۳-۵-۳-۳ نرخ رشد دارایی

برای محاسبه نرخ رشد دارایی ارزش دفتری دارایی در سال مورد نظر از ارزش دفتری دارایی در سال قبل کسر شده و بر ارزش دفتری دارایی در سال قبل تقسیم می شود.

۳-۵-۳-۴ ارزش دفتری سرمایه

ارزش دفتری سرمایه در پایان سال مالی قبل نسبت به ارزش بازار سرمایه در پایان همان سال که با فرمول زیر به دست می‌آید:

(۳-۶) : ارزش دفتری سرمایه در پایان سال مالی قبل.

: ارزش بازار سرمایه در پایان همان سال.

۳-۵-۳-۵ نرخ بازده دارایی

یکی از نسبت های مالی است که از طریق تقسیم سود خالص بعلاوه هزینه بهره به مجموع دارایی ها به دست می‌آید. ROA به مهارت های تولید و فروش شرکت مربوط می شود و به وسیله ساختار مالی شرکت تحت تاثیر قرار نمی گیرد. به دلیل استفاده از سود حسابداری در محاسبه نرخ بازده دارایی ها، ایرادهایی که بر سود حسابداری وارد است، بر این معیار نیز وارد می‌باشد. با توجه به اینکه دارایی ها در ترازنامه به خالص ارزش دفتری نشان داده می‌شوند، ‌بنابرین‏ ارزش واقعی دارایی ها ممکن است بسیار پائین تر یا بالاتر از ارزش های دفتری آن ها باشد. ‌بنابرین‏ ROA پایین ضروتاً ‌به این مفهوم نیست که دارایی ها باید در جای دیگری به کار گرفته شوند. همچنین ROA بالا ‌به این مفهوم نیست که شرکت می بایست نسبت به خرید همان دارایی ها و کسب بازده بیشتر اقدام نماید(جهانخانی و سجادی، ۱۳۷۴).

مدل تحلیلی تحقیق

در این تحقیق با توجه به اهداف تحقیق و فرضیه مطرح شده، از روش زیر به منظور بررسی روابط بین متغیرهای مستقل و وابسته استفاده شده است:

روش استفاده شده برای آزمون فرضیه

در تحقیق حاضر به منظور آزمون فرضیه از مدل رگرسیون چندگانه به شرح زیر استفاده شده است:

(۳-۷) Kit =β_۰ +β_۱HIit +β_۲GRit +β_۳SIZEit + β_۴LEVit +β_۵ROAit +β_۶BMit + εit

که در مدل فوق، k_it هزینه سرمایه (متغیر وابسته)، HIit شاخص هرفیندال (متغیر مستقل)، Size_it معیار اندازه شرکت (متغیر کنترلی)، Lev_it اهرم مالی (متغیر کنترلی)، GR_it نرخ رشد(متغیر کنترلی)، ROA_it نرخ بازده دارایی(متغیر کنترلی)، نسبت ارزش دفتریBM_it(متغیر کنترلی) می‌باشد.

برای سنجش فرضیه اقدام به برآورد ضرایب رگرسیون با بهره گرفتن از مدل داده های تلفیقی ایستا و روش حداقل مربعات تعمیم یافته برآوردی (EGLS) و نرم افزار EViews گردیده است

آزمون فرضیه ­ها

مقدار (P-Value) یک آزمون آماری، مقدار احتمالی است که میزان سازگاری داده های نمونه را با نتیجه فرض صفر اندازه می‌گیرد. نتیجه ای که از آزمون مبتنی بر (P-Value) به دست می‌آید از نظر ریاضی هم ارز با نتیجه ای است که از قاعده تصمیم متناظر، مبتنی بر آماره آزمون استاندارد شده حاصل می شود. قاعده تصمیم مبتنی بر (P-Value) بدین صورت است که اگر باشد گزینه H₁ را نتیجه می گیریم و بالعکس اگر باشد گزینه H₀ را نتیجه می گیریم. لذا در جداول حاصله از آزمون ها و با فرض در نظر گرفتن اگر میزان (P-Value) محاسبه شده از ۰٫۰۵ کمتر باشد فرض صفر رد و فرض مقابل آن پذیرفته می شود(طالب زاده مقدم، ۱۳۹۰).

در چارچوب مدل تحقیق به ازای فرضیه تحقیق، فرضیه آماری بشرح زیر طبقه بندی شده است:

فرضیه اصلی تحقیق: بین ساختار بازار و هزینه سرمایه رابطه ی معناداری وجود دارد.

‌بر مبنای‌ فرضیه فوق فرضیات آماری بشرح زیر می‌باشد:

: H₀ بین ساختار بازار و هزینه سرمایه رابطه ی معناداری وجود ندارد.

: H₁ بین ساختار بازار و هزینه سرمایه رابطه ی معناداری وجود دارد.

– داده های تلفیقی

مقدمه

امروزه روش داده های تلفیقی به لحاظ مزایا و برتری هایی که نسبت به روش های مقطعی و سری زمانی دارد، به طور فزاینده ای در تحقیقات اقتصادی استفاده می شود. داده های تلفیقی به مجموعه داده هایی اطلاق می شود که بر اساس آن مشاهدات به واسطه تعداد زیادی از متغیرهای مقطعی (N) که اغلب به صورت تصادفی انتخاب می‌شوند، در طول یک دوره زمانی (T) مورد بررسی قرار می‌گیرد. در این صورت داده های آماری را داده های تلفیقی – سری زمانی می‌نامند(مشکی، ۱۳۹۰).

مزایای استفاده از داده های تلفیقی

مجموعه داده های تلفیقی مزایای بسیاری نسبت به داده های مقطعی و سری زمانی دارد. مهمترین مزیت آن این است که:

1. 1. تعداد مشاهدات و داده ها در اولی عموما بیشتر است و باعث می شود اعتماد به برآوردها بیشتر شود.

1. 1. به محققان تجربی اجازه می‌دهد مدل های پیشرفته تری را تبیین کرده و آزمون کنند که فرضیه های مقید کننده کمتری در بر داشته باشد.

1. 1. زیاد بودن تعداد مشاهدات مسئله هم خطی در اقتصاد سنجی را نیز تا حدود زیادی حل می‌کند. چون داده ها هم در طول زمان و هم در میان افراد تغییر می‌کنند، احتمال کمتری می رود متغیرها با یکدیگر هم خطی زیادی داشته باشند.

1. 1. با این مجموعه داده ها می توان اثراتی را شناسائی و اندازه گیری کرد که در داده های مقطعی محض یا سری زمانی قابل شناسایی نیست. گاهی استدلال می شود که داده های مقطعی رفتارهای بلند مدت را نشان می‌دهد در حالی که داده های سری زمانی اثرات کوتاه مدت را تأکید می‌کنند. با ترکیب این دو خصوصیت در داده های پانل، ساختار عمومی تر و پویاتری را می توان تصریح و برآورد کرد.

1. استفاده از داده های پانل تورش برآورد را از بین می‌برد یا کم می‌کند(اشرف زاده و مهرگان، ۱۳۸۹).

انواع مدل داده های تلفیقی

مدل های مربوط به داده های تلفیقی از انواع مختلف مدل ها تشکیل شده است. در یک طبقه بندی کلی می توان مدل های مذبور را بشرح زیر طبقه بندی نمود:

الف) داده های تلفیقی ایستا^[۱۳]

ب) داده های تلفیقی پویا^[۱۴]

مدل داده های تلفیقی ایستا

مدل داده های تلفیقی ایستا خود شامل سه مدل بشرح زیر است:

الف) مدل ضرایب ثابت (CCM)^[15]

ب) مدل اثرات ثابت (FEM)^[16]

ج) مدل اثرات تصادفی (REM)^[17]

مدل ضرایب ثابت: در صورتی که هیچکدام از اثرات مقطعی و یا اثرات زمانی تفاوت معناداری از هم نداشته باشند، در آن صورت می توان تمامی داده ها را با هم ترکیب نموده و به وسیله رگرسیون حداقل مربعات معمولی (OLS) تخمین زد. مدل مذبور مدل رگرسیون ترکیبی^[۱۸] نیز نامیده می شود. شکل کلی مدل با فرض وجود سه متغیر مقطعی(سه شرکت)، ده دوره زمانی (۲۰۰۰-۱۹۹۱) و دو متغیر مستقل بشرح زیر خواهد بود:

(۳-۸)
در رابطه فوق y نشان دهنده متغیر وابسته، i نشان دهنده i امین واحد مقطعی، t نشان دهنده ی t امین دوره زمانی، نشان دهنده برداری از متغیر های مستقل و جمله خطا می‌باشد. اگر هر واحد مقطعی دارای تعداد یکسانی از مشاهدات سری زمانی باشد در آن صورت داده های ترکیبی، متوازن نامیده شده و در غیر اینصورت نامتوازن تلقی خواهد شد.

مدل اثرات ثابت: در این مدل، ضرایب شیب بین واحدهای مقطعی (شرکت ها) ثابت بوده ولیکن عرض از مبدأ برای هریک از شرکت ها متفاوت می‌باشد. در این مدل با وجود آنکه عرض از مبدأ برای هر یک از شرکت ها متفاوت می‌باشد ولیکن در طول زمان ثابت بوده و تغییر نمی کند و به همین دلیل نیز به مدل اثرات ثابت معروف شده است. با در نظرگرفتن مفروضات قبلی، شکل کلی مدل مذبور به شرح زیر خواهد بود:

(۳-۹)

اندیس i در جمله فوق نشان دهنده ی این مطلب است که عرض از مبدأ برای هر یک از واحدهای مقطعی (شرکت ها) متفاوت بوده ولی در طول زمان ثابت است.