회계이익 변수에 대한 극단치처리 방법의 비교분석

한봉회

추천

검색

질문

자료유형: 학술저널

저자정보: 한봉회

저널정보: 한국경영학회 경영학연구 경영학연구 제30권 제1호

발행연도: 2001.2

수록면: 47 - 73 (27page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

본 연구는 초과주가수익률을 비기대이익으로 설명하는 선형회귀모형의 추정에서 비기대이익에 대한 극단치처리 방법에 따라 모형설명력과 이익반응계수가 얼마나 제고되는지를 비교평가한다. 기존의 국내외 연구들에서는 비기대이익 분포의 양쪽 끝 1%이내의 값에서 절단 혹은 조정기법을 사용하여 극단치처리를 하는 것이 일반적이다. 그러나 이러한 극단치처리로 인한 모형설명력과 이익반응계수의 제고 효과는 미약하다. 본 연구는 극단치처리의 기준점을 비기대이익 분포의 양쪽 끝 ±5%로 높이거나 비기대이익을 서열처리함으로써 모형설명력이 상당히 제고될 수 있음을 보여준다. 이익반응계수도 ±5%에서 극단치처리를 함으로써 상당히 제고된다. 선형회귀모형에 이익수준을 추가적인 설명변수로 포함시킬 경우 모형설명력과 이익반응계수는 한층 더 제고된다. 구체적으로 극단치처리를 하지 않았을 경우 모형설명력(Adj. R²)은 평균적으로 0.041에 불과하였다. ±1% 조정 혹은 절단처리에 의해 Adj. R²는 0.088과 0.089로 증가하였다. 그러나 비기대이익을 서열처리하였을 경우 Adj. R²는 0.145로 한층 더 증가하였으며 더 나아가 이익수준을 선형회귀모형에서 설명변수로 추가하여 서열처리하였을 경우 Adj. R²는 0.241로까지 증가하였다. ±5% 조정 혹은 절단처리하였을 경우도 이에 버금가게 Adj. R²가 증가하였다. 극단치처리를 하지 않았을 경우 이익반응계수는 평균적으로 0.091에 불과하였다. ±1% 조정 혹은 절단처리의 경우 이익반응계수는 0.273과 0.416이었다. 그러나 ±5% 조정 혹은 절단처리를 함으로써 이익반응계수는 각각 0.949와 1.217로까지 증가하였다. Lev(1989)는 회계이익의 정보내용을 검증하는 기존 연구들에서 Adj. R²가 0.05정도로 미약하게 나온 점에 우려를 표명하고 있다. 본 연구는 회계이익에 대한 극단치처리를 강화하고 이익수준을 비기대이익에 추가적인 설명변수로 고려함으로써 이러한 우려를 상당히 불식시킬 수 있음을 보여준다. 또한 극단치처리를 강화함으로써 이익반응계수가 그 이론적 최소값인 1로까지 제고될 수 있음을 보여준다.

This study evaluates comparatively the effect of various outlier treatment methods on explanatory power and earnings response coefficient in estimating the relation between unexpected earnings and abnormal returns under a linear regression model. Existing studies treat outliers in unexpected earnings generally by truncating or winsorizing within ±1% of its distribution. Such methods, however, are weak in enhancing model explanatory power and earnings response coefficient. This study shows that model explanatory power can be substantially improved by raising the outlier cutoff point to ±5% or by ranking unexpected earnings entirely. ±5% outlier treatment also has enhanced earnings response coefficient markedly. Including earnings level in addition to unexpected earnings in the model has further improved model explanatory power and earnings response coefficient. Without outlier treatment, the model explanatory power(Adj. R²) was merely 0.041 on average. Winsorizing or truncating at ±1% increased Adj. R² to 0.088 and 0.089 respectively. Ranking, however, increased it substantially to 0.145. Further, ranking after adding earnings level in the model increased it markedly to 0.241. Winsorizing or truncating at ±5% was similarly effective in increasing Adj. R² as ranking. Without outlier treatment, earnings response coefficient was merely 0.091. Winsorizing or truncating at ±1% increased earnings response coefficient to 0.273 and 0.416 respectively. Winsorizing or truncating at ±5%, however, increased it markedly to 0.949 and 1.217 each. Lev(1989) expresses concern about a weak link between earnings and stock returns, Adj. R² being merely 0.05, documented in existing earnings information content studies. The results of this study indicate that strengthening outlier treatment and including earnings level in addition to unexpected earnings in the model can substantially mitigate such worry. The results also show that strengthening outlier treatment can enhance earnings response coefficient up to its minimum theoretical value, 1.

참고문헌 (0)

참고문헌 신청

참고문헌이 DBpia에서 서비스 중이라면, [참고문헌 신청]을 통해 등록해보세요

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

한봉회

소속기관 한국경영학회

주요연구분야 사회과학 > 경영학

논문수 1 이용수 126

이 논문과 함께 이용한 논문

회계정보의 비대칭성에 대한 청산옵션가설과 조건부 보수주의의 역할

하승화 , 김명종 경영학연구 2018 .12

정보비대칭과 회계 보수주의의 관련성 분석

김명종 , 하승화 , 김진우 국제회계연구 2014 .06

시가총액 표준화 회계이익변수의 정보효과와 시장반응 : 손실기업과 이익기업의 비교

남천현 , 강덕식 국제회계연구 2013 .06

회계발생액의 크기에 따른 정보효과에 관한 연구

정진수 , 박재영 산업경제연구 2005 .08

흑자보고 전환 가능성이 적자보고 가치 관련성에 미치는 영향

박원 , 박상규 산업경제연구 2008 .08

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (0)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)