وبلاگ

۲-متغیر پیش بینی شده استاندارد شده
۳-متغیر باقیما نده ها
۴-متغیر باقیمانده های استاندارد شده
متغیر های ایجاد شده جهت بررسی و آزمون پیش فرض های مدل مورد نیاز می باشد و برای استفاده از مدل رگرسیون لازم است پیش فرض های استفاده از آن مورد آزمون قرار گیرد .

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

۴-۴-۲) بررسی فرض نرمال بودن باقیمانده ها
برای بررسی نرمال باقیمانده ها می توان از آزمون کولموگروف – اسمیرنف استفاده نمود . علاوه بر این نمودارهای هیستوگرام و ناهمسانی واریانس برای بررسی نرمال بودن دادها به کاربرده می شود. در ذیل به هریک پرداخت می شود.
۱- هیستوگرام
در زیر نمودار هیستوگرام باقیمانده های محافظه‏‏کاری حسابداری شرکت‏ها در روش اول و دوم مشاهده می‏شود. در این آزمون باید میانگین باقیمانده ها نزدیک صفر و انحراف معیار نزدیک ۱ باشد. همانطور که ملاحظه می‏گردد میانگین باقیمانده‏ها در مدل اول برابر ۲۲/۰ و انحراف معیار آن برابر ۵۷۰/۰ و در مدل دوم میانگین باقیمانده‏ها ۰۸/۰ و انحراف معیار آن ۱۴۳/۰ است. بنابراین داده‏های ما از نوزیع نرمال پیروی می‏کنند و نرمال هستند.
قبل از نرمال سازی (محافظه‏کاری روش اول)

بعد از نرمال سازی(محافظه‏کاری روش اول)

قبل از نرمال سازی(محافظه‏کاری روش دوم)

بعد از نرمال سازی (محافظه کاری روش دوم)

۲-نمودار ساقه و برگ باقیمانده‏ها
مدل اول
Standardized Residual Stem-and-Leaf Plot
Frequency Stem & Leaf
۱٫۰۰ Extremes (=<-1.1)
۱۲٫۰۰ -۰ . ۵۵۵۶۶۷۷۸۸۸۹۹
۱۵٫۰۰ -۰ . ۰۰۰۰۰۰۰۰۱۲۲۲۲۲۳
۳۱٫۰۰ ۰ . ۰۰۰۰۰۰۰۰۰۰۱۱۱۱۱۲۲۲۲۲۲۲۲۳۳۳۳۳۴۴۴
۱۸٫۰۰ ۰ . ۵۵۵۵۵۵۵۶۶۶۶۷۷۷۷۸۸۹
۱۲٫۰۰ ۱ . ۰۰۰۰۰۰۰۰۱۱۲۲
Stem width: ۱٫۰۰۰۰۰
Each leaf: ۱ case(s)
مدل دوم
Standardized Residual Stem-and-Leaf Plot
Frequency Stem & Leaf
۱٫۰۰ -۲ . ۲
۵٫۰۰ -۱ . ۱۳۴۷۷
۸٫۰۰ -۰ . ۰۱۱۲۳۴۵۸
۲۰٫۰۰ ۰ . ۰۱۱۱۲۳۳۴۴۴۴۵۵۵۶۶۷۸۸۹
۱۸٫۰۰ ۱ . ۰۰۱۱۱۱۲۲۲۴۴۴۶۶۷۸۹۹
۳۲٫۰۰ ۲ . ۰۰۱۱۱۱۱۱۲۲۲۲۲۲۲۳۳۳۳۳۳۴۴۴۵۵۶۶۷۸۹۹
۱٫۰۰ ۳ . ۱
Stem width: .۱۰۰۰۰
Each leaf: ۱ case(s)
از روی این نمودار می توان در مورد شکل توزیع باقیمانده ها و وجود مقادیر پرت قضاوت کرد . در نمودار فوق دلیلی وجود ندارد که این نمونه از یک توزیع غیر نرمال بدست آمده باشد .مشاهده می گردد که توزیع دارای یک قله است و نرمال می باشد .در این نمودار داده‏ها باید به صورت نرمال توزیع شده باشد و داده ها دارای یک قله داده باشند.
۳- نمودار box plots باقیمانده‏های مدل
این نمودار نیز داده های پرت را به صورت ستاره (*) نمایش می دهد که داده های پرت را به خوبی نشان می‏دهد. داده هایی که با ستاره مشخص شده اند داده هایی خیلی پرت و داده هایی که به دایره مشخص شده اند داده های پرت می باشند و باید آن ها کنار گذاشت. با توجه به اینکه در این قسمت متغیر باقیمانده‏ها دارای دادت پرت نمی‏باشد از این رو هیچگونه علامت ستاره ای مبنی بر پرت بودن داده در آن مشاهده نمی‏گردد

محافظه کاری روش اول

قبل از نرمال سازی

بعد از نرمال سازی