行业异质性视角下上市公司会计信息与股票价格相关性的实证剖析

行业异质性视角下上市公司会计信息与股票价格相关性的实证剖析一、引言1.1研究背景与动机在现代经济体系中，股票市场占据着举足轻重的地位，对推动经济发展发挥着关键作用。从企业角度来看，股票市场为企业开辟了高效的融资途径，企业通过发行股票能够迅速筹集大量资金，有效降低融资成本，进而加速扩大生产规模，还为企业提供了持续融资的渠道，有力支持企业的发展与创新活动。从资源配置层面而言，股票市场借助价格机制，引导资本流向更具效率和发展潜力的企业，投资者对股票的买卖行为反映了市场对企业价值的判断，实现了资源的优化配置，同时也为投资者提供了丰富的投资选择，有利于分散投资风险，提高资本利用效率。此外，股票市场的繁荣能够吸引更多投资者参与，提升资本市场的活跃度，为企业提供展示自身价值的平台，增强企业知名度与竞争力，企业获得资金支持后投入多元化经营活动，进一步增强经济活力与韧性。股票市场还为居民提供投资渠道，居民可通过购买股票分享企业发展成果，提高自身财富水平，其繁荣有助于提升投资者金融素养，培养理性投资观念，增强财富管理能力。而且，股票市场具有分散风险、稳定经济的功能，企业可将经营风险分散给投资者，降低自身财务风险，其较强的自我调节能力能缓解经济波动，维护经济稳定发展，股票市场的繁荣还能带动相关产业链发展，提供更多就业机会，激励企业创新，推动科技进步和产业升级，为经济发展注入新动力。在股票市场中，投资者进行投资决策时，需要依据多方面的信息来评估股票的价值和潜在收益，其中，会计信息是至关重要的信息来源之一。会计信息是公司财务状况和经营业绩的直观呈现，投资者能够通过财务报表中的数据，如收入、资产、负债和利润等，深入了解公司的运营状况和盈利能力，从而对公司的价值进行判断，进而做出投资决策。当公司发布财务报表后，投资者会对会计信息进行解读和分析，预测公司未来的盈利能力和价值，若市场预期与实际情况相符，股价会受到积极影响；反之，股价则会受到负面影响。公司的盈利能力是衡量其价值的关键指标之一，当公司盈利能力强劲且持续增长时，投资者对其未来盈利预期提高，推动股价上涨；反之，盈利能力低下或下滑时，股价则会受到压制。公司的资产负债情况直接反映其偿债能力和风险承受能力，当公司资产负债比例适度、偿债能力强时，投资者对公司的信心提高，股价往往上涨；相反，若公司负债过高、风险较大，股价可能受到负面影响。现金流量是公司运营活动的重要指标，良好的现金流量状况能保证公司正常运营和发展，投资者对其价值认可提高，推动股价上涨。然而，过往众多研究主要聚焦于整体上市公司会计信息与股票价格的相关性，却较少关注不同行业之间的差异。事实上，不同行业由于自身经济特征和执行机制存在显著区别，其会计信息对股票价格的影响程度和作用机制也可能大相径庭。例如，制造业企业的固定资产规模、存货周转情况等会计信息对股价的影响，可能与服务业企业关注的人力成本、客户资源等会计信息对股价的影响截然不同；高新技术行业企业的研发投入、专利数量等信息对股价的影响，与传统能源行业企业的资源储备、产量等信息对股价的影响也会有很大差异。研究不同行业上市公司会计信息与股票价格的相关性，能够深入剖析不同行业的特点对这种相关性的影响，从而更全面、准确地理解会计信息在股票定价中的作用机制，为投资者在不同行业进行投资决策时提供更具针对性的参考，帮助投资者更好地识别不同行业股票的投资价值和风险，制定更合理的投资策略；对于上市公司而言，有助于其了解自身所处行业中会计信息对股价的关键影响因素，从而优化信息披露内容和方式，提高信息质量，增强市场对公司的认可度；对于监管机构来说，能够依据不同行业的特点制定更精准、有效的监管政策，维护资本市场的公平、公正和稳定，促进资本市场的健康发展。鉴于此，开展不同行业上市公司会计信息与股票价格相关性的实证研究具有重要的理论和现实意义。1.2研究目的与创新点本研究旨在通过实证分析，深入探究不同行业上市公司会计信息与股票价格之间的相关性，揭示不同行业的经济特征和执行机制对这种相关性产生的影响，明确在不同行业背景下，哪些会计信息指标对股票价格的影响更为显著。通过对这些问题的研究，为投资者提供更具针对性的投资决策参考，帮助他们根据不同行业的特点，更准确地分析和评估上市公司的价值，从而降低投资风险，提高投资收益；为上市公司优化信息披露策略提供理论依据，使其能够更加精准地向市场传递关键信息，增强市场对公司的理解和认可，提升公司的市场形象和竞争力；为监管机构制定更具针对性和有效性的监管政策提供数据支持，促进资本市场的规范化和健康发展，维护市场的公平、公正和透明。本研究的创新点主要体现在以下几个方面：在研究视角上，突破了以往大多聚焦于整体上市公司的局限，着重对不同行业上市公司会计信息与股票价格的相关性进行细致分析，充分考虑到各行业经济特征和执行机制的差异，为相关研究提供了更具行业针对性的视角，有助于更深入地理解会计信息在不同行业股票定价中的独特作用。在研究内容上，不仅分析会计信息与股票价格的相关性，还将公司规模、成长性、行业竞争态势、宏观经济环境等多种因素纳入研究范畴，全面探讨它们对会计信息与股票价格相关性的综合影响，从而更全面、系统地揭示这一复杂关系背后的影响因素和作用机制。在研究方法上，采用多种现代经济学和计量经济学方法进行综合分析，如多元线性回归分析、面板数据模型、事件研究法等，以提高研究结果的准确性和可靠性，从不同角度验证研究结论，增强研究的科学性和说服力。1.3研究方法与数据来源本研究采用实证研究方法，通过对相关数据的收集、整理与分析，深入探究不同行业上市公司会计信息与股票价格的相关性。实证研究方法能够基于实际数据进行分析，使研究结果更具客观性和说服力，有助于准确揭示变量之间的内在关系。在具体分析过程中，运用回归分析方法构建模型，以检验会计信息指标与股票价格之间的关系。回归分析可以定量地评估自变量对因变量的影响程度，确定哪些会计信息对股票价格具有显著影响，以及影响的方向和强度。研究数据主要来源于多个权威数据库，如国泰安数据库（CSMAR）、万得数据库（Wind）等，这些数据库收录了丰富的上市公司财务数据和市场交易数据，具有全面性、准确性和及时性的特点，为研究提供了坚实的数据基础。同时，为确保数据的可靠性和完整性，还补充收集了上市公司的年度财务报告、中期报告等公开披露信息，从中提取关键会计信息指标，如营业收入、净利润、资产负债率、每股收益等，以及股票价格数据，包括每日收盘价、开盘价、最高价、最低价等。二、文献综述2.1会计信息与股票价格相关性基础理论在会计信息与股票价格相关性的研究领域，信息观和计价模型观是两个重要的基础理论，它们从不同角度阐述了会计信息对股票价格的影响机制。信息观认为，股票的价值源于投资者对其未来股利的预期，而会计信息的作用在于改变投资者对企业未来股利支付能力的信念，进而影响股票价格。这一观点的核心在于，会计信息能够向市场传递关于企业未来盈利和股利支付的信号，投资者依据这些信号来调整对股票价值的预期。其背后的逻辑可以通过三个关键链条来解释。未来会计盈余与现行会计盈余紧密相连，会计盈余信息是投资者最为关注的信息之一，当期公布的会计盈余数据会直接影响投资者对未来会计盈余的判断。会计盈余项目可分为永久性盈余项目和暂时性盈余项目，永久性盈余项目预期可持续，不仅影响当期盈余，还会影响未来盈余；暂时性盈余项目则仅影响当期盈余。投资者可根据当期会计盈余信息，判断永久性和暂时性盈余项目，从而确定未来会计盈余的预期值。未来股利与未来会计盈余存在相关性，未来会计盈余是影响未来股利的重要因素，虽然未来股利受多种因素影响，但在众多因素中，未来会计盈余是未来股利支付能力的重要指示器。相关经验证据显示，盈余变动和股利变动相互关联，通常认为未来会计盈余与未来股利通过一个相对稳定的股利支付比率相联结。股票价格与未来股利通过股票计价模型联系起来，按照通行的财务理论，股票价格是未来现金流量（即股利）按一定贴现率折现的现值，因此股票价格可被视为未来股利预期价值的函数。综合这三个链条，现行会计盈余能够影响预期未来会计盈余，未来会计盈余与未来股利相关联，而未来股利又与股票价格紧密相连，从而使得现行会计盈余与股票价格建立起紧密联系，现行会计盈余的变动也会导致股票价格的变动。在信息观下，对会计信息与股票价格关系的验证，主要围绕会计信息，特别是会计盈余信息的发布或变动在多大程度上会引起股价同方向变动展开。例如，当公司公布的会计盈余高于市场预期时，投资者对未来股利的预期也会相应提高，进而推动股票价格上涨；反之，若会计盈余低于预期，股价则可能下跌。计价模型观则直接研究会计数据在股票定价中的作用，试图揭开股票价格形成过程这一“黑匣子”。与信息观不同，计价模型观不仅关注会计信息与股票价格的相关性，更注重解释市场如何将会计信息转换为股票价格。该理论假设股票价格反映了公司的经济价值，通过构建模型来具体说明会计信息应如何影响股票价格。其中，Ohlson模型是计价模型观的典型代表，它在股票价格与权益的账面价值、未来盈余等会计信息之间建立了联系。在Ohlson模型中，股价被表示为账面价值和未来异常盈余的函数，这表明会计账面数字在决定股票内在价值中具有直接作用。该模型为研究会计信息与股票价格的关系提供了一个量化框架，使得研究者能够通过实证分析来检验会计信息对股票价格的具体影响。例如，通过该模型可以分析不同会计指标，如净利润、资产负债率等对股票价格的影响程度，以及这些指标在股票定价过程中的相对重要性。计价模型观的出现，弥补了信息观在解释股票价格形成机制方面的不足，为深入理解会计信息在股票定价中的作用提供了更有力的工具。2.2不同行业相关性的研究现状过往研究已广泛探讨了会计信息与股票价格的相关性，但在不同行业的相关性研究上，仍存在一定分歧。部分学者的研究表明，会计信息对不同行业股票价格的影响存在显著差异。有学者通过对制造业、服务业和信息技术行业的上市公司进行实证分析，发现制造业企业的固定资产、存货等会计信息对股价的影响较为显著，这是因为制造业企业的生产经营依赖大量固定资产投入和存货管理，固定资产规模反映了企业的生产能力和技术水平，存货的周转情况则直接影响企业的资金流动和盈利水平，这些因素都能直观地反映企业的价值和发展前景，进而对股价产生较大影响。而服务业企业的收入确认方式、客户满意度等会计信息与股价的相关性更为紧密，服务业以提供无形服务为主，收入确认的准确性和稳定性对企业的盈利预测至关重要，客户满意度则体现了企业的市场竞争力和品牌价值，直接关系到企业未来的业务拓展和收益增长，因此这些信息能有效影响投资者对企业价值的判断，与股价相关性较高。信息技术行业企业的研发投入、专利数量等信息对股价的影响较为突出，该行业技术更新换代快，研发投入是企业保持技术领先和创新能力的关键，专利数量则是企业技术实力和创新成果的重要体现，直接决定了企业在市场中的竞争地位和发展潜力，投资者高度关注这些信息以评估企业的未来价值，从而使得它们与股价密切相关。然而，也有学者持有不同观点，认为虽然不同行业的经济特征存在差异，但会计信息与股票价格之间的基本关系在各行业中具有一定的一致性。有学者通过对多个行业的大规模样本数据进行分析，发现无论在哪个行业，会计盈余、资产负债率等基本会计信息始终是影响股票价格的重要因素。会计盈余反映了企业的盈利能力，是投资者评估企业价值的核心指标之一，无论行业如何，盈利能力强的企业通常更受市场青睐，股价也相对较高；资产负债率反映了企业的偿债能力和财务风险，各行业企业都需要合理控制负债水平以维持稳定的财务状况，过高的资产负债率可能引发投资者对企业偿债能力的担忧，导致股价下跌。这些基本会计信息在不同行业中都能为投资者提供关键的决策依据，对股票价格产生重要影响。在行业分类的细化程度上，也存在不同的研究视角。一些研究采用较为宽泛的行业分类标准，如将上市公司分为工业、商业、金融等大类，分析各大类行业中会计信息与股价的相关性，这种分类方式能从宏观层面揭示不同行业板块的整体特征和差异，为投资者提供行业板块投资的总体参考，但可能忽略了同一大类行业内不同细分行业的独特性。而另一些研究则深入到更细分的行业领域，如将制造业进一步细分为汽车制造、电子制造、机械制造等，研究各细分行业中会计信息与股价的相关性，这种细化分类能够更精准地反映不同细分行业的经济特征和会计信息的独特影响，为投资者在特定细分行业的投资决策提供更具针对性的信息，但研究范围相对较窄，难以从宏观层面把握行业之间的共性和差异。2.3研究评述与展望尽管现有研究在会计信息与股票价格相关性领域取得了一定成果，但仍存在一些不足之处。在行业覆盖方面，部分研究选取的行业样本不够全面，仅涵盖少数几个常见行业，难以充分代表整个市场的多样性。这使得研究结果可能存在局限性，无法准确反映不同行业的普遍特征和差异，对投资者在更广泛行业范围内的投资决策参考价值有限。在影响因素考虑上，多数研究主要关注会计信息本身对股票价格的影响，较少综合考虑公司规模、成长性、行业竞争态势、宏观经济环境等其他因素对这种相关性的交互作用。然而，在实际市场中，这些因素往往相互交织，共同影响着股票价格的形成和波动。忽视这些因素的综合作用，可能导致对会计信息与股票价格相关性的理解不够深入和全面，无法准确揭示股票价格波动的复杂机制。在研究方法上，一些研究方法相对单一，可能仅采用一种分析方法，难以从多个角度全面验证研究结论，研究结果的可靠性和说服力可能受到一定影响。本研究旨在弥补上述不足。在行业覆盖上，将选取更广泛、更具代表性的行业样本，涵盖传统制造业、新兴信息技术产业、服务业、金融业等多个不同领域，确保研究结果能够更全面地反映不同行业的特点和规律。在影响因素分析中，综合考虑公司规模、成长性、行业竞争态势、宏观经济环境等多种因素，运用先进的计量经济学模型，深入探讨它们与会计信息的交互作用对股票价格相关性的影响，力求更全面、深入地揭示这一复杂关系背后的内在机制。在研究方法上，采用多元线性回归分析、面板数据模型、事件研究法等多种方法进行综合分析，从不同角度对研究假设进行验证，提高研究结果的准确性和可靠性，增强研究的科学性和说服力。通过本研究，有望为投资者、上市公司和监管机构提供更具针对性和全面性的参考依据，推动资本市场的健康发展。三、研究设计3.1样本选取与数据处理本研究选取了[具体时间段]在沪深两市上市的公司作为初始样本。为确保样本的有效性和可靠性，依据以下标准对样本进行筛选：首先，剔除金融行业上市公司，由于金融行业的业务模式、监管要求和财务特征与其他行业存在显著差异，其会计信息的披露和计量方式也独具特点，如金融行业的资产主要以金融资产为主，其估值和风险计量方法与非金融行业不同，为避免对研究结果产生干扰，故将其排除在外。其次，剔除ST、*ST公司，这类公司通常面临财务困境或存在重大不确定性，其财务数据可能无法真实反映公司的正常经营状况，如ST公司可能存在连续亏损、债务违约等问题，这些异常情况会影响会计信息与股票价格相关性的分析，因此予以剔除。然后，剔除数据缺失严重的公司，数据的完整性是进行准确分析的基础，若公司存在大量关键数据缺失，如营业收入、净利润、资产负债表等重要信息缺失，将无法进行全面的分析和研究，所以这类公司也不在样本范围内。经过上述筛选过程，最终获得了涵盖多个行业的[具体样本数量]家上市公司作为研究样本，这些行业包括制造业、信息技术业、批发零售业、房地产业、交通运输业等，具有广泛的代表性，能够较好地反映不同行业的特点和差异。在数据处理阶段，首先对收集到的数据进行清洗。利用Stata等数据分析软件，使用importdelimited或use命令将从国泰安数据库（CSMAR）、万得数据库（Wind）等权威数据库以及上市公司年度财务报告、中期报告等公开披露信息中获取的数据文件加载到软件中。通过summarize或missing命令查看数据中有多少缺失值，对缺失数据进行处理，对于缺失值较少的变量，采用均值、中位数或线性插值等方法进行填充；对于缺失值较多的变量，则直接删除相应的观测值。检查变量之间的数据类型是否匹配，比如日期格式、数值范围等，如果存在问题，使用replace命令进行转换。通过绘制直方图或箱线图检查极端值，使用条件语句（if）将异常值替换或剔除。利用duplicates命令找出并处理重复观测。为了使不同公司和不同时期的数据具有可比性，对部分数据进行标准化处理。对于财务指标数据，如营业收入、净利润等，考虑到不同公司规模差异较大，采用营业收入或总资产对其进行标准化处理，消除规模因素的影响，以便更准确地分析不同公司之间的相对差异。对于股票价格数据，由于股票价格受到市场整体波动和行业因素的影响，采用市场调整法对其进行标准化处理，以反映个股相对于市场整体的表现。在处理过程中，对于分类变量，如行业分类等，采用虚拟变量的方式进行编码，将其转化为数值型变量，以便纳入模型进行分析。经过数据清洗和标准化处理后的数据，能够更准确地反映各变量之间的真实关系，为后续的实证分析奠定坚实基础。3.2变量定义与度量本研究中涉及的变量主要包括被解释变量、解释变量和控制变量，具体定义与度量方式如下：被解释变量：为股票价格（Price），选用上市公司年末的股票收盘价来衡量。股票收盘价是股票在一个交易日结束时的成交价格，它综合反映了当天市场上买卖双方的力量对比和对该股票价值的最终判断，是投资者在当日交易结束后对股票价值的一个直观体现，能够较为准确地代表股票在该时点的市场价格水平，也是投资者进行投资决策时关注的重要指标之一，因此选择年末股票收盘价作为股票价格的度量指标具有合理性和代表性。解释变量：选取多个能够反映公司财务状况和经营成果的关键会计信息指标。其一为每股收益（EPS），通过净利润除以年末普通股股数得出，该指标直接反映了公司每一股份所能享有的盈利水平，是衡量公司盈利能力的重要指标，投资者往往根据每股收益来评估公司的盈利状况和投资价值，其对股票价格的影响较为直接和显著。其二为净资产收益率（ROE），计算公式为净利润除以平均净资产，用以衡量公司运用自有资本的效率，体现了公司对股东权益的回报能力，较高的净资产收益率通常意味着公司具有较强的盈利能力和良好的经营管理水平，能够吸引投资者的关注，进而对股票价格产生积极影响。其三为资产负债率（Lev），用总负债除以总资产来计算，它反映了公司的负债水平和偿债能力，是衡量公司财务风险的重要指标，投资者会关注公司的资产负债率来评估其财务稳定性和潜在风险，资产负债率过高可能暗示公司面临较大的偿债压力，增加投资风险，从而对股票价格产生负面影响。其四为营业收入增长率（Growth），通过（本期营业收入-上期营业收入）除以上期营业收入计算得出，该指标反映了公司业务的增长速度和发展潜力，体现了公司在市场中的竞争力和扩张能力，较高的营业收入增长率通常被视为公司具有良好发展前景的信号，能够吸引投资者的兴趣，对股票价格产生正向推动作用。控制变量：纳入多个可能对股票价格产生影响的其他因素作为控制变量。公司规模（Size），以年末总资产的自然对数来度量，公司规模越大，通常在市场中的影响力和稳定性越强，可能会对股票价格产生影响，将其作为控制变量可以排除公司规模因素对会计信息与股票价格相关性的干扰。成长性（MB），用市值与账面价值之比来衡量，反映了市场对公司未来成长潜力的预期，成长性较高的公司往往更受投资者青睐，股票价格也可能受到影响，控制该变量有助于更准确地分析会计信息与股票价格的关系。行业竞争程度（HHI），采用赫芬达尔-赫希曼指数来度量，该指数通过计算行业内各企业市场份额的平方和得到，能够反映行业的竞争态势，竞争程度不同的行业，其会计信息对股票价格的影响可能存在差异，控制行业竞争程度可以使研究结果更具针对性和准确性。宏观经济环境（GDP），以国内生产总值增长率来衡量，宏观经济环境的变化会对整个股票市场产生影响，进而影响股票价格，将其作为控制变量可以考虑到宏观经济因素对研究结果的作用。变量定义与度量汇总如表1所示：|变量类型|变量名称|变量符号|度量方式||----|----|----|----||被解释变量|股票价格|Price|上市公司年末股票收盘价||解释变量|每股收益|EPS|净利润/年末普通股股数||解释变量|净资产收益率|ROE|净利润/平均净资产||解释变量|资产负债率|Lev|总负债/总资产||解释变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|成长性|MB|市值/账面价值||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||变量类型|变量名称|变量符号|度量方式||----|----|----|----||被解释变量|股票价格|Price|上市公司年末股票收盘价||解释变量|每股收益|EPS|净利润/年末普通股股数||解释变量|净资产收益率|ROE|净利润/平均净资产||解释变量|资产负债率|Lev|总负债/总资产||解释变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|成长性|MB|市值/账面价值||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||----|----|----|----||被解释变量|股票价格|Price|上市公司年末股票收盘价||解释变量|每股收益|EPS|净利润/年末普通股股数||解释变量|净资产收益率|ROE|净利润/平均净资产||解释变量|资产负债率|Lev|总负债/总资产||解释变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|成长性|MB|市值/账面价值||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||被解释变量|股票价格|Price|上市公司年末股票收盘价||解释变量|每股收益|EPS|净利润/年末普通股股数||解释变量|净资产收益率|ROE|净利润/平均净资产||解释变量|资产负债率|Lev|总负债/总资产||解释变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|成长性|MB|市值/账面价值||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||解释变量|每股收益|EPS|净利润/年末普通股股数||解释变量|净资产收益率|ROE|净利润/平均净资产||解释变量|资产负债率|Lev|总负债/总资产||解释变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|成长性|MB|市值/账面价值||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||解释变量|净资产收益率|ROE|净利润/平均净资产||解释变量|资产负债率|Lev|总负债/总资产||解释变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|成长性|MB|市值/账面价值||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||解释变量|资产负债率|Lev|总负债/总资产||解释变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|成长性|MB|市值/账面价值||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||解释变量|营业收入增长率|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|成长性|MB|市值/账面价值||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|成长性|MB|市值/账面价值||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||控制变量|成长性|MB|市值/账面价值||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||控制变量|行业竞争程度|HHI|赫芬达尔-赫希曼指数||控制变量|宏观经济环境|GDP|国内生产总值增长率||控制变量|宏观经济环境|GDP|国内生产总值增长率|3.3模型构建为深入探究不同行业上市公司会计信息与股票价格之间的相关性，构建如下多元线性回归模型：Price_{it}=\beta_{0}+\beta_{1}EPS_{it}+\beta_{2}ROE_{it}+\beta_{3}Lev_{it}+\beta_{4}Growth_{it}+\beta_{5}Size_{it}+\beta_{6}MB_{it}+\beta_{7}HHI_{it}+\beta_{8}GDP_{t}+\epsilon_{it}其中，i表示第i家上市公司，t表示年份；Price_{it}为被解释变量，代表第i家公司在t年份的股票价格；\beta_{0}为常数项；\beta_{1}-\beta_{8}为各变量的回归系数；EPS_{it}、ROE_{it}、Lev_{it}、Growth_{it}分别为解释变量，依次是第i家公司在t年份的每股收益、净资产收益率、资产负债率和营业收入增长率，这些会计信息指标从不同角度反映了公司的财务状况和经营成果，用以探究它们对股票价格的直接影响。Size_{it}、MB_{it}、HHI_{it}、GDP_{t}为控制变量，分别代表第i家公司在t年份的公司规模、成长性，第i家公司所处行业在t年份的竞争程度，以及t年份的宏观经济环境，控制这些因素可以排除其他因素对会计信息与股票价格相关性的干扰，使研究结果更准确地反映会计信息与股票价格之间的内在关系；\epsilon_{it}为随机误差项，反映了模型中未考虑到的其他随机因素对股票价格的影响。该模型设定基于多元线性回归的基本原理，假设股票价格与各解释变量和控制变量之间存在线性关系。通过估计回归系数\beta_{1}-\beta_{8}，可以确定各变量对股票价格的影响方向和程度。若\beta_{1}显著为正，表明每股收益与股票价格呈正相关关系，即每股收益的增加会导致股票价格上升；若\beta_{3}显著为负，则说明资产负债率与股票价格呈负相关，资产负债率的提高会使股票价格下降。通过对该模型的估计和分析，能够深入了解不同行业中会计信息对股票价格的影响机制，以及其他因素对这种相关性的调节作用。四、实证结果与分析4.1描述性统计对筛选后的样本数据进行描述性统计分析，结果如表2所示，涵盖了各个变量的样本量、均值、标准差、最小值和最大值等统计信息。变量样本量均值标准差最小值最大值Price[具体样本量][均值数值][标准差数值][最小值数值][最大值数值]EPS[具体样本量][均值数值][标准差数值][最小值数值][最大值数值]ROE[具体样本量][均值数值][标准差数值][最小值数值][最大值数值]Lev[具体样本量][均值数值][标准差数值][最小值数值][最大值数值]Growth[具体样本量][均值数值][标准差数值][最小值数值][最大值数值]Size[具体样本量][均值数值][标准差数值][最小值数值][最大值数值]MB[具体样本量][均值数值][标准差数值][最小值数值][最大值数值]HHI[具体样本量][均值数值][标准差数值][最小值数值][最大值数值]GDP[具体样本量][均值数值][标准差数值][最小值数值][最大值数值]从股票价格（Price）来看，均值为[均值数值]，标准差为[标准差数值]，表明样本公司的股票价格存在一定程度的差异。最小值为[最小值数值]，最大值为[最大值数值]，说明不同公司的股票价格在样本期间内分布范围较广，这可能受到公司自身财务状况、行业发展前景以及宏观经济环境等多种因素的综合影响。一些业绩优良、处于新兴行业且具有良好发展前景的公司，其股票价格可能相对较高；而一些经营不善、面临行业困境或受到宏观经济不利影响的公司，股票价格则可能较低。在会计信息指标方面，每股收益（EPS）均值为[均值数值]，反映了样本公司平均每股的盈利水平，但标准差为[标准差数值]，说明各公司之间的每股收益差异较为明显。这可能是由于不同行业的盈利模式和竞争环境不同，导致公司盈利能力参差不齐。例如，高新技术行业的公司可能由于前期大量的研发投入，在短期内每股收益较低，但随着技术的突破和市场份额的扩大，后期盈利增长潜力较大；而传统制造业公司可能盈利相对稳定，但增长速度较慢。净资产收益率（ROE）均值为[均值数值]，标准差为[标准差数值]，体现了各公司运用自有资本获取收益的能力存在较大差异。ROE较高的公司通常表明其经营效率和盈利能力较强，能够更有效地利用股东权益创造价值；而ROE较低的公司则可能需要优化经营管理，提高资产运营效率。资产负债率（Lev）均值为[均值数值]，标准差为[标准差数值]，说明样本公司的负债水平存在一定的波动。一般来说，资产负债率过高可能意味着公司面临较大的偿债压力和财务风险，而资产负债率过低则可能表示公司未能充分利用财务杠杆来扩大经营规模。不同行业的资产负债率合理范围也有所不同，例如，房地产行业通常需要大量资金投入，资产负债率普遍较高；而一些轻资产的服务业公司，资产负债率相对较低。营业收入增长率（Growth）均值为[均值数值]，标准差为[标准差数值]，显示出样本公司的业务增长速度存在较大差异。高营业收入增长率的公司往往具有较强的市场竞争力和发展潜力，可能受益于新产品的推出、市场份额的扩大或行业的快速发展；而营业收入增长率较低甚至为负的公司，则可能面临市场竞争加剧、产品老化或行业衰退等问题。控制变量方面，公司规模（Size）以年末总资产的自然对数衡量，均值为[均值数值]，标准差为[标准差数值]，表明样本公司在规模上存在明显差异。规模较大的公司通常具有更强的市场影响力、资源整合能力和抗风险能力，但也可能面临管理复杂度增加、创新动力不足等问题；规模较小的公司则可能具有更高的灵活性和创新活力，但在资金、技术和人才等方面可能相对薄弱。成长性（MB）均值为[均值数值]，标准差为[标准差数值]，反映了市场对样本公司未来成长潜力的预期存在较大分歧。MB值较高的公司被市场认为具有较高的成长潜力，可能吸引更多投资者的关注和资金投入；而MB值较低的公司则可能需要努力提升自身的竞争力和发展前景，以改变市场对其的预期。行业竞争程度（HHI）均值为[均值数值]，标准差为[标准差数值]，说明不同行业的竞争态势存在差异。HHI值较低的行业竞争较为激烈，市场份额分散，企业面临较大的竞争压力，需要不断创新和提升服务质量来争夺市场份额；而HHI值较高的行业则可能存在一定的垄断性，少数企业占据较大的市场份额，竞争相对缓和。宏观经济环境（GDP）均值为[均值数值]，标准差为[标准差数值]，体现了样本期间内宏观经济的波动情况。宏观经济环境的变化会对所有上市公司产生影响，在经济增长较快时期，公司的经营环境相对较好，市场需求旺盛，有利于公司业绩的提升；而在经济衰退时期，公司可能面临市场需求萎缩、成本上升等问题，对公司的发展产生不利影响。4.2相关性分析为初步探究各变量之间的关系，对样本数据进行相关性分析，结果如表3所示，展示了股票价格（Price）与每股收益（EPS）、净资产收益率（ROE）、资产负债率（Lev）、营业收入增长率（Growth）以及各控制变量之间的Pearson相关系数。变量PriceEPSROELevGrowthSizeMBHHIGDPPrice1EPS[EPS与Price的相关系数数值]1ROE[ROE与Price的相关系数数值][ROE与EPS的相关系数数值]1Lev[Lev与Price的相关系数数值][Lev与EPS的相关系数数值][Lev与ROE的相关系数数值]1Growth[Growth与Price的相关系数数值][Growth与EPS的相关系数数值][Growth与ROE的相关系数数值][Growth与Lev的相关系数数值]1Size[Size与Price的相关系数数值][Size与EPS的相关系数数值][Size与ROE的相关系数数值][Size与Lev的相关系数数值][Size与Growth的相关系数数值]1MB[MB与Price的相关系数数值][MB与EPS的相关系数数值][MB与ROE的相关系数数值][MB与Lev的相关系数数值][MB与Growth的相关系数数值][MB与Size的相关系数数值]1HHI[HHI与Price的相关系数数值][HHI与EPS的相关系数数值][HHI与ROE的相关系数数值][HHI与Lev的相关系数数值][HHI与Growth的相关系数数值][HHI与Size的相关系数数值][HHI与MB的相关系数数值]1GDP[GDP与Price的相关系数数值][GDP与EPS的相关系数数值][GDP与ROE的相关系数数值][GDP与Lev的相关系数数值][GDP与Growth的相关系数数值][GDP与Size的相关系数数值][GDP与MB的相关系数数值][GDP与HHI的相关系数数值]1从表3中可以看出，股票价格（Price）与每股收益（EPS）的相关系数为[EPS与Price的相关系数数值]，且在[具体显著性水平]上显著正相关，这表明每股收益的增加往往伴随着股票价格的上升，直观地体现了公司盈利能力与股票价格之间的正向关联，即公司每股盈利水平越高，股票价格通常也越高。股票价格与净资产收益率（ROE）的相关系数为[ROE与Price的相关系数数值]，同样在[具体显著性水平]上显著正相关，进一步验证了公司运用自有资本获取收益的能力越强，对股票价格的提升作用越明显，较高的净资产收益率反映出公司良好的经营效率和盈利能力，受到投资者的青睐，从而推动股票价格上涨。股票价格与资产负债率（Lev）的相关系数为[Lev与Price的相关系数数值]，在[具体显著性水平]上显著负相关，说明资产负债率的提高会使股票价格下降，资产负债率过高意味着公司面临较大的偿债压力和财务风险，投资者对公司的信心可能受到影响，进而导致股票价格下跌。股票价格与营业收入增长率（Growth）的相关系数为[Growth与Price的相关系数数值]，在[具体显著性水平]上显著正相关，表明公司业务增长速度越快，市场对其未来发展前景的预期越高，股票价格也会相应上涨，高营业收入增长率体现了公司较强的市场竞争力和发展潜力，吸引投资者的关注和资金投入。在控制变量方面，公司规模（Size）与股票价格的相关系数为[Size与Price的相关系数数值]，在[具体显著性水平]上显著正相关，说明规模较大的公司通常在市场中具有更强的影响力和稳定性，更容易获得投资者的认可，从而股票价格相对较高。成长性（MB）与股票价格的相关系数为[MB与Price的相关系数数值]，在[具体显著性水平]上显著正相关，反映出市场对公司未来成长潜力的预期越高，股票价格也越高，高成长性公司往往具有更大的发展空间和投资价值，受到投资者的追捧。行业竞争程度（HHI）与股票价格的相关系数为[HHI与Price的相关系数数值]，在[具体显著性水平]上显著正相关，表明行业竞争程度相对较低，市场集中度较高时，企业在市场中具有更强的定价能力和盈利能力，股票价格也会受到积极影响。宏观经济环境（GDP）与股票价格的相关系数为[GDP与Price的相关系数数值]，在[具体显著性水平]上显著正相关，体现了宏观经济环境的改善会对股票价格产生正向推动作用，在经济增长较快时期，市场需求旺盛，公司的经营环境相对较好，有利于公司业绩的提升，进而带动股票价格上涨。为更深入分析不同行业之间的差异，对各行业样本分别进行相关性分析。结果显示，制造业中，每股收益（EPS）与股票价格（Price）的相关系数为[制造业中EPS与Price的相关系数数值]，显著正相关，表明在制造业中，公司的每股盈利水平对股票价格的影响较为显著，投资者高度关注制造业公司的盈利能力，盈利能力的提升能有效推动股票价格上涨。信息技术业中，营业收入增长率（Growth）与股票价格的相关系数为[信息技术业中Growth与Price的相关系数数值]，显著正相关，这体现了信息技术行业技术更新换代快，市场更看重公司的业务增长速度和发展潜力，高营业收入增长率往往伴随着更高的股票价格。批发零售业中，资产负债率（Lev）与股票价格的相关系数为[批发零售业中Lev与Price的相关系数数值]，显著负相关，说明批发零售业企业的负债水平对股票价格的影响较为明显，过高的负债可能导致企业面临较大的财务风险，从而对股票价格产生负面影响。房地产业中，净资产收益率（ROE）与股票价格的相关系数为[房地产业中ROE与Price的相关系数数值]，显著正相关，表明房地产业企业运用自有资本获取收益的能力对股票价格具有重要影响，较高的净资产收益率反映出企业良好的经营状况和盈利能力，有助于提升股票价格。交通运输业中，每股收益（EPS）与股票价格的相关系数为[交通运输业中EPS与Price的相关系数数值]，显著正相关，说明交通运输业公司的每股盈利水平是影响股票价格的关键因素之一，盈利能力的增强能有效提升股票价格。通过上述相关性分析，初步判断会计信息与股票价格之间存在显著的相关性，且不同行业之间存在一定差异。这为后续进一步构建回归模型，深入探究会计信息对股票价格的影响程度及作用机制奠定了基础。4.3回归结果分析4.3.1总体回归结果对构建的多元线性回归模型进行估计，得到总体样本的回归结果如表4所示。|变量|系数|标准误|t值|P>|t||[95%置信区间下限]|[95%置信区间上限]||----|----|----|----|----|----|----||EPS|[EPS系数估计值]|[EPS标准误]|[EPS的t值]|[EPS的P值]|[EPS置信区间下限]|[EPS置信区间上限]||ROE|[ROE系数估计值]|[ROE标准误]|[ROE的t值]|[ROE的P值]|[ROE置信区间下限]|[ROE置信区间上限]||Lev|[Lev系数估计值]|[Lev标准误]|[Lev的t值]|[Lev的P值]|[Lev置信区间下限]|[Lev置信区间上限]||Growth|[Growth系数估计值]|[Growth标准误]|[Growth的t值]|[Growth的P值]|[Growth置信区间下限]|[Growth置信区间上限]||Size|[Size系数估计值]|[Size标准误]|[Size的t值]|[Size的P值]|[Size置信区间下限]|[Size置信区间上限]||MB|[MB系数估计值]|[MB标准误]|[MB的t值]|[MB的P值]|[MB置信区间下限]|[MB置信区间上限]||HHI|[HHI系数估计值]|[HHI标准误]|[HHI的t值]|[HHI的P值]|[HHI置信区间下限]|[HHI置信区间上限]||GDP|[GDP系数估计值]|[GDP标准误]|[GDP的t值]|[GDP的P值]|[GDP置信区间下限]|[GDP置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]||----|----|----|----|----|----|----||EPS|[EPS系数估计值]|[EPS标准误]|[EPS的t值]|[EPS的P值]|[EPS置信区间下限]|[EPS置信区间上限]||ROE|[ROE系数估计值]|[ROE标准误]|[ROE的t值]|[ROE的P值]|[ROE置信区间下限]|[ROE置信区间上限]||Lev|[Lev系数估计值]|[Lev标准误]|[Lev的t值]|[Lev的P值]|[Lev置信区间下限]|[Lev置信区间上限]||Growth|[Growth系数估计值]|[Growth标准误]|[Growth的t值]|[Growth的P值]|[Growth置信区间下限]|[Growth置信区间上限]||Size|[Size系数估计值]|[Size标准误]|[Size的t值]|[Size的P值]|[Size置信区间下限]|[Size置信区间上限]||MB|[MB系数估计值]|[MB标准误]|[MB的t值]|[MB的P值]|[MB置信区间下限]|[MB置信区间上限]||HHI|[HHI系数估计值]|[HHI标准误]|[HHI的t值]|[HHI的P值]|[HHI置信区间下限]|[HHI置信区间上限]||GDP|[GDP系数估计值]|[GDP标准误]|[GDP的t值]|[GDP的P值]|[GDP置信区间下限]|[GDP置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]||EPS|[EPS系数估计值]|[EPS标准误]|[EPS的t值]|[EPS的P值]|[EPS置信区间下限]|[EPS置信区间上限]||ROE|[ROE系数估计值]|[ROE标准误]|[ROE的t值]|[ROE的P值]|[ROE置信区间下限]|[ROE置信区间上限]||Lev|[Lev系数估计值]|[Lev标准误]|[Lev的t值]|[Lev的P值]|[Lev置信区间下限]|[Lev置信区间上限]||Growth|[Growth系数估计值]|[Growth标准误]|[Growth的t值]|[Growth的P值]|[Growth置信区间下限]|[Growth置信区间上限]||Size|[Size系数估计值]|[Size标准误]|[Size的t值]|[Size的P值]|[Size置信区间下限]|[Size置信区间上限]||MB|[MB系数估计值]|[MB标准误]|[MB的t值]|[MB的P值]|[MB置信区间下限]|[MB置信区间上限]||HHI|[HHI系数估计值]|[HHI标准误]|[HHI的t值]|[HHI的P值]|[HHI置信区间下限]|[HHI置信区间上限]||GDP|[GDP系数估计值]|[GDP标准误]|[GDP的t值]|[GDP的P值]|[GDP置信区间下限]|[GDP置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]||ROE|[ROE系数估计值]|[ROE标准误]|[ROE的t值]|[ROE的P值]|[ROE置信区间下限]|[ROE置信区间上限]||Lev|[Lev系数估计值]|[Lev标准误]|[Lev的t值]|[Lev的P值]|[Lev置信区间下限]|[Lev置信区间上限]||Growth|[Growth系数估计值]|[Growth标准误]|[Growth的t值]|[Growth的P值]|[Growth置信区间下限]|[Growth置信区间上限]||Size|[Size系数估计值]|[Size标准误]|[Size的t值]|[Size的P值]|[Size置信区间下限]|[Size置信区间上限]||MB|[MB系数估计值]|[MB标准误]|[MB的t值]|[MB的P值]|[MB置信区间下限]|[MB置信区间上限]||HHI|[HHI系数估计值]|[HHI标准误]|[HHI的t值]|[HHI的P值]|[HHI置信区间下限]|[HHI置信区间上限]||GDP|[GDP系数估计值]|[GDP标准误]|[GDP的t值]|[GDP的P值]|[GDP置信区间下限]|[GDP置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]||Lev|[Lev系数估计值]|[Lev标准误]|[Lev的t值]|[Lev的P值]|[Lev置信区间下限]|[Lev置信区间上限]||Growth|[Growth系数估计值]|[Growth标准误]|[Growth的t值]|[Growth的P值]|[Growth置信区间下限]|[Growth置信区间上限]||Size|[Size系数估计值]|[Size标准误]|[Size的t值]|[Size的P值]|[Size置信区间下限]|[Size置信区间上限]||MB|[MB系数估计值]|[MB标准误]|[MB的t值]|[MB的P值]|[MB置信区间下限]|[MB置信区间上限]||HHI|[HHI系数估计值]|[HHI标准误]|[HHI的t值]|[HHI的P值]|[HHI置信区间下限]|[HHI置信区间上限]||GDP|[GDP系数估计值]|[GDP标准误]|[GDP的t值]|[GDP的P值]|[GDP置信区间下限]|[GDP置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]||Growth|[Growth系数估计值]|[Growth标准误]|[Growth的t值]|[Growth的P值]|[Growth置信区间下限]|[Growth置信区间上限]||Size|[Size系数估计值]|[Size标准误]|[Size的t值]|[Size的P值]|[Size置信区间下限]|[Size置信区间上限]||MB|[MB系数估计值]|[MB标准误]|[MB的t值]|[MB的P值]|[MB置信区间下限]|[MB置信区间上限]||HHI|[HHI系数估计值]|[HHI标准误]|[HHI的t值]|[HHI的P值]|[HHI置信区间下限]|[HHI置信区间上限]||GDP|[GDP系数估计值]|[GDP标准误]|[GDP的t值]|[GDP的P值]|[GDP置信区间下限]|[GDP置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]||Size|[Size系数估计值]|[Size标准误]|[Size的t值]|[Size的P值]|[Size置信区间下限]|[Size置信区间上限]||MB|[MB系数估计值]|[MB标准误]|[MB的t值]|[MB的P值]|[MB置信区间下限]|[MB置信区间上限]||HHI|[HHI系数估计值]|[HHI标准误]|[HHI的t值]|[HHI的P值]|[HHI置信区间下限]|[HHI置信区间上限]||GDP|[GDP系数估计值]|[GDP标准误]|[GDP的t值]|[GDP的P值]|[GDP置信区间下限]|[GDP置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]||MB|[MB系数估计值]|[MB标准误]|[MB的t值]|[MB的P值]|[MB置信区间下限]|[MB置信区间上限]||HHI|[HHI系数估计值]|[HHI标准误]|[HHI的t值]|[HHI的P值]|[HHI置信区间下限]|[HHI置信区间上限]||GDP|[GDP系数估计值]|[GDP标准误]|[GDP的t值]|[GDP的P值]|[GDP置信区间下限]|[GDP置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]||HHI|[HHI系数估计值]|[HHI标准误]|[HHI的t值]|[HHI的P值]|[HHI置信区间下限]|[HHI置信区间上限]||GDP|[GDP系数估计值]|[GDP标准误]|[GDP的t值]|[GDP的P值]|[GDP置信区间下限]|[GDP置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]||GDP|[GDP系数估计值]|[GDP标准误]|[GDP的t值]|[GDP的P值]|[GDP置信区间下限]|[GDP置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]||cons|[常数项系数估计值]|[常数项标准误]|[常数项的t值]|[常数项的P值]|[常数项置信区间下限]|[常数项置信区间上限]|从表4中可以看出，在总体样本回归结果中，每股收益（EPS）的回归系数为[EPS系数估计值]，在[具体显著性水平]上显著为正，这表明在控制其他变量的情况下，每股收益每增加1单位，股票价格平均将上升[EPS系数估计值]单位，充分体现了公司盈利能力对股票价格的正向影响。净资产收益率（ROE）的回归系数为[ROE系数估计值]，同样在[具体显著性水平]上显著为正，意味着净资产收益率越高，公司运用自有资本获取收益的能力越强，对股票价格的提升作用也越明显。资产负债率（Lev）的回归系数为[Lev系数估计值]，在[具体显著性水平]上显著为负，说明资产负债率的提高会导致股票价格下降，过高的资产负债率会增加公司的财务风险，降低投资者对公司的信心，从而使股票价格受到负面影响。营业收入增长率（Growth）的回归系数为[Growth系数估计值]，在[具体显著性水平]上显著为正，表明公司业务增长速度越快，市场对其未来发展前景的预期越高，股票价格也会相应上涨。在控制变量方面，公司规模（Size）的回归系数为[Size系数估计值]，在[具体显著性水平]上显著为正，说明规模较大的公司通常在市场中具有更强的稳定性和抗风险能力，更能获得投资者的认可，股票价格也相对较高。成长性（MB）的回归系数为[MB系数估计值]，在[具体显著性水平]上显著为正，反映出市场对公司未来成长潜力的预期越高，股票价格也越高，高成长性公司往往具有更大的发展空间和投资价值，受到投资者的追捧。行业竞争程度（HHI）的回归系数为[HHI系数估计值]，在[具体显著性水平]上显著为正，表明行业竞争程度相对较低，市场集中度较高时，企业在市场中具有更强的定价能力和盈利能力，股票价格也会受到积极影响。宏观经济环境（GDP）的回归系数为[GDP系数估计值]，在[具体显著性水平]上显著为正，体现了宏观经济环境的改善会对股票价格产生正向推动作用，在经济增长较快时期，市场需求旺盛，公司的经营环境相对较好，有利于公司业绩的提升，进而带动股票价格上涨。通过总体样本的回归结果，可以得出会计信息对股票价格具有显著影响，且影响方向与理论预期一致。这一结果初步验证了研究假设，为进一步分析不同行业的差异奠定了基础。同时，控制变量的显著影响也表明，公司规模、成长性、行业竞争态势和宏观经济环境等因素在股票价格形成过程中同样发挥着重要作用。4.3.2分行业回归结果为深入探究不同行业上市公司会计信息与股票价格相关性的差异，对各行业样本分别进行回归分析，结果如表5所示，展示了制造业、信息技术业、批发零售业、房地产业和交通运输业等主要行业的回归系数及显著性水平。行业EPS系数ROE系数Lev系数Growth系数Size系数MB系数HHI系数GDP系数制造业[制造业EPS系数估计值][制造业ROE系数估计值][制造业Lev系数估计值][制造业Growth系数估计值][制造业Size系数估计值][制造业MB系数估计值][制造业HHI系数估计值][制造业GDP系数估计值]信息技术业[信息技术业EPS系数估计值][信息技术业ROE系数估计值][信息技术业Lev系数估计值][信息技术业Growth系数估计值][信息技术业Size系数估计值][信息技术业MB系数估计值][信息技术业HHI系数估计值][信息技术业GDP系数估计值]批发零售业[批发零售业EPS系数估计值][批发零售业ROE系数估计值][批发零售业Lev系数估计值][批发零售业Growth系数估计值][批发零售业Size系数估计值][批发零售业MB系数估计值][批发零售业HHI系数估计值][批发零售业GDP系数估计值]房地产业[房地产业EPS系数估计值][房地产业ROE系数估计值][房地产业Lev系数估计值][房地产业Growth系数估计值][房地产业Size系数估计值][房地产业MB系数估计值][房地产业HHI系数估计值][房地产业GDP系数估计值]交通运输业[交通运输业EPS系数估计值][交通运输业ROE系数估计值][交通运输业Lev系数估计值][交通运输业Growth系数估计值][交通运输业Size系数估计值][交通运输业MB系数估计值][交通运输业HHI系数估计值][交通运输业GDP系数估计值]在制造业中，每股收益（EPS）的回归系数为[制造业EPS系数估计值]，在[具体显著性水平]上显著为正，表明制造业公司的每股盈利水平对股票价格具有显著的正向影响，这与制造业注重生产规模和产品竞争力，盈利能力是衡量公司价值的关键因素的行业特点相符。净资产收益率（ROE）的回归系数为[制造业ROE系数估计值]，在[具体显著性水平]上显著为正，体现了制造业企业运用自有资本获取收益的能力对股票价格的提升作用。资产负债率（Lev）的回归系数为[制造业Lev系数估计值]，在[具体显著性水平]上显著为负，说明制造业企业负债水平的增加会对股票价格产生负面影响，过高的负债可能导致企业面临较大的偿债压力，影响投资者对企业的信心。营业收入增长率（Growth）的回归系数为[制造业Growth系数估计值]，在[具体显著性水平]上显著为正，反映出制造业公司业务增长速度的加快能有效提升股票价格，业务增长通常意味着企业在市场中的份额扩大和竞争力增强。信息技术业中，每股收益（EPS）的回归系数为[信息技术业EPS系数估计值]，在[具体显著性水平]上显著为正，表明信息技术业公司的盈利能力对股票价格有正向影响。但相比其他行业，营业收入增长率（Growth）的回归系数[信息技术业Growth系数估计值]更为显著，这是由于信息技术行业技术更新换代快，市场对公司的未来发展潜力高度关注，业务增长速度成为影响股票价格的关键因素。净资产收益率（ROE）和资产负债率（Lev）的回归系数虽然也在一定程度上影响股票价格，但显著性相对较低，这可能是因为信息技术业企业多为轻资产运营，资产结构和盈利模式与传统行业不同，使得净资产收益率和资产负债率对股票价格的影响相对较弱。批发零售业中，每股收益（EPS）的回归系数为[批发零售业EPS系数估计值]，在[具体显著性水平]上显著为正，体现了盈利能力对股票价格的正向作用。资产负债率（Lev）的回归系数为[批发零售业Lev系数估计值]，在[具体显著性水平]上显著为负，且绝对值相对较大，说明批发零售业企业的负债水平对股票价格的影响较为明显。批发零售业通常资金周转较快，负债经营较为普遍，但过高的负债会增加企业的财务风险，对股票价格产生较大的负面影响。营业收入增长率（Growth）的回归系数为[批发零售业Growth系数估计值]，在[具体显著性水平]上显著为正，反映出业务增长对股票价格的推动作用。房地产业中，每股收益（EPS）的回归系数为[房地产业EPS系数估计值]，在[具体显著性水平]上显著为正，表明盈利能力是影响房地产业股票价格的重要因素。净资产收益率（ROE）的回归系数为[房地产业ROE系数估计值]，在[具体显著性水平]上显著为正，体现了企业运用自有资本获取收益的能力对股票价格的提升作用。资产负债率（Lev）的回归系数为[房地产业Lev系数估计值]，在[具体显著性水平]上显著为负，房地产业是资金密集型行业，资产负债率普遍较高，过高的负债会增加企业的财务风险，对股票价格产生负面影响。营业收入增长率（Growth）的回归系数为[房地产业Growth系数估计值]，在[具体显著性水平]上显著为正，反映出房地产业公司业务增长对股票价格的积极影响。交通运输业中，每股收益（EPS）的回归系数为[交通运输业EPS系数估计值]，在[具体显著性水平]上显著为正，表明交通运输业公司的每股盈利水平对股票价格具有显著的正向影响，盈利能力是投资者关注的重要指标。净资产收益率（ROE）的回归系数为[交通运输业ROE系数估计值]，在[具体显著性水平]上显著为正，体现了企业运用自有资本获取收益的能力对股票价格的提升作用。资产负债率（Lev）的回归系数为[交通运输业Lev系数估计值]，在[具体显著性水平]上显著为负，说明负债水平的增加会对股票价格产生负面影响。营业收入增长率（Growth）的回归系数为[交通运输业Growth系数估计值]，在[具体显著性水平]上显著为正，反映出交通运输业公司业务增长速度的加快能有效提升股票价格。通过分行业回归结果可以看出，不同行业上市公司会计信息与股票价格的相关性存在明显差异。这主要是由于各行业的经济特征、经营模式和市场环境不同，导致投资者对不同行业会计信息的关注重点和敏感度不同。在制造业和交通运输业中，盈利能力相关指标（EPS、ROE）对股票价格的影响较为显著；在信息技术业中，营业收入增长率对股票价格的影响更为突出；在批发零售业中，资产负债率对股票价格的影响较大；在房地产业中，由于其资金密集型的特点，资产负债率和盈利能力相关指标对股票价格都有重要影响。这些差异为投资者在不同行业进行投资决策时提供了更具针对性的参考，也为上市公司根据自身行业特点优化信息披露和经营策略提供了依据。4.4稳健性检验为确保研究结果的可靠性和稳定性，采用多种方法进行稳健性检验。一是替换变量法，用息税前利润（EBIT）替代每股收益（EPS），以营业利润与资产总额的比值替代净资产收益率（ROE），以此检验研究结论是否对变量的选取敏感。运用新的变量重新进行回归分析，结果显示各会计信息指标与股票价格的相关性方向和显著性水平与原回归结果基本一致，这表明即使更换了部分关键变量，研究结论依然保持稳定，会计信息对股票价格的影响关系并未因变量的替换而发生显著改变。二是分年度回归检验，将样本数据按年份进行划分，对每年的数据分别进行回归分析，以检验研究结果在不同年份是否具有一致性。分年度回归结果显示，在各个年份中，会计信息与股票价格的相关性在方向和显著性上基本保持稳定，尽管个别年份的回归系数可能存在一定波动，但总体趋势与总体样本回归结果相符，这说明研究结论在时间维度上具有较好的稳定性，不受特定年份经济环境或其他偶然因素的显著影响。三是采用不同的估计方法，使用广义最小二乘法（GLS）对模型进行重新估计，以考虑可能存在的异方差和自相关问题，检验研究结果是否受估计方法的影响。通过GLS估计后，各变量的回归系数符号和显著性水平与原普通最小二乘法（OLS）估计结果基本一致，这表明研究结论对估计方法具有较强的稳健性，无论采用何种估计方法，会计信息与股票价格之间的关系都较为稳定。通过上述稳健性检验，结果均表明主结论具有较高的可靠性和稳定性，进一步支持了不同行业上市公司会计信息与股票价格存在显著相关性且不同行业之间存在差异的研究结论。这意味着研究结果并非偶然，而是具有较强的说服力和实践指导意义，为投资者、上市公司和监管机构提供了更可靠的参考依据。五、结果讨论5.1不同行业相关性差异的原因探讨不同行业上市公司会计信息与股票价格相关性存在差异，主要源于行业竞争、经营特点和宏观政策等多方面因素。行业竞争态势对会计信息与股票价格相关性有显著影响。在竞争激烈的行业，如批发零售业，市场饱和度