1. 项目背景与数据价值上市公司盈余管理研究一直是财务金融领域的核心课题。过去二十年间2000-2024年中国资本市场快速发展企业财务行为也呈现出复杂多样的特征。这个数据集完整记录了沪深两市上市公司两种典型的盈余管理方式——真实盈余管理Real Earnings Management和应计盈余管理Accrual-based Earnings Management的量化指标。真实盈余管理通过调整实际经营活动如削减研发支出、过度生产等来操纵利润而应计盈余管理则是通过会计政策选择和估计变更来实现。两者在动机、手段和后果上存在显著差异。这个数据集的价值在于覆盖时间跨度长达24年完整包含多个经济周期采用学术界公认的Jones模型、Modified Jones模型、Roychowdhury模型等计算方法包含行业、年份等多维度控制变量数据已进行winsorize处理消除极端值影响2. 数据构建方法论2.1 数据来源与处理流程原始数据主要来自CSMAR和Wind金融数据库处理流程包括原始财务数据清洗处理缺失值、异常值计算关键财务指标经营性现金流/总资产可操控性应计利润生产成本异常变动按行业-年度分组回归计算正常水平计算异常部分作为盈余管理代理变量2.2 核心计算模型应计盈余管理计算Modified Jones模型TA_t/At-1 α0(1/At-1) α1(ΔREV_t/At-1) α2(PPE_t/At-1) ε_t DA_t TA_t/At-1 - [α0(1/At-1) α1(ΔREV_t-ΔREC_t)/At-1 α2(PPE_t/At-1)]其中TA总应计利润DA可操控性应计利润ΔREV营业收入变动ΔREC应收账款变动PPE固定资产净值真实盈余管理计算Roychowdhury模型通过以下三个方程的残差项加总衡量异常现金流CFO_t/At-1 α0 α1(1/At-1) β1(Sales_t/At-1) β2(ΔSales_t/At-1) ε_t异常生产成本PROD_t/At-1 α0 α1(1/At-1) β1(Sales_t/At-1) β2(ΔSales_t/At-1) β3(ΔSales_t-1/At-1) ε_t异常酌量性费用DISEXP_t/At-1 α0 α1(1/At-1) β1(Sales_t-1/At-1) ε_t3. Stata实操指南3.1 基础环境配置// 设置工作环境 clear all set more off set mem 500m set maxvar 10000 // 安装必要插件 ssc install asdoc, replace // 结果导出工具 ssc install winsor, replace // 缩尾处理3.2 数据导入与预处理// 导入CSV数据 import delimited Earnings_Management_2000-2024.csv, clear // 变量标签设置 label variable stkcd 股票代码 label variable year 年度 label variable rem 真实盈余管理 label variable da 应计盈余管理 // 行业年度虚拟变量生成 tab industry, gen(ind_) tab year, gen(yr_) // 缩尾处理1%水平 winsor rem, gen(rem_w) p(0.01) winsor da, gen(da_w) p(0.01)3.3 基础分析模型描述性统计asdoc tabstat rem_w da_w, stat(mean sd p50 min max N) col(stat) /// title(描述性统计结果) replace相关性分析pwcorr rem_w da_w, star(0.05) graph matrix rem_w da_w, half title(变量散点图矩阵)分组比较检验// 按产权性质分组检验 ttest rem_w, by(soe) ttest da_w, by(soe) // 年度趋势分析 graph bar (mean) rem_w da_w, over(year) /// title(盈余管理年度趋势) legend(label(1 真实盈余管理) label(2 应计盈余管理))4. 高级分析应用4.1 面板回归模型// 固定效应模型 xtset stkcd year xtreg roa rem_w da_w size lev growth, fe estimates store fe_model // 随机效应模型 xtreg roa rem_w da_w size lev growth, re estimates store re_model // Hausman检验 hausman fe_model re_model4.2 调节效应分析// 生成交乘项 gen rem_audit rem_w * big4 gen da_audit da_w * big4 // 调节效应检验 xtreg roa rem_w da_w big4 rem_audit da_audit size lev growth, fe4.3 结果导出技巧// 回归结果三线表输出 esttab fe_model re_model using result.rtf, /// replace b(3) t(3) /// star(* 0.1 ** 0.05 *** 0.01) /// title(回归结果比较) /// mtitles(固定效应 随机效应) /// addnotes(*** p0.01, ** p0.05, * p0.1) // 描述性统计导出 asdoc tabstat rem_w da_w, stat(mean sd p50 min max N) /// col(stat) title(描述性统计) save(desc_stat.doc) replace5. 常见问题解决方案5.1 数据缺失处理当出现missing values generated警告时检查原始数据完整性使用mdesc命令识别缺失模式根据情况选择drop if missing(...)删除缺失样本ipolate线性插值mi impute多重插补5.2 共线性问题// 方差膨胀因子检验 quietly xtreg roa rem_w da_w size lev growth, fe estat vif // 解决方案 // 1. 删除VIF10的变量 // 2. 使用主成分分析 pca rem_w da_w size lev growth predict pc1 pc2 pc35.3 异方差处理// 异方差检验 xtreg roa rem_w da_w, fe estat hettest // 稳健标准误解决方案 xtreg roa rem_w da_w, fe vce(robust)6. 研究扩展建议动态分析构建动态面板模型GMM研究盈余管理的持续性xtabond2 roa L.roa rem_w da_w, gmm(L.roa) iv(rem_w da_w) twostep行业异质性分行业回归比较bysort industry: xtreg roa rem_w da_w, fe经济后果分析考察盈余管理对股价崩盘风险的影响xtreg crash_risk L.rem_w L.da_w, fe机器学习应用使用LASSO筛选重要控制变量lasso linear roa rem_w da_w size lev growth invest /// cash mtb turnover, selection(cv)在实际分析中建议先进行基本的描述性统计和相关性分析了解数据分布特征后再选择适当的模型。对于面板数据务必进行F检验、LM检验和Hausman检验来确定适用混合OLS、固定效应还是随机效应模型。