EVA与传统会计指标对MVA的解释能力

点赞:4046 浏览:10971 近期更新时间:2024-01-03 作者:网友分享原创网站原创

【摘 要 】本文运用相关性检验和回归分析等方法,以我国14家煤炭行业上市公司作为研究样本,比较EVA与传统会计盈利性指标对企业市场增加值MVA的解释度差异.与传统会计指标相比,EVA与MVA的相关性及解释能力更高;传统会计指标中的每股净资产NAPS、经营流量CFPS等对MVA的解释度均高于净利润NP;最优组合EVA与CFPS、NAPS对MVA的解释水平略高于NP与CFPS、NAPS组合解释能.但是,在煤炭行业,EVA是否应该替代NP作为主要绩效考核指标有待进一步研究.

【关 键 词 】EVA 传统会计指标 MVA

EVA(Economic Value Added)表示扣除资本成本后的资本收益.20世纪90年代,EVA引起了国内外学术界和实务界的广泛关注,被《财富》杂志誉为“当今最为炙手可热的财务理念,等是创造财富的真正关键所在”.管理学之父彼得德鲁克(Peter Drucker)在《哈佛商业评论》上亦撰文指出:“作为一种度量全要素生产率的关键指标,EVA反映了管理价值的所有方面”(兰永,2005).

以EVA为基础的管理体系重视股东回报,受到了包括高盛、J.P.摩根等在内的四百余家跨国企业的一致认可.从最早2001年的青岛啤酒EVA绩效评价实施,到2010年国资委正式引入EVA,作为考核企业经营业绩的依据之一,EVA考核理念开始被纳入我国企业业绩管理.煤炭企业的价值是国家关注的重点.EVA在煤炭领域是否具有相比传统会计指标的优越性,是否能够更好地解释煤炭企业价值,这将是本文实证研究尝试解决的主要问题.本文以煤炭行业为研究范畴,根据14家煤炭A股上市企业报表数据,自行计算EVA值和MVA值,分析EVA变量与会计盈利指标对公司价值的关系,寻找适合煤炭企业的价值考核指标.

EVA与传统会计指标对MVA的解释能力参考属性评定
有关论文范文主题研究: 回归分析类论文范文 大学生适用: 本科论文、硕士论文
相关参考文献下载数量: 61 写作解决问题: 学术论文怎么写
毕业论文开题报告: 标准论文格式、论文小结 职称论文适用: 刊物发表、职称评初级
所属大学生专业类别: 学术论文怎么写 论文题目推荐度: 优秀选题

一、研究设计

1.数据和样本.样本筛选主要遵循以下原则:(1)由于同时发行A、B股的公司与只发行A股的公司在确认收入和费用的会计政策上存在差异,因此剔除同时发行B股、H股股票和在海外其他地点以发行股票方式进行筹资的上市公司的股票.(2)考虑到极端值对统计结果的不利影响,剔除净资产利润率绝对值高于500%的公司.(3)能取得研究所需要的所有变量数据.(4)去掉连年亏损的ST、PT公司.最终得到研究的有效样本为14家A股煤炭行业上市公司.本文的研究数据主要来自于各公司2010年在证券交易所公布的年报.由于股本资本成本率不同于债务资本成本率的计算那么明确,需要考虑到风险因素,计算较为复杂,因此本文借鉴了《投资者报》推出的评选2010年“A股最佳管理公司排行榜”中公布的煤炭行业的资本成本率数据,以确保各目标公司指标统计口径的一致性和计算结果的准确性,使本文的研究结论更具有现实意义.

2.研究变量.(1)被解释变量:市场价值附加值MVA,MVA等于市场价值-投入资本等于(股权市场价值+债权市场价值)-(股东权益+债权账面价值).一般认为债权市场价值等于债权账面价值,所以MVA等于股权市场价值-股东权益等于限售流通股股数×每股净资产+非限售流通股股数×股价-股东权益.(2)解释变量:经济增加值EVA,EVA等于税后净营业利润-投入资本×资本成本率等于税后净营业利润-总投入成本×资本成本率等于(总利润+研发费用+坏账准备+利息支出-非经常性损益×50%)(1-25%)-(股东权益+短期借款+1年到期的非流动负债+长期借款+应付债券)×加权平均资本成本率.(3)解释变量:会计盈利指标(数据来自上市公司年报中的主要财务指标项),包括净利润NP(收入-成本)、资产收益率ROA(净利润÷总资产)、每股经营活动产生的流量净额CFPS(净流量÷总股本)、每股净资产NAPS(净资产÷总股本).

3.研究工具和方法.主要使用EXCEL数据统计工具和SPSS统计软件.本文的研究方法与已有相关实证研究文献相比,主要有以下不同:(1)研究领域不同.样本选取学者较少涉及的煤炭领域,以我国A股上市的煤炭企业作为研究对象,使本文实证研究更具有针对性.(2)变量选取不同.国内外学者往往引入的会计变量为净利润、资产收益率等.本文在常用变量MVA、EVA、NP、ROA等基础上,引入了每股经营活动产生的净流量CFPS、每股净资产NAPS等财务指标作为研究变量,拓宽了研究范围,使研究更符合市场要求.(3)分析方法不同.本文在进行相关性分析和回归分析的基础上,利用逐步回归寻找最优回归方程,找出具有高解释能力的关键指标,为企业的业绩考核和价值管理提供建议.(4)研究得出的结论不同.

二、研究结果与分析

1.变量间的相关性分析.运用SPSS对各个解释变量进行相关性分析(限于篇幅,有关分析的数据表略,编者),分析显示EVA与MVA的相关性明显高于净利润NP,以0.708的高相关性居于首位,而资产收益率ROA,每股经营活动产生的流量CFPS与MVA的相关性也高于NP.

2.一元线性回归分析.为了研究5个解释变量对MVA的解释程度,我们分别对每个解释变量进行一元回归分析,回归模型为:MVA等于β0+β1(解释变量)+e (注:通过T检验的变量有EVA和CFPS,NP和ROA表现较弱,NAPS最弱,不能通过T检验).

相比传统会计指标,EVA对MVA的解释度较强.从解释系数看,其调整R2值达到0.459,解释度接近50%,高于其他变量;EVA的标准化回归系数为0.708,远高于其他变量,说明EVA在解释MVA的程度上高于其他指标;净利润在解释MVA的能力上表现较弱,甚至低于资产收益率ROA和每股流量CFPS等财务指标.此结果说明了股东在考核公司价值时,不能仅关注企业利润,尤其是对于上市公司,资产收益率、流量等都是需要考察的因素.

3.多元回归和逐步回归.对各个解释变量进行一元回归,目的是分析各变量对MVA的解释力.而想要寻找EVA和会计变量对MVA的整体影响力,则需要进行多元回归实证研究.由于企业价值管理遵循成本效益原则,因此在多元回归的基础上将进行逐步回归,寻找具有高价值解释水平的关键变量组合,即最优回归方程. 多元回归模型1,系考察会计变量组合对MVA的解释力.为了考察会计变量组合的价值解释综合能力如何,进行回归分析,构造如下模型:MVA等于β0+β1(NP)+β2(ROA)+β5(CFPS)+β6(NAPS)+e.从回归结果可以看出:(1)α等于0.05时,则sig<0.05,即为通过T检验或F检验.该回归模型可以通过F检验,通过T检验的变量有NP、CFPS和NAPS,ROA表现较弱不能通过T检验.VIF值较小,说明该模型中各解释变量的多重共线性较小.(2)可以看出会计综合变量对MVA的解释度很好,达到了70%的解释水平.因此,在考察企业价值的绩效考核指标设置中,应不仅仅考察净利润指标,尤其要观察流量等指标.

多元回归模型2,系考察EVA变量与会计变量对MVA的整体解释力.对传统会计指标是否能够完全包涵EVA对MVA的解释信息,以下把EVA变量和会计变量放在一个回归模型中进行分析,并构建多元回归模型(即模型2):MVA等于β0+β1(EVA)+β5(NP)+β6(ROA)+β9(CFPS)+β10(NAPS)+e.从多元回归结果可以看出:(1)α等于0.05时,则sig<0.05,即为通过T检验或F检验.该回归模型可以通过F检验,通过T检验的变量有CFPS和NAPS,NP、ROA、EVA表现较弱不能通过T检验.VIF值较小,说明该模型中各解释变量的多重共线性较小.(2)从表中回归结果看出加入EVA变量后,整体拟合度更好,解释能力加强,调整R2达到了74%的解释水平.

进一步逐步回归,去除ROA得出以下回归结果:(1)α等于0.05时,则sig<0.05,即为通过T检验或F检验.该回归模型可以通过F检验,通过T检验的变量有CFPS和NAPS,NP、EVA表现较弱不能通过T检验.VIF值较小,说明该模型中各个解释变量的多重共线性较小.(2)由于逐步回归后,NP、EVA表现较弱不能通过T检验,即在解释MVA水平上独立性不够显著,这可能是由于在计算EVA的过程参照了净利润NP的数据,因此两者具有一定的相关性.

在逐步回归结果1得到的模型基础上去除NP,以及在逐步回归结果1得到的模型基础上去除EVA,从回归结果可以看出:(1)α等于0.05时,则sig<0.05,即为通过T检验或F检验.各逐步回归模型均可以通过F检验,解释变量均可以通过T检验,独立解释能力显著.VIF值较小,说明模型中解释变量的多重共线性较小.(2)在价值解释水平上,EVA可以替代NP,具备较强的解释能力.但是鉴于回归结果2的调整R2为0.67,仅比结果3高0.06,因此,是否要将EVA替代NP作为绩效考核指标之一有待继续研究.(3)从回归系数来看,占比重较大的是每股经营活动产生的净流量CFPS,说明在解释公司价值方面,流量应该作为重点考虑.而每股净资产NAPS与企业价值显著负相关,即每股净资产越高,企业价值越低.这可能是因为在资本市场,人们通常认为小盘股的上涨空间比较大,普遍对小盘股抱有较高的价值预期.

三、研究结论及本文局限性

1.主要研究结论.本文以我国A股上市的14家煤炭公司为研究样本,从公司年报中收集数据,自行计算MVA、EVA,通过对MVA、EVA、传统会计变量等进行相关性分析、一元回归分析、多元回归分析及逐步回归等研究,总结出以下主要结论:(1)EVA对企业价值的解释力强于其他变量.无论从前面的相关性分析还是一元回归分析,EVA均表现出较强的企业价值解释力.(2)每股经营活动产生的净流量CFPS在对企业价值的解释能力方面表现突出,因此要引起足够的重视.建立完善的流量管理体系是确保企业生存与发展、提高企业市场竞争力的重要保障.(3)EVA组合与传统变量组合对MVA的共同解释力大于单方面解释力.其中EVA、CFPS、NAPS组合在综合变量中对MVA解释贡献最高,解释力最好.但是从调整R2来看仅略高于NP、CFPS、NAPS的组合对MVA的解释力,因此EVA是否应该替代净利润指标参与价值考核,要看实施EVA的收益是否高于成本,针对这些问题作者将继续跟进研究.

2.研究的局限性.一是,样本容量的限制,可能造成随机误差变量的异方差性.由于在搜集样本数据的过程中出现数据残缺,对于无法获得完整数据的样本进行剔除,因此仅得到14家煤炭企业上市公司的完整数据,样本容量较小可能是本文进行实证研究的一个局限性问题.后期将在搜集数据方面加强训练,努力寻找相关数据库,希望能够尽快找到残缺样本数据,扩充样本容量.二是,根据逐步回归得到的最终最优模型,EVA、CFPS、NAPS组合与NP、CFPS、NAPS相比,虽然第一种组合略优于第二种,但是在价值解释能力方面差别不是很大,因此需要进一步考察实施EVA考核的收益是否高于引入成本,这将是下一步研究的主要工作.

(颜秋许为中国矿业大学〔北京〕管理学院教授;刘清杰为北京师范大学政府管理学院博士研究生)