【摘要】本文以2010年滬深兩市2 035家A股上市公司為樣本，選擇交易性金融資產(chǎn)、公允價(jià)值變動(dòng)損益、研發(fā)支出費(fèi)用化和壞賬準(zhǔn)備轉(zhuǎn)回等四項(xiàng)具有代表性的會(huì)計(jì)政策，并從關(guān)聯(lián)規(guī)則方面挖掘會(huì)計(jì)政策選擇的重要影響因素，對(duì)會(huì)計(jì)政策選擇策略系數(shù)計(jì)量進(jìn)行了改進(jìn)。隨后運(yùn)用逐步回歸分析法得到最優(yōu)模型，其Adj-R2提高到了0.131 8。本文研究得到了與以往研究結(jié)果不同的信息，即在證監(jiān)會(huì)監(jiān)管政策的約束下，再融資公司確實(shí)更有可能選擇減少盈余會(huì)計(jì)政策，而以市場(chǎng)化進(jìn)程和地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)為代表的外部環(huán)境因素對(duì)會(huì)計(jì)政策選擇的影響超過(guò)公司內(nèi)部因素和證券市場(chǎng)監(jiān)管因素。
【關(guān)鍵詞】會(huì)計(jì)政策選擇策略系數(shù) 計(jì)量 數(shù)據(jù)挖掘
一、現(xiàn)行會(huì)計(jì)政策選擇策略系數(shù)計(jì)量方法評(píng)價(jià)
1. Zmijiewski和Hagerman早在1981年就提出并創(chuàng)造了“會(huì)計(jì)政策選擇策略系數(shù)”的計(jì)量方法，用于檢驗(yàn)公司整組會(huì)計(jì)政策選擇狀況。其計(jì)算過(guò)程分為六步：①選擇四種具有代表性的會(huì)計(jì)政策，并按照對(duì)盈余的影響方向?qū)⒚糠N會(huì)計(jì)政策的不同選擇進(jìn)行分類定義；②對(duì)四種代表性會(huì)計(jì)政策進(jìn)行排列組合；③假設(shè)各種會(huì)計(jì)政策選擇對(duì)盈余有一定的影響程度，據(jù)此運(yùn)用多種賦值方法對(duì)每一個(gè)會(huì)計(jì)政策組合賦予一個(gè)策略值，形成不同系列的策略值；④選擇互不關(guān)聯(lián)的獨(dú)立變量代替影響會(huì)計(jì)政策選擇的主要因素或動(dòng)機(jī)；⑤建立回歸分析模型并進(jìn)行分析，其中不同系列的策略值為被解釋變量，影響因素為解釋變量，見(jiàn)模型（1）；⑥選擇回歸結(jié)果最好的一組系列策略值作為會(huì)計(jì)政策選擇策略系數(shù)。
策略i=C0+C1報(bào)酬計(jì)劃i+C2行業(yè)集中比率i+C3風(fēng)險(xiǎn)系數(shù)i+C4規(guī)模i+C5資本密集度i+C6負(fù)債比率i （1）
其中，i為企業(yè)個(gè)數(shù)。報(bào)酬計(jì)劃等6項(xiàng)影響因素的測(cè)定符號(hào)依次為：（+）（-）（-）（-）（-）（+）。
根據(jù)上述計(jì)算過(guò)程所顯示的科學(xué)內(nèi)涵，筆者試作如下定義：會(huì)計(jì)政策選擇策略系數(shù)是度量企業(yè)會(huì)計(jì)政策選擇總體狀況的一種量化指標(biāo)；研究者依據(jù)企業(yè)會(huì)計(jì)政策選擇現(xiàn)狀，選取有代表性的會(huì)計(jì)政策進(jìn)行分類定義和組合；對(duì)每種組合（即不同的選擇策略）采用一定的方法賦予策略值，不同的賦值方法形成不同系列的策略值；預(yù)期會(huì)計(jì)政策選擇受內(nèi)外部影響的主要因素選擇相應(yīng)變量替代。會(huì)計(jì)政策選擇策略系數(shù)是指能恰當(dāng)反映內(nèi)外部影響因素對(duì)會(huì)計(jì)政策組合選擇影響程度差異的一組系列策略值。每個(gè)企業(yè)在特定會(huì)計(jì)年度的實(shí)際會(huì)計(jì)政策組合策略均可以用一個(gè)策略值來(lái)反映，策略值的高低表示企業(yè)選擇增加或減少當(dāng)期報(bào)告盈余的會(huì)計(jì)政策可能性的大小。
會(huì)計(jì)政策選擇策略系數(shù)是一個(gè)信息高度濃縮的指標(biāo)：一方面，它是對(duì)企業(yè)整體會(huì)計(jì)政策選擇狀況的總體反映；另一方面，它又是對(duì)會(huì)計(jì)政策選擇信息的動(dòng)態(tài)描述，是一個(gè)包含不同時(shí)間、不同企業(yè)、不同會(huì)計(jì)政策、不同影響因素的四維信息指數(shù)系統(tǒng)?？梢哉f(shuō)，Zmijiewski和Hagerman（1981）的研究具有里程碑的意義，它根除了已有研究中對(duì)企業(yè)會(huì)計(jì)政策選擇狀況缺乏總體評(píng)價(jià)和計(jì)量指標(biāo)的不足。其價(jià)值主要體現(xiàn)在：①有利于企業(yè)進(jìn)行自我評(píng)價(jià)。通過(guò)橫向比較某一時(shí)期的綜合會(huì)計(jì)政策選擇策略系數(shù)，企業(yè)管理當(dāng)局可以了解和比較本企業(yè)的會(huì)計(jì)政策選擇總體狀況，建立個(gè)體會(huì)計(jì)政策選擇策略系數(shù)。通過(guò)縱向比較，企業(yè)能夠明了會(huì)計(jì)政策選擇變動(dòng)軌跡，及時(shí)調(diào)整不恰當(dāng)?shù)臅?huì)計(jì)政策。②有利于政府宏觀經(jīng)濟(jì)政策的制定和實(shí)施。會(huì)計(jì)政策選擇策略系數(shù)代表了對(duì)應(yīng)時(shí)期企業(yè)整體會(huì)計(jì)政策選擇狀況，據(jù)此政策制定者可以分析與企業(yè)會(huì)計(jì)政策選擇相關(guān)的各種經(jīng)濟(jì)現(xiàn)象和問(wèn)題，如我國(guó)上市公司利用會(huì)計(jì)政策選擇進(jìn)行“大清洗”等，并進(jìn)行相應(yīng)的政策調(diào)整。③有利于會(huì)計(jì)理論與實(shí)務(wù)問(wèn)題研究。例如，可以考察會(huì)計(jì)政策選擇策略系數(shù)與股票價(jià)格指數(shù)之間的內(nèi)在聯(lián)系等。對(duì)于研究者而言，上市公司年度報(bào)告附注提供了大量的會(huì)計(jì)政策選擇方面的信息，但是面對(duì)冗長(zhǎng)的年報(bào)附注，如果不加以整理，信息使用者會(huì)無(wú)所適從。會(huì)計(jì)政策選擇策略系數(shù)的計(jì)算可以使這一復(fù)雜問(wèn)題簡(jiǎn)單化。
會(huì)計(jì)政策選擇總體計(jì)量指標(biāo)的構(gòu)建表明，會(huì)計(jì)政策選擇的研究領(lǐng)域已經(jīng)大大拓寬，該項(xiàng)研究的科學(xué)性也在增強(qiáng)。但是，Zmijiewski和Hagerman（1981）的截面組合模型（1）R2的最高值僅有0.090 66，表明該模型不夠完善。Zmijiewski和Hagerman（1981）會(huì)計(jì)政策選擇策略系數(shù)計(jì)算步驟上還存在著一些缺陷。①計(jì)算過(guò)程第一步即企業(yè)會(huì)計(jì)政策選擇中，只選用存貨計(jì)價(jià)、折舊計(jì)提、投資減免稅和以往服務(wù)退休金成本的攤銷期限等四種會(huì)計(jì)政策，而會(huì)計(jì)政策眾多，有代表性的會(huì)計(jì)政策也不只上述9種，用這9種會(huì)計(jì)政策來(lái)計(jì)算會(huì)計(jì)政策選擇策略系數(shù)未免有些偏狹，但他們并沒(méi)有說(shuō)明這一選擇的原因，只是談到了這四種政策的政治成本和契約動(dòng)因的差異（Hagerman、Zmijewski，1979）。②計(jì)算過(guò)程第三步多種賦值方法的實(shí)用性較差，它并未對(duì)各種會(huì)計(jì)政策選擇對(duì)盈余影響程度的人為假設(shè)加以證實(shí)。他們首先假設(shè)四種會(huì)計(jì)政策對(duì)盈余的影響程度相同并據(jù)此賦予一組策略值，之后假定四種會(huì)計(jì)政策對(duì)盈余的影響程度分別為1、1/2、1/2、1/4，并再賦予一組策略值?？陀^地說(shuō)，各種會(huì)計(jì)政策選擇對(duì)盈余的影響程度是一個(gè)較難測(cè)定的問(wèn)題，不同行業(yè)、不同企業(yè)、不同資產(chǎn)構(gòu)成等都會(huì)對(duì)其產(chǎn)生影響。③計(jì)算過(guò)程第四步影響因素的選擇不很恰當(dāng)，因?yàn)槠渑c會(huì)計(jì)政策選擇策略系數(shù)的關(guān)聯(lián)性較弱，模型（1）的R2值較低。
2. 我國(guó)學(xué)者曾分別以部分省市上市公司、部分行業(yè)板塊上市公司或滬深兩市A股上市公司為樣本，對(duì)會(huì)計(jì)政策選擇策略及其多樣性進(jìn)行了研究（梁杰等，2004；徐維蘭、曹建安，2004；田昆儒、姚會(huì)娟，2008；邵翠麗，2009；梁杰、徐晉，2010）。他們研究的內(nèi)容涉及會(huì)計(jì)政策的存貨發(fā)出計(jì)價(jià)、固定資產(chǎn)折舊、三大減值政策的選擇、交易性金融資產(chǎn)、可供出售金融資產(chǎn)、投資性房地產(chǎn)（公允價(jià)值計(jì)量模式）、債務(wù)重組損益、商譽(yù)、非貨幣性資產(chǎn)交換等。這些研究均采用了Zmijiewski和Hagerman（1981）的方法，缺陷即是對(duì)會(huì)計(jì)政策選擇策略主觀賦值、對(duì)代表性會(huì)計(jì)政策隨意選擇，而對(duì)影響因素的選擇是基于機(jī)會(huì)主義行為觀，如選擇公司特征、盈余管理動(dòng)機(jī)等影響因素。
劉斌、胡媛（2006）認(rèn)為Zmijiewski和Hagerman（1981）對(duì)盈余影響程度的賦值方法只針對(duì)四種會(huì)計(jì)政策，缺乏全面性和充分性，應(yīng)以截面修正Jones模型進(jìn)行操控性應(yīng)計(jì)利潤(rùn)的分離，來(lái)計(jì)量組合會(huì)計(jì)政策選擇對(duì)企業(yè)盈余的影響。但作者對(duì)納入模型的組合會(huì)計(jì)政策選擇方法的原因并沒(méi)有說(shuō)清楚，難免存在主觀隨意性，其可信度不高。顏敏等（2004）結(jié)合我國(guó)A股上市公司2001年報(bào)數(shù)據(jù)對(duì)會(huì)計(jì)政策選擇策略系數(shù)建模并進(jìn)行分析，因當(dāng)時(shí)的會(huì)計(jì)信息披露不全面，具有代表性會(huì)計(jì)政策選用的是大多數(shù)上市公司都披露的壞賬準(zhǔn)備計(jì)提、存貨發(fā)出計(jì)價(jià)、折舊計(jì)提和所得稅核算等四種，重要影響因素則采用描述性統(tǒng)計(jì)和參數(shù)檢驗(yàn)方法選擇外資股、經(jīng)營(yíng)現(xiàn)金凈流量、每股經(jīng)營(yíng)現(xiàn)金凈流量、第1大股東和第1大股東持股比例，結(jié)果并不理想，R2僅有0.035 4（F為6.44）。
總之，在現(xiàn)有的研究中，有關(guān)會(huì)計(jì)政策選擇策略系數(shù)計(jì)算方法和程序尚缺乏科學(xué)性，尤其是具有代表性會(huì)計(jì)政策和重要影響因素選擇方法、各種會(huì)計(jì)政策選擇對(duì)盈余影響程度的計(jì)量有待改進(jìn)。
二、基于數(shù)據(jù)挖掘的計(jì)量改進(jìn)——代表性會(huì)計(jì)政策與重要影響因素的選擇
具有代表性的會(huì)計(jì)政策應(yīng)是最能體現(xiàn)內(nèi)外部重要影響因素對(duì)會(huì)計(jì)政策組合選擇影響程度最強(qiáng)的會(huì)計(jì)政策。目前選擇具有代表性會(huì)計(jì)政策的方法主要有兩種：一是Zmijiewski和Hagerman（1981）、梁杰等（2004）的主觀選擇方法；二是張永國(guó)等（2010）運(yùn)用描述性統(tǒng)計(jì)分析和參數(shù)檢驗(yàn)選擇方法。第一種方法的不足之處前已論及，第二種方法雖有一定的科學(xué)性，但對(duì)影響因素重要性程度的計(jì)量方法簡(jiǎn)單，難以建立優(yōu)化的模型。
本文擬以數(shù)據(jù)挖掘軟件Clementine12.0 為平臺(tái)，對(duì)具有代表性會(huì)計(jì)政策和重要影響因素的選擇方法進(jìn)行改進(jìn)。首先，通過(guò)特征選擇分析對(duì)影響各種會(huì)計(jì)政策選擇的內(nèi)外部因素進(jìn)行分析，掌握影響因素的重要性程度，將重要的影響因素納入回歸分析模型；其次，對(duì)各種會(huì)計(jì)政策選擇結(jié)果進(jìn)行關(guān)聯(lián)規(guī)則挖掘，掌握現(xiàn)有會(huì)計(jì)政策選擇的相互關(guān)系、因果關(guān)系；第三，運(yùn)用回歸分析模型進(jìn)行回歸分析，確定具有代表性的會(huì)計(jì)政策。
（一）數(shù)據(jù)表的建立
數(shù)據(jù)挖掘的前提是建立由多個(gè)數(shù)據(jù)表匯集的關(guān)系數(shù)據(jù)庫(kù)。數(shù)據(jù)表包含一組屬性（列或字段），并存放大量元組（記錄或行）。本文所用數(shù)據(jù)表的每個(gè)元組代表一個(gè)上市公司，被唯一的關(guān)鍵字標(biāo)識(shí)，并被一組屬性值描述。本文選取的上市公司樣本是2010年及以前在滬深兩市上市并具有相關(guān)期間會(huì)計(jì)信息資料的公司，共選取了2 035家上市公司作為分析樣本。每一個(gè)樣本公司的屬性值描述其所采用的會(huì)計(jì)政策和主要特征說(shuō)明如下：
1. 會(huì)計(jì)政策。本文分別以上市公司年報(bào)附注中披露較為詳細(xì)的存貨發(fā)出計(jì)價(jià)、低值易耗品攤銷等11種會(huì)計(jì)政策為分析工具，用來(lái)對(duì)有關(guān)公司特征變量的重要性程度進(jìn)行區(qū)分，結(jié)果見(jiàn)表1。表1中“對(duì)盈余影響的方向分類”一欄是僅就會(huì)計(jì)政策分類的一般意義來(lái)說(shuō)的。例如，在通貨膨脹條件下，假定采用直線法計(jì)提折舊會(huì)增加當(dāng)期盈余，而采用加速折舊法會(huì)減少當(dāng)期盈余。另外，由于2010年上市公司發(fā)生公允價(jià)值變動(dòng)損益的數(shù)額累計(jì)為正，且為正的公司多于為負(fù)的公司，故本文將投資性房地產(chǎn)后續(xù)計(jì)量模式采用公允價(jià)值計(jì)量、確認(rèn)了交易性金融資產(chǎn)和公允價(jià)值變動(dòng)損益歸為增加當(dāng)期盈余的會(huì)計(jì)政策，投資性房地產(chǎn)后續(xù)計(jì)量模式采用成本法、不確認(rèn)交易性金融資產(chǎn)和公允價(jià)值變動(dòng)損益歸為不增加當(dāng)期盈余的會(huì)計(jì)政策。當(dāng)然，這樣分類定義會(huì)產(chǎn)生一定的誤差。
2. 公司特征變量。根據(jù)樣本公司年報(bào)可能獲取的信息，本文歸集了反映公司規(guī)模、償債能力、盈利能力、再融資狀況、高管報(bào)酬契約和異動(dòng)信息的8個(gè)內(nèi)部特征變量。此外，選取市場(chǎng)化指數(shù)、地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)等2個(gè)經(jīng)濟(jì)指數(shù)作為反映公司外部環(huán)境特征的變量。變量定義如下：
表2中 “預(yù)期符號(hào)”一欄表示各變量的大小與上市公司選擇增加盈利會(huì)計(jì)政策可能性的關(guān)系?！?”表示極有可能選擇增加盈利會(huì)計(jì)政策，即變量與增加盈利的會(huì)計(jì)政策選擇呈正相關(guān)；“-”表示可能選擇減少盈余會(huì)計(jì)政策，即變量與增加盈余的會(huì)計(jì)政策選擇呈負(fù)相關(guān)關(guān)系。
（二）數(shù)據(jù)預(yù)處理
一般研究所運(yùn)用的數(shù)據(jù)往往是臟的、不完整的或不一致的。而數(shù)據(jù)預(yù)處理技術(shù)可以改善數(shù)據(jù)質(zhì)量,提高數(shù)據(jù)挖掘的精度和性能。研究中進(jìn)行數(shù)據(jù)預(yù)處理主要包括：數(shù)據(jù)清理、相關(guān)分析、數(shù)據(jù)轉(zhuǎn)換和數(shù)據(jù)歸約。
數(shù)據(jù)清理旨在消除或減少數(shù)據(jù)噪聲和處理缺失值。本文根據(jù)需要使用最可能的值并運(yùn)用手工填補(bǔ)方法進(jìn)行處理。如對(duì)于凈資產(chǎn)收益率ROE，某些公司年報(bào)中存在未披露或披露得有些“離奇”的現(xiàn)象。如吉林制藥2010年年報(bào)披露當(dāng)年凈利潤(rùn)為-4 733.91萬(wàn)元，而凈資產(chǎn)收益率卻達(dá)314.13%，這未免有些離奇。本文首先對(duì)凈資產(chǎn)收益率進(jìn)行離散化處理，其次根據(jù)樣本公司年報(bào)披露的凈利潤(rùn)和資產(chǎn)數(shù)據(jù)以及當(dāng)年的經(jīng)營(yíng)數(shù)據(jù)，將其離散值設(shè)定為與凈資產(chǎn)收益率為-1%公司一致的數(shù)據(jù)，以消除這種噪聲。對(duì)于地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)，部分上市公司所在地區(qū)不屬于世界銀行調(diào)查的120個(gè)城市范圍內(nèi)，為了增加樣本量，本文通過(guò)某省所有具有數(shù)據(jù)的城市平均值來(lái)替代其他城市。
相關(guān)分析可以用來(lái)排除數(shù)據(jù)中冗余的屬性。通過(guò)識(shí)別任意兩個(gè)給定的屬性是否統(tǒng)計(jì)相關(guān)，可以將強(qiáng)相關(guān)的兩個(gè)屬性之一從中排除。由于企業(yè)經(jīng)營(yíng)環(huán)境指數(shù)、經(jīng)濟(jì)增長(zhǎng)質(zhì)量指數(shù)、技術(shù)創(chuàng)新指數(shù)、自生能力評(píng)價(jià)指數(shù)與市場(chǎng)化指數(shù)強(qiáng)相關(guān)，所以本文舍棄這四個(gè)反映企業(yè)外部環(huán)境的指數(shù)，只采用資產(chǎn)規(guī)模指數(shù)SIZE和市場(chǎng)化指數(shù)Market等10個(gè)企業(yè)內(nèi)外部特征變量指數(shù)進(jìn)行分析。
數(shù)據(jù)歸約是將復(fù)雜的海量數(shù)據(jù)縮為很小的數(shù)據(jù)集，但仍保持原數(shù)據(jù)的完整性，并產(chǎn)生相同的數(shù)據(jù)挖掘效果。離散化技術(shù)是一種很有效的數(shù)據(jù)歸約方法，它通過(guò)將連續(xù)取值的屬性——資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率等的閾值范圍泛化為若干離散區(qū)間，并對(duì)每個(gè)區(qū)間內(nèi)的實(shí)際數(shù)據(jù)值賦予一個(gè)標(biāo)簽，以消減這些連續(xù)取值屬性的取值個(gè)數(shù)。在下文基于關(guān)聯(lián)規(guī)則的分類挖掘中，消減屬性取值個(gè)數(shù)的離散化處理可以減少輸入/輸出的操作。本文根據(jù)資產(chǎn)規(guī)模等各個(gè)連續(xù)取值屬性的數(shù)值分布狀況，采用直觀劃分離散化的方法進(jìn)行處理，處理結(jié)果如表3所示：
（三）建模與分析
1. 對(duì)公司特征變量進(jìn)行特征選擇分析，其目的是從所有的解釋變量中選擇出對(duì)被解釋變量具有顯著影響的變量。特征選擇算法的流程是：①根據(jù)解釋變量對(duì)于被解釋變量的重要程度進(jìn)行排序；②根據(jù)選定的顯著性水平p選出恰當(dāng)?shù)慕忉屪兞考希话泔@著性水平至少為95%。其中，第一步度量解釋變量的重要性是關(guān)鍵。
由于事先并不確知具有代表性會(huì)計(jì)政策有哪些，所以在特征選擇步驟下，本文以每一項(xiàng)會(huì)計(jì)政策選擇為被解釋變量，以10個(gè)公司特征變量（包括離散值）為解釋變量，分別計(jì)算每項(xiàng)會(huì)計(jì)政策下公司特征變量的重要性程度（賦值多少），設(shè)定顯著性水平為100%。
表4顯示，10個(gè)公司特征變量中，高管變更ΔCEO和高管報(bào)酬計(jì)劃NX兩個(gè)變量因顯著性水平在所有會(huì)計(jì)政策中均達(dá)不到100%而被舍棄。表4中的重要特征變量是資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、總資產(chǎn)利潤(rùn)率、凈資產(chǎn)收益率、計(jì)劃再融資、實(shí)際再融資、市場(chǎng)化指數(shù)和地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)等8個(gè)。其中，連續(xù)取值的6個(gè)重要特征變量資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、總資產(chǎn)利潤(rùn)率、凈資產(chǎn)收益率、市場(chǎng)化指數(shù)、地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)的離散值也出現(xiàn)在表4中，且有些特征變量的離散值比其本身重要性排序還要靠前，如LEVLS，說(shuō)明對(duì)數(shù)據(jù)的離散化處理取得了良好的效果。
此外，通過(guò)識(shí)別對(duì)應(yīng)11項(xiàng)會(huì)計(jì)政策下顯著性水平為100%的重要特征變量，還對(duì)具代表性的會(huì)計(jì)政策進(jìn)行了初步的判斷，即與重要特征變量對(duì)應(yīng)的會(huì)計(jì)政策分別是折舊計(jì)提、交易性金融資產(chǎn)、公允價(jià)值變動(dòng)損益、研發(fā)支出費(fèi)用化、投資性房地產(chǎn)后續(xù)計(jì)量模式、壞賬準(zhǔn)備轉(zhuǎn)回和存貨跌價(jià)準(zhǔn)備轉(zhuǎn)回等7項(xiàng)。而存貨發(fā)出計(jì)價(jià)、低值易耗品攤銷、包裝物攤銷、研發(fā)支出資本化等4項(xiàng)會(huì)計(jì)政策因其全部特征變量顯著性水平均達(dá)不到100%而被舍棄。
2. 關(guān)聯(lián)規(guī)則分析。關(guān)聯(lián)規(guī)則分析即頻繁模式挖掘，目的在于發(fā)現(xiàn)數(shù)據(jù)中有趣的關(guān)聯(lián)度和相關(guān)性。
（1）本文對(duì)11項(xiàng)會(huì)計(jì)政策進(jìn)行單維關(guān)聯(lián)規(guī)則分析，確定在所有的會(huì)計(jì)政策選擇中，樣本公司經(jīng)常會(huì)選擇哪些會(huì)計(jì)政策。于是有：
Choices（X，政策A）⇒Choices（X，政策B）［support=10%，confidence=80%］
（前項(xiàng)） （后項(xiàng)）
其中：X代表上市公司；80%的置信度或可信性表示一個(gè)上市公司選擇政策A，則選擇政策B的可能性是80%；10%的支持度意味著所分析的全部樣本的10%表明政策A與政策B一起選擇。單維關(guān)聯(lián)規(guī)則是僅包含單個(gè)謂詞（即choices）的關(guān)聯(lián)規(guī)則。11項(xiàng)會(huì)計(jì)政策選擇的單維關(guān)聯(lián)規(guī)則挖掘結(jié)果如表5所示。
由表5可以看出，符合置信度為80%、支持度為10%的單維關(guān)聯(lián)規(guī)則共有14項(xiàng)。其中，低值易耗品五五攤銷法、研發(fā)支出非費(fèi)用化、壞賬準(zhǔn)備轉(zhuǎn)回、確認(rèn)交易性金融資產(chǎn)、確認(rèn)公允價(jià)值變動(dòng)損益、存貨跌價(jià)準(zhǔn)備轉(zhuǎn)回等6項(xiàng)會(huì)計(jì)政策分別或兩兩與直線法有關(guān)聯(lián)。比如，選擇壞賬準(zhǔn)備轉(zhuǎn)回的公司很有可能同時(shí)選擇了直線法，這一類公司占比為32.187%，其置信度為98.626%。交易性金融資產(chǎn)、研發(fā)支出非費(fèi)用化、直線法等3項(xiàng)會(huì)計(jì)政策分別或兩兩或單個(gè)與公允價(jià)值變動(dòng)損益有關(guān)聯(lián)。例如，擁有交易性金融資產(chǎn)的公司很有可能確認(rèn)了公允價(jià)值變動(dòng)損益，這一類公司占比為21.425%，其置信度為83.945%。因此，根據(jù)單維關(guān)聯(lián)規(guī)則挖掘結(jié)果可以發(fā)現(xiàn)，11項(xiàng)會(huì)計(jì)政策中，低值易耗品攤銷、研發(fā)支出費(fèi)用化、壞賬準(zhǔn)備轉(zhuǎn)回、交易性金融資產(chǎn)、公允價(jià)值變動(dòng)損益、存貨跌價(jià)準(zhǔn)備轉(zhuǎn)回和直線法等7項(xiàng)會(huì)計(jì)政策具有一定的關(guān)聯(lián)度。這一結(jié)果與表4特征選擇分析結(jié)果基本上一致，唯一的不同是投資性房地產(chǎn)后續(xù)計(jì)量模式被低值易耗品攤銷政策所替代，表明其重要性或代表性要弱于其他6項(xiàng)會(huì)計(jì)政策。
（2）本文對(duì)11項(xiàng)會(huì)計(jì)政策與10個(gè)公司特征變量進(jìn)行多維關(guān)聯(lián)規(guī)則挖掘（即包含一個(gè)以上屬性或謂詞），確定選擇某項(xiàng)會(huì)計(jì)政策的公司一般具有哪些特征。于是，我們進(jìn)行了以下規(guī)則的挖掘：
SizeLS（X，2）∧MarketLS（X，3）⇒Choices（X，直線法）［support=10%，confidence=80%］
（前項(xiàng)） （后項(xiàng)）
挖掘該規(guī)則的結(jié)果是：10%的樣本公司的資產(chǎn)規(guī)模離散值為2、公司所在地區(qū)市場(chǎng)化指數(shù)離散值為3，并且這些公司選擇了直線法，這個(gè)資產(chǎn)規(guī)模和市場(chǎng)化指數(shù)組的上市公司選擇直線法的概率為80%。
多維關(guān)聯(lián)規(guī)則挖掘的結(jié)果還表明，符合置信度為80%、支持度為10%的多維關(guān)聯(lián)規(guī)則達(dá)269條（因篇幅限制，表6僅列出置信度為100%的26條規(guī)則）。如表6中第2條規(guī)則顯示，總資產(chǎn)利潤(rùn)率離散值為2和凈資產(chǎn)收益率離散值為2并選擇直線法的公司占比12.432%，這一類公司選擇直線法的概率為100%。根據(jù)多維關(guān)聯(lián)規(guī)則挖掘結(jié)果可以發(fā)現(xiàn)，10個(gè)公司特征變量中，ROALS、SIZELS、Marketls、Protectls、RBC 、LEVLS、RAC、ROELS等8個(gè)變量分別出現(xiàn)在前項(xiàng)（原因）中的第一位，這一結(jié)果與表4特征選擇分析結(jié)果完全一致；交易性金融資產(chǎn)、壞賬準(zhǔn)備轉(zhuǎn)回、研發(fā)支出費(fèi)用化等3項(xiàng)會(huì)計(jì)政策再次出現(xiàn)在前項(xiàng)（原因）中，表明其重要性或代表性程度確實(shí)與眾不同。
3. 邏輯回歸分析。由上述分析可知，在11項(xiàng)會(huì)計(jì)政策中，關(guān)聯(lián)度比較強(qiáng)的會(huì)計(jì)政策有6項(xiàng)。根據(jù)上述分析結(jié)果，本文下面將資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、總資產(chǎn)利潤(rùn)率、凈資產(chǎn)收益率、計(jì)劃再融資、實(shí)際再融資、市場(chǎng)化指數(shù)、地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)等8個(gè)公司特征變量作為重要影響因素變量，納入邏輯回歸分析模型，用之分析交易性金融資產(chǎn)、公允價(jià)值變動(dòng)損益、研發(fā)支出費(fèi)用化、壞賬準(zhǔn)備轉(zhuǎn)回、存貨跌價(jià)準(zhǔn)備轉(zhuǎn)回和折舊計(jì)提等6項(xiàng)會(huì)計(jì)政策所具有的代表性，即建立以下Logistic回歸分析模型：
[CHOICE=α0+αiXi+ε] （2）
式中：CHOICE為虛擬變量，當(dāng)CHOICE=1時(shí)，表示采用直線法或確認(rèn)交易性金融資產(chǎn)，或發(fā)生公允價(jià)值變動(dòng)損益，或研發(fā)支出非費(fèi)用化，或發(fā)生壞賬準(zhǔn)備轉(zhuǎn)回，或發(fā)生存貨跌價(jià)準(zhǔn)備轉(zhuǎn)回，否則CHOICE=0；X表示上述8種重要影響因素的公司特征；i=1，2，……，8，表示公司特征的個(gè)數(shù)；α0為常數(shù)項(xiàng)；αi為各特征變量的系數(shù)估計(jì)值；ε為隨機(jī)干擾項(xiàng)。回歸結(jié)果如表7所示：
由表7的回歸結(jié)果可知，6項(xiàng)會(huì)計(jì)政策的Wald Chi-Square均在1%水平上顯著，Likelihood Ratio Chi-Square模型在1%水平上顯著，極大似然值排序分別為公允價(jià)值變動(dòng)損益、研發(fā)支出費(fèi)用化、交易性金融資產(chǎn)、壞賬準(zhǔn)備轉(zhuǎn)回、存貨跌價(jià)準(zhǔn)備轉(zhuǎn)回、折舊計(jì)提。
表7表明，公允價(jià)值變動(dòng)損益政策選擇中，除地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)外，通過(guò)極大似然估計(jì)法得到的7個(gè)變量系數(shù)值均與預(yù)期符號(hào)一致，資產(chǎn)規(guī)模、計(jì)劃再融資和市場(chǎng)化進(jìn)程3個(gè)變量均在1％水平上顯著；研發(fā)支出費(fèi)用化政策選擇中，除市場(chǎng)化進(jìn)程外，7個(gè)變量與預(yù)期符號(hào)一致，資產(chǎn)負(fù)債率、計(jì)劃再融資和實(shí)際再融資3個(gè)變量都在1%水平上顯著；交易性金融資產(chǎn)政策選擇中，除總資產(chǎn)利潤(rùn)率和地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)外，6個(gè)變量與預(yù)期符號(hào)一致，資產(chǎn)規(guī)模、計(jì)劃再融資和市場(chǎng)化進(jìn)程3個(gè)變量均在1％水平上顯著；壞賬準(zhǔn)備轉(zhuǎn)回政策選擇中，除市場(chǎng)化進(jìn)程外，7個(gè)變量與預(yù)期符號(hào)一致，資產(chǎn)規(guī)模和資產(chǎn)負(fù)債率2個(gè)變量在1%水平上顯著。除此之外，存貨跌價(jià)準(zhǔn)備轉(zhuǎn)回政策選擇中，有6個(gè)變量與預(yù)期符號(hào)一致，但只有資產(chǎn)規(guī)模1個(gè)變量在1%水平上顯著；折舊計(jì)提政策中，只有3個(gè)變量與預(yù)期符號(hào)一致，且只有市場(chǎng)化進(jìn)程1個(gè)變量在1%水平上顯著。
根據(jù)Logistic回歸模型的回歸結(jié)果，選擇交易性金融資產(chǎn)、公允價(jià)值變動(dòng)損益、研發(fā)支出費(fèi)用化和壞賬準(zhǔn)備轉(zhuǎn)回等四項(xiàng)政策為代表性會(huì)計(jì)政策。
4. 改進(jìn)方法的檢驗(yàn)。根據(jù)代表性會(huì)計(jì)政策，按照Z(yǔ)mijewski 和Hagerman（1981）會(huì)計(jì)政策選擇策略系數(shù)的計(jì)算方法（假定四種會(huì)計(jì)政策對(duì)盈余的影響程度相同并據(jù)此賦予一組策略值）計(jì)算出2010年上市公司會(huì)計(jì)政策選擇策略系數(shù)，并以此為被解釋變量，以上述重要影響因素（包括其離散值）為解釋變量，建立多元線性回歸分析模型，運(yùn)用逐步回歸分析法和SAS軟件考察模型的改進(jìn)程度，最終得到以下最優(yōu)模型：
CLXS=β0+β1SIZE+β2LEVLS+β3ROA+β4RAC+β5RBC+β6MarketLS+β7Protect+ζ （3）
式中：CLXS為被解釋變量，代表會(huì)計(jì)政策選擇策略系數(shù)；β0為常數(shù)項(xiàng)；β1為變量的系數(shù)估計(jì)值；ζ為隨機(jī)誤差項(xiàng)。進(jìn)入模型（3）的解釋變量只有SIZE、LEVLS、ROA、RBC 、RAC 、Marketls、Protect等7個(gè)重要影響因素（公司7個(gè)特征）；解釋變量的定義和取值方法同前。多元線性回歸分析結(jié)果如表8所示：
為了檢驗(yàn)改進(jìn)模型的有效性，本文繼續(xù)根據(jù)張永國(guó)等（2010）運(yùn)用描述性統(tǒng)計(jì)分析、參數(shù)檢驗(yàn)等方法，選擇具有代表性會(huì)計(jì)政策和重要特征變量計(jì)算會(huì)計(jì)政策選擇策略系數(shù)（計(jì)算過(guò)程已省略），并進(jìn)行多元線性回歸分析（結(jié)果見(jiàn)表9）?？梢钥闯?，表8中的模型F值在0.000 1水平上顯著，表明用該模型來(lái)描述影響會(huì)計(jì)政策選擇策略的因素是合適的，由此得出的結(jié)論可信；同時(shí)Adj-R2 達(dá)到0.131 8，比對(duì)照組值0.070 3提高了0.061 5，說(shuō)明模型已經(jīng)有很大改進(jìn)，解釋變量與被解釋變量的關(guān)聯(lián)度顯著增強(qiáng)。另外，模型中解釋變量的方差膨脹因子VIF值均小于2，表明模型不存在多重共線性問(wèn)題。
從解釋變量與被解釋變量的關(guān)系來(lái)看，SIZE、LEVLS、RAC、MarketLS等4個(gè)特征變量回歸系數(shù)均在0.000 1水平上顯著，PROTECT回歸系數(shù)在0.01水平上顯著，RBC回歸系數(shù)在0.05水平上顯著，均與預(yù)期符號(hào)一致。這說(shuō)明資產(chǎn)規(guī)模大、資產(chǎn)負(fù)債率高的公司更有可能選擇增加盈余會(huì)計(jì)政策。在證監(jiān)會(huì)監(jiān)管政策的約束下，計(jì)劃再融資和實(shí)施了再融資的公司更有可能選擇減少盈余會(huì)計(jì)政策；市場(chǎng)化進(jìn)程高的地區(qū)，公允價(jià)值容易取得、交易成本小的公司更有可能選擇公允價(jià)值計(jì)量；以地方保護(hù)主義或“法律保護(hù)主義”行為為特征的地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)越高，越會(huì)產(chǎn)生較多的交易成本，從而影響到公允價(jià)值計(jì)量。
從各解釋變量對(duì)被解釋變量影響程度的強(qiáng)弱來(lái)看，PROTECT的標(biāo)準(zhǔn)回歸系數(shù)為0.186 27，ROA和RBC的標(biāo)準(zhǔn)回歸系數(shù)分別為0.076 74、0.067 41，這說(shuō)明總資產(chǎn)利潤(rùn)率和實(shí)際再融資對(duì)會(huì)計(jì)政策選擇策略系數(shù)的影響較大，但不及地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)的影響大，即外部環(huán)境因素對(duì)會(huì)計(jì)政策選擇策略系數(shù)的影響已經(jīng)超過(guò)公司內(nèi)部因素和證券市場(chǎng)監(jiān)管因素的影響。
三、主要結(jié)論
結(jié)論一：本文運(yùn)用數(shù)據(jù)挖掘中的特征選擇分析和關(guān)聯(lián)規(guī)則挖掘算法，篩選出了資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、總資產(chǎn)利潤(rùn)率、凈資產(chǎn)收益率、計(jì)劃再融資、實(shí)際再融資、市場(chǎng)化指數(shù)、地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)等8個(gè)公司特征變量作為重要變量，結(jié)合Logistic回歸分析，確定出交易性金融資產(chǎn)、公允價(jià)值變動(dòng)損益、研發(fā)支出費(fèi)用化和壞賬準(zhǔn)備轉(zhuǎn)回等四項(xiàng)會(huì)計(jì)政策為代表性會(huì)計(jì)政策，據(jù)此運(yùn)用逐步回歸分析法得到最優(yōu)模型和最重要的7個(gè)影響因素，即資產(chǎn)規(guī)模、資產(chǎn)負(fù)債率、計(jì)劃再融資、市場(chǎng)化進(jìn)程指數(shù)、地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)、實(shí)際再融資和總資產(chǎn)利潤(rùn)率，分別代表了公司內(nèi)部特征和公司外部環(huán)境兩方面因素。其中資產(chǎn)負(fù)債率和市場(chǎng)化進(jìn)程指數(shù)是以離散值的形式進(jìn)入最優(yōu)模型，說(shuō)明數(shù)據(jù)挖掘中的離散化處理是非常有效的。最優(yōu)模型的Adj-R2 達(dá)到0.131 8，顯著高于以往研究的結(jié)果，說(shuō)明本文采用數(shù)據(jù)挖掘中的特征選擇分析和關(guān)聯(lián)規(guī)則挖掘算法確實(shí)取得了明顯成效，改進(jìn)了會(huì)計(jì)政策選擇策略系數(shù)計(jì)量。
結(jié)論二：①資產(chǎn)規(guī)模和資產(chǎn)負(fù)債率仍是影響會(huì)計(jì)政策選擇的重要因素；②與以往研究結(jié)果不同，在證監(jiān)會(huì)監(jiān)管政策的約束下，計(jì)劃再融資和實(shí)施了再融資的公司確實(shí)更有可能選擇減少盈余的會(huì)計(jì)政策；③市場(chǎng)化程度高的地區(qū)，公允價(jià)值容易取得，交易成本較低，企業(yè)更有可能選擇公允價(jià)值計(jì)量；④以地方保護(hù)主義或“法律保護(hù)主義”行為為特征的地區(qū)產(chǎn)權(quán)保護(hù)指數(shù)越高，越會(huì)產(chǎn)生較多的交易成本，進(jìn)而影響到公允價(jià)值計(jì)量；⑤外部環(huán)境因素對(duì)會(huì)計(jì)政策選擇策略系數(shù)的影響已經(jīng)超過(guò)公司內(nèi)部因素和證券市場(chǎng)監(jiān)管因素的影響。
【注】本文系國(guó)家自然科學(xué)基金“會(huì)計(jì)政策選擇策略系數(shù)：基于數(shù)據(jù)挖掘的計(jì)量改進(jìn)和因素分析”（項(xiàng)目編號(hào)：71272241）的階段性研究成果。
主要參考文獻(xiàn)
1. 陳放.公允價(jià)值計(jì)量模式選擇動(dòng)因與影響因素研究——基于金融資產(chǎn)分類的實(shí)證檢驗(yàn).財(cái)會(huì)月刊，2010；18
2. 邊泌，周曉蘇.如何看待“決策有用觀”中會(huì)計(jì)信息的前瞻性—基于行為金融學(xué)和數(shù)據(jù)挖掘方法的實(shí)證研究.經(jīng)濟(jì)與管理研究，2007；3
3. 李芹芹，劉志迎.中國(guó)各省市技術(shù)創(chuàng)新指數(shù)研究.科技進(jìn)步與對(duì)策，2012；10
4. 李盈，鄧尚民，莊新磊.財(cái)務(wù)困境預(yù)測(cè)項(xiàng)目的Clementine數(shù)據(jù)流構(gòu)建研究，財(cái)會(huì)月刊，2009；6
5. 李增泉.我國(guó)上市公司資產(chǎn)減值政策的實(shí)證研究.中國(guó)會(huì)計(jì)與財(cái)務(wù)研究，2001；4
6. 顏敏，張永國(guó).決定會(huì)計(jì)政策選擇盈利策略的經(jīng)濟(jì)因素分析——基于2008年深滬股市的經(jīng)驗(yàn)檢驗(yàn).財(cái)會(huì)月刊，2010；24
【作 者】
顏 敏（教授） 張永國(guó)（教授） 王 艷 王 翔
【作者單位】
（鄭州航空工業(yè)管理學(xué)院 鄭州 450015）
