عبارتست از اقلام تعهدی جاری غیرعادی (اختیاری)
پس از تخمین، با بهره گرفتن از ضرایب و بدست آمده برای هر صنعت مطابق با معادله شماره (۳) اقلام تعهدی جاری عادی (غیراختیاری) شرکت ها محاسبه شده سپس بر اساس معادله شماره (۴) اقلام تعهدی جاری اختیاری شرکت ها محاسبه می شود. لازم به توضیح است که از قدر مطلق اقلام تعهدی جاری اختیاری به عنوان نماینده متغیر مدیریت سود استفاده می شود و هرچه میزان آن بیشتر باشد سود از کیفیت کمتری برخوردار است.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

نحوه اندازه گیری بازده غیرعادی شرکت‌ها
برای اندازه گیری بازده غیرعادی از مدل سه عاملی فاما و فرنچ (۱۹۹۳)، استفاده می‌شود. مدل مذکور به شرح زیر می‌باشد:
(۵)
(۶)
(۷)
(۸)
(۹)
عبارتست از بازده ماهانه سهام شرکت ها
عبارتست از بازده ماهانه بدون ریسک
عبارتست از بازده ماهانه بازار
عبارتست از عامل اندازه در مدل سه عاملی فاما و فرنچ
عبارتست از عامل ارزش در مدل سه عاملی فاما و فرنچ
عبارتست از بازده غیرعادی ماهانه
عبارتست از میانگین بازده های غیرعادی ماهانه
عبارتست از مجموع میانگین بازده های غیرعادی ماهانه پس از تاریخ اعلان سود شرکتها
برای محاسبه مجموع میانگین بازده‌های غیرعادی ماهانه پس از تاریخ اعلان سود شرکت‌ها ابتدا از طریق مدل فاما و فرنچ بازده مورد انتظار سهام شرکت‌ها محاسبه شده سپس بازده غیرعادی ماهانه از طریق تفاضل میان بازده واقعی ماهانه و بازده مورد انتظار ماهانه برای هر ماه – شرکت محاسبه می‌شود. سپس بر اساس پورتفو بندی صورت گرفته بر اساس متغیر مدیریت سود شرکت‌ها در طبقه تقسیم می‌شود و میانگین بازده غیرعادی ماهانه برای هر پورتفو در هر سال محاسبه می‌شود، در نهایت نیز برای محاسبه مجموع میانگین بازده‌های غیرعادی ماهانه، مجموع میانگین بازده غیرعادی ماهانه برای هر پورتفو پس از تاریخ اعلان سود شرکت‌ها محاسبه می‌شود.
نحوه اندازه گیری خطای پیش بینی سود شرکت‌ها: فرایند اندازه گیری خطای پیش بینی سود هر سهم به صورت زیر است (لونکانی و فرت^[۱۷۰]،۲۰۰۵):
FEit =| APit – FPit| / | FPit |
در این رابطه داریم:
FEit: خطای پیش بینی سود هر سهم شرکت i برای دوره t
APit: سود خالص واقعی هر سهم شرکت i برای دوره t
FPit: سود خالص پیش بینی شده از سوی مدیران برای شرکت i برای دوره t
۳-۴-۴- آزمون پیش فرض استفاده از مدل رگرسیون
فرضیه‌های این تحقیق در قالب روابط رگرسیونی مشخصی مدل‌بندی شده است و بنابراین لازم است که پیش از آزمون این روابط رگرسیونی و تحلیل نتایج آنها، مفروضات بنیادی این روابط مورد بررسی قرار گیرند که اهمیت بسیار زیادی دارند. لذا، چهار بحث اساسی زیر در مورد روابط رگرسیونی تحقیق، مورد بررسی قرار خواهد گرفت که عبارتند از:
۱)آزمون مانایی داده های تحقیق: در این تحقیقق قبل ازتخمین مدل، بررسی مانایی متغییرآن مورد بررسی قرار خواهد گرفت یک متغییر وقتی ماناست که میانگین،واریانس وضرایب خود همبستگی آن در طول زمان ثابت باقی بماند بنابراین آزمون مانایی تحقیق در سه حالت “در سطح”، “روی تفاضل اول” و “روی تفاضل دوم” تحت نرم افزار Eviewsمی تواند بررسی شود.
۲) آزمونFلیمر وآزمون هاسمن:به منظور گزینش یکی از روش های داده های تابلویی یاداده های تلفیقی از آماره آزمون F لیمر استفاده می شودبه عبارت دیگر آماره آزمون Fلیمر تعیین می کند عرض از مبدا جداگانه ای برای هر یک از شرکت ها وجود دارد یا خیر؟
اگر پس از آزمونF لیمر، فرضیه صفر رد شده باشد از آزمون هاسمن استفاده می شود اگر مقدار احتمال یا سطح معناداری sig)^[171]) کمتر از۵% باشد یعنی فرضیه صفر رد می شود بهترین روش تخمین روش ثابت بوده در صورتی که سطح معناداری بیشتر از۵% باشد بهترین روش تخمین اثرات تصادفی است.
۳) آزمون عدم خود‌همبستگی داده‌ها: از دیگر مفروضات استفاده از مدل رگرسیون استقلال خطاها از یکدیگر است. جهت بررسی استقلال خطاها از یکدیگر از آزمون دوربین-واتسن^[۱۷۲] استفاده میشود. آمارهی این آزمون در دامنه ۰ و ۴+ قرار میگیرد و چنانچه این آماره در حدود عدد ۲ یعنی در دامنه (۵/۱و۵/۲ ) باشد خطاها با همدیگر همبستگی نداشته (استقلال خطاها از هم) میتوان از رگرسیون استفاده کرد.
۴) از تحلیل همبستگی اسپیرمن که شدت وابستگی دو متغییر به یکدیگر را همبستگی تعریف می کنیم، به منظور بررسی ارتباط ابتدایی بین متغییر مستقل و وابسته می پردازیم و به طور کلی ضرایب همبستگی بین۱- تا ۱+ تغییر می کند و رابطه بین دو متغییر می تواند مثبت یا منفی باشد.
۳-۵- خلاصه فصل
در این فصل، روش تحقیق مطرح گردید. ابتدا، مسأله تحقیق و فرضیه‌ها بیان شد. سپس جامعه و نمونه آماری و نحوۀ تکمیل و آماده‌سازی داده‌ها برای پردازش از طریق نرم ‌افزارهای آماری تشریح گردید. در ادامه فصل، چگونگی اندازه‌گیری متغیرهای وابسته و مستقل توضیح داده شد و سرانجام، فرایند آزمون فرضیه‌ها همراه با مفاهیم آماری مرتبط مورد بحث قرار گرفت. با توجه به آنچه که دراین فصل بیان گردید در فصل چهارم به آزمون فرضیه‌ها تحقیق و ارائه تجزیه و تحلیل داده‎ها و یافته‎های پژوهش پرداخته می‎شود.
فصل چهارم
نتایج
۴-۱- مقدمه
نتیجهگیری مطلوب حاصل تجزیه و تحلیل دقیق اطلاعاتی است که بر مبنای سوال اصلی پژوهش گردآوری شده است. بنابراین تجزیه و تحلیل اطلاعات به عنوان بخشی از فرایند روش تحقیق علمی، یکی از پایه های اصلی هر مطالعه و بررسی است. هدف از تجزیه و تحلیل، تبدیل داده ها به شکل قابل فهم و قابل تفسیر است. در فصل سوم ضمن ارائه فرضیه ها، مدلها و متغیرهای تحقیق، شیوه گردآوری داده ها و روش های آماری مناسب جهت آزمون فرضیه های تحقیق مطرح گردید. اکنون نوبت آن است که داده های مورد نیاز برای آزمون فرضیه پژوهش جمع آوری شود و با بهره گرفتن از روش های آماری متناسب با روش پژوهش و نوع متغیرها، دسته بندی و تجزیه و تحلیل گردد. در این فصل پژوهشگر برای پاسخگویی به مسئله تدوین شده و یا تصمیم گیری در مورد تایید یا رد فرضیه یا فرضیه های پژوهش، از روش های مختلف تجزیه و تحلیل استفاده می کند. در این فصل به آمار توصیفی و آزمون مانایی متغیرهای پژوهش پرداخته و سپس از آزمون F لیمر و هاسمن جهت مشخص نمودن روش تخمین مدلها استفاده می گردد. بعد از تخمین مدلها، به تجزیه و تحلیل نتایج حاصل از آنها پرداخته می شود.
۴-۲- بررسی آمار توصیفی متغیرها طی دوره پژوهش
آمار توصیفی شامل مجموعه روشهایی است که برای جمع آوری ، خلاصه کردن، طبقه بندی و توصیف حقایق عددی به کار می رود. در واقع این آمار، داده ها و اطلاعات پژوهش را توصیف می کند و طرح یا الگوی کلی از داده ها برای استفاده سریع و بهتر از آنها به دست می دهد. در یک جمع بندی با استفاده مناسب از آمار توصیفی می توان ویژگیهای یک دسته از اطلاعات را بیان کرد. پارامترهای مرکزی و پراکندگی به همین منظور به کار می روند. کارکردهای این معیارها این است که می توان خصوصیات اصلی مجموعه ای از داده ها را به صورت یک عدد بیان کنند و بدین ترتیب افزون بر آن که به فهم بهتر نتایج یک آزمون کمک میکنند، مقایسه نتایج آن آزمون رابا آزمونها و مشاهدات دیگر نیز تسهیل می نماید.
در جدول (۴-۱)، برخی از مفاهیم آمار توصیفی متغیرها، شامل میانگین، میانه،حداقل مشاهدات، حداکثر مشاهدات و انحراف معیار ارائه شده است. اصلی ترین شاخص مرکزی میانگین است که نشان دهنده نقطه تعادل و مرکز ثقل توزیع است و شاخص خوبی برای نشان دادن مرکزیت داده ها است. برای مثال مقدار میانگین برای متغیر خطای پیش بینی سود ( ) برابر با ۲۵۷۲۴/۰ می باشد که نشان می دهد بیشتر داده ها حول این نقطه تمرکز یافته اند. میانه یکی دیگر از شاخصهای مرکزی است که وضعیت جامعه را نشان می دهد. همانطور که در جدول (۴-۱)، مشاهده می شود میانه متغیر برابر با ۱۱۵۱/۰ می باشد که نشان دهنده این است که نیمی از داده ها کمتر از این مقدار و نیمی دیگر بیشتر از این مقدار هستند. انحراف معیار یکی از مهمترین پارامترهای پراکندگی است و معیاری است برای میزان پراکندگی مشاهدات از میانگین است. مقدار این پارامتر برای متغیر برابر با ۴۴۴۳/۰ است.
جدول ۴-۱-آماره های توصیفی متغیرهای پژوهش

انحراف معیار

مینیمم

ماکزیمم

میانه

میانگین

تعداد مشاهدات

متغیرها