琼斯模型与上市公司盈余管理.doc

琼斯模型与上市公司盈余管理引言近年来，我国上市公司的盈余管理行为一直是人所瞩目的焦点。国外学者 paulm.hyaly 和 jamesm.wahlen对盈余管理的定义如下：“盈余管理发生在管理当局运用职业判断编制财务报告和通过规划交易以变更财务报告时，旨在误导那些以公司的经济业绩为基础的利益关系人的决策或影响那些以会计报告为基础的契约的后果。”从这一定义，我们可以粗略理解盈余管理含义。 本文主要借助借助这一实际问题，说明多元线性回归分析的实际应用。一、多远线性回归模型1 模型的建立多远线性回归模型的一般形式是： y01x12x23x34x45x5 （1.1）其中 j（j12，k）是回归系数，y 是被解释变量，x1j，x2j，xkj，是 k 个对 y 有显著影响的解释变量（k2） i 是反映各种误差扰动综合影响的随机项，下标 i 表示第 i 期观察值（yi x1i x2i xki） ， ，i12，n。 假设多元样本回归函数为：yi01x1i2x2ikxki 回归参差为：iyi - yi 。 由于有 n 期的观察值，这一模型实际上包含 n 个方程 y101x112x21kxk11 y201x122x22kxk22 yn01x1n2x2nkxknn2 模型的假设 为保证所分析的变量关系符合多元线性回归分析的基本规定性，明确分析对象，保证回归分析的有效性和性质，也为了检验判断的依据，需要对多元线性回归模型做一些假设，包括以下六条： （1）变量 yi 和 x1i，x2i，xki（1，2，n）之间，存在线性随机函数关系 yi01x1i2x2ikxkii ，其中 i 是随机误差项。 （2）对应每组观测数据的误差项 i，都为零均值的随机变量，即 i 的数学期望 ei0 对 i1，2，n 都成立。 （3）误差项 i 的方差为常数，即 variei-ei2ei22 对 i12，n 都成立（假设（2）成立为 。前提） （4）对应不同观测数据的误差项不相关，即 covi jei-eij-ejeij0 对任意的 ij 都成立（假设（1）成立为前提）。 （5）解释变量 xii12，k是确定性变量而非随机变量。当存在多个解释变量（k1）时假设不同解释变量之间不存在线性关系，包含严格的线性关系和强的近似线性关系。 （6）误差项 i 服从正态分布。3 多元线性回归参数估计 我们采用最小二乘法来进行参数估计，基本原则即参差平方和最小的原则。 对模型 y01x12x2kxk，用 b0，bk 分别表示模型参数 0，k 的估计，于是回归方程 为y b b x b x 0 1 1 k k . 回归参差平方和为：v i 2 i i yi- b0 b1x1ibkxki2 2.3 当 v 对 b0，bk 的一阶偏导数都等于 0，即下列方程组： i 2yi- b0 b1x1ibkxki-10 i 2yi- b0 b1x1ibkxki- x1i0 i 2yi- b0 b1x1ibkxki- x1i0 同时成立时，v 有最小值。整理得正规方程组： b0y -（b1x1 bkxk）， s11b1 s12b2 s1kbks10 sk1b1 sk2b2 s1kkbksk0 其中 sk0（xki-xk） i-y ） i （y ，ki1k skj i （xki-xk） ji-xj） （x ，ki1k4 最小二乘估计量的性质 （1）线性性 由正规方程组可知，bk 是被解释变量观测值 yi 的线性组合，也就是多元线性回归参数的最小二乘估计是线性估计。 （2）无偏性 多元线性回归的最小二乘估计也是无偏估计，即参数最小二乘估计量的数学期望都等于相应参数的真实值，最小二乘估计量的数学期望等于参数真实值的向量。 （3）最小方差性 由最小二乘原则知，所求得参数显然使得参差平方和最小，也就是被解释变量的方差最小。5 显著性检验显著性检验的基本思想可以用小概率原理来解释。 （1）小概率原理：小概率事件在一次试验中是几乎不可能发生的，假若在一次试验中事件 事实上发生了。那只能认为事件 不是来自我们假设的总体，也就是认为我们对总体所做的假设不正确。 （2）观察到的显著水平：由样本资料计算出来的检验统计量观察值所截取的尾部面积为。这个概率越小，反对原假设，认为观察到的差异表明真实的差异存在的证据便越强，观察到的差异便越加理由充分地表明真实差异存在。 （3）检验所用的显著水平 ：针对具体问题的具体特点，事先规定这个检验标准。 （4）在检验的操作中，把观察到的显著性水平与作为检验标准的显著水平标准比较，小于这个标准时，得到了拒绝原假设的证据，认为样本数据表明了真实差异存在。大于这个标准时，拒绝原假设的证据不足，认为样本数据不足以表明真实差异存在。 （5）应用 p 值可以使检验简单一些：根据所提出的显著水平查表得到相应的值，称作临界值，p 值，直接用检验统计量的观察值与临界值作比较，观察值落在临界值所划定的尾部内，便拒绝原假设；观察值落在临界值所划定的尾部之外，则认为拒绝原假设的证据不足。 f-检验对回归方程的显著性检验，可假设 h0：0 1k0如果 h 0 被接受，则表明用模型（1.1）来表明 y 与 x1 x 2，xk 的关系不合适。为了建立对 h 0 进行检验的统计量，将总偏差平方和进行分解： st lyy yi-y 2 yi-y 2 yi-yi2srse i i i 设 yi 服从正太分布，方差 2，当 h0 成立时，yi 相互独立同分步。因为 sr、se 独立，且 sr/22（k） e/22 ，s（n-k-1），所以 f sr/k/ se/n-k-1f（k，n-k-1）。此式可以作为对 h0 进行检验的统计量，对给定数据，计算f 统计量值，再由给定的显著性水平 ，查 f 分布表，得临界值 fk，n-k-1。如果 f fk，n-k-1，则认为在显著性水平 之下，y 与自变量有显著的线性关系，也即回归方程是显著的；反之，则认为方程不显著。 t-检验 对自变量的显著性检验，是指在一定的显著性水平下，检验模型的自变量是否对因变量有显著影响的一种统计检验。对于多元线性回归模型，总体回归方程线性关系的显著性，并不意味着每个自变量对因变量 y 的影响都是显著的。因此有必要对每个自变量进行显著性检验，这样就能把对 y 影响不显著的自变量从模型中剔除，而只保留对 y 影响显著的自变量，以建立更为简单合理的多元线性回归模型。显然，如果某个自变量 x，对 y 的作用不显著，那么在回归模型中，它的系数 i 就可以取值为零。 因此检验变量 xi 是否显著，等价于检验假设 hoi：i0。 若接受假设 hoi，则 xi 不显著；反之，则 xi 显著。我 1/2们知道 b 服从 为期望的正态分布，再由 se/22（n-k-1），则 t（bi-i）/se/n-k-1 tn-k-1 查双侧临界值 t/2n-k-1如果ti t/2n-k-1则拒绝 hoi。二、琼斯模型琼斯模型主要认为公司主营业务收入的变动会带来营运资本变动导致企业应计利润的变动，固定资本会产生折旧从而带来应计利润的减少，因此 jones 模型用销售收入增量（rev）以及固定资产原值（ppe）作为自变量，建立总应计的多远线性回归方程，通过参数估计，预测事件期的可操纵性应计。具体计算步骤如下：（1）利用回归方程 ta/at-10 1/at-1 1rev/at-1 2ppe/at-1算出 0、 1、 2 的估计值；（2）将得出的估计值带入 nda/at-101/at-1 1rev/at-1 2 ppe/at-1算出 nda/at-1 的值；（3）最后利用 da/at-1 tai/ at-1-ndai/at-1 计算得出 da/at-1。三、线性回归方法1 建立模型 为了检验接受存在管理舞弊的上市公司的委托提供年度报表审计业务的审计师是否倾向于抑制其客户公司会 ，借鉴 lai2003研究方法的基础上，通过建立如下线性回归方程以验证。lai2003指出，如计报表中的“水分”果责任审计师存在抑制其客户公司会计报表中的操控性应计利润的倾向15，则回归式（1）中 opinion 的系数1 应当为负值。da/at-101opinion2ta3roa4orev5sub6lna回归式（1）回归式（ 1）中的变量说明如下：（1）被解释变量：da/at-1（2）解释变量opinion 为解释变量，指的是审计意见类型。如果为存在管理舞弊的上市公司提供审计业务的审计师能够保持独立性，则会抑制其客户公司会计报表中的 da/at-1。所以，1 的预期符号为负值。（3）控制变量roa：样本公司的资产净利率orev：样本公司的主营业务收入占利润总额的比重sub：样本公司的政府补贴收入与财政返还占其利润