فرضیه ۱ : بازده غیر عادی با میزان محافظه کاری ارتباط منفی دارد.
فرضیه ۱-۱:اعلام به موقع خبرهای بد با بازده غیر عادی رابطه منفی دارد.
فرضیه ۱-۲:اعلام به موقع خبرهای خوب با بازده غیر عادی رابطه مثبتی دارد.
فرضیه ۲ : بین محافظه کاری وعدم تقارن اطلاعاتی رابطه منفی وجود دارد.
فرضیه ۲-۱:اعلام به موقع خبرهای بد با عدم تقارن اطلاعاتی رابطه منفی دارد.
فرضیه ۲-۲:اعلام به موقع خبرهای خوب با عدم تقارن اطلاعاتی رابطه مثبت دارد.
فرضیه ۳ : بین بازده غیر عادی و عدم تقارن اطلاعاتی رابطه معنا داری وجود دارد.
ب ) فرضیه‌های گروه دوم :
فرضیه ۴: تغییر در بازده غیر عادی موجب تغییر در میزان محافظه کاری می‌شود.
فرضیه ۵:تغییر در میزان محافظه کاری موجب تغییر در بازده غیر عادی می‌شود.
فرضیه ۶:تغییر در عدم تقارن اطلاعاتی موجب تغییر در میزان محافظه کاری می‌شود.
فرضیه ۷:تغییر در میزان محافظه کاری موجب تغییر در عدم تقارن اطلاعاتی می‌شود.

۵-۳- روش و ابزارهای گردآوری داده‌ها

مرحله گردآوری داده ها، آغاز فرآیندی است که طی آن محقق یافته های میدانی و کتابخانه ای را گردآوری می کند و به روش استقرایی به فشرده سازی آن ها از طریق طبقه بندی و سپس تجزیه و تحلیل می پردازد و فرضیه های تدوین شده خود را مورد ارزیابی قرار می دهد و در نهایت حکم صادر می کند و پاسخ مسئله تحقیق را به اتکای آن ها می یابد (حافظ نیا، ۱۳۸۱).در این پژوهش برای جمع آوری اطلاعات در زمینه‌های مبانی نظری و ادبیات تحقیق و همچنین تبیین و توصیف مدل‌ها از روش کتابخانه‌ای نظیر مقالات، شبکه جهانی اطلاعات (اینترنت)، پایان نامه و کتاب‌های مرتبط استفاده شده است. همچنین جهت جمع آوری داده‌های مورد نیاز به منظور آزمون نمودن فرضیه‌های تحقیق از صورت‌های مالی شرکت های پذیرفته شده در بورس اوراق بهادار تهران در طی سال­های ۱۳۹۰ ـ ۱۳۸۳ بانک‌های اطلاعاتی رایانه‌ای (نرم افزار ره آورد نوین و تدبیر پرداز)، سایت بورس اوراق بهادار کمک گرفته شده است. داده‌های جمع آوری شده با بهره گرفتن از نرم افزار Excel، اصلاح و طبقه بندی و بر اساس متغیرهای مورد بررسی وارد نرم افزار Eviews7 گردیده است. تجزیه و تحلیل نهایی نیز به کمک نرم افزار آماریEviews7 و SPSS21 انجام شده است.

۶-۳- روش تجزیه و تحلیل آماری

در این پژوهش به منظور بررسی فرضیه‌های پژوهش و تعیین وجود رابطه معنی داری بین متغیرهای مستقل و وابسته علاوه بر استفاده از تحلیل‌های توصیفی مناسب، از تحلیل همبستگی و رگرسیون چند متغیره به نمایندگی از تحلیل‌های استنباطی به صورت زیر کمک گرفته می‌شود.
بررسی نرمال بودن داده‌های پژوهش با هدف تعیین استفاده از آزمون‌های پارامتریک و یا نا پارامتریک جهت محاسبه فرضیه‌های پژوهش به کمک آزمون کلموگوروف- اسمیرنوف.
استفاده از تکنیک داده پانل جهت تعیین نمودن مدل‌های رگرسیونی مناسب، ضرورت استفاده از این تکنیک که داده‌های سری زمانی و مقطعی را باهم ترکیب می‌کند، بیشتر به خاطر افزایش تعداد مشاهدات، بالا بردن درجه آزادی، کاهش ناهمسانی واریانس و کاهش هم خطی میان متغیرهاست. همچنین داده‌های پانلی امکان طراحی الگوهای رفتاری پیچیده‌تری را فراهم می‌کنند و امکان بیشتری را برای شناسایی و اندازه گیری اثراتی فراهم می‌کنند که با اتکای صرف به آمارهای مقطعی یا سری زمانی به سادگی قابل شناسایی نیستند. از این رو به کمک آزمونF لیمر و هاسمن روش جهت تخمین مدل رگرسیونی انتخاب می‌گردد.
بررسی امکان تخمین مدل رگرسیونی با در نظر گرفتن مفروضات اساسی مدل رگرسیونی شامل صفر بودن میانگین خطاها، ثابت بودن واریانس جمله خطا، عدم وجود خود همبستگی بین جملات خطا و در نهایت نرمال بودن جملات خطا و کمک گرفتن از آزمون‌های وایت و آرچ ARCH، دوربین واتسون، هیستوگرام تجمعی و آماره B-J
تایید و یا رد فرضیه‌های پژوهش با بهره گرفتن از مدل تخمین شده و از طریق بررسی ضریب تعیین و ضریب همبستگی، آزمون معنی دار بودن مدل رگرسیون )تحلیل واریانس) به کمک آماره F، آزمون معنی دار بودن ضرایب رگرسیون به کمک آماره T
از این رو در ادامه این فصل به صورت تفضیلی به نحو محاسبه هر یک از روش‌های تعیین شده در این بخش خواهیم پرداخته می شود.

۷-۳- انواع روش‌های تجزیه و تحلیل اطلاعات

پس از جمع آوری داده‌ها محقق باید آن‌ها را دسته بندی و تجزیه و تحلیل نماید، آن گاه به آزمون فرضیه‌هایی بپردازد که تا این مرحله تحقیق او را یاری کرده‌اند، تا پاسخی برای پرسش‌های تحقیق بیابد. تجزیه و تحلیل داده‌ها فرآیندی چند مرحله‌ای است که طی آن داده‌های گردآوری شده به طرق مختلف خلاصه، دسته بندی و در نهایت پردازش می‌شوند تا زمینه برقراری انواع تحلیل‌ها و ارتباط بین داده‌ها به منظور آزمون فرضیه‌ها فراهم آید. در این فرایند، داده‌ها هم از لحاظ مفهومی و هم از جنبه تجربی پالایش می‌شوند و روش‌های گوناگون آماری نقش بسزایی در استنتاج‌ها به عهده دارند. غالباً تجزیه و تحلیل داده‌ها از لحاظ نحوه ی ارائه داده‌ها به دو گروه ۱) تجزیه و تحلیل کیفی ۲) تجزیه و تحلیل کمی دسته بندی می‌شوند و متناسب با نوع پژوهش مورد استفاده قرار می‌گیرند. در رویکرد کمی که یک رویکرد قیاسی و جزء نگرست یک یا چند متغیر مشخص مورد بررسی قرار می‌گیرند و با نظریه‌های تبیین شده مورد تجزیه و تحلیل قرار می‌گیرند در حالی که در رویکرد کیفی که یک رویکرد کل نگر و استقرایی است کلیت پدیده مورد مطالعه و بافتی که آن را احاطه کرده است مورد بررسی قرار می‌گیرد. همچنین شیوه‌های تجزیه و تحلیل کمی به دو صورت تحلیل توصیفی و تحلیل استنباطی به کار گرفته می‌شوند.

۱-۷-۳- تحلیل توصیفی

این شیوه که برای تبیین و توصیف وضعیت پدیده های مورد مطالعه مورد استفاده قرار می‌گیرد به پژوهشگران در طبقه بندی، خلاصه سازی، توصیف و تفسیر و برقراری ارتباط میان داده‌های جمع آوری شده نیز کمک خواهند نمود. شاخص‌های مرکزی (میانگین، مد، نما) و شاخص‌های پراکندگی (دامنه تغییرات، واریانس و انحراف معیار) شاخص‌های کشیدگی و چولگی از مهم‌ترین پارامترهای تحلیل‌های توصیفی به شمار می‌روند که به منظور ارائه دیدگاهی کلی نسبت به جامعه آماری توسط پژوهشگران مختلف مورد استفاده قرار می‌گیرد.

۱-۱-۷-۳- مفهوم واریانس و انحراف معیار ^[۲۰۰]

برای یک سری داده مثلاً x1، x2 و.. پارامتری به نام واریانس به صورت زیر تعریف می‌شود:

جذر واریانس انحراف معیار خوانده می‌شود. در واقع انحراف معیار نشان دهنده میزان انحراف داده‌ها از میانگینشان می‌باشد. چنانچه هدف بررسی میزان تغییرات داده‌ها باشد؛ از انحراف معیار استفاده می‌شود. برای محاسبه انحراف معیار داده‌ها عموماً ابتدا واریانس محاسبه و سپس از آن جذر گرفته می‌شود. برای یک متغیر تصادفی مانند X پارامتر واریانس به صورت زیر تعریف می‌شود:

در حالت پیوسته و گسسته این رابطه به صورت زیر محاسبه می‌شود.

جذر واریانس، انحراف معیار خوانده می‌شود و با  نشان داده می‌شود.

۲-۷-۳- تحلیل استنباطی

نقش آمار توصیفی در واقع، جمع‌ آوری، خلاصه کردن و توصیف اطلاعات کمّی به دست آمده از نمونه‌ها یا جامعه‌ها است. اما محقق معمولاً کار خود را با توصیف اطلاعات پایان نمی‌دهد، بلکه سعی می‌کند آنچه را که از بررسی گروه نمونه به دست آورده است به گروه‌های مشابه بزرگ‌تر تعمیم دهد. از طرف دیگر در اغلب موارد مطالعه تمام اعضای یک جامعه ناممکن است. از این رو محقق به شیوه‌هایی احتیاج دارد که بتواند با بهره گرفتن از آن‌ها نتایج به دست آمده از مطالعه گروه‌های کوچک را به گروه‌های بزرگ‌تر تعمیم دهد. به شیوه‌هایی که از طریق آن‌ها ویژگی‌های گروه‌های بزرگ بر اساس اندازه‌گیری همان ویژگی‌ها در گروه‌های کوچک استنباط می‌شود آمار استنباطی گفته می‌شود.) شیولسون،۱۳۸۳) به بیان دیگر، در پژوهش‌های علوم رفتاری کسب اطلاعات درباره گروه‌های کوچک غالباً هدف پژوهشگر نیست، بلکه هدف پژوهشگر تعمیم نتایج به‌دست‌آمده از یک گروه کوچک به یک جامعه بزرگ‌تر می‌باشد. این تعمیم مستلزم آن است که پژوهشگر از روش‌های آماری پیشرفته‌تری تحت عنوان “استنباط آماری” استفاده نماید.(هومن ،۱۳۸۷) در آمار استنباطی از آزمون‌های فرض آماری مناسب جهت تعمیم ویژگی‌های نمونه به کل جامعه کمک گرفته می‌شود.

۱-۲-۷-۳- آزمون فرض آماری

فرض آماری، ادعایی در مورد یک یا چند جمعیت مورد بررسی است که ممکن است درست یا نادرست باشد. به عبارت دیگر فرض آماری، یک ادعا یا گزاره‌ای در مورد توزیع یک جمعیت یا پارامتر توزیع یک متغیر تصادفی است. فرضیه آماری، نقطه آغاز آزمون فرض است و اصولاً بدون داشتن فرضیه آماری امکان انجام یک آزمون دشوار است. فرضیه آماری به دو نوع فرض صفر (H₀) و فرض خلاف (H₁) بیان می‌شود. فرضیه‌ای که در آزمون‌های آماری مورد آزمون قرار می‌گیرد فرضیه صفر است که همیشه حاکی از عدم وجود تفاوت می‌باشد. اما فرض خلاف همان فرضیه پژوهشی است که می‌تواند جهت‌دار یا غیر جهت‌دار باشد.(هومن،۱۳۸۶) هدف آزمون فرض آماری، تعیین این موضوع است که با توجه به اطلاعات بدست آمده از داده‌های نمونه ادعایی که در مورد جمعیت مورد بررسی تایید می‌گردد یا خیر؛ بنابراین دو فرض مکمل به دو صورت زیر به وجود می‌آید.
فرض _۰ H: ادعا غلط است.
فرض_۱ H: ادعا صحیح است.
فرایند انتخاب یکی از دو تصمیم فوق را آزمون فرض آماری می‌نامند.

۲-۲-۷-۳- سطح معنی دار و خطاهای آماری

پس از آنکه فرض‌های آماری تعریف شدند، گام بعدی مشخص کردن سطح معنی دار بودن تفاوت‌ها (α) است. بدین صورت که فرضH₀ را به نفع فرض H₁ رد کنیم به شرط اینکه از طریق آزمون آماری مناسب مقداری بدست آوریم که احتمال وقوع آن مقدار با توجه به H₀ برابر یا کمتر از یک احتمال بسیار کوچک باشد که با α نشان داده می‌شود. این احتمال وقوع کوچک را سطح معنی دار^[۲۰۱]می‌گویند. سطح معنی داری که محقق برای تعیین α در تحقیق انتخاب می‌کند بر تخمین او از اهمیت و یا درجه قابلیت کاربرد یافته‌هایش مبتنی است. در تحقیقات مالی و حسابداری غالباً این مقدار برابر با ۰۵/۰ در نظر گرفته می‌شود (آذر و مومنی، ۱۳۸۷).پس از انجام آزمون‌های آماری، محقق با توجه به یافته‌های آزمون آماری در مورد رد یا عدم رد فرضیه صفر تصمیم می‌گیرد. اگر نتایج آزمون به گونه‌ای باشد که نتوان آن را رد کرد، جایی برای اثبات یا تأیید فرضیه پژوهشی باقی نمی‌ماند، اما اگر فرضیه صفر رد شود، به طور غیرمستقیم فرضیه پژوهشی تأیید می‌شود. اگر فرضیه صفر در واقع صحیح باشد ولی محقق تصمیم به رد آن بگیرد خطای نوع اول رخ داده است. بر عکس اگر فرضیه صفری در واقع فرضیه‌ای غیر صحیح باشد ولی محقق آن را تأیید کند، دچار خطای نوع دوم شده است(دلاور،۱۳۸۷)

۸-۳- آزمون‌های تحلیل استنباطی

آزمون‌های آماری مورد استفاده جهت تجزیه و تحلیل اطلاعات به دست آمده از یک گروه کوچک (نمونه) و تعمیم آن به جامعه مورد نظر با توجه به مقیاس اندازه‌گیری متغیرها، به دو گروه “پارامتریک” و “نا پارامتریک” تقسیم می‌شوند. آزمون‌های پارامتریک، به تجزیه و تحلیل اطلاعات در سطح مقیاس فاصله‌ای و نسبی می‌پردازند که حداقل شاخص آماری آن‌ها میانگین و واریانس است. در حالی که آزمون‌های نا پارامتریک، به تجزیه و تحلیل اطلاعات در سطح مقیاس اسمی و رتبه‌ای می‌پردازند که شاخص آماری آن‌ها میانه و نما است. آمار پارامتریک تحت تأثیر مقیاس سنجش متغیرها و توزیع آماری جامعه است؛ و تنها در صورتی که متغیرها از نوع فاصله‌ای و نسبی باشند و توزیع آماری جامعه نرمال یا به هنجار باشد از روش‌های پارامتریک استفاده می‌شود در غیر این صورت از روش‌های نا پارامتریک استفاده می‌شود.

۱-۸-۳- بررسی نرمال بودن داده‌های تحقیق