基于线性回归与神经网络的盈余管理研究

马海萍

【摘 要】 在以往对公司治理结构与盈余管理关系的研究中，学者们大多采用多元线性回归的方法，但多元线性回归只是一种描述数量间简单线性关系的方法，使用的前提是满足五条苛刻的假设，可能并不适合于某些实际经济问题的研究。人工神经网络（ANN）是一种非线性的数学计算模型，文章将人工神经网络模型引入上述问题的研究，并将多元线性回归与ANN两种模型的实证研究结果进行分析与对比，用以考察两种模型在盈余管理研究领域的有效性与预测力。

【关键词】 多元线性回归模型； 神经网络模型； 公司治理结构； 盈余管理

中图分类号：F224文献标识码：A文章编号：1004-5937（2014）17-0047-05一、引言

自20世纪90年代初股票交易市场在我国建立至今已二十余载，在这些年里，上市公司股权结构在经历了以股权分置改革为代表的一次次改革后发生重大变化。目前，我国非流通股大部分属于国有股、法人股与上市公司部分高管持有股。由以上分析可知，我国公司的治理结构与治理环境均发生了较大的变化，在新的股权结构下对盈余管理进行研究具有新的意义。

在已有的研究成果中，学者们关于不同公司治理结构下公司盈余管理程度的实证研究结果大不相同。究其原因，是因为学者们在实证研究过程中，选取的样本在时间、数量、行业分布上有所不同以及自变量、因变量的设置也有很大差异。在以往的研究中，学者们采用的研究方法大多是多元线性回归模型，但值得注意的是，在实际中，公司治理结构与盈余管理的关系是复杂与多样的，而多元线性回归只是一种描述数量间简单线性关系的方法，使用的前提是满足五条苛刻的假设，可能并不适合于某些实际经济问题的研究。人工神经网络是一种非线性的数学计算模型，本文将人工神经网络模型引入公司治理结构与盈余管理关系的研究，并将多元线性回归与ANN两种模型的实证研究结果进行分析与对比，用以考察两种模型在盈余管理研究领域的有效性与预测力。

二、相关概念厘定

（一）多元线性回归模型

线性回归分析（Linear Regression Analysis）是一种对自变量（Independent Variable）与因变量（Dependent Variable）之间的关系进行研究的方法，研究的步骤为：首先是通过计算相关系数r探索与确定变量间是否存在线性相关关系，其次是确定自变量与因变量，再次是建立回归模型，最后是运用回归模型进行评估与预测。线性回归分析根据自变量个数与复杂程度可以划分为两类：一是简单的一元线性回归分析，二是相对复杂的多元线性回归分析。多元线性回归分析模型可以表示为：

y=b0+b1x1+b2x2+…+bkxk+e（1）

通过最小二乘法（GLS），可以得到参数的最佳估计值，在此基础上，还要通过以下几个有代表性的检验来验证模型的拟合程度。主要包括：

1.拟合优度检验。多重可决系数一般用R2表示，代表回归平方和所占y的总变化的比重，R2越大，模型的拟合优度就越好。计算公式为：

R2＝■=1-■（2）

标准差，也可以对多元线性回归模型的拟合优度加以反映，它表示y的实际值与估计值之间存在的误差，标准差越小，拟合优度就越好。计算公式为：

Sy=■vk=■（3）

2.回归方程的显著性检验。该检验是对整个回归方程的显著性进行检验，以对所有x与y的线性关系的密切程度进行评价。F检验的应用最为广泛。

3.回归系数的显著性检验。该检验是对方程中的各个回归系数b是否具有显著性进行验证，并将方程中对y没有显著影响的因素去除。t检验是经常采用的方法。

此外，还有多重共线性检验与DW检验等。

（二）神经网络模型

人工神经网络（Artificial Neural Network，下文简称ANN），是一种对生物神经网络的结构与功能进行模仿的数学计算模型。神经网络依靠大量的人工“神经元”联结组合而成，每个“神经元”代表一种激励函数（Activation Function），它属于一种特定的输出函数。对每两个“神经元”间的连接都赋予一个权重（Weight），它代表通过该连接信号的加权值，这与活体生物的神经网络相类似。网络的激励函数、连接方式与权重值的不同决定了网络输出的不同。同时，ANN是一种自适应系统，它能根据外界信息的变化改变自身的内部结构，通过对输入、输出变量的不同关系的分析，掌握其中的内在规律，建立不同的非线性统计性数据模型，这一建模的过程也被称为“训练”。

如图1所示，a1，a2，…，an为输入向量的各个分量；w1，w2，…，wn为神经元各个连接的权重；b为偏置；f为非线性传递函数；t为神经元输出，t=f（WA'+b），其中，W为权向量，A为输入向量，A'为A向量的转置。ANN具备大量公式同时运行、大量数据同时计算、运算程序分布式存储、运算结果综合式处理、自我适应、自我组织与自我学习的能力，它自从被提出以来就在实务界得到广泛的运用，特别是随着近年来计算机电子技术的发展与进步，ANN逐步完成了软件模拟与硬件实现的无缝对接，在信号处理、模式识别、专家系统、优化组合、知识控制、机器人控制等领域发挥着越来越重要的作用。ANN非常适合应用于拥有很多不同的输入向量（即所要处理的问题需要同时考虑多种条件与因素），且输入向量具备不精确、模糊性特征的信息处理问题。

（三）盈余管理

盈余管理（Earnings Management）是会计政策的选择具有经济后果的一种具体表现形式，指企业管理层在遵循会计准则的基础上，通过对企业对外报告的会计收益信息进行控制或调整，以达到主体自身利益最大化的行为。作为影响企业会计质量的重要因素，盈余管理备受企业的管理者、所用者、债权人、政府监管部门等利益相关者的关注。因此，必须对企业的盈余管理程度进行准确、合理的评价与预测。由于公司治理结构不仅涉及一系列定量的指标，还包括了大量定性的指标，这些指标本身就非常复杂，再加上会计信息本身所特有的模糊性，对盈余管理与股权结构关系的研究造成了很大的难度。

在相关实证研究中，学者们大多数是运用多元线性回归方法，该方法强大的分析与预测功能在很多问题的研究中均发挥了较好的作用。然而，值得注意的是，运用线性回归模型的前提是满足五条基本假设，即误差的正态性、解释变量的无关性、同方差性、无偏性、独立性。在实际生活中，这些基本假设是很苛刻的，几乎无法全部满足，这就使回归模型产生了偏差。ANN模型则避免了这些假设，将ANN纳入公司治理结构和盈余管理之间关系的研究，可以有效避免多元线性回归模型中强相关性或者输入变量有噪声等问题，并且ANN可以很好地模拟非线性关系，具有很强的优越性。

三、研究设计

（一）样本选取

本文的上市公司数据全部来自于国泰安数据库，选取截至2013年第三季度末（9月30日）之前上市的沪市A股上市公司数据，剔除ST、■ST、PT类和金融类企业，以及数据不全的上市公司，最后得到1 084家上市公司数据（见表1）。

（二）盈余管理计量方法选择

截至目前，学术界常采用以下三种方法对盈余管理进行计量：应计利润分离法、分布检测法与具体项目法，其中，使用最多的方法为应计利润分离法。所谓分离，是指运用回归模型将应计利润分离为可操控性与不可操控性，并以可操控性应计利润作为衡量盈余管理的大小与程度的依据。运用该方法的关键是如何对应计利润进行分离。分离应计利润的模型很多，包括KS模型、Jones模型、修正的Jones模型、随机游走模型、行业模型等，本文将运用Jones模型。Jones模型估量非操纵性应计利润的公式如下：

NDAt=α1（1/At-1）+α2（ΔREVt/At-1）+α3（PPEt/At-1）

（4）

式中，ΔREVt是第t期收入和第t-1期收入的差额；PPEt是第t期期末的固定资产价值；At-1是第t-1期期末总资产；α1、α2、α3是公司特征参数。α1、α2、α3的估计值运用估计期各项数值进行回归取得。

TAt/At-1=a1（1/At-1）+a2（ΔREVt/At-1）+a3（PPEt/At-1）+εt（5）

式中，a1、a2、a3是α1、α2、α3的OLS估计值，TAt是第t期的总应计利润。εt为剩余项，代表各公司总应计利润中的操控性应计利润部分。其他变量含义和式（4）相同。

（三）研究假设

公司的治理结构包括广义和狭义两个层次的内容，广义是包括外部治理结构与内部治理结构，狭义只包括内部治理结构。本文对公司治理结构采取了狭义的概念，主要研究股权结构、董事会、监事会等内部治理结构的内容。

1.股权结构

X1：第一大股东持股比例。众所周知，我国上市公司的一个显著特点为“一股独大”，这常常造成大股东侵占小股东利益，由此提出假设一：第一大股东持股比例与盈余管理正相关。

X2：国有股持股比例。由于国有股的股东没有所有权，缺乏足够的动力去监管管理层，从而使管理层拥有更多盈余管理的机会，由此提出假设二：国有股比例与盈余管理正相关。

X3：法人股持股比例。相对于国有股，法人股对于公司管理层具有更高的监督积极性；相对于小股东，法人股具备更高的监管能力，由此提出假设三：法人股比例与盈余管理负相关。

2.董事会

X4：董事长兼任总经理。若董事长兼任总经理取1，否则取0。董事长是董事会的首脑，总经理是公司管理层的首脑，若二者由同一人担任，无疑会大大削弱董事会对管理层的监督，由此提出假设四：兼任与盈余管理正相关。

X5：独立董事的比例。我国《公司法》规定，独立董事必须具有五年以上法律、经济或者其他履行独立董事职责所必需的工作经验，由此提出假设五：独立董事在董事会中所占比例与盈余管理程度负相关。

X6：董事会规模。《公司法》规定，股份有限公司的董事会由五到十九人构成，若董事会规模过大，会造成董事之间沟通的低效率与高成本，即付出的成本会超过其创造的价值，由此提出假设六：董事会规模与盈余管理正相关。

3.监事会

X7：监事会规模。《公司法》规定，监事会由三名以上的监事构成，监事会是公司的监督机构，其规模越大，越有利于对管理层的监督。由此提出假设七：监事会规模与盈余管理负相关。

X8：监事会成员持股比例。监事会成立的目的是对公司的管理层进行监督，相对较高的持股比例，可以增加监事会成员对管理层的经营管理状况进行监督的动力，实现对盈余管理行为的抑制，由此提出假设八：监事会成员持股比例与盈余管理负相关。

（四）控制变量

鉴于上市公司盈余管理的程度不可避免地会受到一些非治理结构因素的影响，为了对解释变量影响被解释变量加以调节，本文设置以下三个控制变量：公司规模（取公司年末总资产的对数值）、净资产收益率、资产负债率。

（五）模型构建

首先利用EViews7.0对Jones模型进行多元线性回归，回归结果显示：调整判定系数为0.957，对应的F检验的p值小于0.000，由此判定模型的拟合优度良好。继而进行t检验，仅有常数项未通过检验，即非操控性应计利润模型为：

NDAi-t/Ai+1=6.412E8（1/Ai+1）+0.261（ΔREVi-t/At-1）+α3（PPEt/At-1）（6）

盈余管理，即操控性应计利润可以通过减法得到，公式如下：

EMi-t=TDAi-t-NDAi-t/Ai+1 （7）

四、实证结果与分析

（一）描述性统计分析

样本公司描述性统计结果如表2所示。

（二）多元线性回归结果与分析

本文采用EViews7.0对自变量、因变量进行了多元线性回归分析，回归分析结果见表3与表4。

由表4可知，X1（第一大股东持股比例）、X2（国有股持股比例）、X7（监事会规模）、X8（监事会成员持股比例）均与企业的盈余管理程度正相关；而X6（董事会规模）与盈余管理负相关；X3（法人股持股比例）、X4（董事长兼任总经理）以及X5（独立董事的比例）与盈余管理的关系不显著。由表3可知，回归方程的调整的R2为0.192，表明方程拟合优度的F检验的Sig.值为0.000，说明拟合优度良好，但应当注意，表示残差平方和的SSE值较大。

（三）人工神经网络模型的实证结果与分析

本部分将运用ANN模型对数据进行实证分析。具体步骤如下：

第一步，选取合适的ANN结构。笔者将采用三层人工神经网络，即：输入层、隐含层与输出层，将从X1到X8八个指标设定为输入层的八个节点，将操控性应计利润设定为输出层的唯一节点，为隐含层设定二十个节点。隐含层的激活函数为：（fx）=1/（1+exp（-x））；输出层的激活函数为：（fx）=x

第二步，网络参数初始化。为隐含层与输入层之间的连接赋予权值wij、阈值θk，输出层与隐含层之间的连接权值w'ij、阈值θ'k，所选取样本数据的阈值为［-1，1］。

第三步，将样本中的数据输入，运用上文所述的式（4）对隐含层的输入进行运算，然后运用式（5）计算隐含层的输出；该值也是输出层的输入，在此基础上继续计算输出层的输出。最后，可得到输出关系式：y=■w■■［（■）θ■■■+θ■■■］，根据式（7）可计算得出残差平方和SSE值为0.621，大大小于多元线性回归得出的0.975。

为了对ANN模型的预测能力进行更好的验证，笔者将2013年的样本数据划分为两个子部分，一部分为训练样本，另一部分为测试样本，检验结果见表5。

由表5中可知，单就预测能力而言，多元线性回归模型远不如ANN模型的准确性强。对于这种对比分析的结果，一个更为直观的解释是：在现实世界中，公司治理结构中的诸多要素与盈余管理之间并非是一种简单的线性关系，ANN模型使这种非线性模型表现出更好的模拟效果。

五、结论与下一步研究方向

本文选取了截至2013年9月30日在上交所上市的1 084家上市公司数据，对公司治理结构与盈余管理的关系分别运用多元线性回归与ANN模型进行研究，并对两种模型的实证研究结果进行了对比分析。结果表明，ANN模型具有较高的拟合优度，这为今后关于非线性关系的研究开辟了新的道路。但本文仍存在以下两个方面的缺陷：一是在数据的选取上，仅以2013年前三个季度的数据为样本，由于个别样本可能存在异常，这可能会对这个样本数据的回归结果造成偏差，下一步可以考虑截取多年的时间序列数据对ANN模型与多元线性回归模型进行对比研究；二是对于因变量公司治理结构，本文采取的是狭义的概念，将研究的范围限定在内部治理结构，而将外部治理结构排除在外，今后可以将囊括了外部产品市场、资本市场在内的外部治理结构也纳入研究的范围，从而了解公司治理结构与盈余管理关系的全貌。●

【参考文献】

［1］ 朱荣.真实盈余管理的经济后果研究述评［J］.会计之友，2013（3）：72-74.

［2］ 黎春.中国上市公司财务指数研究［D］.西南财经大学，2010.

［3］ 丁真真.基于BP神经网络的快速消费品上市公司财务风险预警系统研究［D］.东北林业大学，2012.

［4］ 王世兰.基于神经网络的中国上市公司财务危机预警研究［D］.西南财经大学，2011.

［5］ 徐岩，陈银涛，于晓佳，等.EVA绩效评价对盈余管理影响的实证分析［J］.会计之友，2012（21）:76-78.

［6］ 李惠，胡安琴. 机构投资者与盈余管理的关系研究［J］.会计之友，2013（23）:101-104.

［7］ 张勤，陈良华. 董事会特征与盈余管理关系的实证研究——基于我国中小板上市公司的面板数据［J］.会计之友，2012（36）:101-106.

［8］ 王木之，谭洪涛. 我国上市公司盈利比率分布特性创新研究——基于2011年沪深股市制造业的截面数据［J］.会计之友，2013（24）：72-74.

NDAt=α1（1/At-1）+α2（ΔREVt/At-1）+α3（PPEt/At-1）

（4）

式中，ΔREVt是第t期收入和第t-1期收入的差额；PPEt是第t期期末的固定资产价值；At-1是第t-1期期末总资产；α1、α2、α3是公司特征参数。α1、α2、α3的估计值运用估计期各项数值进行回归取得。

TAt/At-1=a1（1/At-1）+a2（ΔREVt/At-1）+a3（PPEt/At-1）+εt（5）

式中，a1、a2、a3是α1、α2、α3的OLS估计值，TAt是第t期的总应计利润。εt为剩余项，代表各公司总应计利润中的操控性应计利润部分。其他变量含义和式（4）相同。

（三）研究假设

公司的治理结构包括广义和狭义两个层次的内容，广义是包括外部治理结构与内部治理结构，狭义只包括内部治理结构。本文对公司治理结构采取了狭义的概念，主要研究股权结构、董事会、监事会等内部治理结构的内容。

1.股权结构

X1：第一大股东持股比例。众所周知，我国上市公司的一个显著特点为“一股独大”，这常常造成大股东侵占小股东利益，由此提出假设一：第一大股东持股比例与盈余管理正相关。

X2：国有股持股比例。由于国有股的股东没有所有权，缺乏足够的动力去监管管理层，从而使管理层拥有更多盈余管理的机会，由此提出假设二：国有股比例与盈余管理正相关。

X3：法人股持股比例。相对于国有股，法人股对于公司管理层具有更高的监督积极性；相对于小股东，法人股具备更高的监管能力，由此提出假设三：法人股比例与盈余管理负相关。

2.董事会

X4：董事长兼任总经理。若董事长兼任总经理取1，否则取0。董事长是董事会的首脑，总经理是公司管理层的首脑，若二者由同一人担任，无疑会大大削弱董事会对管理层的监督，由此提出假设四：兼任与盈余管理正相关。

X5：独立董事的比例。我国《公司法》规定，独立董事必须具有五年以上法律、经济或者其他履行独立董事职责所必需的工作经验，由此提出假设五：独立董事在董事会中所占比例与盈余管理程度负相关。

X6：董事会规模。《公司法》规定，股份有限公司的董事会由五到十九人构成，若董事会规模过大，会造成董事之间沟通的低效率与高成本，即付出的成本会超过其创造的价值，由此提出假设六：董事会规模与盈余管理正相关。

3.监事会

X7：监事会规模。《公司法》规定，监事会由三名以上的监事构成，监事会是公司的监督机构，其规模越大，越有利于对管理层的监督。由此提出假设七：监事会规模与盈余管理负相关。

X8：监事会成员持股比例。监事会成立的目的是对公司的管理层进行监督，相对较高的持股比例，可以增加监事会成员对管理层的经营管理状况进行监督的动力，实现对盈余管理行为的抑制，由此提出假设八：监事会成员持股比例与盈余管理负相关。

（四）控制变量

鉴于上市公司盈余管理的程度不可避免地会受到一些非治理结构因素的影响，为了对解释变量影响被解释变量加以调节，本文设置以下三个控制变量：公司规模（取公司年末总资产的对数值）、净资产收益率、资产负债率。

（五）模型构建

首先利用EViews7.0对Jones模型进行多元线性回归，回归结果显示：调整判定系数为0.957，对应的F检验的p值小于0.000，由此判定模型的拟合优度良好。继而进行t检验，仅有常数项未通过检验，即非操控性应计利润模型为：

NDAi-t/Ai+1=6.412E8（1/Ai+1）+0.261（ΔREVi-t/At-1）+α3（PPEt/At-1）（6）

盈余管理，即操控性应计利润可以通过减法得到，公式如下：

EMi-t=TDAi-t-NDAi-t/Ai+1 （7）

四、实证结果与分析

（一）描述性统计分析

样本公司描述性统计结果如表2所示。

（二）多元线性回归结果与分析

本文采用EViews7.0对自变量、因变量进行了多元线性回归分析，回归分析结果见表3与表4。

由表4可知，X1（第一大股东持股比例）、X2（国有股持股比例）、X7（监事会规模）、X8（监事会成员持股比例）均与企业的盈余管理程度正相关；而X6（董事会规模）与盈余管理负相关；X3（法人股持股比例）、X4（董事长兼任总经理）以及X5（独立董事的比例）与盈余管理的关系不显著。由表3可知，回归方程的调整的R2为0.192，表明方程拟合优度的F检验的Sig.值为0.000，说明拟合优度良好，但应当注意，表示残差平方和的SSE值较大。

（三）人工神经网络模型的实证结果与分析

本部分将运用ANN模型对数据进行实证分析。具体步骤如下：

第一步，选取合适的ANN结构。笔者将采用三层人工神经网络，即：输入层、隐含层与输出层，将从X1到X8八个指标设定为输入层的八个节点，将操控性应计利润设定为输出层的唯一节点，为隐含层设定二十个节点。隐含层的激活函数为：（fx）=1/（1+exp（-x））；输出层的激活函数为：（fx）=x

第二步，网络参数初始化。为隐含层与输入层之间的连接赋予权值wij、阈值θk，输出层与隐含层之间的连接权值w'ij、阈值θ'k，所选取样本数据的阈值为［-1，1］。

第三步，将样本中的数据输入，运用上文所述的式（4）对隐含层的输入进行运算，然后运用式（5）计算隐含层的输出；该值也是输出层的输入，在此基础上继续计算输出层的输出。最后，可得到输出关系式：y=■w■■［（■）θ■■■+θ■■■］，根据式（7）可计算得出残差平方和SSE值为0.621，大大小于多元线性回归得出的0.975。

为了对ANN模型的预测能力进行更好的验证，笔者将2013年的样本数据划分为两个子部分，一部分为训练样本，另一部分为测试样本，检验结果见表5。

由表5中可知，单就预测能力而言，多元线性回归模型远不如ANN模型的准确性强。对于这种对比分析的结果，一个更为直观的解释是：在现实世界中，公司治理结构中的诸多要素与盈余管理之间并非是一种简单的线性关系，ANN模型使这种非线性模型表现出更好的模拟效果。

五、结论与下一步研究方向

本文选取了截至2013年9月30日在上交所上市的1 084家上市公司数据，对公司治理结构与盈余管理的关系分别运用多元线性回归与ANN模型进行研究，并对两种模型的实证研究结果进行了对比分析。结果表明，ANN模型具有较高的拟合优度，这为今后关于非线性关系的研究开辟了新的道路。但本文仍存在以下两个方面的缺陷：一是在数据的选取上，仅以2013年前三个季度的数据为样本，由于个别样本可能存在异常，这可能会对这个样本数据的回归结果造成偏差，下一步可以考虑截取多年的时间序列数据对ANN模型与多元线性回归模型进行对比研究；二是对于因变量公司治理结构，本文采取的是狭义的概念，将研究的范围限定在内部治理结构，而将外部治理结构排除在外，今后可以将囊括了外部产品市场、资本市场在内的外部治理结构也纳入研究的范围，从而了解公司治理结构与盈余管理关系的全貌。●

【参考文献】

［1］ 朱荣.真实盈余管理的经济后果研究述评［J］.会计之友，2013（3）：72-74.

［2］ 黎春.中国上市公司财务指数研究［D］.西南财经大学，2010.

［3］ 丁真真.基于BP神经网络的快速消费品上市公司财务风险预警系统研究［D］.东北林业大学，2012.

［4］ 王世兰.基于神经网络的中国上市公司财务危机预警研究［D］.西南财经大学，2011.

［5］ 徐岩，陈银涛，于晓佳，等.EVA绩效评价对盈余管理影响的实证分析［J］.会计之友，2012（21）:76-78.

［6］ 李惠，胡安琴. 机构投资者与盈余管理的关系研究［J］.会计之友，2013（23）:101-104.

［7］ 张勤，陈良华. 董事会特征与盈余管理关系的实证研究——基于我国中小板上市公司的面板数据［J］.会计之友，2012（36）:101-106.

［8］ 王木之，谭洪涛. 我国上市公司盈利比率分布特性创新研究——基于2011年沪深股市制造业的截面数据［J］.会计之友，2013（24）：72-74.

NDAt=α1（1/At-1）+α2（ΔREVt/At-1）+α3（PPEt/At-1）

（4）

式中，ΔREVt是第t期收入和第t-1期收入的差额；PPEt是第t期期末的固定资产价值；At-1是第t-1期期末总资产；α1、α2、α3是公司特征参数。α1、α2、α3的估计值运用估计期各项数值进行回归取得。

TAt/At-1=a1（1/At-1）+a2（ΔREVt/At-1）+a3（PPEt/At-1）+εt（5）

式中，a1、a2、a3是α1、α2、α3的OLS估计值，TAt是第t期的总应计利润。εt为剩余项，代表各公司总应计利润中的操控性应计利润部分。其他变量含义和式（4）相同。

（三）研究假设

公司的治理结构包括广义和狭义两个层次的内容，广义是包括外部治理结构与内部治理结构，狭义只包括内部治理结构。本文对公司治理结构采取了狭义的概念，主要研究股权结构、董事会、监事会等内部治理结构的内容。

1.股权结构

X1：第一大股东持股比例。众所周知，我国上市公司的一个显著特点为“一股独大”，这常常造成大股东侵占小股东利益，由此提出假设一：第一大股东持股比例与盈余管理正相关。

X2：国有股持股比例。由于国有股的股东没有所有权，缺乏足够的动力去监管管理层，从而使管理层拥有更多盈余管理的机会，由此提出假设二：国有股比例与盈余管理正相关。

X3：法人股持股比例。相对于国有股，法人股对于公司管理层具有更高的监督积极性；相对于小股东，法人股具备更高的监管能力，由此提出假设三：法人股比例与盈余管理负相关。

2.董事会

X4：董事长兼任总经理。若董事长兼任总经理取1，否则取0。董事长是董事会的首脑，总经理是公司管理层的首脑，若二者由同一人担任，无疑会大大削弱董事会对管理层的监督，由此提出假设四：兼任与盈余管理正相关。

X5：独立董事的比例。我国《公司法》规定，独立董事必须具有五年以上法律、经济或者其他履行独立董事职责所必需的工作经验，由此提出假设五：独立董事在董事会中所占比例与盈余管理程度负相关。

X6：董事会规模。《公司法》规定，股份有限公司的董事会由五到十九人构成，若董事会规模过大，会造成董事之间沟通的低效率与高成本，即付出的成本会超过其创造的价值，由此提出假设六：董事会规模与盈余管理正相关。

3.监事会

X7：监事会规模。《公司法》规定，监事会由三名以上的监事构成，监事会是公司的监督机构，其规模越大，越有利于对管理层的监督。由此提出假设七：监事会规模与盈余管理负相关。

X8：监事会成员持股比例。监事会成立的目的是对公司的管理层进行监督，相对较高的持股比例，可以增加监事会成员对管理层的经营管理状况进行监督的动力，实现对盈余管理行为的抑制，由此提出假设八：监事会成员持股比例与盈余管理负相关。

（四）控制变量

鉴于上市公司盈余管理的程度不可避免地会受到一些非治理结构因素的影响，为了对解释变量影响被解释变量加以调节，本文设置以下三个控制变量：公司规模（取公司年末总资产的对数值）、净资产收益率、资产负债率。

（五）模型构建

首先利用EViews7.0对Jones模型进行多元线性回归，回归结果显示：调整判定系数为0.957，对应的F检验的p值小于0.000，由此判定模型的拟合优度良好。继而进行t检验，仅有常数项未通过检验，即非操控性应计利润模型为：

NDAi-t/Ai+1=6.412E8（1/Ai+1）+0.261（ΔREVi-t/At-1）+α3（PPEt/At-1）（6）

盈余管理，即操控性应计利润可以通过减法得到，公式如下：

EMi-t=TDAi-t-NDAi-t/Ai+1 （7）

四、实证结果与分析

（一）描述性统计分析

样本公司描述性统计结果如表2所示。

（二）多元线性回归结果与分析

本文采用EViews7.0对自变量、因变量进行了多元线性回归分析，回归分析结果见表3与表4。

由表4可知，X1（第一大股东持股比例）、X2（国有股持股比例）、X7（监事会规模）、X8（监事会成员持股比例）均与企业的盈余管理程度正相关；而X6（董事会规模）与盈余管理负相关；X3（法人股持股比例）、X4（董事长兼任总经理）以及X5（独立董事的比例）与盈余管理的关系不显著。由表3可知，回归方程的调整的R2为0.192，表明方程拟合优度的F检验的Sig.值为0.000，说明拟合优度良好，但应当注意，表示残差平方和的SSE值较大。

（三）人工神经网络模型的实证结果与分析

本部分将运用ANN模型对数据进行实证分析。具体步骤如下：

第一步，选取合适的ANN结构。笔者将采用三层人工神经网络，即：输入层、隐含层与输出层，将从X1到X8八个指标设定为输入层的八个节点，将操控性应计利润设定为输出层的唯一节点，为隐含层设定二十个节点。隐含层的激活函数为：（fx）=1/（1+exp（-x））；输出层的激活函数为：（fx）=x

第二步，网络参数初始化。为隐含层与输入层之间的连接赋予权值wij、阈值θk，输出层与隐含层之间的连接权值w'ij、阈值θ'k，所选取样本数据的阈值为［-1，1］。

第三步，将样本中的数据输入，运用上文所述的式（4）对隐含层的输入进行运算，然后运用式（5）计算隐含层的输出；该值也是输出层的输入，在此基础上继续计算输出层的输出。最后，可得到输出关系式：y=■w■■［（■）θ■■■+θ■■■］，根据式（7）可计算得出残差平方和SSE值为0.621，大大小于多元线性回归得出的0.975。

为了对ANN模型的预测能力进行更好的验证，笔者将2013年的样本数据划分为两个子部分，一部分为训练样本，另一部分为测试样本，检验结果见表5。

由表5中可知，单就预测能力而言，多元线性回归模型远不如ANN模型的准确性强。对于这种对比分析的结果，一个更为直观的解释是：在现实世界中，公司治理结构中的诸多要素与盈余管理之间并非是一种简单的线性关系，ANN模型使这种非线性模型表现出更好的模拟效果。

五、结论与下一步研究方向

本文选取了截至2013年9月30日在上交所上市的1 084家上市公司数据，对公司治理结构与盈余管理的关系分别运用多元线性回归与ANN模型进行研究，并对两种模型的实证研究结果进行了对比分析。结果表明，ANN模型具有较高的拟合优度，这为今后关于非线性关系的研究开辟了新的道路。但本文仍存在以下两个方面的缺陷：一是在数据的选取上，仅以2013年前三个季度的数据为样本，由于个别样本可能存在异常，这可能会对这个样本数据的回归结果造成偏差，下一步可以考虑截取多年的时间序列数据对ANN模型与多元线性回归模型进行对比研究；二是对于因变量公司治理结构，本文采取的是狭义的概念，将研究的范围限定在内部治理结构，而将外部治理结构排除在外，今后可以将囊括了外部产品市场、资本市场在内的外部治理结构也纳入研究的范围，从而了解公司治理结构与盈余管理关系的全貌。●

【参考文献】

［1］ 朱荣.真实盈余管理的经济后果研究述评［J］.会计之友，2013（3）：72-74.

［2］ 黎春.中国上市公司财务指数研究［D］.西南财经大学，2010.

［3］ 丁真真.基于BP神经网络的快速消费品上市公司财务风险预警系统研究［D］.东北林业大学，2012.

［4］ 王世兰.基于神经网络的中国上市公司财务危机预警研究［D］.西南财经大学，2011.

［5］ 徐岩，陈银涛，于晓佳，等.EVA绩效评价对盈余管理影响的实证分析［J］.会计之友，2012（21）:76-78.

［6］ 李惠，胡安琴. 机构投资者与盈余管理的关系研究［J］.会计之友，2013（23）:101-104.

［7］ 张勤，陈良华. 董事会特征与盈余管理关系的实证研究——基于我国中小板上市公司的面板数据［J］.会计之友，2012（36）:101-106.

［8］ 王木之，谭洪涛. 我国上市公司盈利比率分布特性创新研究——基于2011年沪深股市制造业的截面数据［J］.会计之友，2013（24）：72-74.