5 回归分析
　　5.1 研究设计 为了验证上文提出的假说,探究怎样的公司和分析师影响预测准确度,我们使用以下回归方程作进一步分析。
　　模型一:
　　AFE=α+β1Scale+β2PC+β3Leverage+β4EV+β5Number +ε
　　模型一用以考察样本整体情况。其中因变量AFE为绝对误差率,即┃实际盈利值-盈利预测值┃/实际盈利值。
　　在各自变量中,公司规模(Scale)以其总资产反映,同时为了消除量纲的差异取自然对数。盈余的可预测性(PC)参照利润构成,以扣除非经常性损益后的净利润与利润总额比值的绝对值来计量利润构成情况。财务杠杆(Leverage)我们以公司的资产负债率来衡量公司的财务风险和流动。盈余的波动程度(EV)是利用近3年每股收益的标准差来计量,在计算此指标时,如果公司的实际上市时间不足6 年的,以实际上市年限计算,但最少不得小于3 年。预测机构家数(Number)为年度内做出盈利预测的分析师人数。
　　5.2 描述性统计分析 在原有样本中,我们剔除了6个EPS不足3年的公司,故新样本数量为353。从描述性统计(表5-1)中我们可以看出,对于样本公司来说,平均的分析师人数在9人左右,在分布上则较为分散,标准差达到了6人。财务分析师预测误差的平均数为29.8%,而中位数为12.8%,故存在部分预测误差较大的情况,其标准差同样体现出了分布较为分散的特点。但结合石桂峰、苏力勇、齐伟山(2007)对2004、2005年APE描述性结果我们仍然发现,相比于2004和2005年,07年分析师预测绝对误差的均值、中位数和标准差均明显减小,说明分析师盈利预测的能力和准确度均在不断提高之中。
　　5.3 回归分析 从这一模型回归方程的P-value值来看,只有盈余的可预测性(PC)在5%水平上显著,且估计系数大于零(0.2881),说明扣除非经常性损益后的净利润占利润总额比重越大,可预测性越高,预测的误差越小,预测精确度越高。证实了假说1。由于我国上市公司从1999年开始强制披露扣除非经常性损益后的净利润,上市公司对外披露的年报中没有单独披露非经常性损益,因而上市公司往往利用非正常损益进行盈余管理。故PC值越大,非正常损益所占比重越小,降低了盈余管理的可能性,因而间接证明了假说1-1。规模变量(Scale) 的估计系数小于零(-0.0345),但根据P-value并不显著,说明大公司能提高预测精确度,但影响程度很小。与假说2相同。盈余的波动程度(EV)系数和预测机构家数(Number)的回归结果显著性不高,故对盈利预测影响程度不大,无法证实假说1-2和假说3。