شما می توانید مطالب مشابه این مطلب را با جستجو در همین سایت بخوانید

  • حذف یک یا چند متغیر مهم
  • افزودن یک یا چند متغیر غیر لازم
  • در نظر گرفتن یک شکل تبعی غلط
  • تعیین غلط جزء اخلال
  • خطادر اندازه گیری

وقتی یک متغیر مهم از مدل حذف می گردد، عواقب آن بسیار جدی می باشد که در طی آن تخمین زنهای OLS ضرایب موجود در مدل، نه تنها تورشدار بلکه ناسازگار نیز خواهند بود. مضافاً بر اینکه واریانسها و خطاهای معیار این ضرایب نیز به گونه غلط تخمین زده می شوند و بدین وسیله پروسه های معمول آزمون فرضیه اعتبار خود را از دست می دهند. خوشبختانه عواقب واردسازی یک متغیر نامربوط در مدل، از نظر مشکل آفرینی دارای اهمیت کمتری می باشد که طی آن تخمین زنهای ضرایب متغیرهای مهم و غیر مهم ناتور و سازگار باقی خواهد ماند و واریانس خطای 2δ نیز به گونه صحیحی تخمین زده می گردد و تنها مشکل در بزرگتر گردید واریانسهای تخمینی می باشد که بدین وسیله دقت تخمین پارامترها پایین می آید و فواصل اعتماد نیز بیش از حد لازم بزرگ می شوند.(گجراتی، 1388، 601). نظر به اینکه خطای تصریح می تواند تهدیدی جدی برای تحلیل باشد، لذا از آزمون Ramsey RESET جهت کشف این مشکل بهره گیری شده می باشد و نتایج حاکی از آن می باشد که ، خطای تصریح در مدل حاضر وجود ندارد.

  • مدل اول

همان گونه که از خروجی تخمین نظاره می گردد، رشد تعداد مسکن کارت ها  و رشد تعداد پایانه های فروش (POS) تاثیر معنی داری بر بازه دارایی ها طی ساهای 1386 تا 1390 داشته می باشد در حالیکه سایر متغیرهای مورد مطالعه یعنی درصد تغییرات عملکرد ماهانه دستگاه های خودپرداز (PERFO) و همچنین رشد تعداد پایانه شعب (PINPAD) بر بازده دارایی ها تاثیر معنی داری نداشته می باشد.در واقع رشد تعداد مسکن کارت به عنوان یکی از معیارهای بکارگیری بانکداری الکترونیک با ضریب 0.16 و رشد تعداد پایانه های فروش با ضریب 0.01 توانسته می باشد تاثیر مثبت و مستقیمی بر بازده دارایی های بانک داشته باشد.

یکی از مهمترین معیارهای تعیین خوبی برازش رگرسیون، ضریب تعیین  می باشد. طبق تعریف ضریب تعیین عبارتست از ” درصد تغییرات متغیر وابسته که به وسیله متغیرهای مستقل مدل توجیه می گردد”. وجود   و  بیانگر تبیین دهندگی بالای متغیرهای مستقل می باشد.یعنی حدود 80 درصد از تغییرات متغیر وابسته ، توسط متغیرهای مستقل قابل توجیه می باشد به تعبیری ضریب تعیین رگرسیون، حاکی از خوبی برازش مدل می باشد.

از طرف دیگر ضرایب رگرسیون نه تنها به صورت جداگانه توسط آزمون t بلکه به گونه همزمان نیز بایستی از لحاظ آماری تأیید شوند. بدین مقصود از آماره، فیشر بهره گیری می گردد.مقدار آماره F در مدل حاضر برابر با 38.41 می باشد و با وجود Prob=0.00 می توان معنی داری کل رگرسیون را ادعا نمود.

همانطور که تصریح گردید ، یکی از فروض کلاسیک ارتباط نداشتن پسماندها در دوره های مختلف زمانی می باشد که نقض این فروض، مشکلی به نام خود همبستگی ایجاد می کند. که برای تشخیص آن با در نظر داشتن آماره دوربین واتسون محاسبه شده می توان گفت که اگر این مقدار نزدیک به 2 باشد مشکل خود همبستگی وجود ندارد. مقدار D-W در مدل حاضر برابر با 2.15 می باشد لذا می توان سلامت  مدل را ادعا نمود.

رگرسیون های نهایی به شکل زیر می باشد:

ROA =0.043 -0.01*POS – 0.003*PINPAD + 0. 16*MCARD + 0.009*PERFO + [AR (1) =0.90]

حال در این قسمت از مطالعه متغیرهای بی تاثیر را از مدل حذف میکنیم تا تاثیر واقعی متغیر MCARD و  POS به لحاظ شدت اندازه و هچنین علامت جهت تاثیرگذاری تبیین گردد، نتایج تخمین به تبیین جدول زیر می باشد:

 متن فوق بخش هایی از این پایان نامه بود

لینک متن کامل پایان نامه فوق با فرمت ورد