（二）相关性分析为了进一步对以上呈现显著性的财务变量进行验证，看其在识别模型中是否具有显著识别功效，建立的识别模型是否具有较好的预测准确率，本文进行了判别模型的建立。因本文研究的因变量（上市公司财务舞弊问题）具有两分问题，故采用Logistic回归模型。以下通过相关性分析来初步判断显著性指标之间是否存在多重共线性，结果如（表4）所示。可以看出，这六个财务指标中的部分呈相关关系，并且一些变量之间的相关系数较高，如VAR00002与VAR00018之间的相关系数为-0.82，说明这些变量之间有较密切的关系。当这些变量作为解释变量进入回归方程后，有可能带来多重共线性现象，因此在建模之前有必要先消除指标变量之间的共线性。
　　（三）因子及回归分析 为了尽量消除变量之间的共线性对模型的负面影响，本文运用统计上的因子分析方法，通过建立基于因子分析的Logistic Regression模型，将这几个变量转化为少数几个不相关的因子。因为从初始变量来看，有些可以归为一个因子，因子分析可以通过降模型中的指标个数从而降低成本。因子统计分析的结果如（表5）和（表6）。从公共因子中提取的特征值和因子分析结果来看，保留前两个因子将能概括出大部分信息，本文提取前两个因子，这两个因子贡献占总方差的67.039%。上述6个财务指标变量可以综合成2个公因子，分别为：F1=0.86X2+0.43X7+0.62X8+0.68X17-0.91X18；F2=-0.32X2+0.42X7。+0.03X8-0.04X17+0.02X18。F1因子中，X2（（净利润-经营活动现金流量）/上一年资产总额）有正的较大载荷，X18（当期现金净流量/平均资产）则有着较大的负载荷，因此F1可代表成长期上市公司净利润与现金流量之间差额的财务变量，同时由于X17有着较大的负的载荷，所以也可以表示上市公司产生现金的能力。F2中，由于相对来说X7（其他应收款/流动资产）有较大的正载荷，而其他变量的载荷相对较低，因此将F2定义为其他应收款比重的财务变量。再利用Logistic Regression模型将这两个因子强行进入模型，得到的判别模型结果如（表7）所示。利用因子分析的结果，用Logistic回归分析来检验发生管理舞弊行为的上市公司的特征：Logit（p）=B0+B1F1+B2F2+?着；P=exp（BF）/1+exp（BF）。（表7）和（表8）提供了方程（1）的Logistic回归结果，方程显示F1、F2对因变量（舞弊发生的可能性）在统计意义上是显著的。
四、结论与建议
　　本文对我国发生舞弊行为的成长期上市公司进行了舞弊识别研究，通过分析成长期上市公司舞弊的动机和财务特征，提出相关假设，并建立了区别舞弊和非舞弊公司的识别模型。本文的研究结论如下：第一，从指标变量的显著性检验来看，发现：舞弊的成长期上市公司净利润与经营活动现金流量之间的差额显著高于正常公司，这与Thomas A.Lee，Robert W.Ingram和Howard等学者的研究结果一致；舞弊的成长期上市公司其资产组成与正常公司之间存在显著差异，主要表现在其他应收款/流动资产、流动资产/资产等指标上；舞弊的成长期上市公司其资产周转率及应收账款/销售收入的Mann-Whitey U检验结果表明与正常公司有显著差异，后者同时也通过了均值检验；舞弊的成长期上市公司其当期经营活动现金净流量/平均资产显著低于正常公司，表明成长期上市公司获取经营活动现金能力较弱时发生舞弊的可能性较大。第二，从进入模型的变量来看，指标应收账款/销售收入、其他应收款/流动资产、流动资产/资产总额、（净利润-经营活动现金流量）/上一年资产总额在模型中具有显著的识别贡献，在一定程度上反映了发生舞弊行为的成长期上市公司其某些财务指标与处于同样发展阶段的正常公司相比确实存在着显著差异，这与指标显著性检验的研究结果相一致。
　　（二）建议 从本文研究结果看，成长期上市公司对收入、利润的操纵远远高于对现金流量的操纵，因此用于收入或利润有关的指标表现企业真实盈利能力存在着严重的缺陷，将给投资者带来巨大的风险。因此，在对成长期上市公司进行评价时，应较多结合现金流量指标。财务指标的异常只是预示该公司可能存在舞弊行为，充其量只是个预警信号，旨在提醒使用者根据这些异常的指标提供的线索，进一步收集其他信息来予以证实，提高判断的准确性。因此，建议以中注协颁布的《审计技术提示第1号——财务欺诈风险》为指南，结合发现存在显著异常的指标，谨慎地判断上市公司有误舞弊的可能。环境的变化往往会导致政策的变化和完善，而上市公司也往往会钻新制度的“空子”，进行更为多样化的舞弊行为，使得舞弊行为看似合理化。因此，深入分析成长期上市公司面临的各种危机及可能采用的舞弊手段，及时把握可能引起的指标特征的变化，不断增加新的检验指标，全面地进行考察。
　　
　　参考文献：
　　［1］娄权：《财务报告舞弊四因子假说》，《财会通讯（学术）》2004年第12期。
　　［2］马永义等：《如何利用财务数据识别上市公司的财务欺诈》，《中国注册会计师》2003年第5期。
　　［3］耿建新、肖泽忠、续芹：《报表收益与现金流量数据之间关系的实证分析》，《会计研究》2002年第12期。
　　［4］曹利：《中国上市公司财务报告舞弊特征的实证研究》，《复旦大学博士论文》2003年。
　　［5］王泽霞：《管理舞弊导向审计研究》，电子工业出版社2005年版。
　　［6］陈佳贵、黄速建等：《企业经济学》，经济科学出版社1998年版。
　　［7］全怀周：《企业生命周期的系统管理理论研究》，《天津大学博士学位论文》2003年。
　　［8］W.Steve Albrecht， Gerald W.Wemz and Timol.Wliilams. Fraud Bringing Light to the Dark Side of Business. Journal of Accounting and Economics，1995.
　　［9］Beneish M.D..Incentives and penalties related to earning overstatements that violate GAAP. Accounting Review， 1999.
　　［10］Kinney.W and McDanie. Characteristics of Firms Correcting Previously Reported Quarterly Earning， Journal of Accounting and Economics，1989.
　　［11］Albrecht W.S.and M.B.Romney. Red-flgging management fraud: A validation.Advances in Accounting，1986.
　　［12］Thomas A.Lee， Robert W.Ingram and Thomas P. Howard. The Difference between Earning Management and Operating Cash Flow as an Indicator of Financial Reporting Frand. Contemporary Accounting Research，1999. (责任编辑：南粤论文中心)转贴于南粤论文中心: http://www.nylw.net(南粤论文中心__代写代发论文_毕业论文带写_广州职称论文代发_广州论文网）