۰٫۰۰۰۰
همسانی واریانس‌ها رد می‌شود.
بر مبنای نتایج آزمون به شرح جدول ۴-۱۱، سطح آزمون در هر دو آزمون فیشر و کااسکوئر به سمت صفر میل کرده و کمتر از ۵ و ۱ درصد می‌باشد؛ بنابراین هم در سطح ۹۵ و هم در سطح ۹۹ درصد اطمینان نمی‌توان فرض صفر مبنی بر ثبات، همسانی یا برابری واریانس‌ها را پذیرفت. این موضوع از رد فرض ناشی می‌گردد. چنین شرایطی در رگرسیون سبب خواهد شد که نتایج OLS کاراترین نباشد.ازآنجاکه مدل پژوهش ناهمسانی دارد برای رفع آن از روش کمترین مجذورات تعمیم‌یافته (GLS) استفاده می‌نماییم.
ز) تعیین مدل مناسب برای تخمین مدل رگرسیون
با توجه به ادبیات تحقیق موجود ازیک‌طرف و نیز محدودیت حجم نمونه در شرکت‌های منتخب بورسی و تعداد متغیرها در معادله برآوردی از طرف دیگر استفاده از رگرسیون مقطعی به ازای هرسال نتایج معنی‌داری در برنداشت. لذا در این پژوهش از تحلیل داده‌های تابلویی یا Data Pannel استفاده شده است. به‌منظور تعیین مدل مناسب (تلفیقی یا تابلویی با اثرات ثابت یا تصادفی) از آزمون‌های چاو و هاسمن استفاده شده است.
۱) آزمون چاو: این آزمون برای تعیین نوع رگرسیون تابلویی از جهت ثابت بودن عرض از مبدأها یا ثابت نبودن، مورداستفاده قرارگرفته است. با انجام این آزمون، آماره F لیمر و سطح معنی‌داری متناظر با آن محاسبه شده که نتایج به شرح جدول شماره ۴-۱۲ خلاصه شده است:
جدول (۴-۱۲):خلاصه نتایج آزمون چاو
رابطه
آماره F
احتمال
نتیجه آزمون
قیمت سهام و متغیرهای حسابداری
۴۶/۳**
۰٫۰۰۰۰
رد فرض صفر
** معنی‌داری در سطح ۹۹ درصد
بر مبنای جدول شماره ۴-۱۲ آماره F لیمر برای رابطه برآوردی بین قیمت سهام و متغیرهای حسابداری به‌عنوان متغیرهای مستقل برابر ۴۶/۳ و سطح معنی‌دار متناظر با آن به صفر میل کرده و از یک و پنج درصد کمتر است. بر مبنای سطح معنی‌دار می‌توان حکم کرد که نتیجه آزمون در سطح اطمینان ۹۵ و حتی ۹۹ درصد معنی‌دار است. به‌این‌ترتیب می‌توان نتیجه گرفت برای تمامی سال‌های مورد آزمون، فرض صفر مبنی بر برابری عرض از مبدأها در همه روابط برآورد شده، رد می‌شود. بنابراین نابرابری عرض از مبدأها در سطح اطمینان ۹۹ پذیرفته می‌شود. نتایج این آزمون نشان می‌دهد فرض ۰ H مبنی بر جواز استفاده از مدل تلفیقی رد شده، به‌بیان‌دیگر آثار فردی یا گروهی وجود دارد. درنتیجه باید در این تحقیق جهت برآورد رابطه بین متغیرها بر مبنای برآورد رگرسیون خطی مرکب از روش تحلیل داده‌های تابلویی یا Data Pannel استفاده شود.
۲) آزمون‌هاسمن: پس از مشخص شدن اینکه عرض از مبدأ برای سال‌های مختلف یکسان نیست، باید روش استفاده در برآورد مدل از بین روش‌های اثرات ثابت یا تصادفی انتخاب گردد که بدین منظور در تحقیقات مشابه یا مرتبط عموماً از آزمون‌هاسمن استفاده شده و در این تحقیق نیز به همین شیوه عمل شده است.
آزمون‌هاسمن فرضیه H0 مبنی بر سازگاری تخمین‌های اثر تصادفی را در مقابل فرضیه H1 مبنی بر ناسازگاری تخمین‌های اثر تصادفی آزمون می کند. در این راستا آزمون‌هاسمن به‌عنوان یکی دیگر از پیش‌فرض‌های برآورد مدل رگرسیونی انجام‌شده و نتایج مربوط به این آزمون در جدول شماره ۴-۱۳ خلاصه شده است:
جدول (۴-۱۳):آزمون‌هاسمن برای مدل رگرسیونی تحقیق
رابطه
آماره
سطح معنی‌دار
