۰٫۰۵۳۹

۱٫۹۳۱۱۳۴-

۰٫۲۴۱۰۷۱-

متغیر کنترلی OWN

۰٫۰۶۹۹

۱٫۵۱۵۸۵۰

۱۹٫۲۷۴۳۴

متغیر کنترلی PPE

۰٫۱۱۳۵

۱٫۵۸۴۶۶۳

۳۳٫۹۵۲۸۳

متغیر کنترلی ACC

۱٫۵۰۵۸۲۵ = آماره‌ی دوربین-واتسون

۰٫۰۰۰۰ = سطح معنی‌داری

۹۵٫۶۷۲۵ = آماره‌ی F

۰٫۷۲۹۹ = ضریب تعیین

حال در ادامه به بررسی جدول فوق می پردازیم.
۴-۵-۲-۳ آزمون معنادار بودن معادله رگرسیون برای فرضیه دوم

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 ۰٫۰۰۰۰ به دست آمده که کمتر از سطح احتمال ۰٫۰۵ است. بنابراین فرض صفر رد می ‌شود. به عبارت دیگر مدل رگرسیونی بالا از لحاظ آماری در سطح ۰٫۰۵ معتبر می باشد.
۴-۵-۲-۴ آزمون معنادار بودن ضرایب رگرسیونی برای فرضیه دوم
بر اساس جدول ۴-۹ 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 ۴-۹ مشاهده می شود مقادیر سطح معنی داری برای متغیرهای OPIN وSIZE و MTB کمتر از ۰٫۰۵ می باشند و بقیه مقادیر سطح معنی داری برای متغیرها بیشتر از ۰٫۰۵ به دست آمده‌اند. بنابراین برای سه 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 ۳ متغیر یاد شده از لحاظ آماری در مدل رگرسیونی فرعی دوم معنی دار می باشد و نهایتا مدل برازش داده شده به صورت زیر خواهد بود:
DELAY = 118.8275 – ۲۶۵٫۹۶۱۲ * OPIN+7.348543*SIZE 3.48611 – *MTB
۴-۵-۲-۵ ضریب تعیین فرضیه دوم
همان طور که مشاهده می کنید مقدار آماره ضریب تعیین که بیان می­ کند چه مقدار از تغییرات متغیر وابسته را می­توان به تغییرات متغییر مستقل و کنترل نسبت داد، برابر ۰٫۷۲۹۹ به دست آمده که مقدار بالایی است و نشان می دهد که متغیرهای تأثیرگذار از لحاظ آماری، مقدار زیادی از تغییرات متغیر وابسته را تشریح کرده اند.
مقدار برآورد برای ضریب ثابت برابر ۲۶۵٫۹۶۱۲ و همچنین مقدار سطح معنی داری برابر ۰٫۰۰۰۰ به دست آمده که نشان می دهد در سطح ۰٫۰۵ و با اطمینان ۰٫۹۵ فرض صفر یعنی صفر بودن ضریب ثابت رد می شود.
۴-۵-۲-۶ آزمون دوربین- واتسون برای فرضیه دوم
همان طور که از جدول مشاهده می کنید مقدار آماره دوربین-واتسون برابر۱٫۵۰۵۸۲۵می باشد. از آنجایی که مقدار آماره نزدیک عدد ۲ است و بیشتر از ۱٫۵ می باشد، بنابراین فرض عدم همبستگی بین خطاها رد نمی شود و بین خطاها همبستگی وجود ندارد. در واقع یکی از فروض اساسی رگرسیون که عدم وجود همبستگی بین خطاها می‌باشد در این مدل برقرار است. بنابراین بر اساس آزمون دوربین- واتسون نیز نتیجه گرفتیم که امکان استفاده از مدل رگرسیونی بالا وجود دارد.
۴-۵-۳ آزمون فرضیه فرعی سوم
فرضیه‌های آماری به صورت فرض صفر(H_o) و فرض مقابل (H₁) به شرح زیر می­باشد:
H_o: بین تفاوت دفتری مالیات و تأخیر غیرعادی در تصویب سود سالیانه شرکت ارتباط مثبت و معناداری وجود ندارد.
H₁: بین تفاوت دفتری مالیات و تأخیر غیرعادی در تصویب سود سالیانه شرکت ارتباط مثبت و معناداری وجود دارد.
مدل رگرسیونی فرضیه سوم:
DELAY = β_۰ + β_۱ × BTD + β_۲ × UE + β_۳ × OPIN + β_۴ × BIG + β_۵ × SIZE + β_۶ × MTB
+ β_۷ × LEV + β_۸ × DISTRESS + β_۹ × OWN + β_۱۰ × PPE + β_۱۱ × ACC + ε
در مدل بالا متغیر تأخیر غیرعادی در گزارشگری مالی (DELAY) به عنوان متغیر وابسته تحقیق در نظر گرفته شده است همچنین متغیر تفاوت دفتری مالیات (BTD) به عنوان متغیر مستقل تحقیق در نظر گرفته شده 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. ضریب ثابت معادله رگرسیونی و و و β_{۳ و} β_۴ و β_۵ وβ_{۶ و} β_{۷ و} β_{۸ و} β_{۹ و} β_۱۰ 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.