۲۰۱۲)،(yang et al

کنترلی

Agency Cost

۳-۸- مدل‌های تحقیق
مدل‌های پژوهش حاضر از مقالات خواجوی و حسینی(۱۳۸۹) و یانگ و همکاران (۲۰۱۲) استخراج شده اند؛ که به صورت زیر بیان می‌گردند :
۲)
۳-۹- روش تجزیه وتحلیل داده‌ها
آزمون‌های انتخاب مدل در پنل دیتا
آزمون چاو (آزمون F)
در مورد داده‌های ترکیبی ابتدا آزمون F(آزمون چاو) به منظور انتخاب شیوه تخمین مدل از بین دو راهکار PoolingوPanel انجام میشود.
در داده‌های ترکیبی اثرات زمانی و مقطعی داده‌ها و همچنین اثرات همزمان آنها آزمون می‌شود. طبق مدل اثرات ثابت–زمانی برای هر یک از سال‌های یک عرض از مبدأ و طبق مدل اثرات ثابت–مقطعی برای هر یک از این شرکت‌ها یک عرض از مبدأ ارائه می‌شود.حال برای این که مشخص شود این عرض از مبدأ‌ها از لحاظ آماری باهم تفاوت معنادار دارند یا خیر، آزمون چاو به کار گرفته می‌شود.
بنابراین فرضیه و به صورت زیر مطرح می‌شود:
تمام عرض از مبدأها با هم برابرند↔Pooled
: عرض از مبدأها با هم تفاوت دارند↔ مدل اثرات ثابت زمانی یا مقطعی یا هر دو
که مقادیر ثابت مدل (عرض از مبدأ) در هریک از حالت‌های فوق به شرح زیر می‌باشد:
Pooled ↔
Panel از نوع اثرات ثابت زمانی ↔
Panel ازنوع اثرات ثابت مقطعی ↔
Panel ازنوع اثرات ثابت زمانی و مقطعی ↔
آزمون‌هاسمن
تاریخ گذشته ی هر شرکت یا مقطع را در مدل پانل در بردارد که برای تفسیر آن دو رویکرد متفاوت وجود دارد. دو روش Fixed Effect وEffectRandom دو رویکرد متفاوت برای برآورد می‌باشد. اگر فرض شود تمام افراد یا مقاطع در پانل، کاملا همگن هستند در این صورت لازم نیست نگران عرض از مبدأ‌های مختلف برای هر فرد یا مقطع بود. در حقیقت، رویکرد پانل دیتا به خوبی می‌تواند ناهماهنگی‌های میان افراد را نشان دهد. این نکته یکی از مزایای مدل داده‌های پانل نسبت به مدل‌های مقطعی یا سری زمانی صرف است.
اگر گفته‌ی ‌هاولمو پذیرفته شود که جامعه از بی نهایت تصمیم درست شده است نه بی نهایت افراد، در این صورت نباید را مشروط و مقید دانست، بهتر است آن را جمله ی تصادفی دانست نه ثابت. رویکرد اثر ثابت را جمله ای ثابت و مخصوص هر فرد یا مقطع در مدل رگرسیونی فرض می‌کند. مدل اثر تصادفی فرض می‌کند یک جمله تصادفی برای هر گروه است، اما در هر دوره‌ی زمانی، از این توزیع تصادفی ‌ها فقط یک رخداد به طور یکسان در هر دوره در مدل رگرسیونی وارد می‌شود. به عبارت دیگر برای کل دوره‌ی زمانی، برای هر فرد فقط یک وجود دارد. برای انتخاب یکی از این دو روش از آزمون‌هاسمن استفاده می‌شود. اگرProb کوچک تر از یک دهم باشد مدل اثر ثابت در سطح ٩۰ درصد به بالا پذیرفته می‌شود اما اگر بزرگ تر از یک دهم باشد در این صورت مدل اثر تصادفی پذیرفته می‌شود.
۳- آزمون White cross-section
اگر ناهمگنی پارامترها میان افراد و مقاطع یا در طول سری زمانی را نادیده گرفته شود می‌تواند به برآوردهای ناسازگار یا بی معنی از پارامترها منجر شود. پارامتر ممکن است برای افراد و مقاطع مختلف متفاوت باشد، اگرچه در طول زمان ثابت بماند. اگر این فرض اتخاذ شود، ممکن است انواع توزیع‌های نمونه گیری رخ دهد. این توزیع‌های نمونه گیری می‌تواند تا حد زیادی رگرسیون حداقل مربعات روی را با استفاده از NT مشاهده گمراه کننده کند. برای رفع مشکل واریانس ناهمسانی یا بهبود برآوردها از آزمونWhitecross-section استفاده شود.
قدرت جذاب پانل دیتا ناشی از توانایی نظری آن در جداسازی اثرات، اقدامات و رفتار خاص فردی یا سیاست‌های عام تر است. این توانایی نظری بر این فرض استوار است که داده‌های اقتصادی از یک آزمایش کنترل شده به دست می‌آید که در آن رخدادها، متغیرهایی تصادفی با توزیع احتمال است. این رخدادها تابعی هموار از متغیرهای مختلف است که شرایط آزمایش را توصیف می‌کند. اگر داده‌های موجود حقیقتاً از آزمایش‌های ساده کنترل شده به دست آید، می‌توان از روش‌های استاندارد آماری استفاده کرد.
آزمون معنی دار بودن مدل مربوط به فرضیه‌ها
آماره F
جهت بررسی معنی‌دار بودن مدل‌های رگرسیون استفاده شده در تحقیق، آزمون تمامی ضرایب آن‌ها که دلالت بر معنی دار بودن روابط بین متغیرهای مستقل و متغیر وابسته است از آماره F استفاده شده است. با مقایسه آماره F که طبق فرمول زیر بدست می آید و F جدول که با درجات آزادی K-1 و n-K در سطح خطای ۵% محاسبه شده، مدل فرضیه مورد بررسی قرار گرفته است.
رابطه(۳-۱)
از آنجایی که در این تحقیق برای آزمون آماری، فرضیه به عنوان فرض جایگزین() در نظر گرفته شده است، زمانی فرضیه تأیید می‌شود که Fمحاسبه شده (طبق محاسبات نرم افزار Eviews) از F جدول بزرگ‌تر باشد.