上市公司自愿性信息披露相关分析.docVIP

上市公司自愿性信息披露相关分析【摘要】本文确定了自愿性信息披露的衡量因素，选用了9个变量作为影响自愿性信息披露的变量设置，利用SPSS软件对自愿性信息披露相关性的基础上，列示回归方程并作分析。 【关键词】自愿性信息披露；相关统计；回归方程；回归分析 本文选取2009年我国电子类上市公司作为研究对象，确定了自愿性信息披露划定了衡量指标，并选用9个变量作为影响自愿性信息披露的影响因素，进而利用SPSS软件对相关数据进行相关统计，得出回归方程并进行分析。 一、研究模型的建立 本文将自愿性信息披露设定为Y；独立董事占董事会的比例为x1，CEO两职是否分离为x2，第一大股东持股比例为x3，前十大股东持股比例为x4，流通股占股本比例为x5，公司规模为x6，公司盈利水平为x7，托宾Q为x8。 建立模型为： Y=a+k1x1+k2x2+k3x3+k4x4+k5x5+k6x6+k7x7+k8x8+e 二、相关性统计 表1 自变量与自愿性信息披露的相关关系 Y H1 H2 H3 H4 H5 H6 H7 H8 Y 1 H1 .525** 1 H2 -.874** -.082 1 H3 -.506** -.134 -.023 1 H4 -.567** .117 -.117 -.035 1 H5 .782** -.031 -.044 -.075 -.146 1 H6 .599** -.022 -.106 -.042 .023 -.074 1 H7 .558** .069 .115 -.216* -.077 .059 .229* 1 H8 .618** .013 -.013 .188 -.046 -.143 -.071 -.004 1 本文利用SPSS软件，选用2009年我国电子类上市公司的信息，对影响自愿性信息披露的9个变量与自愿性信息披露的情况进行相关分析，分析结果如表2。 在表2中，相关系数旁边的两个星号（**）基表示显著性水平a为0.01时可拒绝零假设，一个星号（*）表示显著性水平a为0.05时可拒绝零假设。因此，两个星号比一个星号拒绝零假设犯错误的可能性更小。 **相关性在1%水平（2-tailed）. *相关性在5%水平（2-tailed）. 三、回归方程的建立 表2 回归方差分析表 Sum of Squares Df Mean Square F值 Sig. Regression 593.714 10 59.3714 11.91 .0010 Residual 373.875 75 4.985 Total 967.589 85 首先利用自变量，对被解释变量企业绩效的水平建立多元线性回归方程，并对方程的多次进行总体回归效果（F检验）、拟合优度（R2）以及自变量系数的显著性进行相应的检验，最终得出最能解释企业绩效水平的多元线性回归方程。其次，利用回归结果对前面的假设进行检验，并分析原因。 为了有效地检验前面所提出的假设，我们将被解释变量企业绩效水平与自变量之间，采用最小二乘法，通过全部纳入方式进行回归拟合，回归结果分别如表2和表3所示。 根据回归统计结果显示，调整后R2为0.322，说明回归模型对因变量自愿性信息披露指数的解释能力为32.2%。回归方程的F检验值为11.91，其显著水平为0.0010，且远大于F0.05（10，75）=3.62，说明回归效果较好，回归模型具有统计学意义。 如表4.11所示，自变量独立董事数、独立董事所占董事会比例、审计委员会、CEO两职情况、第一大股东持股比例、前十大股东持股比例、审计机构的权威性、发行股票的类型、公司成长速度以及托宾Q通过了显著性水平为0.05假设下的检验，即在95%的置信水平上进入回归模型。该10各自变量的t检验值均大于t0.025（75）=2.01，说明其回归效果显著。 根据上述分析，剔除不相关自变量，得到的回归模型如下所示： Y=0.298+0.477x2-0.321x4-0.051x7-0.069x8+0.027x9+0.494x11+0.099x13 表3 回归系数及显著性检验表 非标准系数 标准 系数 T检验 显著性水平 系数 标准误差 常数 .298 .049 6.082 .114 x1技术人员的数量 . 477 .176 .301 2.715 .299** x2技术人员的学历、资历 .321 .146 .175 -2.20 .358** x3技术能力 .069 .024 .045 -2.844 .318** x4技术创新风