عوامل موثر از سیاست سود سهام شرکت : یک تجزیه و تحلیل عاملی

خلاصه

این صفحه مجددا مسئله سیاست سود سهام را با ایجاد یک تست همزمان از توضیحات متناوب سیاست پرداخت شرکت را با استفاده از یک مرحله دو بخشی ، مورد بررسی قرار می دهد که شامل تحلیل عامل و رگرسیون چندگانه می باشد .

چنین شاخص جدید برای مشخصات نظری که در این بروشور ظاهر می شوند ، معرفی می شوند ، از جمله نقش ابعاد مدیریتی در تعیین سیاست سود سهام مشخص ، حمایت زیادی برای اجرای تئوری باقیمانده / هزینه سود سهام ، بحث سلسله مراتب قدرت ، و نقش سود سهام در مسائل موسسه کاهش دهنده ، دیده می شود . همچنین حمایت زیادی برای نقش عامل مدیریتی در تاثیرگذاری بر سیاست پرداخت شرکت دیده می شود : به ویژه ، شرکت هایی که سیاست های سود سهام ثابت را حفظ می کنند و شرکت هایی که از سود سهام بالاتر پرداختی قابل تغییر مالی ، برخوردارند . این نتایج آشکار می شوند تا بحث مالیات ارباب رجوع حمایت شود .

مقدمه

زمانی که Miller و Modigliani [ 33 ] ، بی ربط بودن سود سهام را در بهترین بازارهای پایتخت به وجود آورند ، چنین تئوری در نشریات پژوهشی ظاهر شدند که پرداخت سود سهام و تغییرات در سیاست پرداخت سود سهام با متمرکز شدن بر روی نواقص بازار را توضیح می دادند . به طور خلاصه ، این تحقیقات ، نمونه ای را برای پرداخت سود سهام با تمرکز بر چهار مقوله ذیل ، به وجود آوردند : ( ۱ ) ارباب رجوعان مالیات ، ( ۲ ) هزینه های کار ( اجرا ) از سرمایه گذاری خارجی ( تئوری باقیمانده از سود سهام ) ، ( ۳ ) نقش چشمگیر سود سهام و ( ۴ ) نقش سود سهام در کاهش مسائل موسسه .

علاوه بر موضوعات بالا ، بررسی مطالعات نشان می دهد که عوامل مدیریتی مثل سود سهام گذشته و ذخیره های مالی نیز نقش مهمی در تعیین سیاست پرداخت شرکت بازی می کند .

تحقیقات تجربی از سود سهام معمولا در پشت مطالعات نظری باقی می مانند ، و این نتایج در بهترین گوناگونی هستند .

طبق معمول ، مطالعات تجربی ، با استفاده از برخی معیارهای سود سهام مثل متغیر وابسته ، معادله رگرسیون را تخمین می زند ، و متغیر ( های ) مستقل ( شاخص ) ویژگی های غیر قابل مشاهده را نشان می دهند . این تکنیک ، چند مسئله دارد . اول این که ، در حالی به این ویژگی های نظری مختلف می پردازد انگار که آن ها کالای اختصاصی دو جانبه هستند که می توانند منجر به ارتباط ساختگی یا مسائل نامعین شود . دوم این که ، تقریبا غیر ممکن است تا شاخص های کاملی برای ویژگی های نظری مجزا بیابیم ، اگرچه آن جا ممکن است تعدادی جانشین های نزدیکی باشد . سوم این که ، مسائل همبستگی چند جانبه بین متغیرهای مستقل می تواند موجب شود محققان در انتخابشان از متغیرهای مستقل ممسک باشند ، به طوری که می تواند منجر به تعیین ناقص معادله رگرسیون شود . بالاخره این که ، اگر شاخص های انتخاب شده ، ارائه های ناقصی از ویژگی های انتخابی هستند ، در این زمان مسئله خطا در متغیر ممکن است در معادله رگرسیون بیان شود .

هدف از این مقاله ، بررسی مجدد مسئله سیاست سود سهام با استفاده از تست همزمان تئوری های سود سهام جایگزین می باشد . تست همزمان ، مجاز می باشد زیرا آن تاثیر مشترکی از ابعاد مختلف به دست می آورد که بر پرداخت سود سهام تاثیر گذار می باشد . علاوه بر این ، ردیفی از متغیرهای شاخص جدید به کار برده می شوند که بینش های جدیدی در فهم سیاست های پرداخت مشترک فراهم می کند . مرحله چندگانه دو بخشی جایی به کار گرفته می شود که داده ها ، اولین موضوع برای تحلیل عامل می باشند و در این زمان یک رگرسیون چند تایی در عوامل استخراجی انجام می شود . تحلیل عامل ، یک مجموعه از ابعاد « نهفته » یا عواملی از شاخص های قابل مشاهده یا متغیرها را در دسترس می گذارد . آن همچنین نیاز برای یک تحقیق همزمان از تئوری های جایگزین را آسان می کند زیرا این مجموعه انتخابی از عوامل ، ترکیباتی از چندین متغیر را نشان می دهد که می توانند مربوط به هم باشند . به علاوه ، استفاده از تحلیل عامل بر چند مسئله مربوط به تحلیل رگرسیون مرسوم ، به خصوص همبستگی چند جانبه غلبه می کند .

در کل ، این نتایج تمایل دارند تا از اکثر تئوری های سود سهام موجود حمایت کنند . نسبت های پرداخت سود سهام دیده می شوند تا به طور معکوس مربوط به هزینه موجودی های خارجی ( سهم مالکیت و میزان بدهی ) باشند ، هزینه ها و رشد اقتصادی پیش بینی شده است . این نتایج هماهنگ با تئوری باقیمانده سود سهام و استنباط سلسله مراتب قدرت می باشد . استنباط ارباب رجوع مالیات نیز حمایت می شود ، به طوری که شرکت ها با یک سهم چشمگیری از سهامشان با سرمایه گذاران سازمانی معتبر می باشند که با نسبت های پرداخت بالاتری دیده می شوند . علاوه بر این ، استنباطی که سود سهام ممکن است به کار برده شود تا مسائل موسسه بین خودی ها و غریبه ها که حمایت می شوند ، جبران شود ، با وجود این پراکندگی مالکیت به نظر نمی رسد تا بر سود سهام تاثیرگذار باشد . نویسندگان قادر نیستند حمایتی برای مدل Kole و Noe [ 27 ] بیابند به طوری که سود سهام به کار برده می شود تا کیفیت جریان نقدینگی شرکت را مشخص کند . بالاخره ، این نتایج نشان می دهد که ملاحظات مدیریتی بر سیاست سود سهام تلفیقی تاثیرگذار می باشد . سیاست های سود سهام گذشته ( ثبات سهام ) و سهولت در دسترسی به بازارهای مرکزی ( انعطاف پذیری ساختار سرمایه ) دیده می شوند تا به صورت مثبت و به طور چشمگیری مربوط به نسبت پرداخت سود سهام باشد . همچنین نتایج نشان می دهد که شرکت ها با کاهش پرداخت سود سهام شان ، رکود مالی را جمع می کنند .

این مقاله به صورت ذیل مرتب شده است . بخش بعدی به طور خلاصه تئوری های سود سهام جایگزین را توضیح می دهد که در نشریات موجود دیده می شوند . این بحث شامل انتخاب متغیرهای شاخص می باشد که به کار برده می شوند تا ویژگی های پیشنهاد شده توسط آن تئوری ها ار ارائه می دهد . بخش آخر ، مقاله را نتیجه و جمع بندی می کند .

عوامل موثر سیاست سود سهام مشترک و انتخاب شاخص ها

این بخش ، عوامل موثر مختلفی از سیاست سود سهام را مورد بررسی قرار می دهد که در نشریات پیشنهاد شده اند ، از جمله : انتخاب شاخص قابل مشاهده و رابطه پیش بینی شده آن با نسبت پرداخت سود سهام ( DPR ) . DPR برابر با میانگین سه ساله ( ۸۵ – ۱۹۸۳ ) نسبت پرداخت سود سهام می باشد .

مشتریان مالیات

استنباط مشتریان مالیات فرض می کند که سرمایه گذاران در گروه های مالیاتی پایین ، موجودی های پرداخت سود سهام بالا را ترجیح می دهند زمانی که با سرمایه گذاران در گروه های مالیاتی بالا مقایسه می شوند . ( Brennan [ 7 ] ، DeAngels و Masulis [ 12 ] ، Elton و Gruber [ 16 ] ، Litzenbergeer و Ramaswamy [ 13 ] ، و Long [ 32 ] را از میان بقیه ملاحظه کنید . ) تحقیقات قبلی از تاثیر مشتریان مالیات ، تست های غیر مستقیمی از استنباط مشتریان مالیات بودند و Miller و Scholes [ 35 ] به خاطر حساسیت زیاد آن ها در بیان سود سهام ، از آن ها انتقاد می کنند .

بیش تر مطالعات اخیر ثبت می شوند به طوری که مشتریان می توانند به تنهایی اعتماد نکنند . در حالی که Chaplinsky و Seyhun [ 9 ] دریافتند که دریافت کننده های سود سهام معاف از مالیات و مالیات عقب افتاده برای نیمی از همه سود سهام در سال ۱۹۷۹ به حساب می آیند ، سود سهام چشمگیر نیز زیر نظر مالیات ها بودند . Sterk و Vandenbery [ 41 ] به یک برتری برای سود سهام نقد به جای حذف میزان مالیات های مختلف بین افزایش ارزش سرمایه و درآمد سود سهام در سال ۱۹۸۶ ، پی بردند . DeAngelo [ 11 ] معتقد است که تعادل هماهنگ با پرداخت سود سهام ممکن است حتی در وجود یک سیستم مالیاتی وجود داشته باشد که افزایش ارزش سرمایه را ترجیح می دهد . Brennan و ThaKar [ 8 ] نیز یک مدل توازن را ارائه دادند جایی که سود سهام برای توزیعات کوچک به جای رفتار مالیاتی خاص از افزایش ارزش سرمایه وجود دارد .

در این مقاله ، تاثیر مشتریان به طور متفاوتی با الحاق وضع مالیاتی سهامداران اصلی شرکت ، تست و امتحان می شود .

سرمایه گذاران نهادی یا معاف از مالیات هستند که می توانند مالیات های دریافت شده بر سود سهام را به تاخیر بیندازند ، یا پرداخت مالیات ها تنها ۱۵ درصد ( در سال ۱۹۸۵ ) از سود سهام دریافتی از شرکت های دیگر می باشد . در نتیجه ، اگر استدلال مشتریان مالیات ، معتبر باشد ، رابطه مثبتی بین سهامداران نهادی ، پیش بینی می شود ، INSTHOL ، ( به صورت نسبتی از سهام کلی بیان می شود که نهادها در دسامبر سال ۱۹۸۵ برای سهام های چشمگیر ، مالکیت داشتند ) و DPR .

هزینه های معامله ( اجرا ) و تئوری باقیمانده سود سهام

در صورتی که هزینه های توزیع ، چشمگیر هستند ، در این زمان شرکت ها احتمالا سرمایه لازم را از طریق نگهداری درآمدها و به عبارت دقیق تر از طریق منابع خارجی ، تامین می کنند . برای این که اندازه آن سود سهام با سرمایه گذاری ها برای بودجه های به وجود آمده برابری کند ، چنین هزینه هایی احتمالا بر سیاست سود سهام تاثیرگذار هستند ( Fama [ 17 ] و Higgins [ 21 ] را ببینند ) اگرچه Huberman [ 22 ] معتقد است ، حتی با وجود هزینه های اجرا ، سیاست سود سهام می تواند نامربوط باشد .

بنابراین ، طبق تئوری باقیمانده سود سهام ، رابطه منفی بین پرداخت سود سهام و هزینه های مالی خارجی پیش بینی می شود .

در حالی که اندازه گیری این هزینه ها ، مانع اصلی در تحقیق تجربی را نشان می دهد . Rozeff [ 39 ] ، بتای سهم مالکیت را برای این شاخص به کار می برد به طور تلویحی به نظر می رسد که مبادله بین موجودی ( وجوه ) داخلی و خارجی ، یکی از سود سهام و منافع حفظ شده می باشد . زمانی که شرکت ها به کرات از بدهی نسبت به سهم مالکیت استفاده کنند در این زمان سرمایه خارجی رشد و افزایش می یابد ، این تحلیل ، هزینه بدهی را نیز در بر می گیرد . اندازه شرکت همان طور که با لگاریتم طبیعی دارایی های کلی در سال ۱۹۸۵ ( LNTA ) اندازه گیری می شود به عنوان شاخصی برای هزینه تامین سرمایه بدهی خارجی به کار برده می شود . رابطه مثبت بین LNTA و DPR انتظار می رود . زیرا شرکت های بزرگ تر با هزینه های پخش پایین تری مواجه می شوند . همان طور که Rozeff [ 39 ] نشان داده ، رابطه بین DPR و بدهی باید منفی باشد . BETA ( بتا ) متغیر همان بتای شرکت می باشد به طوری که از دسامبر ۱۹۸۵ ، با استفاده از برگشتی های ماهیانه از نوارهای مرکز تحقیقات در قیمت اوراق بهادار ( CRSP ) محاسبه می شود .

همچنین تئوری سود سهام باقیمانده ، به عنوان اصل موضوع در نظر گرفته می شود نه طوری که شرکتی تنها زمانی سود سهام را پرداخت می کند که موجودی به وجود آمده داخلی آن به طور کامل برای اهداف سرمایه گذاری به اتمام نرسیده باشد . علاوه بر این ، شرکت ها میزان رشد بالایی را تجربه می کنند و به طور کلی شرایط سرمایه گذاری بزرگ را دارند . بر طبق استدلال سلسله مراتب قدرت از Myers و Majluf [ 36 ] ، این شرکت ها باید با نسبت های پرداختی پایین مشخص شوند . EXCAP و GROWTH ، دو متغیر طولانی مدت هستند که به کار برده می شوند تا این رابطه را بررسی کنند . EXCAP ، برابر با میانگین مخارج سرمایه به دست آمده در طول سال های ۸۷ – ۱۹۸۵ می باشد که با میانگین کل دارایی ها در همان دوره ، وزن می شود و به عنوان شاخصی برای سطح پیشنهاد شده مخارج سرمایه به کار برده می شود ، و GROWTH برابر با میزان رشد میانگین سالیانه درآمد کاری در طول سال های ۸۵ – ۱۹۸۱ می باشد . رابطه معکوس بین DPR و هم EXCAP و هم GROWTH پیش بینی می شود .

متغیر دیگر به کار برده می شود تا دسترسی شرکت به بازار سرمایه که همان STDCDE می باشد را ارزیابی کند ، و به صورت تغییر در ساختار سرمایه ارزیابی می شود . این تغییر به صورت انحراف استاندارد دور تا دور میانگین ساختار سرمایه سالیانه اندازه گیری می شود و برای دوره های ۸۵ – ۱۹۷۶ تغییر می کند .

بحث می شود که شرکت هایی که دستیابی بیش تری به بازارهای سرمایه دارند به راحتی قادرند تا بین بدهی و سهم مالکیت جا به جا کنند و مزیت هزینه های اجرایی پایین تر را به دست می آورند به طوری که به ثبات بیش تر و احتمال پرداخت های سود سهام بالاتر ، اجازه می دهد . این انعطاف پذیری در تغییر بیش تری از ساختار سرمایه شرکت منعکس می شود .

بنابراین ، یک رابطه مثبت بین STDCDE و DPR پیش بینی می شود .

اشاره کردن

با وجود این که تعداد چشمگیری از مطالعات نشان می دهند که سود سهام ، به اطلاعات منتقل می شوند ( Aharaxy و Swary [ 1 ] ، Asquith و Mullins [ 2 ] ، و Pettit [ 38 ] را ملاحظه کنید ) ، هنوز هم اختلاف نظر زیادی در مورد این که در واقع چه سود سهام اشاره می شود ، وجود دارد . سود سهام می تواند اطلاعاتی در مورد سطح آینده یا فعلی منافع را منتقل کند . Bhattachardya [ 6 ] ، Miller و Rock [ 34 ] ، John و Williams [ 24 ] ، و Kane ، Lee و Marcus [ 26 ] را ملاحظه کنید . ) با وجود این ، نتایج تجربی ارائه شده توسط Watts [ 43 ] ، Gonedes [ 19 ] ، و Penman [ 37 ] نشان می دهد که تغییرات در سود سهام به تغییرات در چشم انداز شرکت اشاره دارد ، اما آن ها به تنهایی ، پیش گوهای خیلی ضعیفی از منافع هستند . سود سهام نیز می تواند به خطر جریانات نقدینگی شرکت اشاره داشته باشد ( Rozeff [ 39 ] ، Eades [ 14 ] ، و Kale و Noe [ 27 ] را ببینید ) . Kale و Noe [ 27 ] یک مدل دو – دوره ای را برای این نوع اشاره کردن توسعه دادند و ثابت کردند که شرکت ها با جریانات نقدینگی بی ثبات آینده ، سود سهام بالاتری را پرداخت می کنند . امروزه ، این رابطه نظری تست نشده است . این مقاله ، رابطه سود سهام را با ثبات جریانات نقدینگی ، تست می کند . تغییر جریان نقدینگی ( CFV ) ارزیابی می شود همان طور که OLS از ضریب تغییر ( نوسان ) جریان نقدینگی برای دوره ۸۵ – ۱۹۷۶ ، تخمین زده می شود . رابطه معکوسی بین CFV و DPR پیش بینی می شود .

تئوری نمایندگی و سود سهام

سود سهام می تواند در کاهش مسئله نمایندگی بین مدیران و سهامداران به کار برده شود . پرداخت سود سهام ، موجودی های تحت اختیار موجود را برای مدیران به منظور استفاده از مزایای جنبی ، کاهش می دهد و به کاهش کشمکش مدیران – سهامداران کمک می کند . ( Jensen و Meckling [ 23 ] ، Easterbrook [ 15 ] ، و Crutchley و Hansen [ 10 ] را ملاحظه کنید . ) دو متغیر به کار برده می شوند تا مسئله نمایندگی بین سهامداران و مدیران را ارزیابی کند . متغیر HOLDING ، به صورت نسبت تعداد سهامداران به کل سهام عقب افتاده در دسامبر ۱۹۸۵ بیان می شود ، که به کار برده می شود تا پراکندگی مالکیت را به دست آورد ( Rozeff [ 39 ] را ببینید ) . همچنان که تعداد سهامداران افزایش می یابد ( مسئله نمایندگی جدی تر می شود ) ، نیاز برای عملکردهای مدیریتی نیز بیش تر می شود . اگر سود سهام بتواند این مسئله را کاهش دهد ، رابطه مثبتی بین DPR و HOLDING پیش بینی می شود . متغیر INSIDER ، به صورت نسبت سهامی که توسط خودی ها حفظ می شود به کل عقب افتاده سهام در دسامبر ۱۹۸۵ بیان می شود ، همچنین شدت مسئله نمایندگی ارزیابی می شود . استنباط می شود که سطح INSIDER بالاتر منجر به مسائل نمایندگی پایین تر می شود ؛ بنابراین ، رابطه معکوس بین INSIDER و DPR انتظار می رود .

علاوه بر این به خاطر اختلاف بین سهامداران و مدیران ، اختلاف مشابهی نیز بین سهامداران و صاحبان اوراق قرضه نیز وجود دارد . صاحبان اوراق قرضه تلاش می کنند تا این مسئله را از طریق محدودیت هایی در پرداخت های سود سهام در قرارداد اوراق قرضه کنترل کنند . ( Kalay [ 25 ] ، Smith و Warner [ 40 ] را ملاحظه کنید . ) متغیر INTANT به صورت نسبت تجهیزات خالص به کل دارایی ها ، که شاخصی برای دارایی های تضمین شده می باشد ارزیابی می شود ، و به کار برده می شود تا مسئله نمایندگی بین سهامداران و صاحبان اوراق قرضه را به دست آورند . Titman و Wessels [ 42 ] معتقدند شرکت هایی که دارایی های تضمین شده بیش تری را حفظ کنند مسائل نمایندگی کم تری بین صاحبان اوراق قرضه و سهامداران دارند زیرا این دارایی ها می تواند به عنوان یک تضمین در برابر قرض ، عمل کند . بنابراین ، رابطه مثبتی بین INTANG و DPR پیش بینی می شود .

ملاحظات مدیریتی

رکود مالی

این مقاله رابطه بین رکود مالی و پرداخت سود سهام را بررسی می کند . برای این که توانایی شان را حفظ کنند سرمایه گذاری های سودآور را بر عهده می گیرند ، شرکت ها ممکن است ترجیح دهند تا رکود مالی شان را افزایش دهند به عبارت دقیق تر سود سهام بالاتری ( با ارزش بازار از سهم مالکیت وزن می شود ) ارزیابی می شود و ظرفیت بدهی به کار برده نمی شود . این شاخصی برای رکود مالی غیر مستقیم می باشد و اهمیت آن نیاز به قضاوت محتاطانه دارد . پیش بینی می شود که SLACK رابطه معکوسی با DPR داشته باشد .

ثبات سود سهام

در آخر ، نقش ثبات سود سهام در سیاست های پرداخت الحاقی مورد بررسی قرار می گیرد . شواهد تجربی زیادی وجود دارد که نشان می دهد شرکت هایی که بازار مالی را پیش بینی می کنند ، میزان مسلمی از ثبات در پرداخت های سود سهام را ترجیح می دهند . ( Lintner [ 20 ] ، Baker ، Farelly و Edelman [ 4 ] ، Fama و Babiak [ 18 ] ، و Laub [ 29 ] را ملاحظه کنید . ) برای به دست آوردن ثبات سود سهام گذشته ، یک متغیر کددار ساختگی ۱ – ۰ ( STAB ) به کار برده می شود . STAB برابر با ۱ می شود اگر سود سهام برای ۵ سال گذشته همواره بالاتر از ۹۰ درصد از سال های گذشته داشته باشد . این مرحله کدگذاری دلالت بر این دارد که افت ( کاهش ) سود سهام از بالا به ۱۰ درصد از سطوح گذشته داشته باشد . این مرحله کدگذاری دلالت بر این دارد که افت ( کاهش ) سود سهام از بالا به ۱۰ درصد از سطوح گذشته می تواند هنوز هم به عنوان سیاست سود سهام ثابت مورد بررسی قرار گیرد . انتخاب این شماره به طور تصادفی می باشد ، اما نتایج با استفاده از درصدهای دیگر کم تر از ۱۰ درصد خیلی شبیه به هم بودند . رابطه مثبتی بین STAB و DPR پیش بینی می شود .

داده ها و نمونه ها

ارزش ها برای HOLDING ، INSIDER و INSTHOL از گزارشات موجودی ( Stack Reports ) P و S ، خط ارزش ( Value Line ) و COMPUSTAT از دسامبر ۱۹۸۵ به دست می آید . همه داده های باقیمانده از نوار COMPUSTAT به دست می آیند . مرحله میانگین گرفتن سه ساله به کار برده می شود تا DPR ، EXCAP ، و INTANG محاسبه کند . Titman و Wassele [ 42 ] ، یک مرحله مشابه را به کار بردند . ضمیمه A ، یک خلاصه توصیفی از متغیرها را در دسترس می گذارد . میانگین گیری سه ساله و شرایط داده ها برای تغییر تخمین از جریانات عمل نقدینگی و ساختار سرمایه ، نمونه اولیه را برای شرکت های ۵۸۸/۱ محدود می کند . محدودیت های تغییر داده های دیگر ، این نمونه را برای کل ۲۷۱ شرکت کاهش می دهد . ( محدودترین متغیرها ، INSIDER ، INSTHOL و BETA به ترتیب با ۱۳۲۰ ، ۹۵۵ و ۴۳۳ ارزش های کسری ، بودند . ) علاوه بر این ، ۷۳ شرکت حذف شدند زیرا متغیرهای درجه بندی باید مثبت باشند . این متمایل به نمونه ای به طرف شرکت های بزرگ می باشد . ۳۰ شرکت ، DPR بزرگ تر از یک داشتند و بنابراین از نمونه مستثنا می شدند . علاوه بر این ، دو شرکت دیگر از نمونه کنار زده شدند زیرا آنها به عنوان بخش های مجزا بررسی می شدند . هشت شرکت ، مجموعه داده های کاملی برای حداقل یکی از متغیرها در این مدل نداشتند . این در نمونه پایانی از ۱۰۵ شرکت به نتیجه می رسد .

نمونه نهایی ۱۰۵ شرکت از ۳۴ صنعت ، با بالاترین سهم از صنعت مواد شیمیایی و محصولات یک پارچه ، به دست می آید ( ۹/۱۳ درصد ) . ارائه ۱۳ صنعت کم تر از ۱ درصد در نمونه پایانی به ترتیب برابر با ۳/۴۰ درصد و ۷/۴۰ درصد بودند .

حد متوسط اندازه شرکت و سرمایه گذاری نمونه پایانی ، نمونه ای از شرکت های ثبت شده در مبادله موجودی نیویورک ( NYSE ) بودند . میانگین ( میانه ) کل دارایی ها ، فروش های سالیانه و ارزش بازار از سهم مالکیت به ترتیب برابر با ۸۹/۴ بیلیون دلار ( ۲ بیلیون دلار ) ، ۶۷/۵ بیلیون دلار ( ۲۶/۲ بیلیون دلار ) ، و ۱۲/۳ بیلیون دلار ( ۳۴/۱ بیلیون دلار ) بودند . ویژگی های دیگر متغیرهای به کار رفته در تحلیل در جدول ۱ نشان داده شده است .

مرحله چندگانه دو بخشی

روش شناسی

شکل ساختاری عوامل موثر انتخاب شده با DPR در تئوری های موجود مشخص نمی شوند . بنابراین ، رابطه خطی در نظر گرفته می شود تا مرحله تخمین آسان شود . اگر یک یا چند متغیر مستقل ، یک رابطه غیر خطی با DPR دارند ، مسئله تعیین اشتباه ممکن است به وجود آید . پنج عامل موثر اصلی و شاخص های مربوطه شان که می تواند بر سیاست سود سهام تاثیرگذار باشد قبلو ارائه شده اند . این عوامل موثر به طور کلی ، مستقیما قابل مشاهده نیستند و شاخص ها انتخاب شده تا آن ها را که شاید به هم مربوط می باشند ارائه دهند . مرحله چندگانه دو بخشی در تحقیق ما به کار برده می شود . در بخش اول ، مجموعه ای از ابعاد ( ویژگی های غیر قابل مشاهده ) به لحاظ ارتباط آن ها با شاخص متغیرهای قابل مشاهده با استفاده از تحلیل عامل ارزیابی می شوند . در بخش دوم ، رابطه بین DPR و ابعاد به دست آمده از بخش اول با استفاده از تحلیل رگرسیون تخمین زده می شود . مدل اول می تواند به این صورت بیان شود :

X = BG + E                                                                (۱)

در حالی که X برابر با ماتریسی از متغیرهای مستقل می باشد ، و T برابر با برداری از عوامل غیر قابل مشاهده و B برابر با برداری از بارگیری های عامل و E برابر با برداری از بخش های خطا می باشند . مدل رگرسیون برای بخش دوم به صورت معادله ( ۲ ) نشان داده شده ، در حالی که g_i عامل i را نشان می دهد ، a₁ ضریب رگرسیون آن ، a₀ برابر با مانع ، و m برابر با بخش خطا می باشد .

                                                     (۲)

معادله ( ۱ ) با استفاده از تحلیل عامل ، تخمین زده می شود . تحلیل عامل ، رابطه عکس و پیچیده مین متغیرها را با باز کردن ابعادی که آن ها را به هم متصل می شود ، ساده می کند ، بنابراین بینشی را در ساختار داده ها در دسترس می گذارد . اصول اصلی برای جستجوی ترکیبات خطی ارتوگونال از متغیرهای اصلی می باشد که نقش واریانس حداکثر را حذف می کند . به عبارت دیگر متغیرهای قابل مشاهده در عواملی بر اساس ارتباط شان ( یا رابطه شان ) طبقه بندی می شوند . متغیرهایی که عمیقا به هم مربوطند در عاملی با شرط این که این عامل با عامل دوم ارتباطی ندارد ، و بدین ترتیب ، شکل می گیرند . همچنین عوامل ، حداکثر واریانس متوالی ( پیاپی ) را نشان می دهند که در عامل اول برای بالاترین مقدار از واریانس به حساب می آید ، عامل دوم برای بالاترین مقدار از واریانس دوم به حساب آمده و بدین ترتیب . فصل هشتم Green [ 20 ] را برای بررسی و مثال ها مطالعه کنید . مرحله تحلیل عامل مشترک ( CFA ) به کار برده می شود تا عوامل را بیرون آورد .

برای مراحل عملی ، CFA برای تحقیق و بررسی داده ها به خاطر وجه تمایزهای کمیتی و کیفیتی ، دلخواه و مناسب می باشد .

در کاربرد CFA ، دو مسئله روش شناسایی باید ذکر شود . اول ، CFA تنها قسمتی از واریانس کل را بررسی می کند یعنی با مجموعه متغیر سهیم می شود . فرض کنید متغیرها ، شاخص های ناقصی از ویژگی های قطری هستند ، تکنیک CFA احتمالا خودش را قرض می دهد . دوما ، مدل CFA متغیرها را به عنوان ساختارهایی از عوامل غیر قابل مشاهده بیان می کنند .

برای پیشرفت و بهبود نتایج از تحلیل عامل ، چرخش پیاپی ارتوگونال انجام می شود تا ساختار ساده ای به دست آید . این موضوع ، مسئله مربوط به خیلی از متغیرهای گرفته شده از بیش تر از یک عامل را کاهش می دهد . ساختار ساده از طریق انتقال ارتوگونال Equamad به دست می آید . همچنین ، جنبه منفی از این مرحله این است که تخمینی وجود ندارد که متغیر ، بارگیری های چشمگیر در تنها یک عامل را نشان دهد ، و ممکن است محققان آزمایشی استفاده کنند و در مورد تشخیص عوامل ، نظر دهند .

با چنین شرایطی ، معادله ( ۱ ) می تواند به عنوان مدل اندازه گیری شبیه به مدل Titman و Wessels [ 42 ] ، دیده شود .

مرحله ما ، بارگیری عوامل استاندارد شده ( واریانس های واحد ) را با استفاده از انتقال ارتوگونال مشخص می کند و محدودیت هایی را در باقیمانده ها وضع می کند ( تا به هم مربوط نشوند ) . Titman و Wessels [ 42 ] ، مرحله LISREL را به کار بردند جایی که مدل ساختاری و اندازه گیری به طور همزمان تخمین زده می شدند ، و بارگیری های عامل از بیرون مشخص می شوند تا برابر با صفر و یک باشند . در مدل های آن ها ، عوامل نیازی ندارند تا به هم مربوط باشند . LISREL نیز نیاز به یک مجموعه از محدودیت های بیرونی دارد تا وضع شود . این روش در این مقاله به کار برده می شود تا محبوب تر نمایان شود و در برخی کتاب ها درسی ، نحوه برخورد ( رفتار ) تحلیل عامل به کار برده می شود ( برای مثال Green [ 20 ] و Dillon و Goldstein [ 13 ] ) . این استفاده رایج می تواند به خاطر سادگی ارتباط آن باشد .

تشخیص عامل و انتخاب

به طور کلی ، تشخیص عوامل با بارگیری های عامل مشخص می شوند و رابطه عامل با متغیر بر اسا علامات بارگیری عوامل می باشد . بارگیری یک عامل صرفا ارتباط متغیر اصلی با عامل می باشد . همان طر که Dillon و Goldstein [ 13 ] ( صفحه ۶۹ ) پیشنهاد کردند ، متغیرها با بارگیری عوامل بزرگ تر از مقدار کامل ۳۰/۰ یا بیش تر به طور چشمگیری مورد بررسی قرار می گیرند ، بنابراین در بر چسب گذاری عوامل به کار برده می شوند .

طرح سنگریزه در تعیین تعداد عوامل برای نگه داشتن به کار برده می شود . در روش طرح سنگریزه ، مقدارهای eigen در یک ترتیب نزولی بر خلاف تعداد عوامل ، طراحی می شود . مقدار eigen ، واریانس بیان شده توسط هر عامل را نشان می دهد و برابر با مجموع بارگیری های به توان دو می باشد . باز و در طرح سنگریزه ، نقطه ای را نشان می دهد که ورود عوامل بیش تر به طور چشمگیری به بیان واریانس در مجموعه داده ها کمک می کند . عواملی که بالا هستند بازوی طرح را نشان می دهند . این مرحله شامل مقدار خاصی از ذهنیت می باشد اگر بازو در منحنی روشن و واضح نباشد . تصویر ۱ طرح سنگریزه را نشان می دهد .

طرح سنگریزه ، دو بازو را نشان می دهد . بازوی اول در عامل ۳ روی می دهد ، و بازوی دوم در عامل ۸ اتفاق می افتد .

سه عامل اول تنها برای ۹/۴۷ درصد از نوسان در داده ها به حساب می آید ، در حالی که ۸ عامل اول ، ۵/۸۵ درصد از نوسان را بیان می کند . در نتیجه ، هشت عامل در تحلیل حفظ می شوند . این هشت عامل برای انتقال ارتوگونال Equamad عنوان می شوند . نتایج این تحلیل در جدول ۲ بیان شده است .

متغیرهای BETA و GROWTH به طور چشمگیری بارگیری های مثبت در عامل ۱ دارند و بدین ترتیب عامل ۱ برچسب هزینه پخش ( Cost of Issuance ) می خورد . این پیشنهاد می کند که رشد بالای تجزیه شرکت ها ، ریسک برنامه ریزی شده بیش تری نیز دارند و می توانند با هزینه های پخش بالایی در افزایش موجودی های سهم مالکیت خارجی رو به رو می شوند . چنین شرکت هایی احتمالا سود سهام کمی پرداخت می کنند و یا اصلا پرداخت نمی کنند . بنابراین ، رابطه پیش بینی شده این عامل با DPR ، منفی می باشد .

متغیرهای EXCAP و INTANG ، بارگیری های مثبت چشمگیری در عامل ۲ دارند . این پیشنهاد می کند که شرکت ها با هزینه های سرمایه زیاد دارایی های تضمین شده بیش تری نیز دارند . این عامل به عنوان سلسله مراتب قدرت برچسب گذاری می شود . طبق استدلال سلسله مراتب قدرت ، شرکت هایی که یک سطح بالایی از مخارج سرمایه پیش بینی شده دارند برای پرداخت سود سهام مناسب نیستند ؛ بنابراین ، یک رابطه منفی بین عامل ۲ و DPR پیش بینی می شود .

HOLDING ، تنها متغیر با بارگیری قابل ملاحظه ( مثبت ) در عامل ۳ می باشد ، در حالی که نشان می دهد این عامل پراکندگی مالکیت را بیان می کند و می تواند به عنوان یک منبع احتمالی از هزینه های نمایندگی سهم مالکیت ، بررسی شود . در صورتی که سود سهام بتواند هزینه های نمایندگی را کم کنند ، عامل ۳ پیش بینی می شود تا به صورت مثبت با DPR ارتباط داشته باشد . به همین ترتیب ، متغیر STAB تنها بارگیری قابل ملاحظه ای در عامل ۴ دارد و بنابراین ، این عامل برچسب ثبات سود سهام می خورد .

رابطه مثبت بین عامل ۴ و DPR پیش بینی می شود .

INSTHOL و INSIDER به ترتیب بارگیری های مثبت و منفی را در عامل ۵ نشان می دهند ، در حالی که بیان می کن که جایگزین های ، سهام را در شرکت هایی که ملک اجاره ای خودی کم تری دارند ، صاحب می شوند . این عامل ترکیبی از مشتریان مالیات و هزینه های نمایندگی و مالیات می خورند . رابطه مثبتی بین عامل ۵ و DPR انتظار می رود . SLACK ، یک بارگیری مثبت قابل ملاحظه در عامل ۶ دارد ، در حالی که INTANG به صورت منفی در عامل ۶ بار می شود . بنابراین عامل ۶ برچسب رکود مالی می خورد . این نمونه بارگیری پیشنهاد می کند که شرکت هایی که رکود را انباشته می کنند دارایی های تضمینی کم تری دارند . چنین شرکت هایی ممکن است با مسائلی در افزایش موجودی خارجی رو به رو شوند و بنابراین سود سهام کم تری پرداخت کنند و یا اصلا پرداخت نکنند . بنابراین پیش بینی می شود که عامل ۶ رابطه منفی با DPR دارد .

CFV و BETA ، بارگیری های منفی قابل ملاحظه ای دارند و LNTA در عامل ۷ بارگیری مثبت چشمگیری دارد . این نمونه بارگیری پیشنهاد می کند که شرکت ها با کیفیت بالا ( تغییر جریان نقدینگی پایین و بارگیری ریسک برنامه ریزی شده پایین برای هزینه های پخش پایین تر ) تمایل دارند تا بزرگ تر باشند . چنین شرکت هایی ممکن است با پرداخت سود سهام بیش تر ، به کیفیت بالایشان اشاره کنند . این عامل برچسب کیفیت جریان نقدینگی می خورد و پیش بینی می شود رابطه مثبتی با DPR دارد . بالاخره ، عامل ۸ برچسب قابلیت تغییر ساختار سرمایه می خورد زیرا متغیر STDCDE به طور قابل ملاحظه ای ( مثبت ) در این عامل بار می شود . انتظار می رود عامل ۸ رابطه مثبتی با DPR داشته باشد .

نتایج رگرسیون

بخش دوم شامل تخمین رابطه بین عوامل و DPR می باشد . به خاطر این که عوامل از طریق انتقال های ارتوگونال به وجود می آیند ، مسائل همبستگی چند جانبه وجود ندارد . تخمین OLS از معادله رگرسیون ، یک بخش خطای غیر ثابت ، با آمار به توان دو Brewash-Pagan به طور قابل ملاحظه ای در ۱ درصد به وجود می آیند . Heteroskedasticity با استفاده از مرحله White [ 44 ] تصحیح می شود . نتایج رگرسیون چند تایی با استفاده از عوامل استخراج شده در جدول ۳ آمده اند .

همه عوامل ، علامت های پیش بینی شده دارند ، و ۶ تا از ۸ عامل از لحاظ آماری ضرایب قابل ملاحظه ای دارند . نتایج به صورت ذیل خلاصه شده اند . ضرایب منفی چشمگیری در عامل ۱ و عامل ۲ نشان می دهد که شرکت ها ، هزینه های پخش بالا و رشد بالا را تجربه می کنند ، در حالی که سطح بالایی از مخارج سرمایه ، سود سهام پایینی پرداخت می کنند ، و حمایتی برای هر دو تئوری باقیمانده و استدلال سلسله مراتب قدرت به دست می آورند . ضریب قابل ملاحظه ای در عامل ۳ نشان می دهد که پراکندگی مالکیت تاثیری بر سود سهام ندارد . ضریب مثبت قابل ملاحظه ای از عامل ۴ ، پشتیبانی برای استدلال ثبات سود سهام را فراهم می ند و هماهنگ با یافته های Lintner [ 30 ] و Baker ، Farrelly و Eldeman [ 4 ] می باشد . ضریب مثبت قابل ملاحظه ای از عامل ۵ نشان می دهد که سود سهام به کار برده می شود تا مسائل نمایندگی تخفیف یابد ، به طوری که هماهنگ با یافته های Crutchley و Hansen [ 10 ] و Rozeff [ 39 ] می باشد . همچنین آن ، استدلال مشتریان مالیات را حمایت می کند . استدلال رکود مالی نیز با ضریب منفی قابل ملاحظه ای از عامل ۶ حمایت می شود . این نتایج ، نقش سود سهام را در اشاره به کیفیت جریان نقدینگی حمایت نمی کنند ، همان طور که ضریب جزئی عامل ۷ نشان می دهد . ضریب قابل ملاحظه برای عامل ۸ نشان می دهد که شرکت ها با قابلیت تغییر ساختار سرمایه بزرگ تر ( راحت تر به بازار سرمایه دستیابی پیدا می کنند ) قادرند تا سود سهام بالاتری پرداخت کنند . این استدلال هماهنگ با تئوری سود سهام باقیمانده / هزینه انتقال می باشد .

بالاخره این که ، نتایج مرحله دو بخشی با نتایج تحلیل رگرسیون مجذورهای معمولی حداقل ( OLS ) مقایسه می شوند . معادله رگرسیون OLS با استفاده از ۱۲ متغیر ، که در بخش های قبل توصیف شدند ، به اندازه متغیرهای مستقل و DPR ، متغیر وابسته ، تخمین زده می شود ( نتایج بیان نشده اما بنا به درخواست ، موجود می باشند ) . این مقایسه نشان می دهد که پنج بیرون از هفت متغیر با ضریب های قابل ملاحظه ای در معادله OLS ، بالاترین بارگیری در عوامل قابل ملاحظه ۵ از ۶ را دارند : ( GROWTH – عامل ۱ ؛ EXCAP – عامل ۲ ؛ STAB – عامل ۴ ؛ INTANG – عامل ۶ ؛ و STDCDE – عامل ۸ ) . این نشان می دهد که نتایج مرحله دو بخشی نسبتا خوب می باشد . با وجود این ، متغیرهای HOLDING ، SLACK و CFA ، علامات متضادی با آن هایی که در این مقاله پیشنهاد شده اند ، دارند . تفاوت های دیگری ظاهر می شوند تا بخش هایی از سطوح قابل ملاحظه آماری و مسائل اقتصادی باشند . GROWTH ، CFA و STAB به طور چشمگیری در سطح ۱ درصد هستند در حالی که INSIDER و EXCAP به طور چشمگیری در سطح ۵ درصد می باشند . مجذورهای – R تنظیم شده در هر دو نمونه حدودا همان ۵۴/۰ می باشند . مقدار – F برای معادله رگرسیون ساده برابر با ۱۳/۱۱ می باشد ، همان طور که با ۲۸/۱۶ برای روش تحلیل عامل مقایسه می شود . با استفاده از مرحله پیشنهاد شده توسط Belsely ، Kohand ، و Welsch [ 5 ] ، شاخص موقعیت برای معادله رگرسیون ساده برابر با ۹۵/۳۸ می باشد ، به طوری که متعلق به سطح دقیقی از ۲۰ می باشد ..

همچنین ضرایب رگرسیون ارائه می شوند تا بی ثبات باشند زمانی که متغیرها از مدل کم می شوند . با وجود این ، همبستگی چند جانبه در مدل تحلیل عامل ارائه نمی شود همان طور که با شاخص موقعیت زیر ۲۰ و ثبات زیاد ضرایب نشان داده می شود . سطح heteroskedasticity با مدل رگرسیون ساده بیان می شود تا بزرگ تر از چیزی که در مدل عامل آمده ، باشد . در هر دو نمونه ، مرحله White [ 44 ] به کار بده می شود . با وجود این ، تاثیر متقابل همبستگی چند جانبه و heteroskedasticity در این مدل ، می تواند پارازیت به وجود آورد .

نتیجه گیری

در این مقاله ، نویسندگان تحقیقات همزمانی از استدلال های جایگزین برای سود سهام با ضمیمه کردن بررسی های مدیریتی ( همچون مسائل ذخیره مالی ، سیاست سود سهام « مشکل » ، و تغییرپذیری مالی ) به همراه دیگر تئوری های پیشنهاد شده در این نشریه در مورد سیاست های پرداخت ( مثل کاهش هزینه های نمایندگی ، حل نامتقارن اطلاعات ، مالیات ها ، و هزینه های معامله ) را راهنمایی و اداره کردند . مرحله رگرسیون عامل دو بخشی به کار برده می شود تا ماهیت تاثیر متقابل از این روابط به دست آید . علاوه بر این نویسندگان چند متغیر جدید ( شاخص ) را معرفی کردند که بافت سیاست های سود سهام را مورد بررسی قرار نداده اند . نتایج نشان می دهد که ۶ عامل قابل ملاحظه ( ابعاد ) را می توان به کار برد تا سیاست های پرداخت الحاقی ، بیان شود . رابطه منفی قابل ملاحظه ای بین نسبت های پرداخت سود سهام و عوامل نشان دهنده هزینه های پخش ، سلسله مراتب قدرت ، تحقیق و رکود مالی ، دیده می شود . رابطه مثبت قابل ملاحظه ای نیز بین نسبت های پرداخت سود سهام و عوامل نشان دهنده ثبات سود سهام ، هزینه های نمایندگی و مالیات و تغییرپذیری ساختار سرمایه ( دسترسی آسان به بازارهای سرمایه ) دیده می شود . یافته ها نشان می دهند که اگر همه ابعاد دیگر در حساب به دست آیند ، سود سهام نمی تواند تاثیر زیادی در اشاره به بی ثباتی جریان نقدینگی داشته باشد .

نکته ها

این شاخص نیز یا بهبود را نشان می دهد یا در منافع به تحلیل می رود . در آن نمونه ، این متغیر با شاخص اشاره می باشد ، و رابطه بین GROWTH و DPR پیش بینی می شود مثبت باشد .

اگر متغیر پایین به خاطر رشد پایین است ، سود سهام به خاطر فرصت های بررسی مناسب پایین و به عبارت دقیق تر قابلیت تغییر در ساختار سرمایه ، ممکن است بالا باشد . با وجود این ، این احتمال به خاطر ضریب پایین رابطه Pearson ( پیارسون ) از ۰۰۵/۰- بین STDCDE و GROWTH کنار گذاشته می شود . بنابراین ، شرکت ها با قابلیت تغییر بالا در ساختار سرمایه شان پیش بینی می شود تا نسبت های پرداخت بالا دارند در این زمان شرکت ها قادرند ساختار سرمایه شان را در خواب به تغییرات در سرمایه گذاری و مقتضیات سود سهام تنظیم کنند .

همچنین ضریب تغییر با استفاده از تفاوت های اول و مراحل خودکار برگشت تخمین زده می شود . این تخمین به شبیه به تخمین OLS بودند .

ظرفیت به کار نرفته بدهی به صورت تفاوت در نسبت نفوذ صنعت ( بدهی برای سهم مالکیت ) و نسبت نفوذ شرکت ارزیابی می شود . طبقه بندی صنعت بر اساس کد طبقه بندی صنعت استاندارد چهار رقمی ( SIC ) می باشد .

ما همچنین روش تحلیل جز اصلی ( PCA ) را برای استخراج عوامل به کار بردیم . نتایجی که گزارش نمی شوند ، شبیه به نتایج CFA می باشند و بنا بر درخواست موجود می باشند .

انتقال دیگر ارتوگونال ها ( Varimax و Quartimax ) انجام می شود ، اما Equamax بهترین نتایج را به دست می آورد .

در این تحقیق ، دو متغیر بارگیری های چندگانه دارند . BETA در عامل ۱ و عامل ۷ بار می شود و INTANG در عامل ۲ و عامل ۶ بار می شود . بتا به عامل ۱ اشاره می کند و INTANG به عامل ۲ . این بارگیری ها در عوامل دیگر تنها کمی چشمگیر می باشند ( کمی بالای | ۳/۰ | و پیش بینی نمی شوند .

BETA ( شاخصی برای هزینه های تضمین ) ریسک حساب شده را ارزیابی کرده و تغییرپذیری جریان نقدینگی ، رابطه کمی با عامل ۷ را نشان می دهد ، به طوری که سهم مالکیت جریان های نقدینگی را نشان می دهد . از سویی دیگر ، INTANG سطحی از دارایی های تضمینی موجود را ارزیابی می کند ، و برای حد معینی رابطه آن با سطح رکود مالی ، تعجب آور نیست . ما معتقد نیستیم که این راه حل یک مشکل در این تحقیق را نشان می دهد ( پاورقی ۱۴ را ببینید ) .

محدودیت ها ملزم به خطاهای اندازه گیری هستند که عبارتند از : ( ۱ ) با هم دیگر ارتباطی ندارند ، ( ۲ ) با ویژگی ها ارتباطی ندارند و ( ۳ ) با خطاهای مدل ساختاری ارتباطی ندارند . LISREL نیز نیاز به حداقل ۱۵۰ مشاهده دارد تا ضرایب ثابتی به دست آورد .

تست های آماری و دیگر قوانین را می توان به کار برد . برای مثال ، حفظ تنها آن عواملی که مقدارهای eigen بزرگ تر از ۱ یا تست های آماری مثل تست Horn هستند . با وجود این ، Green [ 20 ] گزارش می دهد که چنین تست هایی بدون مشکل نیستند ( صفحه ۳۷۶ ) .

انتقال ارتوگونال پیاپی ( Equamax ) ، واریانس بیان شده با هر عامل را تغییر می دهد ، اگرچه واریانس توصیف شده با عوامل حفظ شده به همان صورت باقی نمی مانند . نسبت واریانس رو به افزایش ( تراکمی ) با هر عامل توصیف می شود همان طور که در جدول ۲ بعد از انتقال Equamax نشان داده شده است .

این نیز نشان می دهد که سازمان ها ، موجودی های شرکت هایی که دارایی خودی کمی دارند را صاحب می شوند . در صورتی که شرکتی ، موجودی در کارخانه ای دیگر با قصد تصاحب آن شرکت ، مالک شود ، در این زمان آن شرکت ها که دارایی خودی کمی دارند ، اهداف مناسب تری هستند . نمونه بارگیری در عامل ۵ نشان می دهد که این ممکن است نمونه باشد .

مرحله تصحیح heteroskedasticity به وجود می آید تا توسط Ali و Giacotto [ 2 ] خیلی مقاوم باشد .

ما تحلیل رگرسیون را با استفاده از این متغیر به همراه بالاترین بارگیری در یک عامل به عنوان شاخصی برای آن عامل تکرار کردیم . نتایج نشان می دهد که استفاده از عوامل به جای یک متغیر شاخص در هر عامل به عنوان متغیرهای مستقل ، استحکام و قدرت نتایج را بهبود می بخشد ( R² تنظیم شده از ۴۴ درصد به ۴۵ درصد بهبود یافته و مقدار F از ۳۳/۱۱ به ۳۷/۱۶ افزایش می یابد ) . تعدادی از ضرایب قابل ملاحظه نیز از سه به شش افزایش می یابند . این نتایج در این جا اعلام نمی شوند اما بنا بر درخواست موجود می باشند .

جهت جستجو سریع موضوع مقاله ، پرسشنامه ، پاورپوینت و گزارش کارآموزی می توانید از قسمت بالا سمت راست جستجو پیشرفته اقدام نمایید.

همچنین جهت سفارش تایپ ، تبدیل فایل پی دی اف (Pdf) به ورد (Word) ، ساخت پاورپوینت ، ویرایش پایان نامه و مقاله با ما در تماس باشید.