琼斯模型与上公司盈余管理.docVIP

琼斯模型与上市公司盈余管理引言近年来，我国上市公司的盈余管理行为一直是人所瞩目的焦点。国外学者 PaulM.Hyaly 和 JamesM.Wahlen对盈余管理的定义如下：“盈余管理发生在管理当局运用职业判断编制财务报告和通过规划交易以变更财务报告时，旨在误导那些以公司的经济业绩为基础的利益关系人的决策或影响那些以会计报告为基础的契约的后果。”从这一定义，我们可以粗略理解盈余管理含义。 本文主要借助借助这一实际问题，说明多元线性回归分析的实际应用。一、多远线性回归模型1 模型的建立多远线性回归模型的一般形式是： Yβ0β1X1β2X2β3X3β4X4β5X5ε （1.1）其中 βj（j12，……，k）是回归系数，Y 是被解释变量，x1j，x2j，……，xkj，是 k 个对 Y 有显著影响的解释变量（k≥2） i 是反映各种误差扰动综合影响的随机项，下标 i 表示第 i 期观察值（Yi x1i x2i…… xki） ，ε ，i12，…，n。 假设多元样本回归函数为：Yiβ0β1x1iβ2x2i……βkxki 回归参差为：εiYi - Yi 。 由于有 n 期的观察值，这一模型实际上包含 n 个方程 Y1β0β1x11β2x21……βkxk1ε1 Y2β0β1x12β2x22……βkxk2ε2 …… Ynβ0β1x1nβ2x2n……βkxknεn2 模型的假设 为保证所分析的变量关系符合多元线性回归分析的基本规定性，明确分析对象，保证回归分析的有效性和性质，也为了检验判断的依据，需要对多元线性回归模型做一些假设，包括以下六条： （1）变量 Yi 和 X1i，X2i，…，Xki（1，2，…，n）之间，存在线性随机函数关系 Yiβ0β1X1iβ2X2i……βkXkiεi ，其中 εi 是随机误差项。 （2）对应每组观测数据的误差项 εi，都为零均值的随机变量，即 εi 的数学期望 Eεi0 对 i1，2，…，n 都成立。 （3）误差项 εi 的方差为常数，即 VarεiEεi-Eεi2Eεi2σ2 对 i12，…，n 都成立（假设（2）成立为 。前提） （4）对应不同观测数据的误差项不相关，即 Covεi εjEεi-Eεiεj-EεjEεiεj0 对任意的 i≠j 都成立（假设（1）成立为前提）。 （5）解释变量 Xii12…，k是确定性变量而非随机变量。当存在多个解释变量（k1）时假设不同解释变量之间不存在线性关系，包含严格的线性关系和强的近似线性关系。 （6）误差项 εi 服从正态分布。3 多元线性回归参数估计 我们采用最小二乘法来进行参数估计，基本原则即参差平方和最小的原则。 对模型 Yβ0β1x1β2x2……βkxkε，用 b0，…，bk 分别表示模型参数 β0，…，βk 的估计，于是回归方程 为Y b b x …b x 0 1 1 k k . 回归参差平方和为：V∑ εi ∑ 2 i i Yi- b0 b1x1i…bkxki2 2.3 当 V 对 b0，…，bk 的一阶偏导数都等于 0，即下列方程组： ∑ i 2Yi- b0 b1x1i…bkxki-10 ∑ i 2Yi- b0 b1x1i…bkxki- x1i0 …… ∑ i 2Yi- b0 b1x1i…bkxki- x1i0 同时成立时，V 有最小值。整理得正规方程组： ˉ ˉ ˉ b0Y -（b1x1 … bkxk）， S11b1 S12b2… S1kbkS10 ………… Sk1b1 Sk2b2… S1kkbkSk0 ˉ ˉ 其中 Sk0∑（xki-xk） i-Y ） i （Y ，ki1…K ˉ ˉ ∑ Skj i （xki-xk） ji-xj） （x ，ki1…K4 最小二乘估计量的性质 （1）线性性 由正规方程组可知，bk 是被解释变量观测值 Yi 的线性组合，也就是多元线性回归参数的最小二乘估计是线性估计。 （2）无偏性 多元线性回归的最小二乘估计也是无偏估计，即参数最小二乘估计量的数学期望都等于相应参数的真实值，最小二乘估计量的数学期望等于参数真实值的向量。 （3）最小方差性 由最小二乘原则知，所求得参数显然使得参差平方和最小，也就是被解释变量的方差最小。5 显著性检验显著性检验的基本思想可以用小概率原理来解释。 （1）小概率原理：小概率事件在一次试验中是几乎不可能发生的，假若在一次试验中事件 事实上发生了。那只能认为事件 不是来自我们假设的总体，也就是认为我们对总体所做的假设不正确。 （2）观察到的显著水平：由样本资料计算出来的检验统计量观察值所截取的尾部面积为。这个概率越小，反对原假设，认为观察到的差异表明真实的差异存在的证据便越强，观察到的差异便越加理由充分地表明真实差异存在。 （3）检验所用的显著水平 α：针对具体问题的具体特点，事先规定这个检验标准。