۴۷/۳

۴

۴۸/۰

H₀ پذیرفته می شود

نتایج آزمون هاسمن نشان می دهد که احتمال آماره آزمون بیشتر از سطح معنی داری ۰۵/۰ است و حاکی از دلیل کافی برای رد فرضیه صفر نیست لذا برای برآورد مدل رگرسیونی فرضیه اول پژوهش از الگوی اثرات تصادفی استفاده می شود.

۴-۵-۴-۳- آزمون ناهمسانی واریانس
یکی از مهمترین فرضیه های مدل کلاسیک رگرسیون خطی این است که اجزای اخلال دارای واریانس همسان باشند. در صورتی که مدل دچار ناهمسانی واریانس باشد آماره های t و F نتایج غلطی را ارائه می‏دهند. از میان روش های متعدد برای کشف ناهمسانی واریانس، در این پژوهش از آزمون‏های بارتلت، لوین و براون- فورسیت استفاده شد که نتایج آنها به شرح جدول زیر می باشد:
جدول (۴-۱۳): نتایج آزمون‏های بارتلت، لوین و براون- فورسیت (بررسی ناهمسانی واریانس)

فرضیه صفر (H₀)

نام آزمون

آماره آزمون

درجه آزادی

p-value

نتیجه آزمون

ناهمسانی ‏واریانس وجود ندارد

بارتلت

۳۳/۲۷

۲۰

۱۳/۰

H₀ پذیرفته می شود

لوین

۶۹/۰

(۳۲۹ و۲۰)

۸۴/۰

H₀ پذیرفته می شود

براون- فورسیت

۴۴/۰

(۳۲۹ و۲۰)

۹۸/۰

H₀ پذیرفته می شود

با توجه به سطح معناداری و فرضیه H₀ که بیانگر همسانی واریانس است، هرسه آزمون مذکور برای مدل رگرسیون خطی نتایج یکسانی به همراه داشت و ملاحظه گردید که مشکل ناهمسانی واریانس وجود ندارد.
۴-۵-۴-۴- تحلیل رگرسیونی فرضیه اول (Coefficients)
پس از بررسی ناهمسانی واریانس در مدل رگرسیون خطی، عدم وجود خودهمبستگی یکی دیگر از فروض مهم کلاسیک است که باید بررسی نمود که مدل رگرسیون دارای مشکل خود همبستگی نباشد. بدین منظور از آزمون دوربین- واتسون استفاده شد. نتایج اولیه این آزمون حاکی از این است که مقدار آماره برابر ۵/۱ می باشد که ما به منظور بهبود این رقم و اطمینان از عدم خود همبستگی بین متغیرهای پژوهش، از روش کمترین مجذورات تعمیم یافته (GLS) استفاده نموده و جزء AR یا اتورگرسیون که به خودرگرسیونی یا خودهمبستگی مربوط است را وارد مدل رگرسیونی فرضیه اول می کنیم که بدین ترتیب مقدار آماره دوربین- واتسون بهبود یافته و مشکل خودهمبستگی رفع شده است. جدول (۴-۱۴) مقدار ضرایب رگرسیون خطی فرضیه اول را با متغیر وابسته نشان می‏دهد.
جدول (۴-۱۴): ضرایب رگرسیونی فرضیه اول (Coefficients)