【摘要】本文以2010年滬深兩市2 035家A股上市公司為樣本，選擇交易性金融資產、公允價值變動損益、研發支出費用化和壞賬準備轉回等四項具有代表性的會計政策，并從關聯規則方面挖掘會計政策選擇的重要影響因素，對會計政策選擇策略系數計量進行了改進。隨后運用逐步回歸分析法得到最優模型，其Adj-R2提高到了0.131 8。本文研究得到了與以往研究結果不同的信息，即在證監會監管政策的約束下，再融資公司確實更有可能選擇減少盈余會計政策，而以市場化進程和地區產權保護指數為代表的外部環境因素對會計政策選擇的影響超過公司內部因素和證券市場監管因素。
【關鍵詞】會計政策選擇策略系數 計量 數據挖掘
一、現行會計政策選擇策略系數計量方法評價
1. Zmijiewski和Hagerman早在1981年就提出并創造了“會計政策選擇策略系數”的計量方法，用于檢驗公司整組會計政策選擇狀況。其計算過程分為六步：①選擇四種具有代表性的會計政策，并按照對盈余的影響方向將每種會計政策的不同選擇進行分類定義；②對四種代表性會計政策進行排列組合；③假設各種會計政策選擇對盈余有一定的影響程度，據此運用多種賦值方法對每一個會計政策組合賦予一個策略值，形成不同系列的策略值；④選擇互不關聯的獨立變量代替影響會計政策選擇的主要因素或動機；⑤建立回歸分析模型并進行分析，其中不同系列的策略值為被解釋變量，影響因素為解釋變量，見模型（1）；⑥選擇回歸結果最好的一組系列策略值作為會計政策選擇策略系數。
策略i=C0+C1報酬計劃i+C2行業集中比率i+C3風險系數i+C4規模i+C5資本密集度i+C6負債比率i （1）
其中，i為企業個數。報酬計劃等6項影響因素的測定符號依次為：（+）（-）（-）（-）（-）（+）。
根據上述計算過程所顯示的科學內涵，筆者試作如下定義：會計政策選擇策略系數是度量企業會計政策選擇總體狀況的一種量化指標；研究者依據企業會計政策選擇現狀，選取有代表性的會計政策進行分類定義和組合；對每種組合（即不同的選擇策略）采用一定的方法賦予策略值，不同的賦值方法形成不同系列的策略值；預期會計政策選擇受內外部影響的主要因素選擇相應變量替代。會計政策選擇策略系數是指能恰當反映內外部影響因素對會計政策組合選擇影響程度差異的一組系列策略值。每個企業在特定會計年度的實際會計政策組合策略均可以用一個策略值來反映，策略值的高低表示企業選擇增加或減少當期報告盈余的會計政策可能性的大小。
會計政策選擇策略系數是一個信息高度濃縮的指標：一方面，它是對企業整體會計政策選擇狀況的總體反映；另一方面，它又是對會計政策選擇信息的動態描述，是一個包含不同時間、不同企業、不同會計政策、不同影響因素的四維信息指數系統。可以說，Zmijiewski和Hagerman（1981）的研究具有里程碑的意義，它根除了已有研究中對企業會計政策選擇狀況缺乏總體評價和計量指標的不足。其價值主要體現在：①有利于企業進行自我評價。通過橫向比較某一時期的綜合會計政策選擇策略系數，企業管理當局可以了解和比較本企業的會計政策選擇總體狀況，建立個體會計政策選擇策略系數。通過縱向比較，企業能夠明了會計政策選擇變動軌跡，及時調整不恰當的會計政策。②有利于政府宏觀經濟政策的制定和實施。會計政策選擇策略系數代表了對應時期企業整體會計政策選擇狀況，據此政策制定者可以分析與企業會計政策選擇相關的各種經濟現象和問題，如我國上市公司利用會計政策選擇進行“大清洗”等，并進行相應的政策調整。③有利于會計理論與實務問題研究。例如，可以考察會計政策選擇策略系數與股票價格指數之間的內在聯系等。對于研究者而言，上市公司年度報告附注提供了大量的會計政策選擇方面的信息，但是面對冗長的年報附注，如果不加以整理，信息使用者會無所適從。會計政策選擇策略系數的計算可以使這一復雜問題簡單化。
會計政策選擇總體計量指標的構建表明，會計政策選擇的研究領域已經大大拓寬，該項研究的科學性也在增強。但是，Zmijiewski和Hagerman（1981）的截面組合模型（1）R2的最高值僅有0.090 66，表明該模型不夠完善。Zmijiewski和Hagerman（1981）會計政策選擇策略系數計算步驟上還存在著一些缺陷。①計算過程第一步即企業會計政策選擇中，只選用存貨計價、折舊計提、投資減免稅和以往服務退休金成本的攤銷期限等四種會計政策，而會計政策眾多，有代表性的會計政策也不只上述9種，用這9種會計政策來計算會計政策選擇策略系數未免有些偏狹，但他們并沒有說明這一選擇的原因，只是談到了這四種政策的政治成本和契約動因的差異（Hagerman、Zmijewski，1979）。②計算過程第三步多種賦值方法的實用性較差，它并未對各種會計政策選擇對盈余影響程度的人為假設加以證實。他們首先假設四種會計政策對盈余的影響程度相同并據此賦予一組策略值，之后假定四種會計政策對盈余的影響程度分別為1、1/2、1/2、1/4，并再賦予一組策略值。客觀地說，各種會計政策選擇對盈余的影響程度是一個較難測定的問題，不同行業、不同企業、不同資產構成等都會對其產生影響。③計算過程第四步影響因素的選擇不很恰當，因為其與會計政策選擇策略系數的關聯性較弱，模型（1）的R2值較低。
2. 我國學者曾分別以部分省市上市公司、部分行業板塊上市公司或滬深兩市A股上市公司為樣本，對會計政策選擇策略及其多樣性進行了研究（梁杰等，2004；徐維蘭、曹建安，2004；田昆儒、姚會娟，2008；邵翠麗，2009；梁杰、徐晉，2010）。他們研究的內容涉及會計政策的存貨發出計價、固定資產折舊、三大減值政策的選擇、交易性金融資產、可供出售金融資產、投資性房地產（公允價值計量模式）、債務重組損益、商譽、非貨幣性資產交換等。這些研究均采用了Zmijiewski和Hagerman（1981）的方法，缺陷即是對會計政策選擇策略主觀賦值、對代表性會計政策隨意選擇，而對影響因素的選擇是基于機會主義行為觀，如選擇公司特征、盈余管理動機等影響因素。
劉斌、胡媛（2006）認為Zmijiewski和Hagerman（1981）對盈余影響程度的賦值方法只針對四種會計政策，缺乏全面性和充分性，應以截面修正Jones模型進行操控性應計利潤的分離，來計量組合會計政策選擇對企業盈余的影響。但作者對納入模型的組合會計政策選擇方法的原因并沒有說清楚，難免存在主觀隨意性，其可信度不高。顏敏等（2004）結合我國A股上市公司2001年報數據對會計政策選擇策略系數建模并進行分析，因當時的會計信息披露不全面，具有代表性會計政策選用的是大多數上市公司都披露的壞賬準備計提、存貨發出計價、折舊計提和所得稅核算等四種，重要影響因素則采用描述性統計和參數檢驗方法選擇外資股、經營現金凈流量、每股經營現金凈流量、第1大股東和第1大股東持股比例，結果并不理想，R2僅有0.035 4（F為6.44）。
總之，在現有的研究中，有關會計政策選擇策略系數計算方法和程序尚缺乏科學性，尤其是具有代表性會計政策和重要影響因素選擇方法、各種會計政策選擇對盈余影響程度的計量有待改進。
二、基于數據挖掘的計量改進——代表性會計政策與重要影響因素的選擇
具有代表性的會計政策應是最能體現內外部重要影響因素對會計政策組合選擇影響程度最強的會計政策。目前選擇具有代表性會計政策的方法主要有兩種：一是Zmijiewski和Hagerman（1981）、梁杰等（2004）的主觀選擇方法；二是張永國等（2010）運用描述性統計分析和參數檢驗選擇方法。第一種方法的不足之處前已論及，第二種方法雖有一定的科學性，但對影響因素重要性程度的計量方法簡單，難以建立優化的模型。
本文擬以數據挖掘軟件Clementine12.0 為平臺，對具有代表性會計政策和重要影響因素的選擇方法進行改進。首先，通過特征選擇分析對影響各種會計政策選擇的內外部因素進行分析，掌握影響因素的重要性程度，將重要的影響因素納入回歸分析模型；其次，對各種會計政策選擇結果進行關聯規則挖掘，掌握現有會計政策選擇的相互關系、因果關系；第三，運用回歸分析模型進行回歸分析，確定具有代表性的會計政策。
（一）數據表的建立
數據挖掘的前提是建立由多個數據表匯集的關系數據庫。數據表包含一組屬性（列或字段），并存放大量元組（記錄或行）。本文所用數據表的每個元組代表一個上市公司，被唯一的關鍵字標識，并被一組屬性值描述。本文選取的上市公司樣本是2010年及以前在滬深兩市上市并具有相關期間會計信息資料的公司，共選取了2 035家上市公司作為分析樣本。每一個樣本公司的屬性值描述其所采用的會計政策和主要特征說明如下：
1. 會計政策。本文分別以上市公司年報附注中披露較為詳細的存貨發出計價、低值易耗品攤銷等11種會計政策為分析工具，用來對有關公司特征變量的重要性程度進行區分，結果見表1。表1中“對盈余影響的方向分類”一欄是僅就會計政策分類的一般意義來說的。例如，在通貨膨脹條件下，假定采用直線法計提折舊會增加當期盈余，而采用加速折舊法會減少當期盈余。另外，由于2010年上市公司發生公允價值變動損益的數額累計為正，且為正的公司多于為負的公司，故本文將投資性房地產后續計量模式采用公允價值計量、確認了交易性金融資產和公允價值變動損益歸為增加當期盈余的會計政策，投資性房地產后續計量模式采用成本法、不確認交易性金融資產和公允價值變動損益歸為不增加當期盈余的會計政策。當然，這樣分類定義會產生一定的誤差。
2. 公司特征變量。根據樣本公司年報可能獲取的信息，本文歸集了反映公司規模、償債能力、盈利能力、再融資狀況、高管報酬契約和異動信息的8個內部特征變量。此外，選取市場化指數、地區產權保護指數等2個經濟指數作為反映公司外部環境特征的變量。變量定義如下：
表2中 “預期符號”一欄表示各變量的大小與上市公司選擇增加盈利會計政策可能性的關系。“+”表示極有可能選擇增加盈利會計政策，即變量與增加盈利的會計政策選擇呈正相關；“-”表示可能選擇減少盈余會計政策，即變量與增加盈余的會計政策選擇呈負相關關系。
（二）數據預處理
一般研究所運用的數據往往是臟的、不完整的或不一致的。而數據預處理技術可以改善數據質量,提高數據挖掘的精度和性能。研究中進行數據預處理主要包括：數據清理、相關分析、數據轉換和數據歸約。
數據清理旨在消除或減少數據噪聲和處理缺失值。本文根據需要使用最可能的值并運用手工填補方法進行處理。如對于凈資產收益率ROE，某些公司年報中存在未披露或披露得有些“離奇”的現象。如吉林制藥2010年年報披露當年凈利潤為-4 733.91萬元，而凈資產收益率卻達314.13%，這未免有些離奇。本文首先對凈資產收益率進行離散化處理，其次根據樣本公司年報披露的凈利潤和資產數據以及當年的經營數據，將其離散值設定為與凈資產收益率為-1%公司一致的數據，以消除這種噪聲。對于地區產權保護指數，部分上市公司所在地區不屬于世界銀行調查的120個城市范圍內，為了增加樣本量，本文通過某省所有具有數據的城市平均值來替代其他城市。
相關分析可以用來排除數據中冗余的屬性。通過識別任意兩個給定的屬性是否統計相關，可以將強相關的兩個屬性之一從中排除。由于企業經營環境指數、經濟增長質量指數、技術創新指數、自生能力評價指數與市場化指數強相關，所以本文舍棄這四個反映企業外部環境的指數，只采用資產規模指數SIZE和市場化指數Market等10個企業內外部特征變量指數進行分析。
數據歸約是將復雜的海量數據縮為很小的數據集，但仍保持原數據的完整性，并產生相同的數據挖掘效果。離散化技術是一種很有效的數據歸約方法，它通過將連續取值的屬性——資產規模、資產負債率等的閾值范圍泛化為若干離散區間，并對每個區間內的實際數據值賦予一個標簽，以消減這些連續取值屬性的取值個數。在下文基于關聯規則的分類挖掘中，消減屬性取值個數的離散化處理可以減少輸入/輸出的操作。本文根據資產規模等各個連續取值屬性的數值分布狀況，采用直觀劃分離散化的方法進行處理，處理結果如表3所示：
（三）建模與分析
1. 對公司特征變量進行特征選擇分析，其目的是從所有的解釋變量中選擇出對被解釋變量具有顯著影響的變量。特征選擇算法的流程是：①根據解釋變量對于被解釋變量的重要程度進行排序；②根據選定的顯著性水平p選出恰當的解釋變量集合，一般顯著性水平至少為95%。其中，第一步度量解釋變量的重要性是關鍵。
由于事先并不確知具有代表性會計政策有哪些，所以在特征選擇步驟下，本文以每一項會計政策選擇為被解釋變量，以10個公司特征變量（包括離散值）為解釋變量，分別計算每項會計政策下公司特征變量的重要性程度（賦值多少），設定顯著性水平為100%。
表4顯示，10個公司特征變量中，高管變更ΔCEO和高管報酬計劃NX兩個變量因顯著性水平在所有會計政策中均達不到100%而被舍棄。表4中的重要特征變量是資產規模、資產負債率、總資產利潤率、凈資產收益率、計劃再融資、實際再融資、市場化指數和地區產權保護指數等8個。其中，連續取值的6個重要特征變量資產規模、資產負債率、總資產利潤率、凈資產收益率、市場化指數、地區產權保護指數的離散值也出現在表4中，且有些特征變量的離散值比其本身重要性排序還要靠前，如LEVLS，說明對數據的離散化處理取得了良好的效果。
此外，通過識別對應11項會計政策下顯著性水平為100%的重要特征變量，還對具代表性的會計政策進行了初步的判斷，即與重要特征變量對應的會計政策分別是折舊計提、交易性金融資產、公允價值變動損益、研發支出費用化、投資性房地產后續計量模式、壞賬準備轉回和存貨跌價準備轉回等7項。而存貨發出計價、低值易耗品攤銷、包裝物攤銷、研發支出資本化等4項會計政策因其全部特征變量顯著性水平均達不到100%而被舍棄。
2. 關聯規則分析。關聯規則分析即頻繁模式挖掘，目的在于發現數據中有趣的關聯度和相關性。
（1）本文對11項會計政策進行單維關聯規則分析，確定在所有的會計政策選擇中，樣本公司經常會選擇哪些會計政策。于是有：
Choices（X，政策A）⇒Choices（X，政策B）［support=10%，confidence=80%］
（前項） （后項）
其中：X代表上市公司；80%的置信度或可信性表示一個上市公司選擇政策A，則選擇政策B的可能性是80%；10%的支持度意味著所分析的全部樣本的10%表明政策A與政策B一起選擇。單維關聯規則是僅包含單個謂詞（即choices）的關聯規則。11項會計政策選擇的單維關聯規則挖掘結果如表5所示。
由表5可以看出，符合置信度為80%、支持度為10%的單維關聯規則共有14項。其中，低值易耗品五五攤銷法、研發支出非費用化、壞賬準備轉回、確認交易性金融資產、確認公允價值變動損益、存貨跌價準備轉回等6項會計政策分別或兩兩與直線法有關聯。比如，選擇壞賬準備轉回的公司很有可能同時選擇了直線法，這一類公司占比為32.187%，其置信度為98.626%。交易性金融資產、研發支出非費用化、直線法等3項會計政策分別或兩兩或單個與公允價值變動損益有關聯。例如，擁有交易性金融資產的公司很有可能確認了公允價值變動損益，這一類公司占比為21.425%，其置信度為83.945%。因此，根據單維關聯規則挖掘結果可以發現，11項會計政策中，低值易耗品攤銷、研發支出費用化、壞賬準備轉回、交易性金融資產、公允價值變動損益、存貨跌價準備轉回和直線法等7項會計政策具有一定的關聯度。這一結果與表4特征選擇分析結果基本上一致，唯一的不同是投資性房地產后續計量模式被低值易耗品攤銷政策所替代，表明其重要性或代表性要弱于其他6項會計政策。
（2）本文對11項會計政策與10個公司特征變量進行多維關聯規則挖掘（即包含一個以上屬性或謂詞），確定選擇某項會計政策的公司一般具有哪些特征。于是，我們進行了以下規則的挖掘：
SizeLS（X，2）∧MarketLS（X，3）⇒Choices（X，直線法）［support=10%，confidence=80%］
（前項） （后項）
挖掘該規則的結果是：10%的樣本公司的資產規模離散值為2、公司所在地區市場化指數離散值為3，并且這些公司選擇了直線法，這個資產規模和市場化指數組的上市公司選擇直線法的概率為80%。
多維關聯規則挖掘的結果還表明，符合置信度為80%、支持度為10%的多維關聯規則達269條（因篇幅限制，表6僅列出置信度為100%的26條規則）。如表6中第2條規則顯示，總資產利潤率離散值為2和凈資產收益率離散值為2并選擇直線法的公司占比12.432%，這一類公司選擇直線法的概率為100%。根據多維關聯規則挖掘結果可以發現，10個公司特征變量中，ROALS、SIZELS、Marketls、Protectls、RBC 、LEVLS、RAC、ROELS等8個變量分別出現在前項（原因）中的第一位，這一結果與表4特征選擇分析結果完全一致；交易性金融資產、壞賬準備轉回、研發支出費用化等3項會計政策再次出現在前項（原因）中，表明其重要性或代表性程度確實與眾不同。
3. 邏輯回歸分析。由上述分析可知，在11項會計政策中，關聯度比較強的會計政策有6項。根據上述分析結果，本文下面將資產規模、資產負債率、總資產利潤率、凈資產收益率、計劃再融資、實際再融資、市場化指數、地區產權保護指數等8個公司特征變量作為重要影響因素變量，納入邏輯回歸分析模型，用之分析交易性金融資產、公允價值變動損益、研發支出費用化、壞賬準備轉回、存貨跌價準備轉回和折舊計提等6項會計政策所具有的代表性，即建立以下Logistic回歸分析模型：
[CHOICE=α0+αiXi+ε] （2）
式中：CHOICE為虛擬變量，當CHOICE=1時，表示采用直線法或確認交易性金融資產，或發生公允價值變動損益，或研發支出非費用化，或發生壞賬準備轉回，或發生存貨跌價準備轉回，否則CHOICE=0；X表示上述8種重要影響因素的公司特征；i=1，2，……，8，表示公司特征的個數；α0為常數項；αi為各特征變量的系數估計值；ε為隨機干擾項。回歸結果如表7所示：
由表7的回歸結果可知，6項會計政策的Wald Chi-Square均在1%水平上顯著，Likelihood Ratio Chi-Square模型在1%水平上顯著，極大似然值排序分別為公允價值變動損益、研發支出費用化、交易性金融資產、壞賬準備轉回、存貨跌價準備轉回、折舊計提。
表7表明，公允價值變動損益政策選擇中，除地區產權保護指數外，通過極大似然估計法得到的7個變量系數值均與預期符號一致，資產規模、計劃再融資和市場化進程3個變量均在1％水平上顯著；研發支出費用化政策選擇中，除市場化進程外，7個變量與預期符號一致，資產負債率、計劃再融資和實際再融資3個變量都在1%水平上顯著；交易性金融資產政策選擇中，除總資產利潤率和地區產權保護指數外，6個變量與預期符號一致，資產規模、計劃再融資和市場化進程3個變量均在1％水平上顯著；壞賬準備轉回政策選擇中，除市場化進程外，7個變量與預期符號一致，資產規模和資產負債率2個變量在1%水平上顯著。除此之外，存貨跌價準備轉回政策選擇中，有6個變量與預期符號一致，但只有資產規模1個變量在1%水平上顯著；折舊計提政策中，只有3個變量與預期符號一致，且只有市場化進程1個變量在1%水平上顯著。
根據Logistic回歸模型的回歸結果，選擇交易性金融資產、公允價值變動損益、研發支出費用化和壞賬準備轉回等四項政策為代表性會計政策。
4. 改進方法的檢驗。根據代表性會計政策，按照Zmijewski 和Hagerman（1981）會計政策選擇策略系數的計算方法（假定四種會計政策對盈余的影響程度相同并據此賦予一組策略值）計算出2010年上市公司會計政策選擇策略系數，并以此為被解釋變量，以上述重要影響因素（包括其離散值）為解釋變量，建立多元線性回歸分析模型，運用逐步回歸分析法和SAS軟件考察模型的改進程度，最終得到以下最優模型：
CLXS=β0+β1SIZE+β2LEVLS+β3ROA+β4RAC+β5RBC+β6MarketLS+β7Protect+ζ （3）
式中：CLXS為被解釋變量，代表會計政策選擇策略系數；β0為常數項；β1為變量的系數估計值；ζ為隨機誤差項。進入模型（3）的解釋變量只有SIZE、LEVLS、ROA、RBC 、RAC 、Marketls、Protect等7個重要影響因素（公司7個特征）；解釋變量的定義和取值方法同前。多元線性回歸分析結果如表8所示：
為了檢驗改進模型的有效性，本文繼續根據張永國等（2010）運用描述性統計分析、參數檢驗等方法，選擇具有代表性會計政策和重要特征變量計算會計政策選擇策略系數（計算過程已省略），并進行多元線性回歸分析（結果見表9）。可以看出，表8中的模型F值在0.000 1水平上顯著，表明用該模型來描述影響會計政策選擇策略的因素是合適的，由此得出的結論可信；同時Adj-R2 達到0.131 8，比對照組值0.070 3提高了0.061 5，說明模型已經有很大改進，解釋變量與被解釋變量的關聯度顯著增強。另外，模型中解釋變量的方差膨脹因子VIF值均小于2，表明模型不存在多重共線性問題。
從解釋變量與被解釋變量的關系來看，SIZE、LEVLS、RAC、MarketLS等4個特征變量回歸系數均在0.000 1水平上顯著，PROTECT回歸系數在0.01水平上顯著，RBC回歸系數在0.05水平上顯著，均與預期符號一致。這說明資產規模大、資產負債率高的公司更有可能選擇增加盈余會計政策。在證監會監管政策的約束下，計劃再融資和實施了再融資的公司更有可能選擇減少盈余會計政策；市場化進程高的地區，公允價值容易取得、交易成本小的公司更有可能選擇公允價值計量；以地方保護主義或“法律保護主義”行為為特征的地區產權保護指數越高，越會產生較多的交易成本，從而影響到公允價值計量。
從各解釋變量對被解釋變量影響程度的強弱來看，PROTECT的標準回歸系數為0.186 27，ROA和RBC的標準回歸系數分別為0.076 74、0.067 41，這說明總資產利潤率和實際再融資對會計政策選擇策略系數的影響較大，但不及地區產權保護指數的影響大，即外部環境因素對會計政策選擇策略系數的影響已經超過公司內部因素和證券市場監管因素的影響。
三、主要結論
結論一：本文運用數據挖掘中的特征選擇分析和關聯規則挖掘算法，篩選出了資產規模、資產負債率、總資產利潤率、凈資產收益率、計劃再融資、實際再融資、市場化指數、地區產權保護指數等8個公司特征變量作為重要變量，結合Logistic回歸分析，確定出交易性金融資產、公允價值變動損益、研發支出費用化和壞賬準備轉回等四項會計政策為代表性會計政策，據此運用逐步回歸分析法得到最優模型和最重要的7個影響因素，即資產規模、資產負債率、計劃再融資、市場化進程指數、地區產權保護指數、實際再融資和總資產利潤率，分別代表了公司內部特征和公司外部環境兩方面因素。其中資產負債率和市場化進程指數是以離散值的形式進入最優模型，說明數據挖掘中的離散化處理是非常有效的。最優模型的Adj-R2 達到0.131 8，顯著高于以往研究的結果，說明本文采用數據挖掘中的特征選擇分析和關聯規則挖掘算法確實取得了明顯成效，改進了會計政策選擇策略系數計量。
結論二：①資產規模和資產負債率仍是影響會計政策選擇的重要因素；②與以往研究結果不同，在證監會監管政策的約束下，計劃再融資和實施了再融資的公司確實更有可能選擇減少盈余的會計政策；③市場化程度高的地區，公允價值容易取得，交易成本較低，企業更有可能選擇公允價值計量；④以地方保護主義或“法律保護主義”行為為特征的地區產權保護指數越高，越會產生較多的交易成本，進而影響到公允價值計量；⑤外部環境因素對會計政策選擇策略系數的影響已經超過公司內部因素和證券市場監管因素的影響。
【注】本文系國家自然科學基金“會計政策選擇策略系數：基于數據挖掘的計量改進和因素分析”（項目編號：71272241）的階段性研究成果。
主要參考文獻
1. 陳放.公允價值計量模式選擇動因與影響因素研究——基于金融資產分類的實證檢驗.財會月刊，2010；18
2. 邊泌，周曉蘇.如何看待“決策有用觀”中會計信息的前瞻性—基于行為金融學和數據挖掘方法的實證研究.經濟與管理研究，2007；3
3. 李芹芹，劉志迎.中國各省市技術創新指數研究.科技進步與對策，2012；10
4. 李盈，鄧尚民，莊新磊.財務困境預測項目的Clementine數據流構建研究，財會月刊，2009；6
5. 李增泉.我國上市公司資產減值政策的實證研究.中國會計與財務研究，2001；4
6. 顏敏，張永國.決定會計政策選擇盈利策略的經濟因素分析——基于2008年深滬股市的經驗檢驗.財會月刊，2010；24
【作 者】
顏 敏（教授） 張永國（教授） 王 艷 王 翔
【作者單位】
（鄭州航空工業管理學院 鄭州 450015）
