모형을 활용하였다.

데이터 분석 방법
경험적 모델 추정
기존 기업지배구조 연구의 대부분은 OLS, FE, RE 추정방법을 사용하였다. 그러나 이러한 추정은 설명 변수가 외생적일 때 더 좋습니다. 그렇지 않으면 시스템 일반화 모멘트 방법(GMM) 접근 방식이 더 효율적이고 일관성이 있습니다. Arellano와 Bond[ 4 ]는 시스템 GMM이 동적 패널 데이터의 자기 상관 문제와 관찰할 수 없는 고정 효과 문제를 해결하는 더 나은 추정 방법이라고 제안했습니다. 따라서 모델의 내생성 문제를 테스트하기 위해 Durbin-Wu-Hausman 테스트가 적용되었습니다. Hausman 검정 결과 귀무가설이 기각( p  =000)되어 연구변수 간 내생성 문제가 있는 것으로 나타났다. 따라서 OLS와 고정효과 접근법은 편향되지 않은 추정을 제공할 수 없어 GMM 모형을 활용하였다.

GMM 시스템은 패널 데이터의 동적 경제 관계에 대한 계량경제학적 분석으로, 시간이 지남에 따라 변수가 조정되는 경제 관계를 의미합니다. 동적 패널 데이터의 계량경제적 분석은 연구자들이 시간이 지남에 따라 다양한 개인을 관찰한다는 것을 의미합니다. 이러한 동적 패널 데이터의 전형적인 특징은 대규모 관찰, 짧은 시간, 즉 관찰된 개인은 많지만 시간이 지남에 따라 관찰되는 경우는 적다는 것입니다. 이는 동적 패널 모델에서 발생하는 편향이 시간이 커지면 작아질 수 있기 때문이다[ 75 ]. GMM은 패널별 자기상관 및 이분산성에 강력한 식별된 유한 표본 수정 방정식 세트를 통해 오염을 제거하기 때문에 패널 데이터를 추정하는 데 더 적합한 것으로 간주됩니다[ 12 ]. 이는 또한 내생성과 고정 효과 문제를 해결하는 데 유용한 추정 도구입니다[ 4 ].구글상위노출

온라인카지노

무료스포츠중계

무료스포츠중계

성인용품

성인용품

롤 토토

롤 토토

비제이벳

강남달토

강남레깅스룸

구글 백링크


11