李　清，任朝阳

(吉林大学 商学院，吉林 长春 130012)



基于非线性-主成分Logistic回归的会计舞弊识别研究

李清，任朝阳

(吉林大学 商学院，吉林 长春 130012)

摘要：混沌理论认为，人类行为大多具有非线性特征。会计舞弊属于行为会计的研究范畴，而传统上基于统计理论构建的舞弊识别模型大多受限于线性约束假设，可能存在模型设定偏误和信息提取不充分的缺陷。以沪深A股受到监管处罚的上市公司及其配对公司为样本，借鉴Taylor展开式的非线性思想，并使用主成分分析消除变量多重共线性，构建了非线性-主成分Logistic回归的会计舞弊识别模型。与线性回归模型对比发现，前者具有更高的舞弊识别正确率，模型拟合度更优。应用这一模型有助于更加充分提取舞弊识别信息，提高舞弊识别效率。

关键词：非线性；主成分分析；Logistic回归；会计舞弊识别

一直以来，会计舞弊被视为阻碍资本市场健康发展的顽疾。那些由于经营不善、效率低下的“价值损伤型”公司通过实施会计舞弊抢夺了稀缺的市场资源，扭曲了资本市场的资源配置效率，认认真真创造价值的公司反而难以生存。传统上，会计舞弊识别大多基于线性思维构建舞弊识别模型。然而，越来越多的研究表明，舞弊行为具有典型的非线性特征，舞弊手段的多目标性也决定了使用线性模型进行识别的局限性。考虑到传统识别方法可能存在模型设定偏误和信息提取不充分的缺陷，本文提出在传统Logistic回归模型的基础上结合Taylor展开式的非线性思想，并使用主成分分析消除变量多重共线性，构建基于非线性-主成分Logistic回归的会计舞弊识别模型。……