یکی از مهمترین فروض مدل کلاسیک رگرسیون خطی این است که اجزای اخلال e_i که در تابع رگرسیون جامعه ظاهر میشوند، دارای واریانس همسان هستند. اگر ناهمسانی واریانسها وجود داشته باشد آزمونهای t و F نتایج غلطی را ارائه میدهند و آنگاه نمیتوان فرضیه ها را با آماره F و t آزمون کرد (گجراتی، ۱۳۸۶). روشها و آزمونهای متعددی برای کشف ناهمسانی واریانس ارائه شده است که عبارتند از: روش ترسیمی، آزمون وایت^[۱۹۹]، آزمون گلچسر، آزمون گلدفلد- کوانت، آزمون بارتلت، آزمون اسپیرمن، آزمون پیک، آزمون پارک. در صورت بررسی همسانی واریانسها به روش آزمون وایت آزمون فرضیه ها به صورت زیر است:

در صورتی که احتمال آماره F حاصل از آزمون وایت از ۰۵/۰ کمتر باشد، فرض صفر مبنی بر همسانی واریانس رد شده و مشکل ناهمسانی واریانس وجود دارد. در صورتی که مدل دچار ناهمسانی واریانس باشد، جهت رفع آن میتوان از روش حداقل مربعات تعمیم یافته (GLS) برای تخمین مدل استفاده کرد. همچنین مشکل ناهمسانی واریانس را، میتوان در مواردی با لگاریتمی کردن مدل بر طرف کرد (بیدرام، ۱۳۸۱).
۳-۱۰-۷-۲- عدم خود همبستگی
در یک مدل کلاسیک رگرسیون خطی فرض بر آن است که کوواریانس بین اجزای اخلال برابر صفر است. به عبارت دیگر، بین اجزای اخلال همبستگی وجود ندارد. به این معنی که جزء اخلال مربوط به یک مشاهده تحت تاثیر جزء اخلال مربوط به مشاهده دیگر دیگر قرار نمیگیرد. نقض این فرض، مشکلی به نام خود همبستگی ایجاد میکند. مشکل خود همبستگی، هر چند در داده های مقطعی نیز پدید میآید ولی در داده های سری زمانی متداولتر است.در صورت وجود خود همبستگی میتوان از روش های ترسیمی، آماره دوربین- واتسون^[۲۰۰] و آزمون ^[۲۰۱]LM استفاده نمود. در این پژوهش از آماره دوربین- واتسون برای تشخیص خود همبستگی استفاده میشود. اگر آماره دوربین- واتسون بین مقادیر بحرانی ۵/۱ تا ۵/۲ باشد، مشکل خود همبستگی وجود ندارد. در صورت وجود خود همبستگی، میتوان از روش GLS برای برطرف کردن خود همبستگی استفاده نمود (گجراتی، ۱۳۸۶).
۳-۱۱- خلاصه فصل
در این فصل به تشریح روش پژوهش پرداخته شد. بدین منظور ابتدا نوع پژوهش از نظر ماهیت و روش مشخص گردید. جامعه آماری، قلمرو پژوهش، روش نمونه گیری و حجم نمونه موضوعات بعدی بود که در ادامه به آنها پرداخته شد. سپس چگونگی جمعآوری اطلاعات مورد نیاز پژوهش بیان شد و نرمافزارهایی که جهت تجزیه وتحلیل داده های پژوهش مورد استفاده قرار گرفتهاند، معرفی گردید. آنگاه فرضیه ها، مدلها و متغیرهای پژوهش و نحوه محاسبه آنها تشریح شد و در پایان آزمونهای آماری مورد استفاده در پژوهش به تفصیل بیان گردید.
فصل چهارم
تجزیه و تحلیل داده ها
۴-۱- مقدمه
تجزیه و تحلیل داده های جمعآوری شده با بهره گرفتن از ابزارهای معتبر، یکی از پایه های اصلی هر مطالعه و بررسی است. پس از گردآوری داده ها، مرحله جدیدی از فرایند پژوهش که به تجزیه و تحلیل داده ها معروف است، آغاز میشود. در این مرحله محقق با بهره گرفتن از روش های مختلف و با تکیه بر استدلالهای منطقی سعی میکند داده ها را در جهت آزمون سوالها و ارزیابی آن مورد بررسی قرار دهد. این فصل اختصاص به پردازش داده ها، آزمون فرضیه ها و ارائه نتایج دارد. در ابتدای فصل آمار توصیفی از مقادیر محاسبه شده برای متغیرهای پژوهش ارائه شده است. سپس فرضیه های پژوهش و نتایج برآورد مدل پژوهش تشریح شده است. در ادامه فصل به آزمون فرضیه های پژوهش پرداخته شده است.
۴-۲- آمارههای توصیفی متغیرهای پژوهش
آمار توصیفی شامل مجموعه روشهایی است که برای جمعآوری، تلخیص، طبقهبندی و طبقهبندی حقایق عددی به کار میرود. در واقع این آمار، داده ها و اطلاعات پژوهش را توصیف میکند و طرح یا الگوی کلی از داده ها را برای استفادهی سریع و بهتر از آنها بدست میدهد. در یک جمعبندی با استفادهی مناسب از آمار توصیفی میتوان ویژگیهای یک دسته از اطلاعات را بیان کرد. پارامترهای مرکزی و پراکندگی به همین منظور به کار میرود. کارکردهای این معیارها این است که میتوان خصوصیات اصلی مجموعهای از داده ها را به صورت یک عدد بیان کنند و بدین ترتیب افزون بر آن به فهم بهتر نتایج یک آزمون کمک میکنند، مقایسه نتایج آن آزمون را با آزمونها و مشاهدات دیگر نیز تسهیل مینماید. آمار توصیفی متغیرهای پژوهش در جدول شماره ۴-۱ و خروجی نرمافزار مربوط به آمار توصیفی متغیرهای پژوهش در پیوست شماره ۳ ارائه شده است.
جدول شماره ۴-۱: آمار توصیفی متغیرها