基于修正盈余管理模型的实证研究

3.4.1　基于修正Jones盈余管理模型的实证研究

1）操纵性应计利润的单变量分析

（1）综合性指标操纵性应计利润的计算结果

根据第三章所述修正的Jones模型对操纵性应计利润的计算过程，我们分组分年度对所有样本的数据按公式3.4进行回归分析，得出各年的非操纵性应计利润模型的参数估计值，并检验方程和系数的显著性。其各年结果如表3.7和表3.8所示：

表3.7　修正Jones模型回归的系数结果（^*ST公司样本组）

注：***表示在1%水平下显著，**表示在5%水平下显著，*表示在10%水平下显著。

表3.8　修正Jones模型回归的系数结果（正常公司样本组）

注：***表示在1%水平下显著，**表示在5%水平下显著，*表示在10%水平下显著。

根据上述系数代入公式（3.11）和公式（3.2）可以分别得到两组样本公司的非操纵性应计利润和操纵性应计利润的值。

（2）剖面分析

首先分组计算128家财务危机企业和128家配对的正常企业的操控性应计利润在财务危机发生前1至3年的均值和标准差，比较各年的均值是否具有显著差异；其次计算各年的Z统计检验量，Z是两组均值之差除以两组共同的标准差，Z的计算公式如公式3.23所示：

表3.9　操纵性应计利润的剖面分析

从表3.9所显示的结果表明，在危机发生的前1～2年，财务危机企业和正常企业的操纵性应计利润值存在较显著的差异，操纵性应计利润可以较为准确的区分两类企业。这也初步说明了盈余管理幅度指标用于财务危机预警的可能性。

2）因素驱动指标的多变量分析

通过单变量的剖面分析，可以初步判定修正Jones模型可以用于企业财务危机预警研究。下面将根据模型的因素驱动指标1/TA_j，t－1、ΔREV/TA_j，t－1、ΔREC/TA_j，t－1、PPE_j，t/TA_j，t－1分别建立多元判别模型、逻辑回归模型进行财务危机预警。为了分别验证各模型回判和外推的准确性，建模首先依据2006年至2007年108对样本（216家）的数据进行，然后用2008年对样本20对（40家）的数据进行测试。

（1）多元判别分析

①Fisher线性判别模型

本书将采用Bayes二类判别技术，得出Fisher线性判别函数，计算基于统计软件SPSS11.5实现。本书把财务危机企业定义为类别0，正常企业定义为类别1。可以分别得到^*ST前1至3年的判别模型，如公式3.24至公式3.29所示。

②判别结果

将建模样本数据和外推样本数据分别代入各年份的判别函数，可得出模型的回判和外推效果。按照Fisher线性判别方法，将相同年份的样本观测分类到较大的分类函数值中，即当Y⁰≥Y¹时将样本归入类别0，Y⁰＜Y¹时将样本归入类别1。

判别分析的结果详见表3.10。

表3.10　基于修正Jones模型指标的Fisher线性判别模型分类准确率（%）

（2）逻辑回归分析

①逻辑回归模型

仍然把财务危机企业定义为类别0，正常企业定义为类别1，对t－1至t－3年建模样本的数据进行逻辑回归，可以分别得到^*ST前1～3年的逻辑回归模型如公式3.30至公式3.32所示^[5]：

②判别结果

将建模样本数据和外推样本数据分别代入各年份的逻辑回归模型，当Y≤0.5时将样本归入类别0，当Y＞0.5时将样本归入类别1，逻辑回归的分类准确率结果详见表3.11。

表3.11　基于修正Jones模型指标的逻辑回归模型的分类准确率（%）

续表3.11

从表3.11可以看到，逻辑回归模型的效果较多元判别分析模型的效果要好；t－1年模型的预测效果最好，t－2年次之，t－3年最差，这说明离危机时间越近，模型的预测效果越好。