۱
.۵۰۳a
.۲۵۳
.۲۵۲
.۲۰۰۲۹۰
۲
.۶۱۷b
.۳۸۱
.۳۷۸
.۱۸۲۵۴۵
۱٫۷۰۰
a. Predictors: (Constant), firm growth
b. Predictors: (Constant), firm growth, financial flexibility
c. Dependent Variable: discretionary accruals
۴-۶-۳ بررسی نرمال بودن خطاها
یکی دیگر از مفروضات در نظر گرفته شده در رگرسیون آن است که خطاها دارای توزیع نرمال با میانگین صفر میباشند. بدیهی است در صورت عدم برقراری این پیش فرض از رگرسیون نمی توان استفاده کرد. به منظور بررسی نرمال بودن خطاها پس از انجام آزمون آماری مناسب برای داده های رشد شرکت و اقلام تعهدی اختیاری و بر اساس نگاره ۴-۱۹ که خروجی SPSS میباشد به این نتیجه میرسیم که توزیع خطاها نرمال و میانگین آنها صفر میباشد . همچنین بر اساس نگاره ۴-۲۰ به این نتیجه میرسیم که تو زیع خطاهای داده های مربوط به فرضیه دوم نیز نرمال با میانگین صفر بوده است.
نگاره ۴-۱۹
نگاره ۴-۲۰
۴-۶-۴ هم خطی[۴۷]
هم خطی وضعیتی است که نشان میدهد یک متغیر مستقل تابعی خطی از سایر متغیرهای مستقل دیگر در معادله رگرسیون است. اگر هم خطی در یک معادله رگرسیون بالا باشد ، بدین معنی است که بین متغیرهای مستقل همبستگی بالایی وجود دارد و ممکن است با وجود بالا بودن R2 مدل دارای اعتبار بالایی نباشد . به عبارت دیگر با وجود آنکه مدل خوب به نظر میرسد ولی دارای متغیرهای مستقل معنی داری نباشد.
در خروجی Collinearity Diagnostics مقدار ویژه (Eigenvalue) و شاخص وضعیت (Condition Index ) برای قضاوت حائز اهمیت هستند . بدیهی است مقادیر ویژه نزدیک به صفر نشان دهنده این است که همبستگی داخلی پیش بینیها زیاد است و تغییرات کوچک در مقادیر داده ها به تغییرات بزرگ در برآورد ضرایب معادله رگرسیون منجر می شود. همچنین شاخص های وضعیت با مقدار بیشتر از ۱۵ نشان دهنده احتمال هم خطی بین متغیرهای مستقل میباشد و مقدار بیشتر از ۳۰ بیانگر مشکل جدی در استفاده از رگرسیون در وضعیت موجود ان میباشد.
در نگاره ۴-۲۱ با توجه به مقادیر ویژه و شاخص های وضعیت بدست آمده بدلیل اینکه هیچ کدام از مقادیر ویژه بدست آمده نزیک صفر نبوده است لذا همبستگی داخلی بین متغیرها وجود ندارد همچنین با توجه به شاخص های وضعیت بدست آمده بدلیل اینکه هیچ کدام از آنها بالای ۱۵ نمی باشد لذا همبستگی بین متغیرهای مستقل نیز رد می شود و این دال بر این میباشد که استفاده از رگرسیون بلامانع میباشد.
نگاره ۴-۲۱ بررسی وضعیت هم خطی متغیرها
Collinearity Diagnosticsa
Model
Dimension