متغیر مستقل حجم نقدینگی(صنایع پترویشیمی)
این متغیر با ۳۶۰ مشاهده طی ۳ سال به ترتیب دارای ، میانگین، حداقل ، حداکثر برابر ۹۷۵/۲، ۴۶/۲ و ۸۴/۳ می باشد.همچنین مقادیر مربوط به کشیدگی و چولگی به ترتیب ۵۰۴/۱- و ۲۹۶/۰می باشد. باتوجه به مثبت بودن ضریب چولگی می توان دریافت که توزیع متغیر یادشده چوله به راست به عبارتی دیگر تراکم داده ها بیشتر به سمت راست تمایل دارد و رابطه (میانگین > میانه > مد) حاکم است.
بطور مشابه در صورت مثبت بودن ضریب کشیدگی می‌توان دریافت که کشیدگی و بلندی توزیع متغیر یاد شده، از بلندی و کشیدگی توزیع نرمال بزرگتر و در صورت منفی بودن این ضریب، بلندی کوچکتر از بلندی توزیع نرمال خواهد بود، لذا با توجه به توضیح یاد شده از انجایی که کشیدگی منفی بوده بلندی توزیع متغیر یاد شده، از بلندی و کشیدگی توزیع نرمال کوچکتر است.
متغیر مستقل حجم نقدینگی(صنایع فلزات اساسی)
این متغیر با ۵۰۴ مشاهده طی ۳ سال به ترتیب دارای ، میانگین، حداقل ، حداکثر برابر ۰۹۰۷/۳ ، ۰٫۱۰۹ و۵۰۳/۱- می باشد. همچنین مقادیر مربوط به چولگی و کشیدگی به ترتیب ۲۵۵/۳ ،۲۹۶/۰ می‌باشد. باتوجه به مثبت بودن ضریب چولگی می‌توان دریافت که توزیع متغیر یاد شده چوله به راست بوده به عبارتی دیگر تراکم داده‌ها بیشتر به سمت راست تمایل دارد و رابطه (میانگین > میانه > مد) حاکم است.
بطور مشابه در صورت مثبت بودن ضریب کشیدگی می‌توان دریافت که کشیدگی و بلندی توزیع متغیر یاد شده، از بلندی و کشیدگی توزیع نرمال بزرگتر و در صورت منفی بودن این ضریب، بلندی کوچکتر از بلندی توزیع نرمال خواهد بود، لذا با توجه به توضیح یاد شده از انجایی که کشیدگی مثبت بوده بلندی توزیع متغیر یاد شده، از بلندی و کشیدگی توزیع نرمال بلندتر است.
آمار توصیفی تمامی متغیرها در جداول (۴-۱) و (۴-۲) بیان شده است.
۴-۳- آزمون نرمال بودن داده‌ها
در انجام روش های آماری ،نرمال بودن داده ها بخصوص متغیر وابسته از اهمیت خاصی برخور دار است پس لازم است که با آزمونهای آماری مناسب نسبت به این امر اقدام نموده و از این بابت مطمئن شویم. لذا با بهره گرفتن از آزمون کولموگروف -اسمیرنف (ks) در رابطه با نرمال بودن توزیع داده‌ها اظهار نظر خواهیم نمود. در آزمون (ks) فرض صفری را که آزمون خواهیم کرد آن است که توزیع مشاهدات، توزیع مشخصی (با پارامتر معینی) است که با توزیع خاص همخوانی دارد.آماره آزمون ks را می‌توان با Dn نشان داد. یعنی:
Dn=maximum|Fe-Fo|
که در آن Fo, Fe به ترتیب فراوانی مورد انتظار نسبی تجمعی و فراوانی مشاهده شده نسبی تجمعی است. لذا فروض آماری در این آزمون به شرح زیر خواهد بود:
Ho: توزیع متغیر وابسته توزیع نرمال است
H1: توزیع متغیر وابسته توزیع نرمال نیست
با توجه به نتیجه آزمون KS هر متغیری که سطح معنی داری آن بیشتر از ۵ درصد باشد فرض نرمال بودن آن پذیرفته می شود ، ولی اگر کمتر از ۵ درصد باشد H0 یعنی ادعای نرمال بودن توزیع متغیر پذیرفته نمی‌شود(آذر،۱۳۷۹)