修正Jones模型(Dechow法)

字段字典

• Symbol [股票代码] — 股票代码
• StkName [证券简称] — 证券简称
• Year [年份] — 财务年度
• Province [省份] — 公司注册所在省份
• ProvinceCode [省份代码] — 省份行政区划代码(6位)
• City [城市] — 公司注册所在城市
• CityCode [城市代码] — 城市行政区划代码(6位)
• County [区县] — 公司注册所在区县
• CountyCode [区县代码] — 区县行政区划代码(6位)
• IndustryCode [行业代码] — 中上协行业分类代码
• IndustryName [行业名称] — 中上协行业分类名称
• Industry [行业分类] — CSRC行业分类代码
• JonesAbnormal [Jones异常应计] — 参考Dechow, Sloan & Sweeney (1995, TAR)的修正Jones模型，采用两步法计算：第一步按行业-年度截面估计原始Jones模型TA/A=a0*(1/A)+a1*(DREV/A)+a2*(PPE/A)+e(A为期初总资产，不设独立常数项)；第二步将估计系数代入扣除应收账款变动后的收入变动，得到正常应计NDA=a0*(1/A)+a1*((DREV-DAR)/A)+a2*(PPE/A)，异常应计为实际总应计与正常应计之差DA=TA/A-NDA。因第二步代入的自变量与第一步估计所用不同，该值不等于第一步回归的残差。正值表示向上盈余管理，负值表示向下盈余管理
• TotalAccruals [总应计] — 计算公式为：净利润-经营现金流(亿元)。单位：元
• TotalAccrualsTA [总应计/期初总资产] — 计算公式为：总应计利润除以期初总资产(上年末总资产)。单位：比例
• DeltaRev [收入变动] — 计算公式为：本期收入-上期收入(亿元)。单位：元
• DeltaAR [应收变动] — 计算公式为：本期应收-上期应收(亿元)。单位：元
• PPE [固定资产净额] — 固定资产净额(FixAssets)

常见问题

「修正Jones模型(Dechow法)」是什么数据集？

修正Jones模型(Dechow法)，隶属盈余质量。衡量上市公司的应计盈余管理程度。

该数据集的时间范围是？

覆盖 2001-2025 年。

包含哪些变量/指标？

共 18 个变量。核心指标包括：Jones异常应计、总应计、总应计/期初总资产、收入变动、应收变动、固定资产净额。完整字段清单（变量名·中文名·说明）见页面「字段字典」。

数据频率和层级是怎样的？

频率为年度，上市公司层级。

样本量有多大？

约 82,886 条观测。

数据是如何测算/获取的？

指标定义与计算方法 本数据集用于检测上市公司的应计盈余管理行为，其核心方法是基于Dechow et al. (1995)提出的修正Jones模型。该模型通过横截面回归，将总应计利润分解为不可操控的正常应计部分和可操控的异常应计部分，后者被视为管理层进行盈余管理的代理变量。 首先，计算总应计利润$TA$，其定义为净利润与经营活动现金流量净额之差，即$TA = NI - CFO$。为消除公司规模的影响，将总应计利润$TA$用期初总资产$A{t-1}$进行标准化，得到因变量$TA\A$。 其次，为估计不可操控应计，需进行分年度、分行业的横截面回归。按中上协行业分类（制造业取二级代码前两位，其他行业取门类首位）分组，对每个行业-年度组合执行以下回归模型： $$ \frac{TA{i,t}}{A{i,t-1}} = \alpha0 \frac{1}{A{i,t-1}} + \alpha1 \frac{\Delta REV{i,t}}{A{i,t-1}} + \alpha2 \frac{PPE{i,t}}{A{i,t-1}} + \epsilon{i,t} $$ 其中，$TA{i,t}$为公司$i$第$t$年的总应计利润，$A{i,t-1}$为期初总资产，$\Delta REV{i,t}$为营业收入变动额，$PPE{i,t}$为固定资产净额。模型不另设独立常数项，$1/A{i,t-1}$即为经规模标准化后的截距项。该模型估计出的系数$\hat{\alpha}0$, $\hat{\alpha}1$, $\hat{\alpha}2$代表了该行业-年度组合的正常应计与各经济驱动因素之间的关系。需要强调的是，按Dechow et al. (1995)的原始设定，上述系数必须由原始Jones模型（自变量为未经调整的$\Delta REV$）估计得到，而非由已包含$(\Delta REV - \Delta AR)$的回归式估计。 最后，计算可操控应计利润，即修正Jones模型的异常应计$DA$。将第一步估计的系数代入扣除应收账款变动后的收入变动，得到正常应计，再以实际总应计减去正常应计： $$ DA{i,t} = \frac{TA{i,t}}{A{i,t-1}} - \left[ \hat{\alpha}0 \frac{1}{A{i,t-1}} + \hat{\alpha}1 \frac{(\Delta REV{i,t} - \Delta AR{i,t})}{A{i,t-1}} + \hat{\alpha}2 \frac{PPE{i,t}}{A{i,t-1}} \right] $$ 其中，$\Delta AR{i,t}$为应收账款变动额。该计算在原始Jones模型的基础上，从营业收入变动中扣除了应收账款变动，以控制赊销对收入确认的操纵。由于第二步代入的自变量与第一步估计时所用的不同，$DA$在数值上并不等于第一步回归的残差。$DA$（即字段JonesAbnormal）的值为正，通常表示公司进行了向上的盈余管理（调增利润）；值为负则表示向下的盈余管理（调减利润）。 数据集同时提供了计算过程中的中间变量，包括总应计利润$TA$（TotalAccruals）、标准化后的总应计$TA/A{t-1}$（TotalAccrualsTA）、营业收入变动额$\Delta REV$（DeltaRev）以及应收账款变动额$\Delta AR$（DeltaAR）。 补充说明 - 回归估计要求每个行业-年度组合内的有效观测数不少于15个。 - 所有变量（含因变量、$1/A{i,t-1}$、收入变动项与固定资产项）均以期初总资产$A{i,t-1}$标准化。 - 模型估计过程本身不做缩尾。分发包中另附对所有连续变量在1%和99%分位数缩尾后的版本，供需要控制极端值的研究者直接使用。 参考文献 - Dechow P M, Sloan R G, Sweeney A P. Detecting earnings management[J]. The Accounting Review, 1995, 70(2): 193-225.

如何获取该数据集？

通过站内对应淘宝链接下单后，客服发放兑换码；在站内"兑换"页输入兑换码即可获得下载权益并下载。