نمودار۲-۴٫ نمودار باقیمانده‌های
۴-۳-۳ تحلیل رگرسیون
همان طورکه در فصل سوم اشاره شد یکی از کاربردهای رگرسیون تصفیه کردن متغیرها می‌باشد (بدین معنی که به عنوان وسیله‌ای برای تعیین درجه اهمیت هر یک از متغیرها برای توضیح میزان تغییرپذیری در پاسخ مورد استفاده قرارمی گیرد). در تحقیق حاضر ما با این کاربرد رگرسیون سعی خواهیم کرد میزان تاثیرمتغیرهای مستقل «استقلال وبی طرفی حسابرس داخلی»، «صلاحیت حسابرس داخلی»، «عملکرد کاری حسابرس داخلی» و«اثربخشی حسابرسی داخلی» را درمتغیروابسته « سطح اتکای حسابرسان مستقل به حسابرسان داخلی » الویت بندی کنیم به این معنی که موثرترین متغیر را تشخیص دهیم. متغیر«سطح ریسک ذاتی» در مدل رگرسیونی وارد نخواهیم کر، علت این است که این متغیر به محیط حسابرسی مربوط است و از متغیرهای مستقل دیگر که به حسابرسان داخلی مربوط می‌شوند، متفاوت است.

( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )

۴-۳-۳-۱ بررسی فروض رگرسیون خطی
مدل کلاسیک رگرسیون خطی مبتنی بر چند فرض ساده می‌باشد که کلیه تفسیرها و تحلیل‌ها در خصوص معادله رگرسیون به برقراری این فروض وابسته است. در این قسمت از فصل به بررسی تحلیلی این فرض‌ها با توجه به داده‌های تحقیق حاضرمی پردازیم.
۴-۳-۳-۲ هم خطی
هم خطی به معنای وجوه رابطه بین متغیرهای مستقل موجود در مدل است وجود یا عدم وجود هم خطی از جمله مواردی است که جهت برآورد مدل مورد بررسی قرار می‌گیرد. محاسبه ضریب همبستگی ساده بین متغیرهای مستقل نمونه یکی از طرق کشف هم خطی می باشد، که اگر بزرگ‌تر از ۷/۰ باشد می‌توان استنباط کرد که در مدل هم خطی وجود دارد. با توجه به جدول … که ضریب همبستگی بین متغیرهای تحقیق را نشان می‌دهد یافته‌های ناشی از آزمونهای انجام‌شده حاکی از آن است که اکثر همبستگی‌های به دست آمده خصوصاً بین متغیرهای مستقل پژوهش پایین تر از ۶/۰ است. پس می‌توان گفت هم خطی بین متغیرهای پژوهش وجود ندارد.
گذشته از همبستگی بین متغیرها می‌توان از شاخص VIF^[99] (عامل تورم واریانس) و Tolerance برای بررسی هم خطی استفاده کرد. هرچه قدرتولرانس کم و نزدیک به صفر باشد مشکلاتی در استفاده از رگرسیون ایجاد می شود. عامل تورم واریانس نیز معکوس تولرانس بوده وهرچقدرافزایش یابد باعث می شود واریانس ضرایب رگرسیون را برای پیش‌بینی نامناسب می‌سازد. به اعتقاد محققان شاخص محاسبه‌شده برای VIF اگر بزرگ‌تر از ۱۰ باشد معمولاً این مقدار حاکی از وجود هم خطی بین متغیرها خواهد بود. در جدول۴-۴ (ضرایب)، VIF^[100]و Toleranceرا مدنظر قرارمی دهیم، با توجه به توضیحات بالا در مورد این دو شاخص و اعداد محاسبه‌شده در جدول مشخص می شود هم خطی بین متغیرها وجود ندارد.