作者:吴士飞 | 知乎 | 简书 | 码云 | github

Stata 现场教养同意……

摘要:证明辨析中,堆积起来人幼小的关怀糟粕绝对离开。,现实上,残骸是独身谜的黑匣子。,它容纳丰厚的通信。。本文绍介了以任何方法体系盈余运用的计量办法。、“过度投资”因而“过度消耗”等标志。Stata 说话中肯 asreg 该命令可以禁食满足此作业。!

本文绍介 asreg 命令的类型用法:

  • 应计规划与现实规划盈余运用标志:子信仰年度残差用计算机计算;
  • 过度投资/过度消耗标志:分信仰用计算机计算年度牺牲和残差;
  • 股价同样的事物时刻性贮藏(同样的事物时刻):子机关 (月、周) 计算 R2 或装束 R2。

STATA研讨会半路中(2018年1月中旬),北京的旧称)
Stasa Field类——飞行物二世Stasa Field类特等

霍姆斯


1. 霍姆斯与挂表

我置信很多人都读过阿瑟·柯南·道尔的中篇小说《四署名》。。

以图表画出说话中肯铅大侦探霍姆斯的声誉可谓如雷贯耳,甚至在日本卡托创作的侦探草图《侦探柯南》中,现实事变次要参与者柯南也把霍姆斯招待偶像。。

在四分染色体署名中。,霍姆斯从前正确地经过命运挂表的特点推断出了其旧主人的性格特点和生活习惯:他是个不守惯例的人。……详尽地死于旨酒。……”。

以下是互插标准酒精度。:

  • 标准酒精度一: 这是命运牺牲超越50狂跳的表。,这应当谨慎庇护和运用。,尽管不愿意全部平地层上有极大合计的伤口。,这是鉴于他们习惯于把表放在金币里。、一包硬东西的钥匙。。咱们了解它的主人是不守惯例的。。

  • 标准酒精度二: 在表的钥匙孔临近有不计其数的伤口。,这是鉴于钥匙的摩擦力。。行觉醒中的键,独身人可不只是。,就是酒鬼才用手腕供养这些标准。。旨酒名家。

是你这么说的嘛!争吵充沛表现了霍姆斯敏捷的注意和使简洁的姿态。。

而是,是你这么说的嘛!坐果臀部的逻辑是:

攫取普通状况本应健康状况如何,注意现实状况尽管不愿意它是什么,比拟两者都。,你可以找到臀部的实际。。

比方:普通状况下,这样的独身珍贵的挂表应当细心忧虑。,
而是,现实上但他发现物表面上有很多伤口。,这些伤口必需遮挡起来。……

矫智的实质普通地在田地里回荡。。霍姆斯的坐果办法在学术课题中也接纳了海外的运用。。


2. 证明课题说话中肯黑箱——残差

本人文科学大范本的证明课题,咱们通常到达独身样品来周转事物。本应健康状况如何(回归样品的器材值),后来地再看一看现实的现实状况尽管不愿意它是什么(被解说变量的现实评论值),而是你这么说的嘛!二者暗中的离题(残差)所遮挡的通信便变成了咱们必要解说的重心。

咱们可以通知,在很多担任守队队员,普通地采用回归接纳的残差作为稍微要紧变量的加重值标志,而这些标志那时会作为随后辨析说话中肯被解说变量。这便是是你这么说的嘛!的霍姆斯坐果思惟的一种运用。像:

  • 在记述和公司将存入银行担任守队队员,课题盈余运用盈余团时,它是本信仰子年回归的残差。非常赞许地盈余的标志;
  • 事变课题法中,咱们用计算机计算每家公司的日常市材料。市场管理所样品(CAPM) 理想化的事物版),并采用残差来加重值。非常赞许地屈服 (非常赞许地) Return, AR)
  • 在公司投资行动的课题中,与现实投资偿还和可以印象的变量的回归,所得残差通常被招待不测投资,糟粕绝对离开被以为是负的。投资缺少,that的复数肯定的的人被以为是过度投资
  • 特别的消耗行动的课题中,它将采用异样的思绪。,用计算机计算消耗率方程后,残差度量非常赞许地消耗

有非常赞许地外表的判例和运用。。本文以中队投资行动课题为例。,绍介了这种样品的根本思惟。,并以STATA为例阐明了该思惟的创造列队行进。。


3. 课题榜样:过度投资与投资缺少

Richardson(2006,“Over-Investment of Free Cash Flow”) 课题了公司的投资行动。,体系了以下几种投资测定。:

  英夫利,t] = α + βX[i,T-1] + u[i,t]

样品说话中肯解说变量 英夫利,t] 是第 i 这家公司是第一名的。 t 2009年度新投资偿还,解说变量 X 次要包罗:公司生长机遇、杠杆率、公司生水垢、公司年纪、现钞存量、产权股票收益率、新投资偿还,因而年度和信仰笨蛋变量。。打扰项 u 它容纳各式各样的不成评论的评论坐果。,印象提姆公司投资偿还的电阻丝。比方,运用者的独特的风骨、公司文明、产业和微观层面的要价等。。

这些解说变量确定了公司新投资偿还的经常地程度,因而,回归样品器材值是T的测值。。

若用 Inv_fit 表现器材值,即 Inv_fit = α^ + β^*x[i,t] (喂),α^ 和 β^ 分袂表现决定因素 α 和 β 用计算机计算值,则样品残差下定义为: e = Inv - Inv_fit。它反射了公司的不测投资偿还。 设想 e 积极价值,公司走向过度投资;反而,它述语在。投资缺少更喜欢 。


4. Stata 运用

残差用计算机计算与器材值

推测决定因素 α 和 β 全部范本说话中肯常数 (以 Leverage 变量的独身判例,这述语 A 公司的亏累比率做加法了独身单位对投资的界限印象。 B 这家公司充分两者都。;或许,2009 年 Leverage 做加法独身单位对投资的界限印象。 2008 年和 2010 一年的期间也在不寻常的稻米。,这显然是独身非常赞许地僵硬的的推测。,残差与器材值的用计算机计算是独身非常赞许地复杂的成绩。:就在回归满足随后。 predict 命令那就够了。

为了手巧的讲师,喂运用 Stata 手册说话中肯独身示例材料用来阐明这点。。这些材料因为 Grunfeld & Griliches (1960,“Is aggregation necessarily bad?”)。他们用公司后期市场管理所牺牲和固定资产牺牲两个电阻丝解说了公司的总投资偿还。范本包罗了 10 家公司 1935-1954 年 20 年间的材料。

尽管不愿意他们的样品与 Richardson (2006) 设置有离题。,尽管不愿意腰槽样品残差的受精是互相亲属的。。

webuse grunfeld, clear      // 调入材料
reg invest mvalue kstock
predict inv_fit  // invest 器材值
predict E0, res   // 残差,必要添加 residual 选择权,可以缩写为 res
label var E0 "E0"
list comp year inv* E0 if MOD(年),5)==0, SEP(4)
*-Note: 投资-总投资偿还; 
*       市场管理所牺牲; 
*       固定资产牺牲

相当多的坐果列举如下。:

     +-------------------------------------------------+
     | company   year   invest     inv_fit          E0 |
     |-------------------------------------------------|
  1. |       1   1935    317.6    313.6896    3.910378 |
  6. |       1   1940    461.2    541.7413   -80.54128 |
 11. |       1   1945    561.2    577.8403   -16.64025 |
 16. |       1   1950    642.9    644.8065   -1.906509 |
     |-------------------------------------------------|
 21. |       2   1935    209.9     127.138    82.76198 |
 26. |       2   1940    361.6     270.496    91.10404 |
 31. |       2   1945    258.7    220.4178    38.28222 |
 36. |       2   1950    418.8    233.6664    18336 |
     |-------------------------------------------------|
 41. |       3   1935     33.1     1123   -82.02305 |
 46. |       3   1940     74.4    246.7319   -172.3319 |
 51. |       3   1945     93.6    263.0246   -169.4246 |
 56. |       3   1950     93.5    292.7397   -199.2397 |
     |-------------------------------------------------|

运用 xtline 命令可以很手巧的地创造是你这么说的嘛!坐果的想像:

xtline E0 if comp<=6, YLIN(0), lc(green) lp(dash))

输出图形为:

系数常数设定下的残差时序图

分类回归的残差

而是,推测决定因素 α 和 β 为常数现实上是独身非常赞许地僵硬的的设定,也缺少有理性。

咱们以 Leverage 变量的独身判例来阐明。是你这么说的嘛!推测述语 A 公司的亏累比率做加法了独身单位对投资的界限印象。 B 这家公司充分两者都。;或许,2009 年 Leverage 做加法独身单位对投资的界限印象。 2008 年和 2010 这一年的期间缺少什么分别。;虚构公司的 Leverage 对投资的界限印象也与零售业或将存入银行业的相同的人。。

因而,无论是在公司将存入银行担任守队队员死气沉沉的消耗担任守队队员,学会会员们通常会减弱是你这么说的嘛!推测。,像,容许不寻常的的信仰。 α 和 β 可以会有离题。,使相等是同信仰在不寻常的的年份。 α 和 β 它也可以使不适。。它必要子机关-次年度 停止回归,并分袂计算相当的残差。。

年残差为例,咱们可以运用圈陈述来满足是你这么说的嘛!作业。:

年变决定因素样品
*webuse grunfeld, clear

egen t = 组(年)  //到达 1,2, T 年份变量,转变原始材料不陆续
sum t
local T = R(max)  // 详尽地一年的期间
gen Et = .        // 用于记载残差的变量

forvalues i=1/`T''{
   qui reg invest mvalue kstock if t==`i'' // 分年度回归
   qui predict e_i if E(范本), res      // 第 t 年度预兆 
   qui replace Et = e_i if E(范本)      // 将第 t 年度预兆编号变量 E
   drop e_i
}

决定因素不变式样品的比拟
xtline E0 Et if comp<=6, YLIN(0), lc(pink*) lp(dash)) 

详尽地同类,依然运用 xtline 命令同时绘制两个时序图。,作相同的:

E0 和 Et 神经紧张的特点比拟


5. 不动脑筋的的 asreg 命令

极好的,咱们只在年度程度上停止分类回归。,但在现实运用列队行进中,可以有更复杂的必要条件。,像:

  • 偶然它必要两个维度。 (分年度-次机关),甚至学校教育回归是在多维层面上停止的。;它必要写信法二维嵌套圈陈述。
  • 在相当多的细分类说话中肯评论合计可以很小。,这样的咱们就不克不及停止回归。;此刻,Stata 可以告发错误的。,咱们必要提早迅速离开这些子群。。
  • 在相当多的课题中,为了充沛典当决定因素的工夫找头。,骨碌窗口回归也将停止。;此刻,顺序可以非常赞许地复杂。。

侥幸的是,它是,借助 Stata 表面命令 asreg,咱们可以简单明了地到达是你这么说的嘛!想要。。

asreg该命令可以以三种方法对范本停止分类,并给予线性的回归。,详尽地以到达新变量的排队贮存各组回归的对应数合计。

在内侧地,三种分类办法分袂为:

  • 骨碌窗口分类(骨碌) 窗口
  • 重现窗口分类(重现) 窗口
  • 普通分类

可以看出前两种分类办法的含意。 Stata 命令rolling的帮忙文件(help rolling),咱们在此处次要运用的是第三种分类方法,即普通分类。

使牢固 asreg 命令

可以在 Stata 命令窗口输出以下陈述:

net install asreg, replace

5.2 asreg 命令根本基本原理

asreg depvar indepvars [设想] [在] [,  
      window([rangevar] # ) 
      recursive 
      minimum( # ) 
      by(varlist) 
      statistics_options]
  • window 选择权:在骨碌窗口或重现窗口组中设置窗口程度。。
  • recursive 选择权:装设回归窗口的重现窗口分类(要不然),当设置窗口选择权时,,默许骨碌窗口分类回归。
  • by 选择权:为普通分类装设的组变量。
  • minimum(#) 选择权:分类回归说话中肯装设,给予各组回归所需的最小评论次数。当设置 min(#) 选择权时,在回归中运用的评论数将是解说数。 # 在内侧地较大的。设想独身组中容纳的评论值决不QuANT,相当的的新到达的变量是缺陷值。。

5.3 asreg 到达新变量

asreg 命令自动的到达装上尾巴 _ 开端时的新变量,分类回归的数数,互插数数与相当的变量的命名必须使用的:

数合计 命名必须使用的
注意值数 每个组中贮存回归评论数的变量。:
回归系数 贮存回归系数的变量的系统命名法将为PREF。 “_b_” 结合。
常数项 贮存常数项的变量的系统命名法是: _b_cons
R2 R2和R2将以系统命名法的排队贮存 _R2 和 _adjR2 变量中。
系数标准绝对离开 贮存回归系数标准绝对离开的变量系统命名法将以原解说变量系统命名法加前缀 “_se_” 结合。
残差 贮存残差的变量是: _residuals
器材值 贮存器材值的变量是: _fitted

注:设想缺少设置休息设置,asreg命令的默许贮存数数包罗:注意值数、回归系数、常数项、R2 装束 R2 。因而,求系数的标准绝对离开差、残差与器材值,您必要独自添加。sefit选择权(fit选择权同时获取残差与器材值)。

5.4 asreg 命令运用顺序 Stata 特例

攫取了这种兵器的运用随后,,咱们用两个判例来做现实操作。 asreg 的用法。

特例 1:过度投资与投资缺少

举详尽地独身判例,让咱们先运用它 asreg 来创造年残差。极好的冗杂的圈陈述此刻理想化的事物为一则命令:

*- 使生效 asreg 命令 -- 有线广播度分类回归计算残差
asreg invest mvalue kstock,  (年) fit

咱们将自动的到达其他全体员工变量以使守恒独身COP。 Et_as,连裤内衣人工把持行为准则腰槽。 Et 停止相同的 —— 充分两者都! 因而,它可以在未来牢固的运用。 asreg 了。

. gen Et_as = _residuals
*-相同的
. list comp year Et* if MOD(年),5)==0, SEP(4)
     +----------------------------------------+
     | company   year          Et       Et_as |
     |----------------------------------------|
  1. |       1   1935    1.709904    1.709904 |
  6. |       1   1940    3.309084    3.309084 |
 11. |       1   1945     33.3144     33.3144 |
 16. |       1   1950    17.55818    17.55818 |
     |----------------------------------------|
 21. |       2   1935    70.00819    70.00819 |
 26. |       2   1940    127.0704    127.0704 |
 31. |       2   1945    57.78962    57.78962 |
 36. |       2   1950    143.2945    143.2945 |
     |----------------------------------------|
 41. |       3   1935   -87.04494   -87.04494 |
 46. |       3   1940   -139.7101   -139.7101 |
 51. |       3   1945   -129.7079   -129.7079 |
 56. |       3   1950   -163.8177   -163.8177 |
     |----------------------------------------|

后面曾经提到,asreg 可以自动的到达多个数数通信。,让咱们检验。:

format _*    %4.3f
format _Nobs %2.0f
list comp year _Nobs  _adjR2  ///  // 范本数,R2-adj
     _b_mvalue _b_kstock      ///  // 变量系数用计算机计算
     _fitted _residuals       ///  器材值与残差
     if MOD(年),5)==0, SEP(4) 头

坐果列举如下:

  +----------------------------------------------------------------------------+
  | company   year   _Nobs   _adjR2   _b_mva~e   _b_kst~k   _fitted   剩余 |
  |----------------------------------------------------------------------------|
  |       1   1935      10    0.827      0.102     -0.002   315.890      1.710 |
  |       1   1940      10    0.793      0.095      0.202   457.891      3.309 |
  |       1   1945      10    0.880      0.108      0.050   527.886     33.314 |
  |       1   1950      10    0.817      0.176     -0.022   625.342     17.558 |
  |----------------------------------------------------------------------------|
  |       2   1935      10    0.827      0.102     -0.002   139.892     70.008 |
  |       2   1940      10    0.793      0.095      0.202   234.530    127.070 |
  |       2   1945      10    0.880      0.108      0.050   200.910     57.790 |
  |       2   1950      10    0.817      0.176     -0.022   275.505    143.295 |
  |----------------------------------------------------------------------------|
  |       3   1935      10    0.827      0.102     -0.002   120.145    -87.045 |
  |       3   1940      10    0.793      0.095      0.202   2110   -139.710 |
  |       3   1945      10    0.880      0.108      0.050   223.308   -129.708 |
  |       3   1950      10    0.817      0.176     -0.022   257.318   -163.818 |
  |----------------------------------------------------------------------------|

极好的的材料是一致面板,每家公司都有 20 年度评论,几乎独身就是三个未知决定因素的回归样品,,每个细分类有十足的范本规模。。但在稍微状况下,隐士子群说话中肯范本合计非常赞许地小。,它可以在这个时候运用。 min() 选择提早迅速离开这些子群。。

率先,咱们随机迅速离开相当多的注意坐果。,创造非一致板,于是公司分类回归,并想要每个公司反正知道 10 年度材料。

. webuse grunfeld, clear 
. set seed 13579 设定种子值,可以重复典当的坐果。
. sample 50      //随机拔出 50% 的注意值
. xtdes
. bysort comp: gen Ni = _N  每家公司的年份
. tab comp, sort   

    company |      Freq.     Percent        附有。
------------+-----------------------------------
          4 |         14       14.00       14.00
          9 |         12       12.00       26.00
         10 |         12       12.00       38.00
          5 |         11       11.00       49.00
          6 |         10       10.00       59.00
          7 |          9        9.00       68.00
          8 |          9        9.00       77.00
          1 |          8        8.00       85.00
          3 |          8        8.00       93.00
          2 |          7        7.00      100.00
------------+-----------------------------------
      Total |        100      100.00

可以看出,有 5 公司的范本生水垢缺少。 10 年,在随后的分类回归中,它们将被疏忽。 min(10) 创造选择权:

. asreg invest mvalue kstock, (COMP) min(10) fit 
. format _res %f
. list comp year Ni _res if MOD(年),4)==0, sep(COMP)
     +--------------------------------+
     | company   year   Ni   剩余 |
     |--------------------------------|
  1. |       1   1944    8          . |
  3. |       1   1936    8          . |
  4. |       1   1940    8          . |
  5. |       1   1948    8          . |
     |--------------------------------|
 11. |       2   1948    7          . |
 15. |       2   1940    7          . |
     |--------------------------------|
 16. |       3   1944    8          . |
 18. |       3   1936    8          . |
 19. |       3   1952    8          . |
 21. |       3   1948    8          . |
     |--------------------------------|
 26. |       4   1940   14      -4.08 |
 28. |       4   1952   14      -0.36 |
 30. |       4   1944   14      -9.04 |
 33. |       4   1936   14       7.28 |
 34. |       4   1948   14       1 |
     |--------------------------------|
 40. |       5   1944   11      -1.13 |
 41. |       5   1936   11       5.37 |
     |--------------------------------|
 51. |       6   1940   10      -6.31 |
 53. |       6   1948   10       7.21 |
 57. |       6   1936   10       5.76 |
     |--------------------------------|
 66. |       7   1944    9          . |
 67. |       7   1936    9          . |
     |--------------------------------|
 68. |       8   1940    9          . |
 72. |       8   1944    9          . |
     |--------------------------------|
 77. |       9   1944   12      16.23 |
 86. |       9   1948   12      -3 |
     |--------------------------------|
 90. |      10   1936   12      -0.23 |
 97. |      10   1952   12       8 |
 98. |      10   1944   12      -0.39 |
     +--------------------------------+

中队腰槽回归残差后,具有正残差的公司可以被估价是在的。过度投资,负残差的公司可以估价是在的。投资缺少。咱们绘制了公司年度的其他全体员工房地产。。

webuse grunfeld, clear 
asreg invest mvalue kstock, fit (公司)  
xtline _residuals, YLIN(0),lpattern(dot))

上图中,残差说摆脱源虚线的顶部。过度投资分得的财产,地球的为投资缺少分得的财产。

可以找到,堆积起来公司的回归残差非常赞许地临近。 0 的,这蠲这些公司的投资程度与沉思相符。。

仅前 3 家公司的回归残差涌现了内行无极限 0 的景象,蠲这些公司在过度投资或投资缺少。揭露哪些电阻丝落得了这些公司的投资受优先偿还的权利,接下来要做的是运用这些回归残差作为解说性VaR。,讨论休息电阻丝对其的印象。。

特例 2 :超额工钱

在下面的判例中,咱们发生同样的事物程度。,公司级)分类和计算残差。。让咱们视域独身在两个安排上对残差停止分类的判例。。

咱们课题了工钱确定电阻丝样品。,并在种族拥有两个安排的群组计算超额工钱(肯定的的,底片的)。

sysuse "", clear     // 调入材料
asreg wage age hours tenure collgrad married south, fit 经过(种族) 事业)  // 在参加比赛中、事业的两个维度是分类回归。,分袂求出了器材值和残差。

在腰槽超额工钱材料随后,咱们看一下超额工钱在各分类层面上所举起的特点。

graph hbox _residuals,  过(事业),) nooutsides 按事业画方格图

从下面可见,在各式各样的事业中,工钱程度比较地波动的是交通运输(Transport)和服务(Service)的职工,回归残差的平均值非常赞许地临近。 0 ,方差很小。。

工钱程度本质上的差距较大的是具有某专业资历的人(Professional/technical)、高管( Managers/admin),因而工作全体员工或对专业技不作想要的事业全体员工(Clerical/unskilled)。在这些事业中,工钱离题很大。,这蠲他们说话中肯相当多的人腰槽了内行的超额工钱。。

(注:相当多的事业集团缺少材料。,这是鉴于对应组说话中肯注意次数较次的。,因而,不克不及够停止回归用计算机计算。。)

twoway (kdensity _residuals if race==1,色(白色的) 图例(用放射性元素使示踪)(1) 白色的 ///    使用种族绘制密度作用图
       (kdensity _residuals if race==2,色(橙色的) 图例(用放射性元素使示踪)(2) 黑色 ///
       (kdensity _residuals if race==3,色(蓝色) 图例(用放射性元素使示踪)(3) 休息 ///
       , 名声(科尔(1))

从下面可见,在白人人和黑种人中。,他们说话中肯相当多的人有内行的超额工钱。,休息未成年的工钱普通比拟经常地。,残差集合在 0 临近。

况且,在that的复数赢得超额工钱的人当心,腰槽净空工钱(糟粕阳性的)的量内行大于所腰槽的量。超低工钱算术(负残差),这可以受到最低工钱法的印象。,工钱有法定上限。。

详尽地,让咱们视域看工会和非工会组织暗中的工钱卓越。。

twoway (柱状图) _residuals if union==0, 图例(用放射性元素使示踪)(1) 不愈合 ///
       (kdensity _residuals if union==1, 图例(用放射性元素使示踪)(2) 支持者

从下面可见,同意工会全体员工(union)充分的上腰槽了内行更多的净空工钱和更少的超低工钱,这是工会组织讨价还价能耐的表现。。


6. 尾声

如本文绪言所述,大范本的证明课题,样品残差的课题曾经运用到越来越多的担任守队队员。。

这臀部的逻辑是,经过相同的经常地状况现实状况两者都暗中在离题。非常赞许地状况

这种办法对判别稍微电阻丝对TH的印象有很大帮忙。。尽管不愿意,这种办法的运用也必要必然的必须先具备的。,这是第一件必要做的现实。经常地状况有十足的知。

比方,在绍介判例中,霍姆斯正确地受理,行觉醒中的键,独身人可不只是。这一现实,就是这样的咱们才干正确地判别挂表的专卖的是独身好的WI。。设想霍姆斯以为堆积起来人特许市拔出关键码,这么就缺少可以了。,不克不及够推断出麻袋主人的分别。。

甚至,设想霍姆斯以为俗人不运用钥匙看钥匙孔,T,因而,钥匙孔临近应当有更多的狙击。,他可以错误的地推断表的主人是独身当心的人。。

因而,当采用是你这么说的嘛!办法停止证明课题时,,确保样品是有理的。、充分的设定,所以使样品可以充沛阐明课题情人。,这样的才干真实地反射摆脱。经常地状况。这就想要咱们对先驱的课题成果有大好的掌握。,在先驱课题的根据,,同意你自己的思索。,就是这样的,样品残差才干被反射摆脱。非常赞许地状况,后来地咱们可以从中接纳正确的推断。。

不下于霍姆斯发言权:“在你接纳缠住违禁物标准酒精度垄断停止坐果是致命的错误的。,这将落得结果偏倚的的坐果。。援用此,与君共勉!


景象材料

盈余运用
  • Jones, J. J. Earnings management during import relief investigations [J]. Journal of Accounting Research, 1991, 29 (2): 193-228.
  • Dechow, P. M., Sloan, R. G., Sweeney, A. P. Detecting earnings management [J]. The Accounting Review, 1995, 70 (2): 193-225.
  • Dechow, P. M., Hutton, A. P., Kim, J. H., Sloan, R. G. Detecting Earnings Management: A New Approach [J]. Journal of Accounting Research, 2012, 50 (2): 275-334.
  • Roychowdhury, S. Earnings management through real activities manipulation [J]. Journal of Accounting and Economics, 2006, 42 (3): 335-370.
事变课题
  • Binder, J. The event study methodology since 1969 [J]. Review of Quantitative Finance and Accounting, 1998, 11 (2): 111-137.
  • Slovin M B, Sushka M E. Ownership Concentration, Corporate Control Activity, and Firm Value: Evidence from the Death of Inside 大隐名[ J ] Journal of Finance, 1993, 48(4):1293-1321.
  • 张鸣, 郭思永. 大隐名把持下的上升的增发和钱转变——因为中国1971股票上市的公司的经历标准酒精度[J]. 记述课题, 2009(5):80-88+99.
投资行动
  • Richardson, S. Over-investment of free cash flow [J]. Review of Accounting Studies, 2006, 11 (2): 159-189.
  • 张福甫, 被献给神的歌曲。 我国股票上市的公司投资:过度死气沉沉的缺少?——本沪深产业类股票上市的公司非效能投资的证明度量[J]. 记述课题, 2009(5):71-79+99.
  • 杨兴泉, 张赵楠, 吴昊旻. 管理经济状况、超额缠住现钞与过度投资——本我国股票上市的公司面板材料的辨析[J]. 南开大学运用评论, 2010, 13(5):61-69.
消耗行动
  • 朱业德, 连玉军, 黄有光, 李东慧。 消耗文明、认知离开与消耗者行动离开 [J]. 经济课题, 2012, (2): 80-92.

STATA并联的行为准则

几乎咱们

亲属咱们

  • 迎将样稿: 迎将您规定您的文字或笔记。政府联合会、联赛(公共地址) StataChina),咱们会保存你的署名。;稿件运用五篇不只是,那就够了收费腰槽 Stata 现场教养 (初级或特等) 资历。
  • 看与通信: 迎将您的珍贵看。,您还可以写信法恳求在推特中提到的顺序和材料。。
  • 吸收某人为新成员精英管理班子的一员: 迎将来咱们的队。,一同认识到 Stata。合著或作曲超越五份样稿。,那就够了收费腰槽 Stata 现场教养 (初级或特等) 资历。
  • 亲属驿送:StataChina@

优良的推文

StATA享用推特列表

Stata 现场教养同意

连玉军Stata现场班报名中

发表评论

电子邮件地址不会被公开。 必填项已用*标注