داده‌های جمع آوری شده با بهره گرفتن از نرم افزار اکسل محاسبه و با نرم افزار Eveiws  مورد تجزیه و تحلیل قرار مي گيرند. در اين تحقيق از رگرسيون چند متغيره براي محاسبه ضرايب و آزمون فرضيه‌ها استفاده شده است. اين نوع رگرسيون در گستره‌اي وسيع براي بررسي ارتباط بين متغيرهاي مستقل ومتغيرهاي وابسته، در مطالعات پيشين بكار رفته است. علاوه بر اين، از ماتريس همبستگي نيز در راستاي تحليل داده‌ها استفاده شده است.

به منظورآزمون معناداري ضرايب جزئي رگرسيون در فرضيه‌ها از آزمونt و مقدار احتمال(p-value ) توسط نرم افزار ای وی یوز محاسبه شده است. فرضيه‌هاي آزمون به صورت زير بيان شده است:

: نبودن رابطه معنادار متغير مستقل و وابسته

: بودن رابطه معنادار متغير مستقل و وابسته

درصورتي كه ( p-value ) بزرگتر از سطح خطاي مورد نظر آلفای (5 درصد) باشد، ضريب به‌دست آمدهمعنادارنيستوفرضية  را نمي توان رد كرد. به صورت مشابه، اگر ( p-value ) از سطح خطاي مورد نظر كوچكتر باشد، ضريب به‌دست آمده معنادار است و فرضية  رد می‌شود.

پس از آزمون  tو به منظور آزمون معناداري معادله رگرسيون در فرضيه‌ها از آزمون F و مقدار احتمال (p-value) محاسبه شده توسط نرم‌افزار ای وی یوز استفاده شده است. در معادله رگرسيون چندگانه، چنانچه رابطه‌اي بين متغير وابسته و متغيرهاي مستقل نباشد، بايد تمام ضرايب متغيرهاي مستقل در معادله، مساوي صفر باشد. با داشتن الگوي رگرسيون چندگانه، قاعده تصميم‌گيري به صورت زير است:

تمام ضرايب الگوي رگرسيون برابر صفر است.

حداقل يكي از ضرايب الگوي رگرسيون، غيرصفر است.

اگر در سطح اطمينان 95 % آماره F محاسبه شده از معادله رگرسيون از مقدار F دست آمده از جدول توزيع فيشر بزرگتر باشد، فرض صفر رد مي‌شود و در غير اين صورت، فرض صفر پذيرفته خواهد شد. در اين زمينه نيز مشابه آزمون معناداري ضرايب جزئي از مقدار احتمال (p-value) محاسبه شده توسط نرم‌افزار ای وی یوز  استفاده شده است.

جدول ضرايب استخراج شده از نرم افزار اس پی اس اس شامل دو دسته ضرايب استاندارد نشده ((B و ضرايب استاندارد شدهBeta) )  است. در ضرايب استاندارد نشده، مقياس متغيرها با يكديگر يكسان نيست. با وجود اين در ضرايب استاندارد شده مقياس متغيرها يكسان شده و امكان مقايسه متغيرها وجود دارد؛ به‌عبارت ديگر براي مقايسه اثر متغيرهاي مستقل برمتغير وابسته فقط از ضرايب استاندارد شده استفاده مي‌شود(مومنی، 1386). در اين پژوهش از اين گونه ضرايب در تحليل و مقايسه تأثير هر يك از متغيرها استفاده مي‌شود.

3-9-معرفی آزمون‌های آماری

درپژوهش حاضر،برای دست‌یابی به نتایج پژوهش ازآماراستنباطی استفاده خواهدشد. درآماراستنباطی گروه کوچکی ازجامعه انتخاب شده وفرضیه‌های مدنظرمحقق،درموردآن‌هاموردبررسی قرارمی‌گیرد. سپس به منظورتعمیم نتایج حاصل از نمونه به کل جامعه،یکسری آزمون‌های آماری انجام می‌شود. درادامه به آزمون‌های آماری مورداستفاده دراین پژوهش اشاره خواهدشد.

3-9-1تخمين مدل‌هاي رگرسیون با داده‌هاي پانل

براي برآورد الگوهاي رگرسيون خطي دو متغيره و چند متغيره معمولاً از روش كمترين مجذورات معمولي[3] كه به اختصار با OLS نشان داده می‌شود، استفاده می‌گردد. اين روش داراي ويژگي‌های مطلوب آماري مانند بدون تورش بودن، بهترين برآوردكننده خطي بدون تورش يا BLUE بودن را دارا مي باشد. اما براي رفع مشكلاتي همچون خود همبستگي جملات پسماند و ناهمساني واريانس از روش كمترين مجذورات تعميم گرفته، يعني [4]GLS استفاده می‌شود (شيرين بخش وخوانساري، 1384).

از ويژگي‌های مهم روش GLS رفع مشكلاتي همچون خود همبستگي و ناهمساني واريانس می‌باشد به همين دليل در اين تحقيق در صورت لزوم از اين روش استفاده می‌نماييم.

روش GLS اقدام به موزون نمودن متغيرهاي الگوي مدل رگرسيون می‌نمايد. به همين دليل روش مذكور را روش كمترين مجذورات موزون (Weighted LS  یا WLS) مي‌نامند. (شيرين­بخش و خوانساري، 1384).

 مزایای استفاده از داده های تابلویی (ترکیبی)

بالتاگی مزایای استفاده از داده‌های تابلویی نسبت به داده‌های مقطعی یا سری زمانی را چنین بر می‌شمارد:

-1از آنجا که داده‌های تابلویی به افراد، بنگاه‌ها ، ایالات، کشورها و از این قبیل واحدها طی زمان ارتباط دارند، وجود ناهمسانی واریانس در این واحدها محدود می‌شود. تکنیک‌های تخمین با داده‌های تابلویی، همانگونه که نشان خواهیم داد می‌توانند این ناهمسانی واریانس را با متغیرهای تکی و خاص مورد ملاحظه و بررسی قرار دهند.

-2 با ترکیب مشاهدات سری زمانی و مقطعی، داده‌های تابلویی با اطلاعات بیشتر، تغییر پذیری بیشتر، همخطی کمتر میان متغیرها، درجات آزادی بیشتر و کارایی بیشتری را ارائه می‌دهند.

-3با مطالعه مشاهدات مقطعی تکراری، داده‌های تابلویی به منظور مطالعه پویای تغییرات، مناسب‌تر و بهترند.

-4داده‌های تابلویی تاثیراتی را که نمی‌توان به سادگی در داده‌های مقطعی وسری زمانی مشاهده کرد، بهتر نشان می‌دهند.

-5داده‌های تابلویی ما را قادر می‌سازند تا مدل‌های رفتاری پیچیده را بهتر مطالعه کنیم

-6 داده‌های تابلویی با ارائه داده برای هزاران واحد، می‌تواند تورشی را که ممکن است در نتیجه لحاظ افراد یا بنگاه‌ها (به صورت تجمعی و کلی ) حاصل شود، حداقل سازند.

به طور کلی باید گفت داده‌های تجربی را به شکلی غنی می‌سازد که در صورت استفاده از داده‌های سری زمانی یا مقطعی این امکان وجود ندارد.

[1]. Excel

[2]. Multiple Regression

1- Ordinary  Least  Squars  Method

2- Generalized  Least  Squares  Method