琼斯模型第二部分
5.假设检验 5.1应计利润模型
1节4中显示的描述性统计值能够解释成支持盈余管理假设，但是只有在假定当年与前年应计利润的差值只是源于操作性应计利润的变化值的时候才成立，因为非操作性应计利润假定每期不变。2为了释放该假设，我使用下面的用于总应计利润的期望模型来控制公司经济环境的变化：
TAit/Ait-1=αi[1/Ait-1]+β1i[ΔREVit/Ait-1]+ β2i[PPEit/Ait-1]+ξit （2） 其中：
TAit=第t年公司i总应计利润；
ΔREVit＝公司i第t年收入减去第t－1年收入的差值； PPEit＝第t年公司i原始不动产、厂房和设备； Ait-1＝公司i第t－1年的总资产； ξit＝公司i第t年的误差项； i＝1，…，N公司编号（N＝23）；
t＝1，…，Ti，公司i估计期间内的年份的编号（Ti范围是14年到32年）。 1为了提供一个较长时间序列的观察值，本节报告的盈余管理假设检验中使用的总应计利润的定义 是由节4中使用的定义修改过的。2本节中使用的总应计利润的测度值没有调整长期债务到期部分和应付所得税，因为有些早期的观察值在Comprstat tapes中找不到。3剔除长期债务到期部分和应付所得税调整部分使每个公司观察值的平均数量从12.9提高到了25.2.
1在方程（2）中，原始不动产、厂房、设备和收入的变化值被包含在模型中用来控制条件变化引 起的非操作性应计利润的变化值。2总应计利润（TA）包括运营资本帐户的变化值，比如应收账款、存货和应付账款，它们在某种程度上取决于收入的变化值。3 收入被用来控制公司的经济环境，因为他们是经理人员操纵之前公司运营的客观测度变量，但是它并不是完全外生的变量。4原始不动产、厂房、设备被包括进来控 制总应计利润中与非操作性折旧费用相关的部分。5原始不动产、厂房、设备被包括在期望模型中，而不是这些帐户的变化值被包含在模型中，因为总折旧费用（与 折旧费用变化值对照）被包含在了总应计利润的测度变量中。6应计利润期望模型中所有变量都由滞后总资产按比例调整用以降低异方差性。7像 Kamenta[1986]描述的那样，加权最小二乘法估计带有异方差干扰项的回归模型（例如，没有按比例调整的回归模型）可以通过在回归方程两边除以干 扰项方差的一个估计值（也就是，得到一个按比例调整的回归模型）。8在本例中，滞后资产（Ait-1）被假定为由干扰项的方差正相关。
1普通最小二乘法被用来分别获得αi、β1i、β2i的估计值ai、b1i、b2i。2该模型假定非操作性应计利润和解释变量之间的关系是固定的。3预测误差定义如下：
uip=TAip/Aip-1－(ai[1/Aip-1]+bip[ΔREVip/Aip-1]+b2i[PPEip/Aip-1]) (3)
4其中p＝包括在预测期间内的年份的编号。5预测误差uip代表时期p操作性应计利润的水平。6本模型使用每个公司year-1之前存在的最长时间序列的观察值进行估计。7使用最长的时间序列观察值提高了估计的效率，也提高了估计期间发生的结构变化的可能性。 1表4提供了使用year-2以前存在的所有观察值估计的多元回归的描述性统计值。2平均参 差一阶自相关系数是-0.171。3Durbin-Watson双尾检验统计值显示对于23个公司中的17个公司在0.05的水平上一阶自相关不显著，对 于剩下的6个公司无法下结论。4不动产、厂房和设备平均值的估计系数是负的（-0.033），这是被预测的符号，因为不动产、厂房和设备与降低收入的应计 利润相关（也就是，折旧费用）。5收入变化值的系数的预期的符号不是很明显，因为收入给定变化值能够导致一些运营资本帐户中增加收入的变化（例如，应收账 款增加）和导致其他帐户降低收入的变化（应付账款增加）。6收入变化值的平均值的估计系数是0.035，而中位数是-0.008。7回归方程的平均的R2 是0.232。
TAit/Ait-1=αi[1/Ait-1]+β1i[ΔREVit/Ait-1]+ β2i[PPEit/Ait-1]+ξit 其中：
TAit=第t年公司i总应计利润；
ΔREVit＝公司i第t年收入减去第t－1年收入的差值； PPEit＝第t年公司i原始不动产、厂房和设备； Ait-1＝公司i第t－1年的总资产； ξit＝公司i第t年的误差项； i＝1，…，23公司编号；
t＝1，…，Ti，公司i估计期间内的年份的编号。
总应计利润的组成部分如下：TAt=[△Current Assetst(4)- △Casht(1)]－[△Current Liabilitiest(5)]－Depreciation and Amortization Expenset(14)，其中变化值（△）是用时期t时期t-1之间的差值计算的；Compustat数据项的数目附加其中。该回归方程是使用 year-1之前存在的数据估计的。
b 前四分位值和后四分位值分别是分部的第一和第三四分位值。
1盈余管理假设的检验是基于year-1到year0期间对操作性应计利润、uip的估计。 2检验经理人员操作性应计利润总体显著性的一个方法是计算标准预测误差，这个和Patell[1976] 的做法很相似。3对于每个预测误差，一个估计的标准差， （uip），被计算出来。4如果预测误差是服从正态分布，那么下面的预测误差与其标准差的比值服从自由度Ti-3的t分布。
Vip=uip/ （uip） (4)
5Vips被称作“标准预测误差”。6在Patell之后，中心极限定理可以被用来计算下面的检验统计值：
Zvp= (5)
如果预测误差在横截面上是独立的，它的渐近分布可以被看作服从单尾正态的偏态分布。6在该检 验中，0假设是在进口援助调查期间平均预测值的误差（也就是，操作性应计利润）大于或者等于0。7横截面相互关系的存在导致违背了检验统计量的假设前提， 因此，基于Z统计量的任何推论必须要小心作出。8在节5.5中进行了一个检验，说明了横截面相关问题。
1由于两个鞋子案例被ITC（比如，在1984年和1985年）调查的事实，两套检验被执 行：把1984年和1985年都作为鞋子行业的year0。2将1984年作为year0看待在文章主体中报告，将1985将作为year0看待在脚注部 分报告。3在脚注部分报告的将1985年作为year0时，其结果更支持盈余管理假设。
1表5列示了Vip（标准预测误差）和相关的Zvp统计值。2Vip是基于各期估计的总应计 利润期望模型（见方程（2）和方程（3））的预测误差，估计时使用了经过year-2仍然存在的数据。3year-1和year0的Z统计值分别是 -0.372（单尾检验显著性水平是0.356）和-3.459（单尾检验显著性水平是0.0003）。4因此，year0提供了证据支持盈余管理假设的 证据，而year-1没有。5year+1期的Z统计值是-1.228，单尾显著性水平是0.109。6基于这个检验，表明上看好像在year+1期没有 向相反方向调操作性应计利润，这个和表3中显示的描述性统计结果一致。
变量的矩阵，Xp是预测期的矩阵，uip是预测误差，p是预测年份，si是来自下列回归模型估计值的标准误差：
TAit/Ait-1=αi[1/Ait-1]+β1i[ΔREVit/Ait-1]+ β2i[PPEit/Ait-1]+ξit 其中：
TAit=第t年公司i总应计利润；
ΔREVit＝公司i第t年收入减去第t－1年收入的差值； PPEit＝第t年公司i原始不动产、厂房和设备； Ait-1＝公司i第t－1年的总资产； ξit＝公司i第t年的误差项； i＝1，…，N公司编号（N＝23）；
t＝1，…，Ti，公司i估计期间内的年份的编号。
总应计利润（TAt）组成部分如下：TAt=[△Current Assetst(4)- △Casht(1)]－[△Current Liabilitiest(5)]－Depreciation and Amortization Expenset(14)，其中变化值（）是用时期t时期t-1之间的差值计算的；Compustat数据项的数目附加其中。该回归方程是使用year- 1之前存在的数据估计的。
b 是ITC完成调查的当年，而year-1是前一年，year+1是后一年。鞋子行业的year0是1984年。
c ZVP统计值是用下式计算的： 其中Ti是估计期间年数。
值（DA）：
TAit/Ait-1=αi[1/Ait-1]+β1i[ΔREVit/Ait-1]+ β2i[PPEit/Ait-1]+ξit 其中：
TAit=第t年公司i总应计利润；
ΔREVit＝公司i第t年收入减去第t－1年收入的差值； PPEit＝第t年公司i原始不动产、厂房和设备； Ait-1＝公司i第t－1年的总资产； ξit＝公司i第t年的误差项； i＝1，…，N公司编号（N＝23）；
t＝1，…，Ti，公司i估计期间内的年份的编号。
总应计利润（TAt）组成部分如下：TAt=[△Current Assetst(4)- △Casht(1)]－[△Current Liabilitiest(5)]－Depreciation and Amortization Expenset(14)，其中变化值（△）是用时期t时期t-1之间的差值计算的；Compustat数据项的数目附加其中。该回归方程是使用 year-1之前存在的数据估计的。该回归模型对year-1前存在的年份都进行估计。非操作性应计利润（NA）是基于来自方程估计的回归系数的预测值。 操作性应计利润（DA）相关的预测误差。△NI是净收入的便会值除以之后资产。△CF是现金流量变化值除以滞后资产，其中现金流量被定义为盈余和总应计利 润之间差值。本表中的△NI和△CF有别于表3中的△NI和△CF，原因是本表中报告的帐户包括所得税。
1表6按照公司和行业报告了用滞后资产调整的净收入的变化、现金流量的变化、估计的非操作性 应计利润、估计的操作性应计利润和收入的变化。2Wilcoxon符号等级检验显示year0的操作性应计利润显著小于0，显著性水平是0.001。3行 业数据被公布出来是为了提供关于财务变量和ITC最终决定关系的信息。4对数据的评价并不能得到一个结果表明财务变量和ITC决定之间有明显的关系。5例 如，汽车行业不仅有最大的负的现金流量的变化，而且有最大的降低收入的操作性应计利润，然而该行业没有被认定为进口损害（也就是，ITC作出了一个不赞成 决定）。6由于该样本中包含的行业数量有限，对各种财务变量和ITC决定间的关系进行统计检验是不可能的。
5.2对模型误设进行检验
1回归模型残差的散点图没有显示非正常应计利润和收入收入变化的非线性关系；因 此，year0期的负残差看上去不是模型误设类型的结果。2为了获得在收入大幅度下降时期内额外的关于可能的模型误设信息，应计利润期望模型估计了不包含 在ITC调查样本中的459个公司。3这459个公司代表了不包含在ITC调查样本中的所有公司，它们在Compustat（1961-85）上都有25 年的数据。4从1980年到1985年的每个数据的残差都除以了来自估计的回归模型的标准误差，最终得到2754个Vit数据值。5这些Vit数据值根据 经过
资产调整的收入的变化值的大小分成了区间相等的十个部分。（decile:(statistics) any of
nine points that divided a distribution of ranked scores into equal intervals where each interval contains one-tenth of the scores）
1表7前两列报告了每个部分的滞后资产调整的收入变化值的平均值和Vit值。2纵观各部分的 ΔREVit/Ait-1和Vit没有发现两个变量之间存在任何系统关系。3这两个变量之间系统的关系可能暗示着非操作性应计利润模型是误设的。4因为 ITC调查期间样本经过总资产调整的year0期收入变化的平均值（表3是-0.188）在表7部分1中下降了，同样需要比较部分1和其他部分平均的 Vit提供证据支持在收入极端变化情况下非操作性应计利润模型没有误设。
1本文计算了每部分均值Vit配对比较并把显著性水平列在表7中。2关键的问题是包含收入最 大下降幅度的部分的均值Vit是不是和其他部分不同。3如果发现部分1有其他部分显著不同，可能就暗示当收入变化很大并且为负的时候该盈余期望模型是不适 合的。4表7中显示的结果表明部分1和其他任何一部分中最显著的差异是在0.171的水平上显著。5部分1的均值Vit大于部分3和5的均值，小于其他部 分的均值。6部分3具有最小的Vit值，是唯一一个与其他部分相比在0.10或者更小的显著性水平上不同的部分。7该分析提供了一些证据证明ITC样本在 year0期显著为负的Z统计值不是由于期望模型不能预测严重经济衰退时期的应计利润。
最大的，第十个部分（decile10）是提高最大的。F检验的0假设是（来自于ANOVA）每一十分之一部分Vits均值都是相等的。结果的 F统计值是0.9216，其显著性水平是0.5049. Vits是通过对459家公司1980年到1985年数据计算的（样本量是2754）。Vits被计算为eit/si,其中eit是来自于下面回归的残 差，si是来自于下面模型的标准差（对每个公司从1961年到1985年的区间进行估计）。
TAit/Ait-1=αi[1/Ait-1]+β1i[ΔREVit/Ait-1]+ β2i[PPEit/Ait-1]+ξit 其中：
TAit=第t年公司i总应计利润；
ΔREVit＝公司i第t年收入减去第t－1年收入的差值； PPEit＝第t年公司i原始不动产、厂房和设备； Ait-1＝公司i第t－1年的总资产； ξit＝公司i第t年的误差项； i＝1，…，N公司编号（N＝23）；
t＝1，…，Ti，公司i估计期间内的年份的编号。
总体应计利润的组成（TAt）如下：TAt=[△Current Assetst(4)- △Casht(1)]－[△Current Liabilitiest(5)]－Depreciation and Amortization Expenset(14
琼斯模型第二部分
5.假设检验 5.1应计利润模型
1节4中显示的描述性统计值能够解释成支持盈余管理假设，但是只有在假定当年与前年应计利润的差值只是源于操作性应计利润的变化值的时候才成立，因为非操作性应计利润假定每期不变。2为了释放该假设，我使用下面的用于总应计利润的期望模型来控制公司经济环境的变化：
TAit/Ait-1=αi[1/Ait-1]+β1i[ΔREVit/Ait-1]+ β2i[PPEit/Ait-1]+ξit （2） 其中：
TAit=第t年公司i总应计利润；
ΔREVit＝公司i第t年收入减去第t－1年收入的差值； PPEit＝第t年公司i原始不动产、厂房和设备； Ait-1＝公司i第t－1年的总资产； ξit＝公司i第t年的误差项； i＝1，…，N公司编号（N＝23）；
t＝1，…，Ti，公司i估计期间内的年份的编号（Ti范围是14年到32年）。 1为了提供一个较长时间序列的观察值，本节报告的盈余管理假设检验中使用的总应计利润的定义 是由节4中使用的定义修改过的。2本节中使用的总应计利润的测度值没有调整长期债务到期部分和应付所得税，因为有些早期的观察值在Comprstat tapes中找不到。3剔除长期债务到期部分和应付所得税调整部分使每个公司观察值的平均数量从12.9提高到了25.2.
1在方程（2）中，原始不动产、厂房、设备和收入的变化值被包含在模型中用来控制条件变化引 起的非操作性应计利润的变化值。2总应计利润（TA）包括运营资本帐户的变化值，比如应收账款、存货和应付账款，它们在某种程度上取决于收入的变化值。3 收入被用来控制公司的经济环境，因为他们是经理人员操纵之前公司运营的客观测度变量，但是它并不是完全外生的变量。4原始不动产、厂房、设备被包括进来控 制总应计利润中与非操作性折旧费用相关的部分。5原始不动产、厂房、设备被包括在期望模型中，而不是这些帐户的变化值被包含在模型中，因为总折旧费用（与 折旧费用变化值对照）被包含在了总应计利润的测度变量中。6应计利润期望模型中所有变量都由滞后总资产按比例调整用以降低异方差性。7像 Kamenta[1986]描述的那样，加权最小二乘法估计带有异方差干扰项的回归模型（例如，没有按比例调整的回归模型）可以通过在回归方程两边除以干 扰项方差的一个估计值（也就是，得到一个按比例调整的回归模型）。8在本例中，滞后资产（Ait-1）被假定为由干扰项的方差正相关。
1普通最小二乘法被用来分别获得αi、β1i、β2i的估计值ai、b1i、b2i。2该模型假定非操作性应计利润和解释变量之间的关系是固定的。3预测误差定义如下：
uip=TAip/Aip-1－(ai[1/Aip-1]+bip[ΔREVip/Aip-1]+b2i[PPEip/Aip-1]) (3)
4其中p＝包括在预测期间内的年份的编号。5预测误差uip代表时期p操作性应计利润的水平。6本模型使用每个公司year-1之前存在的最长时间序列的观察值进行估计。7使用最长的时间序列观察值提高了估计的效率，也提高了估计期间发生的结构变化的可能性。 1表4提供了使用year-2以前存在的所有观察值估计的多元回归的描述性统计值。2平均参 差一阶自相关系数是-0.171。3Durbin-Watson双尾检验统计值显示对于23个公司中的17个公司在0.05的水平上一阶自相关不显著，对 于剩下的6个公司无法下结论。4不动产、厂房和设备平均值的估计系数是负的（-0.033），这是被预测的符号，因为不动产、厂房和设备与降低收入的应计 利润相关（也就是，折旧费用）。5收入变化值的系数的预期的符号不是很明显，因为收入给定变化值能够导致一些运营资本帐户中增加收入的变化（例如，应收账 款增加）和导致其他帐户降低收入的变化（应付账款增加）。6收入变化值的平均值的估计系数是0.035，而中位数是-0.008。7回归方程的平均的R2 是0.232。
TAit/Ait-1=αi[1/Ait-1]+β1i[ΔREVit/Ait-1]+ β2i[PPEit/Ait-1]+ξit 其中：
TAit=第t年公司i总应计利润；
ΔREVit＝公司i第t年收入减去第t－1年收入的差值； PPEit＝第t年公司i原始不动产、厂房和设备； Ait-1＝公司i第t－1年的总资产； ξit＝公司i第t年的误差项； i＝1，…，23公司编号；
t＝1，…，Ti，公司i估计期间内的年份的编号。
总应计利润的组成部分如下：TAt=[△Current Assetst(4)- △Casht(1)]－[△Current Liabilitiest(5)]－Depreciation and Amortization Expenset(14)，其中变化值（△）是用时期t时期t-1之间的差值计算的；Compustat数据项的数目附加其中。该回归方程是使用 year-1之前存在的数据估计的。
b 前四分位值和后四分位值分别是分部的第一和第三四分位值。
1盈余管理假设的检验是基于year-1到year0期间对操作性应计利润、uip的估计。 2检验经理人员操作性应计利润总体显著性的一个方法是计算标准预测误差，这个和Patell[1976] 的做法很相似。3对于每个预测误差，一个估计的标准差， （uip），被计算出来。4如果预测误差是服从正态分布，那么下面的预测误差与其标准差的比值服从自由度Ti-3的t分布。
Vip=uip/ （uip） (4)
5Vips被称作“标准预测误差”。6在Patell之后，中心极限定理可以被用来计算下面的检验统计值：
Zvp= (5)
如果预测误差在横截面上是独立的，它的渐近分布可以被看作服从单尾正态的偏态分布。6在该检 验中，0假设是在进口援助调查期间平均预测值的误差（也就是，操作性应计利润）大于或者等于0。7横截面相互关系的存在导致违背了检验统计量的假设前提， 因此，基于Z统计量的任何推论必须要小心作出。8在节5.5中进行了一个检验，说明了横截面相关问题。
1由于两个鞋子案例被ITC（比如，在1984年和1985年）调查的事实，两套检验被执 行：把1984年和1985年都作为鞋子行业的year0。2将1984年作为year0看待在文章主体中报告，将1985将作为year0看待在脚注部 分报告。3在脚注部分报告的将1985年作为year0时，其结果更支持盈余管理假设。
1表5列示了Vip（标准预测误差）和相关的Zvp统计值。2Vip是基于各期估计的总应计 利润期望模型（见方程（2）和方程（3））的预测误差，估计时使用了经过year-2仍然存在的数据。3year-1和year0的Z统计值分别是 -0.372（单尾检验显著性水平是0.356）和-3.459（单尾检验显著性水平是0.0003）。4因此，year0提供了证据支持盈余管理假设的 证据，而year-1没有。5year+1期的Z统计值是-1.228，单尾显著性水平是0.109。6基于这个检验，表明上看好像在year+1期没有 向相反方向调操作性应计利润，这个和表3中显示的描述性统计结果一致。
变量的矩阵，Xp是预测期的矩阵，uip是预测误差，p是预测年份，si是来自下列回归模型估计值的标准误差：
TAit/Ait-1=αi[1/Ait-1]+β1i[ΔREVit/Ait-1]+ β2i[PPEit/Ait-1]+ξit 其中：
TAit=第t年公司i总应计利润；
ΔREVit＝公司i第t年收入减去第t－1年收入的差值； PPEit＝第t年公司i原始不动产、厂房和设备； Ait-1＝公司i第t－1年的总资产； ξit＝公司i第t年的误差项； i＝1，…，N公司编号（N＝23）；
t＝1，…，Ti，公司i估计期间内的年份的编号。
总应计利润（TAt）组成部分如下：TAt=[△Current Assetst(4)- △Casht(1)]－[△Current Liabilitiest(5)]－Depreciation and Amortization Expenset(14)，其中变化值（）是用时期t时期t-1之间的差值计算的；Compustat数据项的数目附加其中。该回归方程是使用year- 1之前存在的数据估计的。
b 是ITC完成调查的当年，而year-1是前一年，year+1是后一年。鞋子行业的year0是1984年。
c ZVP统计值是用下式计算的： 其中Ti是估计期间年数。
值（DA）：
TAit/Ait-1=αi[1/Ait-1]+β1i[ΔREVit/Ait-1]+ β2i[PPEit/Ait-1]+ξit 其中：
TAit=第t年公司i总应计利润；
ΔREVit＝公司i第t年收入减去第t－1年收入的差值； PPEit＝第t年公司i原始不动产、厂房和设备； Ait-1＝公司i第t－1年的总资产； ξit＝公司i第t年的误差项； i＝1，…，N公司编号（N＝23）；
t＝1，…，Ti，公司i估计期间内的年份的编号。
总应计利润（TAt）组成部分如下：TAt=[△Current Assetst(4)- △Casht(1)]－[△Current Liabilitiest(5)]－Depreciation and Amortization Expenset(14)，其中变化值（△）是用时期t时期t-1之间的差值计算的；Compustat数据项的数目附加其中。该回归方程是使用 year-1之前存在的数据估计的。该回归模型对year-1前存在的年份都进行估计。非操作性应计利润（NA）是基于来自方程估计的回归系数的预测值。 操作性应计利润（DA）相关的预测误差。△NI是净收入的便会值除以之后资产。△CF是现金流量变化值除以滞后资产，其中现金流量被定义为盈余和总应计利 润之间差值。本表中的△NI和△CF有别于表3中的△NI和△CF，原因是本表中报告的帐户包括所得税。
1表6按照公司和行业报告了用滞后资产调整的净收入的变化、现金流量的变化、估计的非操作性 应计利润、估计的操作性应计利润和收入的变化。2Wilcoxon符号等级检验显示year0的操作性应计利润显著小于0，显著性水平是0.001。3行 业数据被公布出来是为了提供关于财务变量和ITC最终决定关系的信息。4对数据的评价并不能得到一个结果表明财务变量和ITC决定之间有明显的关系。5例 如，汽车行业不仅有最大的负的现金流量的变化，而且有最大的降低收入的操作性应计利润，然而该行业没有被认定为进口损害（也就是，ITC作出了一个不赞成 决定）。6由于该样本中包含的行业数量有限，对各种财务变量和ITC决定间的关系进行统计检验是不可能的。
5.2对模型误设进行检验
1回归模型残差的散点图没有显示非正常应计利润和收入收入变化的非线性关系；因 此，year0期的负残差看上去不是模型误设类型的结果。2为了获得在收入大幅度下降时期内额外的关于可能的模型误设信息，应计利润期望模型估计了不包含 在ITC调查样本中的459个公司。3这459个公司代表了不包含在ITC调查样本中的所有公司，它们在Compustat（1961-85）上都有25 年的数据。4从1980年到1985年的每个数据的残差都除以了来自估计的回归模型的标准误差，最终得到2754个Vit数据值。5这些Vit数据值根据 经过
资产调整的收入的变化值的大小分成了区间相等的十个部分。（decile:(statistics) any of
nine points that divided a distribution of ranked scores into equal intervals where each interval contains one-tenth of the scores）
1表7前两列报告了每个部分的滞后资产调整的收入变化值的平均值和Vit值。2纵观各部分的 ΔREVit/Ait-1和Vit没有发现两个变量之间存在任何系统关系。3这两个变量之间系统的关系可能暗示着非操作性应计利润模型是误设的。4因为 ITC调查期间样本经过总资产调整的year0期收入变化的平均值（表3是-0.188）在表7部分1中下降了，同样需要比较部分1和其他部分平均的 Vit提供证据支持在收入极端变化情况下非操作性应计利润模型没有误设。
1本文计算了每部分均值Vit配对比较并把显著性水平列在表7中。2关键的问题是包含收入最 大下降幅度的部分的均值Vit是不是和其他部分不同。3如果发现部分1有其他部分显著不同，可能就暗示当收入变化很大并且为负的时候该盈余期望模型是不适 合的。4表7中显示的结果表明部分1和其他任何一部分中最显著的差异是在0.171的水平上显著。5部分1的均值Vit大于部分3和5的均值，小于其他部 分的均值。6部分3具有最小的Vit值，是唯一一个与其他部分相比在0.10或者更小的显著性水平上不同的部分。7该分析提供了一些证据证明ITC样本在 year0期显著为负的Z统计值不是由于期望模型不能预测严重经济衰退时期的应计利润。
最大的，第十个部分（decile10）是提高最大的。F检验的0假设是（来自于ANOVA）每一十分之一部分Vits均值都是相等的。结果的 F统计值是0.9216，其显著性水平是0.5049. Vits是通过对459家公司1980年到1985年数据计算的（样本量是2754）。Vits被计算为eit/si,其中eit是来自于下面回归的残 差，si是来自于下面模型的标准差（对每个公司从1961年到1985年的区间进行估计）。
TAit/Ait-1=αi[1/Ait-1]+β1i[ΔREVit/Ait-1]+ β2i[PPEit/Ait-1]+ξit 其中：
TAit=第t年公司i总应计利润；
ΔREVit＝公司i第t年收入减去第t－1年收入的差值； PPEit＝第t年公司i原始不动产、厂房和设备； Ait-1＝公司i第t－1年的总资产； ξit＝公司i第t年的误差项； i＝1，…，N公司编号（N＝23）；
t＝1，…，Ti，公司i估计期间内的年份的编号。
总体应计利润的组成（TAt）如下：TAt=[△Current Assetst(4)- △Casht(1)]－[△Current Liabilitiest(5)]－Depreciation and Amortization Expenset(14