+
Bu rassal etkiler yaklaşımı ’nun ye benzer şekilde gruba özel rassal eleman olduğunu belirtmektedir (Grene, 2002:285).
Bunun açıklamalardan sonra karşımıza şu soru çıkmaktadır “Panel veri analizinde sabit etkiler modeli mi yoksa rastsal etkiler modeli mi seçilecektir?”. Hangi modelin seçileceği daha çok araştırmacının tercihine bağlı olmasına rağmen, bu süreçte veri toplama ve derleme önem kazanmaktadır. Gerek sabit etkiler modeli, gerekse rastsal etkiler modeli bazı olumsuzluklar içermektedir. Sabit etkiler modelinin en büyük sorunu serbestlik derecesinden kaynaklı iken, rastsal etkiler modelinin en büyük sorunu spesifik etkiler ile açıklayıcı değişkenler arasında herhangi bir korelasyon olmadığı varsayımının yapılmasından kaynaklıdır. Bu sorunların çözümlenebilmesi için yatay kesite özgü hata bileşeni εit ile X açıklayıcı değişkenleri arasındaki olası korelasyon hakkında yapılan varsayımlara bakılmaktadır (Kök ve Simsek, 2006, 23), (Yalçın, 2005, 47).
Eğer etkiler açıklayıcı değişkenler ile ilişkisiz ise yani, εit ile X arasında korelasyon yoksa (N yatay kesit verileri geniş bir ana kütleden geliyorsa) rastsal etkiler modeli tahminleri tutarlı ve etkin olmakta, buna karşılık sabit etkiler modeli tahminleri tutarlı fakat etkin olmamaktadır. Dolayısıyla rastsal etkiler modeli tercih edilmektedir. Ancak εit ile X arasında korelasyon varsa (ilgi belirli bir N yatay kesit verisi üzerinde ise) bu defa da sabit etkiler modeli tahmincileri tutarlı ve etkin, fakat rastsal etkiler modeli tahmincileri ise tutarsız olacağından sabit etkiler modeli uygun olacaktır (Baldemir ve Keskiner, 2004, 48).
Bunun yanı sıra hangi modelin seçileceği genellikle Hausman tarafından önerilen test istatistiği ile incelenebilmektedir. Bu durumda sabit etki model parametre tahmincileri ile rassal etkili modelin parametre tahmincileri arasındaki farkın istatistiksel olarak anlamlı olup olmadığı incelenmektedir (Sakınç, 2008: 139).
Hausman test istatistiğinin hipotezleri şöyledir:
H0: E(εit |Xit) = 0 kesit verisi ve zaman serisi etkileri rastsaldır, korelasyon
yoktur.
H1: E(εit | Xit) =0 kesit verisi ve zaman serisi etkileri sabittir, korelasyon
vardır.
Burada sıfır hipotezinin kabul edilmesi demek rastsal etkiler modelinin sabit etkiler modeline karsın kabul edilmesi demektir (Kök ve Simsek, 2006, 25).
Bu çerçevede araştırmamızda zaman serisi 2000-2009 yıllarını arasındaki 3’er aylık toplam 40 dönemi kapsadığı ve kesit serilerini ise 43 firma oluşturduğu daha önce ifade edilmişti.
3.3. ARAŞTIRMADA KULLANILAN MODELİN VE DEĞİŞKENLERİN TANITILMASI
Araştırmada panel veri analizi yönteminin seçildiği ve uyğulanacağı yukarıda ifade edilmişti. Modelde gerek ülke riskinin gerekse ülke riskinin oluşturan ekonomik, finansal ve sosyo-politik risklerin firma değeri üzerine etkisi araştırılmıştır. Buna göre kontrol değişkenlerinin de eklenmesiyle araştırmada aşağıda görüleceği üzere dört adet model kurulmuştur:
Model 1. Ekonomik riskin firma değeri üzerine etkisi FDEGit = αit + β1FKALD + β2BÜY +β3NİSA + β4ERP +
ε
itModel 2. Finansal riskin firma değeri üzerine etkisi
Model 3. Politik riskin firma değeri üzerine etkisi
FDEGit = αit + β1FKALD + β2BÜY +β3NİSA + β4PRP +
ε
itModel 4. Ülke riskinin firma değeri üzerine etkisi
FDEGit = αit + β1FKALD + β2BÜY +β3NİSA + β4URP +
ε
itBurada;
FDEG = Firma değerini,
FKALD = Finansal kaldıracı (kontrol değişkeni olarak eklenmiştir), BÜY = Firma büyüklüğünü (kontrol değişkeni olarak eklenmiştir), NİSA = Firmanın likiditesini (kontrol değişkeni olarak eklenmiştir), ERP = Ekonomik risk primini,
FRP = Finansal risk primini, PRP = Politik risk primini,
URP = Ülke risk primini göstermektedir.
Modellerde kullanılan değişkenler üç gruba ayrılmaktadır. Bunlar; bağımlı değişkenler, bağımsız değişkenler ve kontrol değişkenleridir. Bu değişkenlerin hesaplanmasında hangi verilerden yararlanıldığı, nasıl hesaplandığı ve hangi çalışmalarda kullanıldığı aşağıda açıklanmaya çalışılacaktır.
3.3.1. Bağımlı Değişkenlerin Tanıtılması
Modelde bağımlı değişken olarak firma değerinin (FDEG) logaritması kullanılmıştır. FDEG, firmanın piyasa değerinin logaritması olarak aşağıdaki gibi hesaplanmıştır.
Bu değişkenin hesaplanabilmesi için gerekli veriler İMKB ve İMKB’ye bağlı Kamuyu Aydınlatma Platformu’nun (KAP)* web sitesinden elde edilmiş ve 3.4 nolu formülle hesaplanmıştır. İkinci bölümde de belirtildiği gibi hisse senetleri borsalarda işlem gören firmaların değerini en iyi piyasa fiyatının yansıttığı ileri sürülmektedir. Bunun sebebi piyasada oluşan fiyatın arz ve talebe göre kendiliğinden oluşması ve sübjektif değerlendirme gerektirmemesidir. Ülkemizde de aktif ve herkesin ulaşabileceği bir piyasanın olması, firmaların değerinin çoğu çalışmada piyasa değeri ile ölçülmesini beraberinde getirmiştir. Firmaların değerleri, firmaların büyüklüğüne göre değiştiğinden logaritması alınarak modele dahil edilmiştir. Firma değeri ile ilgili yapılan çalışmaların bir çoğunda gerek bağımlı değişken gerekse kontrol değişkeni olarak firma değerinin logaritması modellere dahil edilmektedir.
Merikas (1999) ülke riski bileşenlerinden döviz kurunun firma değeri üzerindeki etkisini belirlemede piyasa değerini bağımlı değişken olarak kullanmıştır. Kaminsky ve Schmukler (2001) ülke riski ile hisse senedi fiyatları arasındaki ilişkiyi panel veri analizi ile ölçtükleri çalışmada bağımlı değişken olarak hisse senetlerinin piyasa değerini kullanmışlardır. Tunaboylu (2008), İMKB’de ülke riski değişkenleri arasında yer alan döviz kurunun, firma değeri üzerine etkisi ölçmek için yaptığı çalışmada bağımlı değişken olarak, piyasa değerini kullanmıştır. Pekkaya (2006), İMKB firmaları üzerinde yaptıkları çalışmada bağımlı değişken olarak piyasa değerini kullanmışlardır. Önal vd. (2002) İMKB’deki bankalar üzerinde yaptıkları çalışmada piyasa fiyatını bağımlı değişken olarak kullanmışlardır. Benzer şekilde İMKB üzerinde yapılan çalışmaların bir çoğunda firma değeri olarak firmaların borsada oluşan fiyatları bağımlı değişken olarak kullanılmıştır.
*
Kamuyu Aydınlatma Platformu (KAP), sermaye piyasası ve borsa mevzuatı uyarınca kamuya açıklanması gerekli bildirimlerin elektronik imzalı olarak iletildiği ve kamuya duyurulduğu elektronik sistemdir. Sermaye Piyasası Kurulu'nun (SPK) 'Bilgi, Belge ve Açıklamaların Elektronik Ortamda İmzalanarak KAP'a Gönderilmesine İlişkin Esaslar Hakkında Tebliğ'i kapsamında, kamuya açıklanacak her türlü bilgi ve belgenin Kamuyu Aydınlatma Platformu'na (KAP) gönderilmesi gerekmektedir. İşletimi İstanbul Menkul Kıymetler Borsası (İMKB) KAP İşletim Müdürlüğü tarafından yürütülmekte olan sistem , tüm Türkiye'ye yayılmış 550'yi aşkın şirketi ve 2500'ü aşkın kullanıcıyı kapsamaktadır. Sistem , tüm kesimlerin İMKB şirketleri ile ilgili doğru, anlaşılır, tam bilgiye, internet üzerinden eş anlı ve düşük maliyetle erişebilmelerine imkan tanıyacak şekilde tasarlanmıştır. Ayrıca, geçmişe dönük bilgilere de kolay ve düşük maliyetle erişim imkanı sağlayan elektronik bir arşiv niteliğindedir (KAP, 2009).
3.3.2. Bağımsız Değişkenlerin Tanıtılması
Modellerde kullanılan bağımsız değişkenler ekonomik risk primi (ERP), finansal risk primi (FRP), politik risk primi (PRP) ve ülke risk pirimi (URP) dir. Bu risk primlerinin tamamı son dönemdeki çalışmalarda oldukça sık kullanılan ve güvenilirliği kabul edilmiş ICRG (International Country Risk Guide)’den temin edilmiştir. ICRG ülke riskini toplam 22 faktöre bağlı olarak hesaplamaktadır. Bu faktörlerin 5’i ekonomik risk priminin, 5’i finansal risk priminin ve 12’si ise politik risk priminin hesaplanmasında kullanılmaktadır. Bu faktörler çalışmanın birinci bölümünde Tablo 1.7’de özetlenmişti. Ayrıca ICRG’nin ayrıntılı ülke riski metodolojisi Ek-2’de sunulmuştur.
Ekonomik ve finansal risk primlerinin hesaplanmasında en yüksek değer “50” en düşük değer ise “0”dır. Politik risk priminin hesaplanmasında ise en yüksek değer “100” en düşük değer “0”dır. Ülke risk primi ise bu üç risk bileşimini de içine alacak şekilde aşağıdaki formül yardımıyla hesaplanmaktadır.
URP = 0,5 (PRP + FRP + ERP) (3.5)
3.5 nolu formül ile hesaplanan ülke risk primi (URP) içerisinde politik riskin ağırlığı % 50, finansal ve ekonomik riskin ağırlığı ise % 25’dir. Hesaplamada her risk primi için en yüksek değer en düşük riski göstermektedir. Örneğin bir ülke için ülke risk notunun “0” olması, en yüksek potansiyel riski ifade etmektedir. Bu durum oluşturduğumuz modellerde ortaya çıkacak sonuç için sakıncalı olacağından, ilgili risk primleri değer küçüldükçe riskin de azalacağı şeklinde yeniden düzenlenmiştir.
Erb vd. (1996) 117 ülkede ICRG ülke riski primleri ile yaptıkları çalışmada ülke riski primleri ile hisse senedi fiyatları arasında negatif yönlü bir ilişki tespit etmişlerdir. Bansal ve Dahlquist (2001) 9 ülkede ICRG ekonomik risk primi ile finansal risk primi değişkenleri kullanarak, bu değişkenlerin hisse senetleri üzerinde etkili oldukları sonucuna varmışlardır. Yapraklı ve Güngör (2007) İMKB’de 1986- 2006 yılları kapsayan çalışmalarında benzer şekilde ICRG’den elde ettikleri ekonomik, politik ve finansal risk primlerinin hisse senetlerinin piyasa değerini olumsuz yönde etkilediğini tespit etmişlerdir.
3.3.3. Kontrol Değişkenlerinin Tanıtılması
Çalışmamızda firma büyüklüğü (BÜY), finansal kaldıraç (FKALD) ve likidite ölçüsü (NİSA) kontrol değişkeni olarak kullanılmıştır. Bu değişkenlerin hesaplanabilmesi için gerekli veriler, bağımlı değişkende olduğu gibi İMKB ve KAP’dan elde edilen verilerle hesaplanmıştır.
Firma büyüklüğü (BÜY) olarak toplam aktiflerin logaritması kullanılmıştır. Çalışmalarda firma büyüklüğü olarak genellikle toplam aktiflerin veya satış toplamının logaritması kullanılmaktadır. Firma büyüklüğünün hesaplanmasında 3.6 nolu formül kullanılmıştır.
BÜY = ℓn (Aktif toplamı) (3.6)
Modele eklenen diğer kontrol değişkeni ise finansal kaldıraç (FKALD)tır. FKALD aşağıdaki gibi hesaplanmıştır.
FKALD = Toplam Borçlar / Toplam Aktif (3.7) Net çalışma sermayesi likiditenin bir ölçüsü olarak kullanılmaktadır. Bir firmada net işletme sermayesi kısa vadeli borçlara, dönen varlıklara ve toplam varlıklara bölünerek oransal olarak net işletme sermayesi ölçülmeye çalışılır (Okka, 2009b, 106). Çalışmamızda kontrol değişkeni olarak net çalışma sermayesinin toplam varlıklara oranı kullanılmış ve aşağıdaki gibi hesaplanmıştır.
NİSA = (Cari Pasifler – Cari Aktifler) / Toplam Aktif (3.8) NİSA, net çalışma sermayesinin aktifler içindeki payının firma ihtiyaçları için yeterli olup olmadığını ve orandaki değişimin firmanın diğer verilerindeki değişimleri ile karşılaştırılmasında kullanılmaktadır. Çalışmamızda da likiditenin toplam aktif içindeki oranı olarak firma değeri değişkeni ile ilişkisine bakılmıştır.
Kurduğumuz modellerde kullandığımız kontrol değişkenlerinden özellikle firma büyüklüğü ve finansal kaldıraç, finans literatüründe bir çok çalışmada kontrol
değişkeni olarak kullanılmıştır. Gerek uluslararası gerekse ulusal çalışmalarda söz konusu değişkenlerin kullanıldığı çalışmaların bazıları Tablo 3.1’de gösterilmiştir.
Tablo 3.1. Modeldeki Kontrol Değişkenlerinin Kullanıldığı Firma Değeri Konulu Çalışmalar
Kontrol Değişkenleri Çalışmalar
Firma Büyüklüğü Finansal Kaldıraç Likidite
McConel ve Servaes (1990)
Aktif Toplamının Logaritması
Borç / Varlıkları Yerine Koyma Maliyeti
- Holdernes, Krosner ve
Sheehan (1999)
Toplam Varlıklar T.Borç / T. Varlık - Firer ve Williams (2003) P. Değerinin
Logaritması
Toplam Borç / Varlıkların Defter Değeri
- Hardouvelis vd. (2007) P. Değerinin
Logaritması
- NİSA
Tunaboylu (2008) Aktif Toplamının Logaritması
Öz kaynak / Borçlar -
Modelde kullanılan değişkenlerin tanımlamaları, kaynakları ve yapılan açıklamalar çerçevesinde değişkenlerin beklenti işaretleri ise Tablo 3.2’de özetlenmiştir.
Tablo 3.2. Modeldeki Değişkenlerin Tanımlanması ve Beklenti İşaretleri Değişken
Adı
Değişkenlerin Tanımlanması Beklenti İşaretleri
Değişkenin Kaynağı
FDEG Hisse senedi değerinin hisse senedi sayısı ile çarpımı
İMKB-KAP FKALD Toplam borçların toplam
aktiflere oranı
+ İMKB BÜY Aktif toplamının logaritması + İMKB NİSA Net çalışma sermayesinin toplam
varlıklara oranı
? İMKB ERP Ekonomik risk primi (Ek-2) - ICRG FRP Finansal risk primi (Ek-2) - ICRG PRP Politik risk primi (Ek-2) - ICRG URP Ülke risk primi (Ek-2) - ICRG
Yukarıdaki değişkenler kullanılarak oluşturulan modeller Stata 11 yazılım programı kullanılarak test edilmiştir.