پژوهش – 
تاثیر سود هر سهم، Q توبین و اهرم مالی بر قیمت سهام شرکت  …

پژوهش – تاثیر سود هر سهم، Q توبین و اهرم مالی بر قیمت سهام شرکت …

برای دانلود متن کامل پایان نامه به سایت zusa.ir مراجعه نمایید.
دانلود کامل پایان نامه در سایت pifo.ir موجود است.

۳-۱۳-۱- مزایای استفاده از داده های تلفیقی
از آنجا که استفاده از داده های ترکیبی به افراد، بنگاه ها، شرکت ها و کشورها و از این قبیل واحدها، در طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود می شود.
با ترکیب مشاهدات سری زمانی و مقطعی، داده های ترکیبی اطلاعات بیشتر، تغییر پذیری بیشتر، هم خطی کمتر میان متغیرها، درجه آزادی بیشتر و کارایی بیشتری را ارائه می کنند.
در مطالعه مشاهدات مقطعی تکراری، داده های ترکیبی به منظور مطالعه پویایی تغییرات، مناسب تر و بهترند.
داده های ترکیبی، تاثیراتی را که نمی توان به سادگی در داده های سری زمانی و مقطعی مشاهده کرد بهتر معین می کنند.
داده های ترکیبی با ارائه داده برای هزاران واحد، می توانند تورشی را که ممکن است در نتیجه لحاظ افراد یا بنگاه های اقتصادی (به صورت جمعی و کلی) حاصل شود به حداقل برسانند. به طور کلی باید گفت، داده های ترکیبی، تحلیل های تجربی را به شکلی غنی می سازد که در صورت استفاده از داده های زمانی یا مقطعی این امکان وجود ندارد. البته نمی توان گفت که مدل سازی با داده های ترکیبی هیچ مشکلی ندارد (افلاطونی و نیکبخت، ۱۳۸۹).
۳-۱۴- انواع مدل داده های تلفیقی
مدل های مربوط به داده های تلفیقی از انواع مختلف مدل ها تشکیل شده است. در یک طبقه بندی کلی می توان مدل های مذبور را بشرح زیر طبقه بندی نمود:
الف) داده های تلفیقی ایستا[۲۴]
ب) داده های تلفیقی پویا[۲۵]
۳-۱۴-۱- مدل داده های تلفیقی ایستا
مدل داده های تلفیقی ایستا خود شامل سه مدل بشرح زیر است:
الف) مدل ضرایب ثابت (CCM)[26]
ب) مدل اثرات ثابت (FEM)[27]
ج) مدل اثرات تصادفی (REM)[28]
مدل ضرایب ثابت: در صورتی که هیچکدام از اثرات مقطعی و یا اثرات زمانی تفاوت معناداری از هم نداشته باشند، در آن صورت می توان تمامی داده ها را با هم ترکیب نموده و به وسیله رگرسیون حداقل مربعات معمولی (OLS) تخمین زد. مدل مزبور مدل رگرسیون ترکیبی[۲۹] نیز نامیده می شود. شکل کلی مدل با فرض وجود سه متغیر مقطعی (سه شرکت)، ده دوره زمانی (۲۰۰۰-۱۹۹۱) و دو متغیر مستقل بشرح زیر خواهد بود:
(۳-۲)
 
در رابطه فوق y نشان دهنده متغیر وابسته، i نشان دهنده i امین واحد مقطعی، t نشان دهنده ی t امین دوره زمانی،  نشان دهنده برداری از متغیر های مستقل و  جمله خطا می باشد. اگر هر واحد مقطعی دارای تعداد یکسانی از مشاهدات سری زمانی باشد در آن صورت داده های ترکیبی، متوازن نامیده شده و در غیر اینصورت نامتوازن تلقی خواهد شد.
مدل اثرات ثابت: در این مدل، ضرایب شیب بین واحدهای مقطعی (شرکت ها) ثابت بوده ولیکن عرض از مبدا برای هریک از شرکت ها متفاوت می باشد. در این مدل با وجود آنکه عرض از مبدا برای هر یک از شرکت ها متفاوت می باشد ولیکن در طول زمان ثابت بوده و تغییر نمی کند و به همین دلیل نیز به مدل اثرات ثابت معروف شده است. با در نظر گرفتن مفروضات قبلی، شکل کلی مدل مذبور به شرح زیر خواهد بود:
(۳-۳)
 
اندیس i در جمله فوق نشان دهنده ی این مطلب است که عرض از مبدا برای هر یک از واحدهای مقطعی (شرکت ها) متفاوت بوده ولی در طول زمان ثابت است.
مدل اثرات تصادفی: در صورتیکه متغیرها به صورت تصادفی انتخاب شده باشند و بین متغیرها توضیحی و خطاها همبستگی وجود نداشته باشد، می توان برای رسیدن به تخمین کارا و سازگار از روش اثر تصادفی استفاده نمود. طرفداران روش اثرات تصادفی چنین استدلال می کنند که آوردن متغیرهای مجازی در مدل رگرسیون، پوششی برای بی توجهی و ناآگاهی ما از وجود متغیرهای توضیحی مناسب و بکار گرفتن آن در مدل تخمین می باشد. لذا در مدل اثرات غفلت از کاربرد متغیرهای مزبور بواسطه جمله خطا بیان می شود. ایده اولیه مدل اثرات تصادفی مبتنی بر رابطه ۳-۴ می باشد. در این مدل به جای آنکه فرض شود  ثابت است، فرض می شود متغیری تصادفی با میانگین  (بدون اندیس i) می باشد. بر این اساس مقدار عرض از مبدا به صورت زیر بیان می شود:
(۳-۴)
 
جمله خطای تصادفی با میانگین صفر و واریانس  می باشد. در مدل اثرات احتمالی فرض بر آن است که همبستگی  با متغیرهای توضیحی صفر می باشد:
(۳-۵)
با جایگزینی رابطه (۳-۴ ) در رابطه (۳-۳) خواهیم داشت:
(۳-۶)
 
در رابطه فوق، مقدار  نشان دهنده خطای هر مشاهده بوده و  به عنوان یک متغیر غیر قابل مشاهده نشان دهنده خطای (تصادفی) مقطعی معین می باشد. اگر  نشان دهنده مقاطع یا افراد باشد، در این صورت در برخی موارد به آن اثر انفرادی[۳۰] و یا ناهمگونی فردی[۳۱] نیز اطلاق می شود. به صورت مشابه همین واژه ها را در مورد شرکت ها نیز می توان بکار برد. بدین ترتیب  خطای کل با شرط  برای تمام  ها و  ها است که آن را می توان به عنوان جمله خطای ترکیبی  تعریف نمود. بدین ترتیب رابطه (۳-۶) را می توان بشکل زیر خلاصه نمود:
(۳-۷)
 
بنابراین در مدل اثرات تصادفی (بر خلاف مدل اثر ثابت که در آن هر واحد مقطعی مقدار عرض از مبدا ثابت خود را دارد)، عرض از مبدا  ، میانگین تمام عرض از مبداهای مقطعی را نشان می دهد و جز خطای  ، انحراف (تصادفی) عرض از مبدا انفرادی را از میانگین مشخص می نماید (مشکی، ۱۳۹۰).
۳-۱۵- مدل داده های تلفیقی پویا
در صورتی مدل رگرسیون مورد تحلیل در برگیرنده یک یا چند عنصر با وقفه از متغیر وابسته به عنوان متغیر توضیحی باشد، در آن صورت مدل را مدل خودرگرسیونی یا مدل دینامیک (پویا) می نامند. این مدل ها در واقع بیانگر رگرسیون متغیر وابسته بر حسب خودش با وقفه زمانی معین می باشد. مدل های خود رگرسیونی از شکل مشترک زیر برخوردارند:
(۳-۸)
 
روش کلاسیک حداقل مربعات به طور مستقیم در مدل فوق قابل کاربرد نمی باشد. این موضوع ناشی از دو علت است: اول به لحاظ وجود متغیر توضیحی استوکاستیک و دوم به لحاظ امکان وجود همبستگی سریالی در اجزاء اخلال. به عبارت دیگر در صورتی که متغیر توضیحی در مدل رگرسیون با جز اخلال استوکاستیک همبسته باشد، در این صورت تخمین زنهای OLS تورش دار خواهند بود. یکی از راه حل های موجود برای حل مشکل استفاده از متغیرهای ابزاری است. به این معنی که بتوان برای متغیر  جانشینی پیدا نمود که علی رغم همبستگی شدید با متغیر مزبور،  همبسته نباشد. چنین جانشینی متغیر ابزاری نامیده می شود.
۳-۱۶- تکنیک های تخمین سیستم معاملات
سیستم معاملات مشتمل بر مجموعه ای از معاملات با ضرایب نامعلوم می باشد که با استفاده از روش های متعددی می توان اقدام به برآورد ضرایب آن نمود. برخی از روش های تخمین برای برآورد ضرایب متغیرهای مستقل را می توان بشرح زیر خلاصه نمود:

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *