پژوهش دانشگاهی – نقش ترجیحات سرمایه‌ گذاران نهادی در تصمیم گیری آنها در بورس اوراق بهادار- قسمت ۱۶

۳-۶٫ آمار توصیفی داده‌ها
پس از اینکه اطلاعات مورد نظر تحقیق جمع آوری و ثبت گردیدند، بایستی انبوه اطلاعات حاصل شده با روش های علمی، خلاصه و طبقه بندی گردند. خلاصه کردن اطلاعات و توضیح ویژگی های مجموعه داده‌ها را معمولا تحت عنوان آمار توصیفی می شناسند که یکی از بخش های اصلی فرآیند تحقیق شناخته می‌شود و اطلاعات مربوط به این بخش تأثیر بسزایی در شناخت بهتر و دقیقتر نتایج تحقیق خواهد داشت و از این رو تحلیل این بخش از داده‌ها نیز در فرآیند تحقیق و پژوهش مفید و مؤثر خواهد بود.
لذا در این بخش داده‌های جمع آوری شده از جامعه آماری پژوهش بوسیله جداول آماری خلاصه گردیده و سپس از طریق نمودارها و یا شاخص ها، مورد تجزیه تحلیل قرار می گیرند.آمار توصیفی شامل سه بخش مهم به نام های پارامترهای مرکزی (شامل ماکزیمم، مینیمم، میانگین)،پارامترهای پراکندگی (شامل انحراف معیار، ضریب چولگی، ضریب کشیدگی) و نمودارها ( نظیر نمودار میله ایی، دایره ایی و…) می باشد. که به ترتیب زیر ارائه و توضیح داده می‌شود.
میانگین: یک شاخص مرکزی بوده و نشان دهنده این است اگر داده‌ها روی یک محور به صورت منظم ردیف شوند،مقدار میانگین نقطه تعادل توزیع قرار می‌گیرد.
مد: از این شاخص برای نمایش داده‌هایی استفاده می‌شود که نسبت به سایر مقادیر تکرار بیشتری دارند
چارکها: اگر جامعه به چهار قسمت تقسیم شود،چارکها اول تا سوم مشخص می‌شود.چارک دوم را میانه می‌گویند که در مقایسه به مد اطلاعات بیشتری را در زمینه اندازه تمایل به مرکز هر توزیع ارائه می‌دهد. به طور کلی از میانه به عنوان اندازه تمایل به مرکز توزیع‌هایی که شکل آنها غیر متقارن است،استفاده می‌شود.این توزیع‌ها شامل مقادیر انتهایی،یعنی مقادیری در حد بسیار بالا یا بسیار پایین هستند.
چولگی: چولگی توزیع‌ها در مقایسه با توزیع متقارن معین می‌شود.چوله به راست وقتی است که مد جامعه آماری پایین تر از میانه و افتادگی توزیع بالاتر از آن واقع شود.ونشان دهنده این است داده‌هادر انتهای دنباله راست مقیاس قرار گرفته اند.اگر مد جامعه بزرگتر از میانه باشد و افتادگی جامعه سمت چپ آن واقع شود جامعه دارای چوله به چپ خواهد بود ونشان دهنده این است داده‌ها انتهای در دنباله چپ مقیاس قرار گرفته‌اند.
ضریب چولگی: ازتقسیم مقادیر چولگی بر خطای چولگی بدست می‌آید.در صورتی که مقدار این آماره مثبت باشد نشان از چولگی به سمت راست توزیع مقادیر دارد و اگر منفی باشد بیانگر چولگی به سسمت چپ بودن توزیع مقادیر ا ست. اصولا هر قدر مقدار این آماره به صفر نزدیکتر باشد نشان از چولگی به سمت راست داده‌ها و نشان از نزدیکتر بودن داده‌ها به توزیع نرمال دارد.
ضریب کشیدگی: از تقسیم مقادیر کشیدگی بر خطای کشیدگی بدست می آید.در سه گروه تقسیم می‌شوند: گروه اول: آن دسته از توزیع‌ها که نسبت به توزیع نرمال از پراگندکی بیشتری برخوردار هستند.یعنی منحنی توزیع نسبت به توزیع نرمال کوتاهتر است.این دسته از توزیع‌ها دارای ضریب کشیدگی منفی خواهند بود.
گروه دوم: توزیع‌هایی هستند که از توزیع نرمال بلندتر هستند.ضریب کشیدگی این دسته توزیع‌ها مثبت خواهد بود.
گروه سوم: توزیع‌هایی هستند که کشیدگی آنها با کشیدگی توزیع نرمال کاملاٌ مساوی است.
در نرم افزار Eviews ضرایب کشیدگی محاسبه شده اگر بزرگتر از ۳ باشد، نشان از بلندتر بودن کشیدگی و در صورت کوچکتر بودن از عدد ۳، نشان از کوچکتر بودن کشیدگی داده‌ها دارد. به طور خلاصه هر قدر بلندی و کشیدگی مربوط به یک متغیر بیشتر باشد نشان از تجمع و تراکم بیشتر داده می‌باشد و برعکس.
۳-۷٫چگونگی بررسی فرضیه ها
بعد از آشنایی با مفاهیم توصیفی داده‌های تحقیق، اکنون می توانیم وارد مرحله آمار استنباطی و یا همان آزمون فرضیات تحقیق و ارایه تفسیر و استنباط از نتایج شویم. در این بخش آزمون های متعددی مورد استفاده واقع خواهند شد.لذا در ابتدا سعی می‌شود که با ارائه مبانی تئوریک و نظری موجود در این رابطه، زمینه و بستر لازم جهت درک هر چه بهتر این آزمون ها و نهایتا نتایج حاصل شده از آزمون فرض ها حاصل و فراهم گردد که به ترتیب و به شرح زیر ارائه خواهد شد.
۳-۸٫ روش و مدل به کار گرفته شده در تخمین ضرایب مربوط به متغیرهای تحقیق
همانطور که در مباحث تئوریک مربوط به عوامل موثر بر ساختار سرمایه ارایه گردید، عوامل متعددی وجود دارد که می توانند بر ساختار سرمایه و سیاستهای مربوط به آن موثر باشند. از سوی دیگر با توجه به محدودیت آمارهای سری زمانی، به منظور دستیابی به نتایج صحیح و قابل قبول و جلوگیری از اریب دارشدن رگرسیونهای برآوردی و بطور خلاصه تر در مطالعات با روش تحلیل همبستگی، نمی توان تاثیر همه این عوامل و متغیر‌ها را بطور همزمان بر رفتار شرکتها از نظر چگونگی تعیین سرمایه فکری مورد ارزیابی قرار داد. اندازه گیری تمامی متغیرهای فوق الذکر بر روی سرمایه گذاری شرکتهای فعال در بورس اوراق بهادار نیازمند انجام مطالعات متعدد و وقت و هزینه فراوان می باشد. بنابراین در این مطالعه تنها تاثیر برخی از این متغیرها تحت عنوان ویژگی های ساختار مالکیت با توجه به درجه اهمیت آن و براساس مبانی تئوریک موجود و نیز در دسترس بودن و سهل الوصول بودن داده‌ها و اطلاعات مربوط به آنها، برروی ساختار سرمایه شرکتهای منتخب مورد بررسی قرار می گیرد و امید است که در مطالعات آتی، تاثیر سایر متغیر‌ها و پیشنهادات سیاستگذاری جامع و کاملتری را شاهد باشیم.
در این مطالعه با توجه به مجموعه شرایط موجود، تعداد ۸۹ شرکت در دوره زمانی ۸۹-۱۳۸۵ از میان ۱۳ صنعت مختلف به عنوان نمونه آماری انتخاب گردیدند.
متغییرهای معرفی شده در این مطالعه از دوجنبه متفاوت بررسی می‌شوند. این متغییرها از یک سو در میان صنعت و از سوی دیگر در دوره زمانی ۵ ساله بر شمرده در بالا انتخاب شده اند بدین ترتیب داده‌های تلفیقی در مجموع ۴۴۵ مشاهده را بوجود آورده‌اند. به دلیل ثابت نبودن و در دسترس نبودن اطلاعات مربوط به متغیرها در همه سالها^[۵۵]، از روش تابلویی داده‌های نامتوازن و به دلیل استفاده از داده‌های تابلویی، برای رفع واریانس ناهمسانی، از روش حداقل مربعات تعمیم یافته تابلویی با وزن دهی به مقاطع^[۵۶]، استفاده شده است.
لازم به یادآوری است که داده‌های آماری به سه دسته داده‌های سری زمانی^[۵۷]، مقطعی^[۵۸] و ترکیبی^[۵۹]، تقسیم می‌شوند. در داده‌های ترکیبی واحدهای مقطعی طی زمان مورد بررسی قرار می‌گیرند.استفاده از
روش داده‌های ترکیبی نسبت به روش های مقطعی و سری زمانی دو مزیت عمده دارد (Baltagi,2005):
الف-ابتدا اینکه به محقق این امکان را می‌دهد تا ارتباط بین متغیرها و حتی واحدها را در طول زمان در نظر بگیرد و به بررسی آنها بپردازد.
ب- مزیت و توانایی دیگر این روش در بهره مندی آن از اثرات انفرادی مربوط به واحدهاست که قابل مشاهده و اندازه گیری نیستند(Baltgi,2005).
روش تخمین در داده‌های ترکیبی، بیشتر بر عدم تجانس بین مقاطع تأکید می کند و هدف آنها بیشتر متمایز کردن مقاطع از همدیگر با استفاده از تخمین عرض از مبدأ های مختلف است. این تمایز به سه صورت اثرات مشترک^[۶۰]، اثرات ثابت^[۶۱]و اثرات تصادفی^[۶۲] قابل اندازه گیری است (Yaffee,2003).
بنابراین بسته به رفتار عرض از مبدأ در بین بخش های مختلف و همچنین جمله خطا (  ) از سه روش یاد شده در بالا می توان استفاده کرد که هر کدام به شرح زیر توضیح داده می‌شود:
۱-۸-۳٫ روش اثرات مشترک
روش اثرات مشترک بر این فرض مبتنی است که عرض از مبدأ توابع (a_i) برای کلیه واحدها ثابت بوده و با هم برابرند(a=a_i).این مدل با ترکیب داده‌های مقطعی و سری زمانی بوسیله حداقل مربعات معمولی (ols)، تخمین زده می‌شود. به عبارت دیگر تخمین معادله ذیل، با استفاده ازi,t مشاهده انجام می‌شود:
(رابطه ۱)
 
 
i: تعداد مقاطع،T: طول سری زمانی،Y: متغیر وابسته،X: متغیرهای مستقل،β: ضرایب متغیرهای مستقل و  : جمله اخلال
همانگونه که مشاهده می گردد در برآورد رابطه (۱) عرض از مبدأ و ضرایب شیب بین تمامی مقاطع مشترک خواهند بود. برآورد رابطه (۱) که با روش حداقل مربعات معمولی ^[۶۳]ols صورت می‌گیرد، به روش حداقل مربعات تلفیقی PLS معروف است.
۲-۸-۳٫ روش اثرات ثابت
در این روش فرض می‌شود که ضرایب شیب بین مقاطع ثابت بوده ولی عرض از مبدأ برای واحدهای مختلف متفاوت است. لذا معادله رگرسیون به شرح زیر تصریح می گردد:
(رابطه ۲):
 
در رابطه (۲)، اندیس i در جمله عرض از مبدأ (β_۱) نشان می‌دهد که عرض از مبدأهای متفاوت ممکن است، ناشی از ویژگی خاص هر یک از مقاطع باشد. در ادبیات اقتصادی مدل (۲) به مدل رگرسیون اثرات ثابت یا حداقل مربعات متغیر موهومی^[۶۴]، معروف است. اصطلاح تأثیرات ثابت ناشی از این حقیقت است که با وجود تفاوت عرض ازمبدأ میان مقاطع، عرض ازمبدأهای هرمقطع طی زمان تغییرنمی کند.برای اینکه عرض از مبدأهای هر مقطع بدون تغییر باقی بماند، از متغیرهای موهومی دراین روش استفاده می‌شود(گجراتی،۱۳۸۵).
برای انتخاب مدل حداقل مربعات تلفیقی و مدل حداقل مربعات ترکیبی از آزمون F لیمراستفاده می‌شود. تصریح این آزمون به صورت زیر می‌باشد:
اگرچه کاربرد مستقیم مدل اثرات ثابت یا حداقل مربعات متغیر موهومی ممکن است، اما این مدل از مشکلاتی مانند کمبود درجه آزادی و امکان همخطی مرکب رنج می برد. استدلال پایه ای مدل اثرات ثابت آن است که در تصریح مدل رگرسیونی نمی توان متغیرهای توضیحی مناسب را که طی زمان تغییر نمی‌کنند، وارد مدل کنیم. از این رو وارد کردن متغیرهای موهومی پوشش و جبرانی برای این بی توجهی و ناآگاه ماست (ابونوری و قاسمی،۱۳۸۷).
۳-۸-۳٫ روش اثرات تصادفی
طرفداران مدل اثرات تصادفی یا مدل اجزاء خطا معتقدند که اگر متغیرهای موهومی نشان دهنده فقدان دانش واطلاعات ما درباره مدل حقیقی هستند چرا آن را از طریق جمله خطا (  بیان نکنیم؟ایده اساسی و آغازین با رابطه(۲) شروع می‌شود. طرفداران این روش معتقدند به جای اینکه فرض کنیم دررابطه ۲،  ثابت است، بهتر است مقدار عرض از مبدأ برای هر مقطع به صورت زیر بیان شود:
^{(رابطه۴)}