۴-۳-۵-۴).آزمون صفر بودن میانگین جمله خطا
یکی از پیش فرض های مدل رگرسیون، صفر بودن میانگین خطاهاست. این فرض با وجود یک جزء ثابت (عرض از مبدا) در یک رابطه رگرسیونی هرگز نقض نمی شود. حال در صورتیکه خط رگرسیونی دارای عرض از مبدا نباشد و متوسط مقادیر خطاها نیز صفر نباشد، امکان دارد ضریب تعیین منفی شود که مبین این است که میانگین نمونه( )بیشتر از متغیرهای توضیحی، تغییرات y را تشریح می کند. علاوه بر این یک رابطه رگرسیونی بدون عرض از مبدا می تواند به اُریب تر شدن ضرایب برآورد شده شیب منجر شود.(بدری و عبدالباقی۱۳۸۹).
فرض صفر این آزمون مبنی بر صفر بودن میانگین پسماندها(خطا) ست. با توجه به اینکه P-value آزمون بزرگتر از ۵% است، در نتیجه فرض صفر مبنی بر صفربودن میانگین پسماندها رد نمی شود. جدول (۴-۱۱) نتایج حاصل از آزمون صفر بودن میانگین پسماند را در فرضیه های پژوهش نشان می دهد. نتیجه کامل این آزمون در پیوست شماره۱۱ در انتهای پایان نامه نشان داده شده است.
جدول(۴-۱۱):نتایج آزمون صفربودن میانگین پسماند

منبع:یافته های پژوهش
۴-۳-۵-۵).آزمون همسان بودن واریانس خطا
یکی دیگر از پیش فرض های مدل رگرسیون، ثابت بودن واریانس خطا است.به طوریکه با وجود ناهمسانی واریانس در مدل، افزایش یا کاهش در متغیر مستقل، واریانس متغیر وابسته که برابر با واریانس پسماند است ،تغییر می کند. در این پژوهش برای رفع ناهمسانی واریانس از روش حداقل مربعات تعمیم یافته (EGLS) استفاده شده است(ابریشمی،۱۳۸۹). اما برای اطمینان از نتایج بدست آمده،برای بررسی همسانی واریانس ها در داده های ترکیبی از روش بارتلت(۱۹۸۳) استفاده می شود. در روش همسانی واریانس بارتلت، فرض صفر مبنی بر همسانی واریانس ها و فرض مخالف آن ناهمسانی واریانس ها در نظر گرفته می شود. جدول (۴-۱۲) نتایج حاصل از آزمون ناهمسانی را نشان می دهد.

از آنجائیکه P-value آزمون ناهمسانی واریانس، برای فرضیه های مذکور بزرگتر از ۰۵/۰ است؛ در نتیجه فرض صفر مبنی بر همسانی واریانس ها پذیرفته می شود.نتیجه کامل این برآورد در پیوست شماره ۱۲در انتهای پایان نامه قید شده است.
جدول(۴-۱۲):نتایج آزمون همسان بودن واریانس پسماند