修正琼斯模型Stata实操教程及2000-2021年A股数据应用
版权申诉
6 浏览量
更新于2024-11-17
收藏 513B ZIP 举报
资源摘要信息:"【应计盈余管理】修正的琼斯模型Stata代码(附2000-2021年数据和结果)信息不对称"
知识点概述:
1. 修正的琼斯模型概念
2. 应计盈余管理的定义与计算方法
3. Stata统计软件在经济学研究中的应用
4. 数据处理与分析流程(分年度分行业回归)
5. 信息不对称与信息透明度的经济含义
6. 原始数据与结果文件的格式说明
7. 相关经济学文献中模型变量的差异性
8. Stata代码的下载与安装方法
详细知识点:
1. 修正的琼斯模型概念:
修正的琼斯模型是会计学和财务学中用来估计公司应计盈余管理程度的计量经济模型。该模型通过对上市公司公开财务报表数据的分析,尝试区分出公司财务报告中的正常应计利润和异常应计利润部分,后者通常被认为是企业进行盈余管理的证据。琼斯模型通过构建回归方程,用以估计公司应计利润的正常部分,进而识别出异常部分。
2. 应计盈余管理的定义与计算方法:
应计盈余管理指的是企业管理层为了达到某种特定目的(如股票市场表现、债务契约要求等),在财务报告中通过会计手段对报告期的盈余进行调整。计算应计盈余管理DA(Manipulated Accruals)的一般方法包括利用回归分析估计正常应计利润,然后从总应计利润中扣除估计出的正常部分,差额即为操控性应计利润。
3. Stata统计软件在经济学研究中的应用:
Stata是一款广泛应用于经济学、社会学、生物统计学等领域的专业统计分析软件。它拥有强大的数据处理能力、统计建模功能和用户友好的编程环境。研究人员常使用Stata进行数据清洗、统计检验、回归分析、面板数据处理等工作。
4. 数据处理与分析流程:
研究者通常会根据时间序列和行业分类对数据进行整理,并采用分年度分行业回归的方法。这一流程涉及对原始数据的提取、清洗、转换和分析。本研究选取2000年至2021年全部A股上市公司数据,进行年度和行业两个维度的分层回归分析,以估算出操控性应计利润。
5. 信息不对称与信息透明度的经济含义:
信息不对称是指市场中的买卖双方拥有的关于交易的信息量不同,从而导致市场效率降低。信息透明度则是衡量信息不对称程度的指标,高透明度意味着信息传递的清晰度高,市场参与者能够获得接近的、准确的信息。在财务报告中,信息透明度的提高有助于投资者更好地判断公司价值和风险,减少信息不对称带来的市场失灵现象。
6. 原始数据与结果文件的格式说明:
本研究原始数据以Excel格式存储,涵盖了从1991年至2021年的相关数据。Stata代码则是以.do文件格式提供,适用于Stata14、15、16、17等版本。下载的压缩文件包含名为8124.zip的压缩包,说明文档说明.txt用于指导用户如何使用数据和代码。
7. 相关经济学文献中模型变量的差异性:
在不同的经济学文献中,根据研究目的和方法的差异,修正的琼斯模型中所用变量的定义可能会有所不同。本研究中,总应计利润是营业利润减去经营活动产生的现金净流量,但也有文献使用净利润来计算。固定资产原值的选择也有净额与原值之分,用户可以根据需要进行选择和修改。
8. Stata代码的下载与安装方法:
对于希望使用本研究提供的修正琼斯模型Stata代码的研究者来说,需要先下载包含代码和数据的压缩文件,解压缩后得到的.do文件可以导入Stata软件中执行。若原始数据格式或代码需要修改以适应不同版本的Stata或不同的数据处理需求,用户可能需要具备一定的Stata操作知识。在安装Stata软件后,用户可以按照说明文档进行操作,或访问官方论坛和社区获取帮助。
总结,本资源文件提供了修正的琼斯模型在Stata中的应用示例,同时也涉及到应计盈余管理的理论基础、信息不对称的概念以及如何在经济学研究中处理和分析数据。这些内容对于进行相关领域研究的学生和专业人士具有较高的参考价值。
2024-04-08 上传
2022-03-07 上传
2024-04-11 上传
2022-07-07 上传
2024-04-13 上传
2024-04-15 上传
2024-04-09 上传
2024-04-16 上传
2023-04-24 上传
生活家小毛
- 粉丝: 1945
- 资源: 5848
最新资源
- 深入浅出:自定义 Grunt 任务的实践指南
- 网络物理突变工具的多点路径规划实现与分析
- multifeed: 实现多作者间的超核心共享与同步技术
- C++商品交易系统实习项目详细要求
- macOS系统Python模块whl包安装教程
- 掌握fullstackJS:构建React框架与快速开发应用
- React-Purify: 实现React组件纯净方法的工具介绍
- deck.js:构建现代HTML演示的JavaScript库
- nunn:现代C++17实现的机器学习库开源项目
- Python安装包 Acquisition-4.12-cp35-cp35m-win_amd64.whl.zip 使用说明
- Amaranthus-tuberculatus基因组分析脚本集
- Ubuntu 12.04下Realtek RTL8821AE驱动的向后移植指南
- 掌握Jest环境下的最新jsdom功能
- CAGI Toolkit:开源Asterisk PBX的AGI应用开发
- MyDropDemo: 体验QGraphicsView的拖放功能
- 远程FPGA平台上的Quartus II17.1 LCD色块闪烁现象解析