苹果/安卓/wp
积分 89, 距离下一级还需 56 积分
权限: 自定义头衔
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡下一级可获得
道具: 匿名卡
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
难过签到天数: 3 天连续签到: 1 天[LV.2]偶尔看看I
本帖最后由 wanghaidong918 于
02:15 编辑
Jones模型的原理是什么？
载入中......
将总的会计应计量分解为可操控和不可操控的会计应计量的方法很多，本文根据横截面数据，采用修正的Jones模型作为分解总的会计应计量的方法，修正的Jones模型的关键点是该模型修正了Jones模型认为管理层对于所有记录的销售收入都没有实施盈余管理的假定，而是认为由于应收账款净值的变化所带来的那部分销售收入受到了管理层盈余管理行为的影响。具体而言估计的程序为，首先在每个年度内按行业根据下式估计各个行业的模型参数：
其中， 表示当年的产品销售主营业务收入相对于上一年的变化额按照公司当年的平均资产规模标准化后的值， 表示当年固定资产总值的平均值（年初固定资产总值与年末固定资产总值的平均数）按公司当年的平均资产规模标准化后的值。在估计出参数之后，再按照（2）式计算出不可操控的会计应计量（NDA）：
其中，∆RECt表示公司当年的应收账款净额相对于上一年的变化额按公司平均的资产规模标准化后的值。最后按照（3）式可以计算出公司的可操控的会计应计量（DA）：··········
dao124 发表于
将总的会计应计量分解为可操控和不可操控的会计应计量的方法很多，本文根据横截面数据，采用修正的Jones模型 ...是不是修正的Jones模型存在一个前提：企业所有收入中扣除应收账款确认的收入 以及固定资产&&这两个部分是不可被管理层所操纵的？&&其他的应计利润都是可操纵的？
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师前瞻性修正的琼斯模型,forward-looking modified Jones model,音标,读音,翻译,英文例句,英语词典
说明：双击或选中下面任意单词，将显示该词的音标、读音、翻译等；选中中文或多个词，将显示翻译。
您的位置： ->
-> 前瞻性修正的琼斯模型
1)&&forward-looking modified Jones model
前瞻性修正的琼斯模型
The forward-looking modified Jones model is used in figuring out the discretionary accruals.
在实证过程中,采用了前瞻性修正的琼斯模型来估计操纵性应计部分。
2)&&Modified Jones Model
修正的琼斯模型
3)&&Cross-Sectional Re-Modified Jones Model
横截面的再修正琼斯模型
4)&&Extended Jones Model
扩展的琼斯模型
5)&&Jones model
The paper provides a new model,which is improved extended Jones model based on the notion of fair value to measure earning management.
基于公允价值的理念提出了一种计量盈余管理的新的模型——改进后扩展琼斯模型。
Then we proposed the research hypotheses based on such theoretical research,and created an new model based on the Jones model.
然后,在理论分析的基础上提出本文的研究假设,并以修正的琼斯模型为基础,构建能反应公允价值计量模式与盈余管理关系的新模型,再利用SPSS统计分析工具对研究假设进行了验证。
6)&&exponential modified Gaussian equation
指数修正的高斯模型
补充资料：琼斯，D.
&&&&　　英国语音学家。生于日,卒于日。早年在剑桥大学学数学，又曾学法律,但不久即以语音学为终身工作。1907年得硕士学位后，任伦敦大学语音学讲师,1921年起任教授,1949年退休为荣誉教授。曾获得苏黎世大学和爱丁堡大学的荣誉博士学位。1907年起先后任国际语音协会副秘书和秘书，年任主席。　　　　琼斯是科学的语音学的先驱。他提倡在外语教学中采用语音学方法。曾先后到过欧洲各地以及印度和美国讲授语音学,并担任英国广播公司语音部主任。他出版过关于多种语言的语音专著，其中包括俄语、印地语、锡兰语、法语、塞专纳语(属班图诸语言)和汉语粤方言。他提出"基准元音"的概念，首次借助"元音四边形"图示精确而系统地对元音加以描述，为后来的学者所沿用。琼斯为多种语言创设了拼音文字，并致力于英语拼字法改革。　　　　他认为音位由有关系的一组语音构成，不谈以对立为基础，因而与布拉格学派的看法不同；他只承认元音、辅音是音位，不承认重音、语调是音位，因而与美国结构主义学派的看法也不同。他的重要著作有《英语语音学纲要》 ()、《英语正音词典》(56,1977)、《音位的性质和功用》(1950)。他长期任国际语音协会会刊《语音教师》的编辑。　　
说明：补充资料仅用于学习参考，请勿用于其它任何用途。 上传我的文档
 下载
 收藏
所以资源均来自于网上收集，如有侵权疑问可以给我留言，本人会自行删除，谢谢合作！！！声明：如有侵权，本人立即删除。本人的目的是为了分享知识，交流，让广大网友受益，希望能珍惜这来之不易的知识。
 下载此文档
正在努力加载中...
[学术论文]-会计信息质量对我国上市公司资本配置效率影响研究
下载积分：1500
内容提示：[学术论文]-会计信息质量对我国上市公司资本配置效率影响研究
文档格式：PDF|
浏览次数：1|
上传日期： 11:41:53|
文档星级：
全文阅读已结束，如果下载本文需要使用
 1500 积分
下载此文档
该用户还上传了这些文档
[学术论文]-会计信息质量对我国上市公司资本配置效率
官方公共微信苹果/安卓/wp
积分 376, 距离下一级还需 74 积分
权限: 自定义头衔, 签名中使用图片
道具: 彩虹炫, 涂鸦板, 雷达卡, 热点灯, 金钱卡, 显身卡, 匿名卡下一级可获得
道具: 抢沙发
购买后可立即获得
权限: 隐身
道具: 金钱卡, 彩虹炫, 雷达卡, 热点灯, 涂鸦板
开心签到天数: 3 天连续签到: 1 天[LV.2]偶尔看看I
如何做logit模型中自变量的边际影响， 在EVIEWS中怎么操作，或者给出具体的公式。
支持楼主：、
购买后，论坛将把您花费的资金全部奖励给楼主，以表示您对TA发好贴的支持
载入中......
logit模型和简单的线性模型不同，自变量的边际效应并不是简单等于其系数。
x_j对于y的边际效应一般来讲计算方法如下
EViews本身并没有直接求边际效应的程序。不过，可以通过EViews的预测功能求得边际效应。如果简单的样本内预测值是XB，那么@dlogistic(-xb)乘以x的系数就是边际效应了。
下面是一个实例。
首先，估计我们需要的logit模型。被解释变量是foreign，解释变量是price和mpg。我们一会儿来求mpg的边际效应。
本帖被以下文库推荐
& |主题: 8540, 订阅: 53
在Eviews当中，概率边际要用户自己计算。在stata中，事情就简单得多。logit模型估计完以后，在statistics菜单中，用postestimation中的marginal effects，即可计算概率边际。
logit模型和简单的线性模型不同，自变量的边际效应并不是简单等于其系数。
x_j对于y的边际效应一般来讲计算方法如下
\[\frac{\partial E(y_i|x_i,\beta)}{\partial x_{ij}}=f(-x_i'\beta)\beta_j\]
EViews本身并没有直接求边际效应的程序。不过，可以通过EViews的预测功能求得边际效应。如果简单的样本内预测值是XB，那么@dlogistic(-xb)乘以x的系数就是边际效应了。
下面是一个实例。
首先，估计我们需要的logit模型。被解释变量是foreign，解释变量是price和mpg。我们一会儿来求mpg的边际效应。
06:01:25 上传
模型估计好之后，记下mpg的系数。
06:01:27 上传
然后，我们来进行样本内的预测。记得要预测index，不是probability。
06:01:31 上传
预测之后就可以生成边际效应了。
06:01:31 上传
这个序列的均值就是我们要求的平均边际效应(average marginal effect)。
06:01:32 上传
我们可以在Stata里进行同样的回归并求mpg的边际效应作为验算。命令和结果如下：
. sysuse auto
(1978 Automobile Data)
. logit foreign price mpg
Iteration 0:& &log likelihood =&&-45.03321&&
Iteration 1:& &log likelihood = -36.627434&&
Iteration 2:& &log likelihood = -36.462562&&
Iteration 3:& &log likelihood =&&-36.46219&&
Iteration 4:& &log likelihood = -36.462189&&
Logistic regression& && && && && && && && && &&&Number of obs& &&&=& && && &74
& && && && && && && && && && && && && && && && &LR chi2(2)& && &&&=& && &17.14
& && && && && && && && && && && && && && && && &Prob & chi2& && & =& &&&0.0002
Log likelihood = -36.462189& && && && && && && &Pseudo R2& && && &=& &&&0.1903
------------------------------------------------------------------------------
& &&&foreign |& && &Coef.& &Std. Err.& && &z& & P&|z|& &&&[95% Conf. Interval]
-------------+----------------------------------------------------------------
& && & price |& & .000266& &.0001166& &&&2.28& &0.022& &&&.0000375& & .0004945
& && && &mpg |& &.2338353& &.0671449& &&&3.48& &0.000& &&&.1022338& & .3654368
& && & _cons |&&-7.648111& &2.043673& & -3.74& &0.000& & -11.65364& &-3.642586
------------------------------------------------------------------------------
. margins, dydx(mpg)
Average marginal effects& && && && && && && && &Number of obs& &&&=& && && &74
Model VCE& & : OIM
Expression& &: Pr(foreign), predict()
dy/dx w.r.t. : mpg
------------------------------------------------------------------------------
& && && && & |& && && && &Delta-method
& && && && & |& && &dy/dx& &Std. Err.& && &z& & P&|z|& &&&[95% Conf. Interval]
-------------+----------------------------------------------------------------
& && && &mpg |& &.0376126& &.0074022& &&&5.08& &0.000& &&&.0231045& & .0521207
------------------------------------------------------------------------------复制代码
热心帮助其他会员
总评分:&经验 + 10&
论坛币 + 10&
学术水平 + 1&
热心指数 + 1&
信用等级 + 1&
nice!nice!
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
&nbsp&nbsp|
如有投资本站或合作意向，请联系（010-）；
邮箱：service@pinggu.org
投诉或不良信息处理：（010-）
论坛法律顾问：王进律师}