上市公司关联交易对盈余质量影响的实证剖析：基于多维度视角与经济后果探究

上市公司关联交易对盈余质量影响的实证剖析：基于多维度视角与经济后果探究一、引言1.1研究背景与动因在当今资本市场中，上市公司关联交易现象极为普遍，且交易金额庞大。关联交易指的是上市公司与关联方之间转移资源、劳务或义务的行为，这些关联方涵盖了控股股东、实际控制人、子公司、合营企业以及联营企业等。从现实情况来看，关联交易存在一定的客观性与合理性。一方面，它能够有效降低交易成本，实现资源的优化配置。例如，企业集团内部的关联方之间进行原材料采购、产品销售等交易，由于彼此熟悉，信息沟通成本低，交易流程得以简化，从而节省了时间和费用。另一方面，关联交易可以加强企业间的合作与协同，提升整体竞争力，促进企业的战略发展。然而，不可忽视的是，关联交易也潜藏着诸多风险。由于交易双方存在特殊关系，信息不对称的情况较为突出，这就使得交易过程中极易出现利益输送、操纵利润等非公允行为。控股股东可能利用其对上市公司的控制权，通过不合理的关联交易，将上市公司的利益转移至自身或其他关联方，从而严重损害了中小股东的利益。一些上市公司通过向关联方高价采购原材料、低价销售产品，实现利润的转移；还有些上市公司通过关联交易虚增收入和利润，以达到粉饰财务报表的目的，误导投资者的决策。盈余质量作为衡量上市公司财务状况和经营成果真实性、可持续性的关键指标，直接关系到投资者对公司价值的判断以及投资决策的制定。高质量的盈余意味着公司的盈利是基于真实的经营活动，具有较高的可持续性和稳定性，能够为投资者带来可靠的回报；反之，低质量的盈余则可能隐藏着财务风险，给投资者带来巨大损失。关联交易作为上市公司日常经营活动中的重要组成部分，其公允性和合理性对盈余质量有着直接且深远的影响。非公允的关联交易不仅会扭曲公司的真实盈利水平，误导投资者对公司盈利能力的判断，还会破坏资本市场的公平秩序，阻碍资源的有效配置。因此，深入研究上市公司关联交易对盈余质量的影响，具有重要的现实意义和理论价值。从现实角度来看，近年来资本市场中因关联交易引发的财务造假、利益输送等事件层出不穷，给投资者带来了惨重的损失，也严重影响了资本市场的健康发展。例如，某上市公司通过与关联方进行一系列复杂的资产交易，虚增了巨额利润，吸引了大量投资者的关注和投资。然而，随着监管部门的深入调查，这些非公允关联交易被曝光，公司股价暴跌，投资者遭受了巨大的经济损失。这些事件不仅凸显了加强关联交易监管的紧迫性，也使得研究关联交易对盈余质量的影响成为当务之急。只有深入了解关联交易与盈余质量之间的内在联系，才能更好地识别和防范非公允关联交易带来的风险，保护投资者的合法权益，维护资本市场的稳定和健康发展。从理论角度而言，尽管已有不少学者对关联交易和盈余质量进行了研究，但两者之间的具体影响机制和作用路径仍有待进一步深入探讨。不同类型的关联交易，如资产交易、资金往来、购销业务等，对盈余质量的影响方式和程度可能存在差异。此外，公司治理结构、行业特征、宏观经济环境等因素也可能在关联交易与盈余质量的关系中起到调节作用。因此，本研究旨在通过实证分析，深入剖析上市公司关联交易对盈余质量的影响，为完善关联交易监管制度、提高上市公司盈余质量提供理论支持和实践指导。1.2研究价值与实践意义本研究对上市公司关联交易与盈余质量关系的深入剖析，在理论与实践层面均具有重要意义。在理论上，丰富和拓展了关联交易和盈余质量领域的研究。过往研究虽已关注到两者联系，但在具体影响路径和作用机制上仍有探索空间。本研究从多维度深入分析不同类型关联交易对盈余质量的影响，如通过实证模型精确量化资产交易、资金往来、购销业务等关联交易与盈余质量指标间的关系，有助于深化对两者内在联系的理解。考虑公司治理结构、行业特征、宏观经济环境等因素在关联交易与盈余质量关系中的调节作用，构建更为全面、系统的理论框架，为后续研究提供新视角和思路，推动相关理论不断完善和发展。实践中，本研究成果对投资者、上市公司以及监管机构等资本市场参与主体具有重要指导意义。对于投资者而言，能够帮助其更准确地评估上市公司的真实财务状况和投资价值。投资者在做出投资决策时，往往依赖上市公司披露的财务信息，但非公允关联交易可能导致财务数据失真，误导投资判断。通过本研究，投资者可以了解关联交易对盈余质量的影响方式和程度，学会识别关联交易中的潜在风险，从而更加科学地分析公司财务报表，评估公司的盈利能力和可持续发展能力，做出更明智的投资决策，降低投资风险，提高投资收益。对于上市公司自身，研究结果有助于其优化内部治理，规范关联交易行为，提升盈余质量。上市公司通过合理规划关联交易，确保交易的公允性和透明度，避免因非公允关联交易损害公司声誉和股东利益。健全内部控制机制，加强对关联交易的审批和监督，能够有效防范利益输送等不当行为的发生，提高公司治理水平，增强市场竞争力，实现可持续发展。在监管机构层面，为其制定和完善相关监管政策提供有力依据。监管机构可依据研究结论，加强对上市公司关联交易的监管力度，完善信息披露制度，规范关联交易行为，遏制非公允关联交易的发生，维护资本市场的公平、公正和透明。加大对违规关联交易的处罚力度，提高违法成本，能够有效震慑不法行为，保护投资者的合法权益，促进资本市场的健康稳定发展。1.3研究思路与方法本研究采用实证研究方法，综合运用理论分析与数据检验，深入剖析上市公司关联交易对盈余质量的影响。研究思路遵循“理论分析-研究设计-实证检验-结果分析-结论与建议”的逻辑框架，逐步展开研究。在理论分析阶段，梳理国内外相关文献，明确关联交易和盈余质量的概念、分类及度量方法，深入阐述交易费用理论、委托代理理论、信息不对称理论和契约理论，为后续研究奠定坚实的理论基础。通过对各理论的分析，揭示关联交易产生的内在机制以及对盈余质量的潜在影响，探讨如何在不同理论视角下理解和解释关联交易与盈余质量之间的关系。研究设计环节，选取2018-2022年沪深A股上市公司作为研究样本，数据来源广泛，涵盖国泰安数据库（CSMAR）、万得数据库（Wind）以及上市公司年报，确保数据的全面性和准确性。为使数据更具研究价值，对原始数据进行严格筛选，剔除ST、*ST公司，金融类上市公司，数据缺失严重的公司以及当年上市的公司。通过这些筛选步骤，最终获得一个包含[X]个有效观测值的平衡面板数据，为实证研究提供可靠的数据支持。构建多元线性回归模型，以深入探究关联交易对盈余质量的影响。将盈余质量作为被解释变量，选用修正的琼斯模型计算的可操纵应计利润（DA）来度量，该指标能有效反映公司盈余中受管理层操纵的部分，数值越大，表明盈余质量越低。关联交易作为解释变量，从交易金额和交易频率两个维度进行衡量，分别设置关联交易金额占营业收入的比例（RPT_amt）和关联交易次数（RPT_freq）两个指标，以全面捕捉关联交易的不同特征对盈余质量的影响。引入公司规模（Size）、资产负债率（Lev）、盈利能力（ROA）、成长性（Growth）、独立董事比例（Indep）、股权集中度（Top1）等控制变量，以控制其他可能影响盈余质量的因素，确保研究结果的准确性和可靠性。构建的多元线性回归模型如下：DA_{i,t}=\beta_0+\beta_1RPT_amt_{i,t}+\beta_2RPT_freq_{i,t}+\sum_{j=1}^{6}\beta_{1+j}Control_{j,i,t}+\epsilon_{i,t}其中，DA_{i,t}表示第i家公司在第t年的可操纵应计利润；RPT_amt_{i,t}和RPT_freq_{i,t}分别表示第i家公司在第t年的关联交易金额占营业收入的比例和关联交易次数；Control_{j,i,t}表示第i家公司在第t年的第j个控制变量；\beta_0-\beta_{7}为回归系数；\epsilon_{i,t}为随机误差项。实证检验阶段，运用Stata16.0统计软件对数据进行描述性统计、相关性分析、回归分析以及一系列稳健性检验，以确保研究结果的可靠性和稳定性。描述性统计分析能够了解各变量的基本特征和分布情况，为后续分析提供基础；相关性分析用于初步判断变量之间的线性关系，避免多重共线性问题；回归分析则是核心环节，通过估计回归模型的系数，明确关联交易对盈余质量的影响方向和程度；稳健性检验采用多种方法，如替换被解释变量、替换解释变量、进行分样本回归等，以验证研究结果的稳健性和可靠性。结果分析阶段，深入剖析实证检验结果，揭示关联交易与盈余质量之间的内在关系。通过对回归系数的分析，判断关联交易金额和交易频率对盈余质量的影响是否显著，以及影响的方向是正向还是负向。探讨控制变量对盈余质量的影响，分析公司规模、资产负债率、盈利能力等因素在关联交易与盈余质量关系中所起的作用。结合理论分析和实证结果，从多个角度对研究结果进行解释和讨论，分析研究结果的合理性和潜在原因。根据研究结论，为投资者、上市公司和监管机构提出针对性的建议。为投资者提供识别关联交易风险、评估盈余质量的方法和策略，帮助其做出更明智的投资决策；建议上市公司完善内部治理结构，加强对关联交易的管理和监督，提高盈余质量；呼吁监管机构加强对上市公司关联交易的监管力度，完善相关法律法规和监管制度，维护资本市场的公平、公正和透明。总结研究的不足之处，对未来的研究方向提出展望，为后续研究提供参考和借鉴。1.4创新与不足本研究在研究视角和研究方法上具有一定的创新性。在研究视角方面，从多个维度深入剖析关联交易对盈余质量的影响，不仅关注关联交易的金额，还考虑交易频率，同时全面分析资产交易、资金往来、购销业务等不同类型关联交易的影响，为深入理解两者关系提供了更丰富的视角。在研究方法上，综合运用多种方法进行实证分析，构建多元线性回归模型，并进行一系列稳健性检验，确保研究结果的可靠性和稳定性。然而，本研究也存在一定的局限性。样本选取方面，虽然选取了2018-2022年沪深A股上市公司作为研究样本，但可能仍无法完全涵盖所有类型的上市公司和关联交易情况，研究结果的普适性可能受到一定影响。变量度量上，盈余质量和关联交易的度量指标虽然在现有研究中被广泛应用，但可能无法完全准确地反映其真实情况，存在一定的度量误差。对于关联交易与盈余质量之间的复杂关系，可能受到多种因素的交互影响，本研究虽考虑了部分控制变量，但仍可能遗漏一些重要因素，有待后续研究进一步完善。二、理论基石与文献综述2.1理论基础2.1.1关联交易理论关联交易，指的是在关联方之间所进行的资源、劳务或义务转移的行为，而无论是否存在价款的收取。依据《企业会计准则第36号——关联方披露》，一方若能够控制、共同控制另一方，或者对另一方施加重大影响，又或者两方及以上同受一方控制、共同控制或重大影响，那么这些主体之间便构成了关联方。这里所提及的控制，意味着有权对一个企业的财务和经营政策做出决定，并能够从该企业的经营活动中获取相应利益；重大影响则是指拥有参与一个企业财务和经营政策决策的权力，但并非具备决定权。在公司的日常运营中，关联交易极为常见，它本身属于中性行为，既可能带来积极影响，也可能产生消极影响。从积极层面来看，关联交易能够有效降低交易成本。由于交易双方存在关联关系，彼此之间的了解程度较高，在交易过程中可以减少信息搜寻成本、谈判成本以及监督成本等。企业集团内部的关联方之间进行原材料采购和产品销售，相较于外部市场交易，无需花费大量时间和精力去寻找合适的交易对象，也无需对交易对方的信誉和实力进行深入调查，从而大大节省了交易成本。关联交易还能够加强企业间的合作与协同效应，促进资源的优化配置。关联方之间可以通过整合各自的优势资源，实现产业链的协同发展，提高企业的整体竞争力。关联交易也存在消极影响。由于交易双方存在利益关联，信息不对称的情况较为突出，这就为非公允交易提供了可能性。控股股东可能利用其对上市公司的控制权，通过关联交易将上市公司的利益转移至自身或其他关联方，损害中小股东的利益。一些上市公司通过与关联方进行高价资产收购、低价资产出售等非公允交易，达到操纵利润、粉饰财务报表的目的，误导投资者的决策。关联交易的类型丰富多样，涵盖了多个方面。在会计准则中，常见的关联交易类型包括：购买或销售商品，这是最为常见的关联交易事项，企业集团成员之间相互购买或销售商品，能够节约交易成本，减少交易过程中的不确定性，但也可能成为公司调节利润的手段；购买或销售商品以外的其他资产，如母公司向子公司销售设备或建筑物等，此类交易涉及公司资产的流动，若交易价格不公允，可能影响公司的资产质量；提供或接受劳务，关联方之间相互提供或接受劳务，需要关注定价标准是否合理，以及交易是否在正常情况下进行；担保，关联企业之间相互提供担保，虽然能解决企业的资金问题，但也增加了担保企业的财务风险，形成或有负债；提供资金，包括以现金或实物形式提供的贷款或股权投资，这种交易涉及公司资金的流动和使用效率；租赁，涵盖经营租赁和融资租赁等，关联方之间的租赁合同也是重要的交易事项；代理，依据合同条款，一方可为另一方代理某些事务，如代理销售货物、代理签订合同等；研究与开发项目的转移，在存在关联方关系时，某一企业的研究与开发项目可能会因另一方的要求而放弃或转移给其他企业；许可协议，关联方之间可能达成协议，允许一方使用另一方的商标等；代表企业或由企业代表另一方进行债务结算，如母公司为子公司支付广告费用、偿还已逾期的长期借款等；关键管理人员薪酬，支付给关键管理人员的薪酬也属于关联交易的一种形式。从理论根源上看，关联交易的产生与交易费用理论以及委托代理理论紧密相关。交易费用理论由科斯提出，该理论认为，企业的存在是为了降低交易成本。当市场交易成本高于企业内部组织成本时，企业会倾向于通过内部交易来完成资源的配置。关联交易作为企业内部交易的一种形式，能够利用企业内部的组织协调机制，减少交易过程中的不确定性和风险，从而降低交易成本。在企业集团内部，关联方之间的交易可以通过行政指令进行协调，避免了市场交易中的讨价还价和信息不对称问题，提高了交易效率。委托代理理论则侧重于解释在所有权和经营权分离的情况下，企业内部委托人和代理人之间的关系。在上市公司中，股东作为委托人，将公司的经营权委托给管理层。由于委托人和代理人的目标函数不一致，管理层可能会为了自身利益而损害股东的利益。关联交易为管理层提供了一种可能的手段，他们可以通过关联交易来实现自身利益的最大化，如通过与关联方进行非公允交易，获取私利。这种情况下，就需要建立有效的监督机制和治理结构，以减少代理成本，保护股东的利益。关联交易具有交易主体的特定性，交易双方存在关联关系，这种关联关系可能基于股权控制、人员任职或利益关联等因素；交易行为的隐蔽性，由于关联方之间的特殊关系，关联交易可能存在信息披露不充分、交易价格不透明等问题，使得外部投资者难以准确了解交易的真实情况；交易目的的复杂性，关联交易既可能是为了实现企业的正常经营和战略发展，也可能被用于操纵利润、转移资产等不正当目的。这些特征使得关联交易在公司治理和资本市场监管中备受关注。2.1.2盈余质量理论盈余质量是衡量上市公司财务状况和经营成果的关键指标，它反映了企业盈利的真实性、可持续性和稳定性。高质量的盈余意味着企业的盈利是基于真实的经营活动，具有较高的可信度和可持续性，能够为投资者提供可靠的决策依据；而低质量的盈余则可能存在水分，如通过操纵利润、虚增收入等手段来粉饰财务报表，误导投资者的判断。Dechow和Schrand认为，高质量的盈余需要满足三个条件：能够准确反映企业现在的运营状况，真实呈现企业在当前阶段的经营成果和财务状况；是未来运营状况的良好预测指标，通过对当前盈余的分析，投资者能够合理预测企业未来的盈利能力和发展趋势；真实地反映公司的内在价值，即盈余能够准确体现企业的实际价值，而不是被人为操纵或扭曲。当盈余满足这些条件时，它会表现出更加持续且稳定的特征，与未来现金流的实现更为相关，也与公司股价或市场价值更为相关。如果企业的盈余主要来自于核心业务的稳定增长，且现金流充足，那么这种盈余质量通常较高，投资者对企业的信心也会增强，从而推动公司股价上涨。盈余质量的衡量方法和指标丰富多样，常见的有以下几种：应计利润质量：应计项目是指那些不涉及现金收付，但影响当期利润的项目，如应收账款、应付账款、折旧等。由于应计项目的可操纵性相对较高，管理层可能通过调整应计项目来操纵利润，因此应计利润的质量成为衡量盈余质量的重要因素。越具有现金保障的应计利润质量越佳，经营性现金流量在衡量企业经营业绩方面优于净收益数字，因为净收益数字中包含了许多应计、递延、摊销和估计项目，而这些项目的可操纵性和主观性明显要高于经营性现金流量。可以通过计算经营活动现金流量与净利润的比值来衡量应计利润质量，该比值越接近1或大于1，说明应计利润质量越高，盈余的现金保障性越强。持续性：持续性是指企业盈余在未来期间持续保持的能力。持续性越好的盈余质量越佳，因为持续的盈余意味着企业的经营具有稳定性和可持续性。通常将当期盈余和后期盈余进行回归分析，以当期盈余的斜率作为盈余持续性的标准。斜率越大，说明盈余持续性越好，企业未来继续保持盈利的可能性越大。如果一家企业连续多年的净利润保持稳定增长，那么其盈余的持续性就较好，盈余质量也相对较高。可预测性：可预测性是指根据企业当前的盈余情况，能够准确预测未来盈余的能力。可预测的盈余被认为是高质量的，因为它有助于投资者做出合理的投资决策。可以通过分析企业盈余的历史数据，运用统计方法建立预测模型，来评估盈余的可预测性。如果企业的盈余波动较小，且与行业趋势相符，那么其盈余的可预测性就较高。价值相关性：价值相关性是指盈余与公司股票价格或市场价值之间的关联程度。解释力越强的盈余被认为质量越高，盈余质量与股票收益间应存在正相关关系，盈余质量较好的公司，具有较高的盈余反映系数，股票价格会有正面的反映。当企业公布高质量的盈余报告时，市场会对其做出积极反应，股票价格往往会上涨；反之，低质量的盈余可能导致股票价格下跌。在实际应用中，修正的琼斯模型是一种常用的衡量盈余质量的方法。该模型通过计算可操纵应计利润来评估盈余质量，可操纵应计利润越大，说明企业通过操纵应计项目来调节利润的程度越高，盈余质量越低。修正的琼斯模型的计算公式如下：NDA_{i,t}=\alpha_1(1/A_{i,t-1})+\alpha_2(\DeltaREV_{i,t}-\DeltaREC_{i,t})/A_{i,t-1}+\alpha_3PPE_{i,t}/A_{i,t-1}DA_{i,t}=TA_{i,t}/A_{i,t-1}-NDA_{i,t}其中，NDA_{i,t}表示第i家公司在第t年的非可操纵应计利润；DA_{i,t}表示第i家公司在第t年的可操纵应计利润；TA_{i,t}表示第i家公司在第t年的总应计利润；A_{i,t-1}表示第i家公司在第t-1年末的总资产；\DeltaREV_{i,t}表示第i家公司在第t年的营业收入变动额；\DeltaREC_{i,t}表示第i家公司在第t年的应收账款变动额；PPE_{i,t}表示第i家公司在第t年末的固定资产原值；\alpha_1、\alpha_2、\alpha_3为回归系数，可通过对同行业样本公司进行回归分析得到。除了修正的琼斯模型，还有其他一些方法和指标也可用于衡量盈余质量，如现金流量分析、利润构成分析、资产质量分析等。现金流量分析通过比较经营活动现金流量与净利润，判断盈余的现金保障性；利润构成分析关注主营业务利润在总利润中的占比，以评估盈余的稳定性和可持续性；资产质量分析则通过考察应收账款的账龄结构、存货的周转速度等，判断企业资产的质量，进而反映盈余质量。在评估一家企业的盈余质量时，通常会综合运用多种方法和指标，从多个角度进行分析，以确保评估结果的准确性和可靠性。2.2文献综述2.2.1国外研究现状国外学者对关联交易与盈余质量的关系展开了丰富研究，早期侧重于关联交易对公司业绩的影响。Jensen和Meckling（1976）提出委托代理理论，认为在所有权和经营权分离的情况下，管理层与股东利益目标不一致，关联交易可能成为管理层谋取私利的工具，进而影响公司业绩。他们的研究为后续探讨关联交易与盈余质量的关系奠定了理论基础。随着研究深入，学者们逐渐关注关联交易对盈余质量的直接影响。Kasanen、Kinnunen和Niskanen（1996）通过对芬兰赫尔辛基股票交易所上市的37家工业公司年报资料研究发现，当公司盈余无法满足控股股东期望的股利时，管理人员会通过非公允关联交易调高利润；当盈余高于目标股利时，为减少纳税，也会调节利润。这表明关联交易在一定程度上被用于盈余操纵，降低了盈余质量。Jian和Wong（2004）针对中国原材料行业131家上市公司研究发现，上市公司利用关联购销进行盈余管理，大股东利用关联借贷侵占利润，损害公司价值，进而影响盈余质量。这揭示了关联交易在特定行业中对盈余质量的负面影响机制。在关联交易对盈余质量影响的具体方式上，国外研究涉及多个方面。一些学者研究发现，关联方之间的资产交易可能通过不公允的定价来操纵利润，进而影响盈余质量。高价收购关联方资产，会增加公司成本，虚减利润；低价出售资产，则会减少公司资产，虚增利润。在资金往来方面，关联方之间的无息借款、延期还款等行为，可能影响公司的资金成本和收益确认，从而对盈余质量产生影响。2.2.2国内研究现状国内学者对关联交易与盈余质量的研究起步相对较晚，但近年来取得了丰硕成果。原红旗（1998）在1997年企业会计准则关联方关系及其交易的披露发布后，对沪市披露1997年中报的364家公司分析，指出关联交易披露及准则不足，分析其对上市公司、股东等的影响。这为后续研究提供了对关联交易早期情况的认识和基础。余菊与黄万才（2006）选取2001-2002年深市只发行A股的非金融保险类上市公司为样本，分析发现有控股股东存在、第一大股东为企业集团的上市公司更易利用关联交易进行盈余管理，拟扭亏公司、实施配股的公司和ST公司也常利用关联交易调节利润。这明确了不同类型上市公司利用关联交易进行盈余管理的倾向。高洁与谭加劲（2006）研究关联交易与公司治理发现，控股股东选派董事比例大、独立董事比例低时，非公允关联交易可能性大；股权越集中，控股股东利用关联交易侵害中小股东可能性越大；高管薪酬与关联交易规模负相关。该研究从公司治理角度揭示了关联交易的影响因素，对理解关联交易与盈余质量关系有重要意义。郑国坚（2007）根据2000-2005年576家上市公司情况，实证发现关联交易与会计盈余质量呈直线关系，关联交易程度越高，盈余管理程度越大、价值相关性越低。这为规范和加强上市公司关联交易信息披露提供了有力依据。梁彤英与孙剑峰（2007）对1999-2003年沪深证券交易所A股关联交易实证分析发现，我国上市公司对关联方依赖性增强，关联交易有显著行业特征，股权制衡机制对关联交易有抑制作用。这为监管关联交易提供了方向和重点。国内研究还关注不同行业关联交易对盈余质量的影响。在制造业，关联交易可能通过产品购销、资产租赁等方式影响企业成本和收入确认，进而影响盈余质量。在房地产行业，关联方之间的土地转让、项目合作等交易可能存在不规范情况，影响企业利润和盈余质量。2.2.3文献评述国内外学者对关联交易与盈余质量关系的研究取得了显著成果，为理解两者关系提供了丰富视角和理论支持。国外研究起步早，基于委托代理理论等，从不同角度揭示了关联交易对盈余质量的影响，在研究方法和理论深度上有优势，为后续研究奠定基础。国内研究结合我国资本市场特点和上市公司实际情况，在关联交易的动机、影响因素、与公司治理关系以及行业特征等方面进行深入探讨，研究成果对我国上市公司监管和投资者决策有重要指导意义。已有研究仍存在不足。在研究视角上，虽从多方面分析关联交易对盈余质量影响，但对两者关系的全面深入理解仍需加强。不同类型关联交易，如资产交易、资金往来、劳务提供等，对盈余质量影响机制复杂，现有研究未充分考虑各类型之间的交互作用。在研究方法上，实证研究虽为主流，但样本选取、变量度量等方面存在局限性。样本选取可能因时间跨度、行业覆盖等问题，导致研究结果代表性不足；变量度量可能无法准确反映关联交易和盈余质量的真实情况，存在度量误差。在研究内容上，对关联交易与盈余质量关系的动态变化以及宏观经济环境、政策法规等外部因素的影响研究较少。宏观经济环境变化、政策法规调整可能改变企业关联交易行为和盈余质量，现有研究对此关注不够。未来研究可从以下方向拓展：一是进一步完善研究方法，优化样本选取和变量度量，提高研究结果准确性和可靠性。采用多阶段抽样、分层抽样等方法，扩大样本覆盖范围；开发更准确的变量度量指标，综合考虑多种因素对关联交易和盈余质量的影响。二是深入研究关联交易与盈余质量关系的动态变化，以及宏观经济环境、政策法规等外部因素的影响。构建动态模型，分析不同时期关联交易对盈余质量的影响变化；探讨宏观经济波动、政策调整如何影响企业关联交易决策和盈余质量。三是加强对关联交易与盈余质量关系的跨学科研究，综合运用经济学、管理学、法学等多学科理论和方法，从不同角度深入剖析两者关系，为完善关联交易监管制度、提高上市公司盈余质量提供更全面的理论支持和实践指导。三、研究设计3.1研究假设上市公司关联交易与盈余质量之间存在紧密联系，而关联交易规模作为衡量关联交易程度的重要指标，对盈余质量的影响备受关注。从理论层面来看，根据委托代理理论，在上市公司中，股东与管理层之间存在委托代理关系，管理层可能为了自身利益，利用关联交易进行盈余操纵。当关联交易规模较大时，管理层可操作的空间增大，通过非公允关联交易来调节利润的可能性也随之增加。高价向关联方销售产品，虚增收入；或者低价从关联方采购原材料，降低成本，从而达到虚增利润的目的，严重影响盈余质量。信息不对称理论也表明，在关联交易中，由于交易双方存在特殊关系，信息披露往往不充分，外部投资者难以获取真实、准确的交易信息。随着关联交易规模的扩大，信息不对称程度加剧，管理层更容易隐藏非公允交易行为，使得投资者难以准确判断公司的真实盈利水平，进而降低盈余质量的可靠性。基于此，提出假设1：H1：上市公司关联交易规模与盈余质量呈负相关关系，即关联交易规模越大，盈余质量越低。上市公司关联交易类型丰富多样，不同类型的关联交易对盈余质量的影响机制存在差异。购销业务关联交易在上市公司中较为常见，从积极角度看，合理的购销业务关联交易可以降低交易成本，提高企业运营效率，对盈余质量产生正面影响。若上市公司与关联方之间的购销业务存在价格不公允的情况，如高价采购、低价销售，就会导致企业利润被人为调节，降低盈余质量。资产交易关联交易涉及企业资产的转移和处置，对企业财务状况和盈利水平影响较大。不公允的资产交易，如高估资产价值进行收购，或者低估资产价值进行出售，都会直接影响企业的资产规模和利润水平，进而对盈余质量产生负面影响。资金往来关联交易在上市公司中也较为普遍，包括资金拆借、担保等。不合理的资金往来，如关联方长期占用上市公司资金，或者上市公司为关联方提供巨额担保，都会增加企业的财务风险，影响企业的正常运营和盈利稳定性，对盈余质量产生不利影响。基于此，提出假设2：H2：不同类型的上市公司关联交易对盈余质量的影响存在差异，其中，不公允的购销业务关联交易、资产交易关联交易和资金往来关联交易与盈余质量呈负相关关系。3.2样本选择与数据来源为确保研究结果的可靠性和代表性，本研究选取2018-2022年沪深A股上市公司作为研究样本。在数据来源方面，充分利用多个权威数据库以及上市公司年报，以获取全面、准确的数据信息。国泰安数据库（CSMAR）和万得数据库（Wind）提供了上市公司的财务数据、关联交易数据以及公司治理等多方面的数据，这些数据具有广泛的覆盖范围和较高的准确性，为研究提供了重要的数据基础。通过上市公司年报，可以获取详细的关联交易披露信息，包括交易金额、交易对象、交易内容等，进一步丰富了研究数据。为保证样本质量，对原始数据进行了严格筛选。剔除了ST、*ST公司，这类公司由于财务状况异常，可能存在特殊的关联交易行为和盈余管理动机，会对研究结果产生干扰；金融类上市公司也被剔除，因为金融行业具有独特的业务模式和监管要求，其关联交易和盈余质量的影响因素与其他行业存在较大差异；数据缺失严重的公司同样被排除，以避免因数据不完整导致研究结果的偏差；当年上市的公司由于上市时间较短，业务和财务状况尚未稳定，也未纳入研究样本。经过这些筛选步骤，最终获得一个包含[X]个有效观测值的平衡面板数据，为后续的实证分析提供了可靠的数据支持。3.3变量定义与模型构建3.3.1变量定义本研究涉及的变量包括被解释变量、解释变量和控制变量，具体定义与计算方法如下：被解释变量：盈余质量，选用修正的琼斯模型计算的可操纵应计利润（DA）来度量。可操纵应计利润是指公司管理层通过会计手段或交易安排，人为操纵的那部分应计利润。在修正的琼斯模型中，通过对总应计利润进行分解，将其中受管理层操纵的部分分离出来，作为衡量盈余质量的指标。DA数值越大，表明公司盈余中受管理层操纵的部分越多，盈余质量越低。解释变量：关联交易规模，从交易金额和交易频率两个维度进行衡量。关联交易金额占营业收入的比例（RPT_amt），计算公式为：RPT_amt=关联交易金额/营业收入，该指标反映了关联交易金额在公司营业收入中所占的比重，比重越大，说明关联交易规模越大；关联交易次数（RPT_freq），直接统计上市公司年度内发生的关联交易次数，该指标从交易频率角度衡量关联交易规模，次数越多，表明公司参与关联交易的活跃程度越高。控制变量：选取多个可能影响盈余质量的变量作为控制变量。公司规模（Size），采用年末总资产的自然对数来度量，公司规模越大，其经济实力和抗风险能力可能越强，对盈余质量产生影响；资产负债率（Lev），计算公式为：Lev=负债总额/资产总额，反映公司的偿债能力和财务风险，财务风险较高的公司可能会通过关联交易等手段来调节盈余；盈利能力（ROA），计算公式为：ROA=净利润/平均资产总额，衡量公司运用全部资产获取利润的能力，盈利能力较强的公司可能更注重盈余质量；成长性（Growth），用营业收入增长率来表示，计算公式为：Growth=（本期营业收入-上期营业收入）/上期营业收入，反映公司的业务增长速度，处于快速增长阶段的公司可能有不同的盈余管理动机；独立董事比例（Indep），计算公式为：Indep=独立董事人数/董事会总人数，独立董事在董事会中起到监督和制衡作用，其比例高低可能影响公司关联交易决策和盈余质量；股权集中度（Top1），用第一大股东持股比例来衡量，股权集中度较高的公司，大股东可能对公司决策有更大影响力，进而影响关联交易和盈余质量。各变量的具体定义与计算方法如表1所示：|变量类型|变量名称|变量符号|计算方法||---|---|---|---||被解释变量|盈余质量|DA|修正的琼斯模型计算的可操纵应计利润||解释变量|关联交易金额占营业收入的比例|RPT_amt|关联交易金额/营业收入||解释变量|关联交易次数|RPT_freq|统计上市公司年度内发生的关联交易次数||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|盈利能力|ROA|净利润/平均资产总额||控制变量|成长性|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||变量类型|变量名称|变量符号|计算方法||---|---|---|---||被解释变量|盈余质量|DA|修正的琼斯模型计算的可操纵应计利润||解释变量|关联交易金额占营业收入的比例|RPT_amt|关联交易金额/营业收入||解释变量|关联交易次数|RPT_freq|统计上市公司年度内发生的关联交易次数||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|盈利能力|ROA|净利润/平均资产总额||控制变量|成长性|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||---|---|---|---||被解释变量|盈余质量|DA|修正的琼斯模型计算的可操纵应计利润||解释变量|关联交易金额占营业收入的比例|RPT_amt|关联交易金额/营业收入||解释变量|关联交易次数|RPT_freq|统计上市公司年度内发生的关联交易次数||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|盈利能力|ROA|净利润/平均资产总额||控制变量|成长性|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||被解释变量|盈余质量|DA|修正的琼斯模型计算的可操纵应计利润||解释变量|关联交易金额占营业收入的比例|RPT_amt|关联交易金额/营业收入||解释变量|关联交易次数|RPT_freq|统计上市公司年度内发生的关联交易次数||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|盈利能力|ROA|净利润/平均资产总额||控制变量|成长性|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||解释变量|关联交易金额占营业收入的比例|RPT_amt|关联交易金额/营业收入||解释变量|关联交易次数|RPT_freq|统计上市公司年度内发生的关联交易次数||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|盈利能力|ROA|净利润/平均资产总额||控制变量|成长性|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||解释变量|关联交易次数|RPT_freq|统计上市公司年度内发生的关联交易次数||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|盈利能力|ROA|净利润/平均资产总额||控制变量|成长性|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|公司规模|Size|年末总资产的自然对数||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|盈利能力|ROA|净利润/平均资产总额||控制变量|成长性|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|资产负债率|Lev|负债总额/资产总额||控制变量|盈利能力|ROA|净利润/平均资产总额||控制变量|成长性|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|盈利能力|ROA|净利润/平均资产总额||控制变量|成长性|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|成长性|Growth|（本期营业收入-上期营业收入）/上期营业收入||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|独立董事比例|Indep|独立董事人数/董事会总人数||控制变量|股权集中度|Top1|第一大股东持股比例||控制变量|股权集中度|Top1|第一大股东持股比例|3.3.2模型构建为探究上市公司关联交易对盈余质量的影响，构建多元线性回归模型如下：DA_{i,t}=\beta_0+\beta_1RPT_amt_{i,t}+\beta_2RPT_freq_{i,t}+\sum_{j=1}^{6}\beta_{1+j}Control_{j,i,t}+\epsilon_{i,t}其中，DA_{i,t}表示第i家公司在第t年的可操纵应计利润，作为衡量盈余质量的指标，其值越大，表明盈余质量越低；RPT_amt_{i,t}和RPT_freq_{i,t}分别表示第i家公司在第t年的关联交易金额占营业收入的比例和关联交易次数，用于衡量关联交易规模，从交易金额和交易频率两个维度反映关联交易对盈余质量的影响；Control_{j,i,t}表示第i家公司在第t年的第j个控制变量，包括公司规模（Size）、资产负债率（Lev）、盈利能力（ROA）、成长性（Growth）、独立董事比例（Indep）、股权集中度（Top1）等，这些控制变量能够控制其他可能影响盈余质量的因素，确保研究结果的准确性和可靠性；\beta_0-\beta_{7}为回归系数，反映各变量对盈余质量的影响程度和方向；\epsilon_{i,t}为随机误差项，代表模型中未被解释的部分，包含了其他未考虑到的因素对盈余质量的影响。该模型设定的依据主要基于相关理论和已有研究成果。从理论层面来看，委托代理理论认为，在所有权和经营权分离的情况下，管理层与股东利益目标不一致，关联交易可能成为管理层谋取私利的工具，进而影响盈余质量。通过引入关联交易规模变量（RPT_amt和RPT_freq），可以检验这一理论在上市公司中的实际表现。信息不对称理论也表明，关联交易中信息不对称可能导致非公允交易，影响盈余质量，模型中的变量设置有助于分析这一影响机制。已有研究表明，公司规模、资产负债率、盈利能力等因素与盈余质量密切相关。公司规模较大的企业，可能具有更完善的内部控制和治理机制，对盈余质量产生积极影响；资产负债率高的公司，可能面临更大的财务压力，有动机通过关联交易调节盈余，影响盈余质量；盈利能力强的公司，通常更注重自身声誉和市场形象，盈余质量可能较高。因此，在模型中纳入这些控制变量，能够更全面地分析关联交易对盈余质量的影响，排除其他因素的干扰，使研究结果更具说服力。四、实证结果与分析4.1描述性统计对样本数据中主要变量进行描述性统计，结果如表2所示：变量观测值平均值标准差最小值最大值DA[X]0.0450.068-0.1820.256RPT_amt[X]0.1230.1570.0000.864RPT_freq[X]15.62110.245156Size[X]21.3541.24619.02324.567Lev[X]0.4560.1520.1030.854ROA[X]0.0380.042-0.1250.186Growth[X]0.1250.324-0.5622.156Indep[X]0.3780.0560.3330.571Top1[X]0.3210.1050.0870.685从表2可以看出，可操纵应计利润（DA）的平均值为0.045，标准差为0.068，说明样本公司之间的盈余质量存在一定差异。部分公司的DA值为负，表明这些公司可能存在向下的盈余操纵行为，即通过减少应计利润来降低利润水平，可能是为了平滑利润、隐藏利润或者为未来的盈利增长预留空间；而部分公司的DA值较高，最大值达到0.256，说明这些公司可能存在较为严重的向上盈余操纵行为，即通过增加应计利润来虚增利润，以达到粉饰财务报表、吸引投资者等目的。关联交易金额占营业收入的比例（RPT_amt）平均值为0.123，标准差为0.157，表明上市公司关联交易金额在营业收入中所占比重的离散程度较大。最小值为0，说明部分公司在当年没有发生关联交易，这可能是由于公司的业务模式较为独立，与关联方之间的业务往来较少；最大值为0.864，意味着部分公司的关联交易金额占营业收入的比例极高，这些公司可能对关联交易存在较大依赖，其经营业绩和财务状况可能受到关联交易的显著影响。关联交易次数（RPT_freq）平均值为15.621，标准差为10.245，说明上市公司关联交易的发生频率存在较大差异。最小值为1，表明部分公司在一年内仅发生了一次关联交易，这类公司的关联交易活动相对较少；最大值为56，说明有些公司的关联交易较为频繁，频繁的关联交易可能增加公司的运营风险和信息不对称程度，也可能为管理层进行盈余操纵提供更多机会。公司规模（Size）的平均值为21.354，标准差为1.246，说明样本公司的规模分布较为集中。规模较小的公司，其资源和抗风险能力相对较弱，可能更依赖关联交易来获取资源和支持，也可能更容易受到关联交易的影响；规模较大的公司，虽然资源丰富，但也可能因为业务复杂，涉及更多的关联交易，需要加强对关联交易的管理和监督。资产负债率（Lev）平均值为0.456，标准差为0.152，表明样本公司的偿债能力和财务风险存在一定差异。资产负债率较高的公司，财务风险较大，可能有更强的动机通过关联交易来调节盈余，以满足债权人的要求或者避免财务困境；资产负债率较低的公司，财务状况相对稳健，但也不能排除其利用关联交易进行盈余管理的可能性。盈利能力（ROA）平均值为0.038，标准差为0.042，说明样本公司的盈利能力存在一定差距。盈利能力较弱的公司，可能会通过关联交易来粉饰利润，提升公司形象；盈利能力较强的公司，通常更注重自身声誉和市场形象，可能会更谨慎地进行关联交易，以确保盈余质量。成长性（Growth）平均值为0.125，标准差为0.324，显示样本公司的业务增长速度差异较大。处于快速增长阶段的公司，可能需要大量的资金和资源支持，关联交易可能成为其获取资源的重要途径，但也可能存在通过关联交易操纵利润，以满足市场对其高增长预期的情况；而增长缓慢的公司，可能会利用关联交易来调整业绩，避免业绩下滑。独立董事比例（Indep）平均值为0.378，标准差为0.056，说明样本公司独立董事比例相对稳定。独立董事比例较高的公司，能够更好地发挥监督和制衡作用，可能会对关联交易进行更严格的审查和监督，抑制非公允关联交易的发生，从而提高盈余质量；独立董事比例较低的公司，可能在监督关联交易方面存在不足，增加了非公允关联交易的风险。股权集中度（Top1）平均值为0.321，标准差为0.105，表明样本公司股权集中度存在一定差异。股权集中度较高的公司，大股东对公司决策有较大影响力，可能会利用关联交易为自身谋取利益，损害中小股东权益，影响盈余质量；股权相对分散的公司，虽然可以在一定程度上减少大股东的操纵行为，但也可能存在管理层利用关联交易进行自利行为的情况。4.2相关性分析对样本数据中各变量进行相关性分析，结果如表3所示：变量DARPT_amtRPT_freqSizeLevROAGrowthIndepTop1DA1RPT_amt0.356***1RPT_freq0.287***0.423***1Size0.152***0.214***0.186***1Lev0.235***0.256***0.198***0.321***1ROA-0.347***-0.205***-0.176***-0.253***-0.456***1Growth0.123***0.145***0.112***0.201***0.187***-0.098**1Indep-0.105**-0.132***-0.118***-0.087**-0.076*0.125***0.095**1Top10.221***0.264***0.205***0.302***0.412***-0.387***0.165***-0.089**1注：*、、*分别表示在1%、5%、10%的水平上显著相关。从表3可以看出，关联交易金额占营业收入的比例（RPT_amt）与可操纵应计利润（DA）的相关系数为0.356，在1%的水平上显著正相关，初步表明关联交易金额越大，盈余质量越低，与假设1预期一致。关联交易次数（RPT_freq）与DA的相关系数为0.287，同样在1%的水平上显著正相关，说明关联交易频率越高，盈余质量越低。在控制变量方面，公司规模（Size）与DA呈正相关关系，相关系数为0.152，在1%的水平上显著，可能是因为规模较大的公司业务更为复杂，关联交易机会更多，增加了盈余操纵的可能性。资产负债率（Lev）与DA正相关，相关系数为0.235，在1%的水平上显著，表明财务风险较高的公司可能更倾向于通过关联交易等手段来调节盈余，以降低财务风险。盈利能力（ROA）与DA呈显著负相关，相关系数为-0.347，在1%的水平上显著，说明盈利能力越强的公司，盈余质量越高，管理层进行盈余操纵的动机相对较弱。成长性（Growth）与DA正相关，相关系数为0.123，在1%的水平上显著，可能是因为处于快速增长阶段的公司为了满足市场对其高增长的预期，有动机通过关联交易来操纵利润。独立董事比例（Indep）与DA呈负相关，相关系数为-0.105，在5%的水平上显著，表明独立董事能够在一定程度上发挥监督作用，抑制管理层的盈余操纵行为，提高盈余质量。股权集中度（Top1）与DA正相关，相关系数为0.221，在1%的水平上显著，说明股权集中度较高的公司，大股东可能更有能力利用关联交易为自身谋取利益，损害中小股东权益，降低盈余质量。各解释变量之间的相关系数均小于0.5，说明不存在严重的多重共线性问题。但为进一步确保研究结果的准确性，在后续回归分析中，将进行方差膨胀因子（VIF）检验，以全面判断变量之间的多重共线性情况。4.3回归结果分析运用Stata16.0统计软件对样本数据进行多元线性回归分析，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]||---|---|---|---|---|---||RPT_amt|0.286***|0.056|5.11|0.000|0.176-0.396||RPT_freq|0.125***|0.032|3.91|0.000|0.062-0.188||Size|0.065**|0.027|2.41|0.016|0.012-0.118||Lev|0.102***|0.031|3.29|0.001|0.041-0.163||ROA|-0.256***|0.045|-5.69|0.000|-0.345--0.167||Growth|0.087**|0.038|2.29|0.022|0.012-0.162||Indep|-0.098**|0.041|-2.39|0.017|-0.178--0.018||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||变量|系数|标准误|t值|P>|t||[95%置信区间]||---|---|---|---|---|---||RPT_amt|0.286***|0.056|5.11|0.000|0.176-0.396||RPT_freq|0.125***|0.032|3.91|0.000|0.062-0.188||Size|0.065**|0.027|2.41|0.016|0.012-0.118||Lev|0.102***|0.031|3.29|0.001|0.041-0.163||ROA|-0.256***|0.045|-5.69|0.000|-0.345--0.167||Growth|0.087**|0.038|2.29|0.022|0.012-0.162||Indep|-0.098**|0.041|-2.39|0.017|-0.178--0.018||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||---|---|---|---|---|---||RPT_amt|0.286***|0.056|5.11|0.000|0.176-0.396||RPT_freq|0.125***|0.032|3.91|0.000|0.062-0.188||Size|0.065**|0.027|2.41|0.016|0.012-0.118||Lev|0.102***|0.031|3.29|0.001|0.041-0.163||ROA|-0.256***|0.045|-5.69|0.000|-0.345--0.167||Growth|0.087**|0.038|2.29|0.022|0.012-0.162||Indep|-0.098**|0.041|-2.39|0.017|-0.178--0.018||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||RPT_amt|0.286***|0.056|5.11|0.000|0.176-0.396||RPT_freq|0.125***|0.032|3.91|0.000|0.062-0.188||Size|0.065**|0.027|2.41|0.016|0.012-0.118||Lev|0.102***|0.031|3.29|0.001|0.041-0.163||ROA|-0.256***|0.045|-5.69|0.000|-0.345--0.167||Growth|0.087**|0.038|2.29|0.022|0.012-0.162||Indep|-0.098**|0.041|-2.39|0.017|-0.178--0.018||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||RPT_freq|0.125***|0.032|3.91|0.000|0.062-0.188||Size|0.065**|0.027|2.41|0.016|0.012-0.118||Lev|0.102***|0.031|3.29|0.001|0.041-0.163||ROA|-0.256***|0.045|-5.69|0.000|-0.345--0.167||Growth|0.087**|0.038|2.29|0.022|0.012-0.162||Indep|-0.098**|0.041|-2.39|0.017|-0.178--0.018||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||Size|0.065**|0.027|2.41|0.016|0.012-0.118||Lev|0.102***|0.031|3.29|0.001|0.041-0.163||ROA|-0.256***|0.045|-5.69|0.000|-0.345--0.167||Growth|0.087**|0.038|2.29|0.022|0.012-0.162||Indep|-0.098**|0.041|-2.39|0.017|-0.178--0.018||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||Lev|0.102***|0.031|3.29|0.001|0.041-0.163||ROA|-0.256***|0.045|-5.69|0.000|-0.345--0.167||Growth|0.087**|0.038|2.29|0.022|0.012-0.162||Indep|-0.098**|0.041|-2.39|0.017|-0.178--0.018||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||ROA|-0.256***|0.045|-5.69|0.000|-0.345--0.167||Growth|0.087**|0.038|2.29|0.022|0.012-0.162||Indep|-0.098**|0.041|-2.39|0.017|-0.178--0.018||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||Growth|0.087**|0.038|2.29|0.022|0.012-0.162||Indep|-0.098**|0.041|-2.39|0.017|-0.178--0.018||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||Indep|-0.098**|0.041|-2.39|0.017|-0.178--0.018||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||Top1|0.154***|0.035|4.40|0.000|0.085-0.223|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000|_cons|-0.765***|0.214|-3.57|0.000|-1.185--0.345||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||R2|0.425||调整R2|0.412||F值|32.65||P值|0.000||调整R2|0.412||F值|32.65||P值|0.000||F值|32.65||P值|0.000||P值|0.000|注：*、、*分别表示在1%、5%、10%的水平上显著。从表4回归结果来看，关联交易金额占营业收入的比例（RPT_amt）的系数为0.286，在1%的水平上显著为正，表明关联交易金额越大，可操纵应计利润（DA）越高，即盈余质量越低，这与假设1一致。这意味着当上市公司的关联交易金额在营业收入中所占比重增加时，管理层更有可能利用关联交易进行盈余操纵，通过不公允的交易价格、虚构交易等手段来调节利润，从而降低了盈余质量的真实性和可靠性。某上市公司可能通过向关联方高价销售产品，虚增收入，进而提高净利润，但这种利润的增加并非来自真实的经营业绩提升，而是通过关联交易操纵的结果，导致盈余质量下降。关联交易次数（RPT_freq）的系数为0.125，同样在1%的水平上显著为正，说明关联交易频率越高，盈余质量越低。频繁的关联交易增加了公司运营的复杂性和信息不对称程度，为管理层进行盈余操纵提供了更多机会。频繁的关联交易使得公司的财务数据变得更加复杂，外部投资者难以准确判断交易的真实性和合理性，管理层可以利用这种信息优势，在多次关联交易中进行隐蔽的盈余操纵，影响盈余质量。在控制变量方面，公司规模（Size）的系数为0.065，在5%的水平上显著为正，说明公司规模越大，盈余质量越低。这可能是因为规模较大的公司业务范围更广，关联交易更为频繁和复杂，管理层进行盈余操纵的空间更大。大公司可能涉及多个业务领域和子公司，关联交易的种类和数量较多，监管难度较大，管理层可能会利用这种情况进行盈余管理，以满足市场预期或自身利益需求。资产负债率（Lev）的系数为0.102，在1%的水平上显著为正，表明财务风险较高的公司更倾向于通过关联交易等手段来调节盈余，以降低财务风险。当公司资产负债率较高时，面临较大的偿债压力，为了避免财务困境，管理层可能会通过关联交易来虚增利润，改善财务指标，给投资者一种财务状况良好的假象，但实际上盈余质量受到了影响。盈利能力（ROA）的系数为-0.256，在1%的水平上显著为负，说明盈利能力越强的公司，盈余质量越高，管理层进行盈余操纵的动机相对较弱。盈利能力强的公司通常通过自身的核心业务和良好的经营管理实现盈利，不需要通过关联交易等手段来粉饰利润，更注重保持真实的盈余水平，以维护公司的声誉和市场形象。成长性（Growth）的系数为0.087，在5%的水平上显著为正，可能是因为处于快速增长阶段的公司为了满足市场对其高增长的预期，有动机通过关联交易来操纵利润。快速增长的公司需要不断吸引投资者的关注和资金支持，为了维持高增长的形象，可能会利用关联交易来虚增收入和利润，导致盈余质量下降。独立董事比例（Indep）的系数为-0.098，在5%的水平上显著为负，表明独立董事能够在一定程度上发挥监督作用，抑制管理层的盈余操纵行为，提高盈余质量。独立董事作为独立的第三方，能够对公司的关联交易进行客观审查和监督，对不合理的关联交易提出质疑和反对，从而减少管理层利用关联交易进行盈余操纵的可能性，保障公司盈余质量。股权集中度（Top1）的系数为0.154，在1%的水平上显著为正，说明股权集中度较高的公司，大股东可能更有能力利用关联交易为自身谋取利益，损害中小股东权益，降低盈余质量。在股权高度集中的公司中，大股东对公司决策具有较大影响力，可能会通过关联交易将公司利益转移至自身，如通过高价向关联方出售资产、低价从关联方采购等方式，实现利益输送，从而影响公司的盈余质量，损害中小股东的利益。回归模型的R2为0.425，调整R2为0.412，说明模型对可操纵应计利润（DA）的解释能力较强，能够解释约41.2%的DA变动。F值为32.65，P值为0.000，表明回归方程整体在1%的水平上显著，即模型中所有解释变量对被解释变量的联合影响是显著的，说明所构建的多元线性回归模型具有较好的拟合优度和显著性，能够有效揭示上市公司关联交易与盈余质量之间的关系。4.4稳健性检验为确保研究结果的可靠性和稳定性，进行一系列稳健性检验，从多个角度验证前文回归结果的有效性。首先，采用替换被解释变量的方法。前文使用修正的琼斯模型计算的可操纵应计利润（DA）作为盈余质量的度量指标，在稳健性检验中，选用现金流量与应计利润的差额（CFO-Accruals）作为替代指标。该指标基于现金流量视角，认为现金流量相对应计利润更难被操纵，通过计算经营活动现金流量与应计利润的差额，可以更直观地反映公司盈余的现金保障性，进而衡量盈余质量。对新的被解释变量与原解释变量及控制变量重新进行回归分析，结果显示，关联交易金额占营业收入的比例（RPT_amt）和关联交易次数（RPT_freq）与新的盈余质量指标仍在1%的水平上显著正相关，表明关联交易规模越大、频率越高，盈余质量越低，这与前文回归结果一致，支持了假设1。其次，替换解释变量。将关联交易金额占营业收入的比例（RPT_amt）替换为关联交易金额占总资产的比例（RPT_asset），从资产角度衡量关联交易规模。关联交易金额占总资产的比例能更全面地反映关联交易对公司整体资产规模