基于综合应计利润分离模型指标的实证研究

3.4.2　基于综合应计利润分离模型指标的实证研究

1）描述性统计

（1）t－3年的描述性统计

t－3年的描述性统计结果如表3.12所示。

表3.12　t－3年综合应计利润分离模型指标的描述性统计结果

（2）t－2年的描述性统计

t－2年的描述性统计结果如表3.13所示。

表3.13　t－2年综合应计利润分离模型指标的描述性统计结果

（3）t－1年的描述性统计

t－1年的描述性统计结果如表3.14所示。

表3.14　t－1年综合应计利润分离模型指标的描述性统计结果

2）T检验

（1）t－3年的T检验结果

256家公司的t－3年数据的T检验结果如表3.15所示：

表3.15　t－3年综合应计利润分离模型指标的T检验结果

从表3.15中可以看出，在显著性水平为0.05的情况下，两类样本的X1、X4变量的均值存在显著差异。

（2）t－2年的T检验结果

256家公司的t－2年数据的T检验结果如表3.16所示。

表3.16　t－2年综合应计利润分离模型指标的T检验结果

从表3.16中可以看出，在显著性水平为0.05的情况下，两类样本的X1、X2、X3、X4、X10、X11变量的均值存在显著差异。

（3）t－1年的T检验结果

256家公司的t－1年数据的T检验结果如表3.17所示。

从表3.16中可以看出，在显著性水平为0.05的情况下，两类样本的X1、X2、X3、X4、X7、X8、X10、X11变量的均值存在显著差异。

表3.17　t－1年综合应计利润分离模型指标的T检验结果

3）Mann－Whitney检验

（1）t－3年Mann－Whitney检验

t－3年Mann－Whitney检验的结果如表3.18所示。

表3.18　t－3年综合应计利润分离模型指标Mann－Whitney检验结果

从表3.18可以看出，在显著性水平为0.05的情况下，t－3年的指标中通过Mann－Whitney检验的指标是X1、X4、X9。

（2）t－2年Mann－Whitney检验

t－2年Mann－Whitney检验的结果如表3.19所示。

表3.19　t－2年综合应计利润分离模型指标Mann－Whitney检验结果

从表3.19可以看出，在显著性水平为0.05的情况下，t－2年的指标中通过Mann－Whitney检验的指标是X1、X2、X3、X4、X7、X10、X11。

（3）t－1年Mann－Whitney检验

t－1年Mann－Whitney检验的结果如表3.20所示。

表3.20　t－1年综合应计利润分离模型指标Mann－Whitney检验结果

从表3.20可以看出，在显著性水平为0.05的情况下，t－1年的指标中通过Mann－Whitney检验的指标是X1、X2、X3、X4、X7、X8、X10、X11。

综合上述的两种显著性检验的结果，经过对盈余管理指标的调整，我们重新分布得到t－1年、t－2年、t－3年用于建模的预警指标体系，总结如表3.21所示：

表3.21　基于综合应计利润分离模型的预警指标体系构成

4）多元判别分析

使用变量K描述样本类别，将财务危机企业的K值取0，正常企业的K值取1。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20对样本（40家）的数据进行测试。在SPSS11.5的环境下调用“Classify—Discriminant”程序，可以分别得到ST前1～3年的Bayes判别分析模型。

（1）t－3年的多元判别分析

t－3年的分类方程系数表如表3.22所示。

表3.22　t－3年基于综合应计利润分离模型指标的分类方程系数

根据表3.22的结论，我们可以得到t－3年的判别模型如式3.33和3.34所示：

将建模数据和外推数据分别代入判别函数，分别得到回判和外推的结果。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K⁰≥K¹时将样本归入类别0，K⁰＜K¹时将样本归入类别1，结果如表3.23所示：

表3.23　t－3年基于综合应计利润分离模型指标的Fisher线性判别模型分类准确率

（2）t－2年的多元判别分析

t－2年的分类方程系数表如表3.24所示。

表3.24　t－2年基于综合应计利润分离模型指标的分类方程系数

根据表3.24的结论，我们可以得到t－2年的判别模型：

将建模数据和外推数据分别代入判别函数，分别得到回判和外推的结果如表3.25所示。

表3.25　t－2年基于综合应计利润分离模型指标的Fisher线性判别模型分类准确率

（3）t－1年的多元判别分析

t－1年的分类方程系数表如表3.26所示。

表3.26　t－1年基于综合应计利润分离模型指标的分类方程系数

根据表3.26的结论，我们可以得到t－1年的判别模型如式3.37和3.38所示：

将建模数据和外推数据分别代入判别函数，分别得到回判和外推的结果如表3.27所示。

表3.27　t－1年基于综合应计利润分离模型指标的Fisher线性判别模型分类准确率

5）逻辑回归分析

用变量P描述样本类别，将财务危机企业的P值取0，正常企业的P值取1。在SPSS11.5的环境下调用“Regression—Binary Logistic”程序，得到ST前1～3年的逻辑回归模型，结果详见表3.28～表3.30。

（1）t－3年的逻辑回归分析

t－3年的逻辑回归方程系数如表3.28所示：

表3.28　t－3年基于综合应计利润分离模型指标的逻辑回归方程系数

由表3.28的结果可以得到下面的逻辑回归判别模型如式3.39所示：

将建模数据和外推数据分别代入逻辑回归判别模型：当P≤0.5时将样本归入类别0，P＞0.5时将样本归入类别1，可得回判和外推分类的准确率结果。t－3年逻辑回归模型的分类准确率结果详见表3.29。

表3.29　t－3年基于综合应计利润分离模型指标的逻辑回归分类结果

（2）t－2年的逻辑回归分析

t－2年的逻辑回归方程系数如表3.30所示。

表3.30　t－2年基于综合应计利润分离模型指标的逻辑回归方程系数

由表3.30的结果可以得到下面的逻辑回归判别模型如式3.40所示：

将建模数据和外推数据分别代入逻辑回归判别模型：当P≤0.5时将样本归入类别0，P＞0.5时将样本归入类别1，可得回判和外推分类的准确率结果。t－2年逻辑回归模型的分类准确率结果详见表3.31。

表3.31　t－2年基于综合应计利润分离模型指标的逻辑回归分类结果

（3）t－1年的逻辑回归分析

t－1年的逻辑回归方程系数如表3.32所示。

表3.32　t－1年基于综合应计利润分离模型指标的逻辑回归方程系数

由表3.32的结果可以得到下面的逻辑回归判别模型如式3.41所示：

将建模数据和外推数据分别代入逻辑回归判别模型：当P≤0.5时将样本归入类别0，P＞0.5时将样本归入类别1，可得回判和外推分类的准确率结果。t－1年逻辑回归模型的分类准确率结果详见表3.33。

表3.33　t－1年基于综合应计利润分离模型指标的逻辑回归分类结果