طبق پژوهش چوی و ERC و FERC برای آزمون فرضیه ­ها ‌در مورد رابطه­ بین قابلیت مقایسه و

به شرح زیر بسط می­یابد:i و شرکت tهمکاران(۲۰۱۳)، مدل ۳-۶ برای سال

R_it = b₀ + b₁ X_it-1 + b₂ X_it + b₃ X_it3 + b₄ R_it3 + b₅ Comp_it + b₆ Comp_it× X_it-1 + b₇ Comp_it×X_it + b₈ Comp_it × X_it3 + b₉ Comp_it × R_it3 + ε_it (۳-۷)

: قابلیت مقایسه­ صورت­های مالی. Comp_it

سایر متغیرها به شرح قبل تعریف می­شوند.

b₈ رابطه­ قابلیت مقایسه بر توانایی بازده جاری سهام در پیش ­بینی سود جاری را نشان می­دهد و b₇ قابلیت مقایسه بر توانایی بازده جاری سهام در پیش ­بینی سود آتی را نشان می­دهد. رابطه­

۳-۸-۸ مدل نهایی آزمون فرضیه­ پژوهش­

FERC_S بسط مدل ۳-۷ که شامل متغیر­های کنترلی اضافی مربوط به عوامل خاص شرکت از

به شرح زیر است:t و سال i است برای شرکت ERC_S و

= b₀ + b₁ X_it-1 + b₂ + b₃ X_it3 + b₄ R_it3 + b₅ + b₆× X_it-1 + b₇ × + b₈×X_it3+b₉×R_it3++Size_it×+Size_it×+Size_it×+Loss_it+

Loss_it×+Loss_ir×+Loss_t×+Growth_it+Growth_it×+Growth_it×+

Growth_it×+Earnstd_it+Earnstd_it×+Earnstd_it×+Earnstd_it× + ε_it (۳-۸)

۳-۹ آزمون فرضیه­­ی پژوهش

۳-۹-۱ آزمون اِف لیمر

به منظور گزینش یکی از روش­های داده ­های تابلویی و داده ­های تلفیقی، از آماره­ی اِف لیمر استفاده می­ شود. به عبارت دیگر، آماره­ی آزمون اف لیمر تعیین می­ کند که عرض از مبدأ جداگانه برای هر یک از شرکت­ها وجود دارد یا خیر؟

در صورتی که در بین مشاهدات، ناهمگنی یا تفاوت­های فردی وجود داشته باشد، از روش داده ­های تابلویی و در غیر این صورت، از روش داده ­های تلفیقی استفاده می­ شود زیرا فقط داده ­ها روی هم انباشته ‌شده‌اند و تفاوت بین آن­ها لحاظ نشده است. در آزمون اِف لیمر، فرضیه صفر بیانگر یکسان بودن عرض از مبدأها (داده ­های تلفیقی) و فرضیه­ مقابل، نشانگر ناهمسانی عرض از مبداها (داده ­های تابلویی) است. بدین ترتیب در صورت رد فرضیه­ صفر روش داده ­های تابلویی پذیرفته می­ شود(عظیمی،۱۳۹۰).

۳-۹-۲ آزمون انتخاب اثرات تصادفی و اثرات ثابت در مطالعات پانل

آزمون هاسمن^[۳۹] یکی از آزمون­های اصلی در مطالعات پانل ‌می‌باشد که با بهره گرفتن از آن به انتخاب بین الگوی اثرات ثابت و اثرات تصادفی ‌می‌توان پرداخت. الگوی اثرات ثابت این است که جزء خطا می ­تواند با متغیرهای توضیحی همبسته باشد. اما در الگوی اثرات تصادفی فرض می­ شود که همبستگی بین جزء خطا با متغیرهای توضیحی وجود ندارد. اگر سطح معنی­داری آزمون هاسمن کمتر از ۵ درصد است بیانگر ثابت بودن اثرات عرض از مبدأ ‌می‌باشد.

۳-۹-۳ آزمون نرمالیتی متغیرهای پژوهش

آزمون جارک برا^[۴۰] جهت بررسی نرمال بودن متغیرهای پژوهش استفاده شده است. فرض صفر آزمون بیانگر نرمال بودن داده­هاست. چنان­چه سطح احتمال این دو آزمون بیش از ۵ درصد باشد بیانگر نرمال بودن داده­ی مربوطه است.

۳-۹-۴ آزمون جانسون^[۴۱] برای نرمال­سازی داده ­ها

چون یکی از پیش فرض­های رگرسیون نرمال بودن توزیع متغیر وابسته است. اگر متغیر وابسته از توزیع نرمال برخوردار نباشد با روش تبدیل جانسون و با بهره گرفتن از نرم افزار مینی تب داده ­ها به حالت نرمال تبدیل می­شوند. اگر متغیر وابسته پس از تبدیل جانسون دارای سطح احتمال بیش از ۵ درصد باشد، از توزیع نرمال برخوردار می‌باشد.

۳-۹-۵ آزمون ضریب همبستگی بین متغیرها

ضریب همبستگی یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر ‌می‌باشد. ضریب همبستگی، شدت رابطه و نیز نوع رابطه­ (مستقیم یا معکوس) را نشان می­دهد. مفهوم معنی­داری در همبستگی این است که آیا همبستگی به دست آمده بین دو متغیر را ‌می‌توان شانسی و تصادفی دانست یا واقعا” نشان می­­دهد بین دو متغیر همبستگی وجود دارد. برای انجام این آزمون از ضریب همبستگی اسپیرمن^[۴۲] استفاده می­ شود.

۳-۹-۶ آزمون برازش کیفیت مدل

چون فرضیه ­های این پژوهش ابتدا با مدل بدون متغیر­های کنترلی و سپس با مدل دارای متغیرهای کنترلی بررسی ‌شده‌اند قبل از این­که به آزمون مدل پژوهش پرداخته شود، ابتدا باید کفایت مدل با متغیرهای کنترلی آزموده شود. ‌به این معنی که آیا کیفیت مدل با اضافه کردن متغیرهای کنترلی بهبود می­یابد یا خیر؟ ‌به این منظور کفایت مدل با متغیرهای کنترلی و مدل بدون متغیرهای کنترلی ارزیابی می­ شود.

برای بررسی بهینه بودن و برازش دو مدل پژوهش از دو معیار زیر استفاده شده است که عبارتند از:

1. 1. معیار اطلاعات آکایک^[۴۳]

1. معیار شوآرز^[۴۴]

معیار اطلاعات آکایک کیفیت مدل را بر اساس ایجاد تعادلی میان خوبی برازش و پیچیدگی مدل نشان می ­دهد. معیار شوآرز نیز کیفیت مدل را به فرمولی تقریبا مشابه با معیار آکایک محاسبه می­ کند. این دو معیار هم­چون ضریب تعیین جهت مقایسه­ مدل ها به کار می­روند. مدلی بهتر است که این مقادیر در آن کوچک­تر باشند(دروکر،۲۰۰۳).

۳-۹- ۷ آزمون ناهمسانی واریانس

آزمون والد تعدیل شده^[۴۵] به منظور آزمودن واریانس ناهمسانی در مدل‌های رگرسیون خطی استفاده می­ شود و وابستگی واریانس جملات پسماند به­دست آمده از رگرسیون خطی را به مقادیر متغیرهای توضیح دهنده مدل، بررسی می­ کند. اگر مقادیر احتمال کمتر از سطح معنی­داری ۵ درصد ­باشد در نتیجه فرضیه­ صفر این آزمون پذیرفته نمی­ شود. ‌بنابرین‏ در مدل­ها، مشکل ناهمسانی واریانس وجود دارد. ‌بنابرین‏ تخمین رگرسیون باید پس از رفع واریانس ناهمسانی صورت گیرد(دروکر،۲۰۰۳).

۳-۹-۸ آزمون استقلال خطاها

یکی از مفروضاتی که در رگرسیون مدنظر قرار می‌گیرد، استقلال خطاها (تفاوت بین مقادیر واقعی و مقادیر پیش ­بینی شده توسط معادله­ رگرسیون) از یکدیگر است. در صورتی که فرضیه­ استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند امکان استفاده از رگرسیون وجود ندارد. به منظور بررسی استقلال خطاها از یکدیگر از آزمون وولدریج^[۴۶] یا آزمون دوربین واتسون^[۴۷] استفاده می‌شود. با توجه به نتیجه­ آزمون وولدریج، اگر سطح معنی­داری بیش­تر از ۵% باشد، بیانگر عدم وجود خود همبستگی ‌می‌باشد. اگر بین باقیمانده­ها هم­بستگی متوالی وجود نداشته باشده مقدار آماره­ی دوربین واتسون باید به ۲ نزدیک باشد. در مجموع اگر این آماره بین ۵/۱ تا ۵/۲ باشد جای هیچ نگرانی نیست(دروکر،۲۰۰۳).

1. 1. . IFRS ↑

1. 1. ۱٫ Bradshaw et al. (2009) and De Franco et al. (2011) ↑

1. 1. ۲٫ Fang et al. (2012b) and Kim et al. (2013) ↑

1. 1. ۳٫ Chen et al. (2013) ↑

1. 1. ۴٫ Campbell and Yung (2012) ↑

1. 1. ۵٫ Haw et al. (2012) ↑

1. 1. ۲٫ Futur Earnings response coefficient (FERC) ↑

1. 1. . Earnings response coefficient (ERC) ↑

1. 1. . Campbell & Yeung ↑

1. 1. . Capital Asset Pricing Model (CAPM) ↑

1. 1. . Intertemporal CAPM ↑

1. 1. . Campbell and Shiller ↑

1. 1. . Bansal and Lundblad ↑

1. 1. . Bakshi and Chen ↑

1. 1. . Lettau and Ludvigson ↑

1. 1. . Binsbergen and Koijen ↑

1. 1. . Lacerda and Santa-Clara ↑

1. 1. . Ferreira and Santa-Clara ↑

1. 1. . Golez ↑