【商誉减值与传媒行业上市公司财务绩效相关性实证探析11000字（论文）】

商誉减值与传媒行业上市公司财务绩效相关性实证分析目录TOC\o"1-2"\h\u10874商誉减值与传媒行业上市公司财务绩效相关性实证分析 1865摘要 1127891绪论 2201131.1研究背景及意义 2171831.2国内外研究综述 2317451.3研究内容及方法 3278192相关概念与理论基础 5276312.1相关概念 5206832.2相关理论基础 6140643研究设计 7205463.1样本选择与数据来源 7172043.2变量选取 718163.3模型设计 963844商誉减值与传媒行业上市公司财务绩效相关性分析 10286194.1商誉减值与市场股价相关性分析 1059544.2商誉减值与企业业绩相关性分析 13269335研究结论与建议 16299585.1研究结论 16318755.2对策建议 165489参考文献 17摘要2014年《上市公司重大资产重组管理办法》（修订版）和《上市公司收购管理办法》颁布，我国上市公司并购重组活动得到进一步推动，文化传媒行业也掀起了并购热潮。传媒行业常通过“高估值+高业绩承诺”的方式来获取扩张资本，从而导致高溢价并购行为频发，但这种行为背后埋藏着巨大的商誉减值风险和隐患。论文在回顾国内外学者研究的基础上进行实证研究。从国内外文献可以看出，目前学者对财务绩效的衡量方法主要有以下两种：第一，市场收益指标（如公司股价）；第二，会计指标（如资产净利率）。基于此，论文以2015-2019年五年间十家中国A股市场传媒行业上市公司的数据为研究样本，运用统计等相关知识，从市场收益指标和会计指标两方面衡量企业财务绩效并分别建立模型进行Pearson相关性分析和Pearson偏相关分析。实证结果表明：（1）商誉减值与市场股价显著负相关；(2)商誉减值与资产净利率显著负相关。最后，论文分别从政府机构、上市公司、投资者、监管部门四个角度提出了相关建议。关键词：商誉减值；财务绩效；相关性1绪论1.1研究背景及意义2014年《上市公司重大资产重组管理办法》（修订版）和《上市公司收购管理办法》颁布，我国上市公司并购重组活动得到进一步推动，文化传媒行业也掀起了并购热潮。传媒行业常通过“高估值+高业绩承诺”的方式获取扩张资本，从而导致高溢价并购行为频发。新会计准则实施后，商誉后续计量采用减值测试的方法使得这些公司计提大量商誉减值准备。高额商誉减值会对公司财务绩效产生何种影响？这逐渐成为管理层和投资者关注的重点。2007年实施的会计准则规定“将非同一控制企业合并中合并方合并成本大于被合并方可辨认净资产公允价值份额的部分确认为商誉”，这意味着一旦企业发生了高溢价并购行为，财务报表里必然产生巨额商誉，从而加剧了巨额商誉减值现象的发生。巨额商誉减值不仅会造成企业利润的急剧下降，还会对资本市场投资者带来不容小觑的负面影响，因此，研究传媒行业商誉减值与企业财务绩效的相关性，有利于该行业的长期发展。1.2国内外研究综述1.2.1国外研究综述早在商誉减值的会计准则出现之前，国外学者就针对商誉的摊销展开研究。Ennings和Robinson（1996）研究得出商誉摊销与股价呈现不显著的负相关关系，建议每年年末对商誉价值重新进行评估。Jennings、Thompson（2001）发现企业盈利水平对股价的影响在商誉摊销前后显著不同，摊销后的影响显著大于摊销前的影响，且商誉摊销费用不影响企业的股价。在会计准则提出商誉减值后，Hirschey、Richardson（2002）对比研究商誉摊销和商誉减值的价值相关性，发现商誉减值的价值相关性远大于商誉摊销。GuandLev(2008)认为商誉减值会不同程度地向市场传达企业的负面信息，进而影响股票价格。PascaleLapointe-Antunes等（2009）从加拿大上市公司披露的商誉减值现象分析得出商誉减值与其股价呈负相关的结论，一旦计提商誉减值准备，投资者对上市公司价值的预期会显著降低，影响其股价表现。ZiningLi等（2011）进行了实证检验，分析得出上市公司盈利指标在商誉减值信息披露后出现明显下滑，投资者也降低了对企业未来盈利能力的预期。CheoL(2011)发现公司将来的现金流能够通过商誉减值得到有效预测，且相对于商誉摊销，商誉减值使会计信息质量得到大幅提高。Hamberg,Beisland(2014)基于瑞典会计准则研究商誉减值与摊销，发现前者具有明显的价值相关性，后者则不具有价值相关性。Tonny（2016）选取2005—2009年的288家上市公司进行回归分析，认为企业的经济损失一定程度上可以反映为商誉减值损失。LiSun(2017)发现企业商誉减值损失与其债券信用评级之间呈负相关关系，商誉会影响企业信用从而影响企业财务绩效。1.2.2国内研究综述2007年新会计准则公布之后，商誉的后续计量由商誉摊销改为计提商誉减值，国内学者对于商誉减值与财务绩效相关性的研究随之丰富。周冬华、赵玉洁（2009）分析了商誉减值的价值相关性，认为新准则在提高商誉减值信息的可靠性的前提下，并不会降低价值相关性。吴虹雁、刘强(2014)分别从及时性和相关性的层面对商誉减值的经济后果进行研究，得出结论：计提商誉减值对于公司内部信息的披露更具激励作用，可以在很大程度上改善信息不对称的现象。王秀丽（2015）基于2007—2013年A股上市公司数据的实证研究发现，上市公司商誉减值不能反映公司真实价值的变化是受盈余管理动机的影响。张丽达等（2016）考虑到企业产权性质的差别，将A股上市公司分为国有企业与非国有企业，发现后者商誉减值对财务业绩的影响程度大于前者。曲晓辉、卢煜等(2017)针对商誉减值的价值相关性进行实证分析得出结论：公司所处行业会对商誉减值的价值相关性造成影响。亏损企业与盈利企业的价值相关性有明显区别。韩宏稳等（2019）基于我国A股2008—2016年的数据，研究并购商誉减值与公司股价崩盘风险之间的关系，发现两者之间显著正相关，且正相关关系在信息不对称程度高的公司更明显。王春丽等（2020）以2010-2018年我国A股上市公司数据为样本进行实证研究发现：商誉减值与公司短期绩效显著负相关，与公司长期绩效显著正相关，且公司内部治理水平越差时，前述两种相关关系更加明显。1.2.3国内外研究述评综上所述，国外学者在商誉的规范性研究方面比较深入，主要研究内容包含商誉减值和商誉摊销的价值相关性问题，发现商誉减值比商誉摊销更具合理性和实用性，并且商誉减值相比商誉摊销，前者与企业价值之间的负相关关系更为显著。国内学者在国外学者研究的基础上，普遍认可商誉减值作为商誉的后续计量方式，特别是在2007年我国新会计准则出台后，关于商誉减值与企业财务绩效的研究逐渐丰富，但也是以规范研究为主，实证研究多为单一的相关模型的定量研究，还需要对商誉减值与财务绩效相关性做定性研究。1.3研究内容及方法1.3.1研究内容随着并购浪潮的兴起，商誉的重要性不言而喻，在现有研究的基础上论文提出关于商誉减值的选题。论文首先梳理了商誉减值的相关文献，确定研究内容及方法；继而以2015-2019年五年间十家中国A股市场传媒行业上市公司的数据为研究样本，运用统计等相关知识，从市场收益指标和会计指标两方面衡量企业财务绩效并分别建立模型进行实证研究，得出商誉减值与财务绩效相关性的有关结论；最后根据结论，提出建议。总的来说，论文主要包括五部分内容：第一部分：绪论。首先介绍了我国企业并购浪潮的兴起与发展，在此背景下，商誉减值成为各方面关注的重点；然后梳理国内外文献形成研究综述，并确定研究内容、设计研究方法。第二部分：相关概念与理论基础。界定论文中提到的商誉、商誉减值以及财务绩效的有关概念；在此基础上将研究中采用的相关理论进行整理，为论文研究提供合理的理论基础。第三部分：研究设计。首先，说明论文的样本选择范围与时间区间、数据筛选的条件；其次，介绍选取的模型和提出的假设以及模型中用到的各种变量，包括被解释变量、解释变量、控制变量，并说明变量选择的方式与原理。第四部分：商誉减值与传媒行业上市公司财务绩效相关性分析。首先，对模型中所用变量的数据进行描述性统计分析；其次，依据论文构建的两个实证模型，分别进行Pearson相关性分析、Pearson偏相关性分析；最后，整合相关性分析和偏相关性分析的结果，对结果产生的原因等做进一步分析。第五部分：研究结论与建议。首先，根据前文的实证检验结果，总结研究结论；继而，分别从政府机构、上市公司、投资者、监管部门三个角度提出建议。1.3.2研究方法论文采用的研究方法主要有两种：规范分析法、实证研究法，前者用于对商誉减值相关理论与文献的研究，后者用于对所选样本数据进行实证检验。（1）规范分析法首先，归纳梳理有关商誉减值与财务绩效相关性的国内外研究文献。在此基础上，设计并明确论文对商誉减值与财务绩效相关性分析的大致流程，继而将研究分析所涉及的理论进行整理总结，为接下来研究假设的提出和相关性分析提供理论基础。（2）实证研究法论文基于规范分析，借鉴已有的商誉减值研究方法和实证模型，进行实证分析。论文的研究对象为中国A股市场的十家传媒行业上市公司，选择2015-2019年五年间上市公司的商誉减值数据，进行Pearson相关性分析和Pearson偏相关性分析。

2相关概念与理论基础2.1相关概念2.1.1商誉目前对于商誉概念的研究主要包括以下四种观点：好感价值观——在社会经济活动中，投资者等利益相关者会对企业有着各自的好感与偏好，这种好感与偏好产生了商誉；超额收益观——企业取得超额收益的能力被称为商誉；剩余价值观——公司整体的真实价值与财务报表中各单项可辨认资产的真实价值之和之间的差额被称为商誉；协同效应观——商誉是构成会计系统的各个要素有机结合所形成的协同效应。合并商誉的现行会计处理方法是基于剩余价值观，我国新准则对商誉的定义为：企业的合并成本大于被购买方各项可辨认净资产公允价值份额的差额。2.1.2商誉的分类商誉按照形成来源可以分为外购商誉商誉和自创商誉。外购商誉来源于企业溢价并购；自创商誉是企业在日常生产经营过程中形成的超额盈利能力，企业自身发展是自创商誉形成的基础，离开了企业内部和外部环境，企业的自创商誉也就难以存在。自创商誉因难以确定和计量，不体现在财报中。论文的研究围绕外购商誉展开，其原因是自创商誉难以具体计量，数据无法获得。2.1.3商誉减值通过商誉减值测试评估商誉所在的资产组或资产组组合未来现金流量现值，即资产组的使用价值。即使标的企业是没有出现减值迹象，企业都应定期或及时进行商誉减值测试。同时，上市公司还应当在年报、半年报和季报中披露与商誉减值相关的关键信息，除了披露商誉减值的金额以外，还需要详细披露商誉减值测试的过程和方法。2.1.4财务绩效在商誉减值与企业财务绩效相关性的研究中，企业财务绩效的衡量指标可以分为两类：市场收益指标和会计指标，前者主要基于资本市场的交易数据，着重于对股东的回报；后者主要基于公司财务报表数据，反映整个公司的经营成果。（1）市场收益指标：常用的反映市场收益的指标是市场股价。在一个有效的市场上，如果企业商誉减值确实会对企业财务绩效产生影响，那么当与商誉减值有关的新信息传递到市场时，一个有效的市场应立即作出反应，股价迅速发生变动。但在实际生活中，股价对新信息的反映存在滞后性。（2）会计指标：常用的会计指标包括资产净利率（ROA）、权益净利率（ROE）等。与市场收益指标相比，会计指标考虑了整个公司的经营业绩，而不仅仅是站在股东的角度，但是会计指标基于历史数据，且受到管理者会计选择行为的影响。2.2相关理论基础2.2.1信息不对称理论信息不对称理论是指在资本市场中利益主体之间无法完全达到信息对等，不同环境下的利益主体对信息的了解程度存在明显差异。由于信息本身具有价值，在信息不对称的情形下，信息持有数量多的主体更容易从中获取利益；反之，信息持有量少的一方投资存在更大风险。在传媒行业上市公司的并购活动中，信息不对称现象表现更为明显。首先，在并购方与被并购方进行价格谈判时，并购方无法确保自身获取的信息是客观全面的，同时也无法确定被并购方的真实经营状态以及未来盈利能力，从而可能产生高溢价并购行为，最终导致企业面临者计提巨额商誉减值的风险；第二，企业内部大股东与中小股东之间的信息不对称容易侵害中小股东的利益。在企业内部即将发生商誉减值时，由于大股东直接参与经营管理，能够更加全面了解企业的经营状况，因此容易在企业计提商誉减值前通过提早减持等手段降低自身利益损失，而中小投资者由于对企业内部真实经营状况缺乏了解，会承担更高的商誉减值风险。2.2.2对赌协议企业之间并购行为发生时，被收购方一般需要对收购方做出业绩承诺，即在承诺期内公司未来业绩将达到某一水平。为了保证这一承诺的可靠性，并购双方需签订对赌协议，协议规定若被收购方在承诺期内达到承诺业绩，则可以行使事前规定的相关权力，若未达到承诺业绩，则由收购方行使相关权利。签订对赌协议可以在一定程度上消除并购过程中因信息不对称造成的损失，提升并购活动的公平性。对收购方而言，有了对赌协议的保证，即使并购后收益不如预期，可以通过行使权利挽回损失；站在被收购方角度，对赌协议可以起到自我约束的作用，督促被收购方做出更加合理的业绩承诺，并在后期的经营中更负责地管理企业。对赌协议也存在一些弊端。业绩承诺本身就是一种预期，其准确性受各种因素的影响，被收购方为了融资成功而盲目做出过高业绩承诺的案例也不在少数。当到期承诺业绩不达标时，被收购方很可能会以股权为代价而失去对企业的控制，收购方虽然能得到一定补偿，但要承担商誉减值的后果。在对赌协议下过高的业绩承诺会造成企业商誉被高估，由此带来的商誉减值将会给企业带来沉重打击，结合企业对赌协议可以判断公司商誉估值的合理性，也可以更深入的探究企业并购活动。

3研究设计3.1样本选择与数据来源论文选择2015至2019年十家传媒行业非“ST”A股上市公司，从其年报中提取数据，按照以下要求筛选出符合要求的数据进行数据分析：（1）剔除存在数据缺失的样本。（2）剔除商誉账面价值和商誉减值损失金额同时为零的样本。数据来源于巨潮资讯网中所公布的公司年报，按上述要求对样本数据进行筛选，最终获得45个样本，然后对整理后的数据进行相关性分析。3.2变量选取3.2.1商誉减值与市场股价相关性研究的变量选取（1）被解释变量股票收盘平均价格（PRICE）：按照我国证监会的规定，每年4月30日之前，上市公司需进行财务报表披露工作，考虑到股价对财务报表信息反应的滞后性，故选用的股票价格为次年4月30日与5月31日股票收盘价的平均值（如果4月30日或5月31日未开盘则选用最近的前一交易日的股价信息）。这样得出的股价已经能够较为全面地反映公司财务报表信息。（2）解释变量商誉减值率（GWIMP）商誉减值率=年末商誉减值准备金额/年末合并资产负债表商誉原值，这是借鉴了HuailingXie（2020）学者的变量设计。用相对数设计变量排除了不同公司商誉规模不同的影响。(3)控制变量论文设置以下几种变量，控制这些因素对被解释变量和解释变量的影响：=1\*GB3①资产负债率（Lev）资产负债率是评价公司长期偿债能力的指标，展示了公司的长期经营水平。高财务杠杆下，投资者会重点关注公司的偿债水平和盈利情况，这会刺激管理层进行盈余管理。债务合同也会约束商誉减值计提等相关准则的实施。可见资产负债率会对解释变量产生影响，应作为控制变量。=2\*GB3②资产净利率（ROA）资产净利率是衡量企业盈利能力的重要指标，高资产净利率意味着企业综合经营管理水平较强，若财务报表使用者看好该指标会增加持有公司股票进而使公司股价提高，故资产净利率与股价存在一定正相关关系。=3\*GB3③公司规模（SIZE）公司规模这一数据由期末总资产取自然对数得到。商誉作为资产的一部分，在资产规模较大时，其数额也相对较大，进而商誉减值损失也较大，所以公司规模可以通过影响商誉减值率影响股价，应将其作为控制变量加入到模型中。=4\*GB3④营业收入增长率（Growth）财务报表使用者会重点关注公司经营情况来做出决策，营业收入增长率是代表性指标之一。高营业收入增长率使得投资者对企业发展前景看好，从而影响股价，故将这一指标作为控制变量引入模型。=5\*GB3⑤每股净资产（BVPS）这一指标反映了股东财富情况，每股净资产越高，股东财富越大，公司盈利能力与经济实力更强，从而使股价提高，故将其作为控制变量。各变量定义如表1所示：表1变量定义表Table1Variabledefinitiontable变量类型变量名称变量符号变量定义被解释变量股票收盘平均价格PRICEt+1年4月30日与5月30日股票收盘价的平均值解释变量商誉减值率GWIMP年末商誉减值准备金额/年末合并资产负债表商誉原值控制变量资产负债率Lev年末总负债/年末总资产资产净利率ROA净利润/年末总资产公司规模SIZE年末总资产的自然对数营业收入增长率Growth营业收入变动额/t-1年年初营业收入每股净资产BVPS净资产/总股本3.2.2商誉减值与企业业绩相关性研究的变量选取为了研究我国传媒行业上市公司并购商誉减值对于企业经营业绩的影响，本文参考郑海英等（2014）、张丽达（2016）和冯科（2018）等的研究，将资产净利率（ROA）作为被解释变量。用来衡量商誉减值的解释变量仍为商誉减值率，同时删除了营业收入增长率和每股净资产两个控制变量，加入一个新的控制变量第一大股东持股比例（BIG）。各变量定义如表2所示：表2变量定义表Table2Variabledefinitiontable变量类型变量名称变量符号变量定义被解释变量资产净利率ROA净利润/年末总资产解释变量商誉减值率GWIMP年末商誉减值准备金额/年末合并资产负债表商誉原值控制变量资产负债率Lev年末总负债/年末总资产公司规模SIZE年末总资产的自然对数第一大股东持股比例BIG公司第一大股东持股比例3.3模型设计3.3.1检验商誉减值与市场股价相关性的模型为了研究我国传媒行业上市公司商誉减值与市场股价的相关性，论文参考HuailingXie（2020）等学者对模型的设计，构造的模型为：模型（1）：PRICEi,t+1=α0+α1GWIMPi,t+α2Levi,t+α3ROAi,t+α4SIZEi,t+α5Growthi,t+α6BVPSi,t+εi,t商誉减值释放出未来现金流量减少的信号，投资者会捕捉到这种信号并反映在自己的预期中，投资者因为商誉减值传递的消极信号而产生悲观情绪，因此商誉减值与市场反映之间应该是负相关的。故提出假设一：H1：商誉减值与市场股价之间具有相关性，且成负相关关系。为验证假设H1，主要是看模型（1）中系数α1是否显著为负。3.3.2检验商誉减值与企业业绩相关性的模型参考郑海英等（2014）、张丽达（2016）和冯科（2018）等研究建立了模型（2）：ROAi,t=α0+α1GWIMPi,t+α2Levi,t++α3SIZEi,t+α4BIGi,t+εi,t根据并购企业间对赌协议的理论基础，被收购方在承诺期内若达到承诺业绩，则可以行使事前规定的相关权力，若未达到承诺业绩，则由收购方行使相关权利，发生商誉减值则意味着被收购方的价值与未来业绩被高估，会对企业经营业绩产生不利影响。故提出假设二：假设H2：商誉减值与企业业绩之间具有相关性，且成负相关关系。为验证假设H2，主要是看模型（2）中系数α1是否显著为负。4商誉减值与传媒行业上市公司财务绩效相关性分析4.1商誉减值与市场股价相关性分析4.1.1描述性统计分析论文首先对股票收盘价均值、商誉减值率等数据进行描述性统计分析，得到的分析结果如表3所示。表3变量描述性统计Table3Descriptivestatisticsofvariables个案数最小值最大值平均值标准差PRICE454.1523.1210.42444.84812GWIMP45010.36640.38717Lev450.060.940.2750.20459ROA45-1.020.13-0.00860.1972Size4521.4623.8122.54050.66365Growth45-1.311.480.09020.44812BVPS450.328.054.10511.9062根据上表所示信息可知：股票收盘价的最大值与最小值相差较大，且标准差数值较大，说明各公司股价差异与波动性较大，选取的传媒行业上市公司数据比较有代表性。4.1.2Pearson相关性分析在描述性统计的基础上先对变量进行Pearson相关性分析以检验假设H1，各变量相关性分析的检验结果见表4。表4变量间相关性分析Table4CorrelationanalysisamongvariablesPRICEGWIMPLevROASIZEGrowthBVPSPRICE1GWIMP-0.338*1Lev-0.2270.316*1ROA0.405**-0.405**-0.1651SIZE-0.024-0.383**-0.0780.2751Growth0.441**-0.345*-0.2190.354*0.0901BVPS0.362*-0.624**-0.460**0.2720.553**0.2111*.在0.05级别（双尾），相关性显著。**.在0.01级别（双尾），相关性显著。从表4可以得出以下结论：（1）解释变量与被解释变量的相关关系：GWIMP（-0.338）与PRICE在置信概率为95%以上显著负相关，从而接受假设H1，认为商誉减值与市场股价显著负相关。（2）控制变量与被解释变量的相关关系：ROA（0.405）与PRICE、Growth（0.441）与PRICE在置信概率为99%以上显著正相关；BVPS（0.362）在置信概率为95%以上与PRICE显著正相关；而Lev、SIZE与PRICE不显著相关。4.1.3Pearson偏相关分析通过Pearson相关性分析，初步了解了各变量与被解释变量PRICE的相关性。为了进一步研究在剔除其他影响因素下变量间的相关性，确定各变量对被解释变量PRICE究竟是直接影响还是间接影响，分别将各变量与被解释变量进行偏相关性分析，得到表5到表10。表5GWIMP与PRICE的偏相关性分析Table5PartialcorrelationanalysisbetweenGWIMPandPRICE控制变量PRICEGWIMPLev&ROA&SIZE&Growth&BVPSPRICE相关性1.0000.005显著性（双尾）00.978GWIMP相关性0.0051.000显著性（双尾）0.9780表6Lev与PRICE的偏相关性分析Table6PartialcorrelationanalysisbetweenLevandPRICE控制变量PRICELevROA&SIZE&Growth&BVPS&GWIMPPRICE相关性1.0000.075显著性（双尾）00.643Lev相关性0.0751.000显著性（双尾）0.6430表7ROA与PRICE的偏相关性分析Table7PartialcorrelationanalysisbetweenROAandPRICE控制变量PRICEROASIZE&Growth&BVPS&GWIMP&LevPRICE相关性1.0000.316显著性（双尾）00.047ROA相关性0.3161.000显著性（双尾）0.0470表8SIZE与PRICE的偏相关性分析Table8PartialcorrelationanalysisbetweenSIZEandPRICE控制变量PRICESIZEGrowth&BVPS&GWIMP&Lev&ROAPRICE相关性1.000-0.367显著性（双尾）00.120SIZE相关性-0.3671.000显著性（双尾）0.1200表9Growth与PRICE的偏相关性分析Table9PartialcorrelationanalysisbetweenGrowthandPRICE控制变量PRICEGrowthBVPS&GWIMP&Lev&ROA&SIZEPRICE相关性1.0000.321显著性（双尾）00.044Growth相关性0.3211.000显著性（双尾）0.0440表10BVPS与PRICE的偏相关性分析Table10PartialcorrelationanalysisbetweenBVPSandPRICE控制变量PRICEBVPSGWIMP&Lev&ROA&SIZE&GrowthPRICE相关性1.0000.360显著性（双尾）00.022BVPS相关性0.3601.000显著性（双尾）0.0220从表5到表10的结果中发现，在通过控制其他指标的偏相关分析中，ROA（0.316）、Growth（0.321）、BVPS（0.360）分别与PRICE在大于95%的置信度下显著相关，而GWIMP、Lev、SIZE均与PRICE不相关。结合相关性分析和偏相关性分析，汇总各变量与被解释变量PRICE的相关性如表11。表11各变量与PRICE相关性分析结果汇总Table11ThecorrelationanalysisresultsofeachvariableandPriceGWIMPLevROASIZEGrowthBVPSPearson相关分析负相关（-0.338）不相关正相关（0.405）不相关正相关（0.441）正相关（0.362）Pearson偏相关分析不相关不相关正相关（0.316）不相关正相关（0.321）正相关（0.360）根据上表得出结论：（1）ROA、Growth、BVPS与PRICE直接正相关。（2）Lev、SIZE与PRICE无相关关系。（3）GWIMP与PRICE不是直接相关关系，GWIMP通过与其他指标的相互影响而与PRICE存在间接的负相关关系。为进一步探究GWIMP与模型中哪个变量存在相关关系使得GWIMP间接影响PRICE，将GWIMP分别与ROA、Growth、BVPS进行偏相关性分析得到表12到14。表12GWIMP与ROA的偏相关性分析Table12PartialcorrelationanalysisbetweenGWIMPandROA控制变量GWIMPROAPRICE&Growth&BVPS&SIZE&LevGWIMP相关性1.000-0.228显著性（双尾）00.157ROA相关性-0.2281.000显著性（双尾）0.1570表13GWIMP与Growth的偏相关性分析Table13PartialcorrelationanalysisbetweenGWIMPandGrowth控制变量GWIMPGrowthPRICE&BVPS&Lev&ROA&SIZEGWIMP相关性1.000-0.190显著性（双尾）00.239Growth相关性-0.1901.000显著性（双尾）0.2390表14GWIMP与BVPS的偏相关性分析Table14PartialcorrelationanalysisbetweenGWIMPandBVPS控制变量GWIMPBVPSPRICE&Lev&ROA&SIZE&GrowthGWIMP相关性1.000-0.426显著性（双尾）00.006BVPS相关性-0.4261.000显著性（双尾）0.0060从表12到表14可以看出，GWIMP与ROA、Growth这两个变量的相关性均不显著，而GWIMP（-0.426）与BVPS在大于99%的可信度下显著负相关，即GWIMP通过影响BVPS而间接影响PRICE。通过以上分析，各变量对PRICE的影响路径如下图1。图1各变量对PRICE的影响路径Fig.1TheinfluencepathofeachvariableonPRICE4.2商誉减值与企业业绩相关性分析样本的代表性已在4.1.1中验证，故下面直接进行相关性分析。4.2.1Pearson相关性分析针对假设H2，有关变量相关性检验的结果见表15。表15变量间相关性分析Table15CorrelationanalysisamongvariablesROAGWIMPLevSIZEBIGROA1GWIMP-0.405**1Lev-0.1650.316*1SIZE0.275-0.383**-0.0781BIG0.370*-0.050-0.0270.2661**.在0.01级别（双尾），相关性显著。*.在0.05级别（双尾），相关性显著。根据表15得出以下结论：（1）解释变量与被解释变量的相关关系：GWIMP（-0.405）与ROA在置信度大于99%的水平下显著负相关。说明在论文的样本选取背景下，公司商誉减值与企业业绩之间呈显著负相关关系，从而验证了假设H2；（2）控制变量与被解释变量的相关关系：BIG（0.370）与ROA在置信水平大于95%下显著正相关；Lev、SIZE与ROA不相关；4.2.2Pearson偏相关分析为进一步研究在剔除其他影响因素下变量间的相关性，找出各变量对ROA的影响路径，分别将各变量与ROA进行偏相关性分析，得到表16到表19。表16GWIMP与ROA的偏相关性分析Table16PartialcorrelationanalysisbetweenGWIMPandROA控制变量ROAGWIMPLev&SIZE&BIGROA相关性1.000-0.350显著性（双尾）00.023GWIMP相关性-0.3501.000显著性（双尾）0.0230表17Lev与ROA的偏相关性分析Table17PartialcorrelationanalysisbetweenLevandROA控制变量ROALevSIZE&BIG&GWIMPROA相关性1.000-0.044显著性（双尾）00.783Lev相关性-0.0441.000显著性（双尾）0.7830表18SIZE与ROA的偏相关性分析Table18PartialcorrelationanalysisbetweenSIZEandROA控制变量ROASIZEBIG&GWIMP&LevROA相关性1.0000.046显著性（双尾）00.772SIZE相关性0.0461.000显著性（双尾）0.7720表19BIG与ROA的偏相关性分析Table19PartialcorrelationanalysisbetweenBIGandROA控制变量ROABIGGWIMP&Lev&SIZEROA相关性1.0000.362显著性（双尾）00.019BIG相关性0.3621.000显著性（双尾）0.0190从表16到表19的结果中发现，GWIMP（-0.350）与ROA显著负相关；BIG（0.362）与ROA显著正相关；而Lev、SIZE与ROA不相关。结合相关性分析和偏相关性分析，汇总各变量与被解释变量ROA的相关性如表20。表20各变量与ROA相关性分析结果汇总Table20ThecorrelationanalysisresultsofeachvariableandROAGWIMPLevSIZEBIGPearson相关分析负相关（-0.405）不相关不相关正相关（0.370）Pearson偏相关分析负相关（-0.350）不相关不相关正相关（0.362）根据上表得出结论：（1）GWIMP与ROA直接负相关，BIG与ROA直接正相关。（2）Lev、SIZE与ROA既不直接相关也不间接相关。通过以上分析，各变量对ROA的影响路径如图2。图2各变量对ROA的影响路径Fig.2TheinfluencepathofeachvariableonROA5研究结论与建议5.1研究结论（1）传媒行业上市公司商誉减值与市场股价显著负相关。在用市场股价衡量企业财务绩效的模型中，公司的商誉减值通过影响每股净资产而对市场股价产生间接负向影响。（2）传媒行业上市公司商誉减值与企业业绩显著负相关。在用资产净利率衡量企业财务绩效的模型中，公司的商誉减值对资产净利率产生直接负向影响。5.2对策建议（1）政府机构：相关的准则制定部门要尽快对商誉的后续会计处理进行规范和完善；其次，对商誉的测试时点、测试流程等问题进行规范，约束管理层行为，提高商誉减值的信息质量。（2）上市公司：首先，公司决策者要始终保持清醒的头脑，并购决策实施之前，要对被并购企业进行全面考察，包括其经营的业务、管理能力、产业链条、发展前景等；其次，可以考虑适当延长业绩承诺期，以达到持续经营的目的。（2）投资者：投资者在解读公司披露的商誉减值信息时，也要同时关注公司的财务状况，重点参考每股净资产这一指标的变动趋势。公司计提大量商誉减值但每股净资产保持相对稳定可能并不意味着公司价值的下降。（3）监管部门：监管部门要加强对商誉及商誉减值信息披露的监督，要求公司重点说明商誉减值计提的原因、确定依据等信息；其次，监管部门要加大对违规行为的惩戒力度，如暗箱操作、利益输送等行为。参考文献[1]BourneJH.Goodwill[J].TheAccountant,1888,9:604-606.[2]HendriksenES.Accountingtheory[M].McGraw-Hill/Irwin,1977.[3]LeakePD.Goodwill:ItsNatureandhowtoValueit.[J].TheAccountant,1914,(1):81-90.[4]ChambersRJ.Canning'sTheEconomicsofAccountancy-After50Years[J].AccountingReview,1979,54(4):764-775.[5]杨汝梅.无形资产论[M].北京:中国财政经济出版社,1993.[6]葛家澍.当前财务会计的几个问题——衍生金融工具、自创商誉和不确定性[J].会计研究,1996,(01):3-8.[7]董必荣.商誉本质研究综述[J].中南财经政法大学学报,2018,(03):39-43+143.[8]杜兴强,杜颖洁,周泽将.商誉内涵及其确认问题探讨[J].会计研究,2011,(01):11-16+95.[9]许金叶.商誉会计处理的理论问题研究[J].财会月刊,2020,(02):9-15.[10]MattiasHamberg,Leif-AtleBeisland.ChangesinthevaluerelevanceofgoodwillaccountingfollowingtheadoptionofIFRS3[J].JournalofInternationalAccounting,AuditingandTaxation,2014,23(2).[11]CheolLee.TheeffectofSFAS142ontheabilityofgoodwilltopredictfuturecashflows[J].JournalofAccountingandPublicPolicy,2010,30(3).[12]MarkHirschey,VernonJ.Richardson.Informationcontentofaccountinggoodwillnumbers[J].JournalofAccountingandPublicPolicy,2002,21(3).[13].GoodwillAmortizationandtheUsefulnessofEarnings[J].FinancialAnalystsJournal,2001,57(5).[14]RossJenn