- پراکندگی پیش بینی سود هر سهم ( FD) : انحراف معیار سود هر سهم پیش بینی شده اولیه در بودجه و تعدیلات صورت گرفته در طی سال t .
- خطای پیش بینی سود هر سهم ( FE ) : تفاوت بین سود هر سهم پیش بینی شده اولیه و واقعی در سال t .
در این بخش چگونگی استفاده از تحلیل عاملی برای وزن دهی به متغیر های مزبور و تجمیع آن در یک عامل واحد توضیح داده می شود. انجام تجزیه و تحلیل عاملی مستلزم انجام دو پیش آزمون (شاخصKMO و آزمون بارتلت) می باشد. ابتدا به توضیح نتایج حاصل از پیش آزمون های انجام شده پرداخته شده و سپس نتایج نهایی حاصل از تجزیه و تحلیل عاملی تشریح می گردد.
۱-۲-۴)شاخص KMO و آزمون بارتلت
در انجام تحلیل عاملی ، ابتدا باید از این مساله اطمینان یابیم که می توان داده های موجود را برای تحلیل به کار برد. به سخن دیگر ، آیا تعداد داده های مورد نظر (اندازه نمونه) و رابطه بین متغیر ها برای تحلیل عاملی مناسبند یا خیر؟ بدین منظور از شاخص KMO و آزمون بارتلت سود جسته می شود.
شاخص KMO ، شاخصی از کفایت نمونه گیری است که کوچک بودن همبستگی جزیی بین متغیر ها را بررسی می کند و از این طریق مشخص می کند آیا واریانس متغیر های پژوهش ، تحت تاثیر واریانس مشترک برخی عامل های پنهانی و اساسی است یا خیر. این شاخص در بازه صفر تا یک قرار دارد. اگر مقدار شاخص به یک نزدیک باشد ، داده های مورد نظر (اندازه نمونه) برای تحلیل عاملی مناسب هستند و گر نه (معمولاً کمتر از ۶/.) نتایج تحلیل عاملی برای داده های مورد نظر چندان مناسب نیست.
آزمون بارتلت نیز این موضوع را بررسی می کند چه هنگام ماتریس همبستگی ، از نظر ریاضی به عنوان ماتریس واحد (همانی) شناخته شده است و بنابراین برای شناسایی ساختار (مدل عاملی) نامناسب است. ماتریس همبستگی دارای دو حالت است:
حالت اول) زمانی که ماتریس همبستگی بین متغیر ها ، یک ماتریس یکه است ، در این صورت متغیرها ارتباط معنی داری با هم نداشته و در نتیجه امکان شناسایی عامل های جدید ، بر اساس همبستگی متغیر ها با یکدیگر وجود ندارد.
حالت دوم)زمانی که ماتریس همبستگی بین متغیر ها ماتریسی واحد (همانی) نباشد ، که در این صورت ارتباط معنی داری بین متغیر ها وجود داشته و بنابراین امکان شناسایی و تعریف عامل های جدیدی بر اساس همبستگی متغیر ها وجو دارد. اگر سطح معنی داری (sig) آزمون بارتلت کوچک تر از ۵ درصد باشد تحلیل عاملی برای شناسایی ساختار
(مدل عاملی) مناسب است ، زیرا فرض یکه (واحد) بودن ماتریس همبستگی رد می شود(مومنی و قیومی ، ۱۳۸۷).
جدول ۳-۴ نتایج حاصل از اجرای این دو آزمون را نشان می دهد:
جدول ۳-۴)نتایج آزمون کفایت نمونه KMO و آزمون بارتلت
۰٫۶۱۷
آزمون کفایت نمونه KMO
۴۶٫۱۸۰
آماره کای دو
آزمون بارتلت
۳
درجه آزادی
۰٫۰۰۰
سطح معنی داری
همان گونه که در جدول بالا مشاهده می شود ، شاخص KMO برابر با ۶۱۷/۰ می باشد که نشان دهنده مناسب بودن و کفایت نمونه مورد بررسی می باشد. سطح معنی داری آزمون بارتلت نیز برابر با ۰۰۰/۰ می باشد که به معنای رد فرض یکه بودن ماتریس همبستگی و تایید وجود ارتباط معنی دار بین متغیر ها می باشد. نتایج این دو آزمون نشان می دهد که نمونه مورد بررسی از کفایت لازم برخوردار بوده و متغیر های آن برای انجام تحلیل عاملی مناسب می باشند.
۲-۲-۴)نتایج نهایی تحلیل عاملی
نتایج آزمون های پیش گفته حاکی از مناسب بودن نمونه مورد بررسی و متغیر های آن برای انجام تحلیل عاملی می باشد. تحلیل عاملی دارای چهار گام زیر است :
- تشکیل ماتریسی از ضرایب همبستگی
- استخراج عامل ها از ماتریس همبستگی
- چرخش عامل ها به منظور به حداکثر رساندن رابطه بین متغیر ها و عامل ها
- محاسبه نمره[۱۳۸] عامل ها (بار عامل ها) که مقدار آن باید بیش از ۳/۰ باشد(مومنی و قیومی ، ۱۳۸۷).
جدول ۴-۴ نشان دهنده نتایج حاصل از انجام تحلیل عاملی می باشد. بخش اول این جدول نشان دهنده مقادیر ویژه بوده و تعیین کننده عامل هایی است که در تحلیل باقی می ماند. عامل هایی که دارای مقدار ویژه کمتر از ۱ هستند از تحلیل خارج می شوند. بخش دوم نیز مربوط به مقدار ویژه عوامل اسخراجی می باشد.
جدول ۴-۴)نتایج مقادیر ویژه و واریانس تبیین شده عامل ها
