我国上市公司收益质量评价体系研究，本文主要内容关键词为：上市公司论文,评价体系论文,收益论文,质量论文,我国论文，此文献不代表本站观点，内容供学术参考，文章仅供参考阅读下载。
一、引言
收益信息是会计信息中的重要项目之一，恰当评价收益质量是准确评估企业收益真实情况的关键。但目前收益披露形式的多样性以及企业计算收益方法的不一致性等，使得收益质量的度量非常复杂（Defond,2010）。在收益质量评价的早期研究中，学者们多采用单一指标对其进行度量（Lev,1989）。例如盈余反应系数（Earnings Response Coefficients,ERC）（Hayn,1995；王化成等，2007）、可控应计利润（Discretionary Accruals）（Teets,2002; Ball and Brown,2006）等。但单一指标度量方式从特定的角度呈现了收益质量现状，但却不能全面把握各相关因素对收益质量的综合影响（Lo,2008; Dechow et al.,2010），例如ERC反映的只是未预期盈余同股票报酬的关联程度，因此通过ERC度量的收益质量只是未预期盈余的质量；而可控应计利润的内生性以及该指标本身的度量误差，也使其在度量收益质量时往往失效（Atwood et al.,2010）。
所以，学者们更倾向于从多角度对收益质量进行全面综合评价。汝莹和付蓉（2003）从经济学和会计学角度分别阐述了收益的内涵，并使用经济收益、会计收益和真实收益对收益质量进行了分析和衡量。Boonlert－U－thai et al.（2006）认为会计收益评价至少应包括应计质量、收益的持续性、收益的可预言性、收益的稳定性四个方面。Francis et al.（2008）总结以往文献后指出收益质量应当从企业目标、现金流、认股选择权、退休金、科研经费、股票回购、税率、总边际收益等方面进行综合评价。Dechow et al.（2010）认为从企业内部角度而言，收益质量可以反映在收益持续性、成长性、稳定性、稳健性（非对称及时性）等方面；从投资者角度可以反映为盈余反应系数（ERC）或盈余—报酬模型中的
系数；从企业外部角度可以反映为会计审计信息强制性披露（AAERs）、内部控制过程等。这些研究成果已获得会计理论和实践的有效支持，但当前对收益质量的评价研究中仍存在两方面问题：一是现有评价指标体系大都侧重于收益质量的一个或几个方面，例如只考虑收益信息披露的真实性或持续性，没有考虑研发费用等反映收益成长性的指标以及财务杠杆系数等反映收益安全性的指标的影响；二是评价指标和各相关因素指标的选取以及权重的确定，大都依赖研究者或专家的经验判断，增加了指标体系构建的人为干扰。并且这些指标之间往往具有较强的相关性，且大部分不可直接观测，所以用传统的回归分析来确定指标对收益质量贡献大小的方法已经不再适用。而20世纪六、七十年代开始出现并得到迅速发展的结构方程模型（Structural Equation Modeling,SEM）方法能够很好地解决这些问题。SEM基于变量的协方差矩阵来分析变量之间的关系，它允许模型中因变量之间存在不同相关性、能同时处理多个因变量并容许自变量和因变量含测量误差、同时顾及模型的测量信度与效度、可以检验自变量的测量误差以便因素负荷更加精确，从而弥补了传统统计方法的不足（侯杰泰等，2004），逐渐成为经济学和管理学等领域的重要研究工具。
本文在现有收益质量评价研究成果基础上，综合收益质量的各项特征，试图给出收益质量的全面评价指标体系，并基于SEM方法和我国上市公司2007—2009年数据，构建适合我国上市公司的收益质量评价指标体系。最后采用两家上市公司的数据对评价体系的有效性和实用性进行验证。
二、研究假设与模型构建
1.收益质量评价指标体系构建及研究假设
基于文献Bellovary et al.（2005）、Francis et al.（2008）、Defond（2010）给出的系列评价指标，本文将进一步考虑收益的成长性和安全性，从收益的可靠性、成长性、持续性、稳定性、现金保障性和安全性6个方面，初步建立收益质量评价指标体系，指标变量及其符号表示、指标值的计算见表1。并给出如下相应的研究假设：
总体假设（H1）：上市公司收益质量对收益的可靠性产生正向影响，即收益质量越高的公司其收益的可靠性越强。同时假设：
H11：收益的可靠性是总应计、审计报告结论、年报披露时间的有效度量。
总体假设（H2）：上市公司收益质量对收益的成长性产生正向影响，即收益质量越高的公司其收益的成长性越强。同时假设：
H21：收益的成长性是总资产增长率、主营业务收入增长率、净利润增长率、研发与培训投入比重的有效度量。
总体假设（H3）：上市公司收益质量对收益的持续性产生正向影响，即收益质量越高的公司其收益的持续性越强。同时假设：
H31：收益的持续性是营业毛利率、非经常性损益比率、主营业务鲜明率的有效度量。
总体假设（H4）：上市公司收益质量对收益的稳定性产生正向影响，即收益质量越高的公司其收益的稳定性越强。同时假设：
H41：收益的稳定性是净资产收益率、每股净资产、每股收益、固定资产占总资产的比率的有效度量。
总体假设（H5）：上市公司收益质量对收益的现金保障性产生正向影响，即收益质量越高的公司其收益的现金保障性越强。同时假设：
H51：收益的现金保障性是每股经营现金流量、盈余现金保障倍数、营业利润经营现金比率、负债现金流量保障率的有效度量。
总体假设（H6）：上市公司收益质量对收益的安全性产生正向影响，即收益质量越高的公司其收益的安全性越强。同时假设：
H61：收益的安全性是资产负债率、速动比率、总资产周转率、财务杠杆系数、利息保障倍数的有效度量。
2.SEM的建立
SEM由两个基本模型组成：测量模型（Measured Model）和结构模型（Structural Model）（吴明隆，2009）。测量模型由潜在变量（Latent Variable）和观测变量（Observed Variable）组成，它是一组观测变量的线性函数；结构模型是描述潜在变量之间因果关系的模型。
本文基于表1指标体系构建SEM，其中二级指标构成模型中不可直接观测的内生潜在变量，其测量采用相应的三级指标作为观测变量，而这六个内生潜在变量又是对外生潜在变量“上市公司收益质量”的度量。由于该模型是建立的，所以对于测量模型只涉及内生潜在变量与内生观察变量之间的关系，对应测量模型（1）和结构模型（2）分别如下：
各内生潜在变量的测量模型如图1，结构模型如图2。
三、收益质量评价指标体系SEM模型分析
1.样本与数据处理
样本数据取自国泰安研究服务中心的CSMAR数据库，为沪深两市所有A股上市公司2007—2009年的数据，剔除缺失数据的样本和指标数据异常的样本，共获得1237个样本。为了保证样本数据对SEM的合理性，还需要对数据进行正态转化。本文采用1964年Box和Cox提出的基于极大似然法的幂转换模型，变换公式为：
其中λ是待定变换参数（许启发，张世英，2005）。不同的非正态分布需要不同的λ进行变换，Matlab提供的Box－Cox变换能够根据原始数据特点自动搜索出适合数据列的最佳λ值对其进行正态变换。对含有非正数的数据列，先通过相应的线性转换将其变为正数列：x－min（x）＋1，min（x）表示x数据列的最小值，再用Matlab采用上述方法对其进行正态化变换，使样本数据更好地符合SEM的正态化要求。
2.实证结果分析
该模型变量共有59个：观测变量23个（Y），无法观测的变量36个（包括7个潜在变量：η1，η2，…，η6和ξ；23个测量误差变量：e1，e2，…，e23；6个内生观测变量误差：e24，e25，…，e29）；外生变量30个（包括23个测量误差变量，6个内生观测变量误差，1个潜在变量ξ），内生变量29个（包括观测变量Y共23个，6个潜在变量：η1，η2，…，η6）。
基于上述变换后的样本数据采用极大似然估计对评价体系初始模型进行实证分析，其参数估计回归结果见表2初始模型部分所示，可以看出，除“总资产增长率←收益的成长性”、“净资产收益率←收益的稳定性”、“负债现金流量保障率←收益的现金保障性”和“财务杠杆系数←收益的安全性”四行和固定系数为1的路径以外，其他回归系数标准化估计值都在0.55到0.95之间，且它们的临界比C.R.的绝对值都大于2.58，达到了0.01的显著水平，P值也说明其回归系数的值达到了显著性水平。而“总资产增长率←收益的成长性”、“净资产收益率←收益的稳定性”、“负债现金流量保障率←收益的现金保障性”和“财务杠杆系数←收益的安全性”，其标准化回归系数值都非常小，分别为0.009、0.031、－0.007、0.025，P值都大于0.05。这说明模型的构建存在一定的不合理性，四个内生潜在变量——“收益的成长性”、“收益的稳定性”、“收益的现金保障性”和“收益的安全性”中都存在不合理的观测变量的假定，它们不能分别作为“总资产增长率”、“净资产收益率”、“负债现金流量保障率”、“财务杠杆系数”的有效度量，即H21、H41、H51和H61都不成立，需要对原始指标体系进行进一步修正。
3.模型的修正及检验
将不合理假设去掉，即将“总资产增长率”、“净资产收益率”、“负债现金流量保障率”、“财务杠杆系数”分别从潜在变量“收益的成长性”、“收益的稳定性”、“收益的现金保障性”和“收益的安全性”中去掉，其他各种假设以及样本数据等都不变，得到新的修正模型，分析结果见表2修正模型部分，可见现在所有回归系数的临界比（C.R.绝对值都大于0.01显著性水平的2.58）和P值都达到了显著性水平。
SEM修正模型中，7个潜在变量和19个误差变量的测量残差变异量估计值中，残差的测量值都为正数，且临界比C.R.和P值都达到了0.05的显著性水平，而且变异量的标准误差S.E.估计值都很小（介于0.0039—0.0121之间），说明模型的基本拟合度良好（见表3）。
对于SEM模型的相关变量信度值见表4，信度系数采用多元相关的平方，即复回归中的，以“速动比率”为例，＝0.799表示“收益的安全性”可以解释“速动比率”79.9％的变异量，无法解释的变异量为其测量误差，即20.1％（＝1－79.9％）。表4中除“收益的成长性”外，其余变量的信度系数都在0.5以上：各组合信度的值都在0.85以上，平均变异抽取量的值也都在0.5以上，说明了模型的内在质量检验良好。
模型的拟合度检验结果见表5，各拟合指标都表明该修正模型的拟合程度良好，修正模型可以被接受，所以上述的上市公司收益质量评价体系SEM修正模型是合理的。最终的生成标准化估计值模型路径图见图3，该指标体系各级相应指标权重的确定要通过对标准化路径系数的归一化处理得到，保证了指标权重获取的客观性。
4.算例
为消除不同指标数据之间量纲的影响，首先对我国上市公司各指标数据进行标准化处理，即：
选择上市公司A和B，其评价结果见表6，总体来看A公司的收益质量要高于B公司。
就A公司而言，其收益的成长性表现良好（评价值为0.143），说明该公司的主营业务突出、近期经营业绩较好，市场竞争力强，但其问题在于收益的安全性不是很高（为0.088），尤其是总资产周转率和利息保障倍数（分别是0.014和0.011），所以该公司应该及时调整自身资产结构、提高资产利用率，通过增加销售收入和资金回笼等方式提高资产周转率、增强公司的偿债能力，从而提高公司收益的安全性。
而B公司的最大问题在于公司净利润增长率（0.009）和研发费用占销售收入的比重（0.003）过低，导致了收益的成长性不够（值为0.028），所以B公司应采取相应措施加大研发投入、提高产品竞争力，以实现公司的长期可持续发展。
四、结论
本文首先基于现有国内外相关研究，从收益的可靠性、成长性、持续性、稳定性、现金保障性和安全性六个方面，建立收益质量评价指标体系，对其构建结构方程模型。以2007—2009年我国上市公司为研究样本，通过对初始模型的分析和检验、对模型的进一步修正以及对修正模型标准化路径系数的归一化处理等操作，得到拟合度和内在质量检验均良好的修正模型，最终构建得到符合我国现状的上市公司收益质量综合评价体系。之后，本文采用该评价体系对两家上市公司的收益质量进行了实证检验，并针对评价结果对两家公司的运营现状、市场竞争力、资金运作、企业成长前景等做了分析，结果显示该体系不仅能够较准确地评价上市公司收益质量现状，还能为投资者、公司管理者等提供客观的决策支持。
本文所采用的结构方程模型具有诸多优于传统方法的特征，更适合目前我国上市公司数据披露的现状。上市公司收益质量的评价体系应该包括收益的不同维度的度量，而这些维度大都是不可直接测量的，而且各个维度所包含的因素和指标也不容易完全呈现和被识别出来。再者，传统的指标体系构建方式大都依赖于专家的经验判断直接定性的给出，主观依赖性太强。而结构方程模型的应用很好地解决了这些问题，首先该方法不需要明确所有的解释变量，它可以将所有的内在因素全归于给出的显变量和误差，为收益质量指标体系的筛选和度量提供科学的量化手段；其次该模型需要大量的现实数据来对其进行检验和修正，从而保证得出的结论是符合样本总体实际的，即得出的收益质量指标体系是符合我国上市公司现状的。
基于结构方程模型的上述优点，该方法还可用于涉及众多不可观测变量、多因果关系变量的会计领域其他相关研究中。另外，为了弥补部分样本数据可能失真的不足，本文的指标权重还可以同时结合专家打分法给出，这种主观和客观相结合的权重确定方法可以在后续研究中进行深入分析。除此之外，本文建立收益质量评价指标体系所考虑的关于收益的六个方面，主要是基于现行财务会计准则框架下的财务会计指标，是基于会计视角对公司会计收益质量的评价。后续研究中还可尝试使用非传统财务会计指标对公司收益状况进行评价，以进一步增加收益质量评价的客观性。譬如现在已被广泛应用于我国中央企业业绩评价中的经济增加值（EVA）和与其相关的市场增加值（MVA）等，将此类衡量指标加入到收益质量评价的指标体系，得到的收益评价信息是对传统会计视角下收益质量评价的有益补充，可增加收益质量的评价视角，增加财务信息的决策有用性。
［收稿日期］2011－01－25