دانلود کامل پایان نامه در سایت pifo.ir موجود است.

 

 

1. نرمال بودن داده های تحقیق(آزمون جارگو-برا)

 

 

جهت بررسي اين نکته که آيا متغيرهايي كه مورد بررسي و محاسبه قرار مي گيرند، از قابليت اتكاء مناسبي برخوردارند، آزمون نرمال بودن انحرافات صورت می گیرد که با استفاده از آزمون كلموگروف – اسيمرنوف به بررسي نرمال بودن داده هاي آزمون پرداخته می شود. با توجه به اينكه در جامعه هاي با توزيع نرمال، روشهاي پارامتريك و در جامعه هاي با توزيع غير نرمال، روشهاي ناپارامتريك به كار گرفته مي شود، لذا در ابتدا نرمال يا غير نرمال بودن داده ها مشخص مي شود و سپس فرضيه هاي تحقيق مورد بررسي قرار مي گيرند. به منظوربررسي نرمال بودن از آزمون جارگو-برا استفاده مي شود.
آزمون جارگو-برا آزموني براي پيدا كردن نوع توزيع هاي آزمون است. آماره آزمون فوق از مقايسه قدرمطلق بيشترين تفاوتها بين مقادير مشاهده شده واقعي از مقادير مورد انتظار بدست مي آيد. نيكويي برازش اين آزمون نشان مي دهد كه آيا داده هاي آزمون از توزيع خاصي (در اينجا توزيع نرمال) پيروي مي كنند يا خير. با توجه به اينكه در جامعه هاي با توزيع نرمال، روشهاي پارامتريك و در جامعه هاي با توزيع غير نرمال، روشهاي ناپارامتريك به كار گرفته مي شود، لذا در ابتدا نرمال يا غير نرمال بودن داده ها مشخص مي شود و سپس فرضيه هاي تحقيق مورد بررسي قرار مي گيرند.

 

 

 

1. عدم وجود هم خطی بین متغیرهای مستقل(ماتریس همبستگی)

 

 

بین متغیرهای مستقل موجود در الگوی رگرسیون همبستگی وجود نداشته باشد (دارای هم‌خطی[85] نباشند). زیرا در صورتی که شدت رابطه بین متغیرهای مستقل بسیار زیاد باشد، اندازه گيري جداگانه اثرات هر یک از متغیرها بر روی متغیر وابسته دشوار است. در تحقیق حاضر، این فرض از طریق ماتریس همبستگی بررسی می شود. چنانچه، ضریب همبستگی بین دو متغیر مستقل، کمتر از 5/0 باشد؛ بین آنها هم خطی شدید وجود ندارد.
عدم وجود خود‌همبستگی[86] یا همبستگی پیاپی بین خطاها(آزمون دوربین – واتسون)
یکی از مفروضاتی که در رگرسیون مد نظر قرار می گیرد، استقلال خطا (تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون) از یکدیگر است. در صورتیکه فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند امکان استفاده از رگرسیون وجود ندارد (مومنی، منصور، 1386).
به منظور بررسی استقلال خطاها از یکدیگر از آزمون دوربین –واتسون استفاده می شود که آماره آن به کمک فرمول زیر محاسبه می شود.
et = میزاناختلال یا خطا در دوره زمانی t et-1= میزان اختلال یا خطا در دوره زمانی قبل t
اگر همبستگی بین خطاها را با ρ نشان دهیم در این صورت آماره DW به کمک رابطه زیر محاسبه می شود.
مقدار آماره این آزمون در دامنه 0 و +4 قرار دارد زیرا : اگر =0ρ آنگاه DW=2 خواهد بود که نشان می دهد خطاها از یکدیگر مستقل هستند (عدم خود همبستگی).
اگر =1ρ آنگاه DW=0 خواهد بود که نشان می دهد خطاها دارای خود همبستگی مثبت هستند. اگر =-1ρ آنگاه DW=4 خواهد بود که نشان می دهد خطاها دارای خود همبستگی منفی هستند.
و نحوه داوری بدین شکل است که اگر این آماره در بازه 5/1 تا 5/2 قرار گیرد H0 آزمون (عدم همبستگی بین خطاها) پذیرفته می شود و در غیر این صورت H0 رد می شود (همبستگی بین خطاها وجود دارد) و مواقعی که فرض همبستگی بین خطاها رد می شود می توان از رگرسیون استفاده کرد

 

 

 

1. صفر بودن میانگین باقیمانده ها

 

 

ميانگين جمله خطاها مساوي صفر است. : معني اين فرض آن است كه عوامل تشكيل‌دهنده خطاها، اثرات مثبت و منفي خود را طوري بر جاي مي‌گذارند كه متوسط مقادير جمله خطاها برابر صفر شود.
3-13 بررسي ساختار دادههاي تركيبي و انواع مدلهاي آن
در این تحقیق، با توجه به نوع دادهها و روشهای تجزیه و تحلیل آماری موجود، از روش دادههای ترکیبی ومقطعی برای برآورد پارامترهای الگو و بررسی آزمون فرضیه ها استفاده شده است. روش دادههای ترکیبی که به روش دادههای مقطعی – سری زمانی[87] نیز معروف است، به شکلهای مختلف انجام شده و مدلهای متنوعی دارد که با توجه به شرایط تحقیق از یکی از آنها استفاده میشود.
استفاده از روش دادههای مقطعی ممکن است با مشکلات عدم کارایی و ناسازگاری تخمین مدلها همراه باشد. مشکلات مزبور در تخمین مدلها به روش دادههای ترکیبی و با استفاده از روش هایی مانند مدل اثر ثابت[88]، مدل اثر تصادفی[89]، مدل رگرسیون به ظاهر نامرتبط[90] و مدل دادههای یکپارچه شده[91]، وجود نخواهد داشت. در بررسی دادههای مقطعی و سری زمانی، اگر ضریب اثرات مقطعی و اثر زمانی معنیدار نشود، میتوان تمامی دادهها را با یکدیگر ترکیب کرده و بوسیله رگرسیون حداقل مربعات معمولی[92] تخمین زد. به این روش، دادههای تلفیق شده نیز میگویند. مدلهای اثر ثابت و اثر تصادفی به سبب اهمیت، در این قسمت به اختصار توضیح داده میشوند:
3-13-1 مدل اثر ثابت
در مدل اثر ثابت، شیب رگرسیون در هر مقطع ثابت است و جملهی ثابت از مقطعی به مقطع دیگر متفاوت است. هر چند اثر زمانی معنیدار نیست، اما اختلاف معنیداری میان مقطعها وجود دارد و ضرایب مقطعها با زمان تغییر نمیکند. یکی از روشهای نشان دادن اثر مقطعی استفاده از متغیرهای مجازی است. شکل کلی این مدل به صورت زیر است:
 
در این رابطه،  نشان دهنده ی برداری از متغیر های مستقل،  متغیر مجازی برای نشان دادن اثر مقطعی،  برداری از متغیرهای وابسته و  جملات خطای معادله است. در مدلهای اثر ثابت که شیب ثابت دارند، فرض میشود که واریانس خطاها در مقطع و همچنین، بین مقاطع همسان است و خود همبستگی بین اجزای خطای آن وجود نداشته باشد. به بیان دیگر، برای هر  و  رابطهی زیر برقرار است (اشرفزاده و مهرگان، 1387؛ زراءنژاد و انواری، 1384).
 
3-13-2 مدل اثر تصادفی