جامعه آماری پژوهش حاضر،عملکرد دستگاه خود پردازوتعداد مسکن کارت ،تعدادpinpadو خودپردازشعب بانک مسکن است. نمونه شامل یک دوره ۶۰ ماهه از فروردین ماه سال ۱۳۸۶ تا اسفند سال ۱۳۹۰ می باشد.
۳-۴ روش جمع آوری داده ها
در تحقیق همبستگی، اطلاعات لازم را می توان با استفاده از روش های مختلف جمع آوری کرد. تنها نکته ای که باید به آن دقت کرد این است که داده ها باید به صورت کمی باشند یا امکان تبدیل آنها به اندازه های کمی میسر باشد. با توجه به روش تحقیق و نحوه بیان فرضیه ها، روش گردآوری داده ها در این تحقیق به دو صورت است:
روش کتابخانه ای: از این روش برای جمع آوری اطلاعات در زمینه مبانی نظری(ادبیات تحقیق) و سوابق موضوع تحقیق از کتب، مقالات، پایان نامه های مختلف، پایگاه های اینترنتی و… استفاده شده است.
روش میدانی: در این روش، محقق با داده های واقعی بانک سرو کار دارد، لذا برای تحقیقات کاربردی مناسب می باشد. این اطلاعات از آمار منتشره سالانه بانک مسکن و صورتهای مالی جمع آوری گردیده است.
۳-۵ تحلیل رگرسیون و تحلیل همبستگی[۱۰]
تحلیل رگرسیونی، روشی آماری جهت بررسی رابطه بین متغیرها و به طور کلی پژوهش های علّی است. در این روش رابطه بین متغیر یا متغیرهای مستقل با متغیر وابسته نشان داده می شود. ساده ترین مدل رگرسیون، مدل رگرسیون خطی است که تنها شامل یک متغیر مستقل و یک متغیر وابسته با رابطه خطی می باشد. این مدل اولین بار توسط ودربورن و فلدر در سال ۱۹۷۲ معرفی شد و مبنای تحلیل رگرسیونی قرار گرفت(مومنی و قیومی، ۱۳۸۸، ۱۰۴).
در رگرسیون خطی ما به دنبال برآورد رابطه ریاضی و تحلیل آن هستیم. به طوری که بتوان به کمک آن کمیت یک متغیر مجهول را با استفاده از متغیر یا متغیرهای معلوم، تعیین کرد. با فرض آن که رابطه علت و معلولی بین دو متغیر کمی وجود دارد و این رابطه به صورت خطی می باشد، معادله رگرسیون به شکل زیر نوشته می شود:
Y= α + βx
که در آن β شیب خط و α عرض از مبدا (محل تلاقی با محور y) است. رگرسیون خطی چند متغیره نیز زمانی استفاده می شود که دو یا چند متغیر تاثیر عمده ای روی متغیر وابسته داشته باشند. در این وضعیت از رگرسیون چندگانه جهت پیش بینی متغیر وابسته استفاده می شود. در رگرسیون چندگانه نیز فرض خطی بودن متغیرها برقرار می باشد و بر همین اساس معادله رگرسیون چندگانه به شکل زیر تعریف می شود:
y = α۰ + b1x1 + b2x2 + … + bnxn
در این تحقیق با توجه به نوع متغیر وابسته، جهت بررسی روابط بین متغیرها از رگرسیون خطی چند متغیره استفاده می شود. پس از انجام تحلیل رگرسیون از تحلیل همبستگی استفاده می شود. ضریب همبستگی شاخصی است ریاضی که جهت و مقدار رابطه ی بین دو متغیر را توصیف میکند. ضریب همبستگی درمورد توزیع های دو یا چند متغیره به کار می رود. اگر مقادیر دو متغیر شبیه هم تغییر کند یعنی با کم یا زیاد شدن یکی، دیگری هم کم یا زیاد شود به گونه ای که بتوان رابطه آنها را به صورت یک معادله بیان کرد، می گوییم بین این دو متغیرهمبستگی وجود دارد.
۳-۶ مدل های رگرسیون تحقیق
رگرسیون مورد استفاده در این تحقیق رگرسیون چند متغیره است.
فرضیه اصلی۱: بین توسعه بانکداری الکترونیک و بازده دارایی ها بانک رابطه معنی داری وجود دارد.
فرضیه های فرعی:
بین تعداد پایانه های فروش((POS و بازده دارایی های بانک رابطه معنی داری وجود دارد.
بین تعداد کارت های اعتباری و بازده دارایی های بانک رابطه معنی داری وجود دارد.
بین تعداد تراکنش ماهانه و بازده دارایی های بانک رابطه معنی داری وجود دارد.
بین تعداد پایانه شعب و بازده دارایی های بانک رابطه معنی داری وجود دارد.
فرضیه اصلی۲: بین توسعه بانکداری الکترونیک و بازده حقوق صاحبان سهام بانک رابطه معنی داری وجود دارد
فرضیه های فرعی:
بین تعداد پایانه های فروش((POS و بازده حقوق صاحبان سهام بانک رابطه معنی داری وجود دارد.
بین تعداد کارت های اعتباری و بازده حقوق صاحبان سهام بانک رابطه معنی داری وجود دارد.
بین تعداد تراکنش ماهانه و بازده حقوق صاحبان سهام بانک رابطه معنی داری وجود دارد.
بین تعداد پایانه شعب و بازده حقوق صاحبان سهام بانک رابطه معنی داری وجود دارد.
۳-۷ روش تجزیه و تحلیل داده ها
پس از تبیین مدل، باید روش مناسب بررسی مساله و همچنین روش مناسب تخمین انتخاب شود. در تحقیق حاضر با توجه به ماهیت داده ها از روش سری زمانی استفاده میگردد.
۳-۷-۱ سری زمانی
داده های مورد استفاده در مطالعات اقتصاد سنجی را می توان به سه دسته داده های سری زمانی، مقطعی، پانلی تقسیم بندی کرد. به استثنای داده های مقطعی، در بقیه داده ها باید آزمون ریشه واحد صورت گیرد (صمدی،۱۳۸۸،۲۵).
یکی از انواع مهم داده های آماری مورد استفاده در تجزیه و تحلیل تجربی ، داده های سری زمانی است.زیرا این نوع داده های آماری دارای ویژگیهای خاصی برای پژوهشگران در اقتصاد سنجی می باشد.اهمیت بررسی زمانی را می توان چنین عنوان کرد.
اولا:در تحقیقات مبتنی بر داده های سری زمانی فرض می شود که سری زمانی ایستا است.
ثانیا: در رگرسیون مبتنی بر متغیرهای سری زمانی(رگرس یک متغیر سری زمانی بر سری زمانی دیگر) محققان غالبا R2 بالایی را مشاهده می کنند، هر چند که رابطه معنی داری بین متغیرها وجود نداشته باشد.این وضعیت نشاندهنده رگرسیون ساختگی است .این مشکل ناشی از آنست که هر دو متغیر سری زمانی (متغیر وابسته و متغیرهای توضیحی) تمایل شدیدی نسبت به زمان (حرکتهای صعودی و نزولی) نشان می دهند و لذا R2 بالایی که مشاهده می شود ناشی از وجود متغیر زمان می باشد نه به واسطه ارتباط حقیقی بین متغیرها.
ثالثا:مدلهای رگرسیونی سری زمانی غالبا برای پیش بینی بکار برده می شود.لذا اعتبار پیش بینی ها به مانایی سری زمانی بستگی دارد.
۳-۷-۲ فرایند تصادفی مانا
هر سری زمانی را می توان محصول تولید یک فرآیند استوکاستیک یا تصادفی دانست، و مجموعه پیوسته ای از داده ها یک تحقق واقعی از فرایند تصادفی اصلی می باشد. وجه تمایز و تفاوت بین فرایند استوکاستیک و تحقق واقعی آن بسیار شبیه به وجه تمایز بین جامعه و نمونه آن در داده های مقطعی است.همانگونه که از داده های نمونه برای استباط و استنتاج در یک جامعه استفاده می کنیم، در سریهای زمانی نیز از “تحقق واقعی” برای استنباط در مورد فرایند استوکاستیک استفاده می شود.یک نوع از فرایند تصادفی که توسط سریهای زمانی مورد بحث و بررسی زیادی قرار گرفته ، فرایند تصادفی مانا است.
بطور کلی ، یک فرایند تصادفی هنگامی مانانامیده می شود که میانگین و واریانس در طی زمان ثابت باشد و مقدار کوواریانس بین دو دوره زمانی ، تنها به فاصله یا وقفه بین دو دوره بستگی داشته و ارتباطی به زمان واقعی محاسبه کوواریانس نداشته باشد.یعنی:
E(Yt)=µ
Var(Yt)=E(Yt-µ)۲=δ۲
γk=E(Yt-µ)(Yt+k-µ)

این مطلب را هم بخوانید :  بررسی رابطه متغیرهای حسابداری و حجم معاملات سهام در شرکتهای پذیرفته شده در ...

برای دانلود متن کامل این پایان نامه به سایت  pipaf.ir  مراجعه نمایید.