STDEV[78] =
: باقیمانده مدل در سال t برای شرکت i

: میانگین باقیمانده های سالانه برای هر شرکت i
نتایج حاصل از محاسبه ی رابطه (۳-۱۴) برای هر شرکت i در سال t در فایل AQ ، موجود در پیوست لوح فشرده ارائه شده است.
۳-۱۲-۴- محاسبه ی متغیر های کنترلی پژوهش
در این پژوهش علاوه بر متغیر های وابسته و مستقل یک سری متغیر های کنترلی به نام ویژگی های شرکت و بازار نیز در مدل رگرسیونی چند گانه بکار گرفته شده است که در مدل پژوهش ارائه گردیده است. انتظار می رود ویژگی بازار عامل تعیین کننده ای برای ریسک نقدینگی باشد. استفاده از ویژگی های شرکت نیز برای کاهش انحراف معیارهای متغیر همبسته صورت می گیرد (جفری،۲۰۱۱). نحوه ی محاسبه ی متغیر های کنترلی پژوهش به شرح زیر بیان می گردد.
نوسان پذیری بازده (Rvo)[79] : انحراف استاندارد بازدهی کمک می کند تا فراریت بازدهی شرکت کنترل شود که به نظر می رسد از لحاظ کیفیت اطلاعات منفی باشد (جفری،۲۰۱۱). به منظور محاسبه ی Rvo ابتدا بازده ی ماهانه ی هر سهم شرکتi ، برای سال های ۱۳۸۵ الی ۱۳۸۹ از نرم افزار ره آورد نوین جمع آوری شده و در محیط اکسل وارد می گردد. سپس در محیط اکسل انحراف استاندارد (STDEV) بازده ی ماهانه ی هر شرکت طی ۱۲ ماه گذشته بر اساس رابطه (۳-۱۵) محاسبه می گردد.
رابطه(۳-۱۵)

xi : بازده ی ماهانه ی هر سهم شرکت i
x‒: میانگین بازده های ماهانه ی هر سهم شرکت i
اندازه (Size): اندازه ی شرکت در این روند اعمال می شود تا اختلافات موجود در ریسک نقدینگی را در بین سهام های دارای میزان سرمایه سازی مختلف در بازار را کنترل کند (جفری،۲۰۱۱). در این پژوهش از لگاریتم طبیعی ارزش بازار شرکت بر اساس رابطه (۳-۱۶) به عنوان معیار اندازه استفاده شده است.
رابطه(۳-۱۶)
(تعداد سهام هر شرکت قیمت روز هر سهم شرکتLn ( = اندازه
فرصت های رشد ()[۸۰]: برای محاسبه ی فرصت های رشد ابتدا ارزش دفتری هر سهم شرکتi ، همراه داده های مربوط به ارزش بازار هر سهم شرکت i در سال t که از نرم افزار ره آورد نوین جمع آوری شده وارد محیط اکسل می شود. سپس بر اساس رابطه (۳-۱۷) فرصت های رشد محاسبه می گردد:
رابطه(۳-۱۷)
= فرصت های رشد ()
رشد فروش ((GS[81] : شرکت هایی که بیشترین ناپایداری را در فروش خود دارند، ممکن است کمترین پایداری را در اقلام تعهدی داشته باشند. فروش های ناپایدار امکان دارد که محیطی عملیاتی با ناپایداری بالا را نشان دهد که عامل استفاده ی زیاد از برآوردها و تقریب ها در اقلام تعهدی است(نونهال نهر،۱۳۸۹). اندازه گیری تغییرات فروش سال t نسبت به سال ۱-t طبق رابطه (۳-۱۸) محاسبه می گردد.
رابطه(۳-۱۸)
= رشد فروش((GS
: فروش خالص شرکت i در سال t
: فروش خالص شرکت i در سال t-1
طول مدت چرخه ی عملیات (OC)[82] : شرکت های با چرخه ی عملیاتی طولانی تر احتمال زیادی دارد که کم ترین پایداری اقلام تعهدی را داشته باشند. چرخه ی عملیاتی طولانی، نشانگر بیش ترین عدم اطمینان و بیش ترین استفاده از برآوردها و تقریب ها در اقلام تعهدی است (نونهال نهر،۱۳۸۹). برای محاسبه ی طول مدت چرخه ی عملیات ابتدا مبلغ حساب های دریافتنی و موجودی کالا را از نرم افزار ره آورد نوین جمع آوری کرده و سپس OC طبق رابطه (۳-۱۹) محاسبه می گردد.
رابطه(۳-۱۹)

که در آن
: مبلغ فروش شرکت
: متوسط حساب های دریافتنی تجاری
: بهای تمام شده کالای فروش رفته
: متوسط موجودی کالا
تراکم سرمایه (CI)[83]: این متغیر از طریق تقسیم ارزش دفتری اموال، ماشین آلات و تجهیزات به جمع دارایی های شرکت در پایان هر سال طبق رابطه (۳-۲۰) محاسبه می گردد.
رابطه(۳-۲۰)
نسبت نقدی (CR)[84]: شرکت هایی که بیشترین ناپایداری در جریان های نقد را دارند احتمال داشتن کمترین پایداری در اقلام تعهدی در آن ها زیاد است. برای محاسبه ی نسبت نقدی بر مبنای رابطه (۳-۲۱)، مانده ی وجه نقد در پایان هر دوره، بر جمع دارایی های جاری تقسیم می شود.
رابطه(۳-۲۱)
= نسبت نقدی (CR)
عملکرد مالی (: (FPبرای اندازه گیری عملکرد مالی از مقادیر صفر و یک استفاده می گردد که سود خالص پس از کسر مالیات را یک و زیان خالص را با صفر نشان می دهیم.
پس از طی مراحل فوق، متغیرهای مورد نیاز برای برآورد مدل اصلی پژوهش آماده می شود. این متغیر ها به صورت داده های ترکیبی در محیط نرم افزار آماری R وارد مدل پژوهش شده و مدل برآورد می شود. در نهایت آزمون های لازم جهت بررسی فرضیه های پژوهش اجرا می گردد.
۳-۱۳- مزایای استفاده از داده های ترکیبی
در مدل های ترکیبی محقق می تواند انعطاف پذیری بیش تری در تبیین تفاوت های رفتارهای فردی پدیده ها در طول زمان داشته باشد. علاوه بر این، می توان به مزیت هایی درباره این مدل ها به شرح زیر اشاره نمود (اشرف زاده و مهرگان، ۱۳۸۷):
داده های ترکیبی اطلاعات بیشتر، تغییر پذیری بیشتر، هم خطی کمتر، کارایی و درجه آزادی بیش تر فراهم می کند. در حالی که سری های زمانی گرفتار هم خطی هستند، در داده های ترکیبی زیاد بودن تعداد مشاهدات، مسئله هم خطی را تا حد زیادی برطرف می کند. چون داده ها هم در طول زمان و هم در میان افراد تغییر می کنند، احتمال کم تری می رود متغیرها با یکدیگر، هم خطی زیادی داشته باشند. هم چنین، با ترکیب داده های سری زمانی و مقطعی، تعداد داده ها به اندازه ی تعداد مقاطع ضرب در تعداد مشاهدات (N.T) افزایش می یابد که این امر می تواند منجر به برآوردهای کاراتری از پارامترها شود (اشرف زاده و مهرگان، ۱۳۸۷).
به محققان اجازه می دهد مدل های پیشرفته تری را تبیین کرده و آزمون کنند که فرضیه های مقید کننده ی کمتری در برداشته باشد (اشرف زاده و مهرگان، ۱۳۸۷).
از دیگر مزیت های کاربرد داده های ترکیبی، حل مشکل تورش برآوردهای معادلات مقطعی است. استفاده از این روش به دلیل افزایش درجه ی آزادی و بررسی متغیرها در طول زمان، می تواند تورش معادلات را کاهش دهد (زراء نژاد و انواری، ۱۳۸۴).
با این مجموعه داده ها می توان اثراتی را شناسایی و اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی قابل شناسایی نیست. بنابراین، ساختار عمومی تر و پویاتری را در این قبیل داده ها می توان تصریح و برآورد نمود (اشرف زاده و مهرگان، ۱۳۸۷).
۳-۱۳-۱- روش های تخمین در داده های ترکیبی
برآورد روابطی که در آن ها از داده های ترکیبی استفاده می شود، غالبا با پیچیدگی هایی همراه است. در حالت کلی، رابطه (۳-۲۲) نشان دهنده ی یک مدل ترکیبی است:
رابطه (۳-۲۲)
Y it = β۱it + β kit X kit + e it

موضوعات: بدون موضوع  لینک ثابت


فرم در حال بارگذاری ...