بهمن ۵, ۱۳۹۹

مقاله – بررسی عوامل موثر بر تجهیز و تخصیص منابع بانکی بانک پارسیان۹۳- قسمت ۱۴

در یک تحقیق علمی تنها در صورتی می توانیم از رگرسیون خطی استفاده کنیم که شرایط زیر محقق باشد:
۱) خطی بودن رابطه بین متغیر وابسته با متغیر مستقل
۲) متغیر وابسته دارای توزیع نرمال باشد.
۳) بین متغیرهای مستقل همبستگی وجود نداشته باشد.
۴) میانگین (امید ریاضی) خطاها صفر باشد.
۵) واریانس خطاها ثابت باشد.
مفروضات ۴ و ۵ در واقع بدین معناست که توزیع خطا دارای توزیع نرمال باشد.
۶) بین خطاهای مدل همبستگی وجود نداشته باشد.
در ادامه آزمونهایی که مفروضات فوق را در مدل تحقیق مورد ارزیابی قرار داده اند را مطرح
می کنیم.
۳-۱۲-۱ آزمون خطی بودن رابطه بین متغیر وابسته و متغیرهای مستقل مدل
اولین شرط استفاده از مدل رگرسیون خطی ساده، خطی بودن رابطه بین متغیر یا متغیرهای مستقل با متغیر وابسته تحقیق می باشد. بدیهی است که در صورت عدم برقراری این شرط نمی توان از مدل رگرسیون خطی استفاده کرد. برای ارزیابی مدل تحقیق از لحاظ رابطه خطی و غیر خطی می توان نمودار پراکنش هر یک از متغیرهای مستقل تحقیق را با متغیر وابسته رسم کرد و در مورد نوع رابطه آنها قضاوت نمود، همچنین در روشی دقیق تر که فارغ از قضاوت شخصی باشد، می توان آزمون فیشر را برروی هر یک از متغیرهای مستقل با متغیر وابسته تحقیق اجرا نمود. در تحقیق حاضر برای ارزیابی این موضوع از آزمون F استفاده شده است. در این آزمون فرضیه H0 بیانگر خطی بودن روابط موجود در مدل رگرسیون و فرضیه H1 بیانگر عدم وجود رابطه خطی میان متغیرهای مستقل با متغیر وابسته تحقیق می باشد.
۳-۱۲-۲ آزمون نرمال بودن متغیر وابسته
دومین مفروض مدل رگرسیون خطی این است که متغیر وابسته تحقیق دارای توزیع نرمال باشد. برای بررسی نرمال بودن آزمون های آماری متعددی وجود دارد که از معروفترین آنها آزمون کولموگروف-اسمیرنف، رسم نمودار هیستوگرام و مقایسه آن با نمودار هیستوگرام توزیع نرمال، آزمون P-P و آزمون Q-Q می باشند. البته شایان ذکر است که این آزمونها تنها برای بررسی نرمال بودن بکار نمی رود، بلکه در نتایج این آزمونها، جداولی به تفکیک برای بررسی سایر توزیع های مانند پواسن، یکنواخت، نمایی بودن و غیره علاوه بر نرمال بودن نمایش داده خواهد شد.
با توجه به اعتبار بیشتر آزمون کولموگروف-اسمیرنف، در تحقیق حاضر برای ارزیابی نرمال بودن خطاهای مدل رگرسیون تحقیق از این مدل استفاده می شود. در این آزمون فرض H0 بیانگر فرض نرمال بودن متغیر وابسته و فرض H1 بیانگر فرض نرمال نبودن متغیر وابسته می باشد. مهمترین نتیجه حاصل از آزمون کولموگروف-اسمیرنف در هر یک از جداول آن، آماره Z و سطح معناداری آن می باشد.
۳-۱۲-۳ آزمون هم خطی متغیرهای مستقل (خود همبستگی متغیرهای مستقل)
یکی دیگر از شرایط تایید اعتبار مدل یک تحقیق علمی، عدم وجود همبستگی (یا اصطلاحاً هم خطی) میان متغیرهای مستقل تحقیق می باشد. هم خطی وضعیتی است که نشان می دهد یک متغیر مستقل تابعی خطی از سایر متغیرهای مستقل است. در این حالت گفته می شود مدل تحقیق، دارای متغیرهای مستقل معناداری نمی باشد. در صورتی که در مدل تحقیق، بین متغیرهای مستقل به شدت همبستگی وجود داشته باشد، ممکن است اثرات مخربی روی تجزیه و تحلیل رگرسیون داشته باشد. برخی از رایج ترین این اثرات که در نتیجه خود همبستگی میان متغیرهای مستقل تحقیق ناشی می شود به شرح زیر می باشد:
۱) علامتهای ناصحیح در ضرایب
۲) تغییر قابل ملاحظه در مقادیر ضرایب قبلی در صورت اضافه شدن متغیر جدید به مسئله
۳) متغیری که قبلاً در مدل رگرسیونی معنی دار بوده، در صورت اضافه تر شدن متغیر جدید غیر معنی دار می شود.
۴) تخمین انحراف معیار خطای مدل با اضافه شدن متغیر جدید افزایش می یابد.
۵) نتیجه گمراه کننده در آزمونهای معناداری
از معتبرترین روشهای اندازگیری خود همبستگی متغیرهای مستقل تحقیق، آزمون عامل افزایش واریانس[۸] می باشد که به صورت زیر تعریف می شود.
در نتیجه این آزمون سه حالت برای آماره حاصل می شود:
الف ) در صورتی که مقدار آماره به دست آمده ۱ باشد نشان دهنده عدم همبستگی متغیر مستقل مورد نظر با سایر متغیرهای مستقل باقیمانده در مدل می باشد.
هر چه مقدار آماره حاصل شده بزرگتر باشد، نشان دهنده همبستگی بیشتر متغیر مستقل مربوطه با سایر متغیرهای مستقل باقیمانده در مدل می باشد.
ب ) اگر مقدار آماره به دست آمده کوچکتر از ۵ باشد، همبستگی مربوط به متغیر مستقل مربوطه با سایر متغیرهای تحقیق معنی دار نمی باشد.
ج ) اگر آماره بدست آمده بزرگتر از ۵ باشد، اشاره به همبستگی شدید بین متغیر مستقل مربوطه با سایر متغیرهای تحقیق بوده، که باید برای رفع این مشکل چاره اندیشید.
۳-۱۲-۳-۱ رفع مشکل هم خطی بین متغیرهای مستقل
در صورت وجود هم خطی می توان راه های زیر را برای رفع آن برگزیند:
۱) حذف کردن متغیرهای مربوطه از مدل که همبستگی بالایی با سایر متغیرها دارند.
۲) وارد کردن متغیرهای مجازی
۳) استفاده از تحلیل عاملی برای متغیرهای مستقل و خلاصه کردن متغیرهای مستقل در چند عامل کلی تر.
۴) استفاده از تابع اولین تفاضل
۵) استفاده از تابع لگاریتم
۳-۱۲-۴ آزمون نرمال بودن توزیع خطاها (نرمال بودن مانده ها)
یکی از مفروضات مدل رگرسیون این است که خطاها دارای توزیع نرمال با میانگین صفر می باشند. بدین منظور مقادیر استاندارد خطا

برای دانلود متن کامل این فایل به سایت torsa.ir مراجعه نمایید.

ها محاسبه شود و نمودار توزیع داده ها و نمودار نرمال آنها رسم شود و سپس مقایسه بین دو نمودار صورت گیرد.
۳-۱۲-۴-۱ واریانس ناهمسانی
مسئله حادی که ممکن است در تجزیه و تحلیل رگرسیون با آن روبرو شویم، واریانس ناهمسانی است. این اشکال موقعی بروز می کند که فرض واریانس جمله خطا که برای همه مقادیر متغیرهای مستقل ثابت است از بین برود. اغلب این اشکال موقعی بروز می کند که اطلاعات مقطعی مورد استفاده قرار می گیرد (به عنوان مثال اطلاعات در مورد یک نمونه شرکت برای یک سال معین یا دوره زمانی خاص دیگر) که اندازه خطا ممکن است با اندازه متغیر مستقل کاهش و افزایش یابد. برای مثال خطای مربوط به شرکتهای دارای درآمد پایین تر کمتر از خطای مربوط به شرکتهایی دارای درآمد بالاتر می باشد.
اختلال واریانس ناهمسانی سبب انحراف معیار تورش دار می شود و بنابراین سبب اشتباه شدن آزمون های آماری و فاصله اطمینان برای تخمین پارامتر مورد نظر می گردد. در مواردی که نمودار پراکنش خطا، یا عناصر جز باقیمانده، حکایت از وجود واریانس ناهمسانی کند، ممکن است پژوهشگر با استفاده از Log متغیر مستقلی که منجر به اختلال واریانس ناهمسانی شده و یا با اجرای رگرسیون حداقل مربعات وزنی، درصدد حل اشکال برآید.
۳-۱۲-۴-۲ آزمون دوربین- واتسون[۹]
انجام رگرسیون مستلزم مفروضاتی است که تا این مفروضات برقرار نباشد، اعتبار رگرسیون خدشه دار خواهد بود. یکی از مفروضات رگرسیون مستقل بودن خطاها از یکدیگر است (خطاها همان تفاوت بین مقادیر واقعی و مقادیر پیش بینی شده توسط معادله رگرسیون هستند). در صورتی که خطاها با یکدیگر همبستگی داشته باشند، امکان استفاده از رگرسیون وجود ندارد. به منظور بررسی استقلال خطاها از یکدیگر از آزمونی به نام آزمون دوربین-واتسون استفاده می شود.