اگر مقدار p-value محاسبه شده بیشتر از سطح خطای ۵ درصد باشد، فرض صفر رد نمیشود و باید از روش داده‌های تلفیقی استفاده شود. در غیر این صورت از روش داده ‏های تابلویی استفاده خواهد شد(بالتاجی[۹۱]، ۲۰۰۵).
۳-۶-۲-۲) آزمون‌ هاسمن
اگر بعد از انجام آزمون F لیمر فرضیه رد شود، این پرسش مطرح میشود که برآورد مدل در قالب کدام یک از روش‌های اثرات ثابت یا اثرات تصادفی انجام شود. آماره آزمون ‌هاسمن[۹۲] برای تشخیص ثابت یا تصادفی بودن تفاوت واحدهای مقطعی مورد استفاده قرار میگیرد. در آزمون‌هاسمن فرضیه‌های H و H1 به صورت زیر تعریف می شوند:
 
اگر مقدار p-value محاسبه شده بیشتر از سطح خطای ۵ درصد باشد، فرض صفر رد نمیشود و باید از روش اثرات تصادفی استفاده شود و اگر این فرضیه رد شود روش اثرات ثابت ملاک تجزیه و تحلیل قرار خواهد گرفت (همان).
۳-۶-۲-۳) آزمون هم خطی
هم خطی وضعیتی است که نشان می دهد یک متغیر مستقل تابعی خطی از سایر متغیرهای مستقل است. اگر هم خطی در یک معادله رگرسیون بالا باشد، بدین معنی است که بین متغیرهای مستقل همبستگی بالایی وجود دارد و ممکن است با وجود بالا بودن  R2، مدل دارای اعتبار بالایی نباشد. به عبارت دیگر با وجود آن که مدل خوب به نظر می رسد ولی دارای متغیرهای مستقل معنی داری نمی باشد. در صورت تایید هم خطی، مجموعه ای از مشکلات در تعیین دقت معادله رگرسیون وجود دارد.
در آمار، عامل تورم واریانس (variance inflation factor=VIF) شدت همخطی چندگانه را در تحلیل رگرسیون کمترین مربعات معمولی ارزیابی می کند. در واقع یک شاخص معرفی می گردد که بیان میدارد چه مقدار از تغییرات مربوط به ضرایب برآورد شده بابت همخطی افزایش یافته است. شدت همخطی چندگانه  را با بررسی بزرگی مقدار VIF می توان تحلیل نمود. اگر آماره آزمونVIF به یک نزدیک بود نشان دهنده عدم وجود همخطی است. به عنوان یک قاعده تجربی مقدارVIF بزرگتر از ۵ باشد همخطی  چندگانه بالا میباشد (توجه شود که در برخی موارد عدد ۱۰ نیز به عنوان آستانه معرفی می گردد).
۳-۶-۲-۴) مزایای پانل دیتا در مقایسه با داده های مقطعی یا سری زمانی
الف) تعداد مشاهدات و داده ها در پانل دیتا بسیار بیشتر بوده و باعث می شود اعتماد به برآوردها بیشتر شود.
ب) به محققان تجربی اجازه می دهد مدل های پیشرفته تری را تبیین کرده و آزمون کنند که فرضیه های مقید کننده کمتری در بر داشته باشد.
ج) زیاد بودن تعداد مشاهدات مساله همخطی بودن را نیز تا حدود زیادی حل می کند.
د) با این مجموعه داده ها می توان اثراتی را شناسایی و اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی قابل شناسایی نیست.
ه) استفاده از داده های پانل دیتا تورش برآورد را از بین می برد و یا کم می نماید.
۳-۷ فرضیه های تحقیق
در این پژوهش رابطه ی بین اهرم مالی و مدیریت سود واقعی مورد بررسی قرار گرفته است؛ بدین منظور از متغیرهای جریا ن های نقدی عملیاتی غیرعادی، هزینه ی تولید غیرعادی و هزینه ی اختیاری غیرعادی به عنوان معیارهای مدیریت سود واقعی استفاده شدهاست. بنابراین، فرضیه های پژوهش به شرح زیر است:
بین اهرم مالی و جریان های نقد عملیاتی غیرعادی رابطه ی معنا دار وجود دارد.
بین اهرم مالی و هزینه ی تولید غیرعادی رابطه ی معنا دار وجود دارد.
بین اهرم مالی و هزینه ی اختیاری غیرعادی رابطه ی معنا دار وجود دارد.
۳-۸ مدلهای تحقیق
برای آزمون فرضیات از مدل زیر استفاده می شود
 
RE= معیارهای مدیریت سود واقعی
Leverage = اهرم مالی شرکت{بدهی های بلند مدت /(حقوق صاحبان سهام+بدهی های بلند مدت)}
Size = اندازه شرکت(لگاریتم کل داراییها)
در این پژوهش، مطابق با پژوهش کوهن و زاروین (۲۰۱۰) برای برآورد معیارهای مدیریت سود واقعی استفاده شده است؛ به نحوی که باقیماندهی این مدل ها به عنوان معیارهای مدیریت سود واقعی در نظر گرفته شده است:
جریان های نقد عملیاتی غیر عادی
 
CFO= جریان نقد عملیاتی شرکت
TA= جمع کل داراییها
Sales= فروش شرکت
saledΔ= تغییرات فروش شرکت
𝜀= باقیمانده مدل(جریان نقد عملیاتی غیر عادی ABCASH)
هزینه های تولید غیرعادی
 
PROD= هزینه تولید شرکت که برابر است با بهای تمام شده کالای فروش رفته + تغییرات در موجودی کالا
𝜀= باقیمانده مدل(هزینه های تولید غیر عادی ABCOST)
هزینه اختیاری غیرعادی
 
DISEXP= هزینه های اختیاری شرکت که برابر است با هزینه های اداری و فروش
𝜀= باقیمانده مدل(هزینه های اختیاری غیر عادیABEXP)

این را هم حتما بخوانید :
فايل دانشگاهی - ارزیابی عملکرد مالی بانک ‌‌ها با استفاده از روش ‌های غیر پارامتری ...

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