资源描述
精品文档就在这里
-------------各类专业好文档，值得你下载，教育，管理，论文，制度，方案手册，应有尽有--------------
--------------------------------------------------------------------------------------------------------------------------------------------
上市公司审计意见与盈余管理的相关性研究
会计2003 统计2007研
一、盈余管理的含义
对于什么是盈余管理，至今并无定论。美国会计学者斯考特(scott)在其所著的《财务会计理论》一书中认为，盈余管理是会计政策的选择具有经济后果的一种具体表现。他认为，只要企业的管理人员有选择不同会计政策的自由．他们必定会选择使其效用最大化或使企业的市场价值最大化的会计政策．这就是所谓的盈余管理。美国著名会计学者Schiper在1989年认为盈余管理是为了获得某种私人利益(并非仅仅为了中立地处理经营活动)，对外部财务报告进行有目的干预。而被普遍认可的是Hedy和Wahlen于1999年对盈余管理所做出的解释：当管理者在编制财务报告和构建经济交易时，运用判断改变财务报告，从而误导一些利益相关者对公司根本经济利益的理解，或者影响根据报告中会计数据形成的契约结果，盈余管理就产生了。综合上述观点，本文认为的盈余管理等同于盈余操纵，即管理层使用会计手段（如在会计选择中使用个人的判断和观点）或通过采取实际行动努力将企业的帐面盈余达到期望的水平。
盈余管理的存在与市场效率、公司治理结构、会计准则制度设置以及企业的外部监督等密切相关。盈余管理的最大受害者是企业外部利益相关者及投资者，如果所有的外部利益相关者及投资者都是理性的，并且具备了辨析财务报告及其附注的能力和知识，那么在这种情况下，为了取信于外部相关利益者及投资者，企业管理当局就会减少盈余管理。但是所有的外部利益相关者及投资者并不都是理性的，也不完全具备分析财务报告的能力，给企业的管理者创造了盈余管理的空间。大规模的盈余管理会误导投资者的投资决策，给其带来严重的损失。因此作为外部监督者的注册会计师的审计必须有能力辨析企业的盈余管理行为，并且根据其程度提请利益相关者及投资者关注。从实践的角度看，美国证券市场上的安然、施乐及我国的郑百文、华源制药、锦州港等事件都与注册会计师对上市公司会计盈余操纵的漠视和无效监督甚至与管理层勾结舞弊有很大关系，这些都说明了盈余管理对外界判断审计质量的重要性。本文研究的目的就是试图用中国上市公司会计盈余管理程度来检验中国注册会计师独立审计的质量。因此，为了实现注册会计师提供有用信息和提高会计信息质量的目标，我们还应加强关于盈余管理动机、手段对利益相关者的影响及了解审计意见与盈余管理的关系等方面的研究，证明注册会计师审计具有一定的可靠性，能在一定程度上审计出上市公司的盈余管理，审计质量正在不断提高。
二、我国上市公司进行盈余管理的具体动机、手段及与审计意见的关系
1、盈余管理的具体动因主要有以下几方面：
㈠外部动机
⑴、资本市场动因
公司的盈余信息在资本市场上是公开的，是广大投资者和财务分析师对公司股票进行估价的基础。正是基于公司盈余的信息不对称，使得公司管理当局有动机通过盈余管理来对公司股票短期或长期股价报酬实施影响。通过盈余管理可以显示出一个稳定增长的每股盈利额，以此刺激投资者对股票的需求，抬高股票价格，从而在急需追加资本时创造出一个有利于股票发行的氛围。另外，为了获得上市、配股、增资扩股及发行债券资格，避免 ST、PT 等，企业也会有较强烈的动机进行盈余管理。资本市场动因也是公司盈余管理的最重要原因。
⑵、政治成本动因
政治成本是指某些企业面临着与会计数据明显正相关的严格管制和监控，一旦财务成果高于或低于一定的界限，企业就会招致严厉的政策限制，从而影响正常的生产经营。企业面临的政治成本越大，管理者就越有可能调整当期报告盈余。特别是战略性产业、特大型企业、垄断性公司，其报告盈余较高时，会引起媒介或消费者的注意，政府迫于政治压力，往往会对其开征新税，进行管理或赋予更多的社会责任。为了避免发生政治成本，管理者通常会采用那些将其利润递延至未来的会计政策，设法降低报告盈余，以非暴利的形象出现在社会公众面前。微软公司就曾通过递延确认实际所得收入来下调盈利，以逃避美国反垄断机构的指控。在国内，许多私营企业也因害怕“树大招风”，而通过盈余管理减少利润。而与此相反，一些国有企业为达到蒙骗上级主管和捞取政治资本的目的，往往会调增利润，以避免企业及其管理者受到的政策管制和行政处罚。
㈡内部动机
⑴、契约动因
会计数据被用来监控公司与其众多利益关系人之间的契约，明确和隐含的管理报酬契约被用来激励公司管理当局，将公司管理当局与外部利益关系人联结起来，成为盈余管理的动因之一。债务契约用来限制管理当局牺牲债权人的利益而为公司股东谋利的行为。债务契约中通常包含一些保证条款以保护债权人利益，如不能过度发放股利、不进行超额贷款、计提一定比例的偿债准备金等等。有些商业银行甚至规定不得向亏损企业贷款。这些都使得企业不敢轻易违反有关条款，因为违反这些条款会招致很高的违约成本。如果企业的财务状况越接近于违反债务契约，管理者就越有可能调增报告利润，以减少违约风险。如果是长期债务合约，企业管理者通常会将各期收益均衡化，避免偿债能力比率大起大落，从而减少违约的可能性。这样，盈余管理就成为企业减少违约风险的一个工具。
⑵、税收的动因
如果企业没有报告盈余的压力并为了“合法”避税，盈余管理避税的动机就很明显。在财务会计与税务会计分离的国家，更是如此。在这个现金流量日趋重要的时代，节约现金支出就等于增加了企业的营运资金，这对于提高企业的盈利水平和改善财务状况很有帮助。当然在财务会计和税务会计高度统一的国家，管理当局就需要在节税和报告较好的业绩之间做出权衡。
2、盈余管理的具体手段分析
⑴利用会计政策和会计估计变更
由于外部信息使用者很难判断哪种会计政策和估计是恰当的，公司管理当局往往根据自己的利益来变更会计政策和估计变更来达到盈余管理的目的。常用的手段有：变更折旧方法和折旧年限、变更存货计价方法、变更八项资产减值准备计提方法、改变会计报表的合并范围和变更长期股权投资的核算方法等手段。由于07年新会计准则的实施，较多地压缩了这些手段的选择项目，限定了企业利润调节的空间范围。
⑵利用关联方交易等调节企业生产经营活动
这是一种非会计的盈余管理方法，涉及对交易的安排，以前我国上市公司最常采用的则是利用关联交易。我国早期的上市公司由于受发行额度所限，大都采用从原有企业中划出一块改制上市的方法，因此，上市公司与母公司之间存在着千丝万缕的联系，为达到粉饰财务状况和经营成果、误导财务报告使用者之目的，上市公司常采用关联方之间不公平的或虚假的交易改变财务报告的结果。由于信息不对称，往往使信息使用者遭受损失。现在上市公司关联交易的手段主要包括：资产置换、股权转让、托管经营、内部转移定价、出售无形资产、甚至还有“无偿赠予”等。新会计准则对其的抑制作用主要体现在以下两方面：第一，加大了关联交易披露的范围和内容，将以往较为概括的要求明确化和具体化，增强了关联交易的透明度。 第二，扩大了合并报表范围。新准则规定凡是母公司所能控制的子公司都要纳入合并报表范围，而不以股权比例作为衡量标准这一规则的变革遵循了实质性会计原则，使得合并报表是对由母公司和子公司所构成的企业集团经营成果和财务状况信息的真实反映，阻断了一些企业利用分离若干子公司，缩小持股比例，将经营状况不好的业务从合并范围中剔除，从而粉饰企业集团整体业绩的惯用伎俩。
⑶利用非经常性损益进行盈余管理
非经常性损益是指公司发生的与经营业务无直接关系，以及虽与经营业务相关，但由于其性质、金额或发生频率，影响了真实、公允地反映公司正常盈利能力的各项收入、支出。虽然，按照中国证监会的规定，企业首次申请发行股票和上市公司申请增发新股或配股，其最近 3 个会计年度加权平均净资产收益率平均不得低于 6%，在计算加权平均净资产收益率时，要求将扣除非经常性损益前后的净利润进行比较，以低者作为加权平均净资产收益率的计算依据；ST 上市公司申请“摘帽”，也以扣除非经常性损益后是否盈利作为衡量标准，似乎利用非经常性损益是徒劳无用的。但在界定 ST 上市公司是否退市时，仅着眼于其是否盈利，而不考虑非经常性损益的影响；并且，利用非经常性损益，毕竟可以改善企业的财务形象，延缓亏损年度的来临，因此，作为企业利润总额的组成部分，非经常性损益由于其本身的特殊性质，往往成为企业管理者进行盈余管理的手段。一些上市公司往往通过采取非法和非规范的融资行为取得的投资收益来提高利润进行盈余管理。还有的上市公司利用追溯调整的方法来改变企业的利润。在微利公司中普遍利用非经常性损益调节利润，这一现象也早就被一些实证研究所证明。
⑷其它的盈余管理手段
除上述手段外，我国上市公司盈余管理的手段还有地方政府援助等，主要表现在减少税负、地方财政补贴、减免利息、给予资产价值方面的优惠等。地方政府给当地上市公司“业绩”援助，是我国上市公司进行盈余管理的一种特殊现象。除此之外，还有改变应计项目的确认时间和确认金额；利用虚拟资产进行盈余管理；利用资产评估进行盈余管理等等一些手段，当然，新会计准则也对其进行了相应的限制，从某种程度上说也抑制了上市公司利用这些手段进行盈余管理的行为。例如：新会计准则中已经不再将权责发生制作为会计核算的基本原则；公司在年度会计报告时，无论管理当局是否批示，都要先对待处理流动资产损溢和待处理固定资产损溢进行先行处理等。
3、盈余管理和审计意见之间的关系
作为一种最为直接有效的外在监督手段,审计从其一诞生开始,就对企业的财务报告起着重要的审核作用，审计的作用集中体现在审核企业财务报告的真实公允性,降低企业内部和外部的信息不对称。虽然较之先前,审计质量已经有了一定程度的提高,但是审计师执业质量仍然不断受到指责与批评，特别是近些年的郑百文、华源制药、南通苏瑞、德勤科龙门等事件,更是大大损害了注册会计师的形象。
在西方发达国家资本市场上,盈余管理一直是注册会计师关注的一个问题，由于盈余管理的存在往往会误导投资者，使其对公司的真实盈余情况不能形成客观认识。其存在，将会增加注册会计师的风险，一方面，对于违反公认会计准则的盈余管理行为，如果注册会计师未能做出回应，一经发现，将面临被诉讼的风险，甚至可能被吊销执照。在银广厦事件中，中天勤最终被吊销执照，并有多名会计师入狱。另一方面，即使有些盈余管理行为并不明显违规，但由于其特定目的性，一旦被发现，也会引起市场的负面反应，而相关注册会计师的形象也会受到影响。因此，为了降低自身风险，独立的注册会计师可能会通过出示不同的审计意见，就企业的盈余管理行为提示投资人和公众，起到一定的监督作用。而这种审计意见对盈余管理的反应，也恰恰体现了注册会计师的谨慎性。然而，问题还有另一方面，许多上市公司往往支付注册会计师较高的审计费用，甚至进行私下贿赂，从而收买审计意见。由于历史的原因，许多上市公司和其注册会计师(特别是当地注册会计师)之间存在千丝万缕的关系。这些都将大大影响注册会计师出具非标意见的独立性。到底注册会计师的审计质量如何呢？是否在不断的提高呢？注册会计师出具的审计意见能否在一定程度上反映出盈余管理的程度？等等一系列问题还需进一步的论证。
三、实证设计及分析
1、假设的提出
本文认为由于我国上市公司财务报告信息中存在严重的盈余关系现象，盈余管理与审计意见之间应该存在相应的内在联系。如果一家上市公司被认为存在盈余管理现象，其内在的风险将会增加，从风险导向型审计来看，注册会计师就不应该出具标准无保留意见的审计报告。这样，审计意见是否与盈余管理之间存在统计上的相关性，是判断注册会计师执业质量的标准之一。如果我国注册会计师的职业质量普遍不高，那么审计意见与盈余管理之间没有内在联系。反之，如果审计意见与盈余管理之间存在相关性，就说明注册会计师在一定程度上能审计出盈余管理。并且随着审计准则的健全及注册会计师风险意识的提高，审计质量也在不断地提高。因此提出假设：
⑴ 注册会计师能在一定程度上审计出盈余管理。
⑵ 随着时间的推移，注册会计师的审计质量在不断的提高。
2、方法的选择
盈余管理的衡量或测度是西方实证会计的研究重要课题之一，其主要方法是用“操纵性应计利润”来测度企业的盈余操纵程度。实证会计认为，企业盈利分为两个部分：一部分是已经实现的现金流入的盈利（经营活动现金净流量），另一部分则是没有实现的现金流入盈利，由于权责发生制原则而没实现现金流入，称总体应计利润。前一部分确实存在，难以操纵，因此假设盈余操纵只能通过总体应计利润进行，但并不是全部的总体应计利润都能进行操纵，按照总体应计利润的可控程度又分为操纵性应计利润DA（代表盈余管理的程度）和非操纵性应计利润NDA。我们认为企业是通过DA来进行盈余管理的。
用操纵性应计利润来衡量盈余管理的大小和程度，该方法下主要有Healy模型、DeAnglo模型、Jones 模型、修正的Jones模型、行业模型、截面Jones模型、截面修正的Jones模型、截面KS模型、Beneish模型以及他们的一些变体和其他模型。前5种为时间序列模型，后四种为截面模型。
3、模型的选择
Subramanyam（1996）；Bartov，Gul和Tsui（2001）的实证研究结果表明截面Jones模型以及截面修正的Jones模型比其时间序列模型更能有效地揭示出公司的盈余管理且优于DeAngelo模型、Healy模型和行业模型。我国股票市场发展时间还很短，并且出于不断地制度变迁过程中，从而不适合使用时间序列模型。Beneish以那些违反公认会计原则的企业为样本评估了修正Jones模型的检测能力，他的研究发现，修正Jones模型不能检测到这些企业的盈余管理行为，因此本文采用Jones模型，模型如下：
NDAt/At-1=a1(1/At-1)+a2(△REVt/At-1)+a3(PPEt/At-1)
其中：NDAt：t年的非操纵性应计利润
At-1：t-1年年末的总资产
△REVt：t年主营业务收入与t-1年主营业务收入之差
PPEt：t年年末固定资产原值
a1、a2、a3为系数，由以下模型在整个样本中进行回归得出：
GAt/At-1=a1(1/At-1)+a2(△REVt/At-1)+a3(PPEt/At-1)+εt
GAt：t年的线下项目前总应计利润
ε t：残差，代表t年以总资产衡量的操纵性应计利润，可代表公司盈余管理程度。
即： DAt/At-1=ε t = (GAt/At-1)-( NDAt/At-1)
3、样本的选择
本文选取了03—05年沪市所有466家制造业上市公司作为总体样本。上市公司的行业类型来自上市公司咨询网（）， 在沪市上市公司行业分类中，制造业为第一大类，公司数量特别多，有利于截面模型的分析，因此本文选取该466家制造业大类的上市公司作为总体研究样本。同时把注册会计师出具的审计报告的意见类型分为两大类：标准无保留意见和非标准无保留意见（包括带说明段的无保留意见、保留意见、带说明段的保留意见、无法表示意见、否定意见五种类型）。对于A股和B股的公司，只选取其A股的报表，不选择只发行B股的公司。因为A股遵照我国的企业会计制度编制，而 B股遵照国际会计准则进行编制，A股和 B股的财务报告缺乏可比性。因此本文在研究过程中主要检验我国沪市A股上市公司的盈余管理行为。
审计意见 年份
标准
无保留
带强调
保留
带强调
保留
意见
无法表
示意见
否定
意见
测试
样本数
03
443
17
4
1
2
0
24
04
411
21
7
5
2
0
35
05
422
22
4
5
3
0
37
上市公司主要财务指标和审计意见来自于证券之星、巨潮信息网和中国注册会计师协会网。
4、回归分析
假设盈余管理程度与注册会计师的审计意见之间存在相应的内在联系，进而可以将审计意见作为一虚拟变量Audit引入，当公司审计意见为非标准审计意见时，Audit=1，否则Audit=0。在讲个样本计算出来的可操纵应计利润DAt/At-1的绝对值与Audit进行Logit回归，模型如下：
Audit=b0+b1*(DAt/At-1)+ε
其中：b0为截距，b1为系数，ε为残差。
如果b1统计上显著为正，则表明可操纵性应计利润与审计意见之间存在显著的正相关，进而说明我国的注册会计师能够在一定程度上审计出盈余管理，即注册会计师具有一定的执业水平。
以上的整个研究过程如下图：
在模型GAt/At-1中回归iqude行业特征参数a的估计值
将a的估计值代入NDA模型计算费可操纵应计利润
根据DAt/At-1=GAt/At-1-NDAt/At-1
求解可操纵应计利润，即盈余管理程度
将可操纵应计利润与审计意见进行Logit进行回归
截距显著为正
是
否
我国注会能够在一定程度上审计出盈余管理
我国注会不能审计出盈余管理
四、实证检验结果
（一）、参数估计
将2003年沪市制造业46家上市公司的数据代入模型对其行业特征参数进行估计，参数估计的方法采用普通最小二乘法（2004、2005年的计算过程雷同）。实证检验使用EViews5.0软件进行分析，计算结果如下：
2003年测试样本
Dependent Variable: Y
Method: Least Squares
Sample: 1 22
Included observations: 22
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.168090
0.088370
1.902108
0.0733
X1
-35091057
17115711
-2.050225
0.0552
X2
0.092671
0.375683
0.246675
0.8080
X3
-0.154121
0.170161
-0.905736
0.3770
R-squared
0.297126
Mean dependent var
0.034751
Adjusted R-squared
0.179980
S.D. dependent var
0.169125
S.E. of regression
0.153151
Akaike info criterion
-0.751821
Sum squared resid
0.422193
Schwarz criterion
-0.553450
Log likelihood
12.27003
F-statistic
2.536380
Durbin-Watson stat
1.664903
Prob(F-statistic)
0.089129
2003年控制样本
Dependent Variable: Y
Method: Least Squares
Sample: 1 24
Included observations: 24
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.268584
0.044987
5.970235
0.0000
X1
-43513369
18084096
-2.406168
0.0259
X2
0.075058
0.053690
1.397978
0.1774
X3
-0.271874
0.056528
-4.809553
0.0001
R-squared
0.564241
Mean dependent var
0.092397
Adjusted R-squared
0.498877
S.D. dependent var
0.070737
S.E. of regression
0.050075
Akaike info criterion
-2.999586
Sum squared resid
0.050150
Schwarz criterion
-2.803244
Log likelihood
39.99503
F-statistic
8.632319
Durbin-Watson stat
1.884008
Prob(F-statistic)
0.000710
2004年测试样本
Dependent Variable: Y
Method: Least Squares
Sample (adjusted): 1 15
Included observations: 15 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.178922
0.064361
2.779951
0.0179
X1
-10626658
15184838
-0.699820
0.4986
X2
0.198899
0.073266
2.714731
0.0201
X3
-0.172764
0.134861
-1.281051
0.2265
R-squared
0.437004
Mean dependent var
0.088267
Adjusted R-squared
0.283460
S.D. dependent var
0.068099
S.E. of regression
0.057645
Akaike info criterion
-2.645838
Sum squared resid
0.036553
Schwarz criterion
-2.457025
Log likelihood
23.84379
F-statistic
2.846114
Durbin-Watson stat
1.014856
Prob(F-statistic)
0.086464
2004年控制样本
Dependent Variable: Y
Method: Least Squares
Sample: 1 34
Included observations: 34
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.104652
0.055397
1.889127
0.0686
X1
59233992
40095790
1.477312
0.1500
X2
0.291449
0.103758
2.808941
0.0087
X3
-0.132053
0.061286
-2.154689
0.0393
R-squared
0.316152
Mean dependent var
0.127752
Adjusted R-squared
0.247767
S.D. dependent var
0.134802
S.E. of regression
0.116916
Akaike info criterion
-1.344596
Sum squared resid
0.410079
Schwarz criterion
-1.165024
Log likelihood
26.85813
F-statistic
4.623134
Durbin-Watson stat
1.503748
Prob(F-statistic)
0.008961
2005年测试样本
Dependent Variable: Y
Method: Least Squares
Sample: 1 37
Included observations: 37
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.055916
0.020693
2.702187
0.0108
X1
-4434663.
2642724.
-1.678065
0.1028
X2
0.129446
0.061905
2.091034
0.0443
X3
-0.010115
0.038680
-0.261499
0.7953
R-squared
0.187090
Mean dependent var
0.033709
Adjusted R-squared
0.113189
S.D. dependent var
0.064876
S.E. of regression
0.061095
Akaike info criterion
-2.650981
Sum squared resid
0.123174
Schwarz criterion
-2.476828
Log likelihood
53.04314
F-statistic
2.531625
Durbin-Watson stat
1.981291
Prob(F-statistic)
0.073968
2005年控制样本
Dependent Variable: Y
Method: Least Squares
Sample (adjusted): 1 37
Included observations: 37 after adjustments
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.119371
0.022995
5.191242
0.0000
X1
-21072086
17243355
-1.222041
0.2303
X2
0.095625
0.059878
1.597015
0.1198
X3
-0.070826
0.030993
-2.285191
0.0289
R-squared
0.201475
Mean dependent var
0.072463
Adjusted R-squared
0.128882
S.D. dependent var
0.061109
S.E. of regression
0.057035
Akaike info criterion
-2.788496
Sum squared resid
0.107349
Schwarz criterion
-2.614342
Log likelihood
55.58717
F-statistic
2.775394
Durbin-Watson stat
1.808769
Prob(F-statistic)
0.056701
从以上六张图表可以看出，每个样本都有没通过显著性检验的特征参数，拟合优度调整后的R2均不是太高，并且其他检验的结果也不理想。因此，我们进行进一步检验以待发现其中的问题。
在对六个样本进行分析时发现其均存在异方差性。根据计量经济学的理论，计量模型一旦出现异方差性，如果仍采用OLS估计模型参数，会产生下列不良后果：
1、参数估计量非有效（因为有效性证明中利用了E（μμ’）=σ2）
2、变量的显著性检验失去意义（因为变量的显著性检验中构造的t统计量是建立在σ2不变而正确估计了参数方差的基础上的。）
3、模型出现异方差时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。
因此，我们采用加权最小二乘法代替普通最小二乘法，以1/ε^2作为权重以消除异方差，结果入下表:
2003年控制样本
Dependent Variable: Y
Method: Least Squares
Sample: 1 24
Included observations: 24
Weighting series: 1/E2^2
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.265288
0.000261
1018.270
0.0000
X1
-42005078
218836.6
-191.9472
0.0000
X2
0.081391
0.001414
57.57466
0.0000
X3
-0.271478
0.001206
-225.1233
0.0000
Weighted Statistics
R-squared
1.000000
Mean dependent var
0.070314
Adjusted R-squared
1.000000
S.D. dependent var
0.340985
S.E. of regression
7.87E-06
Akaike info criterion
-20.51607
Sum squared resid
1.24E-09
Schwarz criterion
-20.31973
Log likelihood
250.1929
F-statistic
187090.0
Durbin-Watson stat
1.679023
Prob(F-statistic)
0.000000
2003年测试样本
Dependent Variable: Y
Method: Least Squares
Sample: 1 24
Included observations: 24
Weighting series: 1/E^2
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.144683
0.005278
27.41197
0.0000
X1
-55492420
3545400.
-15.65195
0.0000
X2
-0.096565
0.011148
-8.661897
0.0000
X3
-0.107023
0.004770
-22.43610
0.0000
Weighted Statistics
R-squared
0.999703
Mean dependent var
0.043750
Adjusted R-squared
0.999659
S.D. dependent var
0.109092
S.E. of regression
0.002016
Akaike info criterion
-9.424736
Sum squared resid
8.13E-05
Schwarz criterion
-9.228394
Log likelihood
117.0968
F-statistic
5267.484
Durbin-Watson stat
2.282043
Prob(F-statistic)
0.000000
2004年控制样本
Dependent Variable: Y
Method: Least Squares
Sample: 1 34
Included observations: 34
Weighting series: 1/E2^2
Variable
Coefficient
Std. Error
t-Statistic
Prob.
C
0.120753
0.001404
85.98242
0.0000
X1
51945493
407890.5
127.3516
0.0000
X2
0.298204
0.000182
1635.308
0.0000
X3
-0.139935
0.001154
-121.2519
0.0000
Weighted Statistics
R-squared
1.000000
Mean dependent var
0.242060
Adjusted R-squared
1.000000
S.D. dependent var
0.992476
S.E. of regression
1.
展开阅读全文
浙ICP备2021020529号-1 | 浙B2-20240490 
