对上市公司利用新四项计提进行盈余管理的实证研究
研究背景
我国《企业会计制度》和《企业会计准则》规定，企业应当定期或者至少于每年年度终了，对各项资产进行全面检查，合理地预计各项资产可能发生的损失，对可能发生的各项资产损失计提资产减值准备。为何要对没有发生只是可能发生的资产损失作确认呢？因为企业在经营活动中存在着各种风险和不确定因素，所以制度要求：企业在进行会计核算时，应当遵循谨慎性原则，即要求企业在面临不确定因素的情况下做出职业判断时，应当保持必要的谨慎，充分估计到各种风险和损失，不高估资产或收益，也不少计负债或费用。确保资产的真实，符合资产定义（资产是指过去的交易、事项形成并由企业拥有或者控制的资源，该资源预期会给企业带来经济利益）的要求。我国目前的关于资产减值准备规定不仅说明了谨慎性原则的重要性，也是为了避免资产的虚增导致企业利润的虚增，同时保证企业财务资料的真实性，可比性。需要注意的是，运用谨慎性原则并不意味着企业可以设置秘密准备，否则就属于滥用谨慎性原则，将视为重大会计差错处理。
按照会计核算一般原则中的谨慎性原则和真实性原则，财政部[1999]35号文增加了计提短期投资跌价准备、存货跌价准备、长期投资减值准备，加上计提应收款项坏账准备，统称“四项计提”。财政部[1999]35号文强调了计提短期投资跌价准备、长期投资减值准备，一定程度上能防止上市公司将长期投资和短期投资中有些无法收回的投资空挂在账面上；计提存货跌价准备在一定程度上能如实反映公司存货的真正价值，避免了存货中潜在的亏损因素。通过对短期投资计提跌价准备，对长期投资计提减值准备，对存货计提跌价准备，一方面可以反映出公司投资、经营方面的正确性；另一方面不至于导致公司利润虚增。投资者还可通过不同时期的比较，看公司的发展前景，调整投资结构。
2001年初，在财政部最新颁布的《企业会计制度》中，企业要计提的会计准备从四项扩大到了八项。因此，过去的“四项计提”就将会被“八项计提”所取代。新增的四项计提包括委托贷减值准备、固定资产减值准备、在建工作减值准备和无形资产减值准备。新增的四项计提，同样是遵循了谨慎性原则所做的会计处理，而且准备的计提也能较为真实公允的反映公司的财务经营状况。 新四项计提的实施使上市公司2001年中期业绩受到了不同程度的影响。联合证券的一份最新研究报告显示，上市公司实行新四项计提后业绩均出现了下滑。其中固定资产、在建工程比重较大的上市公司下滑较大。据披露，2001年度1071家上市公司因新增四项减值准备调减净资产达165亿元，净资产收益率仅为5.5%左右。而此前1997年上市公司净资产收益率接近11%。同时，2001年宣布预亏的90家上市公司中，在预亏原因中提到由于执行新的四项减值准备而导致亏损的有21家。
本文主要关注2001年新颁布的《企业会计制度》中关于新四项准备的计提对于上市公司经营业绩的影响，并从2000年到2001年相关公司的净利润的变化情况来分析此项政策的一系列经济后果。
二、研究方法
我们假设在2001年政策新颁布时确实起到了一定效果，表现为一部分上市公司本来在2000年是盈利的，但是2001年由于执行了新的计提政策，导致出现亏损，从而变成ST公司。在研究模型的选择上，我们借鉴琼斯模型并对其进行了一定的修正：
TAt/At-1=+REVt/At-1+X2PPEt/At-1+X3JTt/At-1+e
其中，TAt代表应计利润总额，At-1代表资产总额，ΔREVt代表前后两年主营业务收入的变动值，PPEt代表固定资产总值，JTt代表t年计提的准备金额， e代表残差。与前人的研究一致,此模型中的“主营业务收入变动值”反映公司经营业绩和经济环境的变化,而“固定资产原值”则用来表示公司的资产规模,各个变量除以“资产总额”是为了消除公司规模的影响。根据被解释变量和各个解释变量之间的关系,我们预测“主营业务收入变动值”的系数为正,因为营运资本项目(如应收账款、存货和应付账款等)是应计利润总额的一部分,而营运资本与主营业务变动收入从总体上讲是正相关的(不排除某些项目,如应付账款与主营业务收入变动是负相关的)。“固定资产原值”的系数应该为负,因为固定资产规模的扩大会导致折旧额的增加,从而减少应计利润总额。同时预测“t年计提的减值准备金额”的系数也为负，因为减值准备的计提一般都归入费用类，对于应计利润总额也是起到降低的作用，即应该与应计利润总额呈负相关的关系。研究方法主要采用参数检验法，预计对方程进行多元回归，并且进行t检验、异方差检验、自相关检验等等，并根据检验结果对本文作出的预测进行验证，同时对模型进行适当的修正。
三、样本选择和数据来源
由于本文研究的重点就是判断2001年新颁布的新四项计提制度对于上市公司经营业绩的影响，并且在前面已经假设此政策确实存在一定的经济后果，具体就可能表现为某些在2000年盈利的公司，由于在2001年执行了新的会计制度，计提了新的四项减值准备，从而导致2001年度经营业绩大幅度下滑，很可能从盈利转为亏损，因此本文样本选择的标准就是2000年盈利但是2001年亏损的上市公司。数据主要来自于CSMAR数据库中上市公司的年报信息。
根据上述标准我们一共得到了样本公司82个，都是2000年盈利但是2001年就出现亏损的上市公司。本来符合条件的上市公司有147个，但是由于我们搜集数据所用的CSMAR系统在提供部分公司数据的完整性上还存在缺陷，无法得到研究所需的数据，所以我们在选取样本的时候对数据缺失的公司进行了剔除，这样只得到82个可供研究的样本公司。
四、统计分析及其结果
我们对收集到的样本进行了一系列的统计分析，根据前面所提到的相关检验以及回归分析来判定相应解释变量是否对应变量具有显著影响，以及方程的整体拟合优度怎样，方程的总体显著性怎样，研究结果是否证明或否定了我们开始提出的假设。以下就是我们对于本文所选的样本进行多元回归以及相关检验的结果。
1、多元回归的结果
Dependent Variable: Y
Method: Least Squares
Date: 06/04/05 Time: 19:50
Sample: 1 82
Included observations: 82
Variable Coefficient Std. Error t-Statistic Prob.
C 0.005120 0.054540 0.093885 0.9254
X1 0.659691 0.133871 4.927795 0.0000
X2 -0.038303 0.051428 -0.744788 0.4586
X3 -0.991170 0.248585 -3.987245 0.0001
R-squared 0.453817 Mean dependent var -0.190653
Adjusted R-squared 0.432810 S.D. dependent var 0.516356
S.E. of regression 0.388878 Akaike info criterion 0.996449
Sum squared resid 11.79565 Schwarz criterion 1.113850
Log likelihood -36.85442 F-statistic 21.60309
Durbin-Watson stat 2.364907 Prob(F-statistic) 0.000000
TAt/At-1=0.005120+0.659691REVt/At-1-0.038303PPEt/At-1+-0.991170JTt/At-1
t=(0.093885)( 4.927795) ( -0.744788) ( -3.987245)
R=0.453817, DW=2.364907, F=21.60309
给定显著性水平0.05,查自由度为78的t分布表.t=2.000,从而可以得出X1,X3的t检验显著，说明方程中的解释变量“主营业务收入变动值”和“t年计提的减值准备金额”对于方程的被解释变量“应计利润总额”的影响是显著的。X1的检验结果为正数，证明了本文开始的假设，即“主营业务收入变动值”与应计利润总额是正相关的。而X2和X3的检验结果均为负数，也验证了“固定资产原值”和“t年计提的减值准备金额”与应计利润总额之间都是呈负相关的。此外，在显著性水平0.05下f检验临界值为2.76,方程的F检验值达到了21.6，显著大于临界值，说明我们在研究中使用的修正的琼斯模型中，被解释变量“应计利润总额”与解释变量“主营业务收入变动值” 、“固定资产原值”和“t年计提的减值准备金额”之间存在显著的线性关系。但是我们也可以看到系数X2的t检验不显著，说明上市公司很少有采用改变计提折旧方法来进行盈余管理的现象。同时，.回归检验的可决系数不高。
2、多重共线性
从上表结果可以看出共线性不明显，说明本文研究模型中所确定的几个解释变量之间不存在明显的共线性，可以较好的反应各自对于被解释变量的影响，因此检验结果可以信任。
3、异方差检验,采用white检验
White Heteroskedasticity Test:
F-statistic 148.1881 Probability 0.000000
Obs*R-squared 77.79994 Probability 0.000000
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/05/05 Time: 10:59
Sample: 1 82
Included observations: 82
Variable Coefficient Std. Error t-Statistic Prob.
C -0.024361 0.046297 -0.526181 0.6004
X1 -0.334676 0.195372 -1.713015 0.0910
X1^2 0.775371 0.076663 10.11399 0.0000
X1*X2 2.315925 0.090521 25.58435 0.0000
X1*X3 -15.73427 0.566224 -27.78804 0.0000
X2 0.326717 0.097187 3.361732 0.0012
X2^2 -0.269691 0.035985 -7.494486 0.0000
X2*X3 2.029055 0.195380 10.38515 0.0000
X3 -1.282134 0.494301 -2.593831 0.0115
X3^2 -2.571960 0.317246 -8.107143 0.0000
R-squared 0.948780 Mean dependent var 0.143849
Adjusted R-squared 0.942377 S.D. dependent var 0.852186
S.E. of regression 0.204565 Akaike info criterion -0.222012
Sum squared resid 3.012975 Schwarz criterion 0.071491
Log likelihood 19.10248 F-statistic 148.1881
Durbin-Watson stat 2.181626 Prob(F-statistic) 0.000000