Y: شاخص قیمت سهام
LnRER : لگاریتم نرخ ارز
: LnM2 لگاریتم حجم نقدینگی
۳-۸- متغیرهای پژوهش و نحوه محاسبه آن­ها
با توجه به روابط (۳-۱) نحوه محاسبه متغیرهای پژوهش بدین شرح می­باشد:
۳-۸-۱- متغیر وابسته
در این پژوهش متغیر وابسته عبارت است از:
Y: شاخص کل قیمت نشان میدهد که سطح عمومی قیمت شرکتهای بورس در چه وضعیتی قرار دارد. شاخص قیمت، نماگر روند عمومی قیمت شرکت‌های مشمول شاخص است و تغییرات سطح عمومی قیمت‌ها را نسبت به تاریخ مبدأ نشان می‌دهد. کلیۀ بورس‌های معتبر به محاسبه این شاخص می‌پردازند و اکثراً از شیوه‌های مشابهی برای محاسبه و تعدیل آن پیروی می‌کنند. بورس تهران از فروردین ماه ۱۳۶۹ اقدام به محاسبه و انتشار شاخص قیمت خود با نام تپیکس (TEPIX) نمود. شاخص قیمت بورس تهران تمامی شرکت‌های پذیرفته شده در بورس را در برمی‌گیرد، شاخص قیمت سهام که بر اساس رابطه (۳-۲) محاسبه می­ شود:

(( اینجا فقط تکه ای از متن درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. ))

(۳-۲)
قیمت سهام شرکت iام در زمان t (tزمان مورد محاسبه)
تعداد سهام منتشر شده شرکت iام در زمان t
عدد پایه در زمان t و مقدار در زمان مبدا
= قیمت سهام شرکت iام در زمان مبدا
= تعداد سهام منتشر شده شرکت iام در زمان مبدا
۳-۸-۲- متغیرهای مستقل
نرخ ارز : در این پژوهش برای محاسبه نرخ ارز از نرخ ارز حقیقی بر اساس رابطه (۳-۳) استفاده می­ شود: (کریم­زاده، ۱۳۸۵)
(۳-۳)
که در این رابطه:
: RERنرخ ارز حقیقی
CPIUSA: شاخص قیمت مصرف کننده آمریکا (سال پایه سال ۲۰۰۰ است)
CPI : شاخص قیمت مصرف کننده ایران (سال پایه ۱۳۸۱ است)
که آمار مورد نیاز برای محاسبه این متغیر از مجموعه آماری بانک مرکزی و مرکز آمار ایران و بانک جهانی گردآوری می­ شود.
حجم نقدینگی: تغییرات در حجم پول، یکی از عوامل موثر بر متغیرهای مهم اقتصادی به شمار می‏آید و می‏تواند در دست‏یابی به اهداف اقتصادی یک کشور از جمله رشد و توسعه بازار سرمایه تأثیر بسزایی داشته باشد. در تعاریف رایج، پول چیزی است که در داد و ستد و مبادله مورد قبول عموم افراد جامعه می‏باشد. پول در اقتصاد کلان به مجموع اسکناس و مسکوک در دست مردم و سپرده‏های دیداری تعریف می‏شود (). ، مفهوم گسترده‏تری از پول را مد نظر دارد و حجم پول را به پول و شبه پول تعریف می‏کند. در واقع ، علاوه بر تعریف از پول، شبه پول را نیز به عنوان بخشی از حجم پول معرفی می‏کند. در این پژوهش حجم نقدینگی بر حسب رابطه (۳-۴) محاسبه می­ شود:
(۳-۴) شبه پول + پول = حجم نقدینگی
که آمار مورد نیاز برای محاسبه این متغیر از مجموعه آماری بانک مرکزی و مرکز آمار ایران و بانک جهانی گردآوری می­ شود.
۳-۹- روش شناختی آماری و انواع آزمون­های مورد استفاده در پژوهش
انواع داده ­ها به سه دسته شامل داده ­های سری زمانی، داده ­های مقطعی و داده ­های ترکیبی (مقطعی و سری زمانی)، تقسیم­ پذیر هستند. داده ­های سری زمانی داده­هایی هستند که در طی یک دوره زمانی جمع­آوری می­شوند. چنین داده­هایی می­توانند در فواصل منظم مانند روزانه، هفتگی، ماهانه و سالانه گردآوری شوند. داده ­های مقطعی براساس یک یا چند متغیر در یک زمان مشخص جمع­آوری می­شوند. داده ­های ترکیبی شامل داده ­های مقطعی برای زمان­های مختلف است. در این پژوهش از داده ­های سری زمانی برای برآورد الگو پژوهش استفاده شده است. (گجراتی، ۱۳۸۷).
۳-۹-۱- سری­های زمانی
الگوهای سری زمانی سعی می­ کنند رفتار یک متغیر را براساس مقادیر گذشته آن متغیر و احتمالاً مقادیر گذشته سایر متغیرها توضیح دهند. این الگوها قادرند حتی در مواردی که الگوهای اقتصادی زیرساختی نامشخص دارند، پیش ­بینی­های دقیقی از متغیر موردنظر ارائه دهند. این الگوها برخلاف الگوهای اقتصادسنجی که از اطلاعات مربوط به نظریه­ های اقتصادی و داده ­های آماری سود می­جویند، تنها از اطلاعات مربوط به داده ­های آماری استفاده می­ کنند و توجهی به مبانی نظری تئوری­های اقتصادی ندارند. الگوهای سری زمانی که تنها مقادیر فعلی یک متغیر را به مقادیر گذشته آن و مقادیر خطاهای حال و گذشته ارتباط می­ دهند، الگوهای سری زمانی تک متغیری نام دارند و فرآیندهای خودتوضیح نمونه ­ای از این الگوها به شمار می­آیند.
در اغلب سری­های زمانی اقتصاد کلان این تمایل وجود دارد که متغیرهای اقتصادی، هم­جهت با یکدیگر حرکت کنند و علت این امر وجود روندی است که در تمامی آن­ها مشترک است. چنانچه متغیرهای سری زمانی که ناپایدار هستند در برآورد ضرایب الگوی مورد استفاده قرار گیرد، ممکن است نتیجه به یک رگرسیون کاذب منجر شود، زیرا در بین متغیرهایی که از روند برخوردارند این گرایش دیده می­ شود که حتی در مواردی که یک رابطه اقتصادی معنی­داری بین آن­ها وجود ندارد همبستگی شدیدی را نشان دهند و موجب دستیابی به استنباط­های نادرست در مورد ارتباط بین متغیرها شود.
روش سنتی برای اجتناب از بدست آوردن یک ارتباط کاذب بین متغیرهای سری زمانی آن بوده است که متغیر روند زمانی t را در بین متغیرهای مستقل الگو قرار دهند. این روش زمانی می ­تواند صحیح و قابل قبول باشد که روند زمانی متغیرها از نوع روند قطعی باشد و تصادفی نباشند. وقتی که متغیرهای سری زمانی روند مانا هستند، می­توان با اضافه نمودن یک روند زمانی از بروز رگرسیون کاذب جلوگیری کرد. در عین حال می­توان ابتدا رگرسیونی را با این متغیرها بر روی روند زمانی انجام داد و سپس جملات پسماند آن­ها را که عاری از روند هستند به عنوان متغیرهای پایا در برآورد ضرایب مورد استفاده قرار داد و به این ترتیب از ایجاد رگرسیون کاذب اجتناب کرد، اما وقتی متغیرهای سری زمانی روند مانا نیستند، اضافه کردن متغیر روند زمانی در بین متغیرها و یا کم کردن روند قطعی از متغیرها موجب پایایی این متغیرها نخواهد شد (نوفرستی، ۱۳۷۸).
۳-۹-۲- آزمون مانایی متغیرها
اغلب الگو های اقتصاد سنجی که در دهه های اولیه مورد استفاده قرار می گرفت، بر فرض مانایی سری های زمانی استوار بود. بعدها که نامانایی اکثر سری های زمانی آشکار شد، به کار گیری سری های زمانی منوط به انجام آزمون های مانایی مربوط گردید. به این دلیل، در این بخش مانایی متغیرها و آزمون مانایی آن مورد بحث قرار می گیرد. متغیرهای اقتصادی اصولاً نامانا و دارای روند تصادفی هستند. ترکیب خطی سری های نامانا نیز در حالت کلی یک سری نامانا است.
پیش از برآورد الگو لازم است مانایی تمام متغیرهای مورد استفاده در تخمین، مورد آزمون قرار گیرد زیرا مانایی متغیرها چه در مورد داده های سری زمانی و چه در مورد داده های تابلویی باعث بروز مشکل رگرسیون مجازی می شود. در داده های سری زمانی آزمون ریشه واحد یکی از معمول‏ترین آزمون‏هایی است که برای تشخیص پایایی یک فرایند سری زمانی مورد استفاده قرار می‏گیرد. برای آزمون ایستایی از آزمون های دیکی-فولر^[۷۴] و دیکی فولر تعمیم یافته^[۷۵] استفاده می­ شود. در تمامی این آزمون ها فروض آن مشترک است، یعنی فرضیۀ H₀ بر پایۀ وجود ریشۀ واحد و فرضیۀ H₁ بر اساس مانا بودن متغیر استوار است
۳-۹-۳- همجمعی^[۷۶]
مفهوم همجمعی، رابطه تعادلی بلندمدت بین دو یا چند متغیر را نشان می­دهد. مفهوم اقتصادی همجمعی این است که اگر دو یا چند متغییر یک رابطه تعادلی بلند مدت با هم داشته باشند، حتی اگر مسیر این سری های زمانی در کوتاه مدت از هم منحرف شده باشند، آن­ها در تعادل بلند مدت نزدیک به هم و در یک جهت حرکت خواهند کرد. وجود هماهنگی در حرکت بین سری­های زمانی ایده ال اصلی همجمعی است. این هماهنگی بین آن است که احتمالا یک رابطه تعادلی بلند مدت بین سری­های زمانی موجود در معادله وجود دارد. اگر چنین باشد متغیر­ها همجمع بوده و رگرسیون برآورد شده کاذب نیست و آمتره­های tوF از اعتبار لازم بر خوردار خواهند بود. نکته قابل توجه این است که اگر لازم باشد یک سری زمانی d بار تفاضل­گیری شود تا پایا شود دارای d ریشه واحد است که گفته می­ شود همجمع از مرتبه d یا I(d) است (نوفرستی، ۱۳۷۸).
۳-۹-۴- معادلات تصحیح خطای برداری^[۷۷]
برای بدست آوردن مدل کوتاه‏مدت از الگوهای تصحیح خطا استفاده می‏کنیم. ویژگی این الگوها این است که نوسانات کوتاه‏مدت متغیرها را به مقادیر تعادلی بلندمدت آنها ارتباط می‏دهند و واکنش‏های پویای کوتاه‏مدت موجود بین متغیرهای الگو را نیز در نظر می‏گیرند. مدل کوتاه‏مدت بر مبنای الگوی تصحیح خطای برداری به صورت زیر بدست خواهد آمد. اگر در نتیجه تخمین الگوی بلندمدت، r بردار تعادلی بدست آید، r مکانیزم تصحیح خطای برداری خواهیم داشت که می‏توانند جهت تخمین مدل دینامیکی کوتاه‏مدت مورد استفاده قرار گیرند. بنابراین مدل دینامیکی کوتاه‏مدت به صورت زیر است:
(۳-۵)
: جز اخلال رابطه بلندمدت است که با یک تاخیر ظاهر می‏شود.
۳-۹- ۵- الگوهای خودرگرسیون برداری^[۷۸] (VAR)
به طور کلی، الگوهایی که سعی می­ کنند رفتار یک متغیر را براساس مقادیر گذشته آن متغیر و تعدادی از متغیرهای مختلف دیگر به صورت همزمان توضیح دهند، الگوهای سری زمانی چند متغیره نامیده می­ شود، الگوی خود توضیح برداری VAR از این جمله می­باشد. در واقع زمانی که رفتار چند متغیر سری زمانی را بررسی می­کنیم باید به ارتباط متقابل این متغیرها در قالب یک الگوی سیستم معادلات همزمان توجه نماییم. اگر معادلات این الگو شامل وقفه­های این متغیرها باشد با یک الگوی سیستم معادلات همزمان پویا مواجه می­شویم. در این الگوها شناخت در مورد درون­زا بودن و برون­زا بودن متغیرها حائز اهمیت می­باشد. برای رفع این محدودیت، الگوی خودتوضیح برداری VAR توسط سیمز^[۷۹] (۱۹۸۰) بیان شد، به صورت رابطه (۳-۶) می­باشد:
(۳-۶)
در یک الگو VAR با متغیر و وقفه بایستی تعداد پارامتر (به غیر از واریانس‏ها) تخمین زده می­ شود. در صورتی که حجم نمونه به اندازه کافی بزرگ نباشد، تعیین این تعداد زیاد از پارامترها به درجات آزادی زیادی نیاز خواهد داشت. به دلیل حفظ درجه آزادی، الگو‏های VAR معمولاً متغیرهای اندکی (۴ تا ۸ متغیر) را شامل می­شوند.
الگو­های VAR دارای مزایای متعددی در مقایسه با الگو­های سری زمانی تک متغیره و یا الگو­های ساختاری معادلات همزمان است که برخی از این مزایا به شرح زیر است: