空气污染影响了地方重污染企业的盈余管理吗？

郭际++陈珊珊++吴先华

【摘 要】 近年来中国的雾霾天气数明显增加，严重影响了社会的可持续发展，引发公众的广泛关注。重污染企业也因此面临较大的社会压力。在这种背景下，重污染企业是否有向下做盈余管理的动机和现象？若有，在何种状态下进行向下的盈余管理，开展多大幅度的盈余管理？这类研究比较少见。文章采集了19个省2008—2012年间的空气污染指数（Air Pollution Index，以下简称API）数据、重污染企业的相关财务数据，利用Jones模型，采用多断点回归方法检验空气污染对地方重污染企业盈余管理的影响，分析了2008—2012年间重污染企业的盈余管理行为。结果发现：（1）2008—2009年间，企业在断点API=100处和API=200处有向下做盈余管理的现象，但在断点API=300处有向上做盈余管理的现象；（2）从2010—2012年间、2008—2012年间的整体数据来看，企业在断点API=100、200、300处都有向下做盈余管理的现象。文章对实证结果进行了讨论，并提出了相应的对策建议。

【关键词】 空气污染指数； 重污染企业； 盈余管理； 多断点回归

【中图分类号】 F275；X51 【文献标识码】 A 【文章编号】 1004-5937（2017）07-0030-07

一、引言

中國改革开放近40年来，伴随着经济的高速增长，空气污染现象也日益突出。尤其是近年来雾霾等恶劣天气频发，使得人们纷纷把目光投向雾霾的源头——重污染企业，并试图采取有效措施进行治理。如Robert Rohde et al.[ 1 ]在谈到北京市的PM2.5时指出，“北京的PM2.5中，仅有一小部分来自于北京当地，大部分污染源自遥远的工业区”，认为重工业企业是环境污染的直接源头。2011年的“PM2.5爆表”事件发生后，政府出台了一系列针对重污染企业的管控政策，如环保部颁发《关于执行大气污染物特别排放限值的公告》（2013）、《火电厂大气污染排放标准》（2014）、《大气污染防治法》（2015）等一系列法规制度，表明了政府部门治理空气污染的决心[ 2 ]。社会公众也通过各种途径表达了对环境污染的担忧[ 3 ]。民众纷纷通过微博、论坛和微信群转发对PM2.5污染的不满[ 4 ]。这些充分说明空气污染已经成为公众关注的热点。在社会各界的强大压力下，被视为“众矢之的”的重污染企业理应自觉收敛其行为，进行向下的盈余管理，低调展示社会“弱势者”的身份，以博取同情、规避环境规制。那么，在我国，重污染企业是否采取了向下的盈余管理？如果是，会在哪个污染水平采取这种行为，采取多大幅度的盈余管理？这都是具有中国国情的企业管理话题。但从研究范围来看，这类研究非常少见，且大多缺乏足够的实证支持。仅有的一些文献如刘运国和刘梦宁[ 5 ]、曾月明和刘佳佳[ 6 ]通过对比重污染企业与非重污染企业在“PM2.5爆表”事件前后所采取的盈余管理行为，发现“PM2.5爆表”事件之前重污染企业与非重污染企业在盈余管理上没有显著差异，但“PM2.5爆表”事件之后，重污染企业进行了显著向下的盈余管理。那么，除了“PM2.5爆表”事件这一点（断点）之外，是否还有引发重污染企业向下进行盈余管理的其他断点呢？基于此，本研究将地方重污染企业作为样本，利用断点回归法，采用两种Jones模型检验空气污染程度与重污染企业盈余管理是否存在内在的联系，试图找到相应的实证证据。

二、文献简要回顾

（一）企业为何要做盈余管理

首先，什么是“盈余管理”？学者Willam.R.Scott[ 7 ]、Kathehne Schipper[ 8 ]、魏明海[ 9 ]、宁亚平[ 10 ]、陈华[ 11 ]都对盈余管理及其基本特征做了一些解释。其次，企业进行盈余管理的动机是什么？Snyder & Stromberg[ 12 ]认为，在面临严重的环境污染时，重污染企业为避免“树大招风”，减少政府和社会的关注度，往往有操纵盈余管理的动机。曹辰[ 13 ]认为，污染企业通过盈余管理，可以减少公众压力，避免由于政府管制导致企业降低盈利能力；K？觟nigsgruber & Windisch[ 14 ]认为，通过盈余管理，企业向社会展示“薄利经营”和“生存艰难”的形象，可以博得政府和社会的同情，有的甚至还可以拿到政府的补贴等。综上，本研究认为，类似于政治动机，重污染企业之所以进行盈余管理，主要在于逃避公众舆论的谴责和规避税收等环境规制。

（二）如何选择盈余管理的计量方法

在研究过程中，国内外学者大多选择修正Jones模型。如黄梅和夏新平[ 15 ]运用统计模拟方法比较发现，在中国证券市场上，修正Jones模型在模型的设定和盈余管理的检验方面表现更佳。基于以上考虑，本文的实证涉及分年度和分行业数据的回归，因此采用了修正Jones模型。

（三）断点回归法

Lee[ 16 ]认为，断点回归能够避免参数估计的内生性问题，真实反映变量之间的因果关系，因而得到了广泛采用。Almond et al.[ 17 ]研究了中国使用暖气政策对地方环境污染的影响，将淮河的南北地理分割线作为断点，发现淮河以北地区空气中颗粒密度高于淮河以南。由于这里研究的是当API指数达到某一个临界值时，企业是否会采取相应的盈余管理行为，是典型的断点回归问题，所以采用了该方法。

三、模型、指标及数据说明

（一）模型、变量的设定

1.盈余质量模型

借鉴Jones（1991）的思路，基本Jones模型如下：

其中NDAit / Ait-1是公司i经过t-1期期末总资产调整后的非可控应计利润， Ait-1是公司i在t-1期期末的总资产，？驻REVit是公司i在t期与t-1期的主营业务收入差距，PPEit是公司i在第t期期末的固定价值。？琢1、？琢2、？琢3是行业特征参数，这些参数可以通过（2）式回归得到。

其中TAit / Ait-1是公司i经过t-1期资产调整后的总应计利润，TAit为公司i当期营业利润与当期经营活动现金净流量之差，？着it为回归残差。对分行业分年度的数据进行OLS回归得到特征参数，将之代入（1）式中，再根据（3）式就可以得到盈余管理指标em1，表达式如下：

借鉴Dechow et al.（1995）的思路，修正Jones模型如下：

其中？驻RECit是公司i第t期期末与上期期末的应收账款之差。同理可以得到另一个盈余管理指标em2。

2.变量选择与数据说明

（1）盈余管理。在国泰安数据库中查找Jones模型所需的财务指标：总资产、固定资产、应收账款、主营业务收入和经营活动现金净流量等，然后分行业和分年度进行回归，得到盈余管理的质量指标。

（2）空气污染程度。采用API指数衡量空气污染程度。API数据来自2008年1月1日至2012年12月31日中国环保部的重点城市空气质量日报②，该数据的统计单位为各重点城市③。

（3）断点的选择。本文中API年度最大值与最小值分别为500与52，通过表1提供的断点依据，该区间的断点包括了100、200、300④，参考席鹏辉和梁若冰（2015）的方法，当API的年度最大值分别为100、200、300时，作为研究的各断点。

（4）控制变量。可选择如下变量作为影响盈余管理的控制变量：公司规模（size）、杠杆率（leverage）和成长性（tobing）。叶青等[ 18 ]还选取了公司上市年龄（lnage）作为影响盈余管理的控制变量。本文曾尝试选取以上四个指标作为控制变量，但研究发现，公司规模（size）、成长性（tobing）在断点处发生明显的跳跃（数据不连贯），如果将其加入到模型中，会影响断点回归的准确性，所以仅选取杠杆率和上市年龄作为本文的控制变量。

（5）重污染企业。将环保部2013年发布的《关于执行大气污染物特别排放限值的公告》⑤中19个重点控制区省份的火电、钢铁、石化、水泥、有色、化工六大行业企业作为重污染企业的样本源。参考刘运国和刘梦宁[ 5 ]的研究，这六大行业可以分解为12个重污染行业⑥。在国泰安数据库中，选择时间跨度为2007年12月至2012年12月，且公司所在地为这些省份的A股上市公司数据⑦。在筛选样本数据时，借鉴叶青等[ 18 ]的做法，保留财务状况正常（会计净资产为正，并且市场价值大于总负债）的企业，剔除了资不抵债、被ST和财务数据缺失的企业，最终得到389个企业样本。

（6）回归时期的选择。为反映政府于2010年出台对重污染企业管控政策《关于推进大气污染联防联控工作改善区域空气质量的指导意见》后企业的盈余管理行为是否发生了变化，在分析2008—2012年这5年的数据之外，再将数据分为2008—2009年和2009—2012年两个时间段，研究这两个时期企业在不同断点处盈余管理行为的变化。

3.实证模型

根据我国对API的分类标准可以设计一个多断点回归模型，见表1。

下面研究当API在100、200、300值⑨附近时，企业的盈余管理指标是否会发生跳跃。步骤如下：首先，将API值等于100、200、300作为断点。假设分布在断点周边的样本具有随机性，即可认为这些样本其他特征是相同的，不存在显著差别，解决了实证过程中遗漏变量的问题[ 19 ]。将超过断点的样本视为处理组，否则作为控制组。其次，在分配处理组与控制组的样本时，参考了Brollo[ 20 ]的思路：对各個断点间的样本进行中间切割，取值范围在[ ，Aj）为控制组，取值范围在[Aj， ]为处理组。再利用（5）式进行断点回归。借鉴Hahn et al.[ 19 ]的思路，设置模型如下：

其中，ait∈[ ， ]，Dit=1{ait-Aj>0}，？酌it为公司i的盈余管理，ait为空气质量指数，Aj表示第j个断点，ait-Aj表示第i个样本到j的距离。所以Dit=1{ait-Aj>0}作为处理变量是连续函数ait的函数，它由ait是否超过断点决定。当ait-Aj>0时，即超过断点视为1，否则视为0。X为控制变量，包括杠杆率（Leverage）和企业上市年限（lnage）。？啄t为时间固定效应，不随个体变化的时间趋势。为个体固定效应，不随时间变化的个体差异。？孜z为断点固定效应。误差项？滋it为各行业的聚类。f（ait-Aj）为执行变量（ait-Aj）的函数，Dit*f（ait-Aj）是控制断点两侧可能存在的不同函数形式。（6）式表示的是断点效应。

其中，表示第j个断点附近空气质量等级对盈余管理的影响。

（二）实证结果分析

表2、表3、表4分别表示2008—2012年、2008—2009年和2010—2012年间的综合断点效应与分断点效应，反映政府在2010年出台对重污染企业管控政策前后，当公众逐渐加大对雾霾的关注后，重污染企业的盈余管理是否会发生不同变化。

表2展示的是不同年份范围、API不同断点处重污染企业的盈余管理行为，可以发现不同年份期限内企业的盈余管理行为有所差异。表2中，回归的第一行表示断点的综合效应，是从总体上观测断点对盈余管理是否发生作用。一阶函数、二阶函数和三阶函数分别是API的1～3次函数形式，用于检验结果的稳健性。表4中最后3列是断点回归在带宽15、20、25处的局部线性回归。

表2结果显示，2008—2012年间，空气污染每上升一个等级，即API=100、200、300时，企业有向下做盈余管理的倾向。例如第一列，API=100时对应的盈余管理值为0.029；API=200时对应的值为0.015；API=300时，盈余管理为负值-0.017。后面的列数都呈现出这种变化趋势。再看每行的数据，可以发现，在不同函数形式下，盈余管理也呈现出递减趋势。

表3反映了2008—2009年企业的盈余管理。可见，空气污染每上升一等级即API=100、200时，盈余管理呈现下降趋势，到API=300处盈余管理在5%水平上显著为正。第一列，盈余管理在API=100时对应的值为0.01，在API=200时对应的值为-0.013，但API=300时盈余管理显著为0.067。其他各列亦是如此。再看各行数据，不同函数形式下，在API=100、200处盈余管理值也呈递减趋势。如在第二行断点100处，盈余管理逐渐从0.010～-0.0019降为0.008～-0.006。到API=300处盈余管理值上升，从0.067～0.090上升为0.074～0.100。

表4反映2010—2012年间企业的盈余管理。从每列的数据来看，当空气污染每上升一个等级，即API=100、200、300时，企业有向下做盈余管理的倾向。尤其API=300时，在5%水平上出现显著的负向盈余管理。如第一列，盈余管理在API=100时对应的值为0.029，在API=200时对应的值为-0.011，当API=300时，盈余管理显著为负值-0.031。其他各列亦是如此。再从每行的横向数据来看，在不同函数形式下，盈余管理在API=100、200、300处呈现递增趋势。如在第一行，断点综合效应逐渐递增，从-0.007～0.024增加到-0.007～0.028，其他各行也是如此。

在2008—2009年期间，即表3中API=300处，盈余管理显著为正，是否能说明空气污染的严重性与企业盈利存在正向关系？也就是说，在2010年政府出台相关政策对重污染企业进行管制之后，企业向下的盈余管理是否导致API=300处盈余管理为正的现象消失？再看表4，在2010—2012年间，API值从100到300，盈余管理一直呈下降趋势，但在API=300处显著为负，是否说明政策出台后公众日益关注重污染企业的行为，导致重污染企业低调行事，向下做盈余管理？下面对结果的可靠性做稳健性检验。

（三）稳健性检验

针对表4结果做稳健性检验，即不加入控制变量，看回归效果是否发生了变化。结果发现（表略），控制变量的添加与否对回归结果的影响不大。接下来对控制变量做连续性检验，目的是检验控制变量在各断点处是否有跳跃的情形。若有，表明控制变量对回归设计有影响；若没有，表明控制变量存在与否对断点回归的结果影响不大。借鉴席鹏辉和梁若冰（2015）的模型：

其中，Xit表示各控制变量，当？琢不显著时，说明控制变量在断点处没有发生跳跃。结果发现（表略），从各控制变量在API各断点处的检验情况来看，结果均不显著。因此，控制变量的存在与否对断点回归结果的影响不大。

为检验地方政府是否为了增加一年中API小于100的天数而操纵API数据⑩，下面利用McCrary（2008）的方法对执行变量ait-Aj（第i个样本到第j个断点的距离）进行连续性检验，检验该密度函数在断点处是否发生跳跃。结果如图1所示。

可以看出，断点两侧密度函数估计值的置信区间基本上是重叠的，所以在断点处是连续的，应不存在操控行为。这与席鹏辉和梁若冰等（2015）的研究结果是一致的。

四、结论

通过采集京津冀、长三角、珠三角等19个省（区、市）六大行业上市公司2008—2012年间的数据，利用Jones模型，分析了这些重污染企业是否进行了盈余管理。实证发现，企业在各断点处都进行了向下的盈余管理。尤其是2010年之后，当政府部门和社会公众日益关注空气污染问题时，企业在API=300处有显著向下进行盈余管理的現象。另外，没有发现地方政府为了“环境政绩”而操纵API的现象。这是本文的新发现，也是主要的实证贡献。

针对企业为规避环境规制而采取盈余管理的现象，政府部门应出台更严厉的财务造假惩罚制度，监管部门要加大对企业财务制度的检查力度，审计部门对企业会计信息的审核要更加严格。同时要加强企业的“诚信”文化建设。社会媒体也应参与监督企业环境行为和财务信息披露。只有多管齐下，多方努力，才能减少甚至杜绝重污染企业“刻意”进行盈余管理的行为。本研究也存在一些不足，如在2008—2009年间，在API=300的断点处，盈余管理为何显著为正，原因是什么？这里给出了初步的解释，即盈余管理显著为正，可能说明环境污染的严重性与企业盈利存在正相关关系，但2010年政府出台相关政策后，这种现象已经消失，说明企业可能进行了更强的盈余管理。当然这只是一种猜测。另外，如何选择更好的控制变量，也值得进一步研究。

【参考文献】

[1] ROHDE R A， MULLER R A. Air pollution in China：mapping of concentrations and sources[J].Journal of PLoS ONE，2015，10（8）：1-15.

[2] 原毅军，耿殿贺.环境政策传导机制与中国环保产业发展：基于政府排污企业与环保企业的博弈研究[J].中国工业经济，2010（10）：65-74.

[3] 邓君韬.“避邻运动”视野下PX项目事件审视[J].湖南社会科学，2013（5）：85-88.

[4] BRIAN KLADKO. Breathing in diesel exhaust leads to changes' deep under the hood[J]. Journal of Particle and Fibre Toxicology，2015（1/2）.

[5] 刘运国，刘梦宁.雾霾影响了重污染企业盈余管理吗：基于政治成本假说的考察[J].会计研究，2015（3）：79-101.

[6] 曾月明，刘佳佳.我国重污染企业的政治成本、盈余管理与政府补助：基于“PM2.5爆表”事件背景[J].海南大学学报，2016（2）：43-50.

[7] WILLIAM R SCOTT. Financial accounting theory[M]. Toronto.Canada：Prentice Hall，2003：368-391.

[8] SCHIPPER K. Commentary on earnings management[J]. Journal of Accounting Horizons，1989，12（3）：91-102.

[9] 魏明海.盈余管理基本理論及其研究述评[J].会计研究，2000（9）：34-42.

[10] 宁亚平.盈余管理的定义及其意义研究[J].会计研究，2004（9）：62-66.

[11] 陈华.试论盈余管理[J].四川会计，2001（11）：8-10.

[12] SNYDER J M， STROMBERG D.Press coverage and political accountability[J].Journal of Political Economy，2010，118（2）：335-408.

[13] 曹辰.盈余管理动机综述[J].现代商贸工业，2013（21）：26-27.

[14] K？觟NIGSGRUBER R， WINDISCH D. Does European Union policy making explain accounting choice？[J].Journal of Management and Governance，2014，8（3）：717-731.

[15] 黄梅，夏新平.操纵性应计利润模型检测盈余管理能力的实证分析[J].南开管理评论，2009（5）：136-143.

[16] LEE D S. Randomized experiments from non-random selection in US house elections[J]. Journal of Econometrics，2008，142（2）： 675-697.

[17] ALMOND D， CHEN Y， GREENSTONE M， et al.Winter heating or clean air？ Unintended impacts of China's Huai River policy[J].American Economic Review，2009，99（2）：184-190.

[18] 叶青，李增泉，李光青.富豪榜会影响企业会计信息质量吗：基于政治成本视角的考察[J].管理世界，2012（1）：104-120.

[19] HAHN J， TODD P，KLAAUW WVD. Identification and estimation of treatment effects with a regression-discontinuity design[J]. Journal of Econometrica，2001，69（1）：201-209.

[20] BROLLO F，NANNICINI T，PEROTTI R， et al. The political resource curse[J].The American Economic Review，2013，103（5）：1759-1796.