عبدالرحمن راسخ

هدف این پژوهش مدل سازی تأثیر راهبری شرکتی بر هزینه ی سرمایه سهام با استفاده از فن مدل سازی معادلات ساختاری است. این پژوهش از نوع پژوهش های کمی و از دسته علّی، ازلحاظ روش اجرا در زمره همبستگی و بر اساس هدف، از نوع کاربردی است. جامعه آماری پژوهش شامل آمار 61 شرکت از شرکت های عضو بورس اوراق بهادار تهران طی دوره آماری 1393-1384 بوده که اعضای نمونه پژوهش با روش حذف سیستماتیک انتخاب شدند. برای تحلیل داده ها، از نرم افزار Smart PLS و از روش حداقل مربعات جزئیاستفاده شده است. با توجه به مناسب بودن پایایی، روایی همگرا و روایی واگرای مدل های اندازه گیری و معنی دار بودن تمام مسیرهای مربوط به مدل ساختاری و برازش قوی مدل کلی بر اساس معیار نیکویی برازش، نتایج نشان داد که راهبری شرکتی هم به طور مستقیم و هم به طور غیرمستقیم و از مجرای متغیرهای میانجی کیفیت گزارشگری مالی و عملکرد مالی بر هزینه سرمایه سهام، تأثیر معنادار دارد، به طوری که تأثیر علّی غیرمستقیم قوی تر از تأثیر علّی مستقیم است. 

هدف پژوهش حاضر، الگویابی معادلات ساختاری برای بررسی تأثیر عوامل مؤثر در هزینه سرمایه سهام است. پژوهش از نوع کمّی و از جنس علّی یا پس رویدادی، ازلحاظ روش اجرا در زمره همبستگی و براساس هدف، از نوع کاربردی است. برای تحلیل داده ها دوره پژوهش، از روش حداقل مربعات جزئی (PLS) و از نرم افزار Smart PLS استفاده شده است. براساس اجرای آزمون های مختلف، الگو های اندازه گیری، پایایی، روایی همگرا و روایی واگرای مناسبی دارند. براساس معیارz، تمام مسیرهای مربوط به الگوی ساختاری به غیر از مسیر ساختار صنعت به هزینه سرمایه و مسیر کیفیت گزارشگری به عملکرد مالی معنادار هستند. معیار R 2نشان دهنده برازش قوی الگوی ساختاری، معیار Q 2نشان دهنده قدرت پیش بینی متوسط رو به قوی الگو و معیارGOF نشان دهنده برازش قوی الگوی کلی است. نتیجه پژوهش نشان دهنده تأثیر مستقیم و غیرمستقیم معنادار راهبری شرکتی و تأثیر غیرمستقیم معنادار ساختار رقابتی صنعت بر هزینه سرمایه است، به گونه ای که تأثیر مستقیم راهبری شرکتی قوی تر از تأثیر غیرمستقیم آن است. تأثیر مستقیم ساختار صنعت بر هزینه سرمایه معنادار نیست.

یکی از موضوع های بسیار مهم در علم اقتصاد برآورد تابع تولید است. اما یکی از نارسایی هایی که در برآورد تابع تولید وجود دارد این است که سطح نهاده های محصول مشخص به طور عمومی قابل دسترس نیستند. هدف از انجام این بررسی برآورد سهم نهاده ها در سطح محصولات در سال های 1375-1384 با استفاده از روش بیشینه آنتروپی تعمیم یافته است. این روش در شرایطی که به دلیل نداشتن اطلاعات کافی در مورد متغیرها نمی توان از روش های استاندارد برای برآورد مشخصه ها استفاده کرد، کاربرد دارد. در این بررسی برای برآورد تابع تولید محصولات غلات و حبوبات در سطح استان ها در شرایطی از این روش استفاده شده است، که سهم نهاده زمین به تفکیک محصول و استان معلوم باشد اما برای دیگر نهاده ها سهم آنها تنها به تفکیک استان مشخص می باشد. نتایج نشان می دهد که کشش ها در سطح محصولات غلات و حبوبات در طول زمان تغییر می کنند و تنها در سطح محصولات غلات کشش نهاده ماشین ها در دو سال 1379 و 1380 ثابت و برابر 073/0 است. با توجه به میانگین سهم نهاده ها در طی این ده سال در محصول غلات نهاده نیروی کار، و در سطح حبوبات نهاده ماشین ها نسبت به نهاده های دیگر سهم بیشتری به خود اختصاص داده اند.

روش های سنتی تصمیم گیری در مورد اعطای اعتبار به متقاضیان وام، همانند آنچه که اکنون در کشور ما انجام می گیرد، بر پایه قضاوت شخصی در مورد خطر عدم باز پرداخت استوار است. با این وجود، فشارهای اقتصادی ناشی از افزایش تقاضا برای شکل های مختلف اعتبار، در کنار رقابت های تجاری گسترده و تلاش موسسات مالی و بانک ها برای پایین آوردن در صد عدم باز پرداخت، موجب افزایش به کارگیری روش های آماری در زمینه اعطای اعتبار شده است. رتبه بندی اعتباری به منظور پیش بینی احتمال کوتاهی در بازپرداخت و یا عدم باز پرداخت و یا معادل آن برای طبقه بندی متقاضیان اعتبار به دو گروه ریسک خوب و ریسک بد مورد استفاده قرار می گیرد. از جمله مزایای این روش می توان به صرفه جویی در زمان، صرفه جویی در هزینه، حذف قضاوت های شخصی و افزایش دقت در ارزیابی متقاضیان وام اشاره کرد. روش های آماری مختلفی از جمله آنالیز ممیزی، رگرسیون لجستیک، روشهای هموارسازی نا پارامتری وشبکه های عصبی در زمینه رتبه بندی اعتباری مورد استفاده قرار گرفته اند. در این میان، "شبکه های عصبی" به دلیل انعطاف پذیری بالاتر، در سال های اخیر بیشتر مورد توجه قرار گرفته اند. در این مقاله، یک مدل شبکه عصبی برای طبقه بندی متقاضیان دریافت وام فروش اقساطی ارائه و سپس عملکرد این مدل را با دو مدل آماری آنالیز ممیزی و رگرسیون لجستیک مقایسه می کنیم. نتایج حاصل از این مقایسه نشان می دهد که مدل شبکه عصبی در مقایسه با سایر مدل های مورد مطالعه، از کارایی و دقت بالاتری برخوردار است.