۷۲

۷۲

۷۲

۷۲

۷۲

۷۲

۷۲

منبع: یافته های پژوهش

۴-۳-۲).آزمون نرمال بودن متغیرهای وابسته AIP-AFP-CCC))
قبل از آزمون فرضیات باید نرمال بودن متغیر وابسته مورد آزمون قرار گیرد، توزیع غیرنرمال این متغیر منجر به تخطی از مفروضات این روش برای تخمین پارامترها می شود. لذا لازم است نرمال بودن توزیع متغیر وابسته تحقیق مورد آزمون قرار گیرد. در این مطالعه این موضوع از طریق آماره جارک- برا مورد بررسی قرار می گیرد. فرض صفر و فرض مقابل در این آزمون به صورت زیر می باشد:
H0: Normal Distribution
H1: Not Normal Distribution
از آنجائیکه احتمال آماره جارک- برا در جدول(۴-۲) برای متغیر های وابسته چرخه تبدیل وجه نقد، سیاست سرمایه گذاری جسورانه و سیاست تأمین مالی جسورانه کمتر از ۵% است، فرضیه صفر مبنی بر نرمال بودن توزیع متغیر مذکور رد می شود. در این راستا برای نرمال سازی متغیرهای مذکور از تبدیل جانسون Johnson استفاده شده است، که تابع تبدیل متغیرهای وابسته در پیوست شماره (۳) بررسی و نشان داده شده است. همانطور که در پیوست شماره (۳) مشاهده می شود احتمال آماره داده های اولیه برای متغیرهای وابسته سیاست سرمایه گذاری جسورانه و سیاست تأمین نالی جسورانه کمتر از ۰۵/۰ است که حاکی از نرمال نبودن متغیر مذکور است که با نرمال سازی توسط نرم افزار افزایش یافته است، در نتیجه فرضیه H0 مبنی بر نرمال بودن متغیر های مذکور پذیرفته می شود. نگاره (۱) توزیع متغیر های وابسته را بعد از نرمال سازی نشان می دهد. در حالیکه احتمال آماره داده های اولیه برای متغیر وابسته چرخه تبدیل وجه نقد با نرمال سازی توسط نرم افزار هم در سطح ۰۵/۰ و هم در سطح ۱/۰ نرمال نشده، در نتیجه در این پژوهش با توجه به بزرگ بودن حجم نمونه (N>30)، و تعداد مشاهدات بالا، از قضیه حد مرکزی بهره می گیریم؛ از قضیه حد مرکزی می توان نتیجه گرفت که هر چه حجم پایه در نمونه برداری بزرگتر باشد، واریانس بین نمونه ها کمتر و توزیع میانگین جوامع نمونه برداری شده به توزیع نرمال نزدیک تر می شودو نرمال بودن توزیع مورد نظر با افزایش تعداد تکرارها (n) افزایش می یابد(بدری و عبدالباقی،۱۳۸۹).
 
نگاره (۱): نمودار توزیع نرمال متغیرهای وابسته بعد از نرمال شدن
۴-۳-۳). آزمون مانایی متغیرها
همانطور که در فصل سوم بیان شد قبل از برآورد مدل به منظور اطمینان از نتایج تحقیق و ساختگی نبودن روابط موجود در رگرسیون و معنی دار بودن متغیرها، اقدام به انجام آزمون مانایی و محاسبه ریشه واحد متغیرهای تحقیق در مدل ها گردید. آزمون مزبور با استفاده از نرم افزار Eviews7 و روش آزمون لوین، لین و چو[۵۵] (۲۰۰۲) انجام گردید. در آزمون ریشه واحد فرضیه صفر بیانگر وجود ریشه واحد بوده و در صورتیکه احتمال جدول کوچکتر از ۰۵/۰ باشد به احتمال ۹۵ درصد فرضیه صفر پذیرفته نمی شود. نتایج حاصل از آزمون ریشه واحد برای متغیرهای مدل به شرح جدول (۴-۳) می باشد
جدول(۴-۳) :نتایج آزمون ریشه واحد متغیرهای مدل