نقش کیفیت گزارشگری در کاهش اثر محدودیت سیاست تقسیم سود روی تصمیمات سرمایه گذاری۹۳- قسمت …

مقدار F در مدل تلفیقی می‌تواند بزرگتر از مدل سری زمانی باشد و لذا احتمال معنی‌دار بودن کل رگرسیون یعنی وجود متغیرهای توضیحی در مدل تلفیقی بیشتر خواهد بود.
ب-داده‌های ترکیبی امکان طراحی الگوهای رفتاری پیچیده‌تری نسبت به داده‌های مقطعی و سری زمانی فراهم می‌کند. برای مثال بوسیله دادههای ترکیبی امکان بهتری برای بررسی و مدل‌سازی کارایی تکنیکی وجود دارد.
ج- داده‌های ترکیبی امکان بیشتری برای شناسایی و اندازه‌گیری اثراتی را فراهم می‌کند که بوسیله فقط آمارهای مقطعی و یا سری زمانی به سادگی قابل شناسایی نیست.
د- داده‌های ترکیبی از واحدهای کوچکی مثل افراد، شرکت‏ها و خانوارها گردآوری می‌شوند. خیلی از متغیرها را می‌توان در مقیاس کوچک با دقت بیشتری اندازه‌گیری نمود و انحراف‌های ناشی از تجمع افراد یا شرکت‏ها حذف می‌شوند.
امتیاز دیگری که برای ترکیب کردن داده‌ها می‌توان در نظر گرفت این است که استفاده از مشاهدات مقطعی ممکن است منجر به برآوردهای اریبی از پارامترها شود. چنانچه از این برش‏های مقطعی طی زمان نمونه‌گیری شود و به اصطلاح داده‌های گروهی فراهم شود برآوردهای نااریب و سازگاری امکانپذیر است (بالتاجی و لوین[۱۳۳]، ۱۹۹۲).
۳-۹-۴ داده‏های ترکیبی
در بسیاری از مطالعات اخیر از مجموعه داده‏های ترکیبی جهت تحلیل‏ها استفاده گردیده است. بدین ترتیب که چند بنگاه، خانوار، کشور و … را در طول زمان مورد بررسی و تجزیه و تحلیل قرار داده‏اند. در تجزیه و تحلیل داده‏های ترکیبی یک محیط بسیار غنی از اطلاعات برای گسترش تکنیک‏های تخمین و نتایج قابل تحلیل فراهم می‏گردد. در بسیاری موارد، پژوهشگران می‏توانند از داده‏های ترکیبی برای مواردی که نمی‏توان به صورت فقط سری زمانی یا فقط به صورت مقطعی بررسی کرد، بهره بگیرند.
بطور کلی از داده‏های ترکیبی، می‏توان برای برآورد معادلاتی به شکل زیر استفاده نمود :

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.

i=1,2,…,N
t=1,2,…T
N : تعداد مقطع‏های موجود در داده‏های ترکیبی
T : دورهای زمانی
بدین منظور ۲ روش وجود دارد:
الف- در روش اول فرض می‏شود که بین مقطع‏ها هیچ تفاوتی وجود ندارد و لذا همه مقطع‏ها را با هم تخمین می‏زند که این روش به روش تلفیقی[۱۳۴] معروف است.
ب- در روش دوم فرض می‏شود که بین مقطع‏ها اختلاف معنی‏داری وجود دارد که این اختلاف‏های معنی‏دار می‏توانند بر شیب و یا عرض از مبدا تاثیر بگذارند که به این روش داده‏های تابلویی[۱۳۵] گویند.
به منظور اینکه مشخص شود که کدام روش جهت برآورد مناسب است، فرضیه‏ای آزمون می‏شود که در آن فرض می‏شود که کلیه عبارات ثابت برآورد شده با یکدیگر برابر هستند. بدین ترتیب می‏توان مشخص کرد که آیا روش داده‏های تابلویی جهت برآورد مورد نظر کارآمدتر است یا تلفیقی.
برای آزمون فرض مورد نظر، آماره‏ای است که دارای توزیع F با درجه آزادی (N-1,NT-N-K) می‏باشد (اسکندری سبزی، ۱۳۸۶).
۳-۹-۵ آزمون معنیدار بودن اثرات فردی F چاو[۱۳۶]
برای انتخاب بین روشهای دادههای تابلویی و داده‏های تلفیقی، از آماره F چاو استفاده می‏شود. این آزمون مقایسه بین مجموع مربعات جملات خطا (RSS)[137] در روش دادههای تابلویی و دادههای تلفیقی میباشد. از آنجا که در روش دادههای تلفیقی، پارامترهای محدود کننده بیشتری (ازقبیل آنکه ضرائب عرض از مبدأ α در طول زمان و در بین دادههای مقطعی، ثابت در نظر گرفته میشوند) وجود دارد، لذا انتظار بر این است که روش داده‏های تلفیقی نسبت به دادههای تابلویی، RSS بیشتری داشته باشد. بنابراین اگر RSS مدل حداقل مربعات معمولی (OLS)[138] ، با اضافه شدن محدودیتها به طور معنیداری افزایش پیدا نکند، بهتر است که این روش استفاده گردد. در غیر این صورت، روش دادههای تابلویی مناسب تر می باشد.
با استفاده از مجموع مربعات باقیمانده مقید ([۱۳۹]RRSS) حاصل از تخمین مدل ترکیبی به دست آمده از OLS و مجموع مربعات باقیمانده غیر مقید (URSS[140]) حاصل از تخمین رگرسیون درون گروهی، می‏توان آماره آزمون مناسب در این زمینه را به صورت زیر نوشت:

که در آن:
RRSS : مجموع مجذورات پسماندهای مقید؛
URSS : مجموع مجذورات پسماندهای غیرمقید؛
K: تعداد متغیرهای توضیحی و
N : تعداد مقطع ها