تغییرات توضیح داده شده بیانگر آن بخش از تغییرات Y است که توسط معادله خط رگرسیون، توضیح داده می شود:
تغییرات توضیح داده نشده بیانگر آن بخش از تغییرات Y است که ناشی از سایر عوامل می باشد و برابر است با مجموع مجذور خطاها:
ضریب تعیین :
بعد از تخمین معادله رگرسیون اولین سوال این است که تا چه اندازه تخمین به نزدیک است. به عبارت دیگر چقدر معادله رگرسیون تخمینی، معادله خوبی است و میتوان تغییرات متغیر وابسته را توضیح دهد. در این جا از معیاری به نام ضریب تعیین استفاده می شود که بیانگر نسبت تغییرات توضیح داده شده به تغییرات کل می باشد. همچنین ضریب تعیین برابر با مجذور ضریب همبستگی بین و می باشد.
میانگین خطای تخمین یا انحراف معیار رگرسیون:
میانگین خطای تخمین یا انحراف معیار رگرسیون، میزان پراکندگی مشاهدات را در اطراف خط رگرسیون نشان میدهد. وقتی خط رگرسیون به مشاهدات واقعی نزدیکتر باشد، خطای کمتری دارد و لذا انحراف معیار کوچکتر است. به طور کلی، انحراف معیار معادلات رگرسیون بیانگر متوسط خطای معادله رگرسیون است.
انحراف معیار تخمین نشان میدهد که بطور متوسط Y های واقعی چقدر از های تخمینی انحراف دارد.
تحلیل داده های ترکیبی^[۴۳]:
داده های ترکیبی مجموعه ای از داده ها هستند که شامل چند مقطع و یک دوره زمانی می باشند. در تحلیل حاضر مقطع ها همان شرکتها مورد بررسی قرار گرفته می باشند که تعداد کل آنها ۴۱ نمونه می باشد که تعداد ۴ شرکت بعلت در دسترس نبودن اطلاعات کلیه متغیرها در بررسی ها مورد استفاده قرار نگرفتند و در نتیجه تعداد شرکتهای مورد بررسی ۳۷ نمونه در چهار صنعت می باشند. دوره زمانی داده های مورد بررسی از سال ۱۳۸۸ تا سال ۱۳۹۲ به مدت ۵ سال می باشد.
داده های ترکیبی بدلیل آنکه هم تغییرات زمانی و هم تغییرات درون هر مقطع را منعکس میکند، میتواند اطلاعات بیشتری را منعکس نماید. بسیاری از نکاتی را که در تحلیلهای سریهای زمانی نادیده گرفته می شود، و یا غیر قابل مشاهده هستند، در تحلیل داده های ترکیبی روشن می شوند. به ویژه ناهمگنی هایی که غالبا در تحلیلهای سریهای زمانی از آنها چشم پوشی می شود و اصطلاحا غیر قابل مشاهده هستند، در تحلیل داده های ترکیبی امکان بررسی آنها فراهم می گردد.
بنابراین در تحلیل داده های ترکیبی، ویژگی های خاص هر شرکت را که در طول زمان بررسی ثابت بوده اند ولی از یک شرکت به شرکت دیگر تغییر می کنند، وهمچنین امکان در نظر گرفتن آنها در مدل با توجه به ناشناخته بودنشان و در دسترس نبودن داده های مورد نیاز، وجود نداشته است، مورد توجه قرار می گیرد. برای تحلیل داده های ترکیبی دو روش کلی وجود دارد.

اثرات ثابت
اثرات تصادفی
در هرکدام از فرضیات با انجام آزمون هاسمن^[۴۴]، امکان پذیری استفاده از مدل اثرات تصادفی را سنجش کرده و مدل مناسب را استفاده میکنیم. در نهایت برای اطمینان از نتایج تستهای آماری در شرایط ناهمسانی واریانسهای باقیمانده ها، با بهره گرفتن از خطاهای استاندارد قوی^[۴۵]، نتایج بدست آمده را مجددا مورد بررسی قرار می دهیم و تغییرات احتمالی ایجاد شده را بیان میکنیم.
۴-۴-۱ فرضیه اصلی دوم
فرض صفر: بین تمرکز صنعتی و بهره وری کار بر حسب هزینه های پرسنلی رابطه معنی دار آماری وجود ندارد.
فرض یک: بین تمرکز صنعتی و بهره وری کار بر حسب هزینه های پرسنلی رابطه معنی دار آماری وجود دارد.
برای آزمون فرضیه فوق از متغیر بهره وری کار بر حسب هزینه های پرسنلی به عنوان متغیر وابسته و از متغیر تمرکز صنعتی به عنوان متغیر مستقل استفاده میکنیم. با توجه به اینکه رابطه بی متغیرهای مستقل و وابسته از نوع غیر خطی می باشند، از لگاریتم در مبنای طبیعی آنها در مدلها استفاده میکنیم.
همچنین از متغیرهای جمع کل دارائیها و سود پس از مالیات هم بعنوان متغیرهای کنترلی استفاده میکنیم.