مستقل
وجود و عدم وجود کمیته های داخلی
متغیر مصنوعی است که در صورتی که هر کمیته های کمیته حسابرسی، کمیته پاداش وجود داشته باشد عدد یک و در غیر این صورت عدد صفر.
5
مستقل
استقلال کمیته های داخلی
متغیری مصنوعی است که وقتی که اعضای مستقل کمیته های حسابرسی و پاداش بیشتر از میانه مربوطه بوده مقدار یک و در غیر این صورت مقدار صفر را می پذیرد
روش تجزیه و تحلیل داده ها
به طور کلی در این تحقیق از دو دسته روش های آماری برای تجزیه و تحلیل داده ها استفاده شده است که عبارتند از:

آمار توصیفی
مجموعه روشهایی است که در گردآوری، منظم کردن، و نشان دادن شکل های توزیع متغییرها به کار می رود. آمار توصیفی شامل محاسبه میانگین، میانه، مد و انحراف معیار داده ها می باشد.
آمار استنباطی
برای استنباط خصوصیت یک جامعه آماری از روی مشاهدات یک یا چند نمونه از آن جامعه بکار می رود. در آمار استنباطی ما از دو روش استفاده می کنیم. در ابتدا از روش همبستگی پیرسون برای اندازه گیری درجه ارتباط بین متغیرهای مختلف در این تحقیق مورد استفاده قرار می گیرد، در مرحله بعد از تحلیل رگرسیون برای تخمین رابطه بین متغیرها مورد استفاده قرار می گیرد.
مسأله آزمون فرضيه در مباحث آماري به اين صورت توصيف مي گردد كه آيا مشاهدات يا يافته اي معين كه مي خواهيم آن را تحليل كنيم به اندازه كافي به مقدار مفروضي كه ما را به پذيرش فرضيه اظهار شده وارد مي كند، نزديك شده است يا خير؟
در علم آمار فرضيه اظهار شده ، فرضيه عدم ناميده مي شود كه با نماد H0 نشان داده مي شود. فرضيه عدم معمولاً در مقابل فرضيه آلترناتيو كه با نماد H1 نشان داده مي شود، آزمون مي گردد. پس به طور كلي نظريه آزمون فرضيه ايجاد قوانين و روش هايي را براي تصميم گيري درباره پذيرش يا عدم پذيرش فرضيه عدم بررسي مي كند. به عبارت ديگر آزمون معني دار بودن، روشي است كه با بهره گرفتن از نتايج نمونه اي درستي يا نادرستي فرضيه عدم را تعيين (تحقيق) مي كند.( ابریشمی ،1377)
تحقیق حاضر برای تجزیه و تحلیل داده ها از تجزیه و تحلیل پانلی استفاده می کند. مهمترین مزیت استفاده از داده های پانل را، کنترل نمودن ویژگیهای ناهمگن و در نظر گرفتن تک تک افراد، شرکتها، ایالات و کشورها بیان می کنند. در حالیکه در مطالعات مقطعی و سری زمانی این ناهمگنی کنترل نمیگردد و با تخمین مدل با بهره گرفتن از این روشها احتمال اریببودن، نتایج میباشد،(رهنمای رودپشتی و ولی پور،2010).
معمولأ استفاده از دادههاي آماري به سه روش مقطعي[21]، سري زماني[22] و ترکيبي[23] امکانپذير است:
1- دادههاي مقطعي: در دادههاي مقطعي، مقادير يک يا چند متغير براي چندين واحد اقتصادي (مشاهدات نمونهاي) براي يک زمان مشخص جمعآوري ميشود.
2- دادههاي سري زماني: در دادههاي سري زماني، مقدار يک يا چند متغير در طول يک دوره زماني مشاهده ميشود.
3- دادههاي ترکيبي: در دادههاي ترکيبي، عناصر هر دو دسته از دادههاي سري زماني و مقطعي وجود دارد. يعني اطلاعات مربوط به دادههاي مقطعي در طول زمان مشاهده ميشود. به بيان ديگر، چنين دادههايي داراي دو بعد ميباشند که يک بعد آن مربوط به واحدهاي مختلف در هر مقطع زماني خاص است و بعد ديگر آن مربوط به زمان ميباشد. يعني روش دادههاي ترکيبي، روشي براي تلفيق مشاهدات مقطعي در خلال چندين دوره زماني است (گجراتي[24]، 1995).
در اين پژوهش با توجه به نوع داده ها و روشهاي تجزيه و تحليل موجود، از روش “دادههاي ترکيبي” استفاده ميشود. منظور از دادههاي ترکيبي، مجموعهاي از دادههاست که متشکل از تعداد زيادي از متغيرهاي مقطعي (N) است که در طول يک دوره زماني مشخص (T) مورد بررسي قرار ميگيرند. در اين صورت تعداد مشاهدات N × T بوده که با بهره گرفتن از مدلهاي مختلفي قابل تخمين است.
با بهره گرفتن از دادههاي ترکيبي، ميتوان به تخمينهاي کارا دست يافت. شکل کلي مدل دادههاي ترکيبي که به اجزاء خطا[25] معروف است، به صورت زير ميباشد(دوقرتي[26]،2004): ش به گونه خلاصه به صورت زير نوشته ميLn Sale, Age, DebtInt.,
در رابطه فوق Y نشاندهنده متغير وابسته، X متغيرهاي توضيحي مشاهده شده و Z نشاندهنده متغيرهاي توضيحي غيرقابل مشاهده اثرگذار بر متغير وابسته براي هر مقطع است که براي توضيح بهتر مدل دادههاي ترکيبي، اين دسته از متغيرها از مقادير اجزاء خطا جدا شده است. نماد i نشاندهنده مقطعها يا واحدهاي مشاهده شده، t نشاندهنده دوره زماني و j و p به ترتيب نشانگر تعداد متغيرهاي مشاهده شده و مشاهده نشده است. نشاندهنده خطاي برآورد دادههاي ترکيبي است که تمامي شرايط مربوط به جملات خطا تحت فروض گوس- مارکف[27] را داراست. جمله روند ( ) نشاندهنده تغييرات جمله ثابت در طول زمان است. اين مدل به “مدل دادههاي ترکيبي دوطرفه[28]” معروف است(دوقرتي، 2004).
از آنجا که متغيرهاي Z قابل اندازهگيري نيستند، ميتوان مجموع همه آنها را به صورت يک متغير نشان داد. در اين صورت، معادله بالا را ميتوان به صورت زير بازنويسي کرد:
که در آن = است. اگر با هر کدام از متغيرهاي توضيحي ديگر X وابسته باشد، برآورد و تحليل از طريق اين معادله، داراي تورش مربوط به متغيرهاي برآورد نشده خواهد بود (دوقرتي، 2004).
اگر متغيرهاي غيرقابل اندازهگيري کنترل شوند، ميتوان با بهره گرفتن از روش “حداقل مربعات معمولي[29]” يا “حداقل مربعات تعميم يافته[30]” به تخمينهاي کارايي دست يافت. يکي از راههاي کنترل به کارگيري “مدل اثر ثابت[31]” است. در مدل اثر ثابت، اثرات مشاهده نشده در جمله ثابت رگرسيون وارد ميشود. در اين مدل با بهره گرفتن از روش متغيرهاي مجازي يا روش تفاضلگيري، اثرات متغيرهاي مشاهده نشدني کنترل ميشود.
بنابراين، در مدلهاي اثر ثابت، براي دستيابي به تخمينهاي کارا از روش حذف متغيرهاي غير قابل مشاهده اثرگذار در مدل استفاده ميشود. به کارگيري اين روش موجب حذف بسياري از متغيرهاي مهم ميشود. از اينرو، ميتوان به جاي در نظر نگرفتن اين متغيرها، آنها را در اجزاء خطا منظور کرد. اين روش، به “مدل اثر تصادفي[32]” معروف است. اولين شرط براي استفاده از مدل اثر تصادفي آن است که متغيرها به صورت تصادفي انتخاب شده باشند. در اين صورت متغيري تصادفي است و مدل بالا را ميتوان به صورت زير بازنويسي کرد:
که در آن است (بالتاگي[33]، 2005).
شرط لازم استفاده از اين مدل، عدم وابستگي متغيرهاي به ساير متغيرهاي توضيحي در مدل است. اگر اين شرط برقرار نباشد، تخمين مدل اثر تصادفي، غيرثابت و با تورش خواهد بود. در اين صورت از مدل اثر ثابت استفاده ميشود.
روش دادههاي تركيبي به دليل مزاياي زير مورد استفاده محققين اعم از محققين حسابداري و مالي قرار گرفته است (هسياو[34]: 2003):
- در اختيار محقق قرار گرفتن نقاط آماري بيشتر و افزايش درجه آزادي.
- كنترل ناهمسانيهاي منفرد[35].
- ايجاد دادههاي قويتر، قابل اتكاتر و با هم خطي كمتر ميان متغيرها و در نتيجه افزايش کارايي.
- تعيين و اندازه گيري آثار متغيرهاي حذف شده.
- بدست آوردن نتايج نا اريب.
- تفکيک جملات خطا به تغييرات سري زماني و مکاني.
موضوعات: بدون موضوع
لینک ثابت