نحوه داوری:
چنانچه سطح معنی داری ( Sig) بزرگ تر از ۰۵/۰ باشد نشان دهنده آن است که توزیع مشاهده شده با توزیع نظری مربوط است. به سخن دیگر فرض H₁ رد و فرض H₀ پذیرفته می شود، یعنی داده ها از توزیع نرمال پیروی می کنند . در صورتی که مقدار Sig محاسبه شده از ۰۵/۰ کوچکتر باشد فرض H₀رد و فرض H₁ پذیرفته می شود، یعنی داد ها از توزیع نرمال پیروی نمی کنند.
۳-۳-۱۰- تحلیل رگرسیون
تحلیل رگرسیون، فن و تکنیکی آماری برای بررسی و به مدل درآوردن ارتباط بین متغیرها است. به عبارت دیگر در رگرسیون به دنبال برآورد رابطه ای ریاضی و تحلیل آن هستیم، به طوری که بتوان به کمک آن کمیت یک متغیر را با بهره گرفتن از متغیر یا متغیرهای دیگر تعیین کرد. شیوه کار به این صورت است که ابتدا باید معنی داری کل مدل رگرسیون مورد آزمون قرار گیرد که این کار توسط جدول تحلیل واریانس (ANOVA) صورت می گیرد. سپس باید معنی داری تک تک ضرایب متغیرهای مستقل بررسی شود.

۳-۳-۱۰-۱- آزمون برای معنی دار بودن رگرسیون و تایید یا رد فرضیه
برای آزمون معنی دار بودن رگرسیون و تایید یا رد فرضیه از آنالیز واریانس (جدول ANOVA) استفاده می شود.
فرض آماری متناظر با آزمون به صورت زیر است:
H_o: بین دامنه اتکا بر فعالیت های مدیریت سود و نسبت پرداخت سود سهام رابطه معنی داری وجود ندارد.
H₁: بین دامنه اتکا بر فعالیت های مدیریت سود و نسبت پرداخت سود سهام رابطه معنی داری وجود دارد.
نحوه داوری با توجه به مقدار آماره F و سطح معنی‏داری بدست آمده می باشد، که اگر مقدار P-value
کمتر از ۰۵/۰ باشد فرض H_o رد می شود و وجود رابطه بین متغیرها پذیرفته می شود. آزمون‏های مربوط به هر یک از ضرایب رگرسیون یکی از آزمون‏های واقعی فرضیه ها درباره پارامترهای مدل برای اندازه‏گیری مناسب مدل رگرسیون مورد استفاده قرارمی گیرد. در این آزمون از آماره t برای معنی‏دار بودن ضرایب متغیرهای مستقل استفاده می کنیم.
۳-۳-۱۰-۲- ضریب همبستگی
ضریب همبستگی یکی از معیارهای مورد استفاده در تعیین همبستگی دو متغیر می باشد و شدت رابطه و همچنین نوع رابطه (مستقیم یا معکوس) را نشان می دهد. این ضریب بین ۱ تا ۱- است (۱ > r > 1-) و در صورت عدم وجود رابطه بین دو متغیر برابر صفر می باشد.
ضریب همبستگی پیرسون، روشی پارامتری است و برای داده هایی با توزیع نرمال و یا تعداد داده های زیاد استفاده می شود. این ضریب از رابطه زیر محاسبه می شود:

۳-۳-۱۰-۳- آزمون دوربین- واتسون^[۱۲۸]
یکی از مفروضاتی که در رگرسیون مد نظرقرار می گیرد ، استقلال خطاها از یکدیگر است. در صورتی که فرضیه استقلال خطاها رد شود و خطاها با یکدیگر همبستگی داشته باشند، امکان استفاده از رگرسیون وجود ندارد. برای بررسی استقلال خطاها از یکدیگر از آزمون دوربین واتسون استفاده می شود که آماره آن به کمک رابطه زیر محاسبه می شود.

: میزان خطا در سال t
: میزان خطا درسال t-1
اگر همبستگی بین خطاها را با  نشان داده شود در این صورت آماره دوربین واتسون به کمک رابطه زیر
محاسبه می شود.

مقدار آماره این آزمون در دامنه ۰ و ۴+ قرار دارد زیرا:

• • اگر ۰ =ρباشد، آنگاه ۲=DW خواهد بود که نشان می دهد خطاها از یکدیگر مستقل هستند (عدم خود همبستگی)

• • اگر ۱ =ρباشد، آنگاه ۰= DWخواهد بود که نشان می دهد خطاها دارای خودهمبستگی مثبت هستند.

• • اگر ۱- =ρباشد، آنگاه ۴=DW خواهد بود که نشان می دهد خطاها دارای خودهمبستگی منفی هستند.

H₀: بین خطاها همبستگی وجود ندارد
H₁: بین خطاها همبستگی وجود دارد
نحوه داوری: چنانچه مقدار آماره دوربین - واتسون در فاصله ۵/۱ و ۵/۲ باشد ، فرض  پذیرفته می‏شود و می توان از رگرسیون استفاده کرد ( مؤمنی ، ۱۳۸۶: ۱۲۸).
۳-۳-۱۰-۴- آزمون هم خطی
هم خطی وضعیتی است که نشان می دهد یک متغیر مستقل تابعی خطی از سایر متغیرهای مستقل است. اگر هم خطی در یک معادله رگرسیون بالا باشد بدین معنی است که بین متغیرهای مستقل همبستگی بالایی وجود دارد و ممکن است با وجود بالا بودن R²، مدل دارای اعتبار بالایی نباشد. به عبارت دیگر با وجود آنکه مدل خوب به نظر می رسد ولی دارای متغیرهای مستقل معنی داری نمی‏باشد و این متغیرها بر یکدیگر تاثیر می گذارند. برای بررسی تاثیر هم خطی بر روی نتایج پژوهش از شاخص های عامل تورم واریانس (VIF) و تلرانس استفاده شده است. مقدار شاخص VIF برای هر متغیر از طریق فرمول زیر محاسبه می شود:
که در آن ضریب تعین چندگانه رگرسیون است که به وسیله رگرسیون کردن متغیر X_i بر روی سایر متغیرهای مستقل یعنی X_j (i≠j) به دست می آید. مقادیر بزرگ تر از ۵، نشان دهنده وجود هم خطی تاثیرگذار بین متغیرها است. عامل تورم واریانس معکوس تلرانس بوده و هر چقدر افزایش یابد باعث می شود واریانس ضرایب رگرسیون افزایش یافته و رگرسیون را برای پیش بینی نامناسب سازد. هر چقدر تلرانس کمتر (نزدیک به صفر) باشد، اطلاعات مربوط به متغیرها کم بوده و مشکلاتی در استفاده از رگرسیون ایجاد می شود.
۳-۴- خلاصه فصل
در این فصل روش اجرای تحقیق به تفصیل بیان گردید. فرضیه های تحقیق، تعریف عملیاتی متغیرها و نحوه اندازه گیری آنها، جامعه آماری و نحوه انتخاب نمونه آماری، روش پردازش داده ها، مدل مورد استفاده و روش تجزیه و تحلیل داده ها تشریح شد. در فصل بعد به تجزیه و تحلیل داده ها و آزمون فرضیات تحقیق خواهیم پرداخت.
فصل چهارم
تجزیه و تحلیل داده ها
۴-۱-‏ مقدمه
تجزیه و تحلیل داده ها فرایندی چند مرحله ای است که طی آن داده هایی که از طریق به ‏کارگیری ابزارهای جمع آوری در جامعه (نمونه) آماری فراهم آمده اند جمع آوری، تلخیص، گروه بندی و در نهایت پردازش می‏گردند تا زمینه برقراری انواع تحلیل ها و ارتباط ها بین این داده ها به منظور آزمون فرضیه ها فراهم آید. واکاوی داده ها از پایه های اساسی هر پژوهش علمی به شمار می رود که به وسیله آن کلیه فعالیت های پژوهش تا رسیدن به نتیجه، کنترل و هدایت می شوند. در این فصل ابتدا متغیرهای پژوهش از نظر آماری توصیف می گردد، سپس هر یک از فرضیه های پژوهش مورد آزمون قرار می گیرند. تجزیه و تحلیل داده‌ها مشتمل بر دو بخش زیر است:
الف- آمار توصیفی
ب- آمار استنباطی
ابتدای این فصل با توصیف داده ها برای متغیرهای مستقل و وابسته شروع شده است. تحلیل داده‌ها در بخش آمار توصیفی با محاسبه شاخص‌های مرکزی از جمله حداقل، حداکثر، میانگین، پراکندگی انحراف معیار، چولگی و کشیدگی شروع شده است. این شاخص‌ها به تفکیک داده های هر فرضیه و همچنین به صورت کلی انجام شده است. در ادامه، آزمون شکست ساختاری (آزمون F لیمر) جهت ادغام داده های سری- زمانی به منظور تخمین مدل بر اساس داده های ترکیبی یا داده های تابلویی و انتخاب الگوی مناسب (آزمون هاسمن) بر اساس روش اثرات تصادفی یا ثابت مورد آزمون قرار گرفت. همچنین آزمون نرمال بودن متغیر وابسته را مورد بررسی قرار دادیم. در اصلی‏ترین بخش ابتدا با بهره گرفتن از ضریب همبستگی و آزمون t به بررسی رابطه بین متغیرها پرداخته شده است. از تحلیل رگرسیونی برای تجزیه و تحلیل مدل‌ها و برای برآورد پارامترها از روش حداقل مربعات استفاده کردیم. همچنین از احتمال آزمون t نیز به منظور تایید و رد فرضیه‏ها استفاده شده است.
مبنای استنباط از روی سطح معناداری^[۱۲۹] یا مقدار احتمال^[۱۳۰] بوده است، بدین گونه که هر گاه مقدار احتمال یا سطح معنی‏داری آزمون کمتر از ۰۵/۰ باشد فرض صفر در سطح اطمینان ۹۵ درصد رد شده و اگر کمتر از ۱۰/۰ باشد در سطح اطمینان ۹۰ درصد رد خواهد شد و در غیر اینصورت فرض صفر رد نمی‏‏گردد. در پژوهش حاضر مبنای استنباط در سطح اطمینان ۹۵ درصد بوده و روش بررسی داده ها به صورت ترکیبی از مقاطع و سری های زمانی است. در پژوهش حاضر از روش آماره های توصیفی یاد شده و همچنین از نرم افزارهای Excel و Spss و Eviews جهت تجزیه و تحلیل داده ها و از آزمون دوربین- واتسون، آزمون t و آزمون F، جهت تایید یا رد فرضیه های پژوهش استفاده شده است.
۴-۲- شاخص های توصیفی متغیرها
به منظور شناخت بهتر ماهیت جامعه ای که در پژوهش مورد مطالعه قرار گرفته است و آشنایی بیشتر با متغیر های پژوهش، قبل از واکاوی داده های آماری، لازم است این داده ها توصیف شود. توصیف آماری داده‏ها، گامی در جهت تشخیص الگوی حاکم بر آن ها و پایه ای برای تبیین روابط بین متغیرهایی است که در پژوهش به کار می رود. برای بررسی مشخصات عمومی و پایه ای متغیرها جهت برآورد و تخمین مدل و واکاوی دقیق آنها، برآورد شاخص های توصیفی مربوط به متغیرها لازم است.
در بخش آمار توصیفی، تجزیه و تحلیل داده‌ها با بهره گرفتن از شاخص‌های مرکزی همچون میانگین و شاخص‌های پراکندگی انحراف معیار^[۱۳۱]، چولگی^[۱۳۲] و کشیدگی^[۱۳۳] انجام پذیرفته است. مقدار میانگین، متوسط داده‌ها را نشان می‌دهد. انحراف معیار، پراکندگی را نشان می‌دهد و در نهایت، چولگی، شاخص تقارن داده‌ها است. مقدار چولگی و کشیدگی متغیر کنترلی اندازه شرکت فاصله اندکی با صفر دارد (مقدار چولگی و کشیدگی برای توزیع نرمال صفر است) یعنی توزیع متغیر اندازه شرکت از این نظر بسیار شبیه توزیع نرمال است. سایر متغیرهای تحقیق را نیز سعی خواهیم نمود که در صورت قابلیت نرمال بودن با محاسبات آماری به توزیع نرمال تبدیل نماییم. جدول (۴-۱) شاخص های توصیفی متغیرهای اصلی و متغیرهای کنترلی تحقیق را بیان می نماید.
جدول (۴-۱): شاخص های توصیفی متغیرها، شاخص های مرکزی، شاخص های پراکندگی و شاخص های شکل توزیع (Statistics)