盈余管理差異與預(yù)警模型構(gòu)建
——來自ST公司的經(jīng)驗(yàn)證據(jù)

邵毅平，路　軍(浙江財(cái)經(jīng)學(xué)院，浙江　杭州　310018)

一、引　言

1929年美國經(jīng)濟(jì)危機(jī)爆發(fā)，銀行倒閉、企業(yè)破產(chǎn)、工人失業(yè)，“大蕭條”時(shí)期正式開始。經(jīng)濟(jì)危機(jī)中投資者的利益受到了極大的損害，從而使其產(chǎn)生了強(qiáng)烈的關(guān)注企業(yè)運(yùn)行狀況的意愿。從20世紀(jì)30年代初開始，學(xué)術(shù)界開始了對財(cái)務(wù)危機(jī)預(yù)警的研究，并取得了一些諸如Altman Z值模型這樣應(yīng)用廣泛的研究成果，但當(dāng)80年后的今天我們再次面對全球金融危機(jī)的時(shí)候，我們發(fā)現(xiàn)已有的預(yù)警模型對財(cái)務(wù)危機(jī)的甄別能力并不能滿足投資者的需求，投資者依然承受著因?yàn)椴荒芎芎玫仡A(yù)判企業(yè)財(cái)務(wù)惡化而造成的損失。這不禁令我們反思，多年來學(xué)術(shù)界一直推崇的主要以財(cái)務(wù)指標(biāo)來預(yù)測企業(yè)財(cái)務(wù)危機(jī)的方法可能并非是高效的，單純的財(cái)務(wù)指標(biāo)可能會(huì)受到企業(yè)盈余管理行為的影響從而無法科學(xué)地對企業(yè)未來的發(fā)展?fàn)顩r作出準(zhǔn)確地預(yù)測?；诖?，本研究將在充分考慮企業(yè)經(jīng)營特征的基礎(chǔ)上，首先對財(cái)務(wù)危機(jī)公司與正常公司的盈余管理程度進(jìn)行差異性檢驗(yàn)，在此基礎(chǔ)上選取不受或少受企業(yè)盈余管理行為影響的相關(guān)指標(biāo)構(gòu)建財(cái)務(wù)危機(jī)預(yù)警模型，研究結(jié)果認(rèn)為，基于現(xiàn)金流量和公司治理指標(biāo)的預(yù)警模型能更好地預(yù)測企業(yè)財(cái)務(wù)危機(jī)的發(fā)生。

二、文獻(xiàn)回顧與假設(shè)提出

(一)文獻(xiàn)綜述

財(cái)務(wù)指標(biāo)是企業(yè)發(fā)展?fàn)顩r最直接的反映，它能科學(xué)地預(yù)判企業(yè)的健康狀況，也正是這個(gè)原因，學(xué)者們最初建立預(yù)警模型就使用了財(cái)務(wù)指標(biāo)。Fitzpatrick(1932)以19家公司作為研究樣本，運(yùn)用單個(gè)財(cái)務(wù)比率的差異作為劃分標(biāo)準(zhǔn)，將樣本公司劃分為破產(chǎn)組和非破產(chǎn)組，他研究發(fā)現(xiàn)所有財(cái)務(wù)指標(biāo)中判別能力最強(qiáng)的是凈利潤/股東權(quán)益和股東權(quán)益/負(fù)債兩個(gè)財(cái)務(wù)比率，而且還發(fā)現(xiàn)在樣本公司破產(chǎn)前三年這些財(cái)務(wù)比率就表現(xiàn)出了顯著的差異性。Beaver(1966)運(yùn)用了現(xiàn)金流量/負(fù)債、流動(dòng)資產(chǎn)/流動(dòng)負(fù)債、凈收入/總資產(chǎn)、總負(fù)債/總資產(chǎn)、營運(yùn)資本/總資產(chǎn)來判斷企業(yè)是否陷入財(cái)務(wù)危機(jī)之中，研究發(fā)現(xiàn)現(xiàn)金流量/負(fù)債的預(yù)警能力最強(qiáng)，其次為總負(fù)債/總資產(chǎn)。國內(nèi)學(xué)者早期研究也主要使用財(cái)務(wù)指標(biāo)來構(gòu)建模型，陳靜(1999)在研究中就選用流動(dòng)比率、資產(chǎn)負(fù)債率、總資產(chǎn)收益率以及凈資產(chǎn)收益率等4個(gè)指標(biāo)進(jìn)行了單變量分析，同時(shí)選用資產(chǎn)負(fù)債率、凈資產(chǎn)收益率、總資產(chǎn)周轉(zhuǎn)率、總資產(chǎn)收益率、營運(yùn)資本/總資產(chǎn)以及流動(dòng)比率6個(gè)財(cái)務(wù)指標(biāo)變量進(jìn)行了多元判別分析。陳曉和陳治鴻(2000)研究發(fā)現(xiàn)負(fù)債/權(quán)益比率、應(yīng)收賬款周轉(zhuǎn)率、主營業(yè)務(wù)利潤/總資產(chǎn)比率、留存收益/總資產(chǎn)比率對我國上市公司的財(cái)務(wù)危機(jī)有著顯著的預(yù)示作用。張玲(2000)、吳世農(nóng)和盧賢義(2001)等也都采用財(cái)務(wù)指標(biāo)建立了預(yù)警模型。

雖然目前學(xué)術(shù)界在建立財(cái)務(wù)預(yù)警模型時(shí)主要以選用財(cái)務(wù)指標(biāo)為主，但不可忽視的是我國上市公司盈余管理行為普遍存在，不排除某些上市公司管理層為了避免某些財(cái)務(wù)指標(biāo)的不夠優(yōu)秀而對其進(jìn)行人為操縱的可能，在這種情形下單純建立在財(cái)務(wù)指標(biāo)基礎(chǔ)之上的財(cái)務(wù)預(yù)警模型的預(yù)測效果將大打折扣，學(xué)術(shù)界已經(jīng)注意到這一問題的存在并采用各種方法嘗試性地改變這種情況帶來的不良后果。楊淑娥(2003)在構(gòu)建企業(yè)財(cái)務(wù)預(yù)警模型時(shí)首次使用了現(xiàn)金流量方面的指標(biāo)，黃鶴和李鳳吟(2003)構(gòu)建了一個(gè)基于現(xiàn)金流的預(yù)警模型并證明該模型的預(yù)測準(zhǔn)確率達(dá)到了80%，劉慶華(2006)也從現(xiàn)金流角度全面探討了有關(guān)企業(yè)財(cái)務(wù)預(yù)警的問題。

現(xiàn)金流量也可能會(huì)受到管理層的控制，所以對現(xiàn)金流指標(biāo)的運(yùn)用也只能緩解但卻無法從根本上解決企業(yè)盈余管理給預(yù)警模型帶來的噪音問題，基于此越來越多的學(xué)者開始關(guān)注不易受管理層操縱的非財(cái)務(wù)指標(biāo)。

(二)假設(shè)提出

恰當(dāng)?shù)闹笜?biāo)對于能否正確地預(yù)測財(cái)務(wù)危機(jī)至關(guān)重要，要提高預(yù)測的準(zhǔn)確性必須首先選擇高質(zhì)量的預(yù)警指標(biāo)。文獻(xiàn)綜述中已經(jīng)提到，目前為止大部分學(xué)者在建立預(yù)警模型時(shí)都主要依靠傳統(tǒng)的財(cái)務(wù)指標(biāo)，但前文中已經(jīng)證明由于盈余管理行為的普遍存在，我國上市公司財(cái)務(wù)指標(biāo)并不能真實(shí)公允地反映企業(yè)的經(jīng)營情況，也就是說，不管利用何種方法來篩選指標(biāo)，指標(biāo)本身的質(zhì)量是值得懷疑的。從另一方面講，如果上市公司經(jīng)營管理者發(fā)現(xiàn)市場更偏好于利用哪些指標(biāo)來評價(jià)公司，那么這無疑就為他們進(jìn)行盈余管理指明了方向，上市公司會(huì)迎合投資者的這種“需求”，最大限度地粉飾相關(guān)財(cái)務(wù)指標(biāo)，這樣的結(jié)果就是使得單純基于傳統(tǒng)財(cái)務(wù)指標(biāo)的預(yù)警模型失去預(yù)警效力，至少是喪失預(yù)警效率。

盈余管理行為普遍存在，但盈余管理程度不同的公司之間存在差異，根據(jù)陸建橋(1999)的研究，虧損公司會(huì)有較大幅度的盈余管理行為，ST公司大部分是因?yàn)檫B續(xù)兩年虧損或者是某年出現(xiàn)巨虧，按照上述研究結(jié)論，ST公司將有較大的盈余管理動(dòng)機(jī)。因此盈余管理程度的這種差異性在ST公司和非ST公司之間是否顯著是本研究想探明的第一個(gè)問題，基于此，本研究提出第一個(gè)假設(shè)：

H1：ST公司的盈余管理程度較非ST公司的盈余管理程度更高。

以上分析可知，既然已經(jīng)證明盈余管理行為的普遍存在性，那么再一味地運(yùn)用傳統(tǒng)的財(cái)務(wù)指標(biāo)構(gòu)建財(cái)務(wù)預(yù)警系統(tǒng)就將失去意義。對盈余管理行為造成的財(cái)務(wù)指標(biāo)的失真，進(jìn)而影響模型的預(yù)測效果問題，已有部分學(xué)者進(jìn)行了相關(guān)研究。目前，這類研究主要是通過分析上市公司盈余管理的方式方法，分析這些方式方法可能對上市公司的哪些財(cái)務(wù)指標(biāo)造成影響，然后對這些可能由于盈余管理而發(fā)生改變的財(cái)務(wù)指標(biāo)進(jìn)行調(diào)整，用調(diào)整后的財(cái)務(wù)指標(biāo)預(yù)測變量建立預(yù)警模型，但這類模型存在的一個(gè)關(guān)鍵問題是在對相關(guān)財(cái)務(wù)指標(biāo)進(jìn)行調(diào)整的方法上沒有足夠的說服力。宋力和李晶(2004)等采用“均值±標(biāo)準(zhǔn)差”對財(cái)務(wù)指標(biāo)進(jìn)行調(diào)整然后建立預(yù)警模型，這種方法太過籠統(tǒng)，調(diào)整后的指標(biāo)很可能無法代表真實(shí)的企業(yè)財(cái)務(wù)狀況。呂峻(2006)采用對凈利潤等指標(biāo)減去一些特殊的可能與盈余管理密切相關(guān)的項(xiàng)目后得到調(diào)整后的指標(biāo)的方法也較為片面，因?yàn)檫@種方法只能剔除部分盈余管理行為的影響，并不能完全避免。在當(dāng)前上市公司普遍進(jìn)行盈余管理，導(dǎo)致財(cái)務(wù)數(shù)據(jù)普遍失真的情況下，本研究認(rèn)為非常有必要重點(diǎn)考慮上市公司的盈余管理行為，來構(gòu)建盡量不受盈余管理行為影響的預(yù)警模型，下節(jié)實(shí)證研究的重點(diǎn)是從現(xiàn)金流量和公司治理指標(biāo)這兩項(xiàng)不容易受到經(jīng)營管理層影響的變量入手來構(gòu)建預(yù)警模型，試圖擺脫盈余管理的影響，因此本研究提出第二個(gè)假設(shè)：

H2：基于現(xiàn)金流和公司治理指標(biāo)的預(yù)警模型的預(yù)警效果要好于基于傳統(tǒng)財(cái)務(wù)指標(biāo)的預(yù)警模型。

三、研究設(shè)計(jì)

(一)研究樣本的選取

1.財(cái)務(wù)危機(jī)的界定

財(cái)務(wù)危機(jī)研究中涉及的一個(gè)重要問題是如何對財(cái)務(wù)危機(jī)進(jìn)行科學(xué)界定，本文認(rèn)為，目前國內(nèi)文獻(xiàn)中普遍采用的以股票被特別處理作為判斷上市公司是否陷入財(cái)務(wù)危機(jī)的標(biāo)準(zhǔn)有其合理性。首先，由于國內(nèi)資本市場發(fā)展時(shí)間不長，證券市場數(shù)據(jù)并不規(guī)范，目前我國還沒有客觀全面的信貸違約統(tǒng)計(jì)數(shù)據(jù)庫，這就決定了我國學(xué)者無法像國外學(xué)者一樣將違約與否作為企業(yè)陷入財(cái)務(wù)危機(jī)的界定標(biāo)準(zhǔn)。其次，在中國資本市場，上市公司的“殼”較為稀有，這使得破產(chǎn)在國內(nèi)上市公司中相對罕見，更多的是賣殼重組，因此，國內(nèi)學(xué)者以破產(chǎn)來衡量企業(yè)是否出現(xiàn)財(cái)務(wù)危機(jī)可行性不高。第三，在我國上市公司被特別處理是一個(gè)客觀發(fā)生的事件，其可度量性較高，而且我國ST和*ST上市公司大部分都是通過債務(wù)重組、資產(chǎn)置換等來擺脫“特別處理”，這預(yù)示著被特別處理的上市公司確實(shí)存在著較為明顯的財(cái)務(wù)困境。第四，我國學(xué)者趙宇恒(2003)、呂長江和趙巖(2004)都論證了以特別處理作為區(qū)分財(cái)務(wù)危機(jī)公司和非財(cái)務(wù)危機(jī)公司的可行性?；谝陨显?，本研究也將上市公司股票是否被證券監(jiān)管部門特別處理作為區(qū)分財(cái)務(wù)危機(jī)和非財(cái)務(wù)危機(jī)公司的標(biāo)準(zhǔn)。

2.財(cái)務(wù)危機(jī)和非財(cái)務(wù)危機(jī)樣本的選取

本研究在選擇財(cái)務(wù)危機(jī)樣本公司時(shí)，遵循以下原則：

首先，本研究初步從全部滬深A(yù)股上市公司中挑選出的研究樣本為2009年度被ST的26家上市公司和2010年度被ST的34家上市公司，這些公司都主要由于2007～2008年度(或2008～2009年度)經(jīng)審計(jì)的凈利潤均為負(fù)值或公司2008年度(或2009年度)經(jīng)審計(jì)后的股東權(quán)益為負(fù)值這兩個(gè)原因而被證券監(jiān)管部門ST，這樣選擇的樣本公司與本研究前文中對財(cái)務(wù)危機(jī)公司的定義是一致的。另外，在樣本選擇的過程中，本研究排除了因注冊會(huì)計(jì)師出具無法表示意見或否定意見的審計(jì)報(bào)告、未能及時(shí)披露年度財(cái)務(wù)報(bào)告等特殊原因而被實(shí)施特別處理的公司，雖然這其中個(gè)別公司可能確實(shí)發(fā)生了財(cái)務(wù)危機(jī)，但是需要進(jìn)一步的資料來支撐才能做出具體判斷，并且這樣的公司在2009年和2010年出現(xiàn)的頻率不高，因此，本研究認(rèn)為將這些特殊樣本排除在本研究選樣之外并不會(huì)影響研究結(jié)論。

其次，由于我國某些上市公司曾多次被ST，而后又摘帽，接著又被ST，陷入被ST與摘帽的循環(huán)之中，因此本文認(rèn)為，這些公司被ST前幾年的財(cái)務(wù)數(shù)據(jù)就很有可能不能夠充分體現(xiàn)其財(cái)務(wù)狀況從健康到惡化的漸近性變化，因而把這部分樣本納入模型之中勢必會(huì)影響模型的預(yù)警效果，基于此種考慮，本文剔除了2家2010年被ST的公司，選取的樣本是在2009年度和2010年度首次被特別處理的58家ST上市公司。

最后，由于下文研究中涉及盈余管理變量的計(jì)量，所以本研究選擇的ST樣本公司要求在被ST前三年已上市并且可以獲得其財(cái)務(wù)報(bào)表數(shù)據(jù)。

3.正常公司樣本的選取

遵循以往學(xué)者研究慣例，本研究主要通過將ST公司與非ST公司進(jìn)行配對對比來研究財(cái)務(wù)危機(jī)預(yù)警模型，因此，本研究在選擇配對非ST上市公司時(shí)遵循以下選取原則：

首先，為了控制財(cái)務(wù)危機(jī)樣本組與非財(cái)務(wù)危機(jī)樣本組之間的時(shí)間性差異、公司規(guī)模差異和行業(yè)差異可能帶來的模型偏差，對應(yīng)每一個(gè)ST公司，本研究按同一會(huì)計(jì)年度、行業(yè)相同、資產(chǎn)規(guī)模相近的原則選擇出一個(gè)非ST公司。配對公司資產(chǎn)規(guī)模應(yīng)盡量控制在5%的差異以內(nèi)，但由于受同行業(yè)以及我國上市公司數(shù)量限制，本研究的樣本選取過程中有少量公司稍微放寬條件，盡管如此2010年仍然有1家ST公司因?yàn)闊o法選擇到符合標(biāo)準(zhǔn)的配對樣本而被放棄。

其次，由于ST樣本組研究的是被特別處理的前三年即2006年度(或2007年度)的財(cái)務(wù)數(shù)據(jù)，因此要求非ST樣本公司也必須在2006年前就已上市，并可以獲得完整的財(cái)務(wù)數(shù)據(jù)。

最后，同樣為了確保建立更加精確的預(yù)警模型，在選擇非ST樣本公司時(shí)必須選擇5年以內(nèi)未曾被ST的上市公司，以保證其一貫良好的財(cái)務(wù)狀況以作對比。

如果樣本的配比精度低很可能會(huì)降低模型的預(yù)測能力，因此本研究在選擇配對樣本的時(shí)候嚴(yán)格貫徹上述原則，經(jīng)過選擇后本研究得出57對研究樣本。

(二)預(yù)警指標(biāo)選擇

首先，為了證明基于傳統(tǒng)財(cái)務(wù)指標(biāo)的預(yù)警模型和基于現(xiàn)金流及公司治理指標(biāo)的預(yù)警模型在預(yù)警效果上的差異性，本研究既選擇了傳統(tǒng)財(cái)務(wù)指標(biāo)也選擇了現(xiàn)金流量指標(biāo)和公司治理指標(biāo)，本研究所選指標(biāo)如表1所示。

表1　初步選取的預(yù)警指標(biāo)

其次，指標(biāo)所在期間的確定方面，本研究以上市公司被特別處理的前3年作為樣本的時(shí)間范圍，如果記上市公司被特別處理當(dāng)年為t年，即選取上市公司被特別處理之前的t-3年的截面數(shù)據(jù)來建立預(yù)警模型。本研究之所以不考慮使用t-1年的財(cái)務(wù)報(bào)告數(shù)據(jù)來預(yù)測上市公司t年的狀態(tài)，是因?yàn)槲覈鲜泄镜哪陥?bào)披露制度規(guī)定上市公司在t年是否被特別處理是由其t-1年財(cái)務(wù)報(bào)告的公布所決定的，而財(cái)務(wù)報(bào)告的公布和是否被特別處理這兩個(gè)時(shí)間理論上是同時(shí)發(fā)生的，所以即使使用t-1年數(shù)據(jù)建立的預(yù)警模型有很高的預(yù)測精度，在實(shí)際預(yù)測中也沒有太大的應(yīng)用價(jià)值。另外我們也沒有采用特別處理公司t-2年的數(shù)據(jù)，因?yàn)槿绻患夜驹趖-1年經(jīng)審計(jì)凈利潤不為負(fù)，那么即使該公司在t-2年發(fā)生虧損，那它在t年也肯定不會(huì)被特別處理；而如果一家公司在t-2年虧損，基于這一年數(shù)據(jù)對t年“特別處理”的預(yù)測將變成簡單的對t-1年虧損還是盈利的預(yù)測。此外，何沛俐等(2002)通過利用時(shí)序樣本實(shí)證研究發(fā)現(xiàn)，在t-4年時(shí)，財(cái)務(wù)危機(jī)企業(yè)與正常企業(yè)之間的差異是不明顯的，公司財(cái)務(wù)危機(jī)的有效預(yù)測期往往以t-3年為起點(diǎn)?；诖耍狙芯繉⑹褂锰貏e處理公司和配對公司t-3年的數(shù)據(jù)來建立預(yù)警模型，具體來講就是2009年被特別處理的上市公司選取2006年的指標(biāo)數(shù)據(jù)，2010年被特別處理的上市公司選取2007年的指標(biāo)數(shù)據(jù)。

本研究實(shí)證數(shù)據(jù)來源于CCER經(jīng)濟(jì)研究中心色諾芬數(shù)據(jù)庫和國泰安CAMAR數(shù)據(jù)庫。

四、實(shí)證結(jié)果及解釋

(一)描述性統(tǒng)計(jì)分析

前文在表1中已初步選取了28個(gè)傳統(tǒng)財(cái)務(wù)指標(biāo)和11個(gè)現(xiàn)金流量指標(biāo)，但預(yù)警指標(biāo)過多，一方面會(huì)給信息的收集、整理和分析帶來很大的不便，降低工作效率，不利于財(cái)務(wù)危機(jī)的預(yù)警；另一方面，如果預(yù)警指標(biāo)之間存在較強(qiáng)的相關(guān)性，則有可能會(huì)導(dǎo)致預(yù)警判別結(jié)果出現(xiàn)偏差。因此在使用這些預(yù)警指標(biāo)建立判別模型之前，需要對表1中的37個(gè)預(yù)警指標(biāo)進(jìn)行相關(guān)篩選，以達(dá)到運(yùn)用盡可能少的、有代表性的指標(biāo)來反映盡可能多的信息的目的。本研究選擇運(yùn)用差異性檢驗(yàn)來進(jìn)行初步篩選，差異顯著性檢驗(yàn)主要反映差異的產(chǎn)生是源自于偶然的波動(dòng)還是一種必然的趨勢，是根據(jù)樣本數(shù)據(jù)推斷總體特征的一種方法。由于符合本研究要求的樣本數(shù)太少，所以使得樣本指標(biāo)分布的正態(tài)性受到影響，為了避免這種影響，本研究采取了非參數(shù)秩和檢驗(yàn)來推斷ST公司和非ST公司之間相關(guān)指標(biāo)的差異性，相關(guān)統(tǒng)計(jì)結(jié)果見表2。

表2　描述性統(tǒng)計(jì)及差異性檢驗(yàn)①

從表2可知，本研究選擇的大部分指標(biāo)在ST公司和非ST公司之間存在差異，其中，流動(dòng)比率、速動(dòng)比率、營運(yùn)資金比率、利息保障倍數(shù)、產(chǎn)權(quán)比率、資本積累率、留存收益資產(chǎn)比和每股收益等指標(biāo)的差異是在1%水平上顯著的，其他指標(biāo)差異的顯著性相對不高。為了保證信息的全面性，本研究接受了相對較高的顯著性水平，但這導(dǎo)致的結(jié)果是指標(biāo)依然過多，因此本研究在建立預(yù)警模型之前進(jìn)行了因子分析。

(二)盈余管理差異性檢驗(yàn)

1.盈余管理的計(jì)量

在進(jìn)行描述性統(tǒng)計(jì)之后本研究首先對假設(shè)一進(jìn)行檢驗(yàn)，檢驗(yàn)假設(shè)一的首要問題就是科學(xué)地計(jì)量ST公司和非ST公司的盈余管理程度。

根據(jù)現(xiàn)代會(huì)計(jì)制度的權(quán)責(zé)發(fā)生制，公司的會(huì)計(jì)盈余包括經(jīng)營活動(dòng)現(xiàn)金凈流量和應(yīng)計(jì)利潤兩部分。雖然從理論上講，企業(yè)可以通過操縱經(jīng)營活動(dòng)現(xiàn)金凈流量和應(yīng)計(jì)利潤兩種方式來進(jìn)行盈余管理，但實(shí)實(shí)在在的現(xiàn)金凈流量不容易被操縱，即使被操縱，其成本也較高，所以現(xiàn)實(shí)中大部分企業(yè)都是通過操縱應(yīng)計(jì)利潤來進(jìn)行盈余管理的，但不是全部應(yīng)計(jì)利潤都是可以被操縱的，應(yīng)計(jì)利潤可以劃分為可操縱性應(yīng)計(jì)利潤和非可操縱性應(yīng)計(jì)利潤，瓊斯模型就是基于這種思想發(fā)展起來的。

Jones(1991)在研究面臨進(jìn)口壓力的公司在接受調(diào)查期間是否會(huì)進(jìn)行盈余管理，以降低企業(yè)在被調(diào)查期間的盈余來獲得進(jìn)口補(bǔ)貼、稅收減免等優(yōu)惠的問題時(shí)首次提出了瓊斯模型，后經(jīng)Dechow，Sloan and Sweeney(1995)的修正而發(fā)展出修正的瓊斯模型，Bartov，Gul and Tusi(2001)摒棄以前瓊斯模型中使用時(shí)間序列數(shù)據(jù)來估計(jì)參數(shù)的方法，主張采用橫截面數(shù)據(jù)對系數(shù)進(jìn)行估計(jì)，從而發(fā)展出橫截面修正的瓊斯模型。近年來已經(jīng)有越來越多的學(xué)者檢驗(yàn)發(fā)現(xiàn)瓊斯模型或其適當(dāng)變型在預(yù)測我國上市公司盈余管理程度中的有效性(夏立軍，2003；張雁翎、陳濤，2007；王生年，2008；黃梅、夏新平，2009)，所以本研究采用橫截面修正的瓊斯模型來估計(jì)上市公司的盈余管理程度。

NDAit=a1(1/Ait-1)+a2[(△REVit-△RECit)/Ait-1]+a3(PPEit/Ait-1)

(1)

TAit/Ait-1=α1(1/Ait-1)+ α2(△REVit/ Ait-1)+ α3(PPEit/Ait-1)+εit

(2)

DAit= TAit/Ait-1-NDAit

(3)

其中，NDAit代表公司i第t年的非操縱性應(yīng)計(jì)利潤；②DAit代表公司i，t年可操縱性應(yīng)計(jì)利潤；TAit/Ait-1代表公司i，t年的總應(yīng)計(jì)利潤；△REVit為公司i，t年?duì)I業(yè)收入與t-1年?duì)I業(yè)收入之差額；③△RECit為公司i，t年與t-1年應(yīng)收賬款之差額；PPEit為公司i，t年年末固定資產(chǎn)價(jià)值；Ait-1為公司i，t-1年年末總資產(chǎn)；εit為隨機(jī)擾動(dòng)項(xiàng)。

公式(1)中的特征參數(shù)a1、a2、a3為公式(2)中α1、α2、α3的OLS估計(jì)值。

值得一提的是，本研究在計(jì)算ST公司和非ST公司的盈余管理程度時(shí)面臨兩種方法的選擇，一種是不同類型公司分別按照瓊斯模型回歸分析，另一種是按照全體A股公司回歸，然后從中提取ST公司和非ST公司的盈余管理程度值。在進(jìn)行回歸之后本研究發(fā)現(xiàn)前者回歸后個(gè)別系數(shù)不顯著，這將影響盈余管理程度計(jì)量的科學(xué)性，所以本研究選擇了后一種方法，在對后一種方法的處理上本研究首先按照中國證監(jiān)會(huì)公布的上市公司行業(yè)分類標(biāo)準(zhǔn)進(jìn)行了分行業(yè)分年度的OLS估計(jì)以求得不同行業(yè)不同年度的α1、α2、α3估計(jì)值，但發(fā)現(xiàn)OLS估計(jì)值大部分無法通過t檢驗(yàn)。然后，我們又借鑒陳武朝和張泓(2004)的做法對行業(yè)進(jìn)行了適當(dāng)?shù)暮喜⒎诸?，?jì)算出的結(jié)果仍然大部分不顯著，這在國內(nèi)相關(guān)研究中也有類似發(fā)現(xiàn)(雷光勇和劉慧龍，2006)，另外，劉峰和王兵(2006)指出夏立軍(2003)的研究在計(jì)算上存在偏差，即指出修正的Jones現(xiàn)金流量模型最有效地揭示盈余管理，并采用綜合樣本估計(jì)的結(jié)論要優(yōu)于分行業(yè)樣本估計(jì)，因此為了保證模型的有效性，本研究采用了分年度橫截面擴(kuò)展瓊斯模型來估計(jì)可操縱應(yīng)計(jì)利潤值，本研究以盈余管理程度的絕對值來表示公司的盈余管理幅度。

2.差異性檢驗(yàn)

在估計(jì)出所有樣本公司的盈余管理水平之后，本研究對ST公司和非ST公司之間盈余管理程度的差異性進(jìn)行了非參數(shù)檢驗(yàn)，檢驗(yàn)結(jié)果如表3。

表3　盈余管理程度差異檢驗(yàn)

從表3可以發(fā)現(xiàn)沒有證據(jù)表明假設(shè)一得到驗(yàn)證，ST公司和非ST公司之間的盈余管理程度并未出現(xiàn)顯著差異，根據(jù)前文的分析，這極有可能是盈余管理行為在我國上市公司中普遍存在所致，由于大部分上市公司都存在盈余管理行為，所以ST公司和非ST公司之間盈余管理幅度的差異并不顯著。

(三)預(yù)警效果檢驗(yàn)分析

1.因子分析

(1)傳統(tǒng)財(cái)務(wù)指標(biāo)因子分析

首先，初始傳統(tǒng)財(cái)務(wù)指標(biāo)的相關(guān)性分析認(rèn)為，本研究選取的傳統(tǒng)財(cái)務(wù)指標(biāo)相關(guān)性符合進(jìn)行因子分析的基本要求。

其次，SPSS17.0軟件首先輸出KMO測定結(jié)果，以確定本研究中的財(cái)務(wù)指標(biāo)是否可以進(jìn)行因子分析。其值范圍從0到1，值越靠近1，表明對這些變量進(jìn)行因子分析的效果越好。本研究的KMO為0.657，因此可以進(jìn)行因子分析。

再次，經(jīng)主成分分析之后，本研究選出了5個(gè)特征值大于1的因子變量(F1～F5)成為下文構(gòu)建模型的主成分變量。第一個(gè)因子變量的方差貢獻(xiàn)率為35.009%，第二個(gè)為11.37%，第三個(gè)為9.668%。

最后，根據(jù)SPSS輸出的因子得分系數(shù)矩陣可以得出5個(gè)主因子的線性表達(dá)式：

F1=-0.034X2+0.013X3+0.01X4+0.011X5-0.036X6+0.103X15+0.129X19+0.044X20+0.135X21+0.144X22+0.162X23+0.008X12+0.045X25+0.151X26+0.07X27+0.143X28-0.041X1+0.162X24

F2=0.231X2+0.212X3-0.249X4+0.018X5-0.195X6-0.016X15-0.036X19+0.021X20-0.054X21+0.002X22+0.012X23+0.003X12+0.098X25+0.054X26+0.097X27+0.017X28+0.237X1-0.008X24

F3=0.106X2+0.063X3-0.093X4-0.047X5-0.011X6-0.046X15+0.23X19+0.32X20+0.205X21+0.112X22+0.101X23+0.049X12-0.226X25-0.192X26-0.419X27-0.246X28+0.109X1+0.077X24

F4=0.204X2-0.017X3+0.137X4-0.191X5+0.171X6+0.39X15-0.171X19+0.027X20-0.211X21+0.164X22-0.047X23-0.157X12-0.446X25+0.135X26-0.027X27+0.154X28+0.221X1-0.017X24

F5=0.036X2-0.083X3-0.007X4+0.478X5+0.11X6-0.03X15+0.057X19+0.317X20+0.049X21-0.085X22-0.032X23+-0.76X12+0.042X25-0.027X26+0.114X27+0X28+0.029X1-0.033X24

(2)現(xiàn)金流量指標(biāo)因子分析

首先，初始現(xiàn)金流量指標(biāo)的相關(guān)性分析認(rèn)為，本研究選取的傳統(tǒng)財(cái)務(wù)指標(biāo)相關(guān)性符合進(jìn)行因子分析的基本要求。

其次，SPSS17.0軟件首先輸出KMO測定結(jié)果，本研究的KMO為0.712，因此可以進(jìn)行因子分析。

再次，經(jīng)主成分分析之后，本研究選出了3個(gè)特征值大于1的因子變量(F21～F23)成為下文構(gòu)建模型的主成分變量。第一個(gè)因子變量的方差貢獻(xiàn)率為31.662%，第二個(gè)19.669%，第三個(gè)為9.368%，第四個(gè)為7.963%，第五個(gè)為5.792%。

最后，根據(jù)SPSS輸出的因子得分系數(shù)矩陣確定各個(gè)因子關(guān)于傳統(tǒng)財(cái)務(wù)比率的線性表達(dá)式。

F21=0.101X29+0.234X30+0.073X31+0.232X32+0.124X33+0.193X34+0.099X35+0.233X36+0.002X37+0.053X38+0.129X39

F22=0.244X29+0.043X30+0.237X31+0.035X32-0.065X33-0.189X34+0.063X35-0.067X36+0.664X37+0.381X38-0.216X39

F23=-0.162X29-0.18X30-0.209X31-0.22X32-0.109X33+0.326X34+0.746X35-0.025X36-0.046X37+0.327X38-0.075X39

2.預(yù)警模型構(gòu)建

國內(nèi)外對于財(cái)務(wù)預(yù)警的研究中Logistic回歸模型應(yīng)用最廣泛，這主要得益于兩方面的原因：一方面實(shí)證檢驗(yàn)表明Logistic回歸模型的預(yù)測精度較高，誤判率較低；另一方面Logistic回歸模型不需要樣本變量服從嚴(yán)格的假設(shè)，即不需要自變量呈現(xiàn)多元正態(tài)分布及兩組樣本等協(xié)方差，適用范圍較廣。

Logistic邏輯回歸分析的假設(shè)前提有兩個(gè)：一是數(shù)據(jù)來自隨機(jī)樣本；二是自變量之間不存在多重共線性關(guān)系。而本研究中經(jīng)上文主成分分析得出的因子變量已消除了線性相關(guān)，因此下面本研究將采用Logistic回歸模型展開實(shí)證研究，分別構(gòu)建我國上市公司傳統(tǒng)財(cái)務(wù)指標(biāo)和現(xiàn)金流公司治理指標(biāo)預(yù)警模型。

(1)基于傳統(tǒng)財(cái)務(wù)指標(biāo)的Logistic模型

本研究將運(yùn)用SPSS17.0提供的Binary Logistic回歸方法，將ST公司賦值為0，非ST公司賦值為1，根據(jù)我國57家財(cái)務(wù)危機(jī)樣本企業(yè)與57家正常樣本企業(yè)被特別處理前三年的傳統(tǒng)財(cái)務(wù)指標(biāo)數(shù)據(jù)，利用前文中已確定的5個(gè)因子為自變量，構(gòu)建Logistic回歸模型，計(jì)算其陷入財(cái)務(wù)危機(jī)的概率。如果此概率大于某個(gè)設(shè)定值，則推斷公司將陷入財(cái)務(wù)危機(jī)，而這個(gè)設(shè)定值即為模型判別的分割點(diǎn)，大多數(shù)學(xué)者都普遍傾向選擇0.5作為分割點(diǎn)對樣本進(jìn)行分類。如果計(jì)算出的某公司的概率值大于0.5時(shí)，就判定該公司兩年后將成為ST公司或陷入財(cái)務(wù)危機(jī)中；反之，則判定該公司兩年后仍然屬于正常企業(yè)。本研究同樣遵循該判定方法，將0.5作為財(cái)務(wù)危機(jī)企業(yè)與正常企業(yè)的判別分割點(diǎn)，回歸結(jié)果如表4所示。

表4　基于傳統(tǒng)財(cái)務(wù)指標(biāo)的logistic模型

根據(jù)Logistic回歸結(jié)果可得基于傳統(tǒng)財(cái)務(wù)指標(biāo)的預(yù)警模型為：

Ln[P/(1-P)]=0.456F1+0.671F2+0.308F3-0.262F4-0.231F5+0.01

(2)基于現(xiàn)金流和公司治理指標(biāo)的logistic模型

表5　基于現(xiàn)金流和公司治理指標(biāo)的logistic模型

同上文方法，本研究建立現(xiàn)金流和公司治理變量指標(biāo)的預(yù)警模型，Logistic回歸結(jié)果如表5：

根據(jù)Logistic回歸結(jié)果可得基于現(xiàn)金流和公司治理指標(biāo)的預(yù)警模型為：

Ln[P/(1-P)]=0.406X40+0.101X41-0.134X42-103.631X43+0.866F21+0.126F22-0.924F23+1.9

3.預(yù)警效果比較

兩種Logistic模型的回判效果如表6和表7所示。

表6　傳統(tǒng)財(cái)務(wù)指標(biāo)logistic模型判別效果

表7　現(xiàn)金流和公司治理指標(biāo)logistic模型判別效果

從表6和表7比較中我們可以發(fā)現(xiàn)，基于現(xiàn)金流和公司治理指標(biāo)logistic模型判別效果要顯著好于傳統(tǒng)財(cái)務(wù)指標(biāo)logistic模型，本研究的假設(shè)二得到驗(yàn)證。相對于傳統(tǒng)財(cái)務(wù)指標(biāo)logistic模型，基于現(xiàn)金流和公司治理指標(biāo)logistic模型不僅在總體判別率上高出23.7%，而且犯第一類錯(cuò)誤(將ST公司錯(cuò)判為非ST公司)的概率從28.1%下降為10.5%，這無疑將大大降低財(cái)務(wù)預(yù)警的識(shí)別成本。

五、穩(wěn)健性檢驗(yàn)

為了保證實(shí)證結(jié)果的穩(wěn)健性，本研究對驗(yàn)證兩個(gè)假設(shè)的方法都進(jìn)行了穩(wěn)健性檢驗(yàn)。

(一)盈余管理計(jì)量穩(wěn)健性檢驗(yàn)

本研究選擇了用Jones模型來計(jì)量上市公司盈余管理程度，盡管該模型得到廣泛認(rèn)可和應(yīng)用，但也有部分學(xué)者質(zhì)疑這一模型的有效性，為此本研究選擇了DeAngelo模型來對Jones模型計(jì)量的盈余管理程度進(jìn)行穩(wěn)健性檢驗(yàn)。穩(wěn)健性檢驗(yàn)結(jié)果表明，本研究假設(shè)一不成立，支持了前文結(jié)論。

(二)預(yù)警模型穩(wěn)健性檢驗(yàn)

本研究在因子分析的基礎(chǔ)上建立Fisher線性判別模型來檢驗(yàn)Logistic模型實(shí)證結(jié)果的穩(wěn)健性，結(jié)果表明本研究假設(shè)二依然成立，即基于現(xiàn)金流和公司治理指標(biāo)的預(yù)警模型的預(yù)警效果要好于基于傳統(tǒng)財(cái)務(wù)指標(biāo)的預(yù)警模型。

六、結(jié)論及展望

本研究首先針對ST公司和非ST公司之間盈余管理程度的差異性進(jìn)行檢驗(yàn)，檢驗(yàn)的結(jié)果表明ST公司和非ST公司之間在盈余管理程度上不存在顯著差異，本研究認(rèn)為這是因?yàn)橛喙芾硇袨樵谖覈鲜泄局衅毡榇嬖谝灾劣诜鹊牟町愒趦深惞局g并不顯著所致；然后基于對我國上市公司中盈余管理行為普遍存在的認(rèn)識(shí)，本研究試圖建立一種盡量少受盈余管理行為影響的預(yù)警模型，因此選擇了現(xiàn)金流量指標(biāo)和公司治理指標(biāo)建立模型，回判結(jié)果顯示，本研究中建立的基于現(xiàn)金流和公司治理指標(biāo)的預(yù)警模型的預(yù)測效果顯著好于基于傳統(tǒng)財(cái)務(wù)變量的預(yù)警模型。

雖然本研究建立的基于現(xiàn)金流量指標(biāo)和公司治理指標(biāo)的預(yù)警模型在預(yù)測效果上相比于傳統(tǒng)財(cái)務(wù)指標(biāo)模型有了較大幅度提高，但現(xiàn)實(shí)中現(xiàn)金流量在一定程度上還是會(huì)受到公司管理當(dāng)局的干預(yù)，所以未來的研究中應(yīng)尋找更加客觀獨(dú)立但預(yù)警效果又好的指標(biāo)，目前學(xué)術(shù)界開始關(guān)注的宏觀經(jīng)濟(jì)變量指標(biāo)符合這一要求，但由于基礎(chǔ)理論匱乏，目前的應(yīng)用效果一般，以后的研究中應(yīng)加強(qiáng)宏觀經(jīng)濟(jì)指標(biāo)的研究和運(yùn)用。

注釋：

①簡化起見，本文只報(bào)告了秩和檢驗(yàn)存在顯著差異的預(yù)警指標(biāo).

②本研究中所有應(yīng)計(jì)利潤都是指經(jīng)過上期期末資產(chǎn)調(diào)整后的應(yīng)計(jì)利潤.

③根據(jù)瓊斯(1991)的觀點(diǎn)，模型中的△REV用來“控制公司運(yùn)營的經(jīng)濟(jì)環(huán)境”。我國學(xué)者一般用主營業(yè)務(wù)收入變動(dòng)額或者營業(yè)收入變動(dòng)額來計(jì)算該變量，本研究借鑒陸建橋(1999)，毛新述、戴德明(2009)等學(xué)者的做法，使用公司營業(yè)收入的變動(dòng)額作為控制公司運(yùn)營環(huán)境的變量.

參考文獻(xiàn)：

[1]Fitzpatrick P J. A Comparison of Ratio of Successful Industrial Enterprises with Those of Failed Firms [J].Certified Public Accountant, 1932(2):589-605.

[2]Beaver W N. Financial Ratios as Predictors of Failure, Empirical Research in Accounting: Selected Study [J].Journal of Accounting Research (Supplement), 1966，(4):71-111.

[3]陳靜.上市公司財(cái)務(wù)惡化預(yù)測的實(shí)證分析[J].會(huì)計(jì)研究,1999,(4):31-38.

[4]陳曉,陳治鴻.中國上市公司的財(cái)務(wù)困境預(yù)測[J].中國會(huì)計(jì)與財(cái)務(wù)研究,2000,(3):55-72.

[5]張玲.財(cái)務(wù)危機(jī)預(yù)警分析判別模型及其應(yīng)用[J].預(yù)測，2000,(6):13-31.

[6]吳世農(nóng),盧賢義.我國上市公司財(cái)務(wù)困境的預(yù)測模型研究[J].經(jīng)濟(jì)研究,2001,(6):46-55.

[7]楊淑娥,徐偉剛.上市公司財(cái)務(wù)預(yù)警模型——Y分?jǐn)?shù)模型的實(shí)證研究[J].中國軟科學(xué),2003,(1):56-60.

[8]黃鶴,李鳳吟.從現(xiàn)金流角度構(gòu)建財(cái)務(wù)困境預(yù)測模型[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2003,(6):24-27.

[9]劉慶華.基于現(xiàn)金流量的企業(yè)財(cái)務(wù)預(yù)警系統(tǒng)研究[D].成都:西南財(cái)經(jīng)大學(xué),2006.

[10]陸建橋.中國虧損上市公司盈余管理實(shí)證研究[J].會(huì)計(jì)研究,1999,(9)：25-35.

[11]宋力,李晶.上市公司財(cái)務(wù)危機(jī)預(yù)警模型的實(shí)證研究[J].財(cái)經(jīng)論叢,2004,(1):85-90.

[12]呂峻.基于財(cái)務(wù)比率調(diào)整的上市公司財(cái)務(wù)困境預(yù)測[J].山西財(cái)經(jīng)大學(xué)學(xué)報(bào),2006,28(1):135-139.

[13]趙宇恒.運(yùn)用聚類分析對ST作為上市公司財(cái)務(wù)困境標(biāo)準(zhǔn)的可行性分析[J].中國會(huì)計(jì)電算化,2003,(9):8-11.

[14]呂長江,趙巖.中國上市公司特別處理的生存分析.中國會(huì)計(jì)評論，2004,2(2):311-338.

[15]何沛俐,章早立.立體空間下的全新財(cái)務(wù)危機(jī)遠(yuǎn)期預(yù)警模型[R].深圳證券交易所第五界會(huì)員單位，基金管理公司研究成果，2002.

[16]Jones J J. Earnings management during import relief Investigations[J]. Journal of Accounting Research, 1991,(2):193-228.

[17]Dechow P M, Sloan R G, Sweeney A P. Detecting earnings management[J].The Accounting Review,1995,(2):193-225.

[18]Bartov E, Gul F A, Tsui A J. Discretionary accruals models and audit qualifications[J]. Journal of Accounting and Economics, 2001,(12):421-452.

[19]夏立軍.盈余管理計(jì)量模型在中國股票市場的應(yīng)用研究[J].中國會(huì)計(jì)與財(cái)務(wù)研究,2003,(2):94-122.

[20]張雁翎,陳濤.盈余管理計(jì)量模型效力的實(shí)證研究[J].數(shù)理統(tǒng)計(jì)與管理,2007,(3):481-488.

[21]王生年.盈余管理影響因素研究——公司治理視角[D].北京:經(jīng)濟(jì)管理出版社,2009.

[22]黃梅,夏新平.操縱性應(yīng)計(jì)模型檢測盈余管理能力的實(shí)證分析[J].南開管理評論,2009,12(5):136-143.

[23]毛新述,戴德明.會(huì)計(jì)制度改革、盈余穩(wěn)健性與盈余管理[J].會(huì)計(jì)研究,2009,(12):38-46.

[24]陳武朝,張泓.盈余管理 審計(jì)師變更與審計(jì)獨(dú)立性[J].會(huì)計(jì)研究,2004,(8):81-86.

[25]雷光勇,劉慧龍.大股東控制、融資規(guī)模與盈余操縱程度[J].管理世界,2006,(1):129-136.

[26]劉峰,王兵.盈余管理計(jì)量模型評價(jià)[D].中山大學(xué)管理學(xué)院工作論文,2006.