под данное определение. Для включения данных регрессоров в модель есть смысл прологарифмировать данные, и анализировать результаты модели для таких переменных как эластичность.
Так же ниже представлены графики выбросов для регрессоров, путем данного анализа можно выделить часть компаний с резко отличающимися показателями по разным финансовым данным. В таких случаях стоит просто убрать эти компании из выборки для получения более корректных результатов анализа.
Рис.4. Графики разброса регрессоров, позволившие сократить выборку Путем, анализа этих и других регрессоров, не представленных на графиках в работе, было отобрано 4 компании, с резко отличающимися показателями, что может быть вызвано какими-либо внешними факторами или аномальными ситуациями. В дальнейшем исследовании было принято решение сократить выборку до 59 компаний. Это позволит значительно улучшить результаты исследования за счет отсутствия влияния аномальных значений и при этом сокращение выборки на 12 наблюдений почти не отразиться на качестве анализа.
Как уже упоминалось ранее, в исследовании рассмотрен такой параметр как структура корпоративного управления. Данное решение было принято за счет анализа результатов предыдущих исследований на схожие тематики. Кроме этого, несомненно, на решение о принятии инвестиционной политики сильно влияет корпоративная структура управления компанией.
После проведения эмпирического анализа выборки, необходимо обратиться к корреляционной матрице исследуемых регрессоров для определения смысловой значимости включения регрессоров в модель. Ниже представлена матрица с основными регрессорами модели. Таблица 10. Корреляционная матрица, наблюдения 1:1 - 58:4 5% критические значения (двухсторонние) = 0,1288 для n = 188
Asets | ROA | NP | Ceb_TC | CG | Inv | |
1,0000 | 0,0056 | 0,8935 | -0,2002 | 0,3457 | 0,8288 | Asets |
1,0000 | 0,2172 | 0,0271 | 0,2981 | 0,9749 | ROA | |
1,0000 | -0,1908 | 0,1897 | 0,7298 | NP | ||
1,0000 | 0,4576 | 0,8692 | Ceb_TC | |||
1,0000 | 0,7896 | CG. | ||||
1,0000 | Inv | |||||
Wages | ||||||
0,0350 | Asets | |||||
-0,1973 | ROA | |||||
-0,0091 | NP | |||||
0,1041 | Ceb_TC | |||||
0,12903 | CG | |||||
0,8154 | Inv | |||||
1,0000 | Wages |
В ходе анализа корреляционной матрицы переменных было выявлено влияние рассматриваемых переменных на зависимую переменную, потому что корреляционные коэффициенты по модулю больше 0,7. Данный вывод является одним из ключевых, позволяющий начать эмпирическое исследование влияния факторов на инвестиционную активность. 3.2 Статистический и описательный анализ второй выборки Как уже отмечалось ранее, компании деревообрабатывающей
Похожие работы
Интересная статья: Быстрое написание курсовой работы