Page 82 - 北京工商大学学报社会科学版2018年第6期

第 33 卷摇 第 6 期 王文清, 傅绍正, 赵摇 慧: 管理层预测能力、环境不确定性与盈余管理

FA 为自变量管理层预测能力,借鉴 Goodman 营业利润的标准差来度量,数值越大,环境不确定
[20] 和赵慧等 [21] 的研究,本文采用前 3 年管 性越大。 本文以环境不确定性的年度中位数为标
et al.
理层业绩预告偏差的均值来度量,数值越大,管理 准将样本划分为环境不确定性程度较高组(EU =
层预测能力越差。 本文选取点预测与闭区间预测 1)与环境不确定性程度较低组(EU = 0)。
两种预测形式衡量业绩预告准确性。 对于点预 Controls 表 示 一 组 控 制 变 量, 借 鉴 叶 陈 云
测,用管理层业绩预告数与实际盈利数的差除以 等 [24] 的研究,在会计师事务所方面,本文控制了
业绩预告数所得结果的绝对值表示;对于闭区间 审计师声誉(BigN)、审计意见(Opinion);在公司
预测,用业绩预告范围的中间值与实际盈利数的 财务方面,本文控制了公司规模(Size)、资产负债
差除以业绩预告范围的中间值所得结果的绝对值 率( LEV)、 应 收 账 款 比 率 ( REC)、 资 产 收 益 率
表示。 根据研究假设 H1 和 H2,本文预测系数 琢 (ROA)、是否亏损(LOSS)、现金流比率(CFO)、存
1
的符号显著为正。 货比率(Inventory)。 与此同时,本文还控制了行
EU 为调节变量,代表环境不确定性,借鉴赵 业与年份的固定效应。 本文全部控制变量的具体
慧等 [21] 的研究,采用前 3 年经总资产标准化后的 定义如表 1 所示。

表 1摇 控制变量定义表
变量符号 变量名称 变量定义
如果上市公司聘请的会计师事务所为安永、毕马威、德勤、普华永道的中
BigN 审计师声誉
国成员所,则 BigN 取值为 1;否则 BigN 取值为 0
如果会计师事务所出具的审计意见为标准无保留意见,则 Opinion = 0,否
Opinion 审计意见
则,Opinion = 1
Size 公司规模 期末总资产的自然对数
LEV 资产负债率 期末负债总额/ 期末资产总额
REC 应收账款比率 期末应收账款/ 期末资产总额
ROA 资产收益率 净利润/ 期末资产总额
LOSS 亏损情况 如果当期净利润小于 0,则 LOSS 取值为 1;否则,LOSS 取值为 0
CFO 现金流比率 当期经营活动产生的净现金流/ 期末资产总额
Inventory 存货比率 期末存货/ 期末资产总额

摇 摇 (二)样本选择与数据来源 所示,在 4 929 个样本观测值中,应计盈余管理
本文以 2010—2016 年披露管理层业绩预告 (aDA) 的最小值为 0郾 001,最大值为 0郾 770,均值
的沪深两市 A 股上市公司为初始研究样本,并依 为 0郾 083, 标准差为 0郾 111; 真实活动盈余管理
次进行如下处理:(1) 剔除金融行业的样本观测 (aREM)的最小值为 0郾 002,最大值为 1郾 500,均值
值;(2)剔除 IPO 当年的样本观测值;(3) 剔除盈 为 0郾 189,标准差为 0郾 234;管理层预测能力(FA)
余预测类型为开区间和定性预测的样本观测值; 的最 小 值 为 0郾 005, 最 大 值 为 2郾 659, 均 值 为
(4)剔除相关变量缺失的样本观测值。 最终,得 0郾 170,标准差为 0郾 340;环境不确定性(EU) 的最
到了共计 4 929 个样本观测值(公司-年)。 本文 小值为 0,最大值为 1,均值为 0郾 501,标准差为
使用的相关数据均来源于国泰安 CSMAR 数据 0郾 500。
库。 为了减少异常值的影响,本文对所有连续变 (二)模型的回归结果
量进行了 1% 和 99% 的 Winsorize 处理。 本文使 表 3 报告了管理层预测能力对盈余管理的影

用的统计软件是 Stata13郾 1。 响的回归结果。 第(1) 列和第(2) 列显示,FA 与
四、实证结果分析 aREM 的相关系数分别是 0郾 041 和 0郾 037,且均在
(一)描述性统计 5% 的统计水平下显著。 实证结果表明,在其他条
表 2 报告了变量的描述性统计情况。 如表 2 件不变的情况下,管理层预测能力越差,真实活动

· 7 7 ·