سامانه پژوهشی – بررسی تاثیر اعتبار هیأت مدیره بر ارائه مجدد صورت های مالی- قسمت ۱۴

۳-۱۳- آزمون‌های آماری
آمار به طور وسیعی در قلمرو تمام تحقیقات علمی به کار میرود. به طور کلی مطالعه دادهها در علم آمار به دو طریق امکانپذیر است: ۱- آمار توصیفی و ۲- آمار استنباطی.
در آمار توصیفی این تحقیق، میانگین، میانه، انحراف معیار، چولگی، کشیدگی، حداقل و حداکثر داده‌ها محاسبه شده است. در آمار استنباطی این تحقیق از آزمون رگرسیون لجستیک برای آزمون فرضیات استفادهشده است. همچنین محاسبات و استخراج خروجی‌ها با استفاده از نرمافزار صفحهگسترده اکسل و نرمافزار آماری ‌ای‌ویوز ۸ انجام گرفته است.
۳-۱۳- استفاده از الگوی رگرسیون لجستیک
در برخی موارد برای بررسی ارتباط بین چند متغیر حالتی وجود دارد که در آن متغیر وابسته به صورت دو وجهی ( صفر و یک) و یا چند وجهی میباشد. بدیهی است که در چنین مواردی توزیع احتمال متغیر وابسته و همچنین باقیماندههای حاصل از برازش مدل نرمال نخواهد بود. بنابراین دیگر نمیتوان از رگرسیون معمولی و برآوردهای حداقل مربعات معمولی OLS استفاده نمود. در چنین مواقعی از رگرسیون لجستیک برای بررسی ارتباط استفاده می‌شود.
در تحلیل رگرسیون لجستیک، برای ارزیابی میزان برازش کل مدل، از آزمون نسبت درستنمایی استفاده می‌شود که آماه آن “کای‌دو” است. بنابراین در اینجا آماره “کای‌دو” معادل آماره F در تحلیل رگرسیون خطی است.
در تفسیر مقدار درستنمایی با استفاده از معنی‌داری مقدار آماره “کای‌دو” در سطح خطای کوچکتر از ۵٪، می‌توانیم پی ببریم که آیا مدل رگرسیونی به خوبی داده‌ها را برازش می‌دهد یا خیر. البته بایستی توجه داشت که بر خلاف آماره “کای‌دو” پیرسون در جدول توافقی و همچنین سایر آزمون‌های مشابه که از آماره “کای‌دو” استفاده می‌کنند و در آنها مقدار بالاتر “کای‌دو” نشان‌دهنده میزان بیشتر رابطه است، در آزمون نسبت درستنمایی برعکس است. یعنی در اینجا، هرچقدر مقدار آماره “کای‌دو” کوچکتر باشد، برازش مدل بهتر است.
با توجه به موارد ذکر‌شده در بالا، می‌توان چنین نوشت که:
برای پی‌بردن به برازش کل مدل رگرسیونی لجستیک، از آماره “کای‌دو” استفاده می‌کنیم.
برای پی‌بردن به معنی‌داری اثر هر متغیر بر متغیر وابسته، از آماره “Z” استفاده می‌کنیم. (حبیب‌پور، صفری، ۱۳۸۸: ۷۱۳)
با توجه به موارد ذکر‌شده در بالا، می‌توان چنین نوشت که:
رگرسیون لجستیک، مشابه با رگرسیون معمولی است، با این تفاوت که در آن روش تخمین ضرایب یکسان نمیباشد. به عبارت دیگر، رگرسیون لجستیک به جای حداقل کردن مجذور خطاها (که در رگرسیون معمولی انجام می شود)، احتمالی را که یک واقعه رخ می دهد حداکثر می‌کند.
۳-۱۵- حجم نمونه در رگرسیون لجستیک:
اگرچه در ادبیات مربوط به رگرسیون لجستیک، قواعد خاصی برای حجم نمونه و نیز حداقل نسبت تعداد نمونه به تعداد متغیر مستقل (پیش‌بین) پیشنهاد نشده است، اما برخی از نویسندگان در حوزه آمار چندمتغیره، حداقل حجم نمونه برای یک تحلیل رگرسیون لجستیک خوب را ۵۰ و برخی نیز ۱۰۰ عدد عنوان کرده‌اند. (حبیب‌پور، صفری، ۱۳۸۸: ۷۰۹).
با توجه به مطلب فوق‌الاشاره، حجم نمونه استفاده‌شده در این تحقیق، ۱۲۱۰ سال-شرکت (جدول ۳-۱) را شامل می‌شود که برای یک تحلیل رگرسیون لجستیک خوب، مناسب به نظر می‌رسد.
جدول ۳-۶- حجم نمونه استفاده‌شده در تحقیق