上市公司非公平关联交易识别模型

第三节　上市公司非公平关联交易识别模型

大多数盈余管理的文献使用从一个特定模型估计得到的非常规应计利润（Abnormal Accruals）来度量盈余管理。目前有四种主要模型以及以它们为基础的改进或衍生模型被广泛采用（窦汝广、张志军，2004）进行盈余管理研究^［119］。这四种模型分别是希利模型（Healy Mode l）、迪安龙模型（De Angelo Mode l）、琼斯模型（Jones Mode l）和行业模型（Industry Mode l）。这四种模型的核心均在于对非主观会计部分的假设或处理上。在希利模型和迪安龙模型中，非主观信息从总体上看被假定为在各个考察期间保持不变，进而对比总体信息来判断样本在特定期间是否存在主观信息。琼斯模型和行业模型则释放了非主观信息在各个考察期间保持不变的假定，借助较长的时间序列或大容量的行业配对样本，运用多元回归等统计工具计量非主观部分，是较为复杂但更精确的计量模型。

我们在借鉴先前研究模型的基础上，尽可能地简化模型，并充分利用上市公司公开披露的年报数据，检验异常关联交易规模与公司不同控股型大股东持股比例以及与异常绩效的关系，从而识别非公平关联交易行为。

段亚林（2001）研究发现非公平关联交易是控制方公司掠夺子公司资源与利益的一种重要手段^［17］。刘建民、刘星（2007）研究发现我国上市公司通过非公平关联交易进行盈余管理的现象较为严重^［87］。我国上市公司形成的特殊背景决定了我国上市公司控股股东型上市公司有着强烈的再融资要求，同时控股股东存在着掠夺上市公司资源与利益的欲望，利用关联交易行为进行盈余管理和掠夺资源是十分普遍的。由于这些关联交易往往是建立在非公平、不合理的基础上的。如果关联交易异常规模大，在上市公司经过行业调节的净资产异常收益率大于零的情况下，表明其绩效明显上升，那么控股股东利用非公平关联交易向上市公司输送利益，产生利益趋同效应。如果关联交易异常规模大，在上市公司经过行业调节的净资产异常收益率小于零的情况下，表明其绩效却明显或严重下降，那么控股股东利用非公平关联交易“隧道挖掘”上市公司利益的程度就大，产生利益侵占效应。

由上述分析可知，上市公司的非公平关联交易行为具有双重效应，由此导致公司的绩效可能会产生两种相反的效应，即利益趋同效应和利益侵占效应。为了寻找关联交易异常规模与公司异常绩效之间的关系，我们应用SPSS13.0选择分段线性回归，对三年混合样本数据进行拟合分析，即对异常绩效小于零和大于零的区域进行线性回归。我们建立以下非公平关联交易识别模型：

AROE_it（AROA）_it=β₀+β₁ARPT_it+β₂LSHR1+β₃SHR2_5+β₄lnAssets_it

模型（4.1）中，ARPT、AROE、AROA分别为关联交易异常规模（异常购买规模和异常销售规模）、净资产异常收益率和总资产异常收益率。LSHR1、SHR2_5、lnAssets_it分别为第一大股东持股比例、第二至第五大股东持股比例之和及总资产值自然对数。DC和DI分别为控股权性质变量和行业类型变量，它们均为虚拟变量。