No category

منبع مقاله با موضوع رگرسیون، سطح معنی داری، وجود رابط، وجود رابطه

ر F برای این است که تصمیم بگیریم که آیا فرض صفر( عدم وجود رابطه خطی بین X و Y) قبول کنیم یا فرض مخالف آن (وجود رابطه خطی بین Xو (Y را قبول کنیم.
چنانچه مقدار آماره آزمون F محاسبه شده بزرگتر از مقدار بحرانی باشد، فرض H0 در سطح معنی دار رد می شود و می توان فرض عدم رابطه خطی بین X و Y را مردود دانست.
با توجه به این که sig کمتر از۵ درصد می باشد فرض H0 رد و فرض خطی بودن رابطه بین دو متغیر تایید می گردد.

جدول (۱۵-۴) : ضرایب معادله رگرسیون۱۷۵
سطح معنی داری
آماره t
ضرایب استاندارد شده
ضرایب استاندارد نشده
مدل

Beta
Std. Error
B

۰.۰۰۰
۰.۰۰۰
۵۳.۹۱۲
۱۰.۲۲۷

۰.۳۲۳
۰.۰۵۲
۰.۰۲۹
۲.۸۲۴
۰.۲۹۴
عدد ثابت
Beta C-CAPM

در خروجی جدول شماره (۱۵-۴) و در ستون B به ترتیب مقدار ثابت و ضریب متغیر مستقل در معامله رگرسیون ارائه شده است و این معادله به صورت زیر می باشد :

طبق خروجی جدول شماره (۱۵-۴)، بقیه ستون های این جدول شامل معیار ضرایب ستون B ، آماره t و sig است که جهت آزمون فرض تساوی هر یک از ضرایب ستون B با عدد صفر به کار می رود. حال اگر? و ? به ترتیب مقدار ثابت و شیب خط رگرسیون جامعه باشد، آزمون فرض ها را برای این دو مقدار می توان به صورت زیر نوشت :
,
اگر مقدار عدد آماره آزمون در ناحیه بحرانی قرار گرفت، فرضیه H0 رد و فرضیه مقابل پذیرفته می شود و اگر در ناحیه بحرانی قرار نگیرد، دلیلی برای رد کردن فرضیه H0 وجود ندارد.
از آنجا که در این خروجی، sig آزمون تساوی ضریب رگرسیون و مقدار ثابت با صفر کوچکتر از ۵ درصد است. بنابراین فرض تساوی این دو ضریب با صفر رد می شود و نباید آن ها را از معادله رگرسیون خارج کرد.

نمودار (۲-۴) آزمون نرمال بودن خطاهای معادله رگرسیون در مدل C-CAPM

نمودار شماره (۲-۴)، به بررسی نرمال بودن خطاها به عنوان یکی دیگر از مفروضات رگرسیون می پردازد، طبق این فرض می باید خطاهای معادله رگرسیون دارای توزیع نرمال با میانگین صفر باشند که طبق نمودار فوق می باشد و در سمت راست نمودار نشان داده شده است. بنابراین با برقرار بودن این پیش فرض می توان از رگرسیون در خصوص دو متغیر بتای مدل C-CAPM و نرخ بازده واقعی سالانه استفاده کرد.

۲-۴-۴- فرضیه اصلی دوم
– میزان خطای پیش بینی بازده واقعی و بازده مورد انتظار مدل RA-CAPM کمتر از مدل C-CAPM است.
برای آزمون فرضیه فوق باید ابتدا آزمون نمونه های جفت شده استفاده می کنیم. این آزمون زمانی کاربرد دارد که دو نمونه مستقل نباشند و مشاهده به صورت جفتی انتخاب شده باشد. در این حالت، برای هرمشاهده در یک نمونه، مشاهده متناظری در نمونه دیگر که مربوط به همان صفت است وجود دارد. این بدین معنی است که نمونه های جفتی دارای معیار یکسانی هستند.
برای آزمون فرضیه ارائه شده در بالا، در نرم افزار SPSS از T-Test استفاده می کنیم

جدول (۱۶-۴): همبستگی نمونه های جفت شده۱۷۶
سطح معنی داری
ضریب همبستگی
تعداد

۰.۰۰۰
۰.۵۳۲
۹۰۰
Pair1 RACAPM & C-CAPM

در جدول (۱۶-۴) همبستگی نمونه های جفت شده مورد بررسی قرار گرفته است.
فرضیه آماری مربوط به جدول (۱۶-۴) به صورت ذیل ارائه می شود.
– بین دو نمونه و همبستگی معناداری وجود ندارد.
– بین دو نمونه و همبستگی معناداری وجود دارد.

با نگاهی به جدول بالا می بینیم که همبستگی بین بین دو نمونه و ، مقدار ۰.۵۳۲ بوده و همبستگی از نوع مثبت می باشد. همینطور کوچکتر از ۵ درصد می باشد بنابراین مقدار عددی آماره آزمون همبستگی در ناحیه بحرانی می باشد و فرض رد و فرض پذیرفته می شود.
جدول(۱۷-۴): آزمون نمونه های جفت شده۱۷۷
سطح معنی داری
درجه آزادی
آماره t
تفاضل(تفاوت) نمونه های جفت شده

تفاوت با ۹۵% اطمینان
انحراف معیار
انحراف معیار
میانگین

بالاترین
پائین ترین

۰.۰۰۰
۸۹۹
۲۷.۳۰۴
۲.۹۷۲۰۲
۲.۵۷۲۴۱
۰.۱۰۱۵۵
۳.۰۴۶۵۴
۲.۷۷۲۷۱
Pair 1 RACAPM-CCAPM

هنگامی که با دو نمونه وابسته سر و کار داریم استخراج کردن و ثبت ،،،،، کار بیهوده ای است، زیرا ارتباط بین مقادیر جور شده ضایع می گردد. در عوض، اختلاف () بین جفت داده ها را حساب می کنیم. یعنی اختلاف بین بازده مدل و بازده مدل () را بدست می آوریم و آنرا مورد آزمون قرار می دهیم و دنبال آزمون این فرضیه هستیم که آیا بین میانگین اختلاف داده های جفت شده تفاوتی وجود دارد یا خیر.
بنابراین فرضیه آماری به صورت ذیل ارائه می گردد.
– بین میانگین اختلاف داده های جفت شده تفاوتی وجود ندارد.
– بین میانگین اختلاف داده های جفت شده تفاوتی وجود دارد.

اگر مقدار عددی آماره آزمون در ناحیه بحرانی قرار گیرد، فرض رد و فرض پذیرفته می شود.
با توجه به این که sig آماره آزمون نمونه های جفت شده کمتر از۵ درصد می باشد بنابراین H0 درناحیه بحرانی قرار خواهد گرفت و فرض H0 رد و فرض مقابل H1 تایید می گردد. یعنی بین میانگین اختلاف نمونه های جفت شده تفاوت وجود دارد. این تفاوت بدین معنی است که ما می توانیم دو مدل را مقایسه کنیم و این مقایسه منتج به انتخاب یک مدل به عنوان مدل بهتر خواهد شد.
برای اینکه بتوانیم مدلی بهتر طبق فرضیه اصلی دوم انتخاب کنیم باید بازده هر یک مدل های مورد آزمون و را از بازده واقعی کسر نموده و سپس با استفاده از آمار توصیفی سعی در یافتن و توجیه مدل بهتر نمائیم.
به طور کلی در آمار توصیفی مدلی بهتر است که آماره انحراف معیار۱۷۸ یا واریانس۱۷۹ آن کمتر از مدل دیگر باشد .
در جدول (۱۸-۴) آمارهای توصیفی دو مدل و با استفاده از فرضیه اصلی دوم ارائه شده است.
همانطور که می بینیم با استفاده از فرضیه دو نمونه تشکیل داده ایم

الف) نمونه ای که حاصل تفاضل بازده روش از بازده واقعی است
)(
ب) نمونه ای که حاصل تفاضل بازده روش از بازده واقعی است
)(

جدول(۱۸-۴): آماره های توصیفی۱۸۰
واریانس
انحراف معیار
میانگین
بیشترین
کمترین
دامنه تغییرات
تعداد

آماره
آماره
انحراف معیار
آماره میانگین
آماره
آماره
آماره
آماره

۸.۰۳۶
۱۲.۵۹۱
۲.۸۳۴۸۱
۳.۵۴۸۳۵
۰.۰۹۴۴۹
۰.۱۱۸۲۸
۱.۵۰۷۸
۱.۲۶۴۹-
۱۱.۱۷
۸.۸۲
۷.۳۸-
۸.۶۰-
۱۸.۵۶
۱۷.۴۲
۹۰۰
۹۰۰
۹۰۰
RACAPM – Return
CCAPM – Return
Valid N (listwise)

با نگاهی به جدول (۱۸-۴) می بینیم که برای توصیف دو نمونه مورد بررسی آماره های نظیر دامنه تغییرات، کمترین، بیشترین، میانگین، انحراف معیار و واریانس ارائه شده اند
همانطور که در جدول (۱۸-۴) نمایش داده شده است. انحراف معیار و واریانس در نمونه برابر با ۲.۸۳۴۸۱ و ۸.۰۳۶ و در نمونه برابر با ۳.۵۴۸۳۵ و۱۲.۵۹۱ می باشد. این اعداد بدین معنی هستند که نوسانات اعداد از میانگین نمونه در کمتر از نوسات اعداد در مدل بوده است.
این تفسیر منطقی است که چون اعداد بازده حاصل از مدل اختلاف کمتری از با بازده واقعی دارند بنابراین مدل بازده حاصل مدل نمایش بهتری از بازده واقعی را ارائه خواهد داد.
بر این اساس فرضیه اصلی دوم هم پذیرفته و اثبات خواهد شد. یعنی میزان خطای پیش بینی بازده واقعی بازده و مورد انتظار مدل RA-CAPM کمتر از مدل C-CAPM است.
خلاصه یافته ها در این فصل در جدول (۱۹-۴) و (۲۰-۴) ارائه گردیده است.

جدول (۱۹-۴): خلاصه یافته های فرضیه اصلی اول
فرضیه اصلی اول

ضریب همبستگی پیرسون
سطح معنی داری
تفسیر
دوربین-واتسون
تفسیر
آماره آزمون F
سطح معنی داری
تفسیر
آماره آزمون t
سطح معنی داری
تفسیر
ضریب تعیین
تفسیر فرضیه اصلی اول

فرضیه فرعی اول
۰.۱۴۵
۰.۰۰۰
وجود همبستگی
۱.۸۳۹
استقلال خطاها
۱۹.۲۱۸
۰.۰۰۰
وجود رابطه خطی بین متغیرها
۴.۳۸۴
۰.۰۰۰
وجود رابطه رگرسیونی
۰.۰۲۱
برتری فرضیه فرعی دوم
(C-CAPM)

فرضیه فرعی دوم
۰.۳۲۳
۰.۰۰۰
وجود همبستگی
۱.۸۶۷
استقلال خطاها
۱۰۴.۶
۰.۰۰۰
وجود رابطه خطی بین متغیرها
۱۰.۲۲۷
۰.۰۰۰
وجود رابطه رگرسیونی
۰.۱۰۴

جدول (۲۰-۴): خلاصه یافته های فرضیه اصلی دوم
فرضیه اصلی دوم
ضریب همبستگی پیرسون RACAPM & CCAPM
سطح معنی داری RACAPM & CCAPM
تفسیر
آماره آزمون t (RACAPM-CCAPM)
سطح معنی داری (RACAPM-CCAPM)
تفسیر
واریانس RACAPM
واریانس CCAPM
تفسیر فرضیه اصلی دوم

۰۵۳۲
۰.۰۰۰
وجود همبستگی بین نمونه های جفت شده
۲۷.۳۰۴
۰.۰۰۰
بین میانگین اختلاف داده ها تفاوت وجود دارد
۲.۸۳۴۸۱
۳.۵۴۸۳۵
انحراف بازده مورد انتظار از بازده واقعی در مدل RA-CAPM کمتر از مدل C-CAPM است

فصل پنجم
نتیجه‌گیری و پیشنهادات

۱-۵ مقدمه
دانشمندان امروزه به این نتیجه رسیده اند که قیمت گذاری دارایی های مالی بایستی با توجه به میزان ریسک آن ها که متأثر از شرایط بازار است صورت پذیرد. به عبارت دیگر آنان بر این باورند که شرایط بازار و عملکرد آن تاثیر بسزایی بر قیمت دارایی های مالی دارد و حتماً باید توسط سرمایه گذاران مورد توجه قرار گیرد. زیرا اگر سهام بدون توجه به شرایط بازار قیمت گذاری شود، ممکن است قیمت هر سهم بیشتر یا کمتر از ارزش واقعی آن شود.
در این فصل ابتدا به بررسی نتایج بدست آمده از فرضیات ارائه شده در تحقیق می پردازیم. در پایان با ارائه پیشنهاداتی در زمینه تحقیق سایر محققان و دانشجویان را در انجام تحقیقات مشابه رهنمون خواهیم شد. همینطور برخی از محدودیتهایی که محقق در انجام تحقیق با آن مواجه بوده بر شمرده شده است.

۲-۵- نتایج فرضیه اصلی اول
– مدل RA-CAPM قدرت تبیین بیشتری در پیش بینی بازده واقعی نسبت به مدل C-CAPM دارد.
بر این اساس فرضیه اصلی اول به دو فرضیه فرعی قابل تفکیک است۰
درفرضیه فرعی اول ما به دنبال اثبات وجود رابطه بین بتای مدل RA-CAPM و بازده واقعی می باشیم. یافته های بدست آمده از آزمون فرضیه فرعی اول در جدول(۸-۴)، (۹-۴)، (۱۰-۴) و (۱۱-۴) ارائه گردیده است.
با توجه به نتایج بدست آمده از جداول می توان به این نتیجه رسید که بین بتای مدل RA-CAPM و بازده واقعی رابطه معنا داری وجود دارد و از آن میتوان برای پیش بینی روندهای آتی نیز استفاده کرد. بنابراین فرضیه فرعی اول اثبات خواهد شد. یعنی فرض H0 رد و فرض H1 پذیرفته می شود.
درفرضیه فرعی دوم ما به دنبال اثبات وجود رابطه بین بتای مدل C-CAPM و بازده واقعی می باشیم.
یافته های بدست آمده از آزمون فرضیه فرعی دوم در جدول(۱۲-۴)، (۱۳-۴)، (۱۴-۴) و (۱۵-۴) ارائه گردیده است.
با توجه به نتایج بدست آمده از جداول می توان به این نتیجه رسید که بین بتای مدل C-CAPM و بازده واقعی رابطه معنا داری وجود دارد و

این فایل ها تست های آزمون آزمایشی کارشناسی ارشد انتشارات سنجش و دانش می باشد که با پاسخ های کاملا” تشریحی ارائه می شود. شما می توانید از منوی جستجو (بالای سایت سمت چپ ) تست های دروس دیگر را پیدا کرده و رایگان دانلود کنید

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

* Copy This Password *

* Type Or Paste Password Here *