فایل دانشگاهی – نقش کیفیت گزارشگری در کاهش اثر محدودیت سیاست تقسیم سود روی تصمیمات سرمایه …

انحراف معیار فروش (Sdsale _jt-1)
انحراف معیار فروش که بر اساس میانگین دارایی ها ی شرکت j مقیاس بندی شده است.
انحراف معیار سرمایه گذاری (Sdinvestment _jt-1)
انحراف معیارسرمایه گذاری (سرمایه گذاری تحقیق وتوسعه و سرمایه گذاری سرمایه ای ) که بر اساس میانگین دارایی ها ی شرکت j مقیاس بندی شده است.
انحراف معیار جریان نقدعملیاتی(Sdcfo _jt-1)
انحراف معیار جریان نقد حاصل از فعالیت های عملیاتی که بر اساس میانگین دارایی ها ی شرکت j مقیاس بندی شده است.
دارایی های مشهود (Tangibility _jt-1)
این متغیر از طریق نسبت زیر بدست می آید
اهرم مالی (Leverage_jt-1)
نحوه محاسبه متغیر اهرم مالی به شرح زیر می باشد.
جریان نقد عملیاتی (Cfop jt-1)
جریان نقد حاصل از فعالیت های عملیاتی به فروش ابتدای دوره می باشد.
سن شرکت (Age jt-1)
برای بدست آوردن این متغیر کافی است سال ایجاد شرکت j را از سال جاری کسر کنیم
چرخه عملیاتی (Cycle jt-1)
متغیر چرخه عملیاتی از فرمول زیر بدست می آید
وجه نقد (Cash jt-1)
برای بدست آوردن این متغیر کافی است وجه نقد را بر جمع کل دارایی های ابتدای دوره شرکت j تقسیم کنیم
بازده دارایی ها (ROA jt)
این متغیر به شرح زیر محاسبه می گردد.
سود تقسیم شده هر سهم (Dividend per Share jt)
۳-۹ روش های آماری تحلیل اطلاعات و آزمون فرضیههای پژوهش
قبل از اینکه روش آماری این پژوهش را شرح دهیم لازم است مختصری به شرح آمار توصیفی و استنباطی بپردازیم.
۳-۹-۱ آمار توصیفی
آمار توصیفی به تلخیص، توصیف و توضیح ویژگیهای مهم داده‌ها گفته می‌شود. در این قسمت دادههای مختلف به صورت جداول و نمودار نشان داده شده و به دنبال آن شاخصهای مختلف مانند میانگین، میانه، انحراف معیار و غیره در این زمینه اندازه‌گیری می‌شوند.
۳-۹-۲ آمار استنباطی
پس از گردآوری داده‌ها بوسیله نمونه‌گیری از جامعه، باید مفاهیم و نکات کلی درباره آن جامعه را از طریق اطلاعات موجود در نمونه استخراج نمود. این موضوعات در گستره آمار استنباطی است که شامل فنون تخمین آماری و آزمون فرضیهها می‌شود.
در این مطالعه به علت نوع داده‏های مورد مطالعه، روش دادههای ترکیبی استفاده می‏شود. داده‏های ترکیبی، محیط بسیار مناسبی برای گسترش روش های تخمین و نتایج نظری فراهم می سازند و پژوهش گران قادر به استفاده از داده‏های مقطعی^[۱۲۸] و سری زمانی^[۱۲۹] برای بررسی مسایلی می شوند که امکان مطالعه آنها در محیط‏های فقط مقطعی یا فقط سری زمانی وجود ندارد. روش داده‏های ترکیبی، روشی برای تلفیق داده‏های مقطعی و سری زمانی است(بالتاجی^[۱۳۰]، ۲۰۰۵)
برآورد روابطی که در آن ها از دادههای ترکیبی (سری زمانی، مقطعی ) استفاده میشود، غالباً با پیچیدگیهایی مواجه است. در حالت کلی، مدل زیر نشان دهنده یک مدل با داده‏های ترکیبی است:
 
که در آن i=1,2,…n نشان دهنده واحدهای مقطعی (مثلا بنگاه‏ها) وt =1,2,…T بر زمان اشاره دارد. Y_it متغیر وابسته را برای iامین واحد مقطعی در سال t وx_kit نیز k امین متغیر مستقل غیر تصادفی برای واحد i در سال t است.
فرض می‏شود جمله اخلال  دارای میانگین صفر،  و واریانس ثابت  است.  پارامترهای مدل مجهول است که واکنش متغیر وابسته نسبت به تغییرات k امین متغیر مستقل در i امین مقطع و در زمان t را اندازهگیری می‏کند. در حالت کلی فرض میشود که این ضرایب در میان تمامی واحدهای مقطعی و زمانی مختلف متفاوت است. ولی در بسیاری از مطالعات پژوهشی متغیر بودن این ضرایب هم برای تمامی مقاطع و هم برای تمامی زمان‏ها بسیار محدودکننده است و باید نسبت به ماهیت موضوع مورد مطالعه و سایر شرایط، پژوهش گر خود فرض‏های مقتضی را در خصوص پارامترها تعیین کند (اسکندری سبزی، ۱۳۸۶).
این مدل را می‏توان به پنج حالت زیر تقسیم کرد:
الف- تمامی ضرایب ثابت هستند و فرض میشود که جمله اختلال قادر است تمام تفاوتهای میان واحدهای مقطعی و زمان را دریافت کند و توضیح دهد.
ب- ضرایب مربوط به متغیرها (شیب‏ها) ثابت هستند و تنها عرض از مبدأ برای واحدهای مختلف مقطعی متفاوت است.
ج- ضرایب مربوط به متغیرها (شیب‏ها) ثابت هستند ولی عرض از مبدأ مابین مقاطع و بین دورهها متفاوت است.
د- همه ضرایب برای تمام واحدهای مقطعی متفاوت است.
ه- تمام ضرایب هم نسبت به زمان و هم نسبت به واحدهای مقطعی متفاوت است.
در خصوص روش‏های تخمین مدل‏های مذکور می‏توان گفت که در حالت‏های ب، ج و د بسته به این که کدامیک از ضرایب ثابت یا متغیر باشند، به مدل‏های اثرات ثابت^[۱۳۱] یا اثرات تصادفی^[۱۳۲] تقسیم میشوند.
۳-۹-۳ مزیت استفاده از داده‌های ترکیبی نسبت به سری زمانی و مقطعی
الف- داده‌های ترکیبی اطلاعات بیشتر، تنوع یا تغییرپذیری بیشتر، همخطی کمتر بین متغیرها، درجات آزادی و کارایی بیشتر را فراهم می‏کند. در حالیکه سری زمانی گرفتار همخطی می‌باشند. در داده‌‌های ترکیبی با توجه به اینکه ترکیبی از سری زمانی و مقطعی می‌باشد، بعد مقطعی موجب اضافه شدن تغییرپذیری یا تنوع بسیار زیادی می‌شود که با در دست داشتن این اطلاعات می‌توان برآوردهای معتبرتری انجام داد. مزیت عمده در داده‌‌های ترکیبی استفاده از داده‌های گروهی است یعنی داده‌های مرکب از یک سری زمانی از نمونه‌های مقطعی بالقوه که از نظر اطلاعات، غنی‌تر از نمونه مقطعی (N) خواهد بود و اگر صرفاً از سری زمانی استفاده شود تنها به اندازه مشاهدات (T) خواهد بود، اما با ترکیب این دو، تعداد داده‌ها به اندازه تعداد مقاطع ضربدر تعداد مشاهدات (N.T) افزایش خواهد یافت که این امر می‌تواند منجر به برآوردهای کاراتری از پارامترها شود (اسکندری سبزی، ۱۳۸۶).