وبلاگ

متغیرها

مقدار ADF

مقدار بحرانی

مقدار مک کینونMCV

مانایی(ایستایی)

خصوصی سازی

۵۷/۲-

۱۶۳/۰

۴۹/۳-

ندارد

درآمد

۷۶/۲-

۲۴۲/۰

۵۸/۳-

ندارد

هزینه

۸۲/۱-

۲۴۱/۰

۸۷/۲-

ندارد

سود یا زیان

۴۹/۲-

۲۸۴/۰

۴۶/۴-

ندارد

ضزیب اشغال تخت

۳۴/۲-

۱۴۹/۰

۱۸/۳-

ندارد

تخت فعال

۱۵/۳-

۲۱۱/۰

۷۱/۴-

ندارد

تعداد بیماران

۰۱/۳-

۱۴۲/۰

۷۱/۳-

ندارد

درصد خطا

۴۳/۲-

۱۸۹/۰

۶۵/۳-

ندارد

میزان شکایات

۷۵/۱-

۱۴۷/۰

۸۶/۲-

ندارد

رضایت شخصی

۳۹/۲-

۲۵۱/۰

۸۴/۴-

ندارد

تعداد پرسنل

۱۷/۳-

۱۷۶/۰

۶۷/۴-

ندارد

در بحث هم انباشتگی (همگرایی) در پی بررسی ارتباط بلندمدت بین پسماندهای متغیرهای به کار رفته در مدل هستیم. زمانی که متغیرهای مورد استفاده در رگرسیون از نوع سری زمانی بوده و ایستا ( ساکن) نباشند پدیده ای به نام رگرسیون کاذب به وجود می‌آید ولی اگر تمام متغیرهای به کار رفته در مدل رگرسیونی باهم( جمعا) ایستا شوند یعنی باقیمانده های حاصل از مدل ایستا باشند آن گاه پدیده هم انباشتگی یا هم جمعی به وجود می‌آید. از این رو این کلمه ( هم انباشتگی) به مرور کاربرد خود را در سری های زمانی نیز به دست آورد و هر سری زمانی که ایستا باشد را هم انباشته می گوییم. بر اساس جدول ۴-۳ چون مقدار آماره ADF حتی در سطح ۱۰ /۰ از مقدار مک‌کینون کوچکتر است، می توان گفت که متغیرهای مورد بررسی هم انباشته نیستند، به عبارت دیگر نتایج آزمون دیکی فولر گسترش یافته بر روی پسماندها (آزمون هم انباشتگی) نشان می‌دهد که متغیرهای مورد بررسی هم انباشته نیستند.

۴-۳-۱- آزمون خود همبستگی

خود همبستگی، همبستگی متقابل یک متغیر با خودش است. عدم وجود خودهمبستگی یکی از فروض کلاسیک می‌باشد که در اقتصاد سنجی برای سهولت در محاسبات آن را در نظر می گیریم؛ به منظور بررسی خود همبستگی از آزمون بریوش- گادفری در کنار آزمون دوربین واتسون استفاده شد. نتایج حاصل از این آزمون در جدول ۴-۴ نمایش داده شده است. عدم وجود خودهمبستگی یکی از فروض کلاسیک است که برای بررسی وجود یا عدم وجود خودهمبستگی از آزمون بریوش– گادفری استفاده می شود. فرضیه H₀ مدعی است که مشکل خودهمبستگی وجود ندارد. با توجه به نتیجه به دست آمده چون مقدار P-value آماره F از ۰۵/۰ بیشتر است، ‌بنابرین‏ فرضیه H₀ پذیرفته می شود و می توان گفت که در رگرسیون، مشکل خودهمبستگی وجود ندارد.

جدول ۴-۴- آزمون بریوش – گادفری

آمارهF

۸۷۳۶۱/۰

احتمال

۶۳۴۷۶۱۱/۰

R مربع

۵۴۷۶۴/۰

احتمال

۵۴۱۸۷۵۳/۰

۴-۳-۲- آزمون چاو

از آن جا که پژوهش حاضر در صدد بررسی رابطه ی متغیرهای پژوهش، برای بیمارستانهای مختلف در یک دوره ی زمانی است و نه فقط یک سال معین، ‌بنابرین‏ داده های مورد استفاده در این پژوهش از نوع داده های ترکیبی است. به گونه ای که داده های ۶ بیمارستان(نمونه ی آماری )، در فاصله ی زمانی چهار سال؛یعنی در دوران بعد از خصوصی سازی (۱۳۹۲-۱۳۸۹)، مورد استفاده قرار گرفته است. به عبارت دیگر نمونه ی انتخابی در این پژوهش، ۲۴ = ۴ ×۶ سال- بیمارستان، است.

با توجه به ترکیبی بودن داده های مورد استفاده ابتدا باید نوع داده ها ازجهت پانل و یا پولینگ بودن مشخص گردد. برای این منظور، ازآزمون لیمراستفاده می‎شود که دارای آماره Fاست. در این آزمون فرض H₀ مبنی بر همگن بودن داده هاست و در صورت تأیید، می بایست تمامی داده ها را با یکدیگر ترکیب کرد و به وسیله ی یک رگرسیون کلاسیک تخمین پارامترها را انجام داد ، در غیر این صورت داده ها را با ید به صورت داده های پانلی در نظر گرفت. در صورتی که نتا یج این آزمون ، مبنی بر به کارگیری داده ها به صورت داده های پانلی شود، می بایست برای تخمین مدل پژوهش از یکی از مدل های اثرات ثابت (FEM) یا اثرات تصادفی (REM) استفاده شود . برای انتخاب یکی از این دو مدل باید آزمون هاسمن اجرا شود . فرض صفر آزمون هاسمن مبنی بر مناسب بودن مدل اثرات تصادفی برای تخمین مدل های رگرسیونی داده های تابلویی است.

H₀ = Pooled Data

H₁ = Panel Data

۴-۴- آزمون فرضیات

۴-۵-۱- نتایج حاصل از آزمون فرضیه اصلی تحقیق

فرضیه اصلی: خصوصی سازی در هزینه های بیمارستان های دانشگاه علوم پزشکی مازندران مؤثر بوده است

برای آزمون این فرضیه ، مطابق با موارد بیان شده در قسمت روش شناسی پژوهش، ابتدا با بهره گرفتن از آزمون چاو، روش به کارگیری داده های ترکیبی تعیین شده است. که نتایج این آزمون در جدول شماره ۴-۵ آمده است:

جدول ۴-۵ – آزمون F لیمر برای فرضیه ی پژوهش

فرضیه ی صفر

احتمال F

F محاسبه شده

نتیجه ی آزمون

اثرات مقطعی و زمانی معنی دار نیستند.

روش(pooled data)مناسب است.

۰۰۰۵/۰

۶۳/۱

رد فرضیه صفر

همان گونه که در جدول دیده می شود، نتایج آزمون چاو، نشان می‌دهد احتمال به دست آمده برای آماره ی F کم تر از ۵ درصد است، پس برای آزمون این فرضیه، داده ها به صورت پانلی مورد استفاده قرار گرفته است. اکنون برای تعیین این که برای تخمین پارامترهای مدل، از مدل اثرات ثابت یا اثرات تصادفی استفاده شود از آزمون هاسمن استفاده شده که نتایج حاصل از این آزمون در جدول شماره ۴-۶- ارائه شده است.

1. 1. The economist ↑

1. 1. – State ↑

1. 1. – Marketization ↑

1. 1. – Input ↑

1. 1. – out put ↑

1. 1. – Beesly & little child ↑

1. 1. – Veljanovski ↑

1. 1. – Key and thampson ↑

1. 1. – Derewgulation ↑

1. 1. – Contracting out ↑

1. 1. – Schwartze ↑

1. 1. – Bos ↑

1. 1. – price ↑

1. 1. in-hous ↑

1. 1. outsourcing ↑

1. 1. joint-venture ↑

1. 1. The economist ↑

1. 1. – State ↑

1. 1. – Marketization ↑

1. 1. – Input ↑

1. 1. – out put ↑

1. 1. – Beesly & little child ↑

1. 1. – Veljanovski ↑

1. 1. – Key and thampson ↑

1. 1. – Derewgulation ↑

1. 1. – Contracting out ↑

1. 1. – Schwartze ↑

1. 1. – Bos ↑

1. 1. – price ↑

1. 1. – Interational Monetary fund ↑

1. 1. – coercive ↑

1. 1. Marchelli et al ↑

1. 1. Boehmemer et al ↑