业绩匹配Jones模型(Kothari法)
「业绩匹配Jones模型(Kothari法)」，覆盖 2001-2025 年，频率 年度，上市公司层级，含 20 个变量，样本量约 82,886。 衡量企业盈余管理程度，旨在修正传统Jones模型因业绩与应计利润相关而产生的估计偏误。
| 时间跨度 | 2001-2025 年 |
|---|---|
| 数据频率 | 年度 |
| 层级 | 上市公司 |
| 变量数 | 20 |
| 样本量 | 82,886 |
| 是否可合并 | 可与同主体数据集合并 |
字段字典
- Symbol [股票代码] — 6位股票代码
- StkName [股票简称] — 股票简称(动态匹配当年名称)
- 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] — 当年行业分类代码(中上协,动态匹配)
- IndustryName [行业名称] — 当年行业分类名称(中上协,动态匹配)
- PerfMatchedDA [业绩匹配异常应计] — 参考Kothari, Leone & Wasley (2005, JAE)方法1(业绩匹配法)，计算公式为：先按Modified Jones模型估计所有公司的操纵性应计(DA)，然后为每家公司在同行业-同年度中找到ROA最接近的配对公司，用DA_sample - DA_matched作为业绩匹配后的异常应计。用作研究变量，绝对值越大代表盈余管理程度越高
- PerfAdjustedDA [业绩调整异常应计] — 参考Kothari et al. (2005, JAE)方法2及黄梅、夏新平(2009)的方法，在基本Jones模型中加入ROA控制变量，按行业-年度截面回归后取残差。计算公式为：TA/A_{t-1} = a0*(1/A_{t-1}) + a1*(DeltaREV/A_{t-1}) + a2*(PPE/A_{t-1}) + a3*(ROA/A_{t-1}) + e，所有变量均除以上年总资产A_{t-1}。用作研究变量，绝对值越大代表盈余管理程度越高
- TotalAccruals [总应计利润] — 计算公式为：净利润(NIncome) - 经营活动现金流量净额(OCF)
- TotalAccrualsScaled [总应计/滞后总资产] — 计算公式为：总应计利润 / 上年总资产A_{t-1}
- DeltaRev [收入变化] — 计算公式为：本年营业收入 - 上年营业收入
- DeltaAR [应收账款变化] — 计算公式为：本年应收账款 - 上年应收账款
- PPE [固定资产] — 固定资产净值，用于Jones模型的折旧控制变量
- ROA [资产收益率] — 参考Kothari et al. (2005, JAE)的定义，计算公式为：净利润 / 平均总资产。在方法1中用于寻找业绩匹配的配对公司，在方法2中作为回归控制变量
- Industry [行业分类] — 中上协行业分类分组代码(中上协)，制造业取前两位(如C26->C2)，非制造业取首字母(如J66->J)
常见问题
- 「业绩匹配Jones模型(Kothari法)」是什么数据集？
- 业绩匹配Jones模型(Kothari法)，隶属盈余质量。衡量企业盈余管理程度，旨在修正传统Jones模型因业绩与应计利润相关而产生的估计偏误。
- 该数据集的时间范围是？
- 覆盖 2001-2025 年。
- 包含哪些变量/指标？
- 共 20 个变量。核心指标包括：业绩匹配异常应计、业绩调整异常应计、总应计利润、总应计/滞后总资产、收入变化、应收账款变化、固定资产、资产收益率。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 本数据集提供了两种基于业绩匹配的操纵性应计利润（异常应计）度量方法，旨在解决传统Jones模型在公司业绩与应计利润存在系统性相关时可能产生的估计偏误。核心思想是控制公司业绩（以资产收益率ROA衡量）对总应计利润的影响，从而更准确地分离出管理层可操纵的应计部分。首先，计算总应计利润$TA$，其定义为净利润$NIncome$与经营活动现金流量净额$OCF$之差，即$TA = NIncome - OCF$。为进行跨公司和跨年度的比较，总应计利润需以年初总资产$A{t-1}$进行标准化，得到$TotalAccrualsScaled = TA / A{t-1}$。Jones模型的核心控制变量包括收入变化$\Delta Rev$（本年营业收入与上年之差）和固定资产净值$PPE$。 第一种方法（业绩匹配法）是Kothari, Leone & Wasley (2005)的核心创新。首先，使用修正Jones模型（即用$\Delta Rev - \Delta AR$替代基本Jones模型中的$\Delta Rev$，其中$\Delta AR$为应收账款变化）对所有公司进行分行业-年度截面回归，得到未经业绩调整的操纵性应计利润$DA$。然后，为样本中的每一家公司，在同一年度、同一行业内（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）寻找ROA最接近的非自身公司作为配对。最终的业绩匹配异常应计$PerfMatchedDA$等于样本公司的$DA$减去配对公司的$DA$。 第二种方法（业绩调整回归法）则是在基本Jones模型的回归方程中直接加入ROA作为控制变量，以控制业绩对应计利润的线性影响。该方法参考了黄梅、夏新平(2009)的模型设定。具体回归模型如下： $$ \frac{TA}{A{t-1}} = a0 \times \frac{1}{A{t-1}} + a1 \times \frac{\Delta Rev}{A{t-1}} + a2 \times \frac{PPE}{A{t-1}} + a3 \times ROA + \epsilon $$ 其中，$TA$为总应计利润，$A{t-1}$为年初总资产，$\Delta Rev$为营业收入变化额，$PPE$为固定资产净值，$ROA$为资产收益率（净利润除以平均总资产）。与修正Jones模型不同，此处的收入变量未对应收账款变化进行调整。该模型同样按行业-年度进行截面回归，取回归残差$\epsilon$作为业绩调整后的异常应计$PerfAdjustedDA$。两种方法得到的异常应计绝对值越大，均代表盈余管理程度越高。 补充说明 - 样本处理基于中国A股上市公司。 - 为估计模型参数及进行业绩匹配，要求每个行业-年度分组内至少有15个有效观测值。 - 在计算$PerfMatchedDA$时，用于匹配的ROA定义为净利润除以平均总资产。 - 所有连续变量在行业-年度层面进行了1%和99%分位数的缩尾处理，以减轻极端值的影响。 参考文献 [1]Kothari S P, Leone A J, Wasley C E. Performance matched discretionary accrual measures[J]. Journal of Accounting and Economics, 2005, 39(1): 163-197. [2]黄梅,夏新平.操纵性应计利润模型检测盈余管理能力的实证分析[J].南开管理评论,2009,12(5):136-143.
- 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。