پاورپوینت چالش‌های اقتصادسنجی در رساله‌های دکتری (pptx) 16 اسلاید
دسته بندی : پاورپوینت
نوع فایل : PowerPoint (.pptx) ( قابل ویرایش و آماده پرینت )
تعداد اسلاید: 16 اسلاید
قسمتی از متن PowerPoint (.pptx) :
بنام خدا
چالش‌های اقتصادسنجی در رساله‌های دکتری
انواع پژوهش‌ها از نظر فرآیند اجرا: الف. پژوهش‌های کمّی ب. پژوهش‌های کیفی ج. رویکرد ترکیبی (کمّی و کیفی)
در پژوهش‌های کمّی، برای درک طرز کار یک سیستم، به طور معمول از برون‌دادهای آن سیستم (مانند سیستم حسابداری) استفاده می‌شود. با آن‌که این موضوع، یک نقطه ضعف برای پژوهش‌های کمّی محسوب شود و جایگاه مهم پژوهش‌های کیفی را مورد تأکید قرار می‌دهد، ولی به معنای غیرقابل اتکا و یا ضعیف بودن نتایج پژوهش‌های کمّی، نیست.
اصولاً کشف برخی حقایق، جز از روش‌های کیفی، امکان‌پذیر نیست و در مقابل، برخی پدیده‌ها صرفاً با روش‌های کمّی، قابل بررسی هستند. رویکردهای کمّی و کیفی، رقیب هم نیستند بلکه در مواردی، مکمّل یکدیگرند. انتخاب موضوع پژوهش، صرفاً به دلیل نوع فرآیند اجرای آن (کمّی یا کیفی)، یک کار علمی نیست.
موضوع پژوهش باید با توجه به نیازهای جامعه و یا برای توسعه علم، گزینش شود نه برمبنای فرآیندها (کمّی و کیفی) و ابزارهای مورد استفاده در پژوهش.
هر دو رویکرد کمّی و کیفی باید در جایگاه صحیح خود و با توجه به اهداف پژوهش، مورد استفاده قرار گیرند.
به‌هر‌حال، چنانچه پژوهش (چه با فرآیند کمّی و چه با فرآیند کیفی) با رعایت استانداردهای خاص خود صورت نگیرد، نمی‌تواند نتایج دقیقی ارائه کند.
انواع پژوهش از نظر منطق اجرا:
در هر دو رویکرد قیاس و استقراء، پژوهشگر با گردآوری و کار با مشاهده‌ها، درگیر است. لذا شیوه رفتار مناسب با مشاهدات را باید آموخت. بدین منظور، از علم آمار و برای حوزه‌هایی از علوم که با پدیده‌های اقتصادی سروکار دارند، از اقتصادسنجی که زیرمجموعه‌ای از علم آمار است، استفاده می‌شود. در پژوهش‌های حسابداری، به ویژه پژوهش‌هایی که به نوعی با بازار سرمایه مرتبط هستند؛ اقتصادسنجی یک ابزار بی‌رقیب برای رفتار با مشاهدات است.
اهمیت تدریس آمار و اقتصاد سنجی توسط اساتید حسابداری
در حال حاضر، تأکید بر آن است که دروس زبان تخصصی حسابداری دوره کارشناسی، توسط اساتید حسابداری (و نه اساتید محترم زبان انگلیسی) تدریس شود. از دلایل این امر، آشنایی اساتید حسابداری با واژگان و مفاهیم متون تخصصی و انتقال صحیح‌تر مفاهیم، است.
با این حال، زمانی که در دوره‌های کارشناسی ارشد و دکتری به درس آمار و اقتصادسنجی و حتی روش پژوهش (ابزارهای آزمون یا تدوین یک نظریه) می‌رسیم، شیوه و ابزار مورد استفاده در پژوهش‌های مالی و حسابداری، غالباً توسط دوستانی از حوزه‌های مدیریت، علوم اجتماعی و یا اقتصاد، که به طور معمول با مباحث مالی و حسابداری آشنایی ندارند (و البته در حوزه تخصصی خود کم‌نظیر هستند)، در اختیار دانشجویان حوزه‌های مالی و حسابداری قرار می‌گیرد.
این موضوع باعث می‌شود که بخش روش‌شناسی پژوهش و نتایج تجزیه و تحلیل‌های آماری بسیاری از مقالات و رساله‌های حسابداری، رنگ و بوی پژوهش‌های حوزه‌هایی مانند مدیریت یا علوم اجتماعی را داشته باشد. برای رفع این مشکل، شایسته است دوستانی از حوزه حسابداری پیش‌قدم شده و مفاهیم آمار و سنجی را متناسب با نیازهای رشته، در اختیار دانشجویان قرار دهند.
نکته 1: در یک پژوهش، مرحله گردآوری و مرتب نمودن مشاهدات، به طور معمول مستلزم صرف زمان، دقّت و حوصله زیادی است. صبور باشید...
نکته 2: حجم مناسب مشاهده‌ها در یک پژوهش چه میزان است؟
هر چه بیشتر، بهتر
بسیاری از تکنیک‌های آماری و اقتصادسنجی برمبنای تئوری مجانبی (Asymptotic Theory) بنا شده‌اند. مفهوم کلی این تئوری آن است که هرچه تعداد مشاهده‌ها بیشتر باشد، نتایج تحلیل‌ها نیز به واقعیت، نزدیک‌تر است (بروکس، 2008).
درصورت دسترسی به تمام مشاهدات جامعه آماری، دیگر آمار استنباطی مطرح نخواهد شد و صرفاً با آمار توصیفی می‌توان روابط موجود بین متغیرها را بررسی نمود. با این حال، دسترسی به تمام مشاهدات جامعه آماری، غالباً امکان پذیر نیست و این موضوع موجب بکارگیری آمار استنباطی در پژوهش‌ها می‌شود.
نکته 3: دلایل نمونه‌گیری:
1. در دسترس نبودن مشاهدات جامعه، هزینه‌بر بودن و نیز زمان‌بر بودن دسترسی به مشاهدات با حجم بالا
2. تخریبی بودن آزمون‌ها
با توجه به 1) مفهوم تئوری مجانبی و 2) در دسترس بودن بسیاری از مشاهده‌ها در پژوهش‌های حوزه مالی و حسابداری، استفاده از روش‌های نمونه‌گیری (چه تصادفی و چه غیرتصادفی) توصیه نمی‌شود.
نکته 4: در پژوهش‌های مالی و حسابداری (که مرتبط به بازار سرمایه هستند) ، برای انتخاب مشاهداتی که قرار است روی آنها کار شود، به طور معمول، محدودیت‌هایی اعمال می‌شود (روش حذف هدفمند، سیستماتیک). مشاهداتی که حائز تمام شرایط هستند، تشکیل جامعه آماری در دسترس ( و نه نمونه آماری) را می‌دهند. بکارگیری عنوان "نمونه آماری" برای مشاهدات نهایی حاصل از روش حذف هدفمند، چندان دقیق نیست.
نکته 4-1. درنظر گرفتن محدودیت‌های غیر‌معقول و زائد (که منجر به انتخاب یک جامعۀ آماری کوچک می‌شود)، صحیح نیست و موجب گزارش نتایج ضعیف و غیرقابل اتّکا می‌شود. از این کار پرهیز گردد...
نکته 5: پس از بکارگیری روش حذف هدفمند و انتخاب جامعه آماری در دسترس، می‌توان از روش‌های نمونه‌گیری (به خصوص نمونه گیری خوشه‌ای) برای انتخاب نمونه‌آماری بهره برد، هرچند با توجه به در دسترس بودن مشاهدات و مفهوم تئوری مجانبی، این کار توصیه نمی‌شود. زیرا فرمول‌های تعیین حجم نمونه (مانند فرمول کوکران و ...)، حداقل تعداد مشاهدات مورد نیاز برای انجام آزمون را در یک سطح‌خطای پیش‌فرض، ارائه می‌کنند و کار با مشاهدات بیشتر، نه تنها اشکالی ندارد بلکه طبق تئوری مجانبی، بر دقت کار می‌افزاید.
نکته 5-1: مهندسی معکوس، ممنوع!!. تغییر پارامترهای فرمول‌های نمونه‌گیری، جهت رسیدن به تعداد مشاهدات اندک (که از پیش، در دسترس است)، کار صحیحی نیست.
نکته 6: مراقب تلۀ اکسل باشید : پس از گردآوری مشاهدات، بهتر است قبل از انتقال داده‌ها به نرمافزارهای آماری، داده‌های اوّلیه در نرم‌افزار اکسل (Excel)، مرتب شوند. توصیه می‌شود که از نرم‌افزار اکسل، صرفاً برای تنظیم و مرتب نمودن مشاهدات استفاده شود و برای محاسبه داده‌های نهایی (با استفاده از مشاهدات خام)، از نرمافزارهای آماری استفاده گردد.
استفاده از اکسل و ابزار فرمول‌نویسی آن، در بیشتر اوقات نتایج مخدوشی ارائه می‌کند. یکی از دلایل این موضوع آن است که در زمان انجام محاسبات، نرم‌افزار اکسل برای مشاهدات مفقود، رقم صفر را در نظر می‌گیرد. این امر، در محاسبه تفاضل‌ها، نسبت‌ها، وقفه‌ها و ...موجب ارائه نتایج ناصحیح می‌شود.
برخلاف انتظار، دانشجویانی که به صحیح بودن محاسبات و تحلیل‌های آماری خود، حساسیت و وسواس بیشتری دارند، در تلۀ اکسل گرفتار می‌شوند.
نکته 7: با مشاهدات مفقود (Missing data) چه رفتاری کنیم؟
می‌توان با استفاده از روش‌هایی مانند درون‌یابی (Interpolation) و جانشانی (Imputation)، برای مشاهدات مفقود، ارقامی ایجاد و جایگزین نمود. در روش‌های ذکر شده، ابتدا روند کلی تغییرات مشاهدات موجود، کشف می‌شود و سپس بر اساس روند کشف شده، برای مقادیر مفقود، اعدادی محاسبه و جایگزین می‌گردد. با این حال، در اقتصادسنجی کاربردی، انجام موارد فوق توصیه نمی‌شود و صرفاً استفاده از داده‌های موجود، مورد تأکید قرار می‌گیرد (باوم*، 2006).
* Baum, C.F. (2006). An Introduction to Modern Econometrics Using Stata. A Stata Press Pub. College Station, Texas
نکته 8: از چه نرم‌افزار آماری استفاده کنیم؟
این موضوع به نوع تکنیک‌های مورد استفاده در پژوهش بستگی دارد. نرمافزارهای، SPSS، EViews و Stata تقریباً تمام نیاز پژوهشگران حوزه‌های مالی و حسابداری را برآورده می‌کنند ولی در موارد خاص می‌توان از سایر نرم‌افزارها (مانند SmartPLS، R و ...) نیز بهره برد. برای تجزیه و تحلیل داده‌های کیفی (که عموماً با پرسشنامه گردآوری می‌شوند)، SPSS مناسب‌تر از دو نرم‌افزار دیگر است. در برخی موارد نیز، نیاز به کار همزمان با چندین نرم افزار احساس می‌شود.
نکته 8-1: بین اقتصادسنجی و نرمافزارهای اقتصادسنجی، تفاوت قائل شویم. فراگیری کار با نرم‌افزارها، بدون آموختن مفاهیم آمار و اقتصادسنجی، نتایج خوبی دربر ندارد.
نکته 9: با مشاهدات پرت (Outliers) چه رفتاری صورت گیرد؟
وجود مشاهدات پرت (حتی یک مشاهده!!)، تا حد زیادی نتایج یک پژوهش را خدشه‌دار می‌کند. در پژوهش‌های مالی و حسابداری، مشاهدات پرت یا حذف می‌شوند (Trimming) یا ویرایش (Winsorize) می‌گردند (حذف مشاهدات پرت، با این‌که یک کار علمی نیست ولی نتایج بهتری از ویرایش مشاهدات پرت دارد!!). بدین‌منظور، در غالب پژوهش‌ها، اعداد کوچک‌تر(بزرگ‌تر) از صدک 1 (صدک 99)، در کانون توجه قرار دارند. با این حال، زمانی که پراکندگی مشاهدات زیاد است، استفاده از صدک‌های 5 و 95 نیز توصیه می‌شود. برای ویرایش یا حذف مشاهدات پرت، ابزارهای مناسبی در EViews و Stata وجود دارد، ولی در نرم‌افزار اکسل نیز قابل انجام است، با این حال، توصیه نمی‌شود.
نکته 9-1: راه دیگر برای مقابله با اثرات منفی مشاهدات پرت، استفاده از آن دسته از ابزارهای آماری است که به مشاهدات پرت، حساسیت کمتری دارند، مانند روش حداقل ارزش مطلق (Least Absolute value)، رگرسیون استوار (Robust Regression) و ...