導(dǎo)語(yǔ)：如何才能寫(xiě)好一篇非參數(shù)檢驗(yàn)，這就需要搜集整理更多的資料和文獻(xiàn)，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(yàn)的適用情況分析

參數(shù)檢驗(yàn)是在假設(shè)總體分布已知的情況下，針對(duì)總體分布的某些參數(shù)進(jìn)行推斷檢驗(yàn)，因此參數(shù)檢驗(yàn)對(duì)相關(guān)變量的分布有嚴(yán)格的要求。在現(xiàn)實(shí)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(yàn)的要求，無(wú)法采用參數(shù)檢驗(yàn)的方法對(duì)相關(guān)假定進(jìn)行推斷，這時(shí)候就需要采用非參數(shù)檢驗(yàn)的方法。非參數(shù)檢驗(yàn)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(duì)總體分布進(jìn)行推定。在研究中有時(shí)我們對(duì)研究對(duì)象的分布情況可能知之甚少，研究對(duì)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(guò)參數(shù)檢驗(yàn)的方法對(duì)研究對(duì)象進(jìn)行深入分析，但對(duì)各變量的分布是否滿足參數(shù)檢驗(yàn)的要求沒(méi)有足夠的把握。這時(shí)可以通過(guò)非參數(shù)檢驗(yàn)的方法對(duì)研究變量的分布情況進(jìn)行檢驗(yàn)。

其二，總體分布情況已知，但變量不能夠滿足參數(shù)檢驗(yàn)的要求。參數(shù)檢驗(yàn)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(gè)分布已知的統(tǒng)計(jì)量，進(jìn)而對(duì)特定的假設(shè)進(jìn)行檢驗(yàn)。參數(shù)檢驗(yàn)首先要求被檢驗(yàn)的變量屬于定距變量，對(duì)于定類變量和定序變量則無(wú)法采用采用參數(shù)檢驗(yàn)的方法，參數(shù)檢驗(yàn)除了對(duì)變量的層次有要求外，對(duì)變量的分布也有要求，如果變量不滿足參數(shù)檢驗(yàn)的分布要求，采用參數(shù)檢驗(yàn)方法則有可能得出錯(cuò)誤的結(jié)論。因此對(duì)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(yàn)的方法進(jìn)行分析。

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

同參數(shù)檢驗(yàn)一樣，非參數(shù)檢驗(yàn)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(yàn)主要包括單樣本的總體分布檢驗(yàn)、兩獨(dú)立樣本的非參數(shù)檢驗(yàn)、兩配對(duì)樣本的非參數(shù)檢驗(yàn)及多樣本的非參數(shù)檢驗(yàn)等。

其一，單樣本的總體分布檢驗(yàn)。該檢驗(yàn)是根據(jù)樣本數(shù)據(jù)對(duì)變量是否滿足所假設(shè)的分布進(jìn)行檢驗(yàn)。對(duì)于離散型的變量一般采用卡方檢驗(yàn)的方法，其基本原理是根據(jù)假設(shè)的分布計(jì)算出變量在各個(gè)取值上的理論頻次，利用理論頻次和樣本實(shí)際頻次可以構(gòu)造一個(gè)服從χ2分布的統(tǒng)計(jì)量，在假設(shè)的分布成立的情況下，該統(tǒng)計(jì)量不應(yīng)該太大，根據(jù)計(jì)算出的統(tǒng)計(jì)量的值及其相伴概率（Sig）可以判斷原假設(shè)是否成立，當(dāng)Sig小于設(shè)定的顯著性水平時(shí)應(yīng)拒絕原假設(shè)。由于財(cái)務(wù)管理研究中所涉及的變量更多的是連續(xù)性變量，對(duì)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(dāng)作離散型變量來(lái)處理，采用卡方檢驗(yàn)對(duì)其分布進(jìn)行檢驗(yàn)。但為了提高檢驗(yàn)效率，一般采用單樣本的K―S檢驗(yàn)，K―S檢驗(yàn)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(jì)頻次分布與根據(jù)假設(shè)分布計(jì)算出來(lái)的理論累計(jì)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(jì)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(yàn)累計(jì)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(cè)值可以判斷是否接受原假設(shè)。卡方檢驗(yàn)和單樣本K―S檢驗(yàn)均可通過(guò)統(tǒng)計(jì)分析軟件SPSS實(shí)現(xiàn)，在SPSS中卡方檢驗(yàn)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(yàn)的輸出結(jié)果為Z值及相伴概率值（Sig），對(duì)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(rèn)為變量不滿足假設(shè)的分布。

單樣本的總體分布檢驗(yàn)在財(cái)務(wù)研究中的應(yīng)用主要在是在參數(shù)檢驗(yàn)前對(duì)變量是否滿足參數(shù)檢驗(yàn)的分布要求進(jìn)行檢驗(yàn)，如為檢驗(yàn)我國(guó)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(yàn)進(jìn)行檢驗(yàn)，檢驗(yàn)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(dāng)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(dāng)然除了正態(tài)性檢驗(yàn)以外，單樣本的總體分布檢驗(yàn)還可以對(duì)變量是否滿足其他分布（比如指數(shù)分布、均勻分布、多項(xiàng)分布等）進(jìn)行檢驗(yàn)

其二，兩個(gè)獨(dú)立樣本的非參數(shù)檢驗(yàn)。獨(dú)立樣本一般是指來(lái)自不同總體的樣本，獨(dú)立樣本檢驗(yàn)的目的是判斷樣本來(lái)自的總體分布是否相同，其原假設(shè)是總體的分布無(wú)差異，如果拒絕原假設(shè)則認(rèn)為總體分布之間存在差異。兩個(gè)獨(dú)立樣本的非參數(shù)檢驗(yàn)方法主要有游程檢驗(yàn)、秩和檢驗(yàn)和累計(jì)頻次檢驗(yàn)。游程檢驗(yàn)的基本思想是將兩個(gè)樣本混合按大小順序排列后，如果兩個(gè)樣本來(lái)自的總體無(wú)差異，則排列后的樣本數(shù)據(jù)應(yīng)該是隨機(jī)交替地來(lái)自兩個(gè)樣本，不應(yīng)該出現(xiàn)兩個(gè)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(lái)自同一個(gè)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(gè)樣本來(lái)自的總體分布是否存在顯著性差異。當(dāng)兩個(gè)樣本的容量均較大時(shí)，游程數(shù)近似服從正態(tài)分布，游程檢驗(yàn)輸出的結(jié)果為Z值及其相伴概率Sig值，當(dāng)Sig值小于設(shè)定的顯著性水平時(shí)，拒絕原假設(shè)，認(rèn)為兩個(gè)總體分布存在顯著性差異。秩和檢驗(yàn)的思路是將兩個(gè)樣本進(jìn)行混合排序，以每個(gè)樣本數(shù)據(jù)的序號(hào)作為它的秩，如果兩個(gè)樣本來(lái)自的總體無(wú)差異，則在兩個(gè)樣本容量一定的情況下，兩個(gè)樣本的秩和不應(yīng)該太大和太小，因此可以用其中一個(gè)樣本的秩和構(gòu)造統(tǒng)計(jì)量，對(duì)假設(shè)進(jìn)行檢驗(yàn)。在SPSS中秩和檢驗(yàn)對(duì)應(yīng)的是Mann―Whitney U檢驗(yàn)，該檢驗(yàn)輸出的結(jié)果為Mann―Whitney U統(tǒng)計(jì)量的值和Z值及其相伴概率Sig值。當(dāng)樣本容量較小時(shí)，以U值及其相伴概率作為判斷依據(jù)；當(dāng)樣本容量較大時(shí)，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(rèn)為兩個(gè)總體存在顯著性差異。累計(jì)頻次檢驗(yàn)是通過(guò)兩個(gè)樣本在每個(gè)數(shù)據(jù)點(diǎn)的累計(jì)頻率的差值對(duì)總體分布差異性進(jìn)行檢驗(yàn)，如果兩個(gè)樣本來(lái)自的總體分布無(wú)差異，則兩個(gè)樣本在各點(diǎn)的累計(jì)頻率不應(yīng)該有太大差別，累計(jì)頻率差值的最大絕對(duì)值可以作為判斷兩個(gè)總體分布是否存在差異的依據(jù)。在SPSS中累計(jì)頻次檢驗(yàn)對(duì)應(yīng)兩獨(dú)立樣本的K―S檢驗(yàn)，輸出結(jié)果為Z值及相伴概率Sig值，當(dāng)Sig值小于顯著性水平時(shí)拒絕原假設(shè)。

在財(cái)務(wù)研究中經(jīng)常需要對(duì)不同類型的企業(yè)財(cái)務(wù)指標(biāo)或財(cái)務(wù)行為是否存在差異進(jìn)行分析，這時(shí)就可以從不同類型企業(yè)中抽取一定數(shù)量的樣本進(jìn)行對(duì)比分析，此類樣本即屬于獨(dú)立樣本。國(guó)家自然科學(xué)基金重點(diǎn)項(xiàng)目“我國(guó)企業(yè)投融資運(yùn)作與管理研究”為了研究企業(yè)的投融資行為進(jìn)行了一次大型調(diào)查活動(dòng)，調(diào)查對(duì)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(gè)獨(dú)立樣本，為檢驗(yàn)這兩類企業(yè)對(duì)銀行中期貸款的使用情況是否存在差異，根據(jù)項(xiàng)目組編制的調(diào)研數(shù)據(jù)庫(kù)中的數(shù)據(jù)，我們可選取秩和檢驗(yàn)和累計(jì)頻次檢驗(yàn)進(jìn)行分析。秩和檢驗(yàn)輸出結(jié)果分別為Z＝－2.755、Sig＝0.006；累計(jì)頻次檢驗(yàn)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(yàn)的結(jié)論均拒絕原假設(shè)，認(rèn)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(duì)樣本的非參數(shù)檢驗(yàn)。配對(duì)樣本一般是指對(duì)同一調(diào)查對(duì)象在不同情況下進(jìn)行的多次調(diào)查，以分析調(diào)查對(duì)象在不同情況下是否存在顯著性變化或差異，配對(duì)樣本檢驗(yàn)的原假設(shè)是多次調(diào)查不存在差異。兩配對(duì)樣本的非參數(shù)檢驗(yàn)方法主要有符號(hào)檢驗(yàn)法和符號(hào)秩檢驗(yàn)法。符號(hào)檢驗(yàn)法是根據(jù)調(diào)查對(duì)象兩次調(diào)查數(shù)據(jù)變化的正負(fù)符號(hào)來(lái)判斷調(diào)查對(duì)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(duì)樣本數(shù)據(jù)變化的正負(fù)個(gè)數(shù)應(yīng)該基本相當(dāng)，如果兩者差異很大，則認(rèn)為調(diào)查對(duì)象在兩種情況下存在顯著性差異。當(dāng)樣本容量較大時(shí)，SPSS中符號(hào)檢驗(yàn)法輸出的結(jié)果為Z值及相伴概率Sig值，當(dāng)Sig值小于顯著性水平時(shí)拒絕原假設(shè)。符號(hào)秩檢驗(yàn)是在符號(hào)檢驗(yàn)的基礎(chǔ)上，除了考慮配對(duì)樣本變化的符號(hào)外，還把變化的大小也考慮進(jìn)去。這種方法以變化值的絕對(duì)值進(jìn)行排序作為每個(gè)樣本的秩，分別計(jì)算變化值為正的樣本秩和及變化值為負(fù)的樣本秩和，在原假設(shè)成立的前提下，兩個(gè)秩和差別不應(yīng)太大。符號(hào)秩檢驗(yàn)對(duì)應(yīng)SPSS中的Wilcoxon檢驗(yàn)，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(duì)不同融資工具的使用是否存在顯著性差異就屬于配對(duì)樣本的檢驗(yàn)問(wèn)題，比如為檢驗(yàn)企業(yè)對(duì)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(kù)中的數(shù)據(jù)使用符號(hào)檢驗(yàn)和符號(hào)秩檢驗(yàn)對(duì)其進(jìn)行分析，符號(hào)檢驗(yàn)的輸出結(jié)果為Z＝－16.618，Sig＝0.000；符號(hào)秩檢驗(yàn)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(yàn)的結(jié)論均拒絕原假設(shè)，認(rèn)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(yàn)。兩獨(dú)立樣本和兩配對(duì)樣本的非參數(shù)檢驗(yàn)是對(duì)兩個(gè)總體的分布是否存在差異進(jìn)行檢驗(yàn)，實(shí)證研究中有時(shí)需要對(duì)多個(gè)總體分布是否存在差異進(jìn)行檢驗(yàn)，這時(shí)就要用多個(gè)樣本進(jìn)行檢驗(yàn)，同兩個(gè)樣本一樣，多樣本也有獨(dú)立樣本和配對(duì)樣本。獨(dú)立多樣本的非參數(shù)檢驗(yàn)方法主要有中位數(shù)（Median）檢驗(yàn)和K―W檢驗(yàn)，獨(dú)立配對(duì)樣本的非參數(shù)檢驗(yàn)主要采用Friedman檢驗(yàn)。中位數(shù)檢驗(yàn)的基本思想是把多個(gè)樣本混合以后，取其中位數(shù)作為參考，把每個(gè)樣本的數(shù)據(jù)與這個(gè)共同的中位數(shù)比較，則在多個(gè)總體分布無(wú)差異的情況下，每組樣本數(shù)據(jù)中大于和小于這個(gè)中位數(shù)的數(shù)量的期望值應(yīng)該各為1/2，如果實(shí)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(wú)差異的假設(shè)，中位數(shù)檢驗(yàn)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(jì)量來(lái)對(duì)假設(shè)進(jìn)行檢驗(yàn)，該檢驗(yàn)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(rèn)為總體分布存在差異。K―W檢驗(yàn)的基本思想與兩獨(dú)立樣本的秩和檢驗(yàn)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(yàn)根據(jù)多個(gè)樣本的多個(gè)秩和構(gòu)造出一個(gè)服從χ2分布的統(tǒng)計(jì)量作的判斷依據(jù)，輸出結(jié)果為χ2值和Sig值。Friedman檢驗(yàn)的思想是將每一觀察對(duì)象的配對(duì)樣本數(shù)據(jù)按大小排序，以其序號(hào)設(shè)定其秩，然后計(jì)算各組樣本的秩和，如果每組樣本對(duì)應(yīng)的總體分布無(wú)差異，則各組的秩和應(yīng)該差異不大。Friedman檢驗(yàn)根據(jù)各組秩和構(gòu)造統(tǒng)計(jì)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(wú)差異的假設(shè)。

“我國(guó)企業(yè)投融資運(yùn)作與管理研究”項(xiàng)目的調(diào)查將企業(yè)資信等級(jí)分為AAA級(jí)、AA級(jí)和A級(jí)及以下，資信等級(jí)不同的企業(yè)對(duì)銀行中期貸款的使用情況是否存在不同就屬于多獨(dú)立樣本的檢驗(yàn)問(wèn)題。根據(jù)調(diào)查數(shù)據(jù)，分別選用中位數(shù)檢驗(yàn)和K―W檢驗(yàn)，輸出結(jié)果分別為中位數(shù)檢驗(yàn)χ2＝0.917、Sig＝0.632；K―W檢驗(yàn)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(rèn)為資信等級(jí)不同的企業(yè)對(duì)銀行中期貸款的使用存在差異。對(duì)于企業(yè)在多個(gè)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(duì)樣本的非參數(shù)檢驗(yàn)，根據(jù)調(diào)研數(shù)據(jù)采用Friedman檢驗(yàn)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(rèn)為企業(yè)對(duì)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(yàn)結(jié)論的可靠性分析

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

參考文獻(xiàn)：

［1］盧淑華：《社會(huì)統(tǒng)計(jì)學(xué)》，北京大學(xué)出版社2000年版。

篇2

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

理論上，空白標(biāo)本由于不含有待測(cè)物，其真實(shí)濃度（μβ）為零，但由于空白響應(yīng)量并不是一個(gè)固定值，其波動(dòng)服從正態(tài)分布規(guī)律，因此對(duì)空白標(biāo)本進(jìn)行多次檢測(cè)所得到的檢測(cè)結(jié)果并不總是等于零。以均值（x）和標(biāo)準(zhǔn)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(cè)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(xué)性能或繪制標(biāo)準(zhǔn)曲線時(shí)常常以x作為校準(zhǔn)至零點(diǎn)的基準(zhǔn)，其對(duì)應(yīng)的待測(cè)物濃度（x空白）定為零。各個(gè)檢測(cè)樣品的反應(yīng)響應(yīng)量減去x就是該標(biāo)本中待測(cè)物產(chǎn)生的響應(yīng)量，結(jié)合標(biāo)準(zhǔn)曲線計(jì)算出待測(cè)物濃度。由于空白響應(yīng)量有波動(dòng)，因此空白標(biāo)本的檢測(cè)結(jié)果應(yīng)對(duì)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(biāo)本單次檢測(cè)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(cè)限（limit of blank，LoB），只有檢測(cè)結(jié)果高于LoB時(shí)才認(rèn)為標(biāo)本中確實(shí)含有待測(cè)物。對(duì)于小于或等于LoB的檢測(cè)結(jié)果認(rèn)為是由空白標(biāo)本單次檢測(cè)的空白響應(yīng)量波動(dòng)造成，可報(bào)告“無(wú)分析物檢出”。但部分儀器無(wú)法給出原始響應(yīng)量，而是直接報(bào)告檢測(cè)結(jié)果，并將負(fù)值結(jié)果自動(dòng)轉(zhuǎn)換為零或者指定的檢測(cè)低限，無(wú)法給出負(fù)值的檢測(cè)結(jié)果。從醫(yī)學(xué)角度分析，患者血清或其他體液標(biāo)本中某待測(cè)物的含量不可能為負(fù)值，儀器對(duì)負(fù)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(jì)方法通過(guò)x空白和s空白來(lái)確定該檢測(cè)體系的LoB[8，9]。否則得到的LoB要明顯大于真實(shí)的LoB[8]，從而導(dǎo)致很大一部分低濃度標(biāo)本被誤判為陰性，而出現(xiàn)“假陰性”的報(bào)告。

2 非參數(shù)統(tǒng)計(jì)方法的理論基礎(chǔ)

2.1 Ⅰ類錯(cuò)誤與LoD的關(guān)系

2.2 Ⅱ類錯(cuò)誤與LoD的關(guān)系

3 非參數(shù)統(tǒng)計(jì)的評(píng)估程序

3.1 空白標(biāo)本和低值標(biāo)本的納入標(biāo)準(zhǔn)

空白標(biāo)本的物理性狀和基質(zhì)成分應(yīng)盡可能接近患者標(biāo)本，如果患者常規(guī)標(biāo)本為血清或血漿標(biāo)本，則應(yīng)選擇不含待測(cè)物的血清或血漿標(biāo)本作為空白標(biāo)本而不是非血清基質(zhì)的緩沖液。由于不同來(lái)源的標(biāo)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(píng)估過(guò)程中的檢測(cè)具有代表性，應(yīng)選擇多份空白標(biāo)本（建議5～10份甚至更多），每份標(biāo)本多次測(cè)定。低濃度標(biāo)本也同樣采用一系列（至少5～10例）不同患者來(lái)源的血清/血漿標(biāo)本，每份標(biāo)本進(jìn)行5～10次重復(fù)測(cè)定，連續(xù)檢測(cè)5～10 d，得到低濃度標(biāo)本檢測(cè)結(jié)果的標(biāo)準(zhǔn)偏差（s低值）。

3.2樣本量的選擇

評(píng)估程序中，空白標(biāo)本數(shù)量和低值標(biāo)本數(shù)量的最佳比例的選擇取決于LoB估計(jì)值（LoB估計(jì)）和低值標(biāo)本檢測(cè)結(jié)果的離散度估計(jì)的不確定性。統(tǒng)計(jì)學(xué)上非參數(shù)統(tǒng)計(jì)方法的效率要低于參數(shù)統(tǒng)計(jì)方法，其檢驗(yàn)效率只有參數(shù)統(tǒng)計(jì)的一半左右，因此用非參數(shù)統(tǒng)計(jì)的方法計(jì)算P95·空白時(shí)，建議空白標(biāo)本的數(shù)量應(yīng)該大于低值標(biāo)本的數(shù)量。但低值標(biāo)本檢測(cè)結(jié)果的離散程度（s低值）要明顯大于空白標(biāo)本檢測(cè)結(jié)果的離散程度（s空白）。因此綜合以上兩個(gè)因素，建議空白標(biāo)本和低值標(biāo)本的檢測(cè)次數(shù)一樣或至少接近[8]。而且理論上通過(guò)增加空白標(biāo)本和低值標(biāo)本的重復(fù)檢測(cè)次數(shù)可以擴(kuò)大樣本量，減少抽樣誤差，使樣本更好地反映總體。但實(shí)際工作中不可能對(duì)標(biāo)本進(jìn)行無(wú)限次重復(fù)檢測(cè)，一般要求做20次或20次以上的重復(fù)測(cè)定，降低P95·空白和s低值來(lái)分別估計(jì)LoB和σs所帶來(lái)的不確定性。

篇3

關(guān)鍵詞：中小企業(yè)；財(cái)務(wù)風(fēng)險(xiǎn)；因子分析；多項(xiàng)logistics分析方法

世界經(jīng)濟(jì)尚未從危機(jī)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(jì)基礎(chǔ)差、技術(shù)管理水平低、規(guī)模小、發(fā)展時(shí)期短、融資困難以及經(jīng)驗(yàn)不足等問(wèn)題的限制，面臨著更為嚴(yán)峻的生存壓力。這種情況下，建立一個(gè)更具個(gè)性化的有效的財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型滿足中小企業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警工作的實(shí)際需要。

1、我國(guó)中小企業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的提出

我國(guó)中小企業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型應(yīng)在中小企業(yè)自身一些特定條件下運(yùn)用會(huì)計(jì)要素及其結(jié)構(gòu)指標(biāo)針對(duì)風(fēng)險(xiǎn)因素進(jìn)行描述、分析、預(yù)測(cè)，最終形成具有中小企業(yè)上市公司自身特點(diǎn)、特色的中小企業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)緊急預(yù)案。

1.1財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型的幾個(gè)前提

（1）中小企業(yè)上市公司的特異性是通過(guò)某項(xiàng)指標(biāo)進(jìn)行統(tǒng)計(jì)學(xué)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(lái)源，本文以行業(yè)細(xì)分作為代表，在實(shí)際應(yīng)用中可以再用資本額、所屬地域等指標(biāo)進(jìn)行細(xì)分，目的是保證中小企業(yè)上市公司的特異性具有實(shí)際上的比較意義。

（2）模型形成的變量不是一個(gè)判斷值則只是一個(gè)描述值，描述值的目的是為了滿足中小企業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)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(cái)務(wù)風(fēng)險(xiǎn)，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(cái)務(wù)風(fēng)險(xiǎn)緊急預(yù)案是中小企業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型數(shù)據(jù)序列描述值的實(shí)際預(yù)警值啟動(dòng)程序。

1.2模型分析方法

一是采用多個(gè)獨(dú)立變量非參數(shù)檢驗(yàn)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(yàn)提供依據(jù)。二是多項(xiàng)Logistic模型分析，用于在多個(gè)獨(dú)立變量非參數(shù)檢驗(yàn)方法判定行業(yè)差異化后，進(jìn)行財(cái)務(wù)模型指標(biāo)的選擇。

2、實(shí)證測(cè)算分析

2.1中小企業(yè)上市公司財(cái)務(wù)數(shù)據(jù)來(lái)源

從A股市場(chǎng)選取中小企業(yè)上市公司77家，數(shù)據(jù)報(bào)告取自國(guó)泰安數(shù)據(jù)庫(kù)官方網(wǎng)站，為了研究的方便，本文將制造業(yè)作為基準(zhǔn)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(guò)4個(gè)行業(yè)的分析，分析與基準(zhǔn)行業(yè)4制造業(yè)的差異。

2.2變量選擇

從企業(yè)財(cái)務(wù)報(bào)告中披露的償債能力、營(yíng)運(yùn)能力、盈利能力、成長(zhǎng)能力、現(xiàn)金流量指標(biāo)五個(gè)方面選取了資產(chǎn)負(fù)債率等20個(gè)財(cái)務(wù)指標(biāo)作為自變量進(jìn)行分析。

2.3多個(gè)獨(dú)立變量非參數(shù)檢驗(yàn)

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

由分析結(jié)果可見(jiàn)，流動(dòng)比率、速動(dòng)比率、營(yíng)運(yùn)資金比率與行業(yè)相關(guān)。

以中位數(shù)檢驗(yàn)，可以得到利息保障倍數(shù)、總資產(chǎn)凈利潤(rùn)率、銷(xiāo)售凈利率、計(jì)算結(jié)果。可以得到利息保障倍數(shù)、總資產(chǎn)凈利潤(rùn)率、銷(xiāo)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(cái)務(wù)數(shù)據(jù)來(lái)源中ST、非ST分類，事實(shí)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(yàn)和中位數(shù)檢驗(yàn)不一致的原因，但是可以明確的是針對(duì)不同的行業(yè)進(jìn)行的我國(guó)中小企業(yè)上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型研究更具有針對(duì)性，更適合企業(yè)進(jìn)行序列描述性工作。

2.4多項(xiàng)Logistic模型分析

選定了20個(gè)變量進(jìn)行非參數(shù)檢驗(yàn)以判斷與行業(yè)的關(guān)系，實(shí)際上在多項(xiàng)Logistic模型分析過(guò)程中，變量自身也存在著相關(guān)性，指標(biāo)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(shí)信息被扭曲進(jìn)而導(dǎo)致做出錯(cuò)誤的判斷。所以首先進(jìn)行數(shù)據(jù)簡(jiǎn)化分析工作，采用因子分析來(lái)進(jìn)行此項(xiàng)工作。

先對(duì)量表進(jìn)行KMO測(cè)量和Bartctt球體檢驗(yàn)， KMO值為0.629，大于0.6，表明適合進(jìn)行因素分析； Bartlett’s球形檢驗(yàn)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(shuō)明各指標(biāo)間的相關(guān)性較強(qiáng)，可以進(jìn)行因子分析。因子分析結(jié)果表明六個(gè)因子基本上符合了要求，六個(gè)因子（即：流動(dòng)比率X1、速動(dòng)比率X2、現(xiàn)金比率X3、營(yíng)運(yùn)資金比率X4、資產(chǎn)負(fù)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(xiàng)Logistic模型分析過(guò)程中，選取6個(gè)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(guò)研究77家中小企業(yè)上市企業(yè)運(yùn)用多項(xiàng)Logistic模型實(shí)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(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型。由于本文是根據(jù)方程最終擬合值計(jì)算指標(biāo)數(shù)，所以多項(xiàng)Logistic回歸未進(jìn)行顯著性剔除，目的是結(jié)合多個(gè)獨(dú)立變量非參數(shù)檢驗(yàn)分析結(jié)果更為直接的反映中小企業(yè)上市企業(yè)實(shí)際模型計(jì)算數(shù)值，提高擬合度。

變量中流動(dòng)比率X1、速動(dòng)比率X2、營(yíng)運(yùn)資金比率X4、資產(chǎn)負(fù)債率X5顯著，預(yù)警模型方程為：以行業(yè)4為基準(zhǔn)

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(jiàn)，不同情境模式下（本研究以行業(yè)為基準(zhǔn)）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(yàn)過(guò)程說(shuō)明，針對(duì)不同情景，財(cái)務(wù)指標(biāo)的差異性是存在的，以上雖然采用Kruskal-Wallis H檢驗(yàn)和中位數(shù)檢驗(yàn)，所提示的財(cái)務(wù)指標(biāo)項(xiàng)目并不相同，甚至沒(méi)有交集，主要原因是數(shù)據(jù)，個(gè)別行業(yè)的樣本數(shù)太少，更大規(guī)模的數(shù)據(jù)驗(yàn)證工作可以完成更為準(zhǔn)確的行業(yè)公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型設(shè)計(jì)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(jì)算量，同時(shí)財(cái)務(wù)指標(biāo)的選擇成為了更重要的內(nèi)容，以上選擇了20個(gè)指標(biāo)，因子載荷分析后，形成了6個(gè)，在Logistic模型以這6個(gè)指標(biāo)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(cái)務(wù)風(fēng)險(xiǎn)問(wèn)題需要有系統(tǒng)的預(yù)警預(yù)案機(jī)制，即公司財(cái)務(wù)風(fēng)險(xiǎn)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(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型成為判斷作用，公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警預(yù)案機(jī)制來(lái)保證公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警成為一個(gè)系統(tǒng)的財(cái)務(wù)管理方法，公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警模型是具有公司個(gè)性化特點(diǎn)的一個(gè)重要組成部分，整體體系需要有一個(gè)綜合預(yù)防方法。

參考文獻(xiàn)

[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(xué).2006；

[2] 梁娟.我國(guó)中小企業(yè)板上市公司財(cái)務(wù)風(fēng)險(xiǎn)預(yù)警的探討[J].科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì),2007（16）；

[3] 郭志等.我國(guó)上市公司財(cái)務(wù)困境預(yù)警研究[J].當(dāng)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(xué)環(huán)境中微量元素含量與發(fā)病風(fēng)險(xiǎn)的關(guān)系。方法 應(yīng)用電感耦合等離子發(fā)射光譜儀(ICP)對(duì)山西省出生缺陷高發(fā)區(qū)中陽(yáng)、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(jìn)行測(cè)定，再用非參數(shù)檢驗(yàn)和逐步回歸等統(tǒng)計(jì)學(xué)方法對(duì)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(duì)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(jì)學(xué)意義。結(jié)論 出生缺陷高發(fā)區(qū)和對(duì)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(jì)學(xué)意義，可以通過(guò)環(huán)境因素中微量元素分析來(lái)推斷出生缺陷發(fā)生風(fēng)險(xiǎn)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(shí)〔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(duì)出生缺陷的預(yù)防和干預(yù)很有意義。山西省是我國(guó)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(dá)277%〔8〕。本文采用對(duì)照比較法，探索出生缺陷發(fā)生率與地球化學(xué)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(xué)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(yáng)縣作為研究區(qū)，出生缺陷發(fā)生率低的平遙縣作為對(duì)照區(qū)。根據(jù)流行病學(xué)調(diào)查結(jié)果，在出生缺陷高發(fā)區(qū)，選擇19個(gè)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(duì)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(duì)照區(qū)采集土壤樣品時(shí)均遠(yuǎn)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(fēng)干后過(guò)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(cè)。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(cè)。處理后的樣品用電感耦合等離子發(fā)射光譜儀(ICP)測(cè)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(jì)分析 將實(shí)驗(yàn)測(cè)得的數(shù)據(jù)按照高發(fā)區(qū)和對(duì)照區(qū)分為2組，建立SPSS數(shù)據(jù)庫(kù)。對(duì)各樣本中的所有元素進(jìn)行統(tǒng)計(jì)分析，尋找在樣本內(nèi)相對(duì)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(duì)穩(wěn)定的元素作為出生缺陷高發(fā)區(qū)群體樣本和對(duì)照區(qū)進(jìn)行地球化學(xué)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(yàn)(曼惠特尼U檢驗(yàn))、逐步回歸分析法來(lái)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(jì)軟件進(jìn)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(duì)穩(wěn)定，不同采樣點(diǎn)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(jìn)行非參數(shù)檢驗(yàn)時(shí)將Mo、Sn、Cu 3種元素剔除。同時(shí)，由于有些元素含量極低，甚至低于儀器的檢測(cè)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(duì)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(jìn)一步研究。

轉(zhuǎn)貼于

22 非參數(shù)檢驗(yàn)結(jié)果(表2) 表2為在剔除Mo、Sn、Cu元素后進(jìn)行的非參數(shù)檢驗(yàn)結(jié)果。出生缺陷高發(fā)區(qū)和對(duì)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(biāo)中的S含量均高于非病區(qū)。

表1 病區(qū)指標(biāo)中元素含量變異系數(shù)（略）

表2 高發(fā)區(qū)與對(duì)照區(qū)各指標(biāo)非參數(shù)檢驗(yàn)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(duì)照區(qū)為-1。病區(qū)發(fā)病率y1=1，對(duì)照區(qū)發(fā)病率y2=-1為因變量，14種元素含量為自變量，進(jìn)行多元逐步回歸分析。進(jìn)入方程的元素即是對(duì)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(fù)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(fù)相關(guān)，K在耕地中與病情呈正相關(guān)，在糧食中則呈負(fù)相關(guān)。

24 高發(fā)區(qū)地球化學(xué)環(huán)境異常特征 綜合考慮非參數(shù)檢驗(yàn)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(duì)照區(qū)間含量變異大，又對(duì)高發(fā)區(qū)環(huán)境特征形成貢獻(xiàn)大的元素。可以用2種檢驗(yàn)結(jié)果所構(gòu)成的微量元素交集來(lái)表現(xiàn)出生缺陷高發(fā)區(qū)地球化學(xué)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(rèn)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(xué)環(huán)境異常特征。

3 討論

人體缺乏鍶將會(huì)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(huì)使人體產(chǎn)生疲乏感，易激動(dòng)、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(huì)造成心臟功能不正常。鋁是一種對(duì)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(guò)對(duì)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(jì)分析，可以得到以下結(jié)論：(1)出生缺陷高發(fā)區(qū)和對(duì)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(guò)微量元素分析來(lái)表征高發(fā)區(qū)地球化學(xué)環(huán)境的異常特征。(2)非參數(shù)檢驗(yàn)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(xué)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(cè)上述元素對(duì)出生缺陷的形成也可能具有重要的影響作用。

參考文獻(xiàn)

〔1〕 李正，王慧珍，吉士俊.先天畸形學(xué)［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(guó)公共衛(wèi)生，2005，21(3)：293-295.

〔5〕 馬清蘭，王國(guó)宏.鉛對(duì)女工妊娠及子代健康影響分析［J］.中國(guó)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(guó)婦幼保健，2004，13：93-94.

篇5

關(guān)鍵詞：非參數(shù)檢驗(yàn)；分布擬合；洪澇判定

中圖分類號(hào)：P407 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：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(jī)性，且有時(shí)是難以避免的。進(jìn)入21世紀(jì)，我國(guó)洪澇災(zāi)害頻發(fā)，造成損失嚴(yán)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(duì)洪澇災(zāi)害以減輕財(cái)產(chǎn)損失是我們不得輕視的問(wèn)題。

本文通過(guò)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(jì)以來(lái)鄭州洪澇災(zāi)害發(fā)生的具體情況，通過(guò)概率分布來(lái)量化鄭州洪澇發(fā)生的頻率、強(qiáng)度、持續(xù)時(shí)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(xiǎn)定價(jià)、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(lái)源

本文選取中國(guó)氣象科學(xué)數(shù)據(jù)共享服務(wù)網(wǎng)，截取鄭州站點(diǎn)2000～2012年降雨量日值數(shù)據(jù)為研究對(duì)象。依據(jù)氣象學(xué)中我國(guó)氣象部門(mén)采用的爆雨強(qiáng)度標(biāo)準(zhǔn)，大暴雨是指12小時(shí)雨量等于和大于70毫米；特大暴雨指是2小時(shí)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(dāng)降雨量在一段時(shí)間內(nèi)持續(xù)過(guò)大，降水速度大于排水速度就會(huì)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(shí)時(shí)排水速度為v0mm/d。則，該地區(qū)在t-t0時(shí)間段

內(nèi)雨水累積量為：

（1）

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

在t-t0這段時(shí)期內(nèi)，可以把從下雨整個(gè)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(huì)形成積水；到了蓄水階段（t1～t2），v（t）>v0，會(huì)開(kāi)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(shí)判定為洪澇，此階段持續(xù)時(shí)期越長(zhǎng)則發(fā)生洪澇災(zāi)害越嚴(yán)重；進(jìn)入排水階段后降水速度減少至C以下（t2～t3），v0=C，此時(shí)期長(zhǎng)短則與前期的積水量正相關(guān)，直到t3時(shí)刻排水結(jié)束，積水V=0。

則（1）式可以展開(kāi)為：

（2）

從（2）式可看出t2時(shí)刻V（t）達(dá)到最大為：

（3）

于是可以參照此時(shí)的積水量Vm來(lái)判斷洪澇發(fā)生的時(shí)間和強(qiáng)度。假設(shè)觀測(cè)區(qū)排水速度恒為100mm/d，即與大暴雨的速度相當(dāng)。當(dāng)積水超過(guò)50mm時(shí)判定為洪澇，洪澇強(qiáng)度與積水深度有關(guān)。求得12年來(lái)洪澇災(zāi)害發(fā)生的結(jié)果，見(jiàn)表1。

2.3 分布檢驗(yàn)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(shí)，用非參數(shù)檢驗(yàn)。本文選用K-S檢驗(yàn)、A-D檢驗(yàn)和卡方檢驗(yàn)三種常見(jiàn)的非參檢驗(yàn)方法。三種檢驗(yàn)的值都是越小，實(shí)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(shí)間、每次發(fā)生的強(qiáng)度、發(fā)生頻率等遵循某種特殊分布。我們?cè)噲D以某種分布函數(shù)來(lái)描述這種規(guī)律，并通過(guò)非參數(shù)檢驗(yàn)來(lái)判斷擬合優(yōu)度。

3.1 洪澇發(fā)生頻率描述

通過(guò)每年災(zāi)害發(fā)生次數(shù)的時(shí)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(diǎn)矩8.923，大暴雨發(fā)生次數(shù)的樣本原點(diǎn)矩18.615。分別運(yùn)用參數(shù)λ=8.92和λ=18.6的泊松分布對(duì)洪澇及大暴雨發(fā)生的次數(shù)進(jìn)行非參數(shù)檢驗(yàn)。

洪澇和大暴雨的K-S檢驗(yàn)值分別為0.179和0.142，均小于置信水平95%時(shí)的臨界值0.36，通過(guò)檢驗(yàn)；二者A-D檢驗(yàn)值分別為0.51和0.31，小于置信水平95%時(shí)的臨界值2.5。因此可認(rèn)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(guò)觀察大暴雨發(fā)生的月份可發(fā)現(xiàn)大暴雨發(fā)生時(shí)間集中在夏季，用常見(jiàn)的有界分布對(duì)其經(jīng)驗(yàn)分布進(jìn)行擬合都不理想，其中Gen.Extreme Value擬合度最優(yōu)，K-S檢驗(yàn)值0.125，A-D檢驗(yàn)值7.74，仍拒絕原假設(shè)。故只能通過(guò)頻數(shù)分析來(lái)描述大暴雨平均發(fā)生次數(shù)與月份的關(guān)系，詳見(jiàn)表2。

4 結(jié)論與展望

本文通過(guò)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(shí)間和強(qiáng)度等信息。洪澇災(zāi)害的發(fā)生次數(shù)服從泊松分布，并長(zhǎng)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(gè)月份是大暴雨頻發(fā)月份。因此每年這三個(gè)月要特別注意洪澇災(zāi)害的防治。

本文對(duì)鄭州洪澇災(zāi)害進(jìn)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(shí)間與強(qiáng)度可能會(huì)有某種聯(lián)系，但本文只分別檢驗(yàn)各自的統(tǒng)計(jì)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(duì)洪澇災(zāi)害進(jìn)行研究，其他自然災(zāi)害的概率描述也會(huì)對(duì)農(nóng)業(yè)防災(zāi)和保險(xiǎn)賠付領(lǐng)域有深刻的價(jià)值，所以針對(duì)不足有待進(jìn)一步分析和推廣。

參考文獻(xiàn)

[1] 周俊華，史培軍，方偉華，等.1736-1998年中國(guó)洪澇災(zāi)害持續(xù)時(shí)間分析[J].北京師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2001，37（3）：409-414.

[2] 張俊香，黃崇福，喬森，等.自然災(zāi)害概率風(fēng)險(xiǎn)區(qū)劃與軟風(fēng)險(xiǎn)區(qū)劃的比較[A].中國(guó)災(zāi)害防御協(xié)會(huì)風(fēng)險(xiǎn)分析專業(yè)委員會(huì)第二屆年會(huì)應(yīng)用基礎(chǔ)與工程科學(xué)學(xué)報(bào)

[C].2006：1-5.

篇6

內(nèi)容摘要:本文通過(guò)描述性統(tǒng)計(jì)、非參數(shù)檢驗(yàn)和LSD檢驗(yàn)等不同研究方法,基于2003-2008的數(shù)據(jù),對(duì)我國(guó)A股上市公司資本結(jié)構(gòu)的行業(yè)性差異進(jìn)行了全面的深入的分析。并得到結(jié)論:雖然總體而言,我國(guó)上市公司行業(yè)間的資產(chǎn)負(fù)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(fù)債率 差異

相關(guān)理論回顧

自1958年Modigliani和Miller開(kāi)創(chuàng)性地提出了MM理論以來(lái),資本結(jié)構(gòu)問(wèn)題就一直受到金融學(xué)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(jì)70年代后期)、新資本結(jié)構(gòu)理論階段(20世紀(jì)70年代后期-20世紀(jì)80年代)和后資本結(jié)構(gòu)理論階段(20世紀(jì)80年代后期―)。而在20世紀(jì)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(chǎng)上的競(jìng)爭(zhēng)策略和財(cái)務(wù)策略分開(kāi)來(lái)進(jìn)行研究,沒(méi)有考慮二者間存在的互動(dòng)影響。因此,后資本結(jié)構(gòu)理論之前的理論都認(rèn)為資本結(jié)構(gòu)的決定與公司的行業(yè)特性無(wú)關(guān)。

直到Brander和Lewis(1986)的“寡占競(jìng)爭(zhēng)和財(cái)務(wù)結(jié)構(gòu):有限責(zé)任效應(yīng)”一文發(fā)表后,產(chǎn)業(yè)經(jīng)濟(jì)學(xué)家和公司財(cái)務(wù)學(xué)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(chǎng)競(jìng)爭(zhēng)互動(dòng)關(guān)系受到金融經(jīng)濟(jì)學(xué)家和產(chǎn)業(yè)經(jīng)濟(jì)學(xué)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(chǎng)競(jìng)爭(zhēng)環(huán)境,公司戰(zhàn)略以及資本市場(chǎng)環(huán)境等因素的綜合選擇。總之,企業(yè)的資本結(jié)構(gòu)和產(chǎn)品市場(chǎng)競(jìng)爭(zhēng)之間存在密不可分的聯(lián)系。此后,學(xué)者們對(duì)行業(yè)因素是否影響公司資本結(jié)構(gòu)選擇開(kāi)展了大量的理論和實(shí)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(shí)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(wú)關(guān);資本結(jié)構(gòu)和行業(yè)相關(guān)。

從理論上來(lái)分析,首先,不同行業(yè)經(jīng)營(yíng)的業(yè)務(wù)特點(diǎn)不同、行業(yè)成長(zhǎng)性不同、資產(chǎn)結(jié)構(gòu)不同、對(duì)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(gè)行業(yè)的競(jìng)爭(zhēng)激烈程度不同,資本結(jié)構(gòu)也應(yīng)該會(huì)受到影響;最后,行為金融學(xué)中的“羊群效應(yīng)”也能對(duì)資本結(jié)構(gòu)的行業(yè)差別進(jìn)行解釋。

然而,如前所述,無(wú)論是國(guó)外還是國(guó)內(nèi)學(xué)者的相關(guān)實(shí)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?yàn)檠芯康臅r(shí)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(duì)行業(yè)是否是影響上市公司資本結(jié)構(gòu)的因素之一進(jìn)行一次詳細(xì)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(wèn)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(guó)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(bào)數(shù)據(jù)作為選樣窗口,并依據(jù)中國(guó)證券監(jiān)督管理委員會(huì)2001年4月3日的《上市公司行業(yè)分類指引》進(jìn)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?yàn)榻鹑陬惿鲜泄镜馁Y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(yíng)的綜合類主營(yíng)業(yè)務(wù)不定,不屬于任何行業(yè)。

2.上市時(shí)間相對(duì)較長(zhǎng)。為了滿足研究樣本量的足夠性,同時(shí)考慮到新上市公司的業(yè)績(jī)?nèi)菀壮霈F(xiàn)非正常性的波動(dòng),而且公司內(nèi)部各方面的運(yùn)行機(jī)制還不夠健全和完善,即為了確保上市公司行為的相對(duì)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(shí)發(fā)行B股或H股的公司。由于外資股的股價(jià)與公眾A股的股價(jià)不同,而且B股和H股對(duì)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(shí)施過(guò)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(cái)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(fù)債率大于100%的上市公司。這類企業(yè)實(shí)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(fù)債水平并不是企業(yè)正常的負(fù)債水平。并且,大于1的資產(chǎn)負(fù)債率違背企業(yè)經(jīng)營(yíng)在會(huì)計(jì)上的基本等式,且是一個(gè)異常值,它的加入會(huì)極大地影響統(tǒng)計(jì)結(jié)果,使統(tǒng)計(jì)結(jié)果出現(xiàn)不應(yīng)有的偏差。

6.考慮到樣本在不同時(shí)間的可對(duì)比性,本研究選取了2003―2008連續(xù)公布年報(bào),且年報(bào)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(cái)務(wù)報(bào)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(gè)行業(yè)門(mén)類以及各行業(yè)大類。如表2所示。可見(jiàn),基本上反映了我國(guó)目前上市公司產(chǎn)業(yè)結(jié)構(gòu)的現(xiàn)狀。所以,可以認(rèn)為研究樣本的選擇是具有代表性的。

本研究的公司財(cái)務(wù)數(shù)據(jù)信息主要來(lái)自國(guó)泰安的中國(guó)股票市場(chǎng)數(shù)據(jù)庫(kù)(CSMAR)和上海證券交易所、深圳證券交易所網(wǎng)站、鳳凰財(cái)經(jīng)網(wǎng)站等;數(shù)據(jù)處理軟件則是采用經(jīng)濟(jì)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(jì)分析、Kruskal―Wallis H非參數(shù)檢驗(yàn)方法、最小顯著差異LSD 檢驗(yàn)和回歸分析等方法對(duì)行業(yè)因素是否影響資本結(jié)構(gòu)進(jìn)行分析。

描述性統(tǒng)計(jì)分析。首先對(duì)樣本公司從行業(yè)的角度對(duì)資本結(jié)構(gòu)的變量資產(chǎn)負(fù)債率進(jìn)行統(tǒng)計(jì)描述,試圖發(fā)現(xiàn)其中蘊(yùn)含的一些行業(yè)特征。

然后,采用Kruskal―Wallis H非參數(shù)檢驗(yàn)方法檢驗(yàn)樣本公司的資產(chǎn)負(fù)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(fù)債率沒(méi)有顯著差異。

如果拒絕原假設(shè),即各行業(yè)的資產(chǎn)負(fù)債率存在明顯差異,則繼續(xù)對(duì)行業(yè)間兩兩比較,來(lái)考察是否由于個(gè)別行業(yè)的異常值而導(dǎo)致了差異檢驗(yàn)結(jié)果的顯著,即以此來(lái)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(yàn)方法對(duì)此進(jìn)行行業(yè)差異性檢驗(yàn)。

實(shí)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(jì)

11個(gè)行業(yè)門(mén)類樣本公司2003―2008年資產(chǎn)負(fù)債率的描述性統(tǒng)計(jì)結(jié)果見(jiàn)表3。

從表3可見(jiàn),2003―2008年所有行業(yè)的資產(chǎn)負(fù)債率的變化趨勢(shì)基本相同,而且總體上都呈上升趨勢(shì);初步來(lái)看,資產(chǎn)負(fù)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(fù)債率平均為49%;建筑業(yè)E的資產(chǎn)負(fù)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(yùn)輸、倉(cāng)儲(chǔ)業(yè)F和社會(huì)服務(wù)業(yè)K的資產(chǎn)負(fù)債率相對(duì)較低,其中,交通運(yùn)輸和倉(cāng)儲(chǔ)業(yè)F的資產(chǎn)負(fù)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(yàn)

基于以上理論分析和描述性統(tǒng)計(jì)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(yàn)方法對(duì)差異進(jìn)行檢驗(yàn)。表4是不同行業(yè)間資產(chǎn)負(fù)債率Kruskal―Wallis H非參數(shù)檢驗(yàn)得到的結(jié)果。

由表4可見(jiàn),所有卡方檢驗(yàn)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(fù)債率的確存在顯著的行業(yè)間差異,這也證實(shí)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(lái)源于某幾個(gè)行業(yè)的異常值,而非存在于任何兩個(gè)行業(yè)之間,本文采用LSD方法對(duì)樣本進(jìn)行兩兩間多重比較檢驗(yàn)。檢驗(yàn)結(jié)果見(jiàn)表5所示。由于篇幅受限,在此僅列出2008年的檢驗(yàn)結(jié)果,其余年度的結(jié)果匯總見(jiàn)表6。

11個(gè)行業(yè)的兩兩組合共有55對(duì),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(duì),占總組對(duì)的47%;而在0.01顯著性水平上存在顯著差異的只有15對(duì),僅占總組對(duì)的27%。同時(shí),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(yùn)輸和倉(cāng)儲(chǔ)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(jì)可知,行業(yè)E和F是樣本期間內(nèi)平均資產(chǎn)負(fù)債率最高和最低的行業(yè)。此外,資產(chǎn)負(fù)債率相對(duì)較高的行業(yè)J和H,以及資產(chǎn)負(fù)債率較低的行業(yè)B和K均較其他行業(yè)存在較多組對(duì)的顯著性差異。所以,可以認(rèn)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(gè)別資產(chǎn)負(fù)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(lái)看,資產(chǎn)負(fù)債率行業(yè)差異的顯著性并不是普遍存在于任何兩個(gè)行業(yè)之間的。

同時(shí),為了避免僅由2008的數(shù)據(jù)得出“資產(chǎn)負(fù)債率行業(yè)差異的顯著性并不是普遍存在于任何兩個(gè)行業(yè)之間”的結(jié)論有失偏頗,將分別對(duì)2003―2008年在1%、5%和10%的顯著性水平下進(jìn)行LSD檢驗(yàn),進(jìn)行全面檢驗(yàn)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(jiàn),每年資產(chǎn)負(fù)債率具有行業(yè)顯著性差異的組對(duì)數(shù)是不一樣的。從0.1的顯著性水平來(lái)看,最多的年份是2004年,有33對(duì)行業(yè)之間存在資產(chǎn)負(fù)債率的顯著性差異,占全部行業(yè)組對(duì)的60%;最少的年份是2007年,55對(duì)行業(yè)組對(duì)中僅有21對(duì)行業(yè)之間存在資產(chǎn)負(fù)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(fù)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(fù)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(shuō)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(gè)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(xué)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(xué)者的研究結(jié)論是一致的。

結(jié)論

以往對(duì)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(jì)、Kruskal-Wallis H非參數(shù)檢驗(yàn)等研究方法,從而得出了“總體上我國(guó)上市公司資產(chǎn)負(fù)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(lái)源于某幾個(gè)行業(yè)的異常值,而非存在于任何兩個(gè)行業(yè)之間,本文補(bǔ)充采用了LSD方法對(duì)樣本2003-2008的資產(chǎn)負(fù)債率進(jìn)行兩兩間多重比較檢驗(yàn),對(duì)我國(guó)上市公司的資本結(jié)構(gòu)行業(yè)性差異進(jìn)行了全面深入的分析,可以得到以下結(jié)論:

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

進(jìn)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(fù)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(fù)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(fù)債率相對(duì)較高的行業(yè)J和H,以及資產(chǎn)負(fù)債率較低的行業(yè)B和K均較其他行業(yè)存在較多組對(duì)的顯著性差異。

所以,可以認(rèn)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(gè)別資產(chǎn)負(fù)債率較高或是較低的行業(yè)所導(dǎo)致的。換言之,我國(guó)上市公司資產(chǎn)負(fù)債率行業(yè)差異的顯著性并不是普遍存在于任何兩個(gè)行業(yè)之間的,即不具有普遍性。

2003-2008資產(chǎn)負(fù)債率行業(yè)間差異LSD檢驗(yàn)結(jié)果顯示:每年資產(chǎn)負(fù)債率具有行業(yè)顯著性差異的組對(duì)數(shù)是不一樣的。由此充分說(shuō)明了我國(guó)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(gè)行業(yè)之間,即不具有穩(wěn)定性。

參考文獻(xiàn):

1.董逢谷,袁衛(wèi)秋.上市公司資產(chǎn)負(fù)債率行業(yè)影響的實(shí)證研究―對(duì)已有研究結(jié)論的質(zhì)疑[J].財(cái)經(jīng)研究,2006.6

2.譚克.中國(guó)上市公司資本結(jié)構(gòu)行業(yè)差異的實(shí)證研究[J].產(chǎn)業(yè)經(jīng)濟(jì)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(shí)證分析―來(lái)自我國(guó)上市公司的經(jīng)驗(yàn)數(shù)據(jù)[J].財(cái)經(jīng)理論與實(shí)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(guó)上市公司的實(shí)證研究[J].經(jīng)濟(jì)研究,2003.5

5.李志國(guó),和田方,徐臘平.行業(yè)差異與資本結(jié)構(gòu)―來(lái)自我國(guó)上市公司的經(jīng)驗(yàn)數(shù)據(jù)[J].當(dāng)代經(jīng)濟(jì)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(jì)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(shí)證研究[J].財(cái)會(huì)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(duì)比分析法;非參數(shù)檢驗(yàn)法

引言

雖然近幾年國(guó)家對(duì)公司債券市場(chǎng)的建設(shè)高度重視,2007年頒布實(shí)施的《公司債券發(fā)行試點(diǎn)辦法》在一定程度上也促進(jìn)了公司債券市場(chǎng)的發(fā)展,但從總體上來(lái)講我國(guó)證券市場(chǎng)的發(fā)展仍然很不平衡:股票市場(chǎng)發(fā)展迅速,債券市場(chǎng)發(fā)展相對(duì)滯后;公司債券融資額在債券市場(chǎng)所占比重較小。近幾年,由于國(guó)際金融危機(jī)的發(fā)生使股票市場(chǎng)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(lái)看,我國(guó)上市公司進(jìn)行再融資時(shí)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(duì)于調(diào)整上市公司資本結(jié)構(gòu)、促進(jìn)我國(guó)證券市場(chǎng)平衡發(fā)展及穩(wěn)定國(guó)家金融體系等方面都具有重要的作用。由于目前我國(guó)學(xué)者很少?gòu)呢?cái)務(wù)績(jī)效的角度對(duì)上市公司債券融資進(jìn)行實(shí)證研究,所以本文結(jié)合我國(guó)證券市場(chǎng)上的實(shí)際情況擬采用對(duì)比分析法和非參數(shù)檢驗(yàn)法對(duì)我國(guó)上市公司進(jìn)行公司債券融資前后的財(cái)務(wù)績(jī)效進(jìn)行研究,并對(duì)實(shí)證結(jié)果進(jìn)行分析,為我國(guó)上市公司優(yōu)化資本結(jié)構(gòu)、制定融資決策及促進(jìn)我國(guó)公司債券市場(chǎng)的發(fā)展提供參考性的建議[1]。

1.考察指標(biāo)、研究樣本和研究時(shí)間的選取

1.1 考察指標(biāo)的選取

本文對(duì)上市公司進(jìn)行債券融資前后的財(cái)務(wù)績(jī)效進(jìn)行考察時(shí)選取的財(cái)務(wù)指標(biāo)主要有:托賓Q值、凈資產(chǎn)收益率和凈利潤(rùn)增長(zhǎng)率,三者的計(jì)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(rùn)(扣除非經(jīng)常性損益)/股東權(quán)益平均余額]×10%

凈利潤(rùn)增長(zhǎng)率=[(本年末凈利潤(rùn)-上年末凈利潤(rùn))/上年末凈利潤(rùn)]×10%

上述三個(gè)指標(biāo)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(bào)酬率,具有很強(qiáng)的綜合性;凈利潤(rùn)增長(zhǎng)率反映公司凈利潤(rùn)的增長(zhǎng)情況,是揭示公司成長(zhǎng)性的最有力證據(jù)。

1.2 研究樣本的選取

本文對(duì)上市公司長(zhǎng)期財(cái)務(wù)績(jī)效進(jìn)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(cái)務(wù)數(shù)據(jù)可以獲得。

1.3 研究時(shí)間段的選取

對(duì)于上市公司進(jìn)行融資后的長(zhǎng)期財(cái)務(wù)績(jī)效進(jìn)行研究應(yīng)該選取恰當(dāng)?shù)臅r(shí)間間隔,這主要是因?yàn)閺纳鲜泄救谫Y到的資金投入項(xiàng)目需要經(jīng)過(guò)建設(shè)期以及調(diào)試生產(chǎn)期才能產(chǎn)生經(jīng)濟(jì)效益,所以選取的研究時(shí)間的跨度不能太短也不能太長(zhǎng),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(shí)間跨度太短,投入項(xiàng)目的融資資金所產(chǎn)生的效果就不能被顯示出來(lái);但是若選取的研究時(shí)間跨度太長(zhǎng)的話,就會(huì)由于我國(guó)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(rèn)為上市公司進(jìn)行再融資前后的經(jīng)營(yíng)情況可以在四年這個(gè)時(shí)間段被充分的反映出來(lái)。因此,本文選取上市公司進(jìn)行債券融資和進(jìn)行增發(fā)新股融資的前一年、再融資當(dāng)年和再融資后兩年作為研究時(shí)間段對(duì)上市公司再融資前后的經(jīng)營(yíng)情況進(jìn)行研究。

2.發(fā)行債券對(duì)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(shì)。另外,目前我國(guó)學(xué)者對(duì)上市公司進(jìn)行配股、增發(fā)以及發(fā)行可轉(zhuǎn)換債券等方式進(jìn)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(huì)給上市公司帶來(lái)負(fù)面影響。基于對(duì)融資理論分析和前人對(duì)股權(quán)融資及可轉(zhuǎn)換債券進(jìn)行研究得出結(jié)論的基礎(chǔ)上,本文在對(duì)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(jìn)行研究時(shí)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(yíng)業(yè)績(jī)會(huì)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(yíng)業(yè)績(jī)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(dāng)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(dāng)年相比,托賓Q值全部下降;增發(fā)新股融資后兩年與當(dāng)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(dāng)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(dāng)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(dāng)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(dāng)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(dāng)年相比,托賓Q值都下降了;發(fā)債融資后兩年與當(dāng)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(dāng)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(dāng)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(dāng)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(duì)圖3和圖4的分析我們可以看出,上市公司發(fā)債融資當(dāng)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(dāng)年相比,兩個(gè)指標(biāo)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(dāng)年相比,兩個(gè)指標(biāo)整體有明顯下降;融資后兩年與融資后一年相比,兩個(gè)指標(biāo)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(dāng)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(dāng)中,我們并不能判斷出上市公司發(fā)債融資后對(duì)其經(jīng)營(yíng)績(jī)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(dāng)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(méi)有通過(guò)非參數(shù)檢驗(yàn)。從表2中可以看出,發(fā)債上市公司在融資前一年、融資當(dāng)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(guò)非參數(shù)檢驗(yàn)。所以,從這兩個(gè)指標(biāo)的比較中我們并不能判斷上市公司進(jìn)行發(fā)債融資后的經(jīng)營(yíng)績(jī)效優(yōu)于增發(fā)新股的公司,所以此檢驗(yàn)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(dāng)年、及發(fā)債后一年和后兩年存在利潤(rùn)操縱現(xiàn)象,且發(fā)債當(dāng)年的利潤(rùn)操縱現(xiàn)象十分明顯。

為了檢驗(yàn)假設(shè)三,本文將上市公司發(fā)債當(dāng)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(jìn)行了非參數(shù)檢驗(yàn),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(dāng)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(guò)了非參數(shù)檢驗(yàn)。這就驗(yàn)證了上述假設(shè)三的成立。

3.發(fā)行債券對(duì)上市公司凈利潤(rùn)增長(zhǎng)率的影響

從圖5可以看出,上市公司發(fā)債融資當(dāng)年與前一年相比,有5家公司的凈利潤(rùn)增長(zhǎng)率提高,占樣本總數(shù)的45.45%;發(fā)債融資后一年與當(dāng)年相比,有3家公司的凈利潤(rùn)增長(zhǎng)率提高,占樣本總數(shù)的27.27%;發(fā)債融資后兩年與當(dāng)年相比,有6家公司的凈利潤(rùn)增長(zhǎng)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(rùn)增長(zhǎng)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(dāng)年與前一年相比,凈利潤(rùn)增長(zhǎng)率提高不明顯;發(fā)債融資后一年與當(dāng)年相比,凈利潤(rùn)增長(zhǎng)率指標(biāo)都有明顯下降;發(fā)債融資后兩年與當(dāng)年相比,凈利潤(rùn)增長(zhǎng)率指標(biāo)整體有所提高;而融資后兩年與融資后一年相比,凈利潤(rùn)增長(zhǎng)率指標(biāo)有顯著的提高。

4.結(jié)論及建議

通過(guò)對(duì)發(fā)債上市公司財(cái)務(wù)指標(biāo)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(duì)比我們可得出如下結(jié)論:上市公司發(fā)債融資后對(duì)公司經(jīng)營(yíng)績(jī)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(rùn)增長(zhǎng)率這三個(gè)財(cái)務(wù)指標(biāo)整體的變化趨勢(shì)是發(fā)債融資當(dāng)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(biāo)有所提高;發(fā)債公司存在利潤(rùn)操縱現(xiàn)象。

雖然從理論上來(lái)講,我國(guó)上市公司采用債券融資具有自身特殊的優(yōu)勢(shì):獲得節(jié)稅利益;發(fā)行程序規(guī)范簡(jiǎn)化,發(fā)行時(shí)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(dān)保靈活,也可以免擔(dān)保;發(fā)行公司債券募集的資金沒(méi)有被明確規(guī)定用途;公司債券的發(fā)行價(jià)格市場(chǎng)化,公司債券在票面利率的設(shè)計(jì)上具有更為廣闊的創(chuàng)新空間和自由度等。但是從對(duì)長(zhǎng)期財(cái)務(wù)績(jī)效進(jìn)行實(shí)證研究的結(jié)果我們可以看出,上市公司發(fā)債后財(cái)務(wù)績(jī)效的表現(xiàn)不容樂(lè)觀。這其中有金融危機(jī)和公司債券市場(chǎng)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(dāng)年及發(fā)債后都存在利潤(rùn)操縱現(xiàn)象,尤其發(fā)債當(dāng)年利潤(rùn)操縱現(xiàn)象非常明顯,這也可能是發(fā)行債券后一年財(cái)務(wù)績(jī)效下滑較明顯的一個(gè)重要原因。這就要求監(jiān)管機(jī)構(gòu)對(duì)發(fā)行公司債券后的上市公司要加強(qiáng)各方面的監(jiān)督,同時(shí)也說(shuō)明單獨(dú)依靠嚴(yán)厲的監(jiān)管就使得公司績(jī)效從根本上得到提高是辦不到的,要使上市公司的績(jī)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(qiáng)資本市場(chǎng)的有效性。

參考文獻(xiàn)

[1]谷秀娟,孔亞平.我國(guó)上市公司發(fā)行公司債券對(duì)二級(jí)市場(chǎng)股價(jià)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(shì)[J].技術(shù)與市場(chǎng),2007(02):

45-46.

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

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

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

本文為“鄭州市創(chuàng)新型科技人才隊(duì)伍建設(shè)工程”成果。

作者簡(jiǎn)介:

篇8

關(guān)鍵詞：股票走勢(shì);隨機(jī)游走;游程檢驗(yàn)

一、問(wèn)題的背景

由于股票的走勢(shì)總是難以預(yù)測(cè)，類似于隨機(jī)游走，若市場(chǎng)是有效市場(chǎng)，則任何對(duì)股票的預(yù)測(cè)都是徒勞的。如果一個(gè)市場(chǎng)的證券價(jià)格總是能夠“充分反映”所有可得到的信息，則該市場(chǎng)就是“有效的”。國(guó)內(nèi)許多學(xué)者通過(guò)對(duì)股票價(jià)格指數(shù)進(jìn)行游程檢驗(yàn)，普遍認(rèn)為我國(guó)的股票市場(chǎng)是一個(gè)弱有效市場(chǎng)。

在對(duì)股票進(jìn)行游程檢驗(yàn)時(shí)，大多數(shù)的做法是檢驗(yàn)上證指數(shù)收益率與其中位數(shù)的差值正負(fù)作為檢驗(yàn)的對(duì)象。股票走勢(shì)是時(shí)間序列數(shù)據(jù)，前一天或許會(huì)對(duì)后一天的走勢(shì)產(chǎn)生影響，如果是隨機(jī)游走的，則股票漲跌之間應(yīng)該是隨機(jī)的，不會(huì)出現(xiàn)很多的上漲，也不會(huì)出現(xiàn)很多的下跌，因此對(duì)股票漲跌情況作為檢測(cè)對(duì)象，也能夠判斷其是否是隨機(jī)的。

為了檢驗(yàn)股票走勢(shì)是否隨機(jī)，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(jìn)行隨機(jī)性的檢驗(yàn)。這里，我們列出部分?jǐn)?shù)據(jù)，見(jiàn)表1：

二、方法的選取

對(duì)隨機(jī)游走的假設(shè)檢驗(yàn)方法很多， 有Box -Pierce Q 檢驗(yàn)、Ljung- Box Q 檢驗(yàn)、游程檢驗(yàn)、D ick-Fuller檢驗(yàn)、Phillipsk - Perron 檢驗(yàn)等。游程檢驗(yàn)是非參數(shù)方法，不用考慮數(shù)據(jù)的總體分布，使用簡(jiǎn)便有效，只要對(duì)數(shù)據(jù)的類別進(jìn)行檢驗(yàn)就行。游程檢驗(yàn)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(gè)部分。用上下交錯(cuò)形成的游程個(gè)數(shù)來(lái)檢驗(yàn)樣本是否是隨機(jī)的。即通過(guò)序列的實(shí)際游程數(shù)同隨機(jī)序列游程數(shù)的期望值做比較，來(lái)判斷觀察序列是否是隨機(jī)的。例如檢驗(yàn)次品的出現(xiàn)是否隨機(jī)、時(shí)間序列是否平穩(wěn)等，都可以用游程檢驗(yàn)的方法進(jìn)行檢驗(yàn)，原假設(shè)H0為樣品出現(xiàn)是隨機(jī)的，備擇假設(shè)H1是樣品出現(xiàn)是非隨機(jī)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(diǎn)為一個(gè)游程。當(dāng)過(guò)程是隨機(jī)時(shí)，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(hào)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(jī)的，備擇假設(shè)H1是指數(shù)的漲跌不是隨機(jī)的。相對(duì)于一定的各類個(gè)數(shù)，序列游程的總數(shù)應(yīng)在一個(gè)范圍內(nèi)。若游程的總數(shù)R過(guò)少，表明某一游程的長(zhǎng)度過(guò)長(zhǎng)，意味著有較多的同一符號(hào)相連，序列存在成群的傾向;若游程總數(shù)過(guò)多，表明游程長(zhǎng)度很短，意味著兩個(gè)符號(hào)頻繁交替，序列具有混合的傾向。檢驗(yàn)統(tǒng)計(jì)量即為游程總數(shù)R，m、n為各類的個(gè)數(shù)，且

因此，統(tǒng)計(jì)量R有漸進(jìn)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(yàn)的一些方法，如卡方檢驗(yàn)、二項(xiàng)分布檢驗(yàn)、單樣本K-S檢驗(yàn)、游程檢驗(yàn)等，操作簡(jiǎn)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(yàn)中的Runs Test，漲跌選為檢驗(yàn)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(gè)檢驗(yàn)數(shù)據(jù)，游程總數(shù)是37個(gè)， 統(tǒng)計(jì)量的值為-0.867，相應(yīng)的漸進(jìn)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(jī)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(shuō)明兩個(gè)股市在中國(guó)的宏觀經(jīng)濟(jì)環(huán)境下，會(huì)受到相同方向的經(jīng)濟(jì)影響。深證指數(shù)的游程數(shù)是39，檢驗(yàn)統(tǒng)計(jì)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(jī)的。

（二）R語(yǔ)言分析

利用R中游程檢驗(yàn)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(yàn)統(tǒng)計(jì)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(jī)的。

四、結(jié)果分析

該實(shí)驗(yàn)結(jié)果說(shuō)明國(guó)內(nèi)上證指數(shù)、深證指數(shù)在近期內(nèi)的漲跌是隨機(jī)的，即股票的走勢(shì)是隨機(jī)游走的，不能有效預(yù)測(cè)股票的漲跌情況，因此通過(guò)技術(shù)分析等手段進(jìn)行股票的分析是無(wú)效的。但是實(shí)際中，還是有很多人會(huì)利用基本面分析、公司價(jià)值分析、K線理論等方法，對(duì)股市進(jìn)行預(yù)測(cè)。我國(guó)的證券市場(chǎng)還不是很完善，還存在信息不對(duì)稱，上市公司的信息披露也存在一定不完全性，股票的走勢(shì)也不是完全隨機(jī)的，股民們追漲殺跌的行為也會(huì)影響股票的隨機(jī)性，而帶來(lái)一定的趨勢(shì)性。

參考文獻(xiàn)：

[1]陳明智.股價(jià)（期貨）分析預(yù)測(cè)學(xué).北京：教育科學(xué)出版社， 1993.

[2]俞喬.場(chǎng)有效、周期異常與股價(jià)波動(dòng).經(jīng)濟(jì)研究，1994（4）.

[3]羅捍東.證券動(dòng)態(tài)投資策略.預(yù)測(cè)，1992（2）.

篇9

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

中圖分類號(hào)：F39 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：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(lái)了很多負(fù)面影響，不同程度上影響日常學(xué)習(xí)和生活。而對(duì)于霧霾的認(rèn)識(shí)，專家學(xué)者們眾說(shuō)紛紜。孫亮[1]認(rèn)為酸雨是由霧霾引起的，會(huì)減少農(nóng)作物產(chǎn)量。劉鴻志[2]認(rèn)為霧霾會(huì)影響很多方面，如人的情緒、社會(huì)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(rèn)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(jì)分析方法分析霧霾的影響因素，認(rèn)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(biāo)體系的構(gòu)建

本文在大多數(shù)學(xué)者的研究成果基礎(chǔ)上，對(duì)黑龍江省的12個(gè)地級(jí)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(tái)河市、鶴崗市、黑河市、綏化市）進(jìn)行分析，并建立黑龍江省各城市霧霾影響因素指標(biāo)體系。其中被解釋變量（Y）的計(jì)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(lái)自2014年的《黑龍江統(tǒng)計(jì)年鑒》。

二、黑龍江省霧霾天氣影響因素實(shí)證分析

（一）非參數(shù)檢驗(yàn)

由于霧霾的測(cè)度變量――空氣質(zhì)量指標(biāo)（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(yàn)中的Spearman秩相關(guān)系數(shù)和Kendall-相關(guān)系數(shù)來(lái)實(shí)現(xiàn)，這三個(gè)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(gè)城市的單月數(shù)據(jù)，并不能以此認(rèn)為這些數(shù)據(jù)都服從于正態(tài)分布。為了檢驗(yàn)AQI與各潛在影響因素之間的相關(guān)性，采取非參數(shù)檢驗(yàn)的方法；為了使結(jié)果更準(zhǔn)確，采用Spearman秩相關(guān)系數(shù)和Kendall-相關(guān)系數(shù)同時(shí)做檢驗(yàn)，與person相關(guān)系數(shù)進(jìn)行對(duì)比，觀察顯著性情況，做出準(zhǔn)確分析。其中相關(guān)性顯著的如表2所示。

對(duì)表2的結(jié)果進(jìn)行分析，由于取0.05的置信度時(shí)，變量的顯著性明顯，所以下文以0.05置信度的結(jié)果進(jìn)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(xué)者發(fā)現(xiàn)或者提到。GDP越高，AQI指數(shù)越高，說(shuō)明經(jīng)濟(jì)的不斷增長(zhǎng)，霧霾越來(lái)越嚴(yán)重，有悖于常識(shí)，但是黑龍江省發(fā)展經(jīng)濟(jì)的同時(shí)可能不重視環(huán)境治理，就導(dǎo)致霧霾情況越來(lái)越嚴(yán)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(gè)人的觀點(diǎn)。AQI指數(shù)和人口成正比，是因?yàn)槿丝谠蕉啵鞣N能源消耗就越多，對(duì)環(huán)境的污染越嚴(yán)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(yán)重，霧霾污染越嚴(yán)重，這樣的城市越需要治理。

從機(jī)動(dòng)車(chē)排放污染方面看，與Y呈顯著正相關(guān)的是X7、X8，即機(jī)動(dòng)車(chē)輛和單位面積機(jī)動(dòng)車(chē)輛。機(jī)動(dòng)車(chē)輛越多，排放的尾氣污染越多，環(huán)境污染越嚴(yán)重，霧霾越嚴(yán)重，這是個(gè)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(gè)因素與AQI指數(shù)都無(wú)顯著的相關(guān)關(guān)系，與實(shí)際不太相符，對(duì)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(gè)解釋變量的線性回歸模型，用于揭示被解釋變量與多個(gè)解釋變量之間的線性關(guān)系。多元線性回歸的數(shù)學(xué)模型[5]為：

對(duì)上述顯著的5個(gè)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(jī)誤差項(xiàng)。

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

回歸方程通過(guò)F檢驗(yàn)，可認(rèn)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(yàn)的p值均大于顯著性水平，認(rèn)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(dāng)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(wèn)題。

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

由檢驗(yàn)結(jié)果可以看出，White檢驗(yàn)的輔助回歸模型F統(tǒng)計(jì)量值以及懷特統(tǒng)計(jì)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(rèn)為模型不存在異方差。接下來(lái)進(jìn)行隨機(jī)解釋變量檢驗(yàn)，將殘差與解釋變量之間計(jì)算相關(guān)系數(shù)如下：可見(jiàn)解釋變量與殘差之間的相關(guān)系數(shù)極小，認(rèn)為模型不存在隨機(jī)解釋變量問(wèn)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(yán)重，即GDP每增加1.148億元，霧霾的空氣指數(shù)將會(huì)增加1。城市人口越多，霧霾越嚴(yán)重，即人口每增加0.2541萬(wàn)人，霧霾的空氣指數(shù)將會(huì)增加1。單位面積機(jī)動(dòng)車(chē)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(huì)增加1。

三、緩解霧霾污染的政策建議

近幾年，霧霾天氣越來(lái)越頻繁地發(fā)生，尤其在秋冬季節(jié)，黑龍江省乃至全國(guó)都特別嚴(yán)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(shí)證分析結(jié)果及結(jié)合黑龍江省的實(shí)際情況，提出以下幾點(diǎn)有針對(duì)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(jì)

工業(yè)排放的廢水、廢氣、粉塵等導(dǎo)致了環(huán)境的嚴(yán)重污染，也對(duì)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(chē)尾氣的排放污染，一方面，要從根本上控制機(jī)動(dòng)車(chē)輛的保有量，減少單位面積的機(jī)動(dòng)車(chē)輛，控制在一個(gè)指標(biāo)上；另一方面，機(jī)動(dòng)車(chē)應(yīng)該使用高質(zhì)量、綠色環(huán)保的汽油，減少汽車(chē)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(shí)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(shí)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(kāi)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(gè)以農(nóng)業(yè)為主的省份，在秋季，秸稈燃燒現(xiàn)象非常嚴(yán)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(duì)于他們就沒(méi)有多大的用處，無(wú)處放置，大多都就地燃燒了。這種現(xiàn)象對(duì)環(huán)境污染極其嚴(yán)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(xiàn)：

[1] 孫亮.灰霾天氣成因危害及控制治理[J].環(huán)境科學(xué)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(hù)，2013，（15）：30-32.

[3] 朱成章.我國(guó)防止霧霾污染的對(duì)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(jì)分析方法的霧霾影響因素及治理措施[J].廈門(mén)大學(xué)學(xué)報(bào)：自然科學(xué)版，2015，（1）：114-121.

篇10

關(guān)鍵詞：大學(xué)生；個(gè)性化；創(chuàng)業(yè)教育；創(chuàng)業(yè)意識(shí)

2002年4月，教育部高教司在北京召開(kāi)的普通高等學(xué)校創(chuàng)業(yè)教育試點(diǎn)工作座談會(huì)上明確指出，對(duì)大學(xué)生進(jìn)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(dāng)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(diǎn)院校。那么，經(jīng)過(guò)近10年的發(fā)展，哪些因素對(duì)大學(xué)生創(chuàng)業(yè)意識(shí)有顯著影響?高校開(kāi)展的創(chuàng)業(yè)教育對(duì)學(xué)生的影響力如何，能否滿足學(xué)生的需要?帶著這些問(wèn)題我們選擇中部地區(qū)某綜合性大學(xué)在校大學(xué)生為研究對(duì)象，采取隨機(jī)抽樣方法發(fā)放調(diào)查問(wèn)卷與個(gè)別深入訪談相結(jié)合的方式收集第一手資料，對(duì)此展開(kāi)深入研究，以期為相關(guān)決策部門(mén)開(kāi)展創(chuàng)業(yè)指導(dǎo)提供參考依據(jù)。

一　大學(xué)生個(gè)人背景特征對(duì)創(chuàng)業(yè)意識(shí)的影響

作為大學(xué)生創(chuàng)業(yè)意識(shí)影響因素的個(gè)人背景主要考慮了性別、學(xué)科性質(zhì)、地域、是否有參加創(chuàng)業(yè)競(jìng)賽經(jīng)歷四個(gè)方面。對(duì)這四個(gè)變量分別采用0－1人工變量法賦值，其中學(xué)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(jiǎn)化問(wèn)題，這里只考慮大學(xué)生個(gè)人背景特征對(duì)其創(chuàng)業(yè)意識(shí)強(qiáng)弱的影響，從1－5所賦數(shù)值越大表明創(chuàng)業(yè)意識(shí)越強(qiáng)，對(duì)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(yàn)方法由于嚴(yán)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(diǎn)，在此更適合用對(duì)數(shù)據(jù)要求較低的非參數(shù)檢驗(yàn)方法，因此，采用SPSS11.5軟件中的獨(dú)立樣本非參數(shù)檢驗(yàn)對(duì)上述假設(shè)進(jìn)行驗(yàn)證。

由于每一種非參數(shù)檢驗(yàn)方法只利用了原始數(shù)據(jù)某一方面的信息，為了增強(qiáng)結(jié)論的說(shuō)服力，利用兩獨(dú)立樣本非參數(shù)檢驗(yàn)過(guò)程中的Mann-Whitney Test和Kolmogorov-Smirnov Test兩種檢驗(yàn)方法來(lái)驗(yàn)證在校大學(xué)生性別、學(xué)科性質(zhì)、地域、是否有參加創(chuàng)業(yè)競(jìng)賽經(jīng)歷對(duì)創(chuàng)業(yè)意識(shí)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(xué)科性質(zhì)、地域、是否有參加創(chuàng)業(yè)競(jìng)賽經(jīng)歷這三個(gè)變量上，兩種檢驗(yàn)的相伴概率都遠(yuǎn)遠(yuǎn)大于5％的顯著性水平，可以認(rèn)為這三個(gè)方面都未對(duì)大學(xué)生創(chuàng)業(yè)意識(shí)產(chǎn)生顯著影響，這與大多數(shù)人的主觀認(rèn)識(shí)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(rèn)為科技創(chuàng)業(yè)應(yīng)該是大學(xué)生創(chuàng)業(yè)的首選，但隨著大學(xué)生創(chuàng)業(yè)領(lǐng)域的不斷拓展，文理科不同學(xué)科背景的學(xué)生紛紛開(kāi)始關(guān)注創(chuàng)業(yè)，在對(duì)創(chuàng)業(yè)的關(guān)注程度上已沒(méi)有明顯差異。同時(shí)，來(lái)自城鎮(zhèn)和來(lái)自農(nóng)村的學(xué)生在創(chuàng)業(yè)意識(shí)上也沒(méi)有顯著差異，說(shuō)明不同生長(zhǎng)環(huán)境的學(xué)生雖然在家庭背景、社會(huì)資源等方面存在一定差異，但這些差異并未對(duì)他們的創(chuàng)業(yè)意識(shí)產(chǎn)生很大影響。通過(guò)訪談還發(fā)現(xiàn)，很多來(lái)自不富裕的農(nóng)村家庭的學(xué)生更希望通過(guò)自主創(chuàng)業(yè)來(lái)實(shí)現(xiàn)自我，改變家庭經(jīng)濟(jì)狀況。另外，參加過(guò)創(chuàng)業(yè)計(jì)劃競(jìng)賽的學(xué)生并未表現(xiàn)出比未參加過(guò)創(chuàng)業(yè)計(jì)劃競(jìng)賽的學(xué)生對(duì)創(chuàng)業(yè)更高程度的關(guān)注，這主要是由于相當(dāng)一部分大學(xué)生參加創(chuàng)業(yè)計(jì)劃競(jìng)賽并不是為將來(lái)自主創(chuàng)業(yè)積累經(jīng)驗(yàn)，而是為未來(lái)增加就業(yè)籌碼，以期獲得更好的職業(yè)發(fā)展機(jī)會(huì)，這在一定程度上也說(shuō)明目前大學(xué)生創(chuàng)業(yè)計(jì)劃競(jìng)賽項(xiàng)目還缺乏從理論走向?qū)嵺`的推動(dòng)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(rèn)為性別是影響大學(xué)生創(chuàng)業(yè)意識(shí)的一個(gè)顯著因素，而Kolmogorov-SmirnovTest結(jié)果則說(shuō)明，以95％的置信度認(rèn)為性別對(duì)大學(xué)生創(chuàng)業(yè)意識(shí)影響不顯著，但以90％的置信度在可認(rèn)為性別對(duì)大學(xué)生創(chuàng)業(yè)意識(shí)影響顯著。這一方面是由于兩種檢驗(yàn)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(shuō)明傳統(tǒng)的性別角色觀念雖然對(duì)大學(xué)生創(chuàng)業(yè)意識(shí)仍有一定影響，但這種影響正逐步趨于弱化，越來(lái)越多的女大學(xué)生在創(chuàng)業(yè)熱潮中開(kāi)始走上自主創(chuàng)業(yè)之路。

二　大學(xué)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(xué)生對(duì)創(chuàng)業(yè)的關(guān)注程度存在一定差異，那么，他們對(duì)大學(xué)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(shí)的差異呢?對(duì)于這一問(wèn)題我們進(jìn)行了創(chuàng)業(yè)綜合素質(zhì)的多選項(xiàng)調(diào)查。通過(guò)與大學(xué)生訪談，最終將創(chuàng)業(yè)素質(zhì)分為六個(gè)方面：挑戰(zhàn)精神、專業(yè)知識(shí)、組織能力、社會(huì)關(guān)系、

溝通能力和創(chuàng)新思維。調(diào)查時(shí)要求大學(xué)生選出自己認(rèn)為最重要、第二重要、第三重要的素質(zhì)。對(duì)調(diào)查結(jié)果進(jìn)行整理，結(jié)果見(jiàn)表2。

從不同重要性的創(chuàng)業(yè)素質(zhì)來(lái)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(xiàng)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(huì)關(guān)系、溝通能力和挑戰(zhàn)精神，這三個(gè)方面相差不大。雖然在分析最重要?jiǎng)?chuàng)業(yè)素質(zhì)時(shí)選擇具備挑戰(zhàn)精神的人數(shù)最多，但從三個(gè)因素的綜合分析看，挑戰(zhàn)精神并未出現(xiàn)在第一位，說(shuō)明當(dāng)前大學(xué)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(dòng)取得成功的良好的組織能力和廣泛的社會(huì)關(guān)系等因素。另外，多選項(xiàng)統(tǒng)計(jì)中選擇專業(yè)知識(shí)和創(chuàng)新思維的人數(shù)相對(duì)最少，僅占13.9％和13.3％，這也說(shuō)明當(dāng)前大學(xué)生創(chuàng)業(yè)方向的選擇與自身專業(yè)知識(shí)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(kāi)展創(chuàng)業(yè)活動(dòng)。

從分性別的統(tǒng)計(jì)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(yuǎn)遠(yuǎn)高于其他創(chuàng)業(yè)素質(zhì)，而女生對(duì)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(shí)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(xiàng)最高，說(shuō)明大學(xué)生已經(jīng)充分認(rèn)識(shí)到對(duì)人、財(cái)、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(duì)人員的組織與安排，需要充分調(diào)動(dòng)積極性，各盡其能，這也與當(dāng)前大學(xué)生偏愛(ài)團(tuán)隊(duì)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(xué)生的選項(xiàng)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(huì)關(guān)系為最高。綜上可知，不同性別大學(xué)生對(duì)創(chuàng)業(yè)需具備的素質(zhì)看法存在較大差異，男生普遍認(rèn)為擁有挑戰(zhàn)精神是創(chuàng)業(yè)所必需的，其次才考慮對(duì)創(chuàng)業(yè)活動(dòng)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(huì)關(guān)系、專業(yè)知識(shí)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(xué)生創(chuàng)業(yè)活動(dòng)中男生遠(yuǎn)遠(yuǎn)多于女生的一個(gè)重要原因。

三　學(xué)校創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)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(diǎn)院校以來(lái)，其他各高校也陸續(xù)開(kāi)展了一些創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)。那么，學(xué)校開(kāi)展的這些活動(dòng)在大學(xué)生中是否廣泛普及?這些活動(dòng)是否對(duì)大學(xué)生的創(chuàng)業(yè)意

識(shí)產(chǎn)生預(yù)期的作用?對(duì)此我們從是否聽(tīng)說(shuō)過(guò)學(xué)校開(kāi)展的各種創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)、是否參加過(guò)學(xué)校開(kāi)展的各種創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)、對(duì)學(xué)校開(kāi)展的創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)是否滿意這三個(gè)方面予以了解學(xué)校創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)的影響力，結(jié)果見(jiàn)表3。

在調(diào)查的大學(xué)生中，聽(tīng)過(guò)學(xué)校開(kāi)展的各項(xiàng)創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)的占81.4％，但真正參加過(guò)的只有31.1％，其中，只有6.2％的學(xué)生對(duì)這些活動(dòng)表示滿意，表示不滿意的大學(xué)生比例高達(dá)70.8％，說(shuō)明當(dāng)前地方高校雖然開(kāi)展了一些創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)，但這些活動(dòng)的宣傳普及率不理想，參與率低，滿意度評(píng)價(jià)也較差。通過(guò)與大學(xué)生的深度訪談了解到：其一，學(xué)校雖然開(kāi)展了一些創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)，但對(duì)活動(dòng)的介紹推廣力度不高。目前對(duì)開(kāi)展活動(dòng)的宣傳多以張貼海報(bào)或在校園網(wǎng)站信息欄公布兩種方式，海報(bào)張貼地點(diǎn)單一、固定，很多學(xué)生不會(huì)注意，同時(shí)很多內(nèi)地高校的校園網(wǎng)又沒(méi)有接入學(xué)生寢室，使得信息不能及時(shí)通知每一位學(xué)生。其二，開(kāi)展的創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)規(guī)模小，很多想?yún)⑴c的學(xué)生沒(méi)有機(jī)會(huì)參與。學(xué)生了解、參與最多的創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)是學(xué)校不定期請(qǐng)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(dòng)參與人數(shù)。其三，學(xué)校開(kāi)展的創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)方式單一，不能滿足當(dāng)前大學(xué)生多樣化的需求。通過(guò)訪談了解到，很多學(xué)生對(duì)學(xué)校目前開(kāi)展的創(chuàng)業(yè)宣傳指導(dǎo)活動(dòng)不滿意，主要是由于方式方法問(wèn)題，學(xué)生并不滿足于聽(tīng)專家、成功企業(yè)家介紹經(jīng)驗(yàn)，或者是創(chuàng)業(yè)模擬競(jìng)賽，他們希望到企業(yè)實(shí)地了解運(yùn)作流程，以增強(qiáng)處理實(shí)際問(wèn)題的能力。