیش‌بینی، کاربرد گسترده‌ای دارد، تجزیه و تحلیل رگرسیون و همبستگی است که برای تعیین میزان رابطه بین متغیرها و تأثیر متغیرهای مستقل بر متغیر وابسته به کار برده می‌شود.

تحلیل همبستگی ابزاری آماری است که به وسیله آن می‌توان درجه‌ای که یک متغیر به متغیر دیگر، از نظر خطی مرتبط است را اندازه‌گیری کرد. موضع همبستگی با بحث درباره دو معیار ضریب همبستگی® و ضریب تعیین (R2) به صورت زیر دنبال می‌شود (آذر، ۱۳۸۳، ۱۸۲).

۳-۱۰-۳- ضریب همبستگی

ضریب همبستگی ریشه دوم ضریب تعیین است که می‌تواند مقادیری بین ۱- و ۱+ را به خود گیرد. علامت آن همان علامت شیب خط رگرسیون است یعنی اگر شیب خط رگرسیون مثبت باشد، ضریب همبستگی نیز مثبت، و اگر شیب خط رگرسیون منفی باشد، ضریب همبستگی نیز منفی خواهد بود و اگر شیب خط رگرسیون صفر باشد، ضریب همبستگی نیز صفر است.

۳-۱۰-۴- ضریب تعیین (R²)

مهمترین معیاری است که با آن می‌توان رابطه بین دو متغیر x و y را توضیح داد و میزان انحراف مشاهدات y را با برآورد خط رگرسیون اندازه‌گیری می‌کند. این ضریب بین صفر تا یک در نوسان بوده به طوری که مقدار صفر بیانگر آن است که خط رگرسیون هرگز نتوانسته تغییرات y را به متغیر مستقل x نسبت دهد. مقدار یک نیز بیانگر آن است که خط رگرسیون به طور دقیق توانسته است تغییرات y را به متغیر مستقل x نسبت دهد.

در رگرسیون چندمتغیره در صورتی که نمونه کوچک باشد، ضریب تعیین تعدیل شده به جای ضریب تعیین استفاده می‌شود و با بزرگتر شدن حجم نمونه این دو ضریب به همدیگر نزدیک می‌شوند (مومنی و قیومی، ۱۳۸۶، ۱۲۲).

۳-۱۰-۵- مدل های رگرسیون

مدل‌های رگرسیون انواع مختلفی دارد که متداول‌ترین آن­ها رگرسیون ساده و مرکب می‌باشند. رگرسیون ساده شامل ارتباط بین دو متغیر و رگرسیون چندمتغیره، ارتباط یک متغیر را با دو یا چند متغیر بیشتر نشان می‌دهد. رگرسیون چندمتغیره رابطه بین متغیر وابسته را با یکی از متغیرهای مستقل، در شرایط ثابت بودن دیگر متغیرهای مستقل نشان می‌دهد.

در رگرسیون ساده (یک متغیر)، معادله معرف خط رگرسیون جامعه می‌باشد که با برآورد می‌شود. در رگرسیون خطی چندمتغیره معادله معرف رگرسیون جامعه به شرح زیر می‌باشد:

که برای برآورد معادله فوق از معادله زیر استفاده می‌کنیم:

که در آن

۳-۱۰-۶- فرض‌های اساسی رگرسیون

در صورتی پژوهشگری می‌تواند از رگرسیون استفاده نماید که شرایط زیر محقق شده باشد:

۱- میانگین جمله خطاها مساوی صفر است. : معنی این فرض آن است که عوامل تشکیل‌دهنده خطاها، اثرات مثبت و منفی خود را طوری بر جای می‌گذارند که متوسط مقادیر جمله خطاها برابر صفر شود.

۲- متغیر وابسته دارای توزیع نرمال است: فرض بر آن است که توزیع متغیر به نحوی است که پراکندگی آن در مجاورت میانگین حداکثر بوده و هر چه از میانگین دورتر شویم در سمت راست و چپ آن به یک نسبت کاهش می‌یابد؛ در نتیجه توزیع رنگی شکل است.

۳- جمله خطاها در مشاهدات مختلف ناهمبسته می‌باشد. : اگر این فرض نقض شود با مسئله‌ای موسوم به خودهمبستگی مواجه خواهیم بود. به طور کلی هرگاه جمله خطاها از نظم خاصی پیروی کنند فرض ناهمبسته بودن جمله خطاها نقض شده، خودهمبستگی مثبت، منفی یا تلفیقی از خودهمبستگی مثبت و منفی را خواهیم داشت.

۴- واریانس جمله خطاها همگی برابر عدد ثابتی مانند هستند: هرگاه فرض اخیر نقض شود با مسئله‌ای موسوم به نابرابری واریانس‌ها مواجه خواهیم بود.

۵- جمله خطاها مستقل از متغیر مستقل می‌باشد: در صورت نقض این فرض، مطالعه دقیق اثرات x بر روی y امکان‌پذیر نخواهد بود.

فرض دیگر که فقط مختص مدل رگرسیون چندمتغیره است، آن است که باید تعداد مشاهدات بر تعداد پارامترها فزونی داشته باشد و بین متغیرهای مستقل رابطه خطی کامل وجود نداشته باشد. این فرض شرط لازم برای حصول جواب معادلات نرمال و برآورد ضرایب رگرسیون چندمتغیره است.