導(dǎo)語：如何才能寫好一篇非參數(shù)檢驗，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務(wù)員之家整理的十篇范文，供你借鑒。

篇1

一、非參數(shù)檢驗的適用情況分析

參數(shù)檢驗是在假設(shè)總體分布已知的情況下，針對總體分布的某些參數(shù)進行推斷檢驗，因此參數(shù)檢驗對相關(guān)變量的分布有嚴格的要求。在現(xiàn)實中有許多變量的分布是否滿足某種特定的分布可能人們事先并不知道，或者雖然知道其分布類型，但其分布并不滿足參數(shù)檢驗的要求，無法采用參數(shù)檢驗的方法對相關(guān)假定進行推斷，這時候就需要采用非參數(shù)檢驗的方法。非參數(shù)檢驗方法主要適用于以下兩種情況：

其一，總體的分布未知，需要對總體分布進行推定。在研究中有時我們對研究對象的分布情況可能知之甚少，研究對象的分布情況本身就是有待研究的主要內(nèi)容；或者希望通過參數(shù)檢驗的方法對研究對象進行深入分析，但對各變量的分布是否滿足參數(shù)檢驗的要求沒有足夠的把握。這時可以通過非參數(shù)檢驗的方法對研究變量的分布情況進行檢驗。

其二，總體分布情況已知，但變量不能夠滿足參數(shù)檢驗的要求。參數(shù)檢驗是基于變量的分布情況，利用樣本數(shù)據(jù)與變量分布的某些參數(shù)之間的關(guān)系構(gòu)造一個分布已知的統(tǒng)計量，進而對特定的假設(shè)進行檢驗。參數(shù)檢驗首先要求被檢驗的變量屬于定距變量，對于定類變量和定序變量則無法采用采用參數(shù)檢驗的方法，參數(shù)檢驗除了對變量的層次有要求外，對變量的分布也有要求，如果變量不滿足參數(shù)檢驗的分布要求，采用參數(shù)檢驗方法則有可能得出錯誤的結(jié)論。因此對于定類變量、定序變量及不滿足分布要求的定距變量，一般采用非參數(shù)檢驗的方法進行分析。

二、常用的非參數(shù)檢驗方法及其在財務(wù)研究中的應(yīng)用

同參數(shù)檢驗一樣，非參數(shù)檢驗有著眾多的方法，根據(jù)各種方法適用的情況不同，非參數(shù)檢驗主要包括單樣本的總體分布檢驗、兩獨立樣本的非參數(shù)檢驗、兩配對樣本的非參數(shù)檢驗及多樣本的非參數(shù)檢驗等。

其一，單樣本的總體分布檢驗。該檢驗是根據(jù)樣本數(shù)據(jù)對變量是否滿足所假設(shè)的分布進行檢驗。對于離散型的變量一般采用卡方檢驗的方法，其基本原理是根據(jù)假設(shè)的分布計算出變量在各個取值上的理論頻次，利用理論頻次和樣本實際頻次可以構(gòu)造一個服從χ2分布的統(tǒng)計量，在假設(shè)的分布成立的情況下，該統(tǒng)計量不應(yīng)該太大，根據(jù)計算出的統(tǒng)計量的值及其相伴概率（Sig）可以判斷原假設(shè)是否成立，當Sig小于設(shè)定的顯著性水平時應(yīng)拒絕原假設(shè)。由于財務(wù)管理研究中所涉及的變量更多的是連續(xù)性變量，對于連續(xù)型變量可以將其取值分為若干區(qū)間，從而把連續(xù)型變量當作離散型變量來處理，采用卡方檢驗對其分布進行檢驗。但為了提高檢驗效率，一般采用單樣本的K―S檢驗，K―S檢驗的基本思想是在原假設(shè)成立的前提下，根據(jù)樣本數(shù)據(jù)得到的累計頻次分布與根據(jù)假設(shè)分布計算出來的理論累計頻次分布不應(yīng)該有較大差異，根據(jù)理論分布確定的理論累計概率分布函數(shù)F（x）與根據(jù)樣本數(shù)據(jù)得到的經(jīng)驗累計分布函數(shù)S（x）的差值D（x）應(yīng)服從期望值為0的正態(tài)分布，由此根據(jù)D（x）的觀測值可以判斷是否接受原假設(shè)?？ǚ綑z驗和單樣本K―S檢驗均可通過統(tǒng)計分析軟件SPSS實現(xiàn)，在SPSS中卡方檢驗的輸出結(jié)果主要有卡方值（chi-square）和相伴概率值（Sig），K―S檢驗的輸出結(jié)果為Z值及相伴概率值（Sig），對結(jié)果的判斷主要參考Sig值，如果Sig值低于顯著性水平則拒絕原假設(shè)，認為變量不滿足假設(shè)的分布。

單樣本的總體分布檢驗在財務(wù)研究中的應(yīng)用主要在是在參數(shù)檢驗前對變量是否滿足參數(shù)檢驗的分布要求進行檢驗，如為檢驗我國上市公司2007年的高管持股比例是否滿足正態(tài)分布，我們選擇K―S檢驗進行檢驗，檢驗輸入的結(jié)果為Z＝18.256，Sig＝0.000，因此應(yīng)該拒絕變量服從正態(tài)分布的假設(shè)（考慮到有相當部分的上市公司高管持股比例為0，剔除這部分樣本后Z＝13.338，Sig＝0.000，仍然拒絕變量服從正態(tài)分布的假設(shè)）。當然除了正態(tài)性檢驗以外，單樣本的總體分布檢驗還可以對變量是否滿足其他分布（比如指數(shù)分布、均勻分布、多項分布等）進行檢驗

其二，兩個獨立樣本的非參數(shù)檢驗。獨立樣本一般是指來自不同總體的樣本，獨立樣本檢驗的目的是判斷樣本來自的總體分布是否相同，其原假設(shè)是總體的分布無差異，如果拒絕原假設(shè)則認為總體分布之間存在差異。兩個獨立樣本的非參數(shù)檢驗方法主要有游程檢驗、秩和檢驗和累計頻次檢驗。游程檢驗的基本思想是將兩個樣本混合按大小順序排列后，如果兩個樣本來自的總體無差異，則排列后的樣本數(shù)據(jù)應(yīng)該是隨機交替地來自兩個樣本，不應(yīng)該出現(xiàn)兩個樣本各自集中于一端的現(xiàn)象。如果把重新排序后的序列中連續(xù)來自同一個樣本的子序列稱為游程，則在原假設(shè)成立的前提下，游程數(shù)量不應(yīng)太少，因此利用游程數(shù)量的多少可以判斷兩個樣本來自的總體分布是否存在顯著性差異。當兩個樣本的容量均較大時，游程數(shù)近似服從正態(tài)分布，游程檢驗輸出的結(jié)果為Z值及其相伴概率Sig值，當Sig值小于設(shè)定的顯著性水平時，拒絕原假設(shè)，認為兩個總體分布存在顯著性差異。秩和檢驗的思路是將兩個樣本進行混合排序，以每個樣本數(shù)據(jù)的序號作為它的秩，如果兩個樣本來自的總體無差異，則在兩個樣本容量一定的情況下，兩個樣本的秩和不應(yīng)該太大和太小，因此可以用其中一個樣本的秩和構(gòu)造統(tǒng)計量，對假設(shè)進行檢驗。在SPSS中秩和檢驗對應(yīng)的是Mann―Whitney U檢驗，該檢驗輸出的結(jié)果為Mann―Whitney U統(tǒng)計量的值和Z值及其相伴概率Sig值。當樣本容量較小時，以U值及其相伴概率作為判斷依據(jù)；當樣本容量較大時，以Z值及其相伴概率作為判斷依據(jù)。Sig值小于顯著性水平則拒絕原假設(shè)，認為兩個總體存在顯著性差異。累計頻次檢驗是通過兩個樣本在每個數(shù)據(jù)點的累計頻率的差值對總體分布差異性進行檢驗，如果兩個樣本來自的總體分布無差異，則兩個樣本在各點的累計頻率不應(yīng)該有太大差別，累計頻率差值的最大絕對值可以作為判斷兩個總體分布是否存在差異的依據(jù)。在SPSS中累計頻次檢驗對應(yīng)兩獨立樣本的K―S檢驗，輸出結(jié)果為Z值及相伴概率Sig值，當Sig值小于顯著性水平時拒絕原假設(shè)。

在財務(wù)研究中經(jīng)常需要對不同類型的企業(yè)財務(wù)指標或財務(wù)行為是否存在差異進行分析，這時就可以從不同類型企業(yè)中抽取一定數(shù)量的樣本進行對比分析，此類樣本即屬于獨立樣本。國家自然科學基金重點項目“我國企業(yè)投融資運作與管理研究”為了研究企業(yè)的投融資行為進行了一次大型調(diào)查活動，調(diào)查對象包括上市公司和非上市企業(yè)，因此按照是否上市可把樣本分為上市公司和非上市企業(yè)兩個獨立樣本，為檢驗這兩類企業(yè)對銀行中期貸款的使用情況是否存在差異，根據(jù)項目組編制的調(diào)研數(shù)據(jù)庫中的數(shù)據(jù)，我們可選取秩和檢驗和累計頻次檢驗進行分析。秩和檢驗輸出結(jié)果分別為Z＝－2.755、Sig＝0.006；累計頻次檢驗輸出結(jié)果分別為Z＝－1.493、Sig＝0.023。如果顯著性水平選取0.05，則兩種檢驗的結(jié)論均拒絕原假設(shè)，認為上市公司和非上市企業(yè)在銀行中期貸款的使用上存在顯著差異。

其三，兩配對樣本的非參數(shù)檢驗。配對樣本一般是指對同一調(diào)查對象在不同情況下進行的多次調(diào)查，以分析調(diào)查對象在不同情況下是否存在顯著性變化或差異，配對樣本檢驗的原假設(shè)是多次調(diào)查不存在差異。兩配對樣本的非參數(shù)檢驗方法主要有符號檢驗法和符號秩檢驗法。符號檢驗法是根據(jù)調(diào)查對象兩次調(diào)查數(shù)據(jù)變化的正負符號來判斷調(diào)查對象是否出現(xiàn)存在顯著性差異。其基本思想是在原假設(shè)成立的前提下，配對樣本數(shù)據(jù)變化的正負個數(shù)應(yīng)該基本相當，如果兩者差異很大，則認為調(diào)查對象在兩種情況下存在顯著性差異。當樣本容量較大時，SPSS中符號檢驗法輸出的結(jié)果為Z值及相伴概率Sig值，當Sig值小于顯著性水平時拒絕原假設(shè)。符號秩檢驗是在符號檢驗的基礎(chǔ)上，除了考慮配對樣本變化的符號外，還把變化的大小也考慮進去。這種方法以變化值的絕對值進行排序作為每個樣本的秩，分別計算變化值為正的樣本秩和及變化值為負的樣本秩和，在原假設(shè)成立的前提下，兩個秩和差別不應(yīng)太大。符號秩檢驗對應(yīng)SPSS中的Wilcoxon檢驗，輸出結(jié)果為Z值和Sig值，Sig值小于顯著性水平則拒絕原假設(shè)。

企業(yè)對不同融資工具的使用是否存在顯著性差異就屬于配對樣本的檢驗問題，比如為檢驗企業(yè)對銀行短期貸款和銀行中期貸款的使用是否不同，我們利用調(diào)研數(shù)據(jù)庫中的數(shù)據(jù)使用符號檢驗和符號秩檢驗對其進行分析，符號檢驗的輸出結(jié)果為Z＝－16.618，Sig＝0.000；符號秩檢驗的輸出結(jié)果為Z＝－15.794，Sig＝0.000。設(shè)定顯著性水平為0.05，則兩種檢驗的結(jié)論均拒絕原假設(shè)，認為企業(yè)在銀行短期貸款和中期貸款的使用上存在顯著差異。

其四，多樣本的非參數(shù)檢驗。兩獨立樣本和兩配對樣本的非參數(shù)檢驗是對兩個總體的分布是否存在差異進行檢驗，實證研究中有時需要對多個總體分布是否存在差異進行檢驗，這時就要用多個樣本進行檢驗，同兩個樣本一樣，多樣本也有獨立樣本和配對樣本。獨立多樣本的非參數(shù)檢驗方法主要有中位數(shù)（Median）檢驗和K―W檢驗，獨立配對樣本的非參數(shù)檢驗主要采用Friedman檢驗。中位數(shù)檢驗的基本思想是把多個樣本混合以后，取其中位數(shù)作為參考，把每個樣本的數(shù)據(jù)與這個共同的中位數(shù)比較，則在多個總體分布無差異的情況下，每組樣本數(shù)據(jù)中大于和小于這個中位數(shù)的數(shù)量的期望值應(yīng)該各為1/2，如果實際樣本中這兩者的數(shù)量相差較大，則應(yīng)拒絕總體分布無差異的假設(shè)，中位數(shù)檢驗就是根據(jù)各樣本數(shù)據(jù)中大于和小于共同中位數(shù)的數(shù)量構(gòu)造統(tǒng)計量來對假設(shè)進行檢驗，該檢驗在SPSS中輸出的結(jié)果為χ2值和Sig值，Sig值小于顯著性水平則認為總體分布存在差異。K―W檢驗的基本思想與兩獨立樣本的秩和檢驗相同，都是利用樣本的秩和作為判斷依據(jù)，不同的是K―W檢驗根據(jù)多個樣本的多個秩和構(gòu)造出一個服從χ2分布的統(tǒng)計量作的判斷依據(jù)，輸出結(jié)果為χ2值和Sig值。Friedman檢驗的思想是將每一觀察對象的配對樣本數(shù)據(jù)按大小排序，以其序號設(shè)定其秩，然后計算各組樣本的秩和，如果每組樣本對應(yīng)的總體分布無差異，則各組的秩和應(yīng)該差異不大。Friedman檢驗根據(jù)各組秩和構(gòu)造統(tǒng)計量，輸出結(jié)果為χ2值和Sig值，Sig值小于顯著性水平則拒絕總體分布無差異的假設(shè)。

“我國企業(yè)投融資運作與管理研究”項目的調(diào)查將企業(yè)資信等級分為AAA級、AA級和A級及以下，資信等級不同的企業(yè)對銀行中期貸款的使用情況是否存在不同就屬于多獨立樣本的檢驗問題。根據(jù)調(diào)查數(shù)據(jù)，分別選用中位數(shù)檢驗和K―W檢驗，輸出結(jié)果分別為中位數(shù)檢驗χ2＝0.917、Sig＝0.632；K―W檢驗χ2＝0.367、Sig＝0.832，如果設(shè)定的顯著性水平為0.05，則不能拒絕原假設(shè)，不能認為資信等級不同的企業(yè)對銀行中期貸款的使用存在差異。對于企業(yè)在多個債務(wù)融資工具上的使用是否存在不同，則需要采用多配對樣本的非參數(shù)檢驗，根據(jù)調(diào)研數(shù)據(jù)采用Friedman檢驗輸出的結(jié)果為χ2＝1530.17、Sig＝0.000，由于Sig小于顯著性水平，因此拒絕原假設(shè)，認為企業(yè)對各種債務(wù)融資工具的使用頻率存在差異。

三、非參數(shù)檢驗結(jié)論的可靠性分析

非參數(shù)檢驗作為假設(shè)檢驗的一類，是利用樣本數(shù)據(jù)推斷總體的特征，其推斷過程同樣有可能會犯兩類錯誤，第一類錯誤是在原假設(shè)成立的前提下拒絕原假設(shè)，第二類錯誤是在原假設(shè)不成立的情況下接受了原假設(shè)。假設(shè)檢驗控制的是第一類錯誤，如果非參數(shù)檢驗的結(jié)論是拒絕原假設(shè)，則犯錯誤的概率應(yīng)該小于設(shè)定的顯著性水平。當檢驗結(jié)論不能拒絕原假設(shè)的情況下，此時如果我們接受原假設(shè)，則有可能犯第二類錯誤，而且犯第二類錯誤的概率是無法控制的，一般來講，樣本容量越大或者對樣本的信息利用越充分，犯此類錯誤的概率會越小。由于參數(shù)檢驗利用的樣本信息多于非參數(shù)檢驗，因此在變量滿足參數(shù)檢驗的情況下采用參數(shù)檢驗得到的結(jié)論會更可靠，尤其是在兩種方法得出的結(jié)論不一致時，應(yīng)該采信參數(shù)檢驗得出的結(jié)論。

參考文獻：

［1］盧淑華：《社會統(tǒng)計學》，北京大學出版社2000年版。

篇2

1 參數(shù)統(tǒng)計方法的理論基礎(chǔ)及應(yīng)用局限

理論上，空白標本由于不含有待測物，其真實濃度（μβ）為零，但由于空白響應(yīng)量并不是一個固定值，其波動服從正態(tài)分布規(guī)律，因此對空白標本進行多次檢測所得到的檢測結(jié)果并不總是等于零。以均值（x）和標準偏差（S）表示空白響應(yīng)量的集中位置和離散程度，單次檢測的空白響應(yīng)量有95%的概率分布在區(qū)間[x-2·s，x+2·s]內(nèi)。在確定方法學性能或繪制標準曲線時常常以x作為校準至零點的基準，其對應(yīng)的待測物濃度（x空白）定為零。各個檢測樣品的反應(yīng)響應(yīng)量減去x就是該標本中待測物產(chǎn)生的響應(yīng)量，結(jié)合標準曲線計算出待測物濃度。由于空白響應(yīng)量有波動，因此空白標本的檢測結(jié)果應(yīng)對稱分布在x空白的兩側(cè)，大于0和小于0的概率都是50%，符合正態(tài)分布規(guī)則，空白標本單次檢測結(jié)果有95%的概率在區(qū)間[x空白-2·s空白，x空白+2·s空白]內(nèi)，在此區(qū)間外的概率只有5%。以該區(qū)間的上限值（x空白+2·s空白）作為空白檢測限（limit of blank，LoB），只有檢測結(jié)果高于LoB時才認為標本中確實含有待測物。對于小于或等于LoB的檢測結(jié)果認為是由空白標本單次檢測的空白響應(yīng)量波動造成，可報告“無分析物檢出”。但部分儀器無法給出原始響應(yīng)量，而是直接報告檢測結(jié)果，并將負值結(jié)果自動轉(zhuǎn)換為零或者指定的檢測低限，無法給出負值的檢測結(jié)果。從醫(yī)學角度分析，患者血清或其他體液標本中某待測物的含量不可能為負值，儀器對負值結(jié)果的轉(zhuǎn)化是合理的，但這種偏態(tài)分布資料不適合采用參數(shù)統(tǒng)計方法通過x空白和s空白來確定該檢測體系的LoB[8，9]。否則得到的LoB要明顯大于真實的LoB[8]，從而導(dǎo)致很大一部分低濃度標本被誤判為陰性，而出現(xiàn)“假陰性”的報告。

2 非參數(shù)統(tǒng)計方法的理論基礎(chǔ)

2.1 Ⅰ類錯誤與LoD的關(guān)系

2.2 Ⅱ類錯誤與LoD的關(guān)系

3 非參數(shù)統(tǒng)計的評估程序

3.1 空白標本和低值標本的納入標準

空白標本的物理性狀和基質(zhì)成分應(yīng)盡可能接近患者標本，如果患者常規(guī)標本為血清或血漿標本，則應(yīng)選擇不含待測物的血清或血漿標本作為空白標本而不是非血清基質(zhì)的緩沖液。由于不同來源的標本可能存在不同的基質(zhì)效應(yīng)以及形成不同的內(nèi)源性復(fù)合物，為確保評估過程中的檢測具有代表性，應(yīng)選擇多份空白標本（建議5～10份甚至更多），每份標本多次測定。低濃度標本也同樣采用一系列（至少5～10例）不同患者來源的血清/血漿標本，每份標本進行5～10次重復(fù)測定，連續(xù)檢測5～10 d，得到低濃度標本檢測結(jié)果的標準偏差（s低值）。

3.2樣本量的選擇

評估程序中，空白標本數(shù)量和低值標本數(shù)量的最佳比例的選擇取決于LoB估計值（LoB估計）和低值標本檢測結(jié)果的離散度估計的不確定性。統(tǒng)計學上非參數(shù)統(tǒng)計方法的效率要低于參數(shù)統(tǒng)計方法，其檢驗效率只有參數(shù)統(tǒng)計的一半左右，因此用非參數(shù)統(tǒng)計的方法計算P95·空白時，建議空白標本的數(shù)量應(yīng)該大于低值標本的數(shù)量。但低值標本檢測結(jié)果的離散程度（s低值）要明顯大于空白標本檢測結(jié)果的離散程度（s空白）。因此綜合以上兩個因素，建議空白標本和低值標本的檢測次數(shù)一樣或至少接近[8]。而且理論上通過增加空白標本和低值標本的重復(fù)檢測次數(shù)可以擴大樣本量，減少抽樣誤差，使樣本更好地反映總體。但實際工作中不可能對標本進行無限次重復(fù)檢測，一般要求做20次或20次以上的重復(fù)測定，降低P95·空白和s低值來分別估計LoB和σs所帶來的不確定性。

篇3

關(guān)鍵詞：中小企業(yè)；財務(wù)風險；因子分析；多項logistics分析方法

世界經(jīng)濟尚未從危機中回復(fù)，企業(yè)的生存條件惡劣，而中小企業(yè)更是由于經(jīng)濟基礎(chǔ)差、技術(shù)管理水平低、規(guī)模小、發(fā)展時期短、融資困難以及經(jīng)驗不足等問題的限制，面臨著更為嚴峻的生存壓力。這種情況下，建立一個更具個性化的有效的財務(wù)風險預(yù)警模型滿足中小企業(yè)上市公司財務(wù)風險預(yù)警工作的實際需要。

1、我國中小企業(yè)上市公司財務(wù)風險預(yù)警模型的提出

我國中小企業(yè)上市公司財務(wù)風險預(yù)警模型應(yīng)在中小企業(yè)自身一些特定條件下運用會計要素及其結(jié)構(gòu)指標針對風險因素進行描述、分析、預(yù)測，最終形成具有中小企業(yè)上市公司自身特點、特色的中小企業(yè)上市公司財務(wù)風險緊急預(yù)案。

1.1財務(wù)風險預(yù)警模型的幾個前提

（1）中小企業(yè)上市公司的特異性是通過某項指標進行統(tǒng)計學分析后獲得的，并以此作為中小企業(yè)上市公司的特異性的來源，本文以行業(yè)細分作為代表，在實際應(yīng)用中可以再用資本額、所屬地域等指標進行細分，目的是保證中小企業(yè)上市公司的特異性具有實際上的比較意義。

（2）模型形成的變量不是一個判斷值則只是一個描述值，描述值的目的是為了滿足中小企業(yè)上市公司財務(wù)風險緊急預(yù)案在數(shù)值描述上的需求，避免僅靠判斷值分析公司財務(wù)風險，而轉(zhuǎn)化為序列描述值的綜合判斷。

（3）中小企業(yè)上市公司財務(wù)風險緊急預(yù)案是中小企業(yè)上市公司財務(wù)風險預(yù)警模型數(shù)據(jù)序列描述值的實際預(yù)警值啟動程序。

1.2模型分析方法

一是采用多個獨立變量非參數(shù)檢驗方法，用于判定不同行業(yè)間的差異是否存在，為下一步模型檢驗提供依據(jù)。二是多項Logistic模型分析，用于在多個獨立變量非參數(shù)檢驗方法判定行業(yè)差異化后，進行財務(wù)模型指標的選擇。

2、實證測算分析

2.1中小企業(yè)上市公司財務(wù)數(shù)據(jù)來源

從A股市場選取中小企業(yè)上市公司77家，數(shù)據(jù)報告取自國泰安數(shù)據(jù)庫官方網(wǎng)站，為了研究的方便，本文將制造業(yè)作為基準行業(yè)，即行業(yè)4，房地產(chǎn)、綜合定義為行業(yè)1，IT、電力、化工、紡織、服務(wù)定義為行業(yè)2，其他類別定義為行業(yè)3，通過4個行業(yè)的分析，分析與基準行業(yè)4制造業(yè)的差異。

2.2變量選擇

從企業(yè)財務(wù)報告中披露的償債能力、營運能力、盈利能力、成長能力、現(xiàn)金流量指標五個方面選取了資產(chǎn)負債率等20個財務(wù)指標作為自變量進行分析。

2.3多個獨立變量非參數(shù)檢驗

以行業(yè)為分組變量進行檢驗，采用Kruskal-Wallis H檢驗和中位數(shù)檢驗。

由分析結(jié)果可見，流動比率、速動比率、營運資金比率與行業(yè)相關(guān)。

以中位數(shù)檢驗，可以得到利息保障倍數(shù)、總資產(chǎn)凈利潤率、銷售凈利率、計算結(jié)果?？梢缘玫嚼⒈Ｕ媳稊?shù)、總資產(chǎn)凈利潤率、銷售凈利率與行業(yè)有關(guān)。

所以在之前的研究中以中小企業(yè)上市公司財務(wù)數(shù)據(jù)來源中ST、非ST分類，事實上是具有局限性的，盡管在研究中數(shù)據(jù)出現(xiàn)了Kruskal-Wallis H檢驗和中位數(shù)檢驗不一致的原因，但是可以明確的是針對不同的行業(yè)進行的我國中小企業(yè)上市公司財務(wù)風險預(yù)警模型研究更具有針對性，更適合企業(yè)進行序列描述性工作。

2.4多項Logistic模型分析

選定了20個變量進行非參數(shù)檢驗以判斷與行業(yè)的關(guān)系，實際上在多項Logistic模型分析過程中，變量自身也存在著相關(guān)性，指標包含的信息可能存在許多重疊部分或冗余部分，容易使真實信息被扭曲進而導(dǎo)致做出錯誤的判斷。所以首先進行數(shù)據(jù)簡化分析工作，采用因子分析來進行此項工作。

先對量表進行KMO測量和Bartctt球體檢驗， KMO值為0.629，大于0.6，表明適合進行因素分析； Bartlett’s球形檢驗結(jié)果P值小于0.001，拒絕相關(guān)系數(shù)矩陣為單位陣的原假設(shè)，說明各指標間的相關(guān)性較強，可以進行因子分析。因子分析結(jié)果表明六個因子基本上符合了要求，六個因子（即：流動比率X1、速動比率X2、現(xiàn)金比率X3、營運資金比率X4、資產(chǎn)負債率X5、股東權(quán)益比率X6）共解釋總方差72.042%，基本能代表原變量方差的信息。所以在多項Logistic模型分析過程中，選取6個主成分帶入后向逐步法引入變量，回歸方程，模型顯著。

所以參照行業(yè)4，行業(yè)1、2、3有以上回歸方程，通過研究77家中小企業(yè)上市企業(yè)運用多項Logistic模型實證分析出了以行業(yè)為特異性代表的中小企業(yè)上市公司財務(wù)風險預(yù)警模型。由于本文是根據(jù)方程最終擬合值計算指標數(shù)，所以多項Logistic回歸未進行顯著性剔除，目的是結(jié)合多個獨立變量非參數(shù)檢驗分析結(jié)果更為直接的反映中小企業(yè)上市企業(yè)實際模型計算數(shù)值，提高擬合度。

變量中流動比率X1、速動比率X2、營運資金比率X4、資產(chǎn)負債率X5顯著，預(yù)警模型方程為：以行業(yè)4為基準

Logit[P(行業(yè)=1|X1,X2,X4,X5)]=-1.904+1.557X1-2.931X2-0.509X4-0.395X5

Logit[P(行業(yè)=2|X1,X2,X4,X5)]=-1.441-1.171X1+2.061X2-0.485X4-0.379X5

Logit[P(行業(yè)=3|X1,X2,X4,X5)]= 2.352-6.896X1+5.312X2+0.315X4-0.730X5

由此可見，不同情境模式下（本研究以行業(yè)為基準）是不同的，所以在之前的研究中以ST、非ST分類是存在一些欠缺的。

7.1 研究結(jié)論

1. 非參數(shù)檢驗過程說明，針對不同情景，財務(wù)指標的差異性是存在的，以上雖然采用Kruskal-Wallis H檢驗和中位數(shù)檢驗，所提示的財務(wù)指標項目并不相同，甚至沒有交集，主要原因是數(shù)據(jù)，個別行業(yè)的樣本數(shù)太少，更大規(guī)模的數(shù)據(jù)驗證工作可以完成更為準確的行業(yè)公司財務(wù)風險預(yù)警模型設(shè)計工作。

2. 多元Logistic模型與一般的ST、非ST分類不同在于，情景模式的多元使得多元Logistic模型代替了二元Logistic模型，增加了數(shù)據(jù)計算量，同時財務(wù)指標的選擇成為了更重要的內(nèi)容，以上選擇了20個指標，因子載荷分析后，形成了6個，在Logistic模型以這6個指標建立了涉及4種行業(yè)情景模式的Logistic模型回歸方程。

3. 提出了解決公司財務(wù)風險問題需要有系統(tǒng)的預(yù)警預(yù)案機制，即公司財務(wù)風險預(yù)警模型起到的僅是數(shù)據(jù)描述作用，不應(yīng)該放大公司財務(wù)風險預(yù)警模型成為判斷作用，公司財務(wù)風險預(yù)警預(yù)案機制來保證公司財務(wù)風險預(yù)警成為一個系統(tǒng)的財務(wù)管理方法，公司財務(wù)風險預(yù)警模型是具有公司個性化特點的一個重要組成部分，整體體系需要有一個綜合預(yù)防方法。

參考文獻

[1] 王艷.基于Logistic回歸方法的上市公司失敗預(yù)警模型研究[D]，合肥:合肥工業(yè)大學.2006；

[2] 梁娟.我國中小企業(yè)板上市公司財務(wù)風險預(yù)警的探討[J].科技情報開發(fā)與經(jīng)濟,2007（16）；

[3] 郭志等.我國上市公司財務(wù)困境預(yù)警研究[J].當代經(jīng)理人,2006（3）；

篇4

摘要： 目的 了解山西省出生缺陷高發(fā)區(qū)地球化學環(huán)境中微量元素含量與發(fā)病風險的關(guān)系。方法 應(yīng)用電感耦合等離子發(fā)射光譜儀(ICP)對山西省出生缺陷高發(fā)區(qū)中陽、交口縣及低發(fā)區(qū)平遙縣土壤、糧食、飲用水源和人發(fā)樣品中As、Se、Mo、Zn、Sr、Fe、Sn、Mg、V、Cu、Al、K、S、Ca等14種元素含量進行測定，再用非參數(shù)檢驗和逐步回歸等統(tǒng)計學方法對比分析出生缺陷高、低發(fā)區(qū)的樣品中微量元素含量差異。結(jié)果 出生缺陷高發(fā)區(qū)環(huán)境中S元素含量高，Sr、Al元素含量低。此外，高發(fā)區(qū)與對照低發(fā)區(qū)的水、糧食以及人發(fā)中Mg、Mn、Mo、Fe、Cu、Ca和Sn的含量差異有統(tǒng)計學意義。結(jié)論 出生缺陷高發(fā)區(qū)和對照區(qū)土壤、糧食、飲用水源及人發(fā)中微量元素含量差異有統(tǒng)計學意義，可以通過環(huán)境因素中微量元素分析來推斷出生缺陷發(fā)生風險高低。

關(guān)鍵詞： 高發(fā)區(qū);發(fā)病率；元素含量；出生缺陷

Analysis on trace element of geochemical environment in high prevalence area of birth defects

Abstract： Objective To explore the relationship between the content of trace elements of geochemical environment and the incidence of birth defects in the high prevalence area of birth defects.Methods The concentration of 14 kinds elements in the samples of soil，corn，water and hair from the high prevalence areas and the low one in Shanxi province were mensurated with Inductively Couplled Plasma(IGP) machine in the lab.Then the data were statistically analyzed and compared to find the difference of geochemical environment among these areas.Results Compared with the samples from the low prevalence area，the concentration of sulfur in the natural environment samples from high prevalence areas was significantly higher，but the concentration of strontium and aluminum were lower.Besides，and there were significant difference between the concentration of Mg，Mn，Mo，F(xiàn)e，Cu，Ca and Sn in water and corn from the high prevalence birth defects area and that from the low one.Conclusion The concentration of trace elements in the samples of soil，corn，water and hair from the high birh defects ratio area and the low one has great difference，which can be used to deduce the occurrence of birth defects.

Key words：high prevalence area;incidence;concentration of elements;birth defects

出生缺陷發(fā)生與環(huán)境因素異常有關(guān)已被證實〔1〕，但已往的相關(guān)研究更多關(guān)注的是污染環(huán)境、生活環(huán)境及工作環(huán)境等次生環(huán)境的影響作用〔2-5〕。而大量研究表明，出生缺陷發(fā)生具有一定的地域集中性，存在明顯的高發(fā)地區(qū)〔6，7〕。探討出生缺陷高發(fā)區(qū)自然環(huán)境的異常特征，對出生缺陷的預(yù)防和干預(yù)很有意義。山西省是我國出生缺陷高發(fā)區(qū)，1996～2002年的調(diào)查數(shù)據(jù)表明，全省平均出生缺陷發(fā)生率為177%，農(nóng)村地區(qū)高達277%〔8〕。本文采用對照比較法，探索出生缺陷發(fā)生率與地球化學環(huán)境異常特征之間的相關(guān)關(guān)系，為有效干預(yù)和防治出生缺陷的發(fā)生提供科學依據(jù)。

1 資料與方法

11 樣品采集 選擇出生缺陷高發(fā)的山西省交口縣和中陽縣作為研究區(qū)，出生缺陷發(fā)生率低的平遙縣作為對照區(qū)。根據(jù)流行病學調(diào)查結(jié)果，在出生缺陷高發(fā)區(qū)，選擇19個自然村落，分別采集表層土壤(耕地和林地共146份樣本)、飲用水(井水和河水共248份)、糧食(玉米共170份)和人體頭發(fā)樣品(共79份)。在作為對照區(qū)的平遙縣，采集上述各類平行樣(共21份樣本)。在高發(fā)區(qū)和對照區(qū)采集土壤樣品時均遠離居民住地和道路，以保證樣品的代表性。

12 樣品處理與分析 土壤樣品風干后過100目篩，然后稱取土樣01g，加入3ml硝酸，1ml高氯酸，1ml氫氟酸，放置到烘箱烘烤硝化4～5h。然后，放在電熱板上加熱1～2h，直到液體凝結(jié)成珠后，加高純水定容至10ml，待測。人發(fā)和糧食等樣品，首先經(jīng)清洗、烘干后剪碎或磨碎，稱取01g，再加入1ml硝酸和1ml雙氧水，加熱消解、定容至10ml，待測。處理后的樣品用電感耦合等離子發(fā)射光譜儀(ICP)測定As、Se、Mo、Zn、Sr、Fe、Sn、Mg、V、Cu、Al、K、S、Ca等14種元素含量。

13 統(tǒng)計分析 將實驗測得的數(shù)據(jù)按照高發(fā)區(qū)和對照區(qū)分為2組，建立SPSS數(shù)據(jù)庫。對各樣本中的所有元素進行統(tǒng)計分析，尋找在樣本內(nèi)相對穩(wěn)定的元素，而剔除在樣本內(nèi)變異較大的元素。其次將這些含量相對穩(wěn)定的元素作為出生缺陷高發(fā)區(qū)群體樣本和對照區(qū)進行地球化學特征差異的分析。根據(jù)研究目的及樣本構(gòu)成特征，選擇非參數(shù)檢驗(曼惠特尼U檢驗)、逐步回歸分析法來分析出生缺陷高發(fā)區(qū)的環(huán)境異常特征。采用SPSS 100統(tǒng)計軟件進行分析。

2 結(jié)果

21 樣本分析與元素篩選(表1) 由表1可知，在疾病高發(fā)區(qū)，土壤中微量元素含量相對穩(wěn)定，不同采樣點的變化不大。而飲用水和糧食中的微量元素存在一定的變異。含量變異度較大的元素在淺層水中有As、Mo、Sn、Cu；深層水中有Sn、Cu;糧食中則是Mo、Sn。因此，在進行非參數(shù)檢驗時將Mo、Sn、Cu 3種元素剔除。同時，由于有些元素含量極低，甚至低于儀器的檢測限，也考慮剔除。這些元素在病區(qū)有頭發(fā)樣本中As、Mo、Sn；飲用水中有Fe、V；耕地和林地土壤中有Se；糧食中為As、Se、Mo。對于這些元素，目前還不能忽略其可能的致畸作用，如果需要可再作進一步研究。

轉(zhuǎn)貼于

22 非參數(shù)檢驗結(jié)果(表2) 表2為在剔除Mo、Sn、Cu元素后進行的非參數(shù)檢驗結(jié)果。出生缺陷高發(fā)區(qū)和對照元素含量有顯著差異。根據(jù)平均軼值的大小比較，患者發(fā)中Sr、Mg、Ca含量明顯偏低，Al、Fe明顯偏高。病區(qū)和非病區(qū)土壤中Fe、S有顯著差異，病區(qū)林地土壤中S含量明顯偏高，非病區(qū)Fe、S含量明顯偏低。病區(qū)和非病區(qū)糧食中Sr、Ca、K差別明顯，在病區(qū)這3種元素含量明顯偏高。病區(qū)和非病區(qū)淺層水中Sr、Fe、Mg、Al含量差別明顯。病區(qū)和非病區(qū)深層水中Sr、Fe、Mg、Al、K含量差別明顯。此外，除了耕地外，病區(qū)其他環(huán)境指標中的S含量均高于非病區(qū)。

表1 病區(qū)指標中元素含量變異系數(shù)（略）

表2 高發(fā)區(qū)與對照區(qū)各指標非參數(shù)檢驗結(jié)果（略）

注：*P

23 逐步回歸分析結(jié)果 為了方便回歸分析，設(shè)病區(qū)發(fā)病率為1，對照區(qū)為-1。病區(qū)發(fā)病率y1=1，對照區(qū)發(fā)病率y2=-1為因變量，14種元素含量為自變量，進行多元逐步回歸分析。進入方程的元素即是對病情影響較大的元素，分別是：人發(fā)中的Se、Mg、Ca，淺層水中的Mo、Sr、Sn、Ca、Al，深層水中的Mo、Sr、Sn、Al、K、S，耕地土壤中Zn、Sr、K、S，林地土壤中S，糧食中K等。其中S與病情呈正相關(guān)，Se、Mg、Mo、Zn、Sr與病情呈負相關(guān)，Sn在淺層水中與病情呈正相關(guān)，在深層水中與病情呈負相關(guān)，K在耕地中與病情呈正相關(guān)，在糧食中則呈負相關(guān)。

24 高發(fā)區(qū)地球化學環(huán)境異常特征 綜合考慮非參數(shù)檢驗和逐步回歸分析的結(jié)果，就可以檢出既在高發(fā)區(qū)和對照區(qū)間含量變異大，又對高發(fā)區(qū)環(huán)境特征形成貢獻大的元素?？梢杂?種檢驗結(jié)果所構(gòu)成的微量元素交集來表現(xiàn)出生缺陷高發(fā)區(qū)地球化學環(huán)境的異常特征。結(jié)果表明，盡管高發(fā)區(qū)微量元素含量差異在不同環(huán)境要素中表現(xiàn)不同，但是總體環(huán)境中S元素含量高和Sr、Al、Mg元素含量低的特性明顯。因此，可以認為S元素含量高和Sr、Al、Mg元素含量低構(gòu)成了出生缺陷高發(fā)區(qū)地球化學環(huán)境異常特征。

3 討論

人體缺乏鍶將會阻礙新陳代謝、產(chǎn)生牙齒和骨骼發(fā)育不正常等癥狀，精神病患者的頭發(fā)中鋰、鍶含量低。如果缺乏Mg會使人體產(chǎn)生疲乏感，易激動、抑郁、心跳加快和易抽搐等。北方水質(zhì)較硬，地下水本身又屬硬性水，其中鈣、硫含量往往導(dǎo)致飲用者發(fā)生肝、腎、尿道結(jié)石即神經(jīng)系統(tǒng)疾病，危害人體健康。人體鉀含量異常會造成心臟功能不正常。鋁是一種對人體有害的元素，可在人體內(nèi)蓄積并產(chǎn)生慢性毒性。鋁可在腦組織中蓄積，引起中樞神經(jīng)功能紊亂。導(dǎo)致中樞神經(jīng)功能障礙。鋁能引起人類的骨病變，如骨軟化和骨發(fā)育不全〔9〕。通過對山西省出生缺陷高發(fā)區(qū)和低發(fā)區(qū)土壤、飲水、糧食及人發(fā)樣品中微量元素含量的統(tǒng)計分析，可以得到以下結(jié)論：(1)出生缺陷高發(fā)區(qū)和對照區(qū)土壤、糧食、飲用水源及人發(fā)中微量元素含量具有顯著性差異，可以通過微量元素分析來表征高發(fā)區(qū)地球化學環(huán)境的異常特征。(2)非參數(shù)檢驗和逐步回歸分析結(jié)果表明，出生缺陷高發(fā)區(qū)地球化學環(huán)境比較清晰的異常特征是S元素含量高，Sr、Al、Mg元素含量低。(3)由于出生缺陷高低發(fā)區(qū)水、糧食以及病人頭發(fā)中Mg、Mn、Mo、Fe、Cu、Ca和Sn的含量也有明顯差別，所以可以推測上述元素對出生缺陷的形成也可能具有重要的影響作用。

參考文獻

〔1〕 李正，王慧珍，吉士俊.先天畸形學［M］.北京：人民衛(wèi)生出版社，2000：1-2.

〔2〕 Irgens A，Kruger K，Skorve A H，et al.Reproductive outcome in offspring of parents occupationally exposed to lead in Norway［J］.AMJINDMED，1998，34：431-437.

〔3〕 Navah Z Ratzon，Asher Ornoy，Asher Pardo，et al.Developmental evaluation of children born to mothers occupationally exposed to waste anesthetic gases［J］.Birth Defects Research(Pan A)，2004，70：476-482.

〔4〕 趙仲唐，李棟，高莉潔，等.不同人群先天畸形影響因素比較［J］.中國公共衛(wèi)生，2005，21(3)：293-295.

〔5〕 馬清蘭，王國宏.鉛對女工妊娠及子代健康影響分析［J］.中國公共衛(wèi)生，2005，21(1)：40.

〔6〕 Richard Olney，Joseph Mulinare.Epidemiology of neural tube defects［J］.MRDD Research Reviews，1998，4：241-246.

〔7〕 Cynthia AM，Song Li，Zhu Li，et al.Elevated rates of severe neural tube defects in a highprevalence area in Northern China［J］.American Journal of Medical Genetics，1997，73：113-118.

〔8〕 張雪娟，王琳.山西省1996～2002年出生缺陷研究［J］.中國婦幼保健，2004，13：93-94.

篇5

關(guān)鍵詞：非參數(shù)檢驗；分布擬合；洪澇判定

中圖分類號：P407 文獻標識碼：A 文章編號：1009-2374（2013）20-0016-02

1 概述

自然災(zāi)害的發(fā)生具有一定的突發(fā)性和隨機性，且有時是難以避免的。進入21世紀，我國洪澇災(zāi)害頻發(fā)，造成損失嚴重。僅2012年洪澇災(zāi)害致死673人，直接損失2675億元。因此如何應(yīng)對洪澇災(zāi)害以減輕財產(chǎn)損失是我們不得輕視的問題。

本文通過處理鄭州多年降雨量數(shù)據(jù)建立洪澇災(zāi)害判定模型，得出21世紀以來鄭州洪澇災(zāi)害發(fā)生的具體情況，通過概率分布來量化鄭州洪澇發(fā)生的頻率、強度、持續(xù)時間和多發(fā)月份等信息，以便為該地區(qū)農(nóng)業(yè)災(zāi)害保險定價、農(nóng)業(yè)生產(chǎn)和洪澇災(zāi)害防治等方面提供依據(jù)。

2 理論與概念

2.1 數(shù)據(jù)來源

本文選取中國氣象科學數(shù)據(jù)共享服務(wù)網(wǎng)，截取鄭州站點2000～2012年降雨量日值數(shù)據(jù)為研究對象。依據(jù)氣象學中我國氣象部門采用的爆雨強度標準，大暴雨是指12小時雨量等于和大于70毫米；特大暴雨指是2小時雨量等于和大于140毫米。

2.2 降雨形成洪澇模型

洪澇災(zāi)害主要是由降雨引起的，當降雨量在一段時間內(nèi)持續(xù)過大，降水速度大于排水速度就會引起洪澇災(zāi)害。假設(shè)降雨速度為v（t）mm/d，而最大排水速度為V，實時排水速度為v0mm/d。則，該地區(qū)在t-t0時間段

內(nèi)雨水累積量為：

（1）

顯然當日降雨量較小時，降雨可以及時地通過土壤滲透以及河流排水排出，即v（t）-v0=0時不存在積水情況，更不會存在洪澇災(zāi)害的隱患。但當日降雨量非常大或者持續(xù)高強度降水時亦即v（t）非常大或者持續(xù)較大時，就會發(fā)生洪澇災(zāi)害。

在t-t0這段時期內(nèi)，可以把從下雨整個連續(xù)多水期分為潛伏、蓄水和排水三階段。在潛伏階段（t0～t1），v（t）=v0，不會形成積水；到了蓄水階段（t1～t2），v（t）>v0，會開始形成積水，且積水的多

少與Δt=（t1～t2）的大小直接呈正相關(guān)，積水大于一定值時判定為洪澇，此階段持續(xù)時期越長則發(fā)生洪澇災(zāi)害越嚴重；進入排水階段后降水速度減少至C以下（t2～t3），v0=C，此時期長短則與前期的積水量正相關(guān)，直到t3時刻排水結(jié)束，積水V=0。

則（1）式可以展開為：

（2）

從（2）式可看出t2時刻V（t）達到最大為：

（3）

于是可以參照此時的積水量Vm來判斷洪澇發(fā)生的時間和強度。假設(shè)觀測區(qū)排水速度恒為100mm/d，即與大暴雨的速度相當。當積水超過50mm時判定為洪澇，洪澇強度與積水深度有關(guān)。求得12年來洪澇災(zāi)害發(fā)生的結(jié)果，見表1。

2.3 分布檢驗方法

在總體分布情況不明或有些分組數(shù)據(jù)一端或兩端為不確定數(shù)值時，用非參數(shù)檢驗。本文選用K-S檢驗、A-D檢驗和卡方檢驗三種常見的非參檢驗方法。三種檢驗的值都是越小，實際分布越接近理論分布。

3 關(guān)于鄭州洪澇災(zāi)害的描述

一般大暴雨及洪澇災(zāi)害發(fā)生的時間、每次發(fā)生的強度、發(fā)生頻率等遵循某種特殊分布。我們試圖以某種分布函數(shù)來描述這種規(guī)律，并通過非參數(shù)檢驗來判斷擬合優(yōu)度。

3.1 洪澇發(fā)生頻率描述

通過每年災(zāi)害發(fā)生次數(shù)的時序圖，可知鄭州歷年災(zāi)害數(shù)之間的影響不大。根據(jù)鄭州2000～2012年洪澇發(fā)生次數(shù)的原始數(shù)據(jù)，可知鄭州洪澇發(fā)生次數(shù)的樣本原點矩8.923，大暴雨發(fā)生次數(shù)的樣本原點矩18.615。分別運用參數(shù)λ=8.92和λ=18.6的泊松分布對洪澇及大暴雨發(fā)生的次數(shù)進行非參數(shù)檢驗。

洪澇和大暴雨的K-S檢驗值分別為0.179和0.142，均小于置信水平95%時的臨界值0.36，通過檢驗；二者A-D檢驗值分別為0.51和0.31，小于置信水平95%時的臨界值2.5。因此可認為鄭州洪澇災(zāi)害及大暴雨發(fā)生的次數(shù)都服從泊松分布。大暴雨年發(fā)生次數(shù)X～π（18.6）。洪澇災(zāi)害年發(fā)生次數(shù)Y～π（8.9）。

3.2 暴雨發(fā)生月份描述

通過觀察大暴雨發(fā)生的月份可發(fā)現(xiàn)大暴雨發(fā)生時間集中在夏季，用常見的有界分布對其經(jīng)驗分布進行擬合都不理想，其中Gen.Extreme Value擬合度最優(yōu)，K-S檢驗值0.125，A-D檢驗值7.74，仍拒絕原假設(shè)。故只能通過頻數(shù)分析來描述大暴雨平均發(fā)生次數(shù)與月份的關(guān)系，詳見表2。

4 結(jié)論與展望

本文通過建立模型處理易得的降雨量數(shù)據(jù)，得出鄭州13年間洪澇災(zāi)害發(fā)生的時間和強度等信息。洪澇災(zāi)害的發(fā)生次數(shù)服從泊松分布，并長期持續(xù)以大約每年9次的速度發(fā)生洪澇災(zāi)害，7、8、9三個月份是大暴雨頻發(fā)月份。因此每年這三個月要特別注意洪澇災(zāi)害的防治。

本文對鄭州洪澇災(zāi)害進行了初步探索，其中有很多需要完善的地方。比如洪澇災(zāi)害的發(fā)生時間與強度可能會有某種聯(lián)系，但本文只分別檢驗各自的統(tǒng)計規(guī)律，而這兩者很有可能服從某種聯(lián)合分布；本文只針對洪澇災(zāi)害進行研究，其他自然災(zāi)害的概率描述也會對農(nóng)業(yè)防災(zāi)和保險賠付領(lǐng)域有深刻的價值，所以針對不足有待進一步分析和推廣。

參考文獻

[1] 周俊華，史培軍，方偉華，等.1736-1998年中國洪澇災(zāi)害持續(xù)時間分析[J].北京師范大學學報（自然科學版），2001，37（3）：409-414.

[2] 張俊香，黃崇福，喬森，等.自然災(zāi)害概率風險區(qū)劃與軟風險區(qū)劃的比較[A].中國災(zāi)害防御協(xié)會風險分析專業(yè)委員會第二屆年會應(yīng)用基礎(chǔ)與工程科學學報

[C].2006：1-5.

篇6

內(nèi)容摘要:本文通過描述性統(tǒng)計、非參數(shù)檢驗和LSD檢驗等不同研究方法,基于2003-2008的數(shù)據(jù),對我國A股上市公司資本結(jié)構(gòu)的行業(yè)性差異進行了全面的深入的分析。并得到結(jié)論:雖然總體而言,我國上市公司行業(yè)間的資產(chǎn)負債率存在顯著差異,但這種顯著差異并不具有普遍性和穩(wěn)定性。

關(guān)鍵詞:上市公司 行業(yè) 資本結(jié)構(gòu) 資產(chǎn)負債率 差異

相關(guān)理論回顧

自1958年Modigliani和Miller開創(chuàng)性地提出了MM理論以來,資本結(jié)構(gòu)問題就一直受到金融學家們的持續(xù)關(guān)注,成為公司金融領(lǐng)域和企業(yè)理論的主要研究方向之一。資本結(jié)構(gòu)理論發(fā)展至今,大致經(jīng)歷了現(xiàn)代資本結(jié)構(gòu)理論階段(1958-20世紀70年代后期)、新資本結(jié)構(gòu)理論階段(20世紀70年代后期-20世紀80年代)和后資本結(jié)構(gòu)理論階段(20世紀80年代后期―)。而在20世紀80年代后期之前的資本結(jié)構(gòu)理論通常都是把企業(yè)在產(chǎn)品市場上的競爭策略和財務(wù)策略分開來進行研究,沒有考慮二者間存在的互動影響。因此,后資本結(jié)構(gòu)理論之前的理論都認為資本結(jié)構(gòu)的決定與公司的行業(yè)特性無關(guān)。

直到Brander和Lewis(1986)的“寡占競爭和財務(wù)結(jié)構(gòu):有限責任效應(yīng)”一文發(fā)表后,產(chǎn)業(yè)經(jīng)濟學家和公司財務(wù)學家各自為政的局面才得以改觀。此后,資本結(jié)構(gòu)與產(chǎn)品市場競爭互動關(guān)系受到金融經(jīng)濟學家和產(chǎn)業(yè)經(jīng)濟學家的關(guān)注,也就逐步形成了以產(chǎn)業(yè)組織為基礎(chǔ)的資本結(jié)構(gòu)理論。該理論不斷發(fā)展的研究表明,企業(yè)的資本結(jié)構(gòu)決策是基于產(chǎn)品市場競爭環(huán)境,公司戰(zhàn)略以及資本市場環(huán)境等因素的綜合選擇?？傊?企業(yè)的資本結(jié)構(gòu)和產(chǎn)品市場競爭之間存在密不可分的聯(lián)系。此后,學者們對行業(yè)因素是否影響公司資本結(jié)構(gòu)選擇開展了大量的理論和實證研究。理論分析通常得到了一致的結(jié)論,即行業(yè)特征是影響公司資本結(jié)構(gòu)的重要因素;而實證分析卻得到了兩種截然不同的結(jié)論:資本結(jié)構(gòu)和行業(yè)無關(guān);資本結(jié)構(gòu)和行業(yè)相關(guān)。

從理論上來分析,首先,不同行業(yè)經(jīng)營的業(yè)務(wù)特點不同、行業(yè)成長性不同、資產(chǎn)結(jié)構(gòu)不同、對資本的需求狀況也不同,因而資本結(jié)構(gòu)應(yīng)該不同;其次,各個行業(yè)的競爭激烈程度不同,資本結(jié)構(gòu)也應(yīng)該會受到影響;最后,行為金融學中的“羊群效應(yīng)”也能對資本結(jié)構(gòu)的行業(yè)差別進行解釋。

然而,如前所述,無論是國外還是國內(nèi)學者的相關(guān)實證研究則得出了和理論分析有別的兩種相逆結(jié)果。如表1所示。

究其得出不同結(jié)論的原因,主要是因為研究的時間跨度都較短且樣本量不夠,以及研究方法不一致等。

本文試圖對行業(yè)是否是影響上市公司資本結(jié)構(gòu)的因素之一進行一次詳細的考察,并著重關(guān)注:不同行業(yè)是否具有不同的資本結(jié)構(gòu)、同一行業(yè)是否具有相似的資本結(jié)構(gòu)等問題。

數(shù)據(jù)樣本與研究方法

(一)數(shù)據(jù)樣本

截至2008年12月,我國A股上市公司已有1600多家,根據(jù)分析的需要,本文以2003―2008的年報數(shù)據(jù)作為選樣窗口,并依據(jù)中國證券監(jiān)督管理委員會2001年4月3日的《上市公司行業(yè)分類指引》進行篩選,具體選樣原則如下:

1.剔除金融類(I)和綜合類(M)上市公司。因為金融類上市公司的資本結(jié)構(gòu)和非金融類上市公司的資本結(jié)構(gòu)之間是不具有可比性的,而跨行業(yè)經(jīng)營的綜合類主營業(yè)務(wù)不定,不屬于任何行業(yè)。

2.上市時間相對較長。為了滿足研究樣本量的足夠性,同時考慮到新上市公司的業(yè)績?nèi)菀壮霈F(xiàn)非正常性的波動,而且公司內(nèi)部各方面的運行機制還不夠健全和完善,即為了確保上市公司行為的相對成熟,新上市(上市一年內(nèi))或次新上市(上市兩年內(nèi))公司不包含在樣本中,即剔除了2001.1.1之后上市的公司。

3.剔除了同時發(fā)行B股或H股的公司。由于外資股的股價與公眾A股的股價不同,而且B股和H股對A股的信息披露有所影響。所以本研究的樣本均為僅發(fā)行A股的上市公司。

4.剔除2003―2008期間被實施過ST(Special Treatment,特別處理)和PT(Particular Transfer,特別轉(zhuǎn)讓)類上市公司。這些公司或處于財務(wù)狀況異常的情況,或已連續(xù)虧損兩年以上,若這些公司納入研究樣本中將影響研究結(jié)論。

5.剔除資產(chǎn)負債率大于100%的上市公司。這類企業(yè)實際上已是資不抵債,基本上陷入退市境地,而處于困境之中的負債水平并不是企業(yè)正常的負債水平。并且,大于1的資產(chǎn)負債率違背企業(yè)經(jīng)營在會計上的基本等式,且是一個異常值,它的加入會極大地影響統(tǒng)計結(jié)果,使統(tǒng)計結(jié)果出現(xiàn)不應(yīng)有的偏差。

6.考慮到樣本在不同時間的可對比性,本研究選取了2003―2008連續(xù)公布年報,且年報數(shù)據(jù)都齊全的上市公司。

基于以上原則,本研究最終選取了639家在2003―2008年連續(xù)公布年度財務(wù)報表的非金融類A股上市公司作為研究樣本。它們分屬于11個行業(yè)門類以及各行業(yè)大類。如表2所示?？梢?基本上反映了我國目前上市公司產(chǎn)業(yè)結(jié)構(gòu)的現(xiàn)狀。所以,可以認為研究樣本的選擇是具有代表性的。

本研究的公司財務(wù)數(shù)據(jù)信息主要來自國泰安的中國股票市場數(shù)據(jù)庫(CSMAR)和上海證券交易所、深圳證券交易所網(wǎng)站、鳳凰財經(jīng)網(wǎng)站等;數(shù)據(jù)處理軟件則是采用經(jīng)濟分析中常用的SPSS15.0。

(二)研究方法

本文將分別采用描述性統(tǒng)計分析、Kruskal―Wallis H非參數(shù)檢驗方法、最小顯著差異LSD 檢驗和回歸分析等方法對行業(yè)因素是否影響資本結(jié)構(gòu)進行分析。

描述性統(tǒng)計分析。首先對樣本公司從行業(yè)的角度對資本結(jié)構(gòu)的變量資產(chǎn)負債率進行統(tǒng)計描述,試圖發(fā)現(xiàn)其中蘊含的一些行業(yè)特征。

然后,采用Kruskal―Wallis H非參數(shù)檢驗方法檢驗樣本公司的資產(chǎn)負債比率是否具有顯著的行業(yè)間差異。原假設(shè):各行業(yè)的資產(chǎn)負債率沒有顯著差異。

如果拒絕原假設(shè),即各行業(yè)的資產(chǎn)負債率存在明顯差異,則繼續(xù)對行業(yè)間兩兩比較,來考察是否由于個別行業(yè)的異常值而導(dǎo)致了差異檢驗結(jié)果的顯著,即以此來考察行業(yè)間的顯著差異是否具有普遍性。本文將使用LSD(Least Significant Difference)檢驗方法對此進行行業(yè)差異性檢驗。

實證研究結(jié)果及分析

(一) 資本結(jié)構(gòu)行業(yè)特征的描述性統(tǒng)計

11個行業(yè)門類樣本公司2003―2008年資產(chǎn)負債率的描述性統(tǒng)計結(jié)果見表3。

從表3可見,2003―2008年所有行業(yè)的資產(chǎn)負債率的變化趨勢基本相同,而且總體上都呈上升趨勢;初步來看,資產(chǎn)負債率還是存在一定的行業(yè)差異。歷年樣本行業(yè)的資產(chǎn)負債率平均為49%;建筑業(yè)E的資產(chǎn)負債率最高,為65.12%;房地產(chǎn)行業(yè)J次之,為55.59%,批發(fā)和零售貿(mào)易H隨后,為52.91%;而采掘業(yè)B、交通運輸、倉儲業(yè)F和社會服務(wù)業(yè)K的資產(chǎn)負債率相對較低,其中,交通運輸和倉儲業(yè)F的資產(chǎn)負債率水平是最低的,平均僅為36.08%。

(二)資本結(jié)構(gòu)行業(yè)差異的假設(shè)檢驗

基于以上理論分析和描述性統(tǒng)計分析的結(jié)果,提出如下假設(shè):不同行業(yè)的資本結(jié)構(gòu)存在差異。以下采用Kruskal―Wallis H非參數(shù)檢驗方法對差異進行檢驗。表4是不同行業(yè)間資產(chǎn)負債率Kruskal―Wallis H非參數(shù)檢驗得到的結(jié)果。

由表4可見,所有卡方檢驗值都在1%的水平上顯著,所以應(yīng)該拒絕原零假設(shè),即總體上公司資產(chǎn)負債率的確存在顯著的行業(yè)間差異,這也證實了前文的理論分析結(jié)果和描述性結(jié)論。

為了排除這種總體上的顯著性差異可能是來源于某幾個行業(yè)的異常值,而非存在于任何兩個行業(yè)之間,本文采用LSD方法對樣本進行兩兩間多重比較檢驗。檢驗結(jié)果見表5所示。由于篇幅受限,在此僅列出2008年的檢驗結(jié)果,其余年度的結(jié)果匯總見表6。

11個行業(yè)的兩兩組合共有55對,而從表5可知,2008年在0.1顯著性水平以上(包括0.1、0.05和0.01)存在顯著差異的有26對,占總組對的47%;而在0.01顯著性水平上存在顯著差異的只有15對,僅占總組對的27%。同時,可以注意到,建筑業(yè)E和其他所有行業(yè)都存在顯著性差異,交通運輸和倉儲業(yè)F則和絕大部分行業(yè)存在顯著性差異。而從以上的描述性統(tǒng)計可知,行業(yè)E和F是樣本期間內(nèi)平均資產(chǎn)負債率最高和最低的行業(yè)。此外,資產(chǎn)負債率相對較高的行業(yè)J和H,以及資產(chǎn)負債率較低的行業(yè)B和K均較其他行業(yè)存在較多組對的顯著性差異。所以,可以認為,資本結(jié)構(gòu)行業(yè)的顯著性差異應(yīng)該主要是由于個別資產(chǎn)負債率較高或是較低的行業(yè)所導(dǎo)致的。因此,從2008年的比較結(jié)果來看,資產(chǎn)負債率行業(yè)差異的顯著性并不是普遍存在于任何兩個行業(yè)之間的。

同時,為了避免僅由2008的數(shù)據(jù)得出“資產(chǎn)負債率行業(yè)差異的顯著性并不是普遍存在于任何兩個行業(yè)之間”的結(jié)論有失偏頗,將分別對2003―2008年在1%、5%和10%的顯著性水平下進行LSD檢驗,進行全面檢驗資本結(jié)構(gòu)行業(yè)間差異的顯著性,其結(jié)果匯總?cè)绫?所示。

從表6可見,每年資產(chǎn)負債率具有行業(yè)顯著性差異的組對數(shù)是不一樣的。從0.1的顯著性水平來看,最多的年份是2004年,有33對行業(yè)之間存在資產(chǎn)負債率的顯著性差異,占全部行業(yè)組對的60%;最少的年份是2007年,55對行業(yè)組對中僅有21對行業(yè)之間存在資產(chǎn)負債率的顯著性差異,占比僅為38%。例如,在2008年,行業(yè)F的資產(chǎn)負債率分別和行業(yè)A、C、D、E、H、J等行業(yè)之間具有顯著性差異,而在2007年,行業(yè)F的資產(chǎn)負債率除了和上述行業(yè),還和行業(yè)G之間具有顯著性差異。這就充分說明了資本結(jié)構(gòu)行業(yè)顯著性差異并不穩(wěn)定存在于固定的兩個行業(yè)之間。

以上得出的“資本結(jié)構(gòu)行業(yè)顯著差異并非具有普遍性和穩(wěn)定性”的研究結(jié)論和絕大多數(shù)學者的研究結(jié)論是不一致的,如陸正飛和辛宇(1998)、郭鵬飛和孫培源(2003)、肖作平(2004)、譚克(2005)、黃輝和王志華(2006)、童勇(2006)等。但和洪錫熙和沈藝峰(2000)、董逢谷和袁衛(wèi)秋(2006)等學者的研究結(jié)論是一致的。

結(jié)論

以往對資本結(jié)構(gòu)行業(yè)差異的研究通常只采用了描述性統(tǒng)計、Kruskal-Wallis H非參數(shù)檢驗等研究方法,從而得出了“總體上我國上市公司資產(chǎn)負債率的確存在顯著的行業(yè)間差異”的結(jié)論。為了排除這種總體上的顯著性差異可能是來源于某幾個行業(yè)的異常值,而非存在于任何兩個行業(yè)之間,本文補充采用了LSD方法對樣本2003-2008的資產(chǎn)負債率進行兩兩間多重比較檢驗,對我國上市公司的資本結(jié)構(gòu)行業(yè)性差異進行了全面深入的分析,可以得到以下結(jié)論:

僅通過描述性統(tǒng)計、Kruskal-Wallis H非參數(shù)檢驗等研究方法可以得出:總體而言,我國上市公司行業(yè)間的資產(chǎn)負債率存在顯著差異;

進一步采用的LSD分析方法卻顯示:就2008年的數(shù)據(jù)而言,只有資產(chǎn)負債率最高的E行業(yè)和其他所有行業(yè)都存在顯著性差異、資產(chǎn)負債率最低的F行業(yè)和絕大部分行業(yè)存在顯著性差異;資產(chǎn)負債率相對較高的行業(yè)J和H,以及資產(chǎn)負債率較低的行業(yè)B和K均較其他行業(yè)存在較多組對的顯著性差異。

所以,可以認為,資本結(jié)構(gòu)行業(yè)的顯著性差異應(yīng)該主要是由于個別資產(chǎn)負債率較高或是較低的行業(yè)所導(dǎo)致的。換言之,我國上市公司資產(chǎn)負債率行業(yè)差異的顯著性并不是普遍存在于任何兩個行業(yè)之間的,即不具有普遍性。

2003-2008資產(chǎn)負債率行業(yè)間差異LSD檢驗結(jié)果顯示:每年資產(chǎn)負債率具有行業(yè)顯著性差異的組對數(shù)是不一樣的。由此充分說明了我國上市公司資本結(jié)構(gòu)行業(yè)顯著性差異并不穩(wěn)定存在于固定的兩個行業(yè)之間,即不具有穩(wěn)定性。

參考文獻:

1.董逢谷,袁衛(wèi)秋.上市公司資產(chǎn)負債率行業(yè)影響的實證研究―對已有研究結(jié)論的質(zhì)疑[J].財經(jīng)研究,2006.6

2.譚克.中國上市公司資本結(jié)構(gòu)行業(yè)差異的實證研究[J].產(chǎn)業(yè)經(jīng)濟研究,2005.3

3.黃輝,王志華.資本結(jié)構(gòu)行業(yè)差異及其影響因素的實證分析―來自我國上市公司的經(jīng)驗數(shù)據(jù)[J].財經(jīng)理論與實踐,2006.1

4.郭鵬飛,孫培源.資本結(jié)構(gòu)的行業(yè)特征―基于中國上市公司的實證研究[J].經(jīng)濟研究,2003.5

5.李志國,和田方,徐臘平.行業(yè)差異與資本結(jié)構(gòu)―來自我國上市公司的經(jīng)驗數(shù)據(jù)[J].當代經(jīng)濟管理,2007.2

6.童光榮,胡耀亭,肖作平.行業(yè)特征與資本結(jié)構(gòu)研究[J].經(jīng)濟管理,2005.8

7.許敏,鄭垂勇.行業(yè)因素與資本結(jié)構(gòu)相關(guān)性實證研究[J].財會通訊,2009.1

8.David F Scott,John D Martin,Industry Influence on Capital Structure[J],Financial Management,1975

9.J Markham Collins,William S Sekely,The Relationship of Headquarters Country and Industry Classification to Capital structure [J],Financial Management,1983

10.Lee Remmers,et al,Industry and Size as Debt Ratio Determinants in Manufacturing Internationally[J],Financial Management,1974

11.Robert M Bowen,et al,Evidence on the Existence and Determinants of Inter-industry Differences in Leverage[J],Financial Management,1982

篇7

【關(guān)鍵詞】公司債券;對比分析法;非參數(shù)檢驗法

引言

雖然近幾年國家對公司債券市場的建設(shè)高度重視,2007年頒布實施的《公司債券發(fā)行試點辦法》在一定程度上也促進了公司債券市場的發(fā)展,但從總體上來講我國證券市場的發(fā)展仍然很不平衡:股票市場發(fā)展迅速,債券市場發(fā)展相對滯后;公司債券融資額在債券市場所占比重較小。近幾年,由于國際金融危機的發(fā)生使股票市場低迷,利用股權(quán)融資方式募集的資金額較以前相比有所降低,利用債券融資方式所募集的資金額有所提高,但從整體來看,我國上市公司進行再融資時仍然比較偏好股權(quán)融資,債券融資所獲資金占股權(quán)融資所獲資金的比例仍然較低。債券融資是上市公司一種重要的直接融資渠道,對于調(diào)整上市公司資本結(jié)構(gòu)、促進我國證券市場平衡發(fā)展及穩(wěn)定國家金融體系等方面都具有重要的作用。由于目前我國學者很少從財務(wù)績效的角度對上市公司債券融資進行實證研究,所以本文結(jié)合我國證券市場上的實際情況擬采用對比分析法和非參數(shù)檢驗法對我國上市公司進行公司債券融資前后的財務(wù)績效進行研究,并對實證結(jié)果進行分析,為我國上市公司優(yōu)化資本結(jié)構(gòu)、制定融資決策及促進我國公司債券市場的發(fā)展提供參考性的建議[1]。

1.考察指標、研究樣本和研究時間的選取

1.1 考察指標的選取

本文對上市公司進行債券融資前后的財務(wù)績效進行考察時選取的財務(wù)指標主要有:托賓Q值、凈資產(chǎn)收益率和凈利潤增長率,三者的計算公式分別是:

Q=(股權(quán)市值+凈債務(wù)市值)/期末總資產(chǎn)(其中:非流通股權(quán)市值用凈資產(chǎn)代替)

凈資產(chǎn)收益率=[年末凈利潤(扣除非經(jīng)常性損益)/股東權(quán)益平均余額]×10%

凈利潤增長率=[(本年末凈利潤-上年末凈利潤)/上年末凈利潤]×10%

上述三個指標中,托賓Q值能夠很好的反映股東的獲利能力;凈資產(chǎn)收益率反映公司所有者權(quán)益的投資報酬率,具有很強的綜合性;凈利潤增長率反映公司凈利潤的增長情況,是揭示公司成長性的最有力證據(jù)。

1.2 研究樣本的選取

本文對上市公司長期財務(wù)績效進行研究選取的樣本是2007發(fā)行債券的上市公司和境內(nèi)增發(fā)新股的上市公司。為了本文研究的需要,選取的樣本公司需符合一下條件:(1)僅考慮增發(fā)A股的上市公司;(2)僅考慮非金融類上市公司;(3)所需的財務(wù)數(shù)據(jù)可以獲得。

1.3 研究時間段的選取

對于上市公司進行融資后的長期財務(wù)績效進行研究應(yīng)該選取恰當?shù)臅r間間隔,這主要是因為從上市公司融資到的資金投入項目需要經(jīng)過建設(shè)期以及調(diào)試生產(chǎn)期才能產(chǎn)生經(jīng)濟效益,所以選取的研究時間的跨度不能太短也不能太長,否則都不利于正確反映上市公司融資資金產(chǎn)生的效益。如果選取的研究時間跨度太短,投入項目的融資資金所產(chǎn)生的效果就不能被顯示出來;但是若選取的研究時間跨度太長的話,就會由于我國上市公司自身的再融資行為間隔比較短而容易引起兩次不同再融資產(chǎn)生的效益混淆。一般情況下認為上市公司進行再融資前后的經(jīng)營情況可以在四年這個時間段被充分的反映出來。因此,本文選取上市公司進行債券融資和進行增發(fā)新股融資的前一年、再融資當年和再融資后兩年作為研究時間段對上市公司再融資前后的經(jīng)營情況進行研究。

2.發(fā)行債券對上市公司托賓Q值和凈資產(chǎn)收益率的影響

根據(jù)企業(yè)融資理論可知,與銀行存款和股權(quán)融資方式相比,債券融資具有很多自身的優(yōu)勢。另外,目前我國學者對上市公司進行配股、增發(fā)以及發(fā)行可轉(zhuǎn)換債券等方式進行了深入的研究分析,得出這些股權(quán)融資方式及帶有股權(quán)性質(zhì)的融資方式會給上市公司帶來負面影響?；趯θ谫Y理論分析和前人對股權(quán)融資及可轉(zhuǎn)換債券進行研究得出結(jié)論的基礎(chǔ)上,本文在對上市公司發(fā)行債券后托賓Q值和凈資產(chǎn)收益率的變化情況進行研究時有如下假設(shè):

假設(shè)一:上市公司采用增發(fā)新股融資的方式后,公司的經(jīng)營業(yè)績會有所下降。

假設(shè)二:上市公司采用債券融資的方式后,公司經(jīng)營業(yè)績的表現(xiàn)優(yōu)于增發(fā)新股融資后的表現(xiàn)。

從圖1可以看出,增發(fā)新股融資當年與前一年相比,托賓Q值全部上升;增發(fā)新股融資后一年與當年相比,托賓Q值全部下降;增發(fā)新股融資后兩年與當年相比,除青松建化和康美藥業(yè)的托賓Q值有所提高,其余全部下降,但與增發(fā)后一年相比,除了振華重工有所下降,其他公司的托賓Q值都有所提高。從圖2可以看出,增發(fā)新股融資當年與前一年相比,有13家公司的凈資產(chǎn)收益率提高,占樣本總數(shù)的54.17%;增發(fā)新股融資后一年與當年相比,有7家公司的凈資產(chǎn)收益率提高,占樣本總數(shù)的29.17%;增發(fā)新股融資后兩年與當年相比,有9家公司的凈資產(chǎn)收益率提高,占樣本總數(shù)的37.5%,但與增發(fā)后一年相比,有13公司的凈資產(chǎn)收益率提高,占樣本總數(shù)的54.17%。

從圖3可以看出,上市公司發(fā)債融資當年與前一年相比,托賓Q值都提高了;發(fā)債融資后一年與當年相比,托賓Q值都下降了;發(fā)債融資后兩年與當年相比,有2家公司的托賓Q值提高,占樣本總數(shù)的16.67%,但與融資后一年相比,有10家公司的托賓Q值提高,占樣本總數(shù)的83.33%。從圖4可以看出,上市公司發(fā)債融資當年與前一年相比,有11家公司的凈資產(chǎn)收益率提高,占樣本總數(shù)的73.33%;融資后一年與當年相比,有4家公司的凈資產(chǎn)收益率提高,占樣本總數(shù)的26.67%;發(fā)債融資后兩年與當年相比,有3家公司的凈資產(chǎn)收益率提高,占樣本總額的20%,融資后兩年與融資后一年相比,有7家公司的凈資產(chǎn)收益率提高,占樣本總額的46.67%。

從對圖3和圖4的分析我們可以看出,上市公司發(fā)債融資當年的托賓Q值和凈資產(chǎn)收益率與融資前一年相比,整體有明顯提升,特別是托賓Q值,所有樣本公司都有所提高;發(fā)債融資后一年與融資當年相比,兩個指標整體有顯著下降,特別是托賓Q值,所有樣本公司都下降了;發(fā)債融資后兩年與融資當年相比,兩個指標整體有明顯下降;融資后兩年與融資后一年相比,兩個指標又有所提高,其中托賓Q值有顯著提高。從發(fā)債公司融資前一年、融資當年、融資后一年和融資后兩年的托賓Q值和凈資產(chǎn)收益率的變化當中,我們并不能判斷出上市公司發(fā)債融資后對其經(jīng)營績效有積極影響。

從表1可以看出,發(fā)債上市公司在融資前一年、融資當年、融資后一年和融資后兩年的托賓Q值的均值都小于增發(fā)新股的公司,但是并沒有通過非參數(shù)檢驗。從表2中可以看出,發(fā)債上市公司在融資前一年、融資當年、融資后一年和融資后兩年的凈資產(chǎn)收益率的均值也都低于增發(fā)新股的上市公司,而且可以在0.05的顯著性平水下通過非參數(shù)檢驗。所以,從這兩個指標的比較中我們并不能判斷上市公司進行發(fā)債融資后的經(jīng)營績效優(yōu)于增發(fā)新股的公司,所以此檢驗不能證明假設(shè)二成立。

從表2可以看出,發(fā)債公司的凈資產(chǎn)收益率均值明顯高于發(fā)債前一年、發(fā)債后一年和后兩年,現(xiàn)有假設(shè)三:發(fā)債公司在發(fā)債前一年、發(fā)債當年、及發(fā)債后一年和后兩年存在利潤操縱現(xiàn)象,且發(fā)債當年的利潤操縱現(xiàn)象十分明顯。

為了檢驗假設(shè)三,本文將上市公司發(fā)債當年的資產(chǎn)收益率分別與發(fā)債前一年、發(fā)債后一年和后兩年進行了非參數(shù)檢驗,結(jié)果如表3所示。

從表2和表3可以看出,發(fā)債公司發(fā)債當年的凈資產(chǎn)收益率明顯高于發(fā)債前一年、發(fā)債后一年和后兩年,且在0.05的顯著性水平下通過了非參數(shù)檢驗。這就驗證了上述假設(shè)三的成立。

3.發(fā)行債券對上市公司凈利潤增長率的影響

從圖5可以看出,上市公司發(fā)債融資當年與前一年相比,有5家公司的凈利潤增長率提高,占樣本總數(shù)的45.45%;發(fā)債融資后一年與當年相比,有3家公司的凈利潤增長率提高,占樣本總數(shù)的27.27%;發(fā)債融資后兩年與當年相比,有6家公司的凈利潤增長率提高,占樣本總額的54.55%,融資后兩年與融資后一年相比,有8家公司的凈利潤增長率提高,占樣本總額的72.73%。

由上述分析我們可以得出,上市公司發(fā)債融資當年與前一年相比,凈利潤增長率提高不明顯;發(fā)債融資后一年與當年相比,凈利潤增長率指標都有明顯下降;發(fā)債融資后兩年與當年相比,凈利潤增長率指標整體有所提高;而融資后兩年與融資后一年相比,凈利潤增長率指標有顯著的提高。

4.結(jié)論及建議

通過對發(fā)債上市公司財務(wù)指標的分析,以及將托賓Q值和凈資產(chǎn)收益率與增發(fā)新股的公司相對比我們可得出如下結(jié)論:上市公司發(fā)債融資后對公司經(jīng)營績效的影響并不優(yōu)于增發(fā)新股的公司;上市公司發(fā)債融資后,托賓Q值、凈資產(chǎn)收益率和凈利潤增長率這三個財務(wù)指標整體的變化趨勢是發(fā)債融資當年優(yōu)于融資前一年,后一年和后兩年;融資后兩年與融資后一年相比指標有所提高;發(fā)債公司存在利潤操縱現(xiàn)象。

雖然從理論上來講,我國上市公司采用債券融資具有自身特殊的優(yōu)勢:獲得節(jié)稅利益;發(fā)行程序規(guī)范簡化,發(fā)行時間更為寬泛;上市公司管理層更傾向于債券融資;公司債券的發(fā)行擔保靈活,也可以免擔保;發(fā)行公司債券募集的資金沒有被明確規(guī)定用途;公司債券的發(fā)行價格市場化,公司債券在票面利率的設(shè)計上具有更為廣闊的創(chuàng)新空間和自由度等。但是從對長期財務(wù)績效進行實證研究的結(jié)果我們可以看出,上市公司發(fā)債后財務(wù)績效的表現(xiàn)不容樂觀。這其中有金融危機和公司債券市場發(fā)展滯后等宏觀環(huán)境的影響,但也有上市公司自身的因素。與盈余管理相關(guān),上市公司在發(fā)債的前一年,發(fā)債當年及發(fā)債后都存在利潤操縱現(xiàn)象,尤其發(fā)債當年利潤操縱現(xiàn)象非常明顯,這也可能是發(fā)行債券后一年財務(wù)績效下滑較明顯的一個重要原因。這就要求監(jiān)管機構(gòu)對發(fā)行公司債券后的上市公司要加強各方面的監(jiān)督,同時也說明單獨依靠嚴厲的監(jiān)管就使得公司績效從根本上得到提高是辦不到的,要使上市公司的績效得到真正的提高,只能從根本上改善公司的治理結(jié)構(gòu),提高投資者的理性和增強資本市場的有效性。

參考文獻

[1]谷秀娟,孔亞平.我國上市公司發(fā)行公司債券對二級市場股價的影響[J].科技創(chuàng)業(yè)月刊,2009(10):

32-34.

[2]楊靜.債券融資優(yōu)勢[J].技術(shù)與市場,2007(02):

45-46.

[3]楊堅麗.為什么要選擇公司債?[J].中國投資,2007(11):118-120.

[4]杭蕊.企業(yè)債券融資優(yōu)勢的理論分析[J].農(nóng)村經(jīng)濟與科技,2008(01):77-78.

[5]張偉,張曉迪.中國公司債券的發(fā)展現(xiàn)狀和對策研究[J].經(jīng)濟與管理,2009(02):55-58.

本文為“鄭州市創(chuàng)新型科技人才隊伍建設(shè)工程”成果。

作者簡介:

篇8

關(guān)鍵詞：股票走勢;隨機游走;游程檢驗

一、問題的背景

由于股票的走勢總是難以預(yù)測，類似于隨機游走，若市場是有效市場，則任何對股票的預(yù)測都是徒勞的。如果一個市場的證券價格總是能夠“充分反映”所有可得到的信息，則該市場就是“有效的”。國內(nèi)許多學者通過對股票價格指數(shù)進行游程檢驗，普遍認為我國的股票市場是一個弱有效市場。

在對股票進行游程檢驗時，大多數(shù)的做法是檢驗上證指數(shù)收益率與其中位數(shù)的差值正負作為檢驗的對象。股票走勢是時間序列數(shù)據(jù)，前一天或許會對后一天的走勢產(chǎn)生影響，如果是隨機游走的，則股票漲跌之間應(yīng)該是隨機的，不會出現(xiàn)很多的上漲，也不會出現(xiàn)很多的下跌，因此對股票漲跌情況作為檢測對象，也能夠判斷其是否是隨機的。

為了檢驗股票走勢是否隨機，分別選擇上證指數(shù)、深證指數(shù)2014年7月1日至2014年10月31日的數(shù)據(jù)，若上漲為1，下跌為0，進行隨機性的檢驗。這里，我們列出部分數(shù)據(jù)，見表1：

二、方法的選取

對隨機游走的假設(shè)檢驗方法很多， 有Box -Pierce Q 檢驗、Ljung- Box Q 檢驗、游程檢驗、D ick-Fuller檢驗、Phillipsk - Perron 檢驗等。游程檢驗是非參數(shù)方法，不用考慮數(shù)據(jù)的總體分布，使用簡便有效，只要對數(shù)據(jù)的類別進行檢驗就行。游程檢驗主要思想為：將取自某一總體的樣本的觀察值按從小到大順序排列，找出中位數(shù)（或眾數(shù)），大于小于中位數(shù)的兩個部分。用上下交錯形成的游程個數(shù)來檢驗樣本是否是隨機的。即通過序列的實際游程數(shù)同隨機序列游程數(shù)的期望值做比較，來判斷觀察序列是否是隨機的。例如檢驗次品的出現(xiàn)是否隨機、時間序列是否平穩(wěn)等，都可以用游程檢驗的方法進行檢驗，原假設(shè)H0為樣品出現(xiàn)是隨機的，備擇假設(shè)H1是樣品出現(xiàn)是非隨機的，可以是雙側(cè)，也可以是單側(cè)。連續(xù)出現(xiàn)的具有相同特征的樣本點為一個游程。當過程是隨機時，其游程的總數(shù)應(yīng)在一定的范圍內(nèi)，既不能太小，也不能太大。在H0為真的情況下，兩種類型符號出現(xiàn)的可能性相等，其在序列中是交互的。在這里原假設(shè)H0是指數(shù)的漲跌是隨機的，備擇假設(shè)H1是指數(shù)的漲跌不是隨機的。相對于一定的各類個數(shù)，序列游程的總數(shù)應(yīng)在一個范圍內(nèi)。若游程的總數(shù)R過少，表明某一游程的長度過長，意味著有較多的同一符號相連，序列存在成群的傾向;若游程總數(shù)過多，表明游程長度很短，意味著兩個符號頻繁交替，序列具有混合的傾向。檢驗統(tǒng)計量即為游程總數(shù)R，m、n為各類的個數(shù)，且

因此，統(tǒng)計量R有漸進分布：

三、軟件分析

（一）SPSS軟件分析

在SPSS軟件中有非參數(shù)檢驗的一些方法，如卡方檢驗、二項分布檢驗、單樣本K-S檢驗、游程檢驗等，操作簡便。在SPSS中分別輸入數(shù)據(jù)，并完成變量設(shè)置，選擇分析工具的非參數(shù)檢驗中的Runs Test，漲跌選為檢驗變量，得到結(jié)果如表2：

從該表可以看出，上證指數(shù)漲的天數(shù)有50天，跌的天數(shù)有33天，一共是83個檢驗數(shù)據(jù)，游程總數(shù)是37個， 統(tǒng)計量的值為-0.867，相應(yīng)的漸進顯著性（雙側(cè)）即 值為0.386，接受原假設(shè)，即上證指數(shù)的漲跌是隨機的。深證指數(shù)漲的天數(shù)是52天，跌的天數(shù)是31天，與上證指數(shù)相近，說明兩個股市在中國的宏觀經(jīng)濟環(huán)境下，會受到相同方向的經(jīng)濟影響。深證指數(shù)的游程數(shù)是39，檢驗統(tǒng)計量的值為-0.199， 值為0.842，接受原假設(shè)，即深證指數(shù)的漲跌也是隨機的。

（二）R語言分析

利用R中游程檢驗函數(shù)runs.test（），得到結(jié)果如表3：

從表可知，上證指數(shù)和深圳指數(shù)二者的檢驗統(tǒng)計量分別為-0.8671、-0.1992， 值分別為0.3859、0.842，表明在0.05的顯著性水平下，均接受原假設(shè)，即上證指數(shù)和深證指數(shù)的漲跌都是隨機的。

四、結(jié)果分析

該實驗結(jié)果說明國內(nèi)上證指數(shù)、深證指數(shù)在近期內(nèi)的漲跌是隨機的，即股票的走勢是隨機游走的，不能有效預(yù)測股票的漲跌情況，因此通過技術(shù)分析等手段進行股票的分析是無效的。但是實際中，還是有很多人會利用基本面分析、公司價值分析、K線理論等方法，對股市進行預(yù)測。我國的證券市場還不是很完善，還存在信息不對稱，上市公司的信息披露也存在一定不完全性，股票的走勢也不是完全隨機的，股民們追漲殺跌的行為也會影響股票的隨機性，而帶來一定的趨勢性。

參考文獻：

[1]陳明智.股價（期貨）分析預(yù)測學.北京：教育科學出版社， 1993.

[2]俞喬.場有效、周期異常與股價波動.經(jīng)濟研究，1994（4）.

[3]羅捍東.證券動態(tài)投資策略.預(yù)測，1992（2）.

篇9

關(guān)鍵詞：霧霾污染；非參數(shù)檢驗；多元統(tǒng)計分析

中圖分類號：F39 文獻標志碼：A 文章編號：1673-291X（2016）29-0090-03

引言

近幾年霧霾天氣頻發(fā)，可想而知，霧霾給人類的日常的生產(chǎn)生活帶來了很多負面影響，不同程度上影響日常學習和生活。而對于霧霾的認識，專家學者們眾說紛紜。孫亮[1]認為酸雨是由霧霾引起的，會減少農(nóng)作物產(chǎn)量。劉鴻志[2]認為霧霾會影響很多方面，如人的情緒、社會管理和政府公信力、工農(nóng)業(yè)生產(chǎn)、養(yǎng)殖業(yè)、旅游業(yè)等。朱成章[3]認為影響霧霾的主要因素是煤和石油。馮少榮、馮康巍[4]利用統(tǒng)計分析方法分析霧霾的影響因素，認為面積大的城市要注意區(qū)域間的協(xié)調(diào)配合；第二產(chǎn)業(yè)占比大的工業(yè)城市要注意霧霾的防治。

一、黑龍江省各城市霧霾影響因素指標體系的構(gòu)建

本文在大多數(shù)學者的研究成果基礎(chǔ)上，對黑龍江省的12個地級市（哈爾濱市、齊齊哈爾市、牡丹江市、佳木斯市、大慶市、雞西市、雙鴨山市、伊春市、七臺河市、鶴崗市、黑河市、綏化市）進行分析，并建立黑龍江省各城市霧霾影響因素指標體系。其中被解釋變量（Y）的計算方法采取2014年11月份每天的AQI相加反映該月的空氣質(zhì)量水平。所有數(shù)據(jù)均來自2014年的《黑龍江統(tǒng)計年鑒》。

二、黑龍江省霧霾天氣影響因素實證分析

（一）非參數(shù)檢驗

由于霧霾的測度變量――空氣質(zhì)量指標（AQI）及影響因素的分布事先未知，因此利用person相關(guān)系數(shù)和非參數(shù)檢驗中的Spearman秩相關(guān)系數(shù)和Kendall-相關(guān)系數(shù)來實現(xiàn)，這三個系數(shù)相互印證，共同判斷霧霾的主要影響因素。

由于數(shù)據(jù)是選取黑龍江省12個城市的單月數(shù)據(jù)，并不能以此認為這些數(shù)據(jù)都服從于正態(tài)分布。為了檢驗AQI與各潛在影響因素之間的相關(guān)性，采取非參數(shù)檢驗的方法；為了使結(jié)果更準確，采用Spearman秩相關(guān)系數(shù)和Kendall-相關(guān)系數(shù)同時做檢驗，與person相關(guān)系數(shù)進行對比，觀察顯著性情況，做出準確分析。其中相關(guān)性顯著的如表2所示。

對表2的結(jié)果進行分析，由于取0.05的置信度時，變量的顯著性明顯，所以下文以0.05置信度的結(jié)果進行分析。

從城市規(guī)模的角度看，與Y呈顯著正相P的是GDP和人口。這一結(jié)論很少被有關(guān)專家學者發(fā)現(xiàn)或者提到。GDP越高，AQI指數(shù)越高，說明經(jīng)濟的不斷增長，霧霾越來越嚴重，有悖于常識，但是黑龍江省發(fā)展經(jīng)濟的同時可能不重視環(huán)境治理，就導(dǎo)致霧霾情況越來越嚴重，這就不難解釋AQI指數(shù)和GDP呈正相關(guān)關(guān)系了。這僅是筆者個人的觀點。AQI指數(shù)和人口成正比，是因為人口越多，各種能源消耗就越多，對環(huán)境的污染越嚴重，霧霾指數(shù)就越大。

從工業(yè)污染排放方面看，與Y呈顯著正相關(guān)的是第二產(chǎn)業(yè)增加值。這就很容易解釋，第二產(chǎn)業(yè)增加值越大，AQI指數(shù)越高，工業(yè)產(chǎn)業(yè)排放的污染越嚴重，霧霾污染越嚴重，這樣的城市越需要治理。

從機動車排放污染方面看，與Y呈顯著正相關(guān)的是X7、X8，即機動車輛和單位面積機動車輛。機動車輛越多，排放的尾氣污染越多，環(huán)境污染越嚴重，霧霾越嚴重，這是個影響霧霾的重要因素，不容忽視。

從能源消耗排放方面看，三個因素與AQI指數(shù)都無顯著的相關(guān)關(guān)系，與實際不太相符，對霧霾的影響很大，有直接關(guān)系，在這里就不做解釋了。

（二）多元線性回歸分析

多元線性回歸模型是指有多個解釋變量的線性回歸模型，用于揭示被解釋變量與多個解釋變量之間的線性關(guān)系。多元線性回歸的數(shù)學模型[5]為：

對上述顯著的5個X和Y做多元回歸，回歸模型為：

y=β0+β1x1+β2x3+β3x5+β4x7+β5x8+ε，其中系數(shù)βi為待估參數(shù)（i=0，1，2，3，4，5），ε為隨機誤差項。

根據(jù)相應(yīng)的數(shù)據(jù)，利用SPSS進行回歸分析，結(jié)果如表 4所示。

回歸方程通過F檢驗，可認為被解釋變量與解釋變量全體的線性關(guān)系顯著。調(diào)整后的R方為0.756，擬合優(yōu)度較好。查DW臨界值表可得 du

表4反映所有自變量的t檢驗的p值均大于顯著性水平，認為它們與被解釋變量的線性關(guān)系顯著，應(yīng)該被留在模型當中。由于方差膨脹因子（VIF）均接近1，可判斷該模型中不存在多重共線性的問題。

再將數(shù)據(jù)輸入Eviews中，利用White檢驗判斷是否存在異方差性，檢驗結(jié)果如表5、表6所示。

由檢驗結(jié)果可以看出，White檢驗的輔助回歸模型F統(tǒng)計量值以及懷特統(tǒng)計量F的P值均大于0.05的顯著水平，因此接受同方差的假設(shè)，認為模型不存在異方差。接下來進行隨機解釋變量檢驗，將殘差與解釋變量之間計算相關(guān)系數(shù)如下：可見解釋變量與殘差之間的相關(guān)系數(shù)極小，認為模型不存在隨機解釋變量問題。最終模型為：

Y=1378.78223198+1.14766531901X1+0.254109331177X3+

2.65182277315X5+7.0788498235X7+240.019927163X8

表示城市生產(chǎn)總值越大，霧霾越嚴重，即GDP每增加1.148億元，霧霾的空氣指數(shù)將會增加1。城市人口越多，霧霾越嚴重，即人口每增加0.2541萬人，霧霾的空氣指數(shù)將會增加1。單位面積機動車輛越大的城市，霧霾污染的可能性要小。即第二產(chǎn)業(yè)增加值增加2.652億元，霧霾的空氣指數(shù)將會增加1。

三、緩解霧霾污染的政策建議

近幾年，霧霾天氣越來越頻繁地發(fā)生，尤其在秋冬季節(jié)，黑龍江省乃至全國都特別嚴重，所以霧霾治理迫在眉睫，也應(yīng)該引起大家的重視。根據(jù)上述實證分析結(jié)果及結(jié)合黑龍江省的實際情況，提出以下幾點有針對性的建議。

（一）優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，協(xié)調(diào)發(fā)展綠色經(jīng)濟

工業(yè)排放的廢水、廢氣、粉塵等導(dǎo)致了環(huán)境的嚴重污染，也對霧霾的產(chǎn)生有很大的影響，所以控制第二產(chǎn)業(yè)增加值，第二產(chǎn)業(yè)占比很有必要。

（二）交通方面的治理

主要就是汽車尾氣的排放污染，一方面，要從根本上控制機動車輛的保有量，減少單位面積的機動車輛，控制在一個指標上；另一方面，機動車應(yīng)該使用高質(zhì)量、綠色環(huán)保的汽油，減少汽車尾氣排放廢氣污染成分，從根源上緩解霧霾的產(chǎn)生。

（三）能源消耗使用結(jié)構(gòu)調(diào)整

近幾年，煤炭消耗不斷增加，尤其像黑龍江這樣的北方城市，煤炭的使用必不可少，供暖時排放的廢氣是導(dǎo)致霧霾的重要影響因素，我們就要從可實施方面改善這種情況，盡量使用污染小的能源代替煤炭的使用，大力開發(fā)天然氣、提高煤炭的利用率，減少煤炭的使用[6]。

（四）其他政策建議

黑龍江省地域特殊，是個以農(nóng)業(yè)為主的省份，在秋季，秸稈燃燒現(xiàn)象非常嚴重，農(nóng)民取暖使用煤炭，也很少養(yǎng)殖大型畜牧類牲畜，所以秸稈對于他們就沒有多大的用處，無處放置，大多都就地燃燒了。這種現(xiàn)象對環(huán)境污染極其嚴重，是導(dǎo)致霧霾的原因。應(yīng)該重視秸稈燃燒的情況，充分利用秸稈，生產(chǎn)出新的能源，既代替煤炭的使用，也能減少環(huán)境污染，緩解霧霾污染。增加綠地面積，改善空氣質(zhì)量，也是緩解霧霾的一種有效的途徑。

參考文獻：

[1] 孫亮.灰霾天氣成因危害及控制治理[J].環(huán)境科學與管理，2012，（10）：71-75.

[2] 劉鴻志.霧霾影響及近期治理措施分析[J].環(huán)境保護，2013，（15）：30-32.

[3] 朱成章.我國防止霧霾污染的對策與建議[J].中外能源，2013，（6）：18-22.

[4] T少榮，馮康巍.基于統(tǒng)計分析方法的霧霾影響因素及治理措施[J].廈門大學學報：自然科學版，2015，（1）：114-121.

篇10

關(guān)鍵詞：大學生；個性化；創(chuàng)業(yè)教育；創(chuàng)業(yè)意識

2002年4月，教育部高教司在北京召開的普通高等學校創(chuàng)業(yè)教育試點工作座談會上明確指出，對大學生進行創(chuàng)業(yè)教育，培養(yǎng)具有創(chuàng)業(yè)精神和創(chuàng)業(yè)能力的高素質(zhì)人才是當前高等院校的重要任務(wù)，并確定了9所高校為創(chuàng)業(yè)教育試點院校。那么，經(jīng)過近10年的發(fā)展，哪些因素對大學生創(chuàng)業(yè)意識有顯著影響?高校開展的創(chuàng)業(yè)教育對學生的影響力如何，能否滿足學生的需要?帶著這些問題我們選擇中部地區(qū)某綜合性大學在校大學生為研究對象，采取隨機抽樣方法發(fā)放調(diào)查問卷與個別深入訪談相結(jié)合的方式收集第一手資料，對此展開深入研究，以期為相關(guān)決策部門開展創(chuàng)業(yè)指導(dǎo)提供參考依據(jù)。

一　大學生個人背景特征對創(chuàng)業(yè)意識的影響

作為大學生創(chuàng)業(yè)意識影響因素的個人背景主要考慮了性別、學科性質(zhì)、地域、是否有參加創(chuàng)業(yè)競賽經(jīng)歷四個方面。對這四個變量分別采用0－1人工變量法賦值，其中學科專業(yè)分為文、理兩類，地域分為城、鄉(xiāng)兩類。采取量表法收集資料，為了簡化問題，這里只考慮大學生個人背景特征對其創(chuàng)業(yè)意識強弱的影響，從1－5所賦數(shù)值越大表明創(chuàng)業(yè)意識越強，對創(chuàng)業(yè)越感興趣。由于上述所設(shè)變量為定類尺度或定序尺度數(shù)據(jù)，傳統(tǒng)的參數(shù)檢驗方法由于嚴格的應(yīng)用條件限制在此缺乏適用性，根據(jù)數(shù)據(jù)特點，在此更適合用對數(shù)據(jù)要求較低的非參數(shù)檢驗方法，因此，采用SPSS11.5軟件中的獨立樣本非參數(shù)檢驗對上述假設(shè)進行驗證。

由于每一種非參數(shù)檢驗方法只利用了原始數(shù)據(jù)某一方面的信息，為了增強結(jié)論的說服力，利用兩獨立樣本非參數(shù)檢驗過程中的Mann-Whitney Test和Kolmogorov-Smirnov Test兩種檢驗方法來驗證在校大學生性別、學科性質(zhì)、地域、是否有參加創(chuàng)業(yè)競賽經(jīng)歷對創(chuàng)業(yè)意識產(chǎn)生顯著影響的假設(shè)。調(diào)研數(shù)據(jù)分析結(jié)果整理如表1所示。

從上表可知，在學科性質(zhì)、地域、是否有參加創(chuàng)業(yè)競賽經(jīng)歷這三個變量上，兩種檢驗的相伴概率都遠遠大于5％的顯著性水平，可以認為這三個方面都未對大學生創(chuàng)業(yè)意識產(chǎn)生顯著影響，這與大多數(shù)人的主觀認識存在一定差異。在以比爾?蓋茨為代表的一批科技創(chuàng)業(yè)先鋒取得成功后，人們通常認為科技創(chuàng)業(yè)應(yīng)該是大學生創(chuàng)業(yè)的首選，但隨著大學生創(chuàng)業(yè)領(lǐng)域的不斷拓展，文理科不同學科背景的學生紛紛開始關(guān)注創(chuàng)業(yè)，在對創(chuàng)業(yè)的關(guān)注程度上已沒有明顯差異。同時，來自城鎮(zhèn)和來自農(nóng)村的學生在創(chuàng)業(yè)意識上也沒有顯著差異，說明不同生長環(huán)境的學生雖然在家庭背景、社會資源等方面存在一定差異，但這些差異并未對他們的創(chuàng)業(yè)意識產(chǎn)生很大影響。通過訪談還發(fā)現(xiàn)，很多來自不富裕的農(nóng)村家庭的學生更希望通過自主創(chuàng)業(yè)來實現(xiàn)自我，改變家庭經(jīng)濟狀況。另外，參加過創(chuàng)業(yè)計劃競賽的學生并未表現(xiàn)出比未參加過創(chuàng)業(yè)計劃競賽的學生對創(chuàng)業(yè)更高程度的關(guān)注，這主要是由于相當一部分大學生參加創(chuàng)業(yè)計劃競賽并不是為將來自主創(chuàng)業(yè)積累經(jīng)驗，而是為未來增加就業(yè)籌碼，以期獲得更好的職業(yè)發(fā)展機會，這在一定程度上也說明目前大學生創(chuàng)業(yè)計劃競賽項目還缺乏從理論走向?qū)嵺`的推動力。

性別這一影響因素較特殊，根據(jù)Mann-WhitneyTest結(jié)果，可以95％的置信度認為性別是影響大學生創(chuàng)業(yè)意識的一個顯著因素，而Kolmogorov-SmirnovTest結(jié)果則說明，以95％的置信度認為性別對大學生創(chuàng)業(yè)意識影響不顯著，但以90％的置信度在可認為性別對大學生創(chuàng)業(yè)意識影響顯著。這一方面是由于兩種檢驗方法本身所利用的數(shù)據(jù)信息不同造成的，另一方面也說明傳統(tǒng)的性別角色觀念雖然對大學生創(chuàng)業(yè)意識仍有一定影響，但這種影響正逐步趨于弱化，越來越多的女大學生在創(chuàng)業(yè)熱潮中開始走上自主創(chuàng)業(yè)之路。

二　大學生創(chuàng)業(yè)綜合素質(zhì)差異分析

從上面的分析中可知不同性別的大學生對創(chuàng)業(yè)的關(guān)注程度存在一定差異，那么，他們對大學生創(chuàng)業(yè)所必須具備的綜合素質(zhì)的看法又是否一致，是否造成他們創(chuàng)業(yè)意識的差異呢?對于這一問題我們進行了創(chuàng)業(yè)綜合素質(zhì)的多選項調(diào)查。通過與大學生訪談，最終將創(chuàng)業(yè)素質(zhì)分為六個方面：挑戰(zhàn)精神、專業(yè)知識、組織能力、社會關(guān)系、

溝通能力和創(chuàng)新思維。調(diào)查時要求大學生選出自己認為最重要、第二重要、第三重要的素質(zhì)。對調(diào)查結(jié)果進行整理，結(jié)果見表2。

從不同重要性的創(chuàng)業(yè)素質(zhì)來看，第一重要素質(zhì)選擇挑戰(zhàn)精神的比例最高(29.6％)，第二重要素質(zhì)選擇組織能力的比例最高(31.5％)，第三重要素質(zhì)選擇溝通能力的比例最高(27.1％)。但從多選項分析結(jié)果看，選擇組織能力的人數(shù)最多，占20.6％，其次是社會關(guān)系、溝通能力和挑戰(zhàn)精神，這三個方面相差不大。雖然在分析最重要創(chuàng)業(yè)素質(zhì)時選擇具備挑戰(zhàn)精神的人數(shù)最多，但從三個因素的綜合分析看，挑戰(zhàn)精神并未出現(xiàn)在第一位，說明當前大學生創(chuàng)業(yè)除了依靠勇于挑戰(zhàn)的創(chuàng)業(yè)激情外，考慮更多的是能使創(chuàng)業(yè)活動取得成功的良好的組織能力和廣泛的社會關(guān)系等因素。另外，多選項統(tǒng)計中選擇專業(yè)知識和創(chuàng)新思維的人數(shù)相對最少，僅占13.9％和13.3％，這也說明當前大學生創(chuàng)業(yè)方向的選擇與自身專業(yè)知識結(jié)合的緊密程度不高，而且偏向于選擇缺乏創(chuàng)新性的領(lǐng)域開展創(chuàng)業(yè)活動。

從分性別的統(tǒng)計結(jié)果看，最重要的創(chuàng)業(yè)素質(zhì)男生的態(tài)度較女生更統(tǒng)一，且挑戰(zhàn)精神以36.5％的百分比排在第一位，遠遠高于其他創(chuàng)業(yè)素質(zhì)，而女生對不同創(chuàng)業(yè)素質(zhì)的看法較分散，在創(chuàng)新思維、專業(yè)知識和組織能力上差異不大。第二重要的創(chuàng)業(yè)素質(zhì)男、女生都以良好的組織能力選項最高，說明大學生已經(jīng)充分認識到對人、財、物合理的組織與安排是自主創(chuàng)業(yè)的一種主要能力，特別是對人員的組織與安排，需要充分調(diào)動積極性，各盡其能，這也與當前大學生偏愛團隊創(chuàng)業(yè)的現(xiàn)狀相符合。在第三重要的創(chuàng)業(yè)素質(zhì)上，不同性別大學生的選項又表現(xiàn)出明顯的不同，男生以溝通能力為最高，女生以社會關(guān)系為最高。綜上可知，不同性別大學生對創(chuàng)業(yè)需具備的素質(zhì)看法存在較大差異，男生普遍認為擁有挑戰(zhàn)精神是創(chuàng)業(yè)所必需的，其次才考慮對創(chuàng)業(yè)活動取得成功發(fā)生重要影響的其他因素，而女生則更多的考慮社會關(guān)系、專業(yè)知識這些外在因素，缺乏自主創(chuàng)業(yè)所需的勇于挑戰(zhàn)的激情，這也是導(dǎo)致目前大學生創(chuàng)業(yè)活動中男生遠遠多于女生的一個重要原因。

三　學校創(chuàng)業(yè)宣傳指導(dǎo)活動的影響

自2002年4月教育部高教司確定9所高校為創(chuàng)業(yè)教育試點院校以來，其他各高校也陸續(xù)開展了一些創(chuàng)業(yè)宣傳指導(dǎo)活動。那么，學校開展的這些活動在大學生中是否廣泛普及?這些活動是否對大學生的創(chuàng)業(yè)意

識產(chǎn)生預(yù)期的作用?對此我們從是否聽說過學校開展的各種創(chuàng)業(yè)宣傳指導(dǎo)活動、是否參加過學校開展的各種創(chuàng)業(yè)宣傳指導(dǎo)活動、對學校開展的創(chuàng)業(yè)宣傳指導(dǎo)活動是否滿意這三個方面予以了解學校創(chuàng)業(yè)宣傳指導(dǎo)活動的影響力，結(jié)果見表3。

在調(diào)查的大學生中，聽過學校開展的各項創(chuàng)業(yè)宣傳指導(dǎo)活動的占81.4％，但真正參加過的只有31.1％，其中，只有6.2％的學生對這些活動表示滿意，表示不滿意的大學生比例高達70.8％，說明當前地方高校雖然開展了一些創(chuàng)業(yè)宣傳指導(dǎo)活動，但這些活動的宣傳普及率不理想，參與率低，滿意度評價也較差。通過與大學生的深度訪談了解到：其一，學校雖然開展了一些創(chuàng)業(yè)宣傳指導(dǎo)活動，但對活動的介紹推廣力度不高。目前對開展活動的宣傳多以張貼海報或在校園網(wǎng)站信息欄公布兩種方式，海報張貼地點單一、固定，很多學生不會注意，同時很多內(nèi)地高校的校園網(wǎng)又沒有接入學生寢室，使得信息不能及時通知每一位學生。其二，開展的創(chuàng)業(yè)宣傳指導(dǎo)活動規(guī)模小，很多想?yún)⑴c的學生沒有機會參與。學生了解、參與最多的創(chuàng)業(yè)宣傳指導(dǎo)活動是學校不定期請有關(guān)專業(yè)和成功人士舉辦的講座，但這種方式本身也限制了活動參與人數(shù)。其三，學校開展的創(chuàng)業(yè)宣傳指導(dǎo)活動方式單一，不能滿足當前大學生多樣化的需求。通過訪談了解到，很多學生對學校目前開展的創(chuàng)業(yè)宣傳指導(dǎo)活動不滿意，主要是由于方式方法問題，學生并不滿足于聽專家、成功企業(yè)家介紹經(jīng)驗，或者是創(chuàng)業(yè)模擬競賽，他們希望到企業(yè)實地了解運作流程，以增強處理實際問題的能力。