会计与埠推务的数量方法.ppt

数据类型 连续与离散 -- 连续数据是指在每一个时点上取值的变量数据，例如股价指数，长期考查的公司现金流量，利润等 -- 离散数据是在某些时点上取值的变量数据，（有时离散数据取的是整数） -- 在会计与财务问题中变量取的是连续数据还是离散数据是与实际研究方法相关的，如年度或季度的利润在一些理论模型中可以作为连续变量 数据类型 定序与定名 -- 定序数据反映了变量的顺序特征，例如世界500强，地区市场化指数 -- 定名数据仅是一个分类数据，它不表示任何次序，间距也没用实际意义，仅表示某种性质和状态 例如国有公司=1，民营公司=0，（或反之）。 又如国有股权50%公司=1，国有股权30%而50%的公司=2，国有股权30%的公司=3， -- 这两种数据在一些特殊情况下也可互换 截面数据 在给定的时点对企业或其他单位的样本所采集的财务与会计数据集合。例如2011年全部上市公司年报数据集合。时点是2011.12.31. -- 截面数据的基本前提：随机抽样 -- 因此：允许截面上时点的可以忽略的差异 -- 允许有几个联系或间断的样本 截面数据研究例子 Fama, E.F., and MacBeth, J.D., 1973, “Risk, Return and Equilibrium: Empirical Tests”, Journal of Political Economy, 71, 607-636. Data: Monthly returns on all stocks at NYSE during 1926-1968 研究股票收益率与系统风险关系 时间序列数据 时间序列数据是由一个或几个变量不同时点上的观测值组成。例如长期（10年或更长）考查某个公司或某些公司的利润，现金流等收集的数据。 -- 问题：连续时点数据的不独立性，如一季度利润与二季度利润之间依赖 -- 问题：观察期较长，如考虑季度利润的特征，约需要40-60个时点，大约10-15年 -- 问题：一些产业或公司会有周期性的变动，这会干预和影响研究的结论 -- 问题：方法的复杂性 混合数据 同时有截面数据特性和时序数据特性的数据集合。 -- 把不同年度的截面数据混合是研究政策影响的重要方法（例如，新旧会计准则的实施影响） -- 混合截面可以对变量在不同时点的现实差异作出解释，以看出某个重要关系随时间变化的特征 -- 扩大样本 混合数据研究例子 夏大慰，赵春光等：“会计准则国际趋同的经济后果与博弈”，经济科学出版社，2010.第八章。 2005-2008年数据，新旧准则实施前后两个时点的截面数据混合，研究盈余管理问题 面板数据 面板数据指的是截面数据集的时间序列，也即同一截面上的一个样本已经有一个时期的时间序列。 有利于控制个体的异质性，前两种数据无法控制的，例如，100家上市公司连续观察15年的财务数据，这中间影响财务数据的有两种，即同一截面中产业差异和同一公司不同年度间的变动。 面板数据 选择问题 截面相关性 估计与推断 区间估计中的基本判定 -- 置信区间的大小与置信度成正比 -- 增加样本容量可以减小置信区间，提高估计精度 -- 由此，在样本容量不变时，为降低推断错误风险的途径是提高置信水平，但会扩大置信区间而降低精度 估计与推断 假设检验 -- 是统计推断的另一个重要内容 -- 假设检验是先对总体参数提出一个假设，然后用样本信息来判断假设是否成立 -- 在回归分析中检验回归系数的假设 研究假设与零假设 -- 研究假设：希望得到支持的假设 -- 零假设：与研究假设对立的假设（希望得到否定的假设） 估计与推断 -- 假设检验是指通过检验与其对立的零假设，来间接获取研究假设正确的可能性。或者零假设正确的可能性很小，从而也间接地肯定了研究假设。 两类错误 -- 否定了原先正确的零假设（犯错概率α） -- 没有否定原先错误的零假设（犯错概率β） -- 降低错误：增加样本量；可以事先自行设定α条件下检验的成效取决于β 估计与推断 步骤 -- 假定零假设正确的情况下，将样本统计量（例如样本均值）转化为某一分布的统计量（例如Z值），然后对点估计量和零假设的总体参数的差异度量。如果零假设成立情况下得到的检验统计值落在置信区间内，则接受零假设，而落在置信区间外则拒绝零假设。 估计与推断 置信区间大小与显著性水平有关，显著性水平代表样本统计值被拒绝的可能性，或者犯第一类错误的概率α P-值：假定零假设正确时利用观测数据得到与零假设相一致的概率； P与 α关系： α是研究者设定的值，p值是样本计算的实际值 估计与推断 检验结果判定：如果p值小于等于显著性水平α则