回归分析在企业价值评估中的应用.pdfVIP

回归分析在企业价值评估中的应用 李 琦 回归 (regression)一词源于19世纪英国生物 势建立回归模型，那么收益法预测中所谓预测的科学性 学家葛尔登对人体遗传特征的实验研究。他根据实验数 和合理性就有了很好的解释 ，收益法的评估结果也就更 据，发现个子高的双亲其子女也较高，但平均来看，却 加可靠了。 不 比他们的双亲高 ；同样 ，个子矮的双亲其子女也较 历史财务数据这一时间数列对简单线性、二次曲 矮，平均地看，也不如他们的双亲矮。他把这种身材趋 线的判断可采用差分法。 向于人的平均高度的现象称为 回归 ，并作为统计概 时间数列中因变量Y的逐期增长量 一YI一可称为一阶 念加以应用，由此逐步形成有独特理论和方法体系的回 差分，对逐期增长量再求逐期增长量可称为二阶差分。 归分析。现代统计学的 回归 概念已不是原来生物学 若Y的逐期增长量比较接近，可选择直线模型：若Y的 上的特殊规律性，而是指变量之间的依存关系。回归分 逐期增长量的逐期增长量比较接近．可选择二次曲线模 析主要有以下几个特征： 型。此外 ，若Y的环比发展速度 (或环比增长速度)比 (1)回归分析是在控制或给定一个或几个变量 较接近 可选择指数曲线模型。 条件下 观察对应的某一变量的变化，给定的变量称为 下面结合具体案例 说明几种常见回归模型的构 自变量，不是随机变量，被观察的对应的变量称为因变 造方法。 量 却是随机变量。 案例一：某公司主营 自行车生产、销售 ．下表是 (2)回归分析可以对具有相关关系的变量建立 评估基准日前12年的自行车销售量的时序资料 ： 一 个数学方程 (也称回归模型)来描述变量之间具体的 某公司12年 自行车销售量 变动关系．通过控制或给定 自变量的数值来估计或预测 因变量可能的数值 在回归分析中．根据实际资料建立的回归模型有 从上表可以看出，一阶差分比较接近，可选择直 多种形式。按自变量的多少，可分为一元回归模型和多 线模型Y=a+bt．利用EXCEL回归分析工具输出如下结 元回归模型；按变量之间的具体变动形式可分为线性回 果 ： 归模型和非线性回归模型。把这两种分类标志结合起 回归统计 M ultipleR 0．989213625 来，就有一元线性回归模型和一元非线性回归模型、多 R Square 0．978543597 元线性回归模型和多元非线性回归模型。 A usted R Square 0．976397956 标准误差 0．622611988 随着评估实践的不断发展，回归分析在企业价值 观测值 12 评估领域，特别是在收益法时间数列的长期趋势预测方 方差分析 面和市场法中把市价或价值比率同有相关关系的主要变 量建立数学模型方面，得到了越来越多的应用。下面笔 者试图从上述两个方面谈谈 自己的体会 ．以供同仁们参 确定回归系数及显著性检验 考。 Coefficient 标准误差 tStat P—value Lower95％ Upper95％