公司治理结构视角下企业盈余管理研究

《公司治理结构视角下企业盈余管理研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、公司治理结构视角下企业盈余管理研究　　一、引言　　我国资本市场从20世纪90年代发展至今已有20余载，历经磨难与变迁，特别是2005年证监会的股权分置改革，更是我国资本市场的一次根本性变革，“同股不同权”、“同股不同价”这一长期桎梏我国股市的重大制度性障碍得以根除。从表1可以看出我国股改后，上市公司股权结构的变化情况。　　资料来源：以上数据取自CSMAR数据库，法人股比例为境内法人股与境外法人股之和。　　股权结构是公司治理结构的基础，我国股改采用“爬行式”减持方式，即非流通股是在限定的标准下逐年开始流通，从表1可以看出，非流通股比例逐渐下降

2、，截至2011年底，沪深A股市场2392家上市公司中，已有615家实现了全流通；非流通股主要集中于国有股、法人股和部分高级管理人员手中，可见公司的治理结构环境发生了较大的变化，在新形势下研究公司治理结构与盈余管理之间的关系具有新的意义。　　在现有的文献中，公司治理结构对于盈余管理的实证研究，研究结果的不同主要是由于所抽取的样本在时间、数量、行业分布上的差别，以及变量选取与设置的不一致，而研究方法则以多元线性回归模型为主，然而多元线性回归只是简单的线性关系，在实际中并不能精确描述和预测二者关系。神经网络是一种常用的非线性方法，本文将神经网络模

3、型引入，对二者的关系进行研究，对比多元线性回归与神经网络两种模型的实证结果，来验证两种模型的有效性和预测力。　　二、理论概述　　（一）多元线性回归回归分析是研究因变量（dependent　　variable）与自变量（independentvariable）之间关系的，研究内容包括了探索和确定变量间的相关关系和相关程度，建立回归模型，检验变量之间的相关程度，进行评估和预测等方面。多元线性回归的数学表达式为　　Y=b0+b1x1+b2x2+…+bnxn+？着，（1）　　其中b0，b1，b2，…bn，？滓2是与x0，x1，x2，…xn无关的未知

4、参数，？着为残差。多元线性回归模型具有5个假设前提：解释变量之间互不相关，即无多重共线性；随机误差项具有0均值和同方差，随机误差项不存在序列相关关系；随机误差项与解释变量之间不相关；随机误差项服从正态分布。　　其次就是通过假设检验来评价方程，主要有拟合优度检验（判定系数及其校正），以及回归参数的显著性检验（t检验）以及回归方程的显著性检验（F检验）。在拟合优度检验中，调整的判定系数的取值范围为[0，1]，判定系数越大，自变量对因变量的解释程度越高，自变量引起变动占总变动的百分比越高。F检验是解决当所有解释变量联合在一起是否对因变量y也显著的

5、问题，t检验则是各个解释变量单独对应变量y是否显著。拟合优度检验和F检验都是对回归方程的显著性检验，F检验中使用的统计量有精确的分布，拟合优度检验却没有。　　（二）神经网络模型人工神经网络是基于对人脑组织结构，活动机制和初步认识提出的一种新型信息处理系统，具有并行处理，分布式存储与容错性的特征，以及自学习，自组织与自适应的特性。由于其“仿造”了人脑的生物神经系统，具有一些特别的功能，如联想记忆，非线性映射，分类与识别，优化计算与信息处理等功能。已经研究比较成熟的神经网络有BP神经网络，ART网络，SOM网络等。本文使用BP神经网络来分析公司

6、治理结构与盈余管理之间的关系。该网络按照误差逆传播算法进行学习和训练，不需要事先了解表达映射关系的数学方程就能够训练并存储大量的输入、输出模式映射关系。　　标准BP网络的学习规则是利用最速下降法，依据反向传播的误差信号，对权值和阈值逐步调整，最终实现网络的误差平方和最小，形成一个由输入层、隐层和输出层组成的BP神经网络。BP算法由数据流的正向传播和误差信号的反向传播两个过程构成。正向传播时，第l层第j个神经元的全部输入的加权和为：　　x■■=∑w■■y■■（2）　　其中，w■■是第l-1层神经元i与第l层神经元j的链接。第l层神经元j的响应

7、为：　　y■■=f（x■■-？兹）（3）　　其中，f称为输出函数或者激活函数。反向传播时，误差从网络的输出层逐层反向传播到输入层，从最后一层向前计算各权值和阈值对总误差的影响，然后进行修改。BP算法不断交替正向传播和误差反向传播两个过程，动态地搜索出权向量空间中的一组使得网络误差函数最小的权向量，从而完成信息提取和记忆过程，使得网络的实际输出与目标输出尽量接近。网络反向传播的总误差为：　　E=■∑（y■■-Oj）2（4）　　其中，Oj是输出层第j个神经元的目标输出，y■■是实际输出，K是网络的层数。　　用梯度下降法极小化总误差时隐层神经元和

8、输出层神经元对应的链接权重的更新公式为：　　w■■（t+1）=w■■（t）+？浊（-■）=w■■（t）+？浊？啄■■x■■（5）　　其中？啄■■定义为　　？啄■■=■（y■■-O