企业净资产收益率操纵度量模型与识别方法

doi:10.16381/j.cnki.issn1003-207x.2023.0794

中国管理科学 ›› 2025, Vol. 33 ›› Issue (2): 1-15.doi: 10.16381/j.cnki.issn1003-207x.2023.0794cstr: 32146.14.j.cnki.issn1003-207x.2023.0794

• • 下一篇

企业净资产收益率操纵度量模型与识别方法

孙庆文¹^,²(), 靳玉¹^,², 郑立梅³, 孙子涵⁴

^1.河北经贸大学工商管理学院，河北石家庄 050061
^2.河北经贸大学公司治理与企业成长研究中心，河北石家庄 050061
^3.河北建筑设计研究院有限责任公司，河北石家庄 050011
^4.西澳大学商学院，澳大利亚珀斯市 WA600 9

收稿日期:2023-05-11 修回日期:2023-11-04 出版日期:2025-02-25 发布日期:2025-03-06
通讯作者: 孙庆文 E-mail:13832101028@126.com
基金资助:
河北省社会科学发展研究课题(20230602002)

Measurement Model and Identification Method of Return on Equity Manipulation: Empirical Research Based on the Data of Chinese A-share Listed Companies

Qingwen Sun¹^,²(), Yu Jin¹^,², Limei Zheng³, Zihan Sun⁴

^1.School of Business Administration，Hebei University of Economics and Business，Shijiazhuang 050061，China
^2.Research Center for Corporate Governance and Enterprise Growth，Hebei University of Economics and Business，Shijiazhuang 050061，China
^3.Finance Department，Hebei Institute of Architectural Design & Research，Shijiazhuang 050011，China
^4.Business School，The University of Western Australia，Perth WA600 9，Australia

Received:2023-05-11 Revised:2023-11-04 Online:2025-02-25 Published:2025-03-06
Contact: Qingwen Sun E-mail:13832101028@126.com

摘要/Abstract

摘要：

净资产收益率是反映企业盈利能力的重要财务指标。上市公司出于提高估值水平、摆脱外部融资约束、达到行权激励条件等目的，往往会使用多种手段对净资产收益率进行操纵。因此，准确度量和识别净资产收益率操纵的程度和手段，对于投资者正确评估公司价值、政府部门有效监管违规行为具有重要意义。本文从影响净资产收益率的多视角出发，采用文献研究、统计分析和实证研究等方法，构建了净资产收益率操纵度量模型。在度量出上市公司净资产收益率操纵程度的基础上，构造了嫌疑样本备选集，并采用临界值动态分位法识别和确定有显著操纵行为的嫌疑样本。实证研究结果表明，本文所构造的度量模型以及临界值动态分位法可有效地识别出嫌疑样本，且识别精度较高。

关键词: 净资产收益率操纵, 盈余管理, 现金股利管理, 度量模型, 识别方法

Abstract:

Return on equity is an important financial indicator that reflects the profitability of an enterprise. In order to improve the firm value， get rid of external financing constraints， and meet the salary incentive conditions， listed companies often use a variety of means to manipulate the ROE. Since the performance results achieved by ROE manipulation are unsustainable and are likely to erode future operating results and then lead to a decline in firm value， if not effectively identified， it will disrupt the normal order of the capital market and infringe on the interests of investors and creditors. Therefore， the precise measurement of the extent of ROE manipulation and accurate identification of suspected samples are of great significance for investors to correctly assess the value of the company and for government departments to effectively supervise violations.After combing through the previous studies， it is not difficult to find that there is a lack of systematic research focusing on ROE manipulation. Further， there is no quantitative research on the degree of ROE manipulation. Besides， in the research on suspect sample identification， no identification method has been found that can effectively identify suspect samples and their manipulation methods. However， enterprises will consider the cost-effectiveness of each manipulation method and choose different combinations of methods for ROE manipulation. The economic consequences will vary greatly depending on the combinations. Given this， it will focus on the ROE indicator， construct an ROE measurement model， and a suspect sample identification method to provide new methods and clues for ROE manipulation behavior identification in this paper.Through literature research and mathematical analysis， an ROE manipulation measurement model is constructed starting by analyzing multiple manipulation methods affecting ROE. Firstly， the accrual earnings management， real earnings management， and cash dividend management measurement models are constructed respectively. Secondly， according to the ROE calculation formula stipulated by the CSRC， the impact of the three manipulation methods on the ROE is calculated in total， and the measurement model of the degree of ROE manipulation is constructed. Based on the measurement of the extent of ROE manipulation， the suspect samples and manipulation methods are identified. Firstly， the samples with a degree of manipulation of ROE greater than 0 are preliminarily defined as suspect samples. Secondly， the extent of manipulation of each method of the suspect samples is standardized to make samples in different scales and industries comparable. Thirdly， the quantile threshold adjustment method is used to determine the final suspect samples.The data of China's A-share listed companies from 2014 to 2019 as the research samples are selected to test the validity of the measurement model and identification method in the following four steps. Firstly， the identification ability test of each measurement model； Secondly， taking the real samples of earnings management disclosed by the CSRC as the standard to test the identification errors； Thirdly， a comparative analysis of identification error of measurement models and identification method； Fourthly， from the perspective of the economic consequences of ROE manipulation， the effectiveness of constructed models and identification method is further tested. The empirical research results show that the measurement models and the identification method constructed in this paper can effectively identify suspect samples with high recognition accuracy.The research in this paper is of great significance for maintaining the order of the capital market. The construction of the ROE manipulation measurement models and identification method is helpful for investors and creditors to better understand and use financial information， then restrain the ROE manipulation behavior of listed company managers driven by self-interest， and protect the interests of investors.

Key words: return on equity manipulation, earnings management, cash dividend management, measurement model, identification method

中图分类号:

F830.9

孙庆文, 靳玉, 郑立梅, 孙子涵. 企业净资产收益率操纵度量模型与识别方法[J]. 中国管理科学, 2025, 33(2): 1-15.

Qingwen Sun, Yu Jin, Limei Zheng, Zihan Sun. Measurement Model and Identification Method of Return on Equity Manipulation: Empirical Research Based on the Data of Chinese A-share Listed Companies[J]. Chinese Journal of Management Science, 2025, 33(2): 1-15.

图/表 7

表1

应计盈余管理识别中位数差异检验"

变量	非嫌疑样本		嫌疑样本		中位数差异及显著性水平
变量	数量	中位数（%）	数量	中位数（%）	中位数差异及显著性水平
$Z T J t / A t - 1$	1722	2.7	353	2.1	-0.006^***
$C A C C t / C F O t$	1722	-28.2	353	31.6	0.598^***

表1

表2

销售操控识别中位数差异检验"

变量	非嫌疑样本		嫌疑样本		中位数差异及显著性水平
变量	数量	中位数(%)	数量	中位数(%)	中位数差异及显著性水平
$S t 4 / S t$	1805	24.5	270	34.2	0.097^***
$Δ A R t 4 / S t 4$	1805	0.7	270	1.5	0.008^***

表2

表3

销售操控识别中位数差异检验"

变量	销售收入增减方向	非嫌疑样本		嫌疑样本		中位数差异及显著性水平
变量	销售收入增减方向	数量	中位数(%)	数量	中位数(%)	中位数差异及显著性水平
$Δ P R O D t / Δ S t$	增加	753	48.1	165	94.0	0.459^***
$Δ P R O D t / Δ S t$	减少	242	42.9	89	18.9	-0.240^***
合计	—	995	—	254	—	—

表3

表4

费用操控识别中位数差异检验"

变量	销售收入增减方向	非嫌疑样本		嫌疑样本		中位数差异及显著性水平
变量	销售收入增减方向	数量	中位数(%)	数量	中位数(%)	中位数差异及显著性水平
$Δ D t / Δ S t$	增加	1231	15.9	137	3.7	-0.122^***
$Δ D t / Δ S t$	减少	657	0.7	50	6.2	0.055^***
合计	—	1888	—	187	—	—

表4

表5

销售操控识别中位数差异检验"

变量	每股收益增减方向	非嫌疑样本			嫌疑样本			中位数/均值差异及显著性水平
变量	每股收益增减方向	数量	中位数	均值	数量	中位数	均值	中位数/均值差异及显著性水平
$Δ D I t / Δ E I t$	增加	1026	0.122	—	241	0.318	—	0.196^***
$Δ D I t / Δ E I t$	减少	679	0.171	—	129	0.033	—	-0.138^***
$Δ M t$	增加	1026	—	0.110	241	—	-0.103	-0.213^***
$Δ M t$	减少	679	—	0.066	129	—	-0.124	-0.190^***
合计	—	1705	—		370	—	—	—

表5

表6

表7

参考文献 34

1	刘银国，孙慧倩，王烨，等. 业绩型股权激励与盈余管理方式选择［J］. 中国管理科学， 2017， 25（3）： 49-58.
	Liu Y G， Sun H Q， Wang Y， et al. Performance-based equity incentive and the choice of earnings management modes［J］. Chinese Journal of Management Science，2017， 25（3）： 49-58.
2	谢德仁，张新一，崔宸瑜. 经常性与非经常性损益分类操纵——来自业绩型股权激励“踩线”达标的证据［J］. 管理世界， 2019， 35（7）： 167-181+204.
	Xie D R， Zhang X Y， Cui C Y. Classification shifting between recurring and nonrecurring items： Evidence from performance-based equity incentive plans［J］. Journal of Management World， 2019， 35（7）： 167-181+204.
3	张新一，崔宸瑜，谢德仁. 分红都是为了回报投资者吗——净资产收益率考核与分红动机异化［J］. 会计研究， 2021， 406（8）： 107-123.
	Zhang X Y， Cui C Y， Xie D R. Are dividends all for rewarding investors？ Evidence from payouts induced by return on equity targets［J］. Accounting Research， 2021， 406（8）： 107-123.
4	Healy P M. The effect of Bonus Schemes on accounting decisions［J］. Journal of Accounting and Economics， 1985， 7（1-3）： 85-107.
5	Baber W R， Kang S H， Li Y. Modeling discretionary accrual reversal and the balance sheet as an earnings management constraint［J］. The Accounting Review， 2011， 86（4）： 1189-1212.
6	刘宝华，罗宏，周微. 股权激励行权限制与盈余管理优序选择［J］. 管理世界， 2016（11）： 141-155.
	Liu B H， Luo H， Zhou W. Restriction on exercise of equity incentives and optimal selection of earnings management order［J］. Journal of Management World， 2016（11）： 141-155.
7	Jones J J. Earnings management during import relief investigations［J］. Journal of Accounting Research， 1991（2）： 193-228.
8	Dechow P M， Sloan R G， Hutton A P. Detecting earnings management［J］. The Accounting Review， 1995， 70（2）： 193-225.
9	陆建桥. 中国亏损上市公司盈余管理实证研究［J］. 会计研究， 1999（9）： 25-35.
	Lu J Q. An empirical study on earnings management of Chinese listed companies with losses［J］. Accounting Research， 1999（9）： 25-35.
10	Dechow P S， Richardson S A， Tuna I. Why are earnings kinky？ An examination of the earnings management explanation［J］. Review of Accounting Studies， 2003， 8（2-3）： 355-384.
11	Kothari S P， Leone A J， Wasley C E. Performance matched discretionary accrual measures［J］. Journal of Accounting and Economics， 2005，39（1）： 163-197.
12	周铁，罗燕雯，荆娴. 应计利润计量偏差及对识别盈余管理的影响——基于计量信息相关性分析和中国制造业上市公司经验验证［J］. 会计研究， 2006（6）： 63-69+97.
	Zhou T， Luo Y W， Jing X. Accrual measurements errors and impact on detect earnings management-relevance analysis and empirical evidences from China’s listed manufacturing firms［J］. Accounting Research， 2006（6）： 63-69+97.
13	李芳，刘新民. 盈余管理计量模型的改进［J］. 财会月刊， 2019， 850（6）： 63-67.
	Li F， Liu X M. Improvement of accrual earnings management measurement model［J］. Finance and Accounting Monthly， 2019， 850（6）： 63-67.
14	Roychowdhury S. Earnings management through real activities manipulation［J］. Journal of Accounting and Economics， 2006， 42 （12）： 335-370.
15	Zang Y. Evidence on the trade-off between real activities manipulation and accrual-based earnings management［J］. The Accounting Review， 2012， 87（2）： 675-703.
16	Jiang H， Habib A， Wang S. Real earnings management， institutional environment， and future operating performance： An international study［J］. The International Journal of Accounting， 2018， 53（1）： 33-53.
17	孙庆文，韩瑞峰，栾晓慧. 企业真实活动操控度量模型与识别方法研究［J］. 管理学报， 2020， 17（5）： 773-780.
	Sun Q W， Han R F， Luan X H. Research on measurement models and identification methodology of real activities manipulation［J］. Chinese Journal of Management， 2020， 17（5）： 773-780.
18	袁天荣，苏红亮. 上市公司超能力派现的实证研究［J］. 会计研究， 2004（10）： 63-70.
	Yuan T R， Su H L. An empirical study on ultra-ability cash dividends of listed companies［J］. Accounting Research， 2004（10）： 63-70.
19	谢德仁. 企业分红能力之理论研究［J］. 会计研究， 2013， 304（2）： 22-32+94.
	Xie D R. A theoretical study on firms’ability to pay cash dividends［J］. Accounting Research， 2013， 304（2）： 22-32+94.
20	李翔，张丽，韩文惠. 上市公司盈余管理与现金股利管理的协同关系检验——基于PSTR模型的非线性视角［J］. 投资研究， 2017， 36（10）： 56-73.
	Li X， Zhang L， Han W H. Empirical evidence on the synergic relationship of earnings management and cash dividend management：Nonlinear analysis based on the PSTR model［J］. Review of Investment Studies， 2017， 36（10）： 56-73.
21	胡建平，王文兵，干胜道. 拟上市公司现金分红的悖论及适当性研究［J］. 当代经济管理， 2022， 44（3）： 90-96.
	Hu J P， Wang W B， Gan S D. Research on the paradox and appropriateness of cash dividends of pre-IPO companies［J］. Contemporary Economic Management， 2022， 44（3）： 90-96.
22	Burgstahler D， Dichev I. Earnings management to avoid earnings decreases and losses［J］. Journal of Accounting and Economics， 1997， 24（1）： 99-126.
23	李增福，郑友环. 避税动因盈余管理及其反转效应研究——来自中国上市公司的经验证据［J］. 山西财经大学学报， 2010， 32（8）： 118-124.
	Li Z F， Zheng Y H. The earnings management on tax avoidance and its reversal effect：Empirical evidence from Chinese listed companies［J］. Journal of Shanxi University of Finance and Economics， 2010， 32（8）： 118-124.
24	高明华，赵峰，杜雯翠. 上市公司高管薪酬指数研究［J］. 商业研究， 2011， 54（8）： 1-6.
	Gao M H， Zhao F， Du W C. Executive compensation index of China’s listed companies［J］. Commercial Research， 2011， 54（8）： 1-6.
25	Richardson S. Over-investment of free cash flow［J］. Review of Accounting Studies， 2006，11（2-3）： 159-189.
26	李世辉，江欢，李香花，等. 企业影子银行投融资测度：困境与改进［J］. 财经理论与实践， 2022， 43（2）： 76-81.
	Li S H， Jiang H， Li X H， et al. The measurement of shadow banking investment and financing： dilemmas and improvements［J］. The Theory and Practice of Finance and Economics， 2022， 43（2）： 76-81.
27	吴秋生，李喆赟，杨瑞平. 分红力度、资本混合度与国企资产保值增值［J］. 经济管理， 2023， 45（2）： 170-187.
	Wu Q S， Li Z Y， Yang R P. Dividend intensity， capital mix degree and the preservation and appreciation of assets of state-owned enterprises［J］. Business and Management Journal， 2023， 45（2）： 170-187.
28	罗琦，张志达，吴希梅，等. 股利情绪、股利迎合与股价崩盘风险——基于百度指数平台搜索量的经验证据［J］. 管理科学学报， 2023， 26（2）： 87-103..
	Luo Q， Zhang Z D， Wu X M， et al. Dividend sentiment，dividend catering and stock price crash risk： Evidence based on searching volume of Baidu Index platform［J］.Journal of Management Sciences in China， 2023， 26（2）： 87-103.
29	姜涛，霍雨佳. 分红动因识别、机构持股与信号传递［J］. 南开管理评论， 2022， 25（4）： 142-156.
	Jiang T， Huo Y J. Dividend motivation discrimination， institutional shareholding and signal transmission［J］. Nankai Business Review， 2022， 25（4）： 142-156.
30	郦金梁，吴谣，雷曜，等. 有效预警上市公司违规的递延所得税异动指标和人工智能模型［J］. 金融研究， 2020， 482（8）： 149-168.
	Li J L， Wu Y， Lei Y， et al. Fraud detection using deferred income tax： A machine learning perspective［J］. Journal of Financial Research， 2020， 482（8）： 149-168.
31	冯易，王杜娟，胡知能，等. 基于改进LightGBM集成模型的胃癌存活性预测方法［J］. 中国管理科学， 2023， 31（10）： 234-244.
	Feng Y， Wang D J， Hu Z N， et al. Prediction method for gastric cancer survivability based on an improved lightGBM ensemble model［J］. Chinese Journal of Management Science， 2023， 31（10）： 234-244.
32	芦笛. 税收-会计差异与企业盈余管理行为的研究［J］. 科研管理， 2017， 38（5）： 98-106.
	Lu D. Book-tax differences and earnings management behaviors of enterprises［J］. Science Research Management， 2017， 38（5）： 98-106.
33	Lampenius N， Shevlin T， Stenzel A. Measuring corporate tax rate and tax base avoidance of U.S. domestic and U.S. multinational firms［J］. Journal of Accounting and Economics， 2021， 72（1）.
34	孟庆斌，邹洋，侯德帅. 卖空机制能抑制上市公司违规吗？［J］. 经济研究， 2019， 54（6）： 89-105.
	Meng Q B， Zou Y， Hou D S. Can a short selling mechanism restrain corporate fraud？［J］. Economic Research Journal， 2019， 54（6）： 89-105.

模型类别	模型名称	模型	盈余管理真实样本数量	模型识别嫌疑样本数量	正确识别数量	正向误判数量	负向误判数量	误判率（%）	精确率（%）	召回率（%）
应计盈余管理	本文应计盈余管理度量模型	A	339	353	308	45	31	1.00	87.25	90.86
	Dechow(1995)修正的Jones模型	B	339	384	205	179	134	4.13	53.39	60.47
	李芳（2019）应计盈余管理模型	C	339	372	224	148	115	3.47	60.22	66.08
真实盈余管理	本文真实盈余管理度量模型	D	263	279	239	40	24	0.84	85.66	90.87
	Roychowdhury（2006）模型	E	263	303	162	141	101	3.19	53.47	61.60
	孙庆文（2020）真实盈余管理模型	F	263	290	198	92	65	2.07	68.28	75.29

[1]	宋岩, 滕萍萍, 秦昌才. 企业社会责任与盈余管理:基于中国沪深股市A股制造业上市公司的实证研究[J]. 中国管理科学, 2017, 25(5): 187-196.
[2]	刘银国, 孙慧倩, 王烨, 古柳. 业绩型股权激励与盈余管理方式选择[J]. 中国管理科学, 2017, 25(3): 49-58.
[3]	吴泽福, 陈金龙, 吴捷. 盈余管理、审计怀疑与诉讼风险溢价[J]. 中国管理科学, 2014, 22(12): 26-33.
[4]	蔡淑琴, 马玉涛, 王瑞. 在线口碑传播的意见领袖识别方法研究[J]. 中国管理科学, 2013, (2): 185-192.
[5]	李增福, 郑友环, 连玉君. 股权再融资、盈余管理与上市公司业绩滑坡——基于应计项目操控与真实活动操控方式下的研究[J]. 中国管理科学, 2011, 19(2): 49-56.
[6]	肖媛, 胡小平, 党风顺. 我国开放式基金的风险度量模型研究[J]. 中国管理科学, 2009, 17(6): 25-32.
[7]	杨德明. 预测信息披露与盈余管理[J]. 中国管理科学, 2005, (2): 108-112.

企业净资产收益率操纵度量模型与识别方法

Measurement Model and Identification Method of Return on Equity Manipulation: Empirical Research Based on the Data of Chinese A-share Listed Companies

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 34

相关文章 7

Metrics

本文评价

推荐阅读 0