این تحقیق به بررسی اثر تهدید خروج سهامداران عمده و نهادی بر کیفیت گزارشگری مالی در شرکت های پذیرفته شده در بورس اوراق بهادار تهران می پردازد. در این فصل داده ها و اطلاعات به دست آمده با بهره گرفتن از روش ها و مدل های آماری مناسب تجزیه و تحلیل می شود. در پژوهش های علمی، تجزیه و تحلیل داده ها که از نمونه های آماری جمع آوری گردیده، مرحله مهمی از تحقیق تلقی می شود. محقق در این مرحله، با بهره گرفتن از یک روش تحقیق، داده ها را تجزیه و تحلیل، فرضیه را آزمون و نهایتاً نتیجه گیری نهایی را برای گزارش انجام خواهد داد.
| برای دانلود متن کامل پایان نامه به سایت tinoz.ir مراجعه کنید. |
۴-۲ توصیف نمونه آماری
در اینجا مروری بر نمونه و جامعه آماری خواهیم داشت. در این فصل، اطلاعات مربوط به ۱۱۹ شرکت به همراه صنایع انتخاب شده، که نمونه آماری ما را تشکیل داده اند(جدول ۴-۱ و ۴-۲)، در دوره زمانی ۱۳۸۸ -۱۳۹۲ مورد تجزیه و تحلیل قرار گرفته اند تا ارتباط بین متغیرها برای آزمون فرضیه تحقیق بررسی شود. برای تحلیل داده ها ابتدا از روش های آمار توصیفی استفاده می شود و در ادامه، آزمون نرمال بودن متغیر وابسته مورد بررسی قرار می گیرد و سپس با بهره گرفتن از مدل داده های مقطعی فرضیه آزمون می گردد. همچنین مدل های تعریف شده در فصل سوم برازش داده شده و کفایت آنها بررسی می شود. لازم به ذکر است که برای تجزیه و تحلیل داده های آماری از نرم افزار Eviws استفاده شده است.
۴-۳ جامعه آماری
جامعه آماری عبارتست از کلیه عناصر و افرادی که در یک مقیاس جغرافیایی مشخص دارای یک یا چند صفت مشترک باشند. هرچه جامعه آماری کوچکتر باشد، می توان آن را دقیق تر از یک جامعه آماری بزرگتر مطالعه نمود. در این مطالعه جامعه آماری شرکت های پذیرفته شده در بورس اوراق بهادار تهران به جز بانک ها و موسسات مالی و اعتباری و سرمایه گذاری هستند که از نرم افزار ره آورد نوین استخراج میشوند.
۴-۴ نمونه آماری
در این تحقیق از روش حذف سیستماتیک جهت نمونه گیری استفاده شده است. از آنجایی جامعه آماری شامل شرکت های فعال پذیرفته شده در بورس می باشند، فقط یک نمونه آماری موجود می باشد. بنابراین روش نمونه گیری حذف سیستماتیک است.که در این تحقیق از ۵۹۲ شرکت های تابلوی اصلی بورس، تعداد شرکت هایی که در قلمرو زمانی ۸۸ تا ۹۶ وارد بورس شدند ۱۴۰ عدد، تعداد شرکت هایی که در این قلمرو زمانی سال مالی خود را تغییر داده اند ۹۸ عدد، تعداد شرکت هایی که سال مالی آنها به ۲۹/۱۲ ختم نمی شود ۷۹ عدد، تعداد شرکت هایی که به امور هلدینگ و سرمایه گذاری و بانک اشتغال داشته اند ۱۰۸ عدد و در تعداد شرکت هایی که بیش از سه ماه وقفه معاملاتی داشتند ۴۸ عدد بوده، که از لیست شرکت های مورد تحقیق حذف شده و در نهایت ۱۱۹ شرکت واجد شرایط و دارای اطلاعات کامل برای تحقیق انتخاب شدند.
۴-۵ یافته های تحقیق
در این قسمت علایم اختصاری به کار رفته در متغیرهای تحقیق و شاخص های پراکندگی و مرکزی متغیرها نشان داده شده اند.
جدول ۴-۱: علائم اختصاری متغیرهای مستقل و وابسته تحقیق
| ماشین آلات |
PPE |
| جمع کل دارایی ها |
TA |
| معکوس دارایی |
TA1 |
| تغیرات فروش بر دارایی |
STA |
| ماشین آلات بر دارایی |
PPETA |
| اقلام تعهدی بر دارایی |
TACCTA |
| بازده دارایی |
ROA |
| اقلام تعهدی |
TACC |
| اندازه شرکت |
SIZE |
| اهرم مالی |
LEV |
| ارزش دفتری به ارزش بازار |
BTM |
| تغیر در فروش |
S |
| نوسان درآمد |
REVOL |
| نوسانات جریان وجه نقد |
OCFVOL |
| مانده وجه نقد در انتهای سال |
LIQUIDITY |
| سهامداران عمده |
BHCOMP |
۴-۶ نحوه اندازه گیری متغیر کیفیت گزارشگری مالی
برای به دست آوردن متغیر کیفیت گزارشگری مالی از اقلام تعهدی اختیاری استفاده می شود. برای به دست آوردن اقلام تعهدی اختیاری کافی است مدل
را که پس از برازش آن و محاسبه ضرایب، به عنوان اقلام تعهدی غیر اختیاری استفاده می شود، از اقلام تعهدی کل کم کنیم. اعداد به دست آمده را ضرب در (۱-) می کنیم تا داده های متغیر کیفیت گزارشگری مالی به دست آید. همه این محاسبات در فایل اکسل داده ها موجود می باشد که قسمتی از آن در زیر ارائه شده است.
برازش مدل اقلام تعهدی اختیاری
جدول ۴-۲: نتایج تخمین مدل (محاسبه اقلام تعهدی غیر اختیاری)
| متغیرها |
ضرایب متغیرها |
انحراف استاندارد |
آمارهT |
سطح معنی داری |
مقایسه با ۰٫۰۵ |
نتیجه در مدل |
| TA1 |
۱۱۸۵٫۷۹۵ |
۱۸۶٫۲۷۶۴ |
۶٫۳۶۵۷۸۵ |
۰٫۰۰۰۰ |
کوچکتر |
تاثیرگذار است |
| STA |
-۰٫۰۰۰۱۹۰ |
۰٫۰۰۰۲۴۹ |
-۰٫۷۶۴۱۵۳ |
۰٫۴۴۵۱ |
بزرگتر |
تاثیرگذار نیست |
| PPETA |
-۰٫۰۷۵۲۱۴ |
۰٫۰۱۰۷۳۴ |
-۷٫۰۰۷۲۶۱ |
۰٫۰۰۰۰ |
کوچکتر |
تاثیرگذار است |
| ROA |
۰٫۷۷۳۷۴۹ |
۰٫۰۳۶۰۶۳ |
۲۱٫۴۵۵۵۱ |
۰٫۰۰۰۰ |
کوچکتر |
تاثیرگذار است |
| آماره دوربین واتسون |
۲٫۱۰ |
خطاها در مدل همبسته نیستند یعنی مقدار آماره دوربین واتسون در بازه ۱٫۵ تا ۲٫۵ قرار دارد. |
| ضریب تعیین مدل |
۰٫۴۳ |
۴۳ درصد از تغییرات اقلام تعهدی بر دارایی توسط متغیرهای مستقل معنادار بیان می شود. |
ضرایب متغیرهای به دست آمده در جدول بالا که ستون دوم را تشکیل می دهند در مدل زیر قرار داده تا اقلام تعهدی غیر اختیاری محاسبه شود.
۴-۷ شاخص های مرکزی و پراکندگی
جدول ۴-۳: شاخص های مرکزی و پراکندگی متغیرهای پژوهش
| متغیر |
FQR |
BHCOMP |
LIQUIDITY |
BHCOMPLIQ |
SIZE |
| میانگین |
۰٫۱۰۸۹۱۶ |
۱۸٫۹۸۰۳۵ |
۳۱۰۳۴٫۴۴ |
۶۲۷۹۷۵٫۱ |
۵٫۳۷۴۵۶۸ |
| میانه |
۰٫۰۶۷۸۶۰ |
۱۶٫۱۷۰۰۰ |
۴۳۹۴٫۰۰۰ |
۵۲۳۳۱٫۵۰ |
۵٫۴۱۸۶۳۳ |
| بیشترین مقدار |
۱٫۰۳۳۳۷۴ |
۸۷٫۸۱۰۰۰ |
۱۳۷۸۴۹۱٫ |
۴۳۱۴۶۷۶۸ |
۷٫۲۳۲۸۹۳ |
| کمترین مقدار |
۰٫۰۰۱۰۴۰ |
۱٫۰۰۰۰۰۰ |
۰٫۰۰۰۰۰۰ |
۰٫۰۰۰۰۰۰ |
۳٫۳۶۷۷۲۹ |
| انحراف معیار |
۰٫۱۳۴۰۱۲ |
۱۳٫۶۱۵۴۶ |
۱۰۲۴۵۹٫۳ |
۲۵۵۴۵۷۲٫ |
۰٫۷۲۵۰۷۴ |
| چولگی |
۳٫۳۶۸۱۴۵ |
۱٫۲۵۷۰۷۳ |
۷٫۶۸۸۹۲۵ |
۱۰٫۱۴۷۰۲ |
-۰٫۱۱۷۰۳۸ |
| کشیدگی |
۱۸٫۰۷۸۹۰ |
۵٫۶۹۹۲۵۴ |
۷۹٫۲۴۷۲۳ |
۱۴۲٫۶۷۵۰ |
۲٫۸۹۴۱۷۶ |
| آماره جاک برا |
۶۷۶۱٫۹۴۸ |
۳۳۷٫۳۳۷۸ |
۱۴۹۹۹۲٫۵ |
۴۹۳۸۷۳٫۷ |
۱٫۶۳۶۰۰۱ |
| سطح معنی داری |
۰٫۰۰۰۰۰۰ |
۰٫۰۰۰۰۰۰ |
۰٫۰۰۰۰۰۰ |
۰٫۰۰۰۰۰۰ |
۰٫۴۴۱۳۱۳ |
| حجم نمونه |
۵۹۵ |
۵۹۵ |
۵۹۵ |
۵۹۵ |
۵۹۵ |
| متغیر |
ROA |
REVOL |
OCFVOL |
LEV |
BTM |
| میانگین |
-۰٫۰۰۲۹۹۰ |
۱۴۵۰۶۸۱٫ |
۵۰۲۶۵۲٫۶ |
۱٫۷۲۷۴۰۵ |
۱۶۹۲۶٫۰۲ |
| میانه |
۰٫۰۲۳۱۸۶ |
۱۴۳۷۱۵۶٫ |
۵۷۵۱۰۴٫۵ |
۰٫۸۲۲۱۹۰ |
۱۵۱۵٫۰۰۰ |
| بیشترین مقدار |
۰٫۵۵۹۵۹۷ |
۱۶۴۹۱۵۸٫ |
۷۱۱۵۲۵٫۴ |
۵۸٫۹۸۹۳۵ |
۱۵۰۰۰۰۰٫ |
| کمترین مقدار |
-۱٫۳۹۲۷۴۳ |
۱۳۳۷۰۰۵٫ |
۲۲۱۸۳۱٫۹ |
۰٫۱۷۶۲۹۸ |
۰٫۰۰۰۰۰۰ |
| انحراف معیار |
۰٫۲۲۰۷۹۱ |
۷۹۲۶۳٫۲۸ |
۱۴۴۵۱۳٫۰ |
۵٫۵۴۶۴۶۶ |
۱۳۶۹۹۸٫۶ |
| چولگی |
-۲٫۳۴۵۹۷۱ |
۰٫۷۲۴۱۶۳ |
-۰٫۴۶۰۹۳۳ |
۹٫۴۰۴۲۰۶ |
۱۰٫۶۸۸۹۶ |
| کشیدگی |
۱۵٫۳۳۰۳۵ |
۲٫۸۲۱۲۳۵ |
۱٫۸۸۳۹۱۲ |
۹۶٫۰۵۸۰۹ |
۱۱۵٫۸۰۰۳ |
| آماره جاک برا |
۴۳۱۵٫۰۳۸ |
۵۲٫۷۹۶۴۲ |
۵۱٫۹۵۰۶۲ |
۲۲۳۴۶۱٫۳ |
۳۲۶۷۷۷٫۲ |
| سطح معنی داری |
۰٫۰۰۰۰۰۰ |
۰٫۰۰۰۰۰۰ |
۰٫۰۰۰۰۰۰ |
۰٫۰۰۰۰۰۰ |
۰٫۰۰۰۰۰۰ |
| حجم نمونه |
۵۹۵ |
۵۹۵ |
۵۹۵ |
۵۹۵ |
۵۹۵ |
*منبع:( بایزیدی و همکاران، ۱۳۸۹)
از بین شرکت های انتخاب شده ۶۰% زیان ده و مابقی شرکت ها سود ده بوده اند به همین دلیل میانگین منفی شده است. (زیان ده بودن جزء محدودیت ها نبوده است)
۴-۸ تحلیل پیش فرض ها ( آزمون فرض کلاسیک)
در این قسمت پیش فرضهای لازم جهت انجام فرضیات تحلیل می شوند.
۴-۸-۱ نرمال بودن متغیر وابسته
برای بررسی نرمال بودن داده ها از آزمون جاک برا۱ استفاده شد. چون داده ها نرمال نبودند( سطح معنی داری آزمون جاک برا کمتر از ۰٫۰۵ بود ).
جدول ۴-۴: شاخص های مرکزی و پراکندگی متغیر وابسته پژوهش
| متغیر |
FQR |
| آماره جاک برا |
۶۷۶۱٫۹۴۸ |
| سطح معنی داری |
۰٫۰۰۰۰۰۰ |
| مقایسه با ۰٫۰۵ |
کوچکتر |
| نتیجه آزمون |
نرمال نیست |
*منبع :بایزیدی و همکاران، ۱۳۸۹
برای اینکه متغیر وابسته را نرمال کنیم از تبدیلات کاکس- باکس با فرمول زیر استفاده می کنیم که در آن عدد ثابت بوده و مقادیر آن از ۵ تا ۵- تغییر کرده و جایگذاری آن در فرمول، نوع تبدیل مناسب جهت نرمال سازی بر روی متغیر ها را مشخص می کند. بایزیدی و همکاران،(۱۳۸۹)
در این تحقیق از لانداهای مختلف از جمله ۰٫۲۷، در نرم افزار minitab برای این متغیر استفاده شده است. بعد از نرمال سازی نتایج آزمون جاک برا بصورت زیر می باشد:
جدول ۴-۵: آزمون جاک –برا، متغیر وابسته پژوهش بعد از اعمال تبدیلات کاکس و باکس
| متغیر |
FQR |
| آماره جاک برا |
۵٫۲۳۱۰۲۲ |
| سطح معنی داری |
۰٫۰۷۳۱۳۰ |
| مقایسه با ۰٫۰۵ |
بزرگتر |
| نتیجه آزمون |
نرمال است |
*منبع : همان
۴-۸-۲ دلایل انتخاب روش آماری
برای بررسی میزان تاثیرگذاری متغیرهای مستقل و کنترلی بر متغیر وابسته از برازش مدل رگرسیونی تابلویی یا تلفیقی استفاده می شود. چون بیش از یک نوع متغیر مستقل داریم.
به عبارت دیگر برای بررسی رابطه بین متغیرهای مستقل و وابسته از رگرسیون پانل یا پول با توجه به سطح معنی داری آزمون لیمر استفاده می کنیم در این آزمون زمانیکه سطح معنی داری کوچکتر از ۰٫۰۵ باشد رگرسیون پانل( تابلویی) جهت برازش مدل انتخاب می شود خود برازش پانل به دو صورت اثر تصادفی و اثر ثابت می باشد. با توجه به آزمون هاسمن از برازش تصادفی یا ثابت استفاده می شود در این آزمون هرگاه سطح معنی داری بزرگتر از ۰٫۱ باشد از برازش تصادفی استفاده می شود.
۴-۸-۳آزمون F لیمر مدل
Price = δ۰ +δ۱ BE + δ۲ EPS + δ۴ (EPS * SS) + δ۵ (EPS *EVAR) ++ δ۶ (BETA) + δ۷ (FR)+ψ (۴)
مدل رگرسیون تابلویی ذیل را در نظر بگیریم:
(۱)
در رابطه (۱)، I نشان دهنده i امین واحد مقطعی و t نشان دهنده t امین دوره زمانی است. فرض می شود، حداکثر n مقطعی و حداکثر t دوره زمانی وجود دارد.
برآورد مدل (۱) به فروض ما در مورد عرض از مبدا، ضرایب شیب و جمله خطای بستگی دارد. در حالت کلی در برآورد رابطه (۱) عبارتند از:
الف- فرض کنیم، عرض از مبدا و ضرایب شیب در طول زمان و در فضا ( مکان ) ثابت بوده و جمله خطا در طول زمان و برای افراد مختلف متفاوت باشد.
ب) ضرایب شیب ثابت اما ، عرض از مبدا برای افراد مختلف متفاوت است. ساده ترین روش حذف ابعاد فضا از داده های ترکیبی در حالت الف و برآورد رگرسیون متداول حداقل مربعات معمولی است. در این حالت مدل (۱) به صورت ذیل تصریح خواهد شد.
(۲)
همان طور که مشاهده می کنید در برآورد رابطه (۲) عرض از مبدا و ضرایب شیب بین تمامی مقاطع مشترک خواهند بود. برآورد رابطه (۲) که با روش حداقل مربعات معمولی صورت می گیرد، روش حداقل مربعات تلفیقی[۳۵] معروف است.
روش دیگر برای ملاحظه تکی ( وجود مستقل) هر یک از واحد های مقطعی آن است که عرض از مبدا برای هریک از آن ها متفاوت باشد. با فرض ثابت بودن ضرایب شیب بین مقاطع می توان معادله رگرسیون را به صورت ذیل تصریح کرد
(۳)
در رابطه (۳)،اندیس I در جمله عرض از مبدا نشان می دهد که عرض از مبداهای متفاوت ممکن است، ناشی از ویژگی های خاص هر یک از مقاطع باشد در ادبیات اقتصادی مدل (۳) به مدل رگرسیون اثرات ثابت یا حداقل مربعات متغیر موهومی[۳۶] معروف است. اصطلاح تاثیرات ثابت ناشی از این حقیقت است که با وجود تفاوت عرض از مبدا میان مقاطع، عرض از مبدا های هر مقطع طی زمان تغییر نمی کند. برای این که عرض از مبدا های هر مقطع بدون تغییر باقی بماند، از متغیر های موهومی در این روش استفاده می شود[۳۷]. برای انتخاب مدل حداقل مربعات تلفیقی و مدل اثرات ثابت از آزمون f مقید استفاده می شود. تصریح این آزمون به صورت زیر می باشد:
(۴)
در رابطه (۴)، ضریب تعیین در روش اثرات ثابت، ضریب تعیین در روش حداقل مربعات تلفیقی، N تعداد مقاطع، k تعداد متغیر های توضیحی و T طول دوره زمانی می باشد. اگر f محاسباتی از f بحرانی بزرگتر باشد، در این صورت روش اثرات ثابت انتخاب خواهد شد.
اگر چه کاربرد مستقیم مدل اثرات ثابت یا حداقل مربعات متغیر موهومی ممکن است، اما این مدل از مشکلاتی مانند، کمبود درجه آزادی و امکان هم خطی مرکب رنج می برد. استدلال پایه ای مدل اثرات ثابت آن است که در تصریح مدل رگرسیونی نمی توان متغیر های توضیحی مناسب را که طی زمان تغییر نمی کنند ، وارد مدل کنیم. از این رو وارد کردن متغیر های موهومی پوشش و جبرانی برای این بی توجهی و نا آگاهی ماست.
طرفداران مدل اثرات تصادفی (RE) یا مدل اجزا خطا (ECM) معتقدند که اگر متغیر های موهومی نشان دهنده فقدان دانش و اطلاعات ما درباره مدل حقیقی هستند چرا آن را از طریق جمله خطا بیان نکنیم؟ ایده اساسی و آغازین با رابطه (۳) شروع می شود. طرفداران روش تاثیرات تصادفی معتقدند، به جای این که فرض کنیم در رابطه (۳) را ثابت، آن را که متغیر تصادفی با میانگین و مقدار عرض از مبدا برای هر مقطع به صورت زیر بیان می شود.
(۵)
در رابطه (۵) ، جمله خطای تصادفی با میانگین صفر و واریانس است.
فرض اساسی در مدل تاثیرات تصادفی این است که مقاطع مورد مطالعه متعلق به جامعه ای بزرگتر هستند و میانگین مشترکی برای عرض از مبدا دارند. اختلاف در مقادیر عرض از مبدا هر مقطع در جمله خطای منعکس می شود. بر اساس مدل تاثیرات تصادفی رابطه (۳) این چنین خواهد بود:
جمله خطای ترکیبی متشکل از دو جزء (خطای مقطعی) و (خطای ترکیبی) می باشد. مدل اجزا خطا به این سبب خوانده می شود که جمله خطای ترکیبی از دو یا چند جزء خطا تشکیل شده است ساختار جمله خطا در روش اثرات تصادفی به گونه ای است که باید این روش را با کمک حداقل مربعات تعمیم یافته برآورد کرد.
چند نکته در مورد روش های اثرات ثابت و تصادفی قابل ذکر است: در روش اثرات تصادفی نباید بین جمله خطای مقطعی و متغیر های توضیحی الگو رابطه وجود داشته باشد. در حالی که در روش اثرات ثابت این رابطه می تواند وجود داشته باشد. همان طور که قبلا گفته شد، در روش اثرات ثابت باید جمله عرض از مبدا طی زمان ثابت، در حالی که در روش اثرات تصادفی عرض از مبدا می تواند طی زمان تغییر پیدا کند.
در روش اثرات ثابت نمی توان از متغیر موهومی استفاده کرد، زیرا با متغیر های موهومی که برای عرض از مبدا در این مدل به کار برده می شود، همخطی پیدا خواهد کرد . این در حالتی است که روش اثرات تصادفی می توان از این نوع متغیر استفاده نمود.
برای انتخاب بین روش ثابت و تصادفی می توان از آزمون هاسمن[۳۸] استفاده کرد.
k
K تعداد متغیر های توضیحی، و به ترتیب بردار ضرایب در روش اثرات ثابت و تصادفی، و به ترتیب ماتریس کوواریانس ضرایب در روش اثرات ثابت و تصادفی می باشند.
فرضیه صفر: روش اثرات تصادفی کاراتر است.
فرضیه مقابل: روش اثرات ثابت کاراتر است
همانطور که در رابطه (۶) مشاهده میشود، نتایج آزمون هاسمن دارای توزیع مجانبی می باشد و تعداد درجات آزادی آن برابر با تعداد متغیر های توضیحی مدل است.
براساس ادبیات اقتصادسنجی داده های تابلویی، قبل از تخمین مدل لازم است با استفاده ازآماره آزمون F لیمر همگنی داده ها و در نتیجه استفاده از روش تخمین داده های تابلویی مورد آزمون قرار گیرد . نتایج آماره آزمون F دلالت برمعنیدار بودن استفاده از روش داده های تابلویی به جای تلفیقی دارد. نتایج این آزمون در جدول زیر ارائه شده است.
جدول ۴-۶: نتایج آزمون معنی دار بوده اثرات ثابت در مقابل روش حداقل مربعات تجمیع شده برای مدل تحقیق ( کیفیت گزارشگری مالی)
| مقدار آماره آزمون F |
درجه آزادی |
سطح معنی داری |
مقایسه با ۰٫۰۵ |
برازش مدل |
| ۱٫۱۲ |
(۴۶۷و ۱۱۸) |
۰٫۱۹ |
بزرگتر |
پول(تلفیقی) |
*منبع : همان
بنابراین در این قسمت مدل تحقیق با بهره گرفتن از رگرسیون به روش تلفیقی( pool ) آزمون خواهند شد.
۴-۹ برازش مدل تحقیق
نتایج تخمین مدل با روش رگرسیون تلفیقی(متغیر وابسته: کیفیت گزارشگری مالی) نشان میدهد که :
- افزایش متغیر BHCOMPیا کاهش آن تاثیری بر کیفیت گزارشگری مالی دارد چون سطح معنی داری برای این متغیر با آماره T برابر ۰٫۹۵ برابر ۰٫۰۳۷ به دست آمده است که کوچکتر از ۰٫۰۵ می باشد. بنابراین به ازای افزایش یک واحد از این متغیر، کیفیت گزارشگری مالی۰٫۰۰۰۴۸ واحد افز ایش پیدا می کند. یعنی جهت رابطه مستقیم می باشد.
- افزایش متغیر LIQUIDITY یا کاهش آن تاثیری بر کیفیت گزارشگری مالی دارد چون سطح معنی داری برای این متغیر با آماره Tبرابر ۱٫۸۲، برابر ۰٫۰۰۶ به دست آمده است که کوچکتر از ۰٫۰۵ می باشد. بنابراین به ازای افزایش یک واحد از این متغیر، کیفیت گزارشگری مالی۲٫۲۶ واحد افزایش پیدا می کند. یعنی جهت رابطه مستقیم می باشد.
- افزایش متغیر BHCOMP*LIQUIDITYیا کاهش آن تاثیری بر کیفیت گزارشگری مالی ندارد چون سطح معنی داری برای این متغیر با آماره T برابر ۰٫۲۹ برابر ۰٫۷۷ به دست آمده است که بزرگتر از ۰٫۰۵ می باشد.
- افزایش متغیر SIZEیا کاهش آن تاثیری بر کیفیت گزارشگری مالی دارد چون سطح معنی داری برای این متغیر با آماره T برابر ۳٫۶۸- برابر ۰٫۰۰۰۳ به دست آمده است که کوچکتر از ۰٫۰۵ می باشد.بنابراین به ازای افزایش یک واحد از این متغیر، کیفیت گزارشگری مالی ۰٫۰۳ واحد کاهش پیدا می کند. یعنی جهت رابطه معکوس می باشد.
- افزایش متغیر ROAیا کاهش آن تاثیری بر کیفیت گزارشگری مالی دارد چون سطح معنی داری برای این متغیر با آماره T برابر ۰٫۸۱ برابر ۰٫۰۴۱ به دست آمده است که کوچکتر از ۰٫۰۵ می باشد.بنابراین به ازای افزایش یک واحد از این متغیر، کیفیت گزارشگری مالی ۰٫۰۲۷ واحد افزایش پیدا می کند. یعنی جهت رابطه مستقیم می باشد.
- افزایش متغیر REVOL یا کاهش آن تاثیری بر کیفیت گزارشگری مالی ندارد چون سطح معنی داری برای این متغیر با آماره Tبرابر ۰٫۰۷- برابر ۰٫۹۴ به دست آمده است که بزرگتر از ۰٫۰۵ می باشد.
- افزایش متغیر OCFVOLیا کاهش آن تاثیری بر کیفیت گزارشگری مالی ندارد چون سطح معنی داری برای این متغیر با آماره T برابر ۰٫۱۲- برابر ۰٫۹ به دست آمده است که بزرگتر از ۰٫۰۵ می باشد.
- افزایش متغیر LEVیا کاهش آن تاثیری بر کیفیت گزارشگری مالی ندارد چون سطح معنی داری برای این متغیر با آماره T برابر ۱٫۰۱ برابر ۰٫۳۱ به دست آمده است که بزرگتر از ۰٫۰۵ می باشد.
افزایش متغیر BTMیا
